UNIVERSIDADE DO CAMPUS XX – CASTANHAL/PA

ESTADO DO PARÁ Curso de Engenharia de Produção

DISCIPLINA:
PLANEJAMENTO E CONTROLE DA PRODUÇÃO I

Profº Dr. Léony Luis Lopes Negrão

Prof. Dr. Léony Negrão 1

UNIVERSIDADE DO
ESTADO DO PARÁ

2 – Gestão de Demanda.
2.1 – Introdução;
2.2 – Fundamentos para elaborar uma boa previsão;
2.3 – As etapas do processo de previsão;
2.4 – As abordagens e métodos de previsão;
2.5 – Controle de Previsão;
2.6 – Exercícios.

Prof. Dr. Léony Negrão 2

 UNIVERSIDADE DO
2.1 Introdução
ESTADO DO PARÁ

Previsão é a arte de especificar informações significantes sobre o futuro

(NARASIMHAN et al., 1995).

Guia para o planejamento estratégico da produção, finanças e vendas.

Principal dado de entrada para as várias funções do PCP.

Longo prazo: novas instalações, novos produtos, gasto de capital, etc.

Médio prazo: planejamento agregado da produção e análise de capacidade
agregadas. Curto prazo: programação da força de trabalho e análise de
capacidade.

Pacotes computacionais ajudam mas não é suficiente. Entendimento dos

princípios, experiência e conhecimento sobre o mercado

Prof. Dr. Léony Negrão 3

UNIVERSIDADE DO
2.2 Fundamentos para Elaborar uma Boa Previsão
ESTADO DO PARÁ

Os métodos de previsão Os erros das previsões não

pressupõem que o devem desestimular a Previsões agregadas são
utilização das previsões. O
comportamento causal mais precisas do que as
grau de acuracidade das
que existiu no passado previsões deve ser medido previsões elaboradas
continuará a existir no em função dos para itens individuais
futuro concorrentes da empresa

Um bom sistema de
A exatidão das
previsão é aquele que
previsões diminui com
reage a variações
o aumento do horizonte
verdadeiras e ignora
de planejamento
variações aleatórias

Prof. Dr. Léony Negrão 4

 UNIVERSIDADE DO
2.2 Fundamentos para Elaborar uma Boa Previsão
ESTADO DO PARÁ

A previsão deve ser

coerente (em relação
ao horizonte de tempo A confiabilidade do A previsão precisa ser
considerado) com as sistema de previsão é expressa em unidades
decisões que essa fundamental significativas
previsão pretende
apoiar

O processo de previsão
Os métodos de de vendas é de
previsão devem ser responsabilidade
fáceis de compreender conjunta das funções
e simples de usar de marketing/vendas e
produção

Prof. Dr. Léony Negrão 5

UNIVERSIDADE DO
2.3 Etapas do Processo de Previsão
ESTADO DO PARÁ

Selecionar os
Identificar o Selecionar uma
métodos de
objetivo da abordagem de
previsão e estimar
previsão previsão
os parâmetros

Monitorar,
interpretar e Elaborar a
atualizar a previsão
previsão

Prof. Dr. Léony Negrão 6

 UNIVERSIDADE DO
2.3 Etapas do Processo de Previsão
ESTADO DO PARÁ

Identificar o objetivo da previsão

Horizonte de planejamento Nível de Grau de detalhes Nível de exatidão

da decisão agregação requerido requerido
Longo prazo Alto Previsões mensais Médio
Médio prazo Médio Previsões mensais ou semanais Médio/Alto
Curto prazo Baixo Previsões semanais Alto

Prof. Dr. Léony Negrão 7

UNIVERSIDADE DO
2.3 Etapas do Processo de Previsão
ESTADO DO PARÁ

Selecionar uma abordagem de previsão

Definir os objetivos
da previsão

Não Dados
disponí
veis?
Sim
É possível
Sim
coletar os Analisar dados
dados?

Não
Não Dados
Abordagem
quantita
qualitativa tivos?
Sim

Fatores
Não Abordagem baseada
causais
?
em séries temporais

Sim

Abordagem causal
Prof. Dr. Léony Negrão 8
 UNIVERSIDADE DO
2.3 Etapas do Processo de Previsão
ESTADO DO PARÁ

Selecionar os métodos de previsão e estimar os parâmetros

Abordagem de previsão Métodos de previsão
Consenso do comitê executivo
Delphi
Analogia histórica
Abordagem qualitativa
Pesquisa de mercado
Pesquisa de clientes
Pesquisa de equipes de vendas
Análise de regressão (linear simples, curvilínea ou múltipla)
Abordagem causal Sistemas simultâneos
Simulação
Média móvel
Média móvel ponderada
Abordagem de séries
Suavização exponencial
temporais
Modelos com tendência
Prof. Dr.sazonalidade
Modelos com Léony Negrão 9

UNIVERSIDADE DO
2.3 Etapas do Processo de Previsão
ESTADO DO PARÁ

Elaborar a previsão

Monitorar, interpretar e atualizar a previsão

Prof. Dr. Léony Negrão 10

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem qualitativa

Consenso do Comitê Executivo: executivos de vários departamentos da

empresa (marketing, produção, finanças, etc.) formam um comitê para
realizar a previsão em conjunto. É uma previsão de compromisso entre as
áreas da empresa.

Delphi: os especialistas respondem questões a respeito de previsões,

fornecendo as razões para essas respostas. Os resultados são analisados e
novas perguntas são feitas. Isso é repetido até que se chegue a um relativo
consenso.

Prof. Dr. Léony Negrão 11

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem qualitativa

Pesquisa de Mercado: hipóteses sobre o mercado são testadas por meio

de entrevistas a uma amostra do mercado da empresa. É normalmente
utilizado para previsões de longo prazo e para novos produtos.

Pesquisa de Clientes: a previsão é baseada nas informações individuais de

todos os clientes atuais e potenciais da empresa. Esse método é adequado
quando a empresa tem um número relativamente pequeno de clientes.

Prof. Dr. Léony Negrão 12

 UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem qualitativa

Pesquisa da Equipe de Vendas: é adequado para empresas que vendem

diretamente ao cliente e têm um bom sistema de comunicação, uma vez
que se baseia nas estimativas dos vendedores individuais. Essas estimativas
são condensadas nos níveis regionais, distritais e nacionais para se ter a
previsão geral.

Analogia Histórica: a previsão é baseada no histórico de um produto

similar. Esse método é particularmente útil na elaboração da previsão para
novos produtos.

Prof. Dr. Léony Negrão 13

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal
✔ Uma ou mais variáveis (ditas independentes) que possam ajudar a
prever a demanda futura para o produto em questão (variável
dependente).
✔ Os métodos mais utilização são os de regressão. O objetivo é obter uma
equação que ao mesmo tempo represente os dados considerados e
minimize a soma dos quadrados dos desvios entre os pontos de dados e a
curva ou reta considerada (método dos mínimos quadrados).

Prof. Dr. Léony Negrão 14

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão linear simples

É o modelo de regressão que envolve uma relação linear entre uma

variável dependente e uma variável independente:

coeficiente linear da reta (valor de dt quando x=0)

coeficiente angular da reta (inclinação)

Prof. Dr. Léony Negrão 15

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão linear simples

Os valore de “a” e “b” são dados pelas equações, a partir dos

mínimos quadrados:

Prof. Dr. Léony Negrão 16

 UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão linear simples

Devem-se também calcular os coeficientes de correlação “r” e de

determinação “r²”. Os valores de “r” e “r²” medem, portanto, o valor
das equações de regressão como modelos de previsão:

Prof. Dr. Léony Negrão 17

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão linear simples

✔ O coeficiente de correlação “r” mede a direção e a força da relação entre

as variáveis. O “r” pode ir de -1 a +1. Conforme se aproxima de +1, mais
forte é a correlação positiva entre as variáveis e vice versa. Valor
próximo de zero indica que não existe ou que é baixa a correlação entre
as variáveis.

✔ O coeficiente de determinação “r²” mede o grau de qualidade que a linha

de regressão se ajusta aos dados. Varia entre 0 e 1. Valores >= 0,85
indicam uma boa previsão (SIPPER; BULFIN, 1997).

✔ A estatística “t de student” é outro teste que deve ser realizado para se

verificar se o modelo de regressão é confiável e a verificação da
existência de uma relação significativa entre as variáveis. A hipótese nula
é que o(s) parâmetro(s) da relação é nulo, ou seja, que não existe relação
entre as variáveis, e a hipótese alternativa é a existência dessa relação.

Prof. Dr. Léony Negrão 18

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão linear simples

Exemplo 01: Uma empresa produtora de automóveis deseja testar

um modelo de regressão linear simples para prever a demanda por
um tipo de automóvel que é comprado em grande parte por meio de
financiamento. Ela acredita que a variável taxa de juro pode ser
utilizada como variável independente, uma vez que isso influencia
bastante a compra desse modelo de automóvel. Os dados estão na
tabela abaixo. Determine a equação de regressão, verificando se ela
pode ser utilizada para prever a demanda de automóveis. Em caso
positivo, realize a previsão para os próximos três períodos.

Prof. Dr. Léony Negrão 19

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão linear simples

Período Taxa de Demanda de Período Taxa de Demanda de
juros (%) automóveis juros (%) automóveis
1 1,65 3400 13 1,15 4590
2 1,58 3520 14 1,10 4690
3 1,52 3600 15 1,10 4800
4 1,52 3800 16 1,00 4940
5 1,41 3930 17 1,00 5080
6 1,38 4000 18 0,95 5170
7 1,38 4050 19 0,90 5310
8 1,30 4120 20 0,90 5470
9 1,30 4200 21 0,84 5640
10 1,22 4270 22 0,80 5800
11 1,18 4400 23 0,75 5920
12 1,18 4510 24 0,75 6030
Prof. Dr. Léony Negrão 20
UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão curvilínea

O método dos mínimos quadrados pode ser utilizado para o caso de funções
não lineares: exponencial, logarítmica, potência, polinomial, dentre outras.

Função Exponencial:

Função Logarítmica:

Função Potência:

Função Polinomial de Grau 2:

Prof. Dr. Léony Negrão 21

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão múltipla

É o caso no qual duas ou mais variáveis independentes afetam a variável

dependente. O modelo geral da regressão múltipla para n observações e m
variáveis independentes é o seguinte:

parâmetros (interseção e inclinação) a serem estimadas

Prof. Dr. Léony Negrão 22

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão múltipla

Exemplo 02: Uma grande empresa de refrigeradores acredita que a

demanda por um tipo de refrigerador de sua empresa pode ser estimada em
função de três variáveis independentes: número de casamentos, número de
novas residências construídas (ambas verificadas no período imediatamente
anterior, ou seja, com um período de defasagem) e o preço do refrigerador
no período de verificação (sem defasagem). Portanto, um modelo para
prever a demanda de refrigeradores seria:

Prof. Dr. Léony Negrão 23

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – regressão múltipla

Período Nᵒ de Nᵒ de novas Preço do Demanda de
casamentos residências refrigerador refrigerador
1 670 1200 800 4200
2 690 1260 800 4250
3 680 1280 780 4230
4 730 1250 780 4250
5 700 1290 760 4200
6 735 1320 760 4250
7 760 1350 760 4260
8 765 1370 750 4280
9 758 1350 720 4280
10 790 1390 720 4300
11 780 1410 740 4260
12 792 1450 740 4280
13 801 1500 720
Prof. Dr. Léony Negrão 24
 UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – cuidados com modelos de regressão

✔Análise dos coeficientes de correlação e determinação;

✔Análise de resíduos (variações);
✔Quantidade considerável de dados;
✔Utilizados para previsões de médio prazo (horizonte maior que um ano);
✔Existência de uma defasagem entre a variável dependente e as variáveis
independentes;
✔Cuidados com os outliners;
✔Deve-se atentar para a escolha da relação causal.

Prof. Dr. Léony Negrão 25

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem causal – métodos avançados

Sistemas simultâneos
✔Modelos compostos de uma série de equações simultâneas, em que uma
variável é dependente em uma equação e independente em outra equação;
✔Modelos econométricos utilizados para prever e explicar fenômenos
econômicos.

Métodos de simulação
✔Simulam o comportamento de um sistema. Consideram elementos
estocáticos no problema. Requer grande nível de detalhes e custos maiores.

Prof. Dr. Léony Negrão 26

 UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais

É um conjunto de observações ordenadas no tempo. O futuro pode

ser previsto com base no histórico de dados passados, ou seja, os
fatores que influenciarão o futuro são os mesmos que influenciaram o
passado. São preferíveis para previsões de curto prazo (SIPPER;
BULFIN, 1997; DAVIS et al., 2001).

Prof. Dr. Léony Negrão 27

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais

Requer que inicialmente seja reconhecido o padrão de

comportamento da série temporal, para que os métodos (média
móvel, tendência, sazonalidade) possam ser escolhidos:
✔ Padrão usual: (1) constante; (2) tendência; (3) sazonalidade
constante; e (4) sazonalidade e tendência.

Prof. Dr. Léony Negrão 28

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão constante –

método da média
Conhecido como método da média simples. Advém da minimização da
somatória dos desvios (dt – a) ao quadrado (método dos mínimos
quadrados). Minimiza as variações aleatórias no período.

demanda média para o período T;

demanda histórica de 1 a T;

Previsão para o período T+K.

Prof. Dr. Léony Negrão 29

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão constante –

método da média
Média Móvel: no qual no cálculo da média são levados em consideração
somente os N períodos mais recentes:

média móvel para o período T;

demanda N histórica;

Previsão para o período T+K.

Prof. Dr. Léony Negrão 30

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão constante –

método da média
Média Móvel Ponderada: além dos N períodos, são dados pesos maiores
para alguns períodos (geralmente os mais recentes):

média móvel ponderada para o período T;

pesos atribuídos aos dados reais de demanda;

Prof. Dr. Léony Negrão 31

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão constante –

método da média

EXEMPLO 03: Uma empresa dispõe dos dados históricos de

demanda mostrados na tabela abaixo. Calcule a previsão para os
próximos períodos futuros utilizando os métodos de média (note que
os dados apresentam um padrão constante). Utilizar N=3 e pesos
iguais a 0,4, 0,3 e 0,3; N=6 e pesos iguais a 0,3, 0,25, 0,2, 0,15, 0,05
e 0,05

Prof. Dr. Léony Negrão 32

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão constante –

método da média
Período Quantidade real Período Quatidade real
1 500 10 500
2 510 11 485
3 493 12 513
4 506 13 518
5 490 14 486
6 512 15 499
7 487 16 500
8 495 17 506
9 500 18 497
Prof. Dr. Léony Negrão 33

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão constante –

método da suavização exponencial
É um método similar ao método da média móvel ponderada, com a diferença
de que os pesos decrescem exponencialmente do tempo presente em direção
ao passado.

previsão suavizada para o período T (período atual);

previsão suavizada para o período T – 1, o qual é igual a PT;

constante de suavização (limitado ao intervalo de 0 a 1).

Demanda real no período T - 1.

previsão para o período T + k.

Prof. Dr. Léony Negrão 34

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão com tendência –

método da suavização exponencial dupla

Considera um peso maior para os dados mais recentes e ao mesmo tempo

leva em consideração a tendência. A previsão de demanda para o período T
+ k é dada pela soma da previsão suavizada exponencialmente e a estimativa
de tendência:

previsão suavizada exponencialmente para o período T;

estimativa de tendência para o período T;

número de períodos futuros a serem previstos.

Prof. Dr. Léony Negrão 35

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão com tendência –

método da suavização exponencial dupla

A cada novo valor real que se tem disponível pode-se atualizar o cálculo de
ST e TT. Ambos são suavizados exponencialmente:

é o real para o período T; e S1 = d1

Prof. Dr. Léony Negrão 36

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão sazonalidade

constante – método da suavização exponencial

É aquele no qual os dados sofrem variações para cima e para baixo que se
repetem com regularidade. O período t varia de 1 até o final do ciclo de
sazonalidade:

Prof. Dr. Léony Negrão 37

UNIVERSIDADE DO
2.4 Abordagem e Métodos de Previsão
ESTADO DO PARÁ

Abordagem baseada em séries temporais: padrão sazonalidade e

tendência – método de Winters
Muitas vezes um processo, além de apresentar sazonalidade, apresenta
também uma tendência linear ao longo do tempo. São estimados os
parâmetros “a” (que é igual a St), “b” (que é igual a Tt) e “c” (que é igual a
Ft).

fator constante
a inclinação do componente de tendência
O fator de sazonalidade para o período t

Prof. Dr. Léony Negrão 38

 UNIVERSIDADE DO
2.5 Controle de Previsão
ESTADO DO PARÁ

O sistema de previsão deve ser controlado a fim de se determinarem

os erros que estão ocorrendo nas previsões. O erro de previsão em
um período ( ) pode ser definido como a diferença entre a demanda
real nesse período e a previsão no período.

Prof. Dr. Léony Negrão 39

UNIVERSIDADE DO
2.5 Controle de Previsão
ESTADO DO PARÁ

Os erros nas previsões podem ser advindos de duas fontes:

✔Aleatoriedade do mercado ( );
✔O método de previsão utilizado;

Medidas de controle de erros são bastante utilizadas na escolha de

parâmetros e na própria escolha de métodos de previsão.

Prof. Dr. Léony Negrão 40

 UNIVERSIDADE DO
2.5 Controle de Previsão
ESTADO DO PARÁ

Somatória acumulada dos erros de previsão

Uma medida importante na avaliação dos erros é tratá-los de forma

conjunta, como uma somatória para vários períodos, uma vez que se uma
previsão está se comportando bem, podem estar ocorrendo variações
aleatórias período a período, porém, ao longo do tempo, a somatória dessas
variações para cima e para baixo se aproxima de zero.

Prof. Dr. Léony Negrão 41

UNIVERSIDADE DO
2.5 Controle de Previsão
ESTADO DO PARÁ

Somatória acumulada dos erros de previsão

ET Problema Solução
Longe de zero Previsão tendenciosa Mudar os sitema de previsão
Crescendo ou decrescendo a Subestimando ou Acrescentar ou subtrarir
uma taxa constante superestimando a demanda essa quantidade à previsão
Crescendo a uma taxa Trocar de método de
Modelo de previsão errado
crescente previsão

Prof. Dr. Léony Negrão 42

UNIVERSIDADE DO
2.5 Controle de Previsão
ESTADO DO PARÁ

Desvio absoluto médio

Para solucionar o problema citado no controle anterior, pode-se utilizar uma

medida de erros denominada desvio absoluto médio (MAD):

O MAD mede a dispersão dos erros. Portanto, se o MAD for pequeno a

previsão estará próxima à demanda real. Valores altos do MAD indicam
problemas com o método de previsão empregado. O MAD é muito utilizado
na escolha de métodos e parâmetros de previsão.

Prof. Dr. Léony Negrão 43

UNIVERSIDADE DO
2.5 Controle de Previsão
ESTADO DO PARÁ

Porcentagem média absoluta

Para relacionar o erro absoluto com os valores da demanda, usa-se uma

medida de erro denominada porcentagem média absoluta (PMA):

Se o valor de PMA for de por exemplo 0,15, significa que a previsão se

afasta dos dados reais em aproximadamente 15% e assim por diante.

Prof. Dr. Léony Negrão 44

UNIVERSIDADE DO
2.5 Controle de Previsão
ESTADO DO PARÁ

Sinal de rastreamento (tracking sinal)

O sinal de rastreamento (SR) indica o grau de viés da previsão. O SR

fornece meios de saber se os desvios que estão ocorrendo são devidos
somente ao comportamento aleatório das previsões ou a uma causa
determinada.

Prof. Dr. Léony Negrão 45