Planeamento e

Controlo da
Produção

Gerardo J. Osório

Ano Letivo 2022/2023

gerardo@upt.pt

Versão atualizada em 05/10/2023.

IMP.GE.190.0
 2

Conteúdo

2. Gestão da Procura.

- Introdução.
- Gestão da procura:
-- Definição. Ciclo da gestão da procura e o plano da previsão.
-- Fases da gestão da procura. Consequências de um má gestão da procura.
- Modelos de previsão:
-- O que são.
-- Classificação dos modelos de previsão.
-- Descrição das séries temporais.
-- Ferramentas de previsão avançadas.
-- Quantificadores de erro de previsão.
-- Modelos de previsão baseado na média móvel e amortecimento exponencial.

IMP.GE.190.0
 3

2. Gestão da Procura. (1/46)

• Em qualquer empresa (indústria) de produtos ou serviços, com vista na

competitividade e com destaque no mercado deverá ter como valores
(foco):
• Atenção no cliente em alcançar e exceder as expectativas.
• Comportamento ético dentro e fora da esfera empresarial.
Pressupostos da Gestão

• Espírito de aprendizagem e criatividade, procurando por novas soluções

da Procura

práticas aos desafios nos diversos níveis.

• Criação de mais-valias: compromisso na criação valor, de forma
sustentável, perante a empresa, clientes, e os stakeholders (partes
interessadas);
• Proficiência: esforço pela melhoraria contínua, validando e promovendo
novas ações que permitam a excelência, a eficiência, e a eficácia.

IMP.GE.190.0
 4

2. Gestão da Procura. (2/46)

• Antes de se poder falar sobre a gestão da procura, interessa saber o propósito,

as influências e os meios de comunicação.

• Gestão da procura é um conceito que integra e influencia toda a cadeia de

abastecimento, exigindo um fluxo de informação útil ao longo da cadeia, já que
o mesmo se encontra interligado com o planeamento da produção e a gestão
de compras.

• A gestão da procura também se alicerça com os princípios da previsão (com

base no que aconteceu no passado, prever o que acontecerá no futuro) –
séries temporais, onde as ferramentas/modelos de previsão têm uma influência
direta na antecipação das medidas a serem tomadas num futuro próximo, de
forma antecipada, por exemplo, na aquisição de matéria-prima, ou na afetação
dos recursos de produção.
IMP.GE.190.0
 5

2. Gestão da Procura. (3/46)

• Com efeito, a gestão da procura está relacionada com a gestão da logística, a

qual é uma parte da gestão da cadeia de abastecimento ou supply chain
management, e é responsável pelo planeamento, implementação e controlo do
fluxo, do armazenamento de bens, de serviços, e gestão da informação, entre
o ponto de origem e de consumo, de forma a satisfazer as necessidades do
cliente.

• A cadeia de abastecimento consiste, considerando a coordenação com todas

as partes envolvidas, direta, ou indiretamente, na resposta às solicitações do
cliente, sendo um processo dinâmico, e de troca contínua de informação nos
diversos níveis, tendo como objetivo a maximização do valor global gerado,
abrangendo o planeamento e gestão das atividades que envolvem as compras,
a produção e a logística, e ainda, a colaboração estreita com os parceiros da
cadeia.
IMP.GE.190.0
 6

2. Gestão da Procura. (4/46)

Atividades Fragmentadas até 1960 Atividades Associadas entre 1960 e 2000 Desde 2000 até atualidade
Previsão da Procura
Compras
Gestão de
Planeamento de Requisitos
Compras /
Planeamento da Produção Materiais
Inventário da Produção
Armazenamento
Logística
Manuseamento dos Materiais
Embalamento
Inven. dos Prod. Acabados
Gestão da Cadeia
Plan. da Distribuição Distribuição de Abastecimento
Física
Ordens de Processamento
Transporte
Evolução do conceito da
Serviços para o Cliente gestão ágil da cadeia de
Planeamento Estratégico abastecimento.
Serviços de Informação
Vendas e Marketing
IMP.GE.190.0
Finanças
 7

2. Gestão da Procura. (5/46)

• Todavia, a gestão da cadeia de abastecimento assenta em 6 subprocessos, os

quais exigem uma relação colaborativa em toda a cadeia, incluindo os
fornecedores e os clientes:
• Gestão da relação e do serviço para com o cliente.
• Gestão da procura.
• Execução das encomendas.
• Gestão do fluxo da produção e das relações com os fornecedores.
• Desenvolvimento e comercialização do produto.
• Gestão da logística inversa.
• Por outras palavras, a gestão da cadeia de abastecimento consiste na
avaliação das oportunidades de integração da gestão do fluxo do produto entre
os vários membros da cadeia, com resposta manobrável às necessidades dos
clientes no imediato, isto é, com pouco tempo de solução, sincronizando o
abastecimento para fazer face aos picos de procura.
IMP.GE.190.0
 8

2. Gestão da Procura. (6/46)

• Gestão da procura pode ser definida como a capacidade da empresa perceber

a procura (necessidade) dos clientes, alinhando as necessidades com a
capacidade da cadeia de abastecimento.

• A gestão da procura não pode ser considerada como sendo um processo

isolado ou uma atividade resumida à previsão de vendas.

• Envolve a criação de sinergias entre as áreas operacionais e de marketing com

o objetivo de compreender o mercado e desenvolver ações sincronizadas com
a estratégia da empresa, capacidade produtiva e satisfação dos clientes,
mobilizando a criação da procura, e a satisfação da mesma.

• A gestão da procura está diretamente relacionada com o planeamento e gestão

da capacidade da produção, de forma eficiente, criando o caminho para a
competitividade e gestão dos custos.
IMP.GE.190.0
 9

2. Gestão da Procura. (7/46)

Previsão da Procura Previsão da Produção

Vendas e
Vendas e Marketing Alimentação Logística
Procura Planeamento
Canais com os parceiros da Produção Fornecedores
Operacional
(downstream) Upstream

Relação entre o lado da procura, através

das previsões e plano de vendas, e a
oferta, representada pela capacidade Plano de Vendas Plano Operacional
prevista e pelo planeamento operacional,
ligando a relação existente com o Plano Financeiro

departamento de vendas e planeamento

operacional, como ponto de contacto.
IMP.GE.190.0
 10

2. Gestão da Procura. (8/46)

• A gestão da procura é um processo contínuo e estruturado, englobando quatro

fases (reforçadas pelos departamentos de marketing e/de vendas):
• Planeamento da procura.
• Comunicação da procura.
• Influência sobre a procura.
• Gestão e priorização da procura.

• Planeamento da Procura: que difere da previsão. O planeamento é modo

de agir e de desenvolver estratégias de forma antecipada. A previsão tenta
saber com antecedência as ocorrências futuras, com maior ou menor grau de
precisão.

• O planeamento da procura pode ser visto no horizonte temporal até aos

próximos 18 meses, sendo um processo iterativo, devido a atualização
IMP.GE.190.0
constante (mensal) da informação, de forma a existir
consenso, baseado nos inputs e análise estatísticas.
 11

2. Gestão da Procura. (9/46)

• Planeamento da Procura:
• As previsões estatísticas (inferência) podem ser um bom ponto de partida. No
entanto, quando os dados são estáveis ao longo do tempo, os métodos de
previsão baseados nas séries temporais poderão mostrar resultados mais
precisos na hora de realizar o planeamento e analisar os desvios.

• Existe o consenso de que quão “recentes” sejam os dados temporais que nos
permitem realizar a previsão, mais preciso será o resultado obtido.

• É de extrema importância que a previsão seja realizada com pressupostos

adequados e documentados, revendo periodicamente as necessárias de
atualização/revisão. Neste contexto, a ferramenta de previsão dará melhores
outputs quanto mais abrangente forem os dados exógenos do sistema.

IMP.GE.190.0
 12

2. Gestão da Procura. (10/46)

• Comunicação da Procura:
• A comunicação assume destaque alargado no processo de gestão da procura,
devido ao timing com que é realizada, de forma a cumprir o principio essencial
para a eficiência: – “sem surpresas”. É um processo estruturado que permite a
boa transferência e receção da informação, debate, decisão e feedback.

• O planeamento da procura é um exemplo de comunicação. Envolve a troca de

informação relativa aos inputs para o plano, a validação dos pressupostos, a
proposta desse mesmo plano e o consenso relativo ao mesmo. o processo de
comunicação deve facilitar a transferência de informação para:
• Compreender o estado real da procura.
• Determinar as ações que permitam atingir os objetivos (estratégia) da empresa.
• Identificar as ações necessárias para manter o equilíbrio entre a procura e o
IMP.GE.190.0
abastecimento, garantindo os objetivos financeiros.
 13

2. Gestão da Procura. (11/46)

• Comunicação da Procura:
Planeamento Planeamento Planeamento
Revisão e
de entrada da Procura do Consenso
Consenso
para a Procura Proposto Encontrado

Influência da Reconciliação e Sincronização com os Planos de Fornecimento e

Procura Financeiros (Planeamento Operacional e de Vendas).

Prioridades e Feedback e Agendam. e “Na comunicação é necessário

Gestão da Monit. dos Planeam. do quantificar corretamente o detalhe
Procura Indicadores Abastecimento
e quantidade da informação, a
direção, e o tempo, que permitam
Processo da comunicação na gestão da procura. facilitar a tomada de decisão”.

IMP.GE.190.0
 14

2. Gestão da Procura. (12/46)

• Influência sobre a Procura: esta fase se estrutura em duas vertentes:

• Convencer o cliente a adquirir os produtos/serviços para satisfação dos objetivos
da empresa.
• Influenciar a empresa em ir ao encontro das necessidade do cliente e dos
mercados.

• A influência sobre a procura permite não só o crescimento da empresa, mas

também o crescimento sustentável. Um dos princípios chave deste processo
de influência consiste na capacidade da empresa em encorajar os clientes a
comprar produtos alternativos ou a atrasar as compras, processo designado de
demarketing ou unselling.

• A inflação dos preços, e as promoções, na dose adequada, são os

mecanismos que permitem estimular o nível de procura dos clientes,
permitindo o equilíbrio entre a produção e a procura.
IMP.GE.190.0
 15

2. Gestão da Procura. (13/46)

• Gestão e Priorização da Procura: deve ser baseada na seleção dos

melhores clientes e no mix de produtos que permitem maior lucro à empresa.
Para a adequado gestão deste processo será necessário considerar:
• Ocorre sempre que seja reconhecido que o volume, o timing e o
conjunto de produtos não serão sincronizados com a capacidade de
abastecimento da empresa para satisfazer a procura.
• A definição das prioridades requer das decisões oriundas dos gestores
da procura, considerando a visão sobre os objetivos da empresa.
• Antecipadas as necessidades para estabelecer as prioridades, a gestão
da procura pode ir ao encontro da oferta, maior será o controlo sobre as
receitas, a produção, custos e nível de serviço.

IMP.GE.190.0
 16

2. Gestão da Procura. (14/46)

• Gestão e Priorização da Procura:

• Em regra a gestão e priorização da procura acontece quando a procura é
superior ao planeado, e vice-versa. No caso da procura ser superior ao
planeado a gestão da procura realiza:
• Satisfação do acréscimo de procura para períodos posteriores ao agendado.
• Satisfazer a procura total e adiar a entrega de outros clientes.
• Oferecer um produto substituto.
• Em último recurso, não satisfazer o acréscimo da procura.

• No caso contrário, isto é, quando a procura é inferior ao planeado, então:

• Antecipar as encomendas.
• Satisfazer as encomendas de outro cliente, caso seja possível.
• Como último recurso é criado o inventário do produto.
IMP.GE.190.0
 17

2. Gestão da Procura. (15/46)

• Consequências de uma Gestão da Procura Desapropriada:

• Uma gestão inadequada da procura aliada às previsões imprecisas, criam
lacunas severas na cadeia de abastecimento podendo incorrer ao efeito de
bullwhip (chicote).
• Os principais efeitos de uma fraca gestão da procura passam pela alternância
entre o excesso de stock e a existência de ruturas do mesmo, os quais
catalisam índices de serviço ao cliente insuficientes, capacidades de produção
escassas ou exageradas, incertezas quanto ao plano de produção, e elevados
custos de correção devido as horas extraordinárias ou à necessidade de
entregas urgentes. Em suma, aumentam as incertezas.
• É impossível eliminar por completo a incerteza. No entanto, uma maior
visibilidade e transparência ao longo da cadeia de abastecimento contribuem
para a redução da mesma, e com isso, uma redução do desperdício, e
IMP.GE.190.0
melhoria do serviço.
 18

2. Gestão da Procura. (16/46)

• Modelos de Previsão:
• São ferramentas que, no domínio da produção, nos permitem criar uma
antevisão (projeção), da produção (pedido de produto).

• Surge da necessidade de mitigar as variações entre o que é proposto e do que

acontece na realidade, seja na quantidade, ou/e no tempo.

• É uma “linha de defesa” na produção, já que permite a acumulação de reservas

na empresa (buffer),podendo assim dar margem ao lead time da entrega,
permitindo também a flexibilidade e a adequada gestão da procura.

• Tratando-se da análise dinâmica no comportamento entre a procura e a

produção, os modelos de previsão (ou ferramentas) permitem auxiliar na
tomada de decisão, seja no aumento, manutenção ou diminuição da produção,
por forma a garantir o equilíbrio entre a produção (oferta) e a procura.-
IMP.GE.190.0
Classificação.
 19

2. Gestão da Procura. (17/46)

• Modelos de Previsão:
• A precisão das previsões é um fator decisivo na tomada de decisão para lidar
com a incerteza e variabilidade (ou ainda à intermitência e à volatilidade).

• Por exemplo, se um produto tem uma variabilidade de procura bastante

acentuada com erros de previsão elevados, pode ser necessário aumentar os
níveis de inventário para manter o nível de serviço pretendido.

• O inverso também acontece, no caso da procura ser previsível e estável,

diminuindo ou mantendo a produção, minimizando o eventual desperdício.

• Considerando o largo espectro sobre as ferramentas de previsão (inseridas no

ramo da investigação operacional), todas as ferramentas têm sempre
imprecisões ou incertezas associadas. Daí a necessidade dos mecanismos de
decisão serem o flexíveis o suficiente para que a estratégia seja bem sucedida.
IMP.GE.190.0
 20

2. Gestão da Procura. (18/46)

• Classificação dos Modelos de Previsão:

Família dos
modelos de Exemplo de intermitência
previsão e volatilidade em relação
quantitativos. à tendência da produção.

IMP.GE.190.0
 21

2. Gestão da Procura. (19/46)

• Modelos de Previsão:
• Os métodos quantitativos assentam na manipulação matemática de dados
históricos (quantificados) e procuram projetar no futuro padrões de
comportamento que se identificaram nos dados sobre o passado.

• Para além da disponibilidade desses dados históricos os métodos quantitativos

assentam num pressuposto de estabilidade desses padrões de comportamento
passado, apresentando melhores soluções.

• Os métodos qualitativos, pelo contrário, dispensam dados quantificados e

assentam em juízos subjetivos e especulações baseadas na experiencia e na
intuição de especialistas, e no estabelecimento de cenários com situações
semelhantes.

IMP.GE.190.0
 22

2. Gestão da Procura. (20/46)

• Séries Temporais:
• Uma série cronológica (ou temporal) não é mais do que como um conjunto de
dados ordenado de uma dada variável, observados em intervalos regulares no
tempo, representando-se por 𝑌𝑡 o valor observado da variável 𝑌 no instante 𝑡,
(𝑡 = 1,2,3, … , 𝑛). As séries temporais podem ser divididas em:
- Série aleatória (ruído branco), ou estocástica.
- Série estacionária.
- Série com tendência.
- Série com tendência
e sazonalidade.

Série com tendência e sazonalidade.

IMP.GE.190.0
Exemplo de ruído branco ou aleatória
 23

2. Gestão da Procura. (21/46)

• Modelos de Previsão:
• Modelos Auto-Regressivos: É um modelo de séries cronológicas
estacionárias, que assenta no pressuposto de que a observação da
variável no instante 𝑡, 𝑌𝑡 , se relaciona com observações da mesma
variável em instantes anteriores.

• Os modelos auto-regressivos constituem uma classe de modelos de

séries estacionárias com vastos campos de aplicação.

• Outras classes igualmente populares são os modelos de médias móveis

(MA), e os mistos ARMA (autoregressive moving average), ou ARIMA
(autoregressive integrated moving average), ou modelo auto-regressivo
integrado de médias móveis, ou ainda SARIMA (seasonal
autoregressive integrated moving average) para séries estacionárias
IMP.GE.190.0
que apresentem sazonalidade
 24

2. Gestão da Procura. (22/46)

• Modelos de Previsão:
• Modelos Auto-Regressivos:

• No caso dos modelos ARIMA, este pode ser “partido” nos

submodelos AR (auto-regressivo), I (integrado), e MA (Média
Móvel).

• Componente Auto-Regressivo: ou média móvel, é representado por

𝐴𝑅(𝑝), onde 𝑝 é um parâmetro que determina o “atraso” temporal
da série que iremos utilizar, de forma a tornar os dados
𝑝
estacionários, dado por: 𝑦𝑡 = 𝑐 + σ𝑛=1 𝛼𝑛 𝑦𝑡−𝑛 + 𝜖𝑡

Onde 𝑐 é uma constante, 𝛼𝑛 é um coeficiente estimado e 𝑦𝑡−𝑛 são as entradas passadas

com o atraso necessário para os dados serem estacionários.

IMP.GE.190.0
 25

2. Gestão da Procura. (23/46)

• Modelos de Previsão:
• Modelos Auto-Regressivos:

• Componente Auto-Regressivo: Dos diversos modelos, surgem:

• 𝐴𝑅(0) – Ruido branco. É um modelo sem termos autoregressivos, considerando-se
assim como sendo o ruído branco. Cada ponto é amostrado com média 0 e variância 𝜎 2 ,
resultando numa sequência aleatória de números que não são possíveis de prever. Isto
pode tornar-se útil, já que nos permite considerar a possibilidade nula da previsão,
protegendo a análise de padrões falso-positivos.

• 𝐴𝑅 1 - Percurso aleatório com oscilação. Com o parâmetro 𝑝 = 1 é agora considerado

como ponto de partida a amostra anterior, ajustada por um multiplicador e, em seguida,
adiciona-se ruído branco. Se o multiplicador for 0, resulta em ruído branco. Se o
multiplicador for 1, resulta o percurso aleatório. Se 0 < 𝛼₁ < 1, então a série temporal
apresentará reversão à média. Isso significa que os valores tendem a oscilar em torno de
IMP.GE.190.0 0 e reverter para a média após regredir a partir dela.
 26

2. Gestão da Procura. (24/46)

• Modelos de Previsão:
• Modelos Auto-Regressivos:

• Componente Auto-Regressivo: Dos diversos modelos, surgem:

• 𝐴𝑅 𝑝 - Termos de ordem superior. Quando 𝑝 > 1 significa que é possível avançar ainda
mais no passado, adicionando mais pontos de referência, ajustado pelos próprios
multiplicadores. No entanto, ao retrocedermos cada vez mais, será necessário a
introdução de mais parâmetros como é o caso da média móvel ou MA (moving average).

• Média Movel (MA): é o modelo de média movel onde 𝑞 representa o

atraso relativo aos termos do erro da previsão. No caso do modelo
ser do tipo 𝑀𝐴(1) a média móvel será: 𝑒𝑡 = 𝑐 − 𝜃1 𝑒𝑡−1 − ⋯ − 𝜃𝑛 𝑒𝑡−𝑛
Onde 𝑐 é uma constante, 𝜃𝑛 é um coeficiente estimado e 𝑒𝑡−𝑛 está relacionado com os erros
associados às previsões regressivas passadas.
IMP.GE.190.0
 27

2. Gestão da Procura. (25/46)

• Modelos de Previsão:
• Modelos Auto-Regressivos:

• Componente Integradora (𝐼(𝑑)): O modelo de previsão ARIMA é na

realidade um modelo ARMA (Modelo Auto Regressivo de Média
Móvel), no entanto, incluindo um passo de pre-processamento
representado pela parte integradora (𝐼(𝑑)), onde 𝑑 representa a
ordem do diferencial, ou seja, o número de transformações
necessárias para tornar os dados estacionários. Assim o modelo de
previsão ARIMA é dado por:
𝑝 𝑝

𝑦ො𝑡 = 𝑐 + ෍ 𝛼𝑛 𝑦𝑡−𝑛 − ෍ 𝜃𝑛 𝑒𝑡−𝑛

𝑛=1 𝑛=1
Onde 𝑝 é a ordem do termo auto regressivo, 𝑛 é a ordem da média móvel, e 𝑑 é a
IMP.GE.190.0 ordem de diferenciação (relacionado com o conjunto
de dados não estacionários).
 28

2. Gestão da Procura. (26/46)

𝑝 𝑝

• Modelos de Previsão: 𝑦ො𝑡 = 𝑐 + ෍ 𝛼𝑛 𝑦𝑡−𝑛 − ෍ 𝜃𝑛 𝑒𝑡−𝑛

𝑛=1 𝑛=1
• Modelos Auto-Regressivos:

• Componente Integradora ( 𝐼(𝑑) ): A componente integradora

apresenta a ordem de amostras passadas que serão utilizadas,
aplicados seja no lado da auto regressivo ou na média móvel. Por
exemplo:
• Se 𝑑 = 0 → 𝑦ො𝑡 = 𝑦𝑡
• Se 𝑑 = 1 → 𝑦ො𝑡 = 𝑦𝑡 − 𝑦𝑡−1
• Se 𝑑 = 2 → 𝑦ො𝑡 = 𝑦𝑡 − 𝑦𝑡−1 − 𝑦𝑡−1 − 𝑦𝑡−2
• Observação: interessa que o 𝑑 seja o menor possível para
obter uma série quase estacionária (há formas de quantificar o
valor), no entanto, o objetivo é encontrar um valor que implique
IMP.GE.190.0 que valor de auto correlação atinge
o valor nulo de forma rápida.
 29

2. Gestão da Procura. (27/46)

• Modelos de Previsão:
• Características da procura e do processo de previsão:
• Definir o período de previsão.
• Identificar as características da série temporal em estudo.
• Escolher o modelo que melhor se adapte a essa série.
• Implementar uma metodologia de acompanhamento e controlo.

• Nas séries temporais estão sempre presentes:

• Componente aleatória, que não se associa a nenhum comportamento
identificável.
• A componente cíclica, a qual apresenta um comportamento repetitivo ao
longo do período.
• A componente sazonal, que ao contrário da componente cíclica, acontece
em períodos mais curtos.
• A componente tendencial, a qual reflete um comportamento de crescimento
IMP.GE.190.0 ou decrescimento no médio/longo prazo.
 30

2. Gestão da Procura. (28/46)

• Modelos de Previsão:
• Erros de Previsão: De os diversos métodos de quantificação dos erros,
podemos destacar, considerando que 𝑦𝑡 determina o valor real, 𝑦ො𝑡 o
valor previsto, 𝑡 o instante em estudo do período 𝑇:
• RSFE – Running Sum of Forecast Errors • MSE – Mean Square Error (ou erro
(ou soma sucessiva dos erros de previsão): quadrático médio):
𝑇 σ𝑇𝑡=1 𝑦𝑡 − 𝑦ො𝑡 2
𝑀𝐹𝐸 =
𝑅𝑆𝐹𝐸 = ෍ 𝑦𝑡 − 𝑦ො𝑡 𝑇
𝑡=1 • MAPE – Mean Average Percentage Error
• MFE – Mean Forecast Error (ou erro de (ou média do erro médio em percentagem):
𝑇 𝑇
previsão médio): 100 𝑦𝑡 − 𝑦ො𝑡 1
σ𝑇𝑡=1(𝑦𝑡 −𝑦ො𝑡 ) 𝑀𝐴𝑃𝐸 = ෍ ; 𝑦ത𝑡 = ෍ 𝑦𝑡
𝑇 𝑦ത𝑡 𝑇
𝑀𝐹𝐸 = 𝑡=1 𝑡=1
𝑇
O MAPE quantifica quão distante, em média,
• MAD – Mean Absolute Error (ou erro médio os resultados previstos se encontram distantes
absoluto): do valor real.
IMP.GE.190.0 σ𝑇𝑡=1 |𝑦𝑡 − 𝑦ො𝑡 |
𝑀𝐴𝐷 =
𝑇
 31

2. Gestão da Procura. (29/46)

• Modelos de Previsão:
• Metodologia de acompanhamento ou evolução do sinal de previsão:
• Permite visualizar graficamente os desvios que o modelo de previsão tem ao
longo do tempo por forma a avaliar se é o adequado, ou deverá ser ajustado,
conforme o comportamento da série temporal. Definido pelo “Sinal de
Evolução”, ou “Tracking Sign”:
𝑇
𝑅𝑆𝐹𝐸 σ𝑇𝑡=1 𝑦𝑡 − 𝑦ො𝑡
𝑇𝑆 = ; 𝑅𝑆𝐹𝐸 = ෍ 𝑦𝑡 − 𝑦ො𝑡 ; 𝑀𝐴𝐷 =
𝑀𝐴𝐷 𝑇
𝑡=1

IMP.GE.190.0
 32

2. Gestão da Procura. (30/46)

• Modelos de Previsão:
• Modelo de Previsão com base no valor da procura anterior (ou método
da Persistência):
• Passa por considerar que no instante 𝑡 + 1 do futuro será o que
aconteceu no instante 𝑡 no passado.
• Útil somente quando se encontram bem definidas a componente
tendencial e aleatória, no entanto, não reflete as variações
aleatórias, ou seja, a previsão incide sobre o valor da procura
histórica.
• Utilizável em previsões de curto (muito curto) espaço de tempo,
onde exista pouca variação da procura, e onde exista grande
estabilidade do histórico de dados.

IMP.GE.190.0
 33

2. Gestão da Procura. (31/46)

• Modelos de Previsão:
• Modelo de Previsão com base no valor da procura anterior (ou método
da Persistência): Exemplo 1:
T (em meses) Dados Históricos (𝒚𝒕) 𝒚𝒕 )
Dados Previstos (ෝ Erro
1 456 -- --
2 336 456 -120
Na prática houve um
3 402 336 66
deslocamento no tempo da
4 433 402 31
série, pelo que o erro será
5 454 433 21
proporcional à amplitude da
6 390 454 -64 variação em cada período.
7 406 390 16
8 412 406 6
9 385 412 -27
10 360 385 -25
11 405 360 45
12 466 405 61
IMP.GE.190.0
MAD 48,2
 34

2. Gestão da Procura. (32/46)

• Modelos de Previsão:
• Modelo de Previsão com base no valor da procura anterior (ou método
da Persistência): Exemplo 1:

Graficamente podemos
observar a deslocação do
sinal e onde se observa
que erro dependerá da
amplitude do sinal.

IMP.GE.190.0
 35

2. Gestão da Procura. (33/46)

• Modelos de Previsão:
• Modelo de Previsão com base na Média Móvel:
• É um modelo que se baseia exclusivamente na previsão de dados
(p.e., produção) a partir da média do histórico de dados (p.e.,
vendas), tendo 2 abordagens: - média simples, ou média ponderada,
atendendo aos valores relativos do histórico de dados, ou pela
utilização de um período fixo de dados, escolhidos de forma
criteriosa. No caso da previsão ser considerada pela média simples:
𝑦𝑡 + 𝑦𝑡−1 + 𝑦𝑡− 𝑇−1
𝑦ො𝑡+1 =
𝑇
• No caso da previsão ser considerada pela média ponderada:
𝑦ො𝑡+1 = 𝑤1 𝑦𝑡 + 𝑤2 𝑦𝑡−1 + ⋯ + 𝑤𝑇 𝑦𝑡− 𝑡−1 , 𝑤1 + 𝑤2 + ⋯ + 𝑤𝑇 = 1
IMP.GE.190.0
 36

2. Gestão da Procura. (34/46)

• Modelos de Previsão:
• Modelo de Previsão com base na Média Móvel:
• A escolha dos períodos devera ser objetiva para evitar a flutuação
dos resultados devido aos dados históricos desatualizados (ao
recuar demasiado no histórico), ou flutuações aleatórias se o
período considerado de dados históricos não for o mais indicado.
• No caso da utilização da média ponderada, os pesos deverão ser
mais significativos nos dados que mais expressam o comportamento
real, devendo a soma de todos os pesos ser unitária.

IMP.GE.190.0
 37

2. Gestão da Procura. (35/46)

• Modelos de Previsão:
• Modelo de Previsão com base na Média Móvel: Exemplo 2:
Média Media Media Media Média Incremental:
Incremental Móvel 2 Móvel 3 Móvel 4 456 + 336
T Histórico Previsão Erro (1) Previsão Erro (2) Previsão Erro (3) Previsão Erro (4) 𝑦ො2 = = 396
2
1 456 -- -- -- -- -- -- -- -- 456 + 336 + 402
2 336 396 -60 396 -60 -- -- -- -- 𝑦ො3 = = 398
3
3 402 398 4 369 33 398 4 -- -- ⋮
4 433 407 26 418 16 390 43 407 26
5 454 416 38 444 11 430 24 406 48 Média Móvel (2):
6 390 412 -22 422 -32 426 -36 420 -30 456 + 336
𝑦ො2 = = 396
7 406 411 -5 398 8 417 -11 421 -15 2
336 + 402
8 412 411 1 409 3 403 9 416 -4 𝑦ො3 = = 369
9 385 408 -23 399 -14 401 -16 398 -13 2
⋮
10 360 403 -43 373 -13 386 -26 391 -31
11 405 404 1 383 23 383 22 391 15 Média Móvel (3):
12 466 409 57 436 31 410 56 404 62 456 + 336 + 402
MAD 28 24 31 40 𝑦ො3 = = 398
3
336 + 402 + 433
Média Móvel (4): 𝑦ො4 = = 390
3
456 + 336 + 402 + 433 ⋮
𝑦ො4 = = 407
4
IMP.GE.190.0 336 + 402 + 433 + 454
𝑦ො4 = = 406
4
⋮
 38

2. Gestão da Procura. (36/46)

• Modelos de Previsão:
• Modelo de Previsão com base na Média Móvel: Exemplo 2:

Média Incremental:
Em regra apresenta maior
estabilidade e a tendência do
sinal se torna impercetível.

Média Móvel:
Em regra apresenta melhores
resultados com tendências mais
evidentes.

IMP.GE.190.0
 39

2. Gestão da Procura. (37/46)

• Modelos de Previsão:
• Modelo de Previsão com base no Alisamento Exponencial Simples:
• Tem a vantagem de não acumular tanta informação oriunda do
histórico de dados nos cálculos envolvidos.
• Utiliza uma constante de “alisamento”, a qual permite atenuar o
efeito da aleatoriedade dos dados.
• Com alguma robustez para as previsões de curto prazo e em que os
dados tenham aleatoriedade, sem tendências.
• Vantagens:
• Pode ser aplicada numa base significativa de dados históricos,
reduzindo desvios provocados pela consideração exclusiva de dados
recentes.

IMP.GE.190.0
 40

2. Gestão da Procura. (38/46)

• Modelos de Previsão:
• Modelo de Previsão com base no Alisamento Exponencial Simples:
• Vantagens:
• Os pesos atribuídos (alisamento) ao histórico de dados vão diminuindo
conforme estes se afastam do ponto da previsão, reduzindo o seu
significado no cálculo.
• Requer de um valor de alisamento (constante de alisamento) e um valor
inicial para a média alisada da procura, que pode ser obtida através do
cálculo de uma média (móvel ou aritmética) dos dados históricos.

𝑆𝑡 = 𝑎𝑦𝑡 + 1 − 𝑎 𝑆𝑡−1 ; 0≤𝑎≤1

𝑦ො𝑡+1 = 𝑆𝑡
Onde: 𝑆𝑡 média alisada no período 𝑡; 𝑎 constante de alisamento (obtida por correlação ou
por “tentativa em erro”; 𝑦ො𝑡+1 previsão no instante 𝑡 + 1.
IMP.GE.190.0
 41

2. Gestão da Procura. (39/46)

• Modelos de Previsão:
• Modelo de Previsão com base no Alisamento Exponencial Simples:
Exemplo 3:
T Real St Previsto Erro Considerando: 𝑎 = 0,3 e 𝑆0 = 408,75 (média
1 456 422,925 -- --
aritmética dos dados), então:
2 336 396,8475 423 -87
3 402 398,3933 397 5 𝑆1 = 0,3 × 456 + 1 − 0,3 × 408,75 = 422,925 → 𝑦ො2 = 423
4 433 408,7753 398 35 𝑆2 = 0,3 × 336 + 1 − 0,3 × 422,925 = 396,8475 → 𝑦ො3 = 397
5 454 422,3427 409 45
𝑆3 = 0,3 × 402 + 1 − 0,3 × 396,8475 = 408,7753 → 𝑦ො4 = 409
6 390 412,6399 422 -32
7 406 410,6479 413 -7 ⋮
8 412 411,0535 411 1 O valor de 𝑎 deverá ser bem escolhido já que ao
9 385 403,2375 411 -26 estar próximo de 0, a previsão incidirá sobre o
10 360 390,2662 403 -43 próprio valor histórico, se o valor for muito próximo
11 405 394,6864 390 15
de 1, o valor da previsão incidirá sobre o valor da
12 466 416,0805 395 71
média inicial. Valores entre 0,1 e 0,4 é o habitual.
MAD 37

IMP.GE.190.0
 42

2. Gestão da Procura. (40/46)

• Modelos de Previsão:
• Modelo de Previsão com base no Alisamento Exponencial Simples:
Exemplo 3:

Como se pode observar no

gráfico, o perfil previsto sofre
duma atenuação significativa que
acompanha tendencialmente o
perfil do valor real.

IMP.GE.190.0
 43

2. Gestão da Procura. (41/46)

• Modelos de Previsão:
• Modelo de Previsão de Holt:
• Baseado no modelo de previsão do alisamento exponencial simples.
• Prático quando os dados evidenciam uma componente aleatória e
tendencial evidentes. No caso dos dados históricos também
conterem uma componente sazonal, existem outras abordagens.

𝑆𝑡 = 𝑎𝑦𝑡 + 1 − 𝑎 𝑆𝑡−1 + 𝑘𝑡−1 , 0 ≤ 𝑎 ≤ 1 → Eq. 1

𝑘𝑡 = 𝑏 𝑆𝑡 − 𝑆𝑡−1 + 1 − 𝑏 𝑘𝑡−1 , 0 ≤ 𝑏 ≤ 1 → Eq. 2
Eq. 1 é responsável pelo alisamento 𝑦𝑡+1 = 𝑆𝑡 + 𝑘𝑡 → Eq. 3
dos dados históricos, Eq. 2 determina
a tendência da série de dados. Eq. 3 𝑦𝑡+𝐿 = 𝑆𝑡 + 𝐿𝑘𝑡 → Eq. 4
efetua a previsão para o instante
seguinte, e Eq. 4 permite a determinação dos instantes
IMP.GE.190.0 posteriores a 𝑡, multiplicando a tendência calculada
na Eq. 2
 44

2. Gestão da Procura. (42/46)

• Modelos de Previsão:
• Modelo de Previsão de Holt: Exemplo 4:
T Real St kt Previsto Erro Considerando: 𝑎 = 0,2; 𝑏 = 0,3; 𝑘0 = 3; e
1 456 420,6 5,655 -- -- 𝑆0 = 408,75 (média aritmética dos dados), então:
2 336 399,156 -2,475 426 -90
𝑆1 = 0,2 × 456 + 1 − 0,2 × 408,75 + 3 = 420,6
3 402 401,7046 -0,968 397 5
4 433 408,7378 1,433 401 32 𝑇1 = 0,3 × 420,6 − 408,75 + 1 − 0,3 × 3 = 5,655
5 454 416,6442 3,375 410 44 𝑦ො2 = 420,6 + 5,655 = 426
6 390 408,6156 -0,046 420 -30
7 406 408,1295 -0,178 409 -3 𝑆2 = 0,2 × 336 + 1 − 0,2 × 420,6 + 5,655 = 399,156
8 412 409,0462 0,150 408 4 𝑇2 = 0,3 × 399,156 − 4420,6 + 1 − 0,3 × 5,655 = −2,475
9 385 404,1167 -1,374 409 -24 𝑦ො3 = 399,156 − 2,475 = 397
10 360 396,3923 -3,279 403 -43
11 405 400,737 -0,992 393 12 𝑆3 = 0,2 × 402 + 1 − 0,2 × 399,156 − 2,475 = 401,7046
12 466 414,583 3,460 400 66
𝑇3 = 0,3 × 401,7 − 399,2 + 1 − 0,3 × −2,475 = −0,968
MAD 35
𝑦ො4 = 401,7046 − 09868 = 401
⋮
IMP.GE.190.0
 45

2. Gestão da Procura. (43/46)

Graficamente podemos observar que os

• Modelos de Previsão: valores obtidos se encontram
amortizados, no entanto, seguindo a
• Modelo de Previsão de Holt: tendência do perfil histórico, no entanto,
pouco sensível à sazonalidade ou
aleatoriedade.

Para prever os instantes seguintes,

podemos aplicar a expressão: 𝑦𝑡+𝐿 =
𝑆𝑡 + 𝐿𝑘𝑡 , ou seja:

𝑦ො13 = 414,583 + 3,460 = 418

𝑦ො14 = 414,583 + 2 × 3,460 = 422

𝑦ො15 = 414,583 + 3 × 3,460 = 425

𝑦ො16 = 414,583 + 4 × 3,460 = 428

IMP.GE.190.0
 46

2. Gestão da Procura. (44/46)

• Modelos de Previsão:
• Modelo de Previsão de Winter:
• Modelo mais complexo que o anteriores, no entanto, com robustez
suficiente quando as séries temporais têm presentes as
componentes aleatórias, sazonais e de tendência.
• Realiza o alisamento do perfil da previsão, tendo em conta a
tendência dos dados históricos e a atualização sucessiva dos
índices sazonais ao longo da previsão.
𝑆𝑡 = 𝑎(𝑦𝑡 /𝐼𝑡 ) + 1 − 𝑎 𝑆𝑡−1 + 𝑘𝑡−1 , 0≤𝑎≤1
𝑘𝑡 = 𝑏 𝑆𝑡 − 𝑆𝑡−1 + 1 − 𝑏 𝑘𝑡−1 , 0≤𝑏≤1
𝐼𝑡+1 = 𝑐 𝑦𝑡 /𝑆𝑡 + 1 − 𝑐 𝐼𝑡−1 , 0≤𝑐≤1
𝑦𝑡+1 = 𝑆𝑡 + 𝑘𝑡 𝐼𝑡
IMP.GE.190.0
𝑦𝑡+𝐿 = (𝑆𝑡 +𝐿𝑘𝑡 )𝐼𝑡+𝐿
 47

2. Gestão da Procura. (45/46)

• Modelos de Previsão:
• Modelo de Previsão de Winter: Exemplo 5:
Para o cálculo de 𝐼1 recomenda-se realizar
T Real I St kt Previsão Erro
1 456 1,08 419,31 10,22
um estudo da correlação linear simples, de
2 336 0,89 414,42 4,18 381 -45 forma a encontrar a reta que se ajusta ao
3 402 0,94 420,66 5,00 396 6 comportamento do perfil histórico, ou seja
4 433 1,00 427,35 5,68 427 6 encontrar os coeficientes 𝑚 e 𝑏 da reta
5 454 1,04 433,47 5,85 452 2 𝑦 = 𝑚𝑥 + 𝑏 , e depois, seguir o modelo
6 390 0,94 431,56 2,75 414 -24 matemático, para o cálculo de 𝐼𝑡+1.
7 406 0,94 433,39 2,38 409 -3
Considerando: 𝑎 = 0,3; 𝑏 = 0,4; 𝑐 = 0,7;
8 412 0,95 435,43 2,24 413 -1
9 385 0,90 434,23 0,87 395 -10
𝑘0 = 10 e 𝑆0 = 408,75 (média aritmética dos
10 360 0,85 431,43 -0,60 370 -10 dados), então:
11 405 0,91 434,73 0,96 393 12
𝑦ത = 𝑚𝑥 + 𝑏 = 0,304𝑥 + 406,773 → 𝑦ത1 = 407,08
12 466 1,02 441,50 3,28 446 20
MAD 14 𝑦1
𝐼1 = 𝑐 + 1 − 𝑐 = 0,7 456/407,08 + 0,3 = 1,08
𝑦ത1

Continua…
IMP.GE.190.0
 48

2. Gestão da Procura. (46/46)

• Modelos de Previsão: 𝑆1 = 0,3

456
+ 1 − 0,3 408,75 + 10 = 419,31
1,08
• Modelo de Previsão de Winter:
𝑘1 = 0,4 419,31 − 408,75 + 1 − 0,4 10 = 10,22

336
𝐼2 = 0,7 + 1 − 0,7 1,08 = 0,89
419,31

𝑦ො2 = 419,31 + 10,22 0,89 = 381

336
𝑆2 = 0,3 + 1 − 0,3 381 + 10,22 = 414,42
0,89

𝑘2 = 0,4 414,42 − 336 + 1 − 0,4 10,22 = 4,18

402
𝐼3 = 0,7 + 1 − 0,7 0,89 = 0,94
414,42

𝑦ො3 = 414,42 + 4,18 0,94 = 396

⋮
É possível observar que o valor previsto acompanha
IMP.GE.190.0 claramente o perfil histórico, seguindo os índices da
aleatoriedade, a sazonalidade e a da tendência.
 49

IMP.GE.190.0