Escolar Documentos
Profissional Documentos
Cultura Documentos
Previsões de Demanda
Modelos Temporais de Previsão
1.) Introdução
Na maior parte das organizações, a previsão da demanda é responsabilidade dos
departamentos de vendas e/ou marketing. É, entretanto, um insumo principal para
a decisão do planejamento e controle de capacidade, que é normalmente uma
responsabilidade da gerência de produção. Afinal, sem uma estimativa da
demanda futura não é possível planejar efetivamente para futuros eventos,
somente reagir a eles. Por isso é importante que os gerentes de produção
entendam a base e fundamentos lógicos para essas previsões de demanda.
O objetivo de qualquer modelo de previsão é prever o componente sistemático da
demanda e estimar o componente aleatório.
Componente Sistemático: mede o valor esperado da demanda e consiste em:
Nível: a demanda atual dessazonalizada.
Tendência: a taxa de crescimento ou declínio da demanda para o próximo
período.
Sazonalidade: as flutuações sazonais previsíveis na demanda.
(Dt + Dt −1 + ... + Dt − N +1 )
Lt = equação 1
N
Ft +1 = Lt equação 2
Exemplo 1:
A empresa ABC tem a seguinte distribuição de demanda:
Tabela 1
Trimestre Periodo t Demanda D
97,2 1 8.000
97,3 2 13.000
97,4 3 23.000
98,1 4 34.000
98,2 5 10.000
98,3 6 18.000
98,4 7 23.000
99,1 8 38.000
99,2 9 12.000
99,3 10 13.000
99,4 11 32.000
00,1 12 41.000
50.000
40.000
30.000
20.000
10.000
0
97,2 97,3 97,4 98,1 98,2 98,3 98,4 99,1 99,2 99,3 99,4 00,1
Exemplo 2:
Consideremos as informações de demanda da empresa ABC na tabela 1. Faça a
previsão para o período 1 utilizando a suavização exponencial simples. Suponha
que a constante de suavização α = 0,1.
Temos informações de demanda para n=12 períodos, portanto:
1 12
L0 = ∑ Di = 22.083
12 i =1
Ft = αDt −1 + (1 − α )Ft −1 = 0,1x8.000 + (1 − 0,1)x 22.083 = 20.675
Desvio Absoluto At :
O valor absoluto do erro no período t :
At = E t
Viés da Previsão :
Tabela 1
Trimestre Periodo t Demanda D M. Móvel(4 p.) Ajust. Exp.; 0,2
97,2 1 8.000 8.000
97,3 2 13.000 8.000
97,4 3 23.000 9.000
98,1 4 34.000 11.800
98,2 5 10.000 19.500 16.240
98,3 6 18.000 20.000 14.992
98,4 7 23.000 21.250 15.594
99,1 8 38.000 21.250 17.075
99,2 9 12.000 22.250 21.260
99,3 10 13.000 22.750 19.408
99,4 11 32.000 21.500 18.126
00,1 12 41.000 23.750 20.901
Média Móvel:
34.000 + 23.000 + 13.000 + 8.000
L4 = = 19.500 ∴ F5 = L 4 = 19.500
4
10.000 + 34.000 + 23.000 + 13.000
L5 = = 20.000 ∴ F6 = L5 = 20.000
4
Período Venda Média Móvel Desvio DA
Absoluto At acumulado
5 10.000 19.500 9.500 9.500
6 18.000 20.000 2.000 11.500
Ajustamento Exponencial:
FT = αDt −1 + (1 − α )Ft −1 ⇒ F5 = 0,2 x34.000 + (1 − 0,2 )x11.800 = 16.240
Cálculo do Ts
( )
Y = Y + b X − X onde :
Y=
∑Y ∴ X = ∑ X
n n
Utilizando o método dos mínimos quadrados, temos:
b=
Sxy
→ onde → Sxy = ∑ xy −
∑x*∑ y
Sxx n
Sxx = ∑ x 2 −
(∑ x ) 2
Syy = ∑ y −2
(∑ y ) 2
Correlação: r
Mede a tendência do modelo, isto é, de que maneira a reta determinada se ajusta
aos dados do problema. O coeficiente de correlação r varia entre –1 (reta
descendente) e + 1 (reta ascendente). Os coeficientes de correlação iguais a 1
(em valor absoluto) significam que a reta ajustada passa exatamente sobre cada
um dos pontos (correlação perfeita). Para uma boa correlação a experiência
recomenda que r > 0,7 em valor absoluto.
r=
∑ xy
∑x *∑ y
2 2
Exemplo:
Dados os quatro primeiros períodos da tabela 1, fazer a previsão para os períodos
5 e 6 utilizando o método da regressão linear simples. Calcular o coeficiente de
correlação r.
9
Tabela 4
Período-X Demanda-Y XY X2 Y2
1 8.000 8.000 1 64.000.000
2 13.000 26.000 4 169.000.000
3 23.000 69.000 9 529.000.000
4 34.000 136.000 16 1.156.000.000
Total 10 78.000 239.000 30 1.918.000.000
(∑ x )2
= 100
(∑ y ) 2
= 6.084.000.000
10 * 78.000
Sxy = 239.000 − = 44.000
4
100
Sxx = 30 − =5
4
6.084.000.000
Syy = 1.918.000.000 − = 397.000.000
4
Sxy 44.000
b= ∴b = = 8.800
Sxx 5
10 78.000
X = = 2,5 → Y = = 19.500
4 4
A equação da reta é:
Y = 19.500 + 8.800( X − 2,5)
Previsão para o período 5:
Y = 19.500 + 8.800(5 − 2,5) = 41.500
Previsão para o período 6:
Y = 19.500 + 8.800(6 − 2,5) = 50.300
Cálculo do coeficiente de correlação r:
r=
∑ xy =
239
= 0,00096
∑x *∑ y 2 2
30 * 1.918.000.000
Exemplo
A empresa abaixo apresenta as vendas dos anos 2000 e 2001 conforme a tabela
abaixo. Fazer a previsão, mensal, para o ano de 2002 utilizando o método do
ajustamento sazonal considerando que a demanda total para 2002 está prevista
para 372.000 unidades.
Tabela 5
Mês 2.000 Coef. Saz. 2.001 Coef. Saz. Coef. Médio Previsão
Jan 8.000 0,36 9.000 0,36 0,36 11.131
Fev 13.000 0,59 13.500 0,53 0,56 17.398
Mar 23.000 1,04 25.000 0,99 1,01 31.465
Abr 34.000 1,54 38.000 1,50 1,52 47.152
Mai 10.000 0,45 14.000 0,55 0,50 15.599
Jun 18.000 0,82 22.000 0,87 0,84 26.117
Jul 23.000 1,04 25.000 0,99 1,01 31.465
Ago 38.000 1,72 43.000 1,70 1,71 53.024
Set 12.000 0,54 15.000 0,59 0,57 17.615
Out 13.000 0,59 16.000 0,63 0,61 18.930
Nov 32.000 1,45 40.000 1,58 1,52 46.974
Dez 41.000 1,86 43.000 1,70 1,78 55.130
Total 265.000 303.500 372.000
Média 22.083 25.292 31.000
Tabela 7
X Y XY X2 Y2
1 1 1 1 1
2 2 4 4 4
3 5 15 9 25
4 2 8 16 4
5 1 5 25 1
6 3 18 36 9
7 6 42 49 36
8 2 16 64 4
9 1 9 81 1
10 3 30 100 9
11 6 66 121 36
12 4 48 144 16
13 2 26 169 4
14 2 28 196 4
15 8 120 225 64
16 4 64 256 16
136 52 500 1496 234
Sxy = 58
Sxx= 340
b= 0,1706
Xtraço= 8,5
Ytraço= 3,25
a = Y −bX
Yˆ = a + bX
Yˆ = 1,8 + 0,17 X
Tabela 8
12
Previsão p/ o
17º período :
^Y17=1,8+0,17x17=4,69
Previsão=4,69x0,42=1,97
Exercício
Calcular, utilizando o método da porcentagem da tendência, a previsão para os
períodos 13, 14, 15 e 16, da Tabela 1 (pag. 2)