UNIVERSIDADE FEDERAL FLUMINENSE

DEPARTAMENTO DE ENGENHARIA QUÍMICA E DE PETRÓLEO

CURSO DE GRADUAÇÃO EM ENGENHARIA DE PETRÓLEO
LOGÍSTICA

PREVISÃO DE DEMANDA

ABRAÃO CAVALCANTE LIMA ARAUJO

GUILHERME AUGUSTO MENEZES PEREIRA
MESSIAS GUTEMBERG DE MOURA VIEIRA JUNIOR

NITERÓI - RJ
2022
1 INTRODUÇÃO

Tendo em vista a importância da previsão de demanda para a manutenção e

desenvolvimento de empreendimentos, este relatório busca consolidar os aprendizados
sobre tal questão. Nesse sentido, através do estudo de caso de uma distribuidora de
refrigerantes, avalia-se a aderência e adequação de diferentes modelos de séries
temporais em prever a quantidade demandada em determinado período “t” e prover uma
estimativa adequada para o período “t + 1”.

2 METODOLOGIA

Foram escolhidos quatro modelos de séries temporais para análise, com o

auxílio da ferramenta “SOLVER” do software Microsoft Excel:

● Média móvel simples e ponderada;

● Alisamento exponencial;
● Alisamento exponencial com tendência;
● Alisamento exponencial com tendência e sazonalidade.

Visto isso, é importante ressaltar os critérios levados em consideração para a

seleção do melhor método, em ordem de importância, respectivamente:

● Minimizar o Viés da Previsão (VP);

● Minimizar o Desvio Absoluto Médio (DAM) e o Erro Quadrático Médio
(EQM);
● Atender as expectativas gerenciais de mudança nos componentes da demanda;
● Minimizar o último erro de previsão.

3 RESULTADOS

Após conclusão dos cálculos para cada modelo de séries temporais de previsão
de demanda, os resultados de cada um podem ser observados na Tabela 1.1, Tabela 1.2,
Tabela 1.3 e Tabela 1.4
3.1 Média móvel (simples e ponderada)

Tabela 1.1 - Resultados para média móvel simples e ponderada

Medidas de Erros Média Móvel Média Móvel Ponderada

EQM 622,8019 534,8915

DAM 19,2876 17,8270

EAMP 14,8079 13,7087

VP 160,9398 131,1296
Fonte - Estudo de caso

3.2 Alisamento exponencial

Tabela 1.2 - Resultados para alisamento exponencial

Medidas de Erros

EQM 490,7505

DAM 17,2016

EAMP 13,1814

VP 98,4116

Fonte - Estudo de caso

3.3 Alisamento exponencial com tendência

Tabela 1.3 - Resultados para alisamento exponencial com tendência

Medidas de Erros

EQM 1154,5080

DAM 25,8787

EAMP 19,8069

VP -0,7095

Fonte - Estudo de caso

3.4 Alisamento exponencial com tendência e sazonalidade

Tabela 1.4 - Resultados para alisamento exponencial com tendência e sazonalidade

EQM 1023,4411

DAM 23,8991

EAMP 18,8717

VP 3,8865

Fonte: Estudo de caso

4 CONCLUSÃO

Através do critério de minimização do viés, o método escolhido como mais

adequado foi o alisamento exponencial com tendência.

5 REFERÊNCIAS

BOWERSOX, D. J., CLOSS, D. J. & COOPER, M. B., “Gestão Logística de Cadeias

de Suprimento”, Editora Bookman, Porto Alegre, 2006.

CHOPRA, S. & MEINDI, P., “Gerenciamento da Cadeia de Suprimentos: Estratégia,

Planejamento e Operação”, Editora Prentice Hall, São Paulo, 2004.

GEORGOFF, D.M. & MURDICK, R. G., “ Manager´s guide to Forecasting” Harvard

Business Review, jan-fev de 1986, p. 2-9.

LEVINE, D. M., BERENSON, M. L. & STEPHAN, D., “Estatística: Teoria e

Aplicações”,Editora LTC, Rio de Janeiro, 2000.

MAKRIDAKIS, S., WHEELWRIGHT, S. & HYNDMAN, R. J., “Forecasting Methods

and Applications” , John Wiley & Sons, EUA, 1998.

STEVENSON, W. J., “Estatística Aplicada à Admnistração”, Editora Harbra, São

Paulo, 2001.