Prof. Msc. Mauro Enrique Carozzo Todaro

Apresentação em tema: "Prof. Msc. Mauro Enrique Carozzo Todaro"— Transcrição da apresentação:

1 Prof. Msc. Mauro Enrique Carozzo Todaro
PREVISÃO DE DEMANDA Prof. Msc. Mauro Enrique Carozzo Todaro

2 PREVISÃO DE DEMANDA O QUE É?
“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 reduzir a incerteza sobre o futuro
PREVISÃO DE DEMANDA QUAL É O OBJETIVO? reduzir a incerteza sobre o futuro reduzir os riscos na tomada de decisão

4 Por que são necessárias?
PREVISÃO DE DEMANDA Por que são necessárias? Porque existem demoras na provisão. Servem como base para o planejamento.

5 PREVISÃO DE DEMANDA CARACTERÍSTICAS
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 ira se repetir. Previsões raramente são perfeitas. As previsões de demanda agregada são, normalmente, mais precisas que as individuais (menos aleatoriedade).

6 ELEMENTOS PRESENTES EM UMA BOA PREVISÃO
PREVISÃO DE DEMANDA ELEMENTOS PRESENTES EM UMA BOA PREVISÃO 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 ELEMENTOS PRESENTES EM UMA BOA PREVISÃO
PREVISÃO DE DEMANDA ELEMENTOS PRESENTES EM UMA BOA PREVISÃO DEVE SER EXATA Média, intervalo e estimação de probabilidade do intervalo. Ex: 100 (+/-) 20, com uma probabilidade de 95% Intervalo de confiança = F ± z. SDE F: previsão para o período t z: numero 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.

8 PREVISÃO DE DEMANDA HORIZONTES DE PREVISÃO
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

9 PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO MÉTODOS QUANTITATIVOS
INTRÍNSECOS EXTRÍNSECOS QUALITATIVOS

10 PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS INTRÍNSECOS
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. QUANTITATIVOS INTRÍNSECOS

11 PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS Exemplos:
Médias móveis. Ajustamento exponencial. Decomposição. Crescimento linear e não linear. Entre outros. QUANTITATIVOS INTRÍNSECOS

12 PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS INTRÍNSECOS
Para demanda agregada e desagregada. Objetividade (erro médio, desvio padrão, etc.). Baixo custo. Pode ser repetido muitas vezes. Não prevê mudanças futuras. QUANTITATIVOS INTRÍNSECOS

13 PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS EXTRÍNSECOS
Modelos causais (explicativos ou econométricos). Horizonte: Longo prazo. Modelam a relação entre a demanda e outras variáveis (variáveis independentes) para projetar o futuro. QUANTITATIVOS EXTRÍNSECOS

14 PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS EXTRÍNSECOS
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). QUANTITATIVOS EXTRÍNSECOS

15 PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUALITATIVOS
Baseados em juízos e opiniões: Método Delphi; Pesquisa de mercados; Painéis de expertos. QUALITATIVOS

16 PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUALITATIVOS São úteis:
quando não existem dados históricos suficientes (novos produtos); em previsões de longo prazo, quando não se pode supor que o passado ira-se repetir; para ajustar valores obtidos por métodos quantitativos. QUALITATIVOS

17 PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
Exemplos de séries temporais

18 PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
Exemplos de séries temporais

19 PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS

20 Período a período - horizonte deslizante.
PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS REVISÃO DA PREVISÃO Período a período - horizonte deslizante. Ex: Se prevêem12 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.

21 PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
ERRO DE PREVISÃO A determinação do erro de previsão é fundamental para: Determinar a efetividade do método Comparar métodos Notação: Y: Demanda real observada no período t F: Previsão para o período t N: Quantidade de períodos observados Erro de previsão et = Yt – Ft Erro médio ē = Um bom modelo de previsão tem erro médio próximo de zero.

22 PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS
ERRO DE PREVISÃO Desvio padrão do erro: Um bom modelo de previsão minimiza o desvio padrão dos erros (reduz estoque)

23 MÉTODOS INTRÍNSECOS – Médias Móveis Simples
Previsão com médias moveis: 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.

24 MÉTODOS INTRÍNSECOS – Médias Móveis Simples

25 MÉTODOS INTRÍNSECOS – Médias Móveis Simples

26 MÉTODOS INTRÍNSECOS – SUAVIZAÇÃO EXPONENCIAL Simples
Previsão: Aonde 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 alta (baixa) autocorrelação usar altos (baixos) valores de α. 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.

27 MÉTODOS INTRÍNSECOS – SUAVIZAÇÃO EXPONENCIAL Simples

28

29 Referências Bibliográficas
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.