Previsão de

Demanda
Aula 03
Prof. Fábio Paes
Objetivo

• Compreender e identificar a necessidade das previsões

de demanda nos diferentes tipos de organização.

Prof. Fábio Paes

2
Resumo
• É preciso haver um norte para que a administração da
produção possa trabalhar.

• A previsão de vendas oferece este direcionamento.

Prof. Fábio Paes

• Existem quatro grandes modelos de previsão de
demanda amplamente utilizados pelas empresas:

3
Resumo
• Os modelos qualitativos são, essencialmente, subjetivos e
apropriados quando não existem dados históricos para
serem analisados como base para a previsão.
• Os principais modelos qualitativos de previsão de

Prof. Fábio Paes

demanda são: predição, opiniões de executivos, método
Dephi, opiniões da equipe de vendas, pesquisas de
mercado e analogia com produtos similares.

4
Resumo
 Os modelos de decomposição de séries temporais se baseiam no
estudo estatístico da demanda acontecida no passado para projetar
a demanda futura.

 Toda série temporal pode ser analisada e decomposta em uma parte

Prof. Fábio Paes

sistemática, composta de nível, tendência e sazonalidade e outra
parte aleatória.

 Dentre estes modelos tem-se: os modelos baseados na média

(média móvel, ponderada ou com suavização exponencial), que
devem ser aplicados apenas a demandas que não apresentem
tendência ou sazonalidade e os modelos de regressão linear,
utilizados para demandas que apresentam tendência mas não
5
apresentam sazonalidade.
Resumo

• O modelo do ajustamento sazonal pode ser aplicado para

séries temporais de demandas que apresentam nível,
tendência e sazonalidade.

Prof. Fábio Paes

6
Previsão
 A previsão da demanda futura é a base para todas as decisões estratégicas e de
planejamento em uma cadeia de suprimento.

 Previsões ajudam os gerentes a reduzir parte das incertezas permitindo-lhes

desenvolver planos mais realistas. Uma previsão é uma declaração sobre o futuro.

 As previsões são vitais para todas as organizações e para cada decisão administrativa

Prof. Fábio Paes

significativa. É a base para o planejamento corporativo de longo prazo.

 O planejamento eficaz da demanda do cliente é um dos principais responsáveis pelo

sucesso da cadeia de suprimentos, que se inicia com previsões precisas.

 A previsão de vendas é importante para utilizar as máquinas de maneira adequada,

para realizar a reposição dos materiais no momento e na quantidade certa, e para
que todas as demais atividades necessárias ao processo industrial sejam
adequadamente programadas.
7
Predição
 Na verdade não se trata de um método científico, mas sim de
um processo para a determinação de um acontecimento
futuro com base em dados completamente subjetivos, de
natureza altamente duvidosa. É uma aposta no futuro, com
grande risco e sujeita à sorte.

Prof. Fábio Paes

 A predição faz parte do estilo empreendedor e é, muitas
vezes, interpretada como visão ou feeling. O empreendedor
visionário parece dominar a técnica da predição, enxergando
oportunidades de demanda incapazes de serem percebidas
pelos métodos tradicionais.
8
Equipe de vendas

• Este método consiste em solicitar diretamente à força de

vendas que forneça a estimativa de vendas em cada uma das
regiões de atuação. Estas estimativas são agregadas em um
composto que passa a representar a previsão global de

Prof. Fábio Paes

vendas.

9
Pesquisas de mercado
 Esta metodologia é imprescindível para a colocação de um
novo produto no mercado. Uma pesquisa é qualquer
investigação organizada executada para se obter informações
para solução de problemas.

Prof. Fábio Paes

 Ela proporciona informações sistematizadas capazes de
orientar as decisões, podendo envolver estudos informativos,
descritivos, explanatórios ou preditivos. A pesquisa de
mercado é uma pesquisa preditiva para levantar a intenção de
compra diretamente do mercado consumidor.

10
Analogia com produtos similares
• Uma forma bastante utilizada para o lançamento de um
produto é buscar dados históricos de vendas de produtos
similares, quando estes existem.

• Neste caso, deve-se atentar para o grau de similaridade do

Prof. Fábio Paes

produto de comparação.

11
Fontes de informaçõ es
 Câmara de comércio;

 IBGE;

 Informações internas;

Prof. Fábio Paes

 IPEA;

 Banco Central;

 Sindicatos;

 Associação Comercial;
12
 Outros.
Métodos
• Análise de regressão é utilizada com o objetivo de previsão.
O propósito é o desenvolvimento de um modelo estatístico
que possa ser utilizado para prever os valores de uma
variável dependente ou variável de resposta.
• Análise de correlação é utilizada para medir a força de

Prof. Fábio Paes

associação entre variáveis numéricas, por exemplo,
determinar a correlação entre o preço de embalagem com
seis unidades de refrigerante e o preço do frango em locais
diferentes.

13
• Diagrama de dispersão: Suponha que um engenheiro de uma
grande empresa queira desenvolver um modelo estatístico
para prever a concentração de um componente e o tempo de
uma reação química.

Prof. Fábio Paes

14
Gráficos de dispersão

Prof. Fábio Paes

15
Determinação da equação da Regressão
Linear Simples
• A questão principal é determinar um modelo que melhor se
ajuste aos dados.
• Para o exemplo apresentado pode-se perceber que existe uma
relação linear, entre concentração e tempo de reação.

Prof. Fábio Paes

16
 Y = B.X + A
• Y corresponde à variável dependente, no caso tempo de
reação (s);
• X corresponde à variável independente, no caso concentração
(ppm).
 Y = B.X + A
• A equação acima depende da determinação dos dois
coeficientes b0 e b1. Uma técnica matemática que determina
esses valores e que minimiza essa diferença é conhecida
como: MÉTODO DOS MÍNIMOS QUADRADOS.
Correlação Linear de
Pearson
Conceito
• A Correlação Linear de Pearson mede
a inter-relação linear entre duas
variáveis. Isto significa que r mede o
grau em que uma linha reta,
relacionando X e Y, pode resumir a
tendência expressa em um diagrama
de dispersão.
Conceito
• A correlação é tão mais intensa
quanto mais próximos estiveram os
pontos, em um gráfico de dispersão,
de uma linha reta imaginária. Nem
todas as relações são lineares.
Existem relações não lineares, ou
curvilíneas.
Intensidade da Correlação
• Essa força, intensidade ou grau é expressa pelo
Coeficiente de Correlação, medida utilizada
para avaliar o grau de relação entre duas
variáveis.
• O Coeficiente de Correlação, medida utilizada
para avaliar o grau de relação entre duas
variáveis. O Coeficiente de Correlação varia
entre –1 e +1, inclusive. Assim, se r apresenta os
valores –1 e +1, existe uma correlação perfeita
entre as duas variáveis.
Classificação da correlação
• r = 1, correlação linear positiva e
perfeita .
• r = -1 correlação linear negativa e
perfeita.
• r = 0, inexistência de correlação
linear.
DETERMINAÇÃO DO
COEFICIENTE DE CORRELAÇÃO LINEAR
DE PEARSON
Exemplo – previsão de
faturamento
• Etapas da construção do modelo
• Busca de dados históricos em banco de dados
• Ordenação das informações obtidas
• Variável dependente – Y
• Faturamento
• Variável independente – X
• Entrada de novos clientes
 NOVOS CLIENTES FATURAMENTO (mil)
jan/13 150 96
fev/13 180 102
mar/13 163 125
abr/13 258 144
mai/13 269 165
jun/13 369 190
jul/13 454 219
ago/13 558 251
set/13 687 289
out/13 845 333
nov/13 1.039 382
dez/13 1.278 440
jan/14 1.572 506
fev/14 1.933 582
mar/14 2.378 669
abr/14 2.925 769
mai/14 3.597 884
jun/14 4.425 1.017
Resolução
• N = 18
• Média de Y = 398
• Média de X = 1.282
• Soma X.Y = 15.323.772

Prof. Fábio Paes

• Soma X² = 57.705.046
• Soma Y² = 4.213.664
• Média de X elevado ao quadrado = 1.643.524
• B = 0,2183
• A = 118,14
• Y = 0,2183.X + 118,14
• R= 0,9917 28