PREVISÃO DE DEMANDA
Parte 1
Prof. Ms. Mauro Enrique Carozzo Todaro
1
Saiba mais em https://pcpengenharia.wordpress.com/pre...
O QUE É?
PREVISÃO DE DEMANDA
2
“Processo metodológico para determinação de dados (demanda)
futuros baseados em modelos est...
QUAL É O OBJETIVO?
PREVISÃO DE DEMANDA
• Reduzir a incerteza sobre o futuro;
• Reduzir os riscos na tomada de decisão.
3
POR QUE SÃO NECESSÁRIAS?
PREVISÃO DE DEMANDA
4
• Porque existem demoras na provisão;
• Servem como base para o planejament...
CARACTERÍSTICAS
PREVISÃO DE DEMANDA
Diretamente relacionada com a satisfação do cliente e a
rentabilidade no longo prazo.
...
ELEMENTOS PRESENTES EM UMA BOA PREVISÃO
PREVISÃO DE DEMANDA
6
O horizonte de previsão precisa cobrir o tempo
necessário à ...
PREVISÃO DE DEMANDA
• Média, intervalo e estimação de probabilidade do intervalo.
Ex: 100 (+/-) 20, com uma probabilidade ...
COMO SÃO USADAS PELO PCP?
PREVISÃO DE DEMANDA
8
Planejar o uso do sistema produtivo – MPS e Programação
Previsões detalhad...
HORIZONTES DE PREVISÃO
PREVISÃO DE DEMANDA
• Curto - 1 a 3 meses, por semanas ou meses;
• Médio - 3 meses a 2 anos, por me...
ETAPAS DE UM MODELO DE PREVISÃO
PREVISÃO DE DEMANDA
10
Objetivo do modelo
Coleta e análise de dados
Seleção da técnica de ...
MÉTODOS
QUANTITATIVOS
INTRÍNSECOS
(Séries Temporais)
EXTRÍNSECOS
(Regressões)
QUALITATIVOS
TÉCNICAS DE PREVISÃO
PREVISÃO D...
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
• Baseados na análise de séries de tempo*;
• Modelam o padrão do passado para proj...
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
Exemplos:
• Médias móveis;
• Ajustamento exponencial;
• Decomposição;
• Cresciment...
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
• Para demanda agregada e desagregada;
• Os modelos de previsão pode conter tendên...
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
• Modelos causais (explicativos ou econométricos);
• Horizonte: Longo prazo;
• Mod...
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
• Regressão simples, múltipla, linear e não linear;
• Para demandas agregadas, dad...
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
Baseados em juízos e opiniões:
• Método Delphi;
• Pesquisa de Mercados;
• Painéis ...
MÉTODOS DE PREVISÃO
PREVISÃO DE DEMANDA
São úteis:
• Quando não existem dados históricos suficientes (novos
produtos);
• E...
EXEMPLOS DE SÉRIES TEMPORAIS
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
19
0
20
40
60
80
100
120
1 6 11 16 21 26 31 36 41
Al...
EXEMPLOS DE SÉRIES TEMPORAIS
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
20
0
50
100
150
200
250
1 6 11 16 21 26 31 36 41
Saz...
PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
21
0
200
400
600
800
1 6 11 16 21 26 31 36 41
Série obsevada
REVISÃO DA PREVISÃO
• Período a período - horizonte deslizante.
Ex: Se preveem 12 meses, cada mês que passa, volto a preve...
ERRO DE PREVISÃO
A determinação do erro de previsão é fundamental para:
• Determinar a efetividade do método;
• Comparar m...
ERRO DE PREVISÃO
Desvio padrão do erro:
Um bom modelo de previsão minimiza o desvio padrão dos
erros (reduz estoque).
24
1...
MÉDIA MÓVEIS SIMPLES
• Previsão com médias móveis:
• Usar n grande para séries muito aleatórias;
• Usar n pequeno para aut...
26
MÉTODOS INTRÍSECOS – MÉDIA MÓVEIS SIMPLES
Per Dem. Hist.
t Yt Ft et Ft et Ft et
1 Jan 3.256
2 Fev 3.315
3 Mar 3.006
4 A...
27Consulte o gráfico em https://pcpengenharia.wordpress.com/previsao/
MÉTODOS INTRÍSECOS – MÉDIA MÓVEIS SIMPLES
SUAVIZAÇÃO EXPONENCIAL SIMPLES
• Previsão:
Obs.: Onde , e como valor inicial se considera F1 = Y1.
• É um dos métodos mais...
29
Per Dem. Hist.
t Yt Ft et Ft et Ft et
1 Jan 3.256
2 Fev 3.315 3.256 59 3.256 59 3.256 59
3 Mar 3.006 3.262 256- 3.286 2...
30Consulte este exemplo em https://pcpengenharia.wordpress.com/previsao/
MÉTODOS INTRÍSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPL...
31
REFERÊNCIAS
MARTINS, P. G. e LAUGENI, F. P. Capítulo 8: Previsão de Vendas. In:
Administração da produção. Petrônio Gar...
Upcoming SlideShare
Loading in …5
×

Previsão de demanda - Parte I

6,320
-1

Published on

Published in: Business
0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
6,320
On Slideshare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
282
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide

Previsão de demanda - Parte I

  1. 1. PREVISÃO DE DEMANDA Parte 1 Prof. Ms. Mauro Enrique Carozzo Todaro 1 Saiba mais em https://pcpengenharia.wordpress.com/previsao/
  2. 2. O QUE É? PREVISÃO DE DEMANDA 2 “Processo metodológico para determinação de dados (demanda) futuros baseados em modelos estatísticos, matemáticos ou econométricos ou ainda em modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida.” Martins e Laugeni (2006, P. 226)
  3. 3. QUAL É O OBJETIVO? PREVISÃO DE DEMANDA • Reduzir a incerteza sobre o futuro; • Reduzir os riscos na tomada de decisão. 3
  4. 4. POR QUE SÃO NECESSÁRIAS? PREVISÃO DE DEMANDA 4 • Porque existem demoras na provisão; • Servem como base para o planejamento estratégico da produção, vendas e finanças; • São fundamentais para os planos de capacidade, de fluxo de caixa, de vendas, de produção, de estoque, de mão de obra e de compras.
  5. 5. CARACTERÍSTICAS PREVISÃO DE DEMANDA Diretamente relacionada com a satisfação do cliente e a rentabilidade no longo prazo. Quase todas as previsões se baseiam na suposição de que o passado irá se repetir. Previsões raramente são perfeitas e a precisão diminui com o aumento do período de tempo sondado. As previsões de demanda agregada são, normalmente, mais precisas que as individuais (menor aleatoriedade). 5
  6. 6. ELEMENTOS PRESENTES EM UMA BOA PREVISÃO PREVISÃO DE DEMANDA 6 O horizonte de previsão precisa cobrir o tempo necessário à implementação das possíveis mudanças. Previsões eficazes requerem uma base de dados de demanda precisa. Registrar a demanda (não vendas) em tempo real, não depois. Devem-se detectar demandas irregulares.
  7. 7. PREVISÃO DE DEMANDA • Média, intervalo e estimação de probabilidade do intervalo. Ex: 100 (+/-) 20, com uma probabilidade de 95% • Intervalo de confiança = F ± z. SDE Onde: F: Previsão para o período t z: Número de desvio padrão correspondente a área sob a curva normal. z = 1,64 (confiança de 90%), z = 1,96 (95%) e z = 3,0 (99,7%). SDE: Desvio padrão do erro. 7 DEVE SER EXATA ELEMENTOS PRESENTES EM UMA BOA PREVISÃO
  8. 8. COMO SÃO USADAS PELO PCP? PREVISÃO DE DEMANDA 8 Planejar o uso do sistema produtivo – MPS e Programação Previsões detalhada a médio e curto prazo. Utilização dos recursos disponíveis. Definição da produção, reposição de estoque, sequenciamento, etc. Planejar o sistema produtivo – Planejamento Estratégico Previsões agregadas a longo prazo. Define a família de produtos e serviços. Define instalações, equipamentos, mão de obra, etc.
  9. 9. HORIZONTES DE PREVISÃO PREVISÃO DE DEMANDA • Curto - 1 a 3 meses, por semanas ou meses; • Médio - 3 meses a 2 anos, por meses ou trimestres; • Longo - 2 a 10 anos, por trimestres ou anos. Obs.: Quanto maior for o horizonte pretendido, menor a confiabilidade da demanda prevista. 9
  10. 10. ETAPAS DE UM MODELO DE PREVISÃO PREVISÃO DE DEMANDA 10 Objetivo do modelo Coleta e análise de dados Seleção da técnica de previsão Obtenção das previsões Monitoração do modelo
  11. 11. MÉTODOS QUANTITATIVOS INTRÍNSECOS (Séries Temporais) EXTRÍNSECOS (Regressões) QUALITATIVOS TÉCNICAS DE PREVISÃO PREVISÃO DE DEMANDA 11
  12. 12. MÉTODOS DE PREVISÃO PREVISÃO DE DEMANDA • Baseados na análise de séries de tempo*; • Modelam o padrão do passado para projetá-lo no futuro; • Horizonte: Médio e curto prazo. *Série de tempo: Sucessão de observações de uma mesma variável em intervalos regulares de tempo. 12 QUANTITATIVOS INTRÍNSECOS
  13. 13. MÉTODOS DE PREVISÃO PREVISÃO DE DEMANDA Exemplos: • Médias móveis; • Ajustamento exponencial; • Decomposição; • Crescimento linear e não linear; • Entre outros. 13 QUANTITATIVOS INTRÍNSECOS
  14. 14. MÉTODOS DE PREVISÃO PREVISÃO DE DEMANDA • Para demanda agregada e desagregada; • Os modelos de previsão pode conter tendência, sazonalidade, autocorrelação, entre outros; • Objetividade (erro médio, desvio padrão, etc.); • Baixo custo; • Pode ser repetido muitas vezes; • Não prevê mudanças futuras. 14 QUANTITATIVOS INTRÍNSECOS
  15. 15. MÉTODOS DE PREVISÃO PREVISÃO DE DEMANDA • Modelos causais (explicativos ou econométricos); • Horizonte: Longo prazo; • Modelam a relação entre a demanda e outras variáveis (variáveis independentes) para projetar o futuro. 15 QUANTITATIVOS EXTRÍNSECOS
  16. 16. MÉTODOS DE PREVISÃO PREVISÃO DE DEMANDA • Regressão simples, múltipla, linear e não linear; • Para demandas agregadas, dado que são muito custosos; • Grandes corporações; • Mais complexos que os intrínsecos (requerem previsão de variáveis externas). 16 QUANTITATIVOS EXTRÍNSECOS
  17. 17. MÉTODOS DE PREVISÃO PREVISÃO DE DEMANDA Baseados em juízos e opiniões: • Método Delphi; • Pesquisa de Mercados; • Painéis de Expertos. 17 QUALITATIVOS
  18. 18. MÉTODOS DE PREVISÃO PREVISÃO DE DEMANDA São úteis: • Quando não existem dados históricos suficientes (novos produtos); • Em previsões de longo prazo, quando não se pode supor que o passado irá se repetir; • Para ajustar valores obtidos por métodos quantitativos. 18 QUALITATIVOS
  19. 19. EXEMPLOS DE SÉRIES TEMPORAIS PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS 19 0 20 40 60 80 100 120 1 6 11 16 21 26 31 36 41 Aleatoriedade 0 50 100 150 1 6 11 16 21 26 31 36 41 Autocorrelação 0 200 400 600 800 1 6 11 16 21 26 31 36 41 Tendência
  20. 20. EXEMPLOS DE SÉRIES TEMPORAIS PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS 20 0 50 100 150 200 250 1 6 11 16 21 26 31 36 41 Sazonalidade 0 200 400 600 800 1 6 11 16 21 26 31 36 41 Tendência e Sazonalidade
  21. 21. PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS 21 0 200 400 600 800 1 6 11 16 21 26 31 36 41 Série obsevada
  22. 22. REVISÃO DA PREVISÃO • Período a período - horizonte deslizante. Ex: Se preveem 12 meses, cada mês que passa, volto a prever outros 12 meses (revisou os 11 que tinha previsto e acrescento 1) • Na revisão se modificam previsões realizadas e se acrescenta um período novo. 22 PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
  23. 23. ERRO DE PREVISÃO A determinação do erro de previsão é fundamental para: • Determinar a efetividade do método; • Comparar métodos. Erro de previsão: et = Yt – Ft Erro médio: ē = Um bom modelo de previsão tem erro médio próximo de zero. 23    N 1t tt N 1t t )F(Y N 1 e N 1 Onde: Yt: Demanda real observada no período t Ft: Previsão para o período t N: Quantidade de períodos observados PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
  24. 24. ERRO DE PREVISÃO Desvio padrão do erro: Um bom modelo de previsão minimiza o desvio padrão dos erros (reduz estoque). 24 1 1 2 )(      N SDE N t t ee PREVISÃO DE DEMANDA – MÉTODOS INTRÍSECOS
  25. 25. MÉDIA MÓVEIS SIMPLES • Previsão com médias móveis: • Usar n grande para séries muito aleatórias; • Usar n pequeno para autocorrelação (n pequeno suaviza o padrão); • Não modela tendência, nem sazonalidade; • Otimização de n: minimizar o SDE considerando N períodos históricos. Obs.: Com n = 1, a previsão é igual ao mês anterior. 25 n YYY F nttt t    ...21 MÉTODOS INTRÍSECOS
  26. 26. 26 MÉTODOS INTRÍSECOS – MÉDIA MÓVEIS SIMPLES Per Dem. Hist. t Yt Ft et Ft et Ft et 1 Jan 3.256 2 Fev 3.315 3 Mar 3.006 4 Abr 3.560 3.192 368 5 Mai 3.300 3.294 6 6 Jun 3.051 3.289 238- 7 Jul 3.425 3.304 121 3.248 177 8 Ago 3.703 3.259 444 3.276 427 9 Set 3.240 3.393 153- 3.341 101- 10 Out 3.231 3.456 225- 3.380 149- 11 Nov 2.887 3.391 504- 3.325 438- 12 Dez 3.918 3.119 799 3.256 662 13 Jan 3.271 3.345 74- 3.401 130- 3.324 53- 14 Fev 3.073 3.359 286- 3.375 302- 3.326 253- 15 Mar 3.396 3.421 25- 3.270 126 3.305 91 16 Abr 3.036 3.247 211- 3.296 260- 3.338 302- 17 Mai 3.196 3.168 28 3.264 68- 3.294 98- 18 Jun 4.106 3.209 897 3.315 791 3.286 820 19 Jul 3.449 3.446 3 3.346 103 3.374 76 20 Ago 3.913 3.584 329 3.376 537 3.376 538 21 Set 3.324 3.823 499- 3.516 192- 3.393 69- 22 Out 3.277 3.562 285- 3.504 227- 3.400 123- 23 Nov 3.204 3.505 301- 3.544 340- 3.404 200- 24 Dez 4.079 3.268 811 3.546 534 3.430 649 3.520 3.541 3.444 388 572 1.075 32 48 90 438 379 373Desv. Pad. do erro (13 a 24) Erro acumulado (13 a 24) Mês Per 3 Per 6 Per 12 Previsão mês 25 Erro médio ( 13 a 24) Consulte este exemplo em https://pcpengenharia.wordpress.com/previsao/
  27. 27. 27Consulte o gráfico em https://pcpengenharia.wordpress.com/previsao/ MÉTODOS INTRÍSECOS – MÉDIA MÓVEIS SIMPLES
  28. 28. SUAVIZAÇÃO EXPONENCIAL SIMPLES • Previsão: Obs.: Onde , e como valor inicial se considera F1 = Y1. • É um dos métodos mais utilizados; • Usar α alto para séries muito suaves, α baixo para séries muito aleatórias; • Com α alto reage mais rápido à tendência, mas também às flutuações aleatórias; • Não modela tendência nem sazonalidade; • Otimização de α : minimizar o SDE considerando N períodos históricos. Obs.: o método necessita só os dados do período anterior, mas implicitamente estão todos. 28 10      11111 1   tttttt FYFYFF  MÉTODOS INTRÍSECOS
  29. 29. 29 Per Dem. Hist. t Yt Ft et Ft et Ft et 1 Jan 3.256 2 Fev 3.315 3.256 59 3.256 59 3.256 59 3 Mar 3.006 3.262 256- 3.286 280- 3.303 297- 4 Abr 3.560 3.236 324 3.146 414 3.065 495 5 Mai 3.300 3.269 31 3.353 53- 3.461 161- 6 Jun 3.051 3.272 221- 3.326 275- 3.332 281- 7 Jul 3.425 3.250 175 3.189 236 3.107 318 8 Ago 3.703 3.267 436 3.307 396 3.361 342 9 Set 3.240 3.311 71- 3.505 265- 3.635 395- 10 Out 3.231 3.304 73- 3.372 141- 3.319 88- 11 Nov 2.887 3.296 409- 3.302 415- 3.249 362- 12 Dez 3.918 3.256 662 3.094 824 2.959 959 13 Jan 3.271 3.322 51- 3.506 235- 3.726 455- 14 Fev 3.073 3.317 244- 3.389 316- 3.362 289- 15 Mar 3.396 3.292 104 3.231 165 3.131 265 16 Abr 3.036 3.303 267- 3.313 277- 3.343 307- 17 Mai 3.196 3.276 80- 3.175 21 3.097 99 18 Jun 4.106 3.268 838 3.185 921 3.176 930 19 Jul 3.449 3.352 97 3.646 197- 3.920 471- 20 Ago 3.913 3.362 551 3.547 366 3.543 370 21 Set 3.324 3.417 93- 3.730 406- 3.839 515- 22 Out 3.277 3.407 130- 3.527 250- 3.427 150- 23 Nov 3.204 3.394 190- 3.402 198- 3.307 103- 24 Dez 4.079 3.375 704 3.303 776 3.225 854 3.446 3.691 3.908 1.897 870 815 82 38 35 346 405 455 Erro acumulado (2 a 24) Erro médio (2 a 24) Desv. Pad. do erro (2 a 24) Mês α= 0,10 α= 0,50 α= 0,80 Previsão mês 25 MÉTODOS INTRÍSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPLES Consulte este exemplo em https://pcpengenharia.wordpress.com/previsao/
  30. 30. 30Consulte este exemplo em https://pcpengenharia.wordpress.com/previsao/ MÉTODOS INTRÍSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPLES
  31. 31. 31 REFERÊNCIAS MARTINS, P. G. e LAUGENI, F. P. Capítulo 8: Previsão de Vendas. In: Administração da produção. Petrônio Garcia Martins e Fernando P. Laugeni. 2 ed. São Paulo: Saraiva, 2006. MOREIRA, D. A. Capítulo 11: Previsão da Demanda. In: Administração da produção e operações. MOREIRA, Daniel Augusto. 2 ed. São Paulo: Cengage Learning, 2011. STEVENSON, W. Capítulo 3: Previsões. In: Administração das operações de produção. STEVENSON, Willam J. 6 ed. Rio de Janeiro: LTC, 2001. TUBINO, D. F. Capítulo 2: Previsão da Demanda. In: Planejamento e Controle da Produção - Teoria e Prática. 2 ed. São Paulo: Atlas, 2009.
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×