Prof. Mestre Leandro J.

Scherer
Previso da Demanda

A previso da demanda a base para o
planejamento estratgico da produo, vendas e
finanas de qualquer empresa.
Permite que os administradores destes sistemas
antevejam o futuro e planejem adequadamente suas
aes.

As previses so usadas pelo PCP em dois
momentos distintos: para planejar o sistema
produtivo e para planejar o uso deste sistema
produtivo.

Prof. Mestre Leandro J. Scherer
Previso da Demanda
A responsabilidade pela preparao da previso da
demanda normalmente do setor de Marketing ou
Vendas. Porm, existem dois bons motivos para que o
pessoal do PCP entenda como esta atividade
realizada.
A previso da demanda a principal informao empregada
pelo PCP na elaborao de suas atividades;
Em empresas de pequeno e mdio porte, no existe ainda uma
especializao muito grande das atividades, cabendo ao
pessoal do PCP (geralmente o mesmo de Vendas) elaborar
estas previses.
Atualmente as empresas esto buscando um relacionamento mais eficiente dentro
de sua cadeia produtiva.
Prof. Mestre Leandro J. Scherer
Etapas de um modelo de previso
O b j e t i v o d o m o d e l o
C o l e t a e a n l i s e d o s d a d o s
S e l e o d a t c n i c a d e p r e v i s o
O b t e n o d a s p r e v i s e s
M o n i t o r a o d o m o d e l o
Prof. Mestre Leandro J. Scherer
Objetivo do Modelo
A primeira etapa consiste em definir a razo pela qual
necessitamos de previses. Que produto, ou famlias de
produtos, ser previsto, com que grau de acuracidade e detalhe
a previso trabalhar, e que recursos estaro disponveis para
esta previso.

O detalhamento do modelo depende da importncia relativa do
produto, ou famlia de produtos, a ser previsto e do horizonte ao
qual a previso se destina.
Itens pouco significativos podem ser previstos com maior margem
de erro, empregando-se tcnicas simples. Assim como admite-se
margem de erro maior para previses de longo prazo,
empregando-se dados agregados de famlias de produtos.
Prof. Mestre Leandro J. Scherer
Coleta e Anlise dos Dados
Visa identificar e desenvolver a tcnica de previso que
melhor se adapte. Alguns cuidados bsicos:

Variaes extraordinrias da demanda devem ser analisadas e
substitudas por valores mdios, compatveis com o comportamento
normal da demanda;
O tamanho do perodo de consolidao dos dados tem influncia direta
na escolha da tcnica de previso mais adequada, assim como na
anlise das variaes extraordinrias.
Os dados devem buscar a caracterizao da demanda pelos produtos
da empresa, que no necessariamente igual as vendas passadas
Quanto mais dados histricos forem coletados e analisados, mais
confivel a tcnica de previso ser;
Prof. Mestre Leandro J. Scherer
Seleo da Tcnica de Previso
Existem tcnicas qualitativas e quantitativas.
Cada uma tendo o seu campo de ao e sua
aplicabilidade. Alguns fatores merecem
destaque na escolha da tcnica de previso:
A disponibilidade de recursos computacionais;
A experincia passada com a aplicao de determinada
tcnica;
A disponibilidade de dados histricos;
A disponibilidade de tempo para coletar, analisar e preparar
os dados e a previso;
O perodo de planejamento para o qual necessitamos da
previso.
Prof. Mestre Leandro J. Scherer
Obteno da Previses e Monitorao
Com a definio da tcnica de previso e a aplicao
dos dados passados para obteno dos parmetros
necessrios, podemos obter as projees futuras da
demanda. Quanto maior for o horizonte pretendido,
menor a confiabilidade na demanda prevista.
A medida em que as previses forem sendo alcanadas pela
demanda real, deve-se monitorar a extenso do erro entre a
demanda real e a prevista, para verificar se a tcnica e os
parmetros empregados ainda so vlidos. Em situaes
normais, um ajuste nos parmetros do modelo, para que reflita
as tendncias mais recentes, suficiente.
Prof. Mestre Leandro J. Scherer
Tcnicas de previso
Existem uma srie de tcnicas disponveis, com
diferenas substanciais entre elas. Porm, cabe
descrever as caractersticas gerais que
normalmente esto presentes em todas as
tcnicas de previso, que so:
Supem-se que as causas que influenciaram a demanda
passada continuaro a agir no futuro;
As previses no so perfeitas, pois no somos capazes de
prever todas as variaes aleatrias que ocorrero;
A acuracidade das previses diminui com o aumento do
perodo de tempo auscultado;
A previso para grupos de produtos mais precisa do que
para os produtos individualmente, visto que no grupo os
erros individuais de previso se anulam.
Prof. Mestre Leandro J. Scherer
Tcnicas de previso
As tcnicas de previso podem ser subdivididas
em dois grandes grupos:

As tcnicas qualitativas privilegiam principalmente dados
subjetivos, os quais so difceis de representar
numericamente. Esto baseadas na opinio e no julgamento
de pessoas chaves, especialistas nos produtos ou nos
mercados onde atuam estes produtos;
As tcnicas quantitativas envolvem a anlise numrica dos
dados passados, isentando-se de opinies pessoais ou
palpites. Empregam-se modelos matemticos para projetar a
demanda futura. Podem ser subdivididas em dois grandes
grupos: as tcnicas baseadas em sries temporais, e as
tcnicas baseadas em correlaes.
Prof. Mestre Leandro J. Scherer
Previses baseadas em sries temporais
Partem do princpio de que a demanda futura
ser uma projeo dos seus valores passados,
no sofrendo influncia de outras variveis.

o mtodo mais simples e usual de previso, e
quando bem elaborado oferece bons resultados.
Para se montar o modelo de previso, necessrio
plotar os dados passados e identificar os fatores que
esto por trs das caractersticas da curva obtida.
Uma curva temporal de previso pode conter
tendncia, sazonalidade, variaes irregulares e
variaes randnicas.
Prof. Mestre Leandro J. Scherer
Previses baseadas em sries temporais
0
10
20
30
40
50
60
Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
D
e
m
a
n
d
a
Variaoirregular
Sazonalidade
Tendncia
Variaorandnica
Prof. Mestre Leandro J. Scherer
Mdia Mvel
SUAVISA OS MOVIMENTOS DOS RESULTADOS
AJUDA A IDENTIFICAR TENDNCIAS
Prof. Mestre Leandro J. Scherer
Tcnicas para Mdia
Mdia Mvel Simples ou Aritmtica
A mdia mvel usa dados de um nmero predeterminado de perodos,
normalmente os mais recentes, para gerar sua previso. A cada novo
perodo de previso se substitui o dado mais antigo pelo mais recente.
Mm
n
=

i=1
n
D
i
n
Mm
n
=Mdiamvel denperodos;
D
i
=Demandaocorridanoperodoi;
n=Nmerodeperodos;
i =ndicedoperodo(i =1,2,3,...)
Prof. Mestre Leandro J. Scherer
Tcnicas para Mdia
Mdia Mvel
Perodos: Julho Agosto Setembro Outubro Novembro Dezembro
Demanda 60 50 45 50 45 70

Mm
3 jan
=
50+45+70
3
= 55 , 00
Mm
3 fev
=
45+70+55
3
= 56 ,67
Mm
5 jan
=
50+45+50+45+70
5
= 52 , 00
Prof. Mestre Leandro J. Scherer
Enquanto que a Mdia Mvel Simples a mdia do valor
nos ltimos N perodos, e portanto d igual importncia
para os valores considerados, a Mdia Mvel Exponencial
d mais importncia aos VALORES mais recentes,
mesmo considerando todos os valores do perodo
escolhido.
O nico parmetro que deve ser definido para o clculo da
Mdia Mvel Exponencial a quantidade de perodos
anteriores que sero considerados.

Este nmero ir influenciar o comportamento do indicado

quanto mais perodos, menos sensvel ele ser aos novos
movimentos.
Tcnicas para Mdia
Mdia Exponencial Mvel
Prof. Mestre Leandro J. Scherer
DIFERENAS IMPORTANTES ENTRE AS
MDIAS MVEIS
A VELOCIDADE DE RESPOSTA
RPIDA LENTA
Prof. Mestre Leandro J. Scherer
O peso de cada observao decresce no tempo em
progresso geomtrica, ou de forma exponencial.
Cada nova previso obtida com base na previso anterior,
acrescida do erro cometido na previso anterior, corrigido
por um coeficiente de ponderao.
M
x
= Previso para o perodo t;
M
x-1
= Previso para o perodo t-1;
o = coeficiente de ponderao;
D
x-1
= Demanda do perodo t-1.

O coeficiente de ponderao (o) calculado em funo dos perodos
considerados nas mdias sendo sua frmula fixada em : o = 2 / (n +
1) Seu valor varia de 0 a 1 e Quanto maior, mais rapidamente o
modelo de previso reagir a uma variao real da demanda.
Tcnicas para Mdia
Mdia Exponencial Mvel
M
x
=P
x 1
+
(
D
x 1
P
x1
)
Prof. Mestre Leandro J. Scherer
Exerccio:
Mdia Exponencial Mvel
Prof. Mestre Leandro J. Scherer
Tcnicas para Mdia
Mdia Exponencial Mvel
o=0,10 o=0,50
Perodo Demanda Previso Erro Previso Erro
1 90 - - - -
2 95 90,00 5,00 90,00 5,00
3 98 90,50 7,50 92,50 5,50
4 90 91,25 -1,25 95,25 -5,25
5 92 91,12 0,88 92,62 -0,62
6 95 91,20 3,80 92,31 2,69
7 90 91,58 -1,58 93,65 -3,65
8 100 91,42 8,58 91,82 8,18
9 92 92,27 -0,27 95,91 -3,91
10 95 92,25 2,75 93,95 1,05
11 92,52 94,47
Prof. Mestre Leandro J. Scherer
Uma equao linear possui o seguinte
formato:






Y = Previso da demanda para o perodo X;
a = Ordenada origem, ou intercepo no eixo dos Y;
b = Coeficiente angular;
X = Perodo (partindo de X=0) para previso;
n = nmero de perodos observados.
Tcnicas para Tendncia
Equao Linear
Y=a+bX
b=
n
(

XY
)

X
)(

Y
)
n
(

X
2
)

X
)
2
a=

Y b
(

X
)
n
Prof. Mestre Leandro J. Scherer
Uma equao linear possui o seguinte
formato:






Y = Previso da demanda para o perodo X;
a = Ordenada origem, ou intercepo no eixo dos Y;
b = Coeficiente angular;
X = Perodo (partindo de X=0) para previso;
n = nmero de perodos observados.
Tcnicas para Tendncia
Equao Linear
Y=a+bX
b=
n
(

XY
)

X
)(

Y
)
n
(

X
2
)

X
)
2
a=

Y b
(

X
)
n
Prof. Mestre Leandro J. Scherer
Exerccio:
Tcnicas para Tendncia - Equao Linear
Prof. Mestre Leandro J. Scherer
Tcnicas para Tendncia
Equao Linear
Semana(X) Demanda(Y)
X

X
2

XY
1 450 1 1 450
2 430 3 5 860
3 470 6 14 1410
4 480 10 30 1920
5 450 15 55 2250
6 500 21 91 3000
7 520 28 140 3640
8 530 36 204 4240

3830 17770
b=
8 17770 36 3830
8 204 36 36
=
4280
336
= 12, 73
a=
3830 12 , 73 36
8
= 421 , 46
Y = 421,46 + 12,73 X
Y
9
=421,46+12,73(9) =536,03
Y
10
=421,46+12,73(10) =548,76
Prof. Mestre Leandro J. Scherer
Tcnicas para Previso da Sazonalidade
A sazonalidade expressa em termos de uma quantidade,
ou de uma percentagem, da demanda que desvia-se dos
valores mdios da srie. Caso exista tendncia, ela deve
ser considerada.

O valor aplicado sobre a mdia, ou a tendncia, conhecido
como ndice de sazonalidade.

A forma mais simples de considerar a sazonalidade nas
previses da demanda, consiste em empregar o ltimo
dado da demanda, no perodo sazonal em questo, e
assumi-lo como previso.
Prof. Mestre Leandro J. Scherer
Tcnicas para Previso da Sazonalidade
A forma mais usual de incluso da sazonalidade
nas previses da demanda, consiste em obter o
ndice de sazonalidade para os diversos
perodos, empregando a mdia mvel centrada,
e aplic-los sobre o valor mdio (ou tendncia)
previsto para o perodo em questo.

O ndice de sazonalidade obtido (demanda no
perodo / mdia mvel centrada neste perodo).
O perodo empregado para o clculo da mdia mvel o
ciclo da sazonalidade. Quando se dispem de dados
suficientes, calculam-se vrios ndices para cada perodo
e tira-se uma mdia.
Prof. Mestre Leandro J. Scherer
Dia Demanda Mdia Mvel Centrada ndice
Segunda 50
Tera 55
Quarta 52
Quinta 56
Sexta 65
Sbado 80
Domingo 85
Segunda 55
Tera 50
Quarta 58
Quinta 50
Sexta 70
Sbado 75
Domingo 80
Segunda 52
Tera 50
Quarta 54
Quinta 60
Sexta 65
Sbado 85
Domingo 90
Segunda 50
Tera 53
Quarta 55
Exerccio:
Tcnicas para Previso da Sazonalidade
Prof. Mestre Leandro J. Scherer
Dia Demanda Mdia Mvel Centrada ndice
Segunda 50
Tera 55
Quarta 52
Quinta 56 443/7=63,28 56/63,28=0,88
Sexta 65 448/7=64 65/64=1,01
Sbado 80 443/7=63,28 80/63,28=1,26
Domingo 85 449/7=64,14 85/64,14=1,32
Segunda 55 443/7=63,28 55/63,28=0,86
Tera 50 448/7=64 50/64=0,78
Quarta 58 443/7=63,28 58/63,28=0,91
Quinta 50 438/7=62,57 50/62,57=0,79
Sexta 70 435/7=62,14 70/62,14=1,12
Sbado 75 435/7=62,14 75/62,14=1,20
Domingo 80 431/7=61,57 80/61,57=1,29
Segunda 52 441/7=63 52/63=0,82
Tera 50 436/7=62,28 50/62,28=0,80
Quarta 54 446/7=63,71 54/63,71=0,84
Quinta 60 456/7=65,14 60/65,14=0,92
Sexta 65 454/7=64,85 65/64,85=1,00
Sbado 85 457/7=65,28 85/65,28=1,30
Domingo 90 458/7=65,42 90/65,42=1,37
Segunda 50
Tera 53
Quarta 55
Tcnicas para Previso da Sazonalidade
I
segunda
= 0,84
I
tera
= 0,79
I
quarta
= 0,87
I
quinta
= 0,86
I
sexta
= 1,04
I
sbado
= 1,25
I
domingo
= 1,32
Prof. Mestre Leandro J. Scherer
Manuteno e Monitoramento
do Modelo
Uma vez decidida a tcnica de previso e implantado o modelo,
h necessidade de acompanhar o desempenho das previses e
confirmar a sua validade perante a dinmica atual dos dados.
Esta monitoramento realizada atravs do clculo e
acompanhamento do erro da previso, que a diferena que
ocorre entre o valor real da demanda e o valor previsto pelo
modelo para um dado perodo. A manuteno e monitoramento
de um
modelo de previso confivel busca:
Verificar a acuidade dos valores previstos;
Identificar, isolar e corrigir variaes anormais;
Permitir a escolha de tcnicas, ou parmetros, mais eficientes.
Prof. Mestre Leandro J. Scherer
Manuteno e Monitorizao
do Modelo
Uma forma de acompanhar o desempenho do modelo
consiste em verificar o comportamento do erro
acumulado que deve tender a zero, pois espera-se que o
modelo de previso gere, aleatoriamente, valores acima
e abaixo dos reais, devendo assim se anular.
O erro acumulado deve ser comparado com um mltiplo do
desvio mdio absoluto, conhecido como MAD (Mean Absolute
Deviation).
Em geral, compara-se o valor do erro acumulado com o valor
de 4 MAD. Quando ultrapassar este valor, o problema deve ser
identificado e o modelo deve ser revisto.
MAD=

D
atual
D
prevista

n
Prof. Mestre Leandro J. Scherer
o = 0,10 o = 0,50
Perodo D
atual
D
prevista
Erro D
prevista
Erro
1 90 - - - -
2 95
3 98
4 90
5 92
6 95
7 90
8 100
9 92
10 95

Erro=

Erro=
MAD = MAD =
EXERCCIO DA TRANSPARNCIA 19
Exerccio:
Manuteno e Monitoramento do Modelo
Prof. Mestre Leandro J. Scherer
o = 0,10 o = 0,50
Perodo D
atual
D
prevista
Erro D
prevista
Erro
1 90 - - - -
2 95 90,00 5,00 90,00 5,00
3 98 90,50 7,50 92,50 5,50
4 90 91,25 -1,25 95,25 -5,25
5 92 91,12 0,88 92,62 -0,62
6 95 91,20 3,80 92,31 2,69
7 90 91,58 -1,58 93,65 -3,65
8 100 91,42 8,58 91,82 8,18
9 92 92,27 -0,27 95,91 -3,91
10 95 92,25 2,75 93,95 1,05

Erro= 25,41
Erro= 8,99
MAD = 31,61/9 = 3,51 MAD = 35,85/9 = 3,98
Manuteno e Monitoramento
do Modelo
-Parao=0,10, temosque: 435114042541 =< , , ,;
-Parao=0,50, temosque:
43981592899 => , , ,
.
Prof. Mestre Leandro J. Scherer
Manuteno e Monitoramento
do Modelo
Uma srie de fatores pode afetar o desempenho de
um modelo de previso, sendo que os mais comuns
so:
A tcnica de previso pode estar sendo usada incorretamente, ou
sendo mal interpretada;
A tcnica de previso perdeu a validade devido mudana em
uma varivel importante, ou devido ao aparecimento de uma nova
varivel;
Variaes irregulares na demanda podem ter acontecido em
funo de greves, formao de estoques temporrios, catstrofes
naturais, etc.
Aes estratgicas da concorrncia, afetando a demanda;
Variaes aleatrias inerentes aos dados da demanda.
Prof. Mestre Leandro J. Scherer
Exerccios