Gestão da Produção

Unidade 4 - Previsão de
Demanda
Prof. Me. Vitor Correa da Silva
1
Previsão de Demanda - Comercial x Operações
• A previsão de demanda também pode ser entendida como
previsão de vendas.
• Como as vendas são de responsabilidade da área comercial,
nem sempre estes profissionais dão grande importância aos
desafios enfrentados pela área de produção para atender à
demanda.
• Por isso, esta relação comercial x produção costuma ser
conflituosa.
• Na realidade da maioria das empresas, a previsão de demanda
é vista com ceticismo. Acredita-se ser muito difícil, na prática,
acertar tais previsões.

2
Previsão de Demanda - Aspectos Importantes:
O erro de previsão precisa ser conhecido:
• Como as previsões não são perfeitas, sempre haverá um erro.
• É fundamental que este erro seja medido, explicitado e
avaliado.
• Quando as discrepâncias forem além do que se julga aceitável,
é necessário apurar as razões e atribuir responsabilidades, com
o intuito de melhorar as previsões no futuro.

3
Previsão de Demanda - Aspectos Importantes:
O grau de agregação dos produtos deve ser adequado:
• Quanto maior o grau de agregação dos produtos, mais precisa
será a previsão da demanda.
• Por outro lado, uma previsão altamente agregada, em pouco
ou em nada auxilia o planejamento das atividades de
produção.
• As previsões de demanda são o insumo para o planejamento
agregado da produção. Assim, previsões que não respeitem o
detalhamento mínimo para permitir o planejamento agregado
não têm valor significativo.
• Não basta se contentar apenas em atingir as metas de vendas
no que tange à quantidade. É fundamental que se venda aquilo
4
que se produziu.
Previsão de Demanda - Aspectos Importantes:
O grau de agregação dos produtos deve ser adequado:

5
Previsão de Demanda - Aspectos Importantes:
O horizonte de tempo da previsão deve ser adequado:
• Quanto maior o horizonte da previsão, menor será a precisão,
enquanto que um menor o horizonte aumenta a precisão.
• As previsões de demanda de longo prazo, de um a cinco anos
geralmente, servem como apoio às decisões do planejamento
da capacidade da empresa em caráter estratégico.
• As previsões de médio prazo, com cerca de um ano em geral,
servem para apoio às decisões do planejamento agregado de
produção.
• As previsões de curto prazo com horizonte de tempo de cerca
de um a três meses, são mais precisas e baseiam o
planejamento e a execução das atividades de produção.
6
Previsão de Demanda - Aspectos Importantes:
Não transformar a previsão de demanda em meta de vendas
ou produção:
• A situação atual de constantes mudanças de cenário já
comporta incertezas suficientes para tornar difícil uma boa
previsão de vendas.
• Transformar a previsão em meta faz com ela seja motivo de
acirradas discussões sobre sua acurácia.
• É preciso que os gestores da área comercial e da área de
produção separem devidamente o que é meta do que é
previsão.
• Um risco é a área de produção se programar com base em
número equivocados e produzir itens que ficarão “encalhados”
7
por falta de demanda para eles.
 Métodos de Previsão de Demanda
• Existem vários modelos de previsão de demanda e eles podem
ser classificados como:
 Modelos Qualitativos e;
 Modelos Quantitativos;
• É importante entender que nenhum modelo é perfeito e todos
apresentam vantagens e desvantagens, sendo importante
utilizar mais de um deles conjuntamente.

8
 Modelos Qualitativos
• São modelos essencialmente subjetivos. Podem ser mais
apropriados quando não existem dados históricos a serem
analisados.
• Geralmente dependem de profissionais e especialistas com
larga experiência de mercado para serem considerados
válidos. Alguns exemplos de modelos qualitativos:
 Opiniões de executivos;
 Método Delphi;
 Opiniões da equipe de vendas;
 Pesquisas de mercado;
 Analogia com produtos similares.
9
 Modelos Quantitativos
• Os modelos quantitativos utilizam-se, fundamentalmente, de
técnicas estatísticas em suas projeções.
• Os principais modelos de previsão de demanda quantitativos
são:
1) Modelos de decomposição de séries temporais;
2) Modelo da média móvel simples;
3) Modelo da média móvel ponderada;
4) Modelo da média móvel com suavização exponencial;
5) Modelo dos mínimos quadrados ou Regressão linear;
6) Modelo do ajustamento sazonal;
7) Modelo de Winter. 10
 1 - Modelos de decomposição de séries
temporais
• São amplamente utilizados e se baseiam no estudo da
demanda acontecida no passado para projetar a futura.
• São válidos apenas para produtos já existentes e que se
encontram na fase de maturidade do seu ciclo de vida.
• Toda série temporal pode ser analisada e decomposta em uma
parte sistemática, composta por nível, tendência e
sazonalidade, e outra parte não sistemática composta pela
aleatoriedade.

11
 2 - Modelo da média móvel simples
• A média móvel simples consiste na média aritmética dos n
últimos períodos da demanda observada.
• Como quanto maior o valor de n, maior será a influência das
demandas mais antigas sobre a previsão, na prática, costuma-
se realizar o cálculo incluindo-se apenas os 3 últimos
períodos.
• A média móvel simples somente deve ser aplicada em
demandas que não apresentem tendência ou sazonalidade,
ou seja, quando a demanda apresentar pouca variação ao longo
do tempo.

12
2 - Modelo da média móvel simples

13
 3 - Modelo da média móvel ponderada
• Trata-se de uma variação da média móvel simples, que
também deve ser aplicado apenas para demandas que não
apresentem nem tendência nem sazonalidade.
• A diferença é que se pode considerar um peso maior para o
último período de demanda, um peso ligeiramente menor
para o penúltimo período e assim por diante até o último
período que se vá utilizar para a estimativa.
• Quanto maiores os pesos atribuídos aos últimos períodos,
maior será sua influência na previsão da demanda.

14
 4 - Modelo da média móvel com suavização
exponencial
• Trata-se de uma variação da média móvel ponderada que
também deve ser aplicado apenas para demandas que não
apresentem tendência nem sazonalidade.
• Adota-se um peso de ponderação que se eleva
exponencialmente quanto mais recentes são os períodos.
• O valor da constante de suavização α varia entre zero e um.
• Quanto maior o valor de α, menor será a influência da
demanda real do último período na previsão de demanda.

15
 4 - Modelo da média móvel com suavização
exponencial
• Imagine que a previsão e a demanda de um produto tenha a
seguinte distribuição:
Meses Previsão Demanda
Novembro 60 62
Dezembro 62 65
Janeiro 72 70
Fevereiro 70 10
• Considere alfa = 0,05:
D = 0,05.10 + 0,95.70 = 67

16
 5 - Modelo dos mínimos quadrados ou
Regressão linear
• É um modelo um pouco mais elaborado, podendo ser aplicado
a séries temporais de demandas que apresentam tendência,
mas não apresentam sazonalidade.
• Esta situação é comum em produtos que se encontram na fase
de crescimento ou de declínio do seu ciclo de vida.
• O método utiliza a teoria dos mínimos quadrados para
promover uma regressão linear que determina a equação da
reta que melhor representa os valores da demanda passada.
• A previsão da demanda é obtida por meio da equação da reta,
que leva em consideração o nível e a tendência das demandas
passadas.

17
 6 - Modelo do ajustamento sazonal
• O modelo pode ser aplicado para séries temporais de
demandas que apresentam nível, tendência e sazonalidade.
• Situação comum para produtos influenciados pela época do
ano, onde a sazonalidade costuma ser uma constante.
• A previsão da demanda com ajustamento sazonal é obtida
utilizando-se a equação da reta multiplicada pelo fator de
sazonalidade (nível + tendência) x fator de sazonalidade.
• O modelo é constituído, inicialmente, pela demanda
“dessazonalizada”, ou seja, pela demanda que aconteceria se
não houvesse sazonalidade.
• O quociente entre a demanda real e a demanda
dessazonalizada é o índice de sazonalidade de cada período.
18
 7 - Modelo de Winter
• Pode ser utilizado em produtos cuja demanda apresenta
variabilidade em suas características de nível, tendência e
sazonalidade.
• Para cada uma das estimativas de nível, de tendência e de
sazonalidade serão aplicados fatores de suavização
exponencial.
• A aplicação do método de Winter somente é possível
utilizando-se uma ferramenta de programação linear para
permitir o cálculo das melhores estimativas dos coeficientes
(fatores de suavização exponencial) que permitam minimizar
o valor do erro da previsão.

19
 Referências
Bibliográficas

1. PEINADO, J.; GRAEML, A. R. Administração da produção:

operações industriais e de serviços. Curitiba: UnicenP, 2007. –
Capítulo 7.

Seja qual for o seu aproveitamento na disciplina, em qualquer

momento, no futuro, na eventualidade de precisar de ajuda:

VALE 1 S.O.S. – Prof. Vitor

vitor_correa@msn.com
20