Escolar Documentos
Profissional Documentos
Cultura Documentos
uma distribuição
Os dados normal
abaixo com média o
representam denúmero
2.500 e desvio padrão em
de imóveis, de milhares de unidades, ve
500. O lead time de ressuprimento é de duas semanas.
região do Brasil entre os meses de janeiro de 2013 a maio de 2020.
Suponha que a demanda seja independente de uma semana
para outra. De acordo com a política de suprimentos, 10.000
Construa um modelo
PDAs são pedidos quandousando
o nível o
demétodo
estoque de alisamento
atinge 6.000 exponencial simples. Plote
escolha
aparelhos.o alfa com base nesses dados.
alfa 0.438661063073
delo.
Demanda real
250
200
100
50
0
Jan-13 Jan-15 Jan-17 Jan-19
Média Correlação
2013 137.9167 2014 - 2015 -0.038938
2014 140.75 2015 - 2016 -0.036761
2015 151.1667 2016 - 2017 -0.25907
2016 153.75 2017 - 2018 -0.703409
2017 166 2018 - 2019 -0.492627
2018 167.3333
2019 155.9167
2020 181.4286
A demanda
0
Considere semanal
os dadosporde
PDAs na B&M
venda Computer World
de toneladas tem uma
de massa dedistribuição
tomate, pelanormal com média
XPTO, entre de
os2.50
me
500. O lead time de ressuprimento é de duas semanas. Suponha que a demanda seja independente de
.
outra. De acordo com a política de suprimentos, 10.000 PDAs são pedidos quando o nível de estoque at
1) Construa
(a) o modelo
Qual estoque de alisamento
de segurança exponencial
deve ser mantido pela loja?simples com um valor de alfa alto e igua
PREVISÕES
\ 1)
MMP 3 AE alfa alto
0.10 0.8
0.10
0.80
oeqüência dessaexponencial
alisamento política? com alfa igual a 0,8. O que vc conclui? Por quê isso por estar
elhor.
2)
MAD
MMP 3 AE alfa alto
Media Correlação
2013 38.41 2013-2014
2014 39.30
2015 42.55
2016 44.14
2017 51.88
2018 52.29
2019 48.72
2020 55.94
so por estar
A demanda semanal por PDAs na B&M Computer World tem
uma distribuição
Os dados normal
abaixo com média o
representam denúmero
2.500 e desvio padrão em
de imóveis, de milhares de unidades, vendidos e
500. O lead time de ressuprimento é de duas semanas.
de janeiro de 2013 a maio de 2020.
Suponha que a demanda seja independente de uma semana
para outra. De acordo com a política de suprimentos, 10.000
Construa um modelo
PDAs são pedidos quandousando
o nível o
demétodo
estoque de alisamento
atinge 6.000 exponencial simples. Plote um gráf
dados.
aparelhos.
alfa
ês seguinte
A série histórica abaixo apresenta as vendas de molho de tomate da empresa Sabor verm
de 2013 e dezembro de 2019
(a) Faça a previsão para 2020 utilizando o método de Holt. Plote um gráfico da demanda
iniciais para alfa e beta
(b) Calcule os erros dessas previsões utilizando os indicadores MAD, MAPE e MPE. Se o
faça a previsão para os 12 meses seguintes
Alfa 1.000
Beta 0.186
Previsão
Datas Toneladas / mês L T L+T MAD
Jan-13 150.74 143.9 0.6
Feb-13 151.24 151.2 1.8 144.53 6.81
Mar-13 150.38 150.4 1.3 153.09 0.00
Apr-13 150.12 150.1 1.0 151.72 0.00
May-13 152.37 152.4 1.3 151.17 0.00
Jun-13 152.20 152.2 1.0 153.64 0.00
Jul-13 151.31 151.3 0.7 153.21 0.00
Aug-13 152.86 152.9 0.8 151.96 0.00
Sep-13 154.09 154.1 0.9 153.68 0.00
Oct-13 153.33 153.3 0.6 154.99 0.00
Nov-13 148.30 148.3 -0.5 153.92 0.00
Dec-13 148.43 148.4 -0.3 147.84 0.00
Jan-14 147.99 148.0 -0.4 148.08 0.00
Feb-14 153.47 153.5 0.7 147.63 0.00
Mar-14 155.08 155.1 0.9 154.19 0.00
Apr-14 156.24 156.2 0.9 155.97 0.00
May-14 157.12 157.1 0.9 157.18 0.00
Jun-14 156.00 156.0 0.5 158.05 0.00
Jul-14 155.35 155.4 0.3 156.55 0.00
Aug-14 154.92 154.9 0.2 155.68 0.00
Sep-14 153.89 153.9 0.0 155.10 0.00
Oct-14 151.92 151.9 -0.4 153.85 0.00
Nov-14 151.00 151.0 -0.5 151.52 0.00
Dec-14 152.51 152.5 -0.1 150.51 0.00
Jan-15 153.77 153.8 0.1 152.38 0.00
Feb-15 152.87 152.9 -0.1 153.90 0.00
Mar-15 154.66 154.7 0.3 152.82 0.00
Apr-15 156.98 157.0 0.7 154.94 0.00
May-15 157.38 157.4 0.6 157.64 0.00
Jun-15 158.37 158.4 0.7 157.99 0.00
Jul-15 159.18 159.2 0.7 159.06 0.00
Aug-15 162.76 162.8 1.2 159.89 0.00
Sep-15 163.91 163.9 1.2 164.00 0.00
Oct-15 163.82 163.8 1.0 165.13 0.00
Nov-15 165.67 165.7 1.1 164.80 0.00
Dec-15 166.35 166.4 1.1 166.81 0.00
Jan-16 166.15 166.2 0.8 167.41 0.00
Feb-16 165.59 165.6 0.6 166.98 0.00
Mar-16 165.59 165.6 0.5 166.16 0.00
Apr-16 166.18 166.2 0.5 166.05 0.00
May-16 166.18 166.2 0.4 166.66 0.00
Jun-16 165.28 165.3 0.2 166.57 0.00
Jul-16 162.40 162.4 -0.4 165.44 0.00
Aug-16 161.53 161.5 -0.5 161.99 0.00
Sep-16 162.84 162.8 -0.2 161.03 0.00
Oct-16 166.25 166.2 0.5 162.68 0.00
Nov-16 172.51 172.5 1.6 166.75 0.00
Dec-16 171.39 171.4 1.1 174.09 0.00
Jan-17 172.08 172.1 1.0 172.47 0.00
Feb-17 174.68 174.7 1.3 173.08 0.00
Mar-17 175.37 175.4 1.2 175.98 0.00
Apr-17 180.10 180.1 1.8 176.55 0.00
May-17 176.64 176.6 0.9 181.94 0.00
Jun-17 183.28 183.3 1.9 177.49 0.00
Jul-17 184.03 184.0 1.7 185.22 0.00
Aug-17 183.91 183.9 1.4 185.74 0.00
Sep-17 183.70 183.7 1.1 185.28 0.00
Oct-17 184.70 184.7 1.1 184.78 0.00
Nov-17 184.56 184.6 0.8 185.76 0.00
Dec-17 184.74 184.7 0.7 185.40 0.00
Jan-18 182.76 182.8 0.2 185.45 0.00
Feb-18 180.10 180.1 -0.3 182.98 0.00
Mar-18 183.68 183.7 0.4 179.78 0.00
Apr-18 178.71 178.7 -0.6 184.09 0.00
May-18 178.00 178.0 -0.6 178.11 0.00
Jun-18 179.10 179.1 -0.3 177.38 0.00
Jul-18 180.11 180.1 -0.1 178.80 0.00
Aug-18 182.88 182.9 0.5 180.06 0.00
Sep-18 183.70 183.7 0.5 183.35 0.00
Oct-18 187.50 187.5 1.1 184.24 0.00
Nov-18 188.92 188.9 1.2 188.65 0.00
Dec-18 190.19 190.2 1.2 190.11 0.00
Jan-19 189.28 189.3 0.8 191.39 0.00
Feb-19 190.68 190.7 0.9 190.10 0.00
Mar-19 192.09 192.1 1.0 191.61 0.00
Apr-19 192.50 192.5 0.9 193.11 0.00
May-19 192.22 192.2 0.7 193.40 0.00
Jun-19 191.00 191.0 0.3 192.90 0.00
Jul-19 189.99 190.0 0.1 191.33 0.00
Aug-19 194.12 194.1 0.8 190.07 0.00
Sep-19 194.36 194.4 0.7 194.95 0.00
Oct-19 195.25 195.2 0.8 195.09 0.00
Nov-19 193.25 193.3 0.2 196.00 0.00
Dec-19 194.33 194.3 0.4 193.50 0.00
Jan-20 195 1 195.0 0.4 194.73 0.00
Feb-20 2 0.0 -35.8 195.45 0.00
Mar-20 3 0.0 -29.2 -35.81 0.00
Apr-20 4 0.0 -23.8 -29.17 0.00
May-20 5 0.0 -19.3 -23.76 0.00
Jun-20 6 0.0 -15.8 -19.35 0.00
Jul-20 7 0.0 -12.8 -15.76 0.00
Aug-20 8 0.0 -10.5 -12.84 0.00
Sep-20 9 0.0 -8.5 -10.45 0.00
Oct-20 10 0.0 -6.9 -8.51 0.00
Nov-20 11 0.0 -5.6 -6.93 0.00
Dec-20 12 0.0 -4.6 -5.65 0.00
média
0.07
empresa Sabor vermelho entre janeiro
MAPE MPE
Correlação
4.50%
0.00%
46.3
0.0
2013 - 2014
2014 - 2015
0.29
-0.13
Chart Title
0.00% 0.0 2015 - 2016 0.32 250.00
0.00% 0.0 2016 - 2017 0.08
0.00% 0.0 2017 - 2018 0.43 200.00
0.00% 0.0 2018 - 2019 0.60
0.00% 0.0 2019 - 2020 Err:502 150.00
0.00% 0.0
0.00% 0.0 100.00
0.00% 0.0
0.00% 0.0
50.00
0.00% 0.0
0.00% 0.0
0.00
0.00% 0.0 Jan-13 Jan-15 Jan-17 Jan-19
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
0.00% 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
#DIV/0! 0.0
média média
#DIV/0! 0.4876917
Chart Title
Toneladas / mês
Linear (Toneladas / mês)
(a) Crie um modelo de previsão baseado no método de Holt. Defina valores iniciais para
contexto do problema.
(b) Calcule os erros dessas previsões utilizando o MAD, o MAPE e o MPE. Analise os re
faça a previsão para o mês seguinte.
(c) Otimize os valores de alfa e beta, para minimizar o MAD. Os valores otimizados estã
inicial?
Alfa 0.900
Beta 0.000
(a) Um especialista sugeriu o uso do modelo de holt para a realização da previsão e suge
beta. Você acha que a escolha desse modelo é adequada? E a escolha dos coeficientes?
demanda
b) uma vez feita a análise grafica, use o solver para encontrar os pesos que minimizam o
estava correta.
Alfa
Beta
MAD