Escolar Documentos
Profissional Documentos
Cultura Documentos
RELATÓRIO 1 – LOGÍSTICA 2
Marielly Alberti
Shariff
A partir dos dados brutos “Produto 60x60 BOLD (R$)” fez-se o tratamento de outliers. Para
tanto, calculou-se a média (μ) dos 43 períodos (1/2018 até 7/2021) e o respectivo desvio padrão (σ)
estabelecendo como limites 2σ para cima ou para baixo.
Para a amostra constatou-se apenas um valor fora dos limites em jul/21 e este foi
substituído de acordo com o método de “nivelar pelo teto”, -2σ neste caso.
Calculando os indicadores ADI e CV², a demanda foi classificada como “Smooth” segundo os
critérios padrão de classificação. Este tipo é caracterizado por ser bastante regular em tempo e
quantidade e em geral é fácil de obter previsões com erro baixo.
Previsão Ingênua;
Previsão Ingênua Vários Passos;
Média Simples;
Média Móvel (3 e 6);
MM Ponderada-3M;
MM Dupla;
Suavização Exponencial;
Brown;.
Holt;
Holt-Winters;
Regressão Linear.
ME (Mean Error);
MAD (Mean Absolute Deviation);
MSE (Mean Square Error);
MAPE (Mean Absolute Percentage Error);
U de Theil.
De acordo com o estudo base, “Para os métodos que possuem índices de suavização (média móvel
ponderada, suavização exponencial, Brown e Holt) utilizou-se a ferramenta Solver do programa
Excel® para encontrar os valores dos índices de forma que o erro percentual absoluto médio (MAPE)
fosse minimizado. Repetiu-se este procedimento todos os meses, a cada nova previsão mensal.”
(STAUDT, 2011)
A equipe tem consciência, de que neste momento, a correlação é mínima uma vez que o
BITCOIN é um ativo extremamente volátil e que acompanha o dólar, que também tem variação
expressiva com relação ao Real (R$).
A cotação do BITCOIN foi obtida através de conexão direta do excel com o site
“CoinMarketCap”, e a cotação do dólar obtida no site “binance.com” em toda a série disponível
9/2020 – 7/2021, obtendo-se a média para preencher as cotações mais antigas.
y ( x ) =−0.102489 x+ 80736.11
Regressão Linear
120,000.00
100,000.00
80,000.00
60,000.00
40,000.00
20,000.00
0.00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43
Obteve-se a média dos últimos 6 meses para cada indicador, realizando previsões para cada
período (mês a mês).
Em ME, um valor que mostra a diferença entre o observado e o previsto. Um erro positivo
representa uma previsão acima do real assim como um valor negativo mostra que está abaixo. Por
usar valores negativos e positivos, e assim se aproximar de zero, não é um indicador muito utilizado
para a avaliação de métodos. No entanto este indicador fornece uma medida de uma tendência de
pessimismo ou otimismo.
O MAD trata o erro como uma distância do previsto e observado, sendo assim uma medida
da qualidade da previsão. É indicada para analisar previsões de um único produto.
MAPE é o critério mais utilizado não só por ser em porcentagem mas também por não
depender da unidade dos dados, e assim sendo o mais indicado para a comparação de modelos de
previsão.
Nota-se que a complexidade do método não tem relação direta com sua precisão para este
estudo de caso.
Sendo o MAPE o critério principal, o método de Brown se destacou dos demais com 10% de
erro. Este método também obteve os menores erros para todos os demais indicadores (ME, MAD,
MSE e U de Theil), mostrando ser distantemente o melhor método para esta demanda.
Isso pode ser explicado pelo método se aproveitar de tendências (demanda Smooth),
atribuindo pesos diferentes para a séria histórica através do coeficiente de amortecimento α.
Válido notar também que a previsão do mês 4/2021, apresentou quase exatidão (0.00014).
Referências