Jurandir Peinado GESTÃO DE OPERAÇÕES Previsão de demanda.

Apresentação em tema: "Jurandir Peinado GESTÃO DE OPERAÇÕES Previsão de demanda."— Transcrição da apresentação:

1 Jurandir Peinado GESTÃO DE OPERAÇÕES Previsão de demanda

2 Jurandir Peinado A importância da Previsão de demanda Uma previsão é uma declaração sobre o futuro, mesmo que ele seja incerto, é preciso haver um norte para que a administração da produção possa trabalhar PRINCIPAIS CUIDADOS COM A PREVISÃO Os fatores responsáveis pela demanda passada podem mudar O erro de previsão precisa ser conhecido O grau de agregação dos produtos precisa ser adequado O horizonte de tempo da previsão precisa ser adequado Não transformar a previsão de demanda em meta de vendas ou de produção

3 Jurandir Peinado Modelos Qualitativos São essencialmente subjetivos. Podem ser apropriados quando não existirem dados históricos ou se tratar de novo produto. Estes modelos geralmente são abordados pela área de marketing Predição Opiniões de executivos Método Delphi Opiniões da equipe de vendas Pesquisas de mercado Analogia com produtos similares

4 Jurandir Peinado Decomposição de séries temporais Se baseiam em buscar na demanda acontecida no passado para projetar a demanda futura. Estes modelos são válidos apenas para produtos já existentes pelo tempo necessário que possam permitir dados suficientes para tal projeção. Parte Sistemática Nível Tendência Sazonalidade DEMANDA OCORRIDA Parte Aleatória Modelo da Média Móvel Simples Modelo da Média Móvel Ponderada Modelo da Média Móvel com Suavização Exponencial Simples Modelo da Mínimos Quadrados ou Regressão Linear Modelo do Ajustamento Sazonal

5 Jurandir Peinado Modelo da Média Móvel Simples Deve ser aplicado apenas para demandas que não apresentem nem tendência nem sazonalidade. Demandas desta natureza podem ser representadas, por exemplo, por produtos em sua fase de maturidade, Como arroz, feijão, macarrão, sal, sabão, sabonetes, dentifrícios etc Previsão de demanda pela média móvel. Onde:i = Número de ordem de cada período mais recente n = Número de períodos utilizados para apurar a média móvel D i = Demanda ocorrida no período i P j = Previsão de demanda no período j

6 Jurandir Peinado Média Móvel Simples: com três períodos Produto AProduto B PeríodoVendasPrevisãoPeríodoVendasPrevisão 1260180 22202130 32503270 4258496 52225156 62056324 72677130 82408210 92709430 1023510180 1121411300 1228512620 13? ?

7 Jurandir Peinado Amplitude dos erros Um bom modelo de previsão capta o comportamento sistemático da demanda e indica o comportamento aleatório através da amplitude do erro. A medida dos erros também faz parte do resultado da previsão. Cálculo do erro simples: Será a diferença entre a demanda real e a demanda prevista. Erro simples de previsão E i = Erro simples cometido no período i D i = Demanda observada no período i P i = Previsão estimada para o período i

8 Jurandir Peinado Amplitude dos erros Um bom modelo de previsão capta o comportamento sistemático da demanda e indica o comportamento aleatório através da amplitude do erro. A medida dos erros também faz parte do resultado da previsão. Cálculo do erro absoluto: É o módulo do erro simples (desconsiderando o sinal). Erro absoluto de previsão EA i = Erro absoluto cometido no período i ‌‌E i = Erro simples cometido no período i

9 Jurandir Peinado Amplitude dos erros Um bom modelo de previsão capta o comportamento sistemático da demanda e indica o comportamento aleatório através da amplitude do erro. A medida dos erros também faz parte do resultado da previsão. Cálculo de desvio médio absoluto: É a média acumulada dos erros absolutos dos últimos períodos. Desvio médio absoluto DMA n = Desvio médio absoluto do período n ‌‌EA i = Erro absoluto cometido no período i

10 Jurandir Peinado Amplitude dos erros Um bom modelo de previsão capta o comportamento sistemático da demanda e indica o comportamento aleatório através da amplitude do erro. A medida dos erros também faz parte do resultado da previsão. Erro de viés: Ocorre quando as variações da demanda realizada, quando comparadas com a previsão, apresentarem um comportamento estatisticamente não aleatório. Erro de viés TS n = Tendência de viés (Tracking Signal) do período n DMA n = Desvio médio absoluto do período n E i = Erro simples de previsão do período i

11 Jurandir Peinado Amplitude dos erros Um bom modelo de previsão capta o comportamento sistemático da demanda e indica o comportamento aleatório através da amplitude do erro. A medida dos erros também faz parte do resultado da previsão. Desvio padrão da previsão S = desvio padrão de n períodos e i = erro simples do período i = média dos erros simples de n períodos

12 Jurandir Peinado Produto A - MMS com três períodos PeríodoVendasPrevisão Erro simples Erro Absoluto DMATS 1260 2220 3250 4258243 5222243 6205243 7267228 8240231 9270237 10235259 11214248 12285240 13?245 Desvio padrão = ?

13 Jurandir Peinado PeríodoVendasPrevisão Erro simples Erro Absoluto DMATS 180 2130 3270 496160 5156165 6324174 7130192 8210203 9430221 10180257 11300273 12620303 13?367 Desvio padrão = ? Produto B - MMS com três períodos

14 Jurandir Peinado Modelo da Média Móvel Ponderada Também deve ser aplicado apenas para demandas que não apresentem nem tendência nem sazonalidade. O objetivo é considerar um peso maior para o último período de demanda, um peso menor para o penúltimo período e assim um peso cada vez menor até o último período que ser definiu levar em consideração. Cálculo da média móvel ponderada onde:P j = Previsão para o período j PE i = peso atribuído ao período i

15 Jurandir Peinado Produto A – MMP: PE 1 =0,1; PE 2 =0,3; PE 3 =0,6 PeríodoVendasPrevisão Erro simples Erro Absoluto DMATS 1260 2220 3250 4258 5222 6205 7267 8240 9270 10235 11214 12285 13? Desvio padrão = ?

16 Jurandir Peinado PeríodoVendasPrevisão Erro simples Erro Absoluto DMATS 180 2130 3270 496 5156 6324 7130 8210 9430 10180 11300 12620 13? Desvio padrão = ? Produto B – MMP: PE 1 =0,1; PE 2 =0,3; PE 3 =0,6

17 Jurandir Peinado

18 Produto A – MMP: PE1 =0,1; PE2=0,3; PE3=0,6 Com programação linear

19 Jurandir Peinado

20 Modelo da Média Móvel com Suavização Exponencial Também deve ser aplicado apenas para demandas que não apresentem nem tendência nem sazonalidade. O objetivo é considerar um peso de ponderação que se eleva exponencialmente quanto mais recentes são os períodos. Cálculo da média móvel com suavização simples P j = Previsão para o período i = Demanda média dos últimos n períodos α = constante de suavização (0 ≤ α ≤ 1) D i = Demanda real ocorrida no período i (anterior à j)

21 Jurandir Peinado Produto A – MMSES: α = 0,1 PeríodoVendasPrevisão Erro simples Erro Absoluto DMATS 1260 2220 3250 4258 5222 6205 7267 8240 9270 10235 11214 12285 13? Desvio padrão = ?

22 Jurandir Peinado PeríodoVendasPrevisão Erro simples Erro Absoluto DMATS 180 2130 3270 496 5156 6324 7130 8210 9430 10180 11300 12620 13? Desvio padrão = ? Produto B – MMSES: α = 0,1

23 Jurandir Peinado

24 Modelo dos Mínimos Quadrados ou Regressão Linear Pode ser aplicado para séries temporais de demandas que apresentam tendência mas não apresentam sazonalidade. Representadas, por exemplo, por produtos em fase de crescimento (tendência crescente) ou em fase de declínio (tendência decrescente). Demanda com nível e tendência D i = Demanda no período i a = Coeficiente de nível da demanda b = Coeficiente de tendência da demanda P i = Período i a = Coeficiente de nível da demanda = Demanda média dos n períodos b = Coeficiente da tendência da demanda D i = Demanda no período i P i = Período i n = Número de períodos considerados = Média dos períodos considerados

25 Jurandir Peinado Modelo dos Mínimos Quadrados ou Regressão Linear Mês Demanda D Período P D x PP2P2 Janeiro145 Fevereiro134 Março142 Abril161 Maio158 Junho160 Julho168 Agosto180 Setembro172 Outubro188 Somatório1608

26 Jurandir Peinado Produto x – Mínimos Quadrados PeríodoVendasPrevisão Erro simples Erro Absoluto DMATS 1145 2134 3142 4161 5158 6160 7168 8180 9172 10188 11? 12? Desvio padrão = ? Nível (a) = 131,93 Tendência (b) = 5,25

27 Jurandir Peinado Modelo do Ajustamento Sazonal Pode ser aplicado para séries de demanda que apresentam nível, tendência e sazonalidade. Demandas desta natureza podem ser representadas, por exemplo, por produtos influenciados pela época do ano. A previsão da demanda é obtida através da equação da reta multiplicada pelo fator de sazonalidade (nível + tendência x fator de sazonalidade) que apresenta a seguinte equação: D i = Demanda no período i a = Coeficiente de nível da demanda b = Coeficiente de tendência da demanda P i = Período i S i = Fator de sazonalidade do período i

28 Jurandir Peinado Dessazonalização da demanda para regressão Um método bastante utilizado para dessazonalizar a demanda real observada preparando-a para a regressão linear é denominado de “média móvel centrada”. PeríodoVendasMédia móvel Média centrada 11.200 2600 39001.050 41.8001.080 5750(1200+600+900+1800+750)/5 = 10501.092 61.350(600+900+1800+750+1350)/5 = 10801.110 7660(900+1800+750+1.350+660)/5 = 10921.120 8990(1800+750+1350+660+990)/5 = 11101.128 91.850(750+1350+660+990+1850)/5 = 1120 10790(1350+660+990+1850+790)/5 = 1128 Média centrada para periodicidade sazonal impar (p = 5)

29 Jurandir Peinado Dessazonalização da demanda para regressão Um método bastante utilizado para dessazonalizar a demanda real observada preparando-a para a regressão linear é denominado de “média móvel centrada”. Média centrada para periodicidade sazonal impar (p = 4) PeríodoVendasMédia móvel Média centrada 11.200 2600 39001.144 41.8001.170 51.350(1200+2x600+2x900+2x1800+1350)/8 = 11441.189 6660(600+2x900+2x1.800+2x1.350+660)/8 = 11701.206 7990(900+2x1800+2x1350+2x660+990)/8 = 1189 81.850(1800+2x1350+2x660+2x990+1850)/8 = 1206

30 Jurandir Peinado PeríodoVendas Demanda Dessazonalizada Coeficientes de sazonalidade Coeficientes médios de sazonalidade Média móvel centrada Regressão linear 180 2130 3270 496 5156 6324 7130 8210 9430 10180 11300 12620 13? Produto B – Modelo do Ajustamento Sazonal Nível (a) = Tendência (b) =

31 Jurandir Peinado PeríodoVendasPrevisão Erro simples Erro Absoluto DMATS 180 2130 3270 496 5156 6324 7130 8210 9430 10180 11300 12620 13? 14? 15? Desvio padrão = 25 Produto B – Modelo do Ajustamento Sazonal