A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

PCP - PREVISÃO DE DEMANDA 3 PREVISÃO DE DEMANDA. Definição: É a informação básica para a determinação das quantidades a serem produzidas, devido ao conhecimento.

Apresentações semelhantes


Apresentação em tema: "PCP - PREVISÃO DE DEMANDA 3 PREVISÃO DE DEMANDA. Definição: É a informação básica para a determinação das quantidades a serem produzidas, devido ao conhecimento."— Transcrição da apresentação:

1 PCP - PREVISÃO DE DEMANDA 3 PREVISÃO DE DEMANDA

2 Definição: É a informação básica para a determinação das quantidades a serem produzidas, devido ao conhecimento das quantidades a serem vendidas, e os níveis de estoques indicados pela gestão de estoque. PREVISÃO DE DEMANDA

3 Fontes de dados : Fontes internas. Fontes externas. Fontes externas. PREVISÃO DE DEMANDA

4 PREVISÃO Uma primeira pergunta que surge quando falamos em previsões e métodos de previsão está relacionada à razão pela qual nós fazemos previsões. A resposta é muito simples: PARA PLANEJAR O FUTURO PARA PLANEJAR O FUTURO

5 PREVISÃO Antever o futuro mediante previsões é a única maneira de nos precavermos das incertezas que poderão advir e possibilitar a elaboração de um plano de ação. É importante salientar que todas as previsões são estimativas de valores, diferindo entre si pela extensão dos erros cometidos, entre o valor real e o valor previsto.

6 PREVISÃO É uma estimativa de atividade futura. O grande mérito da previsão é a sua exatidão. É justo esperar a mais alta precisão onde quer que exista uma relação de causa e efeito.

7 PREVISÃO DA DEMANDA Planejar é uma atividade comum a qualquer tipo de empresa, independente de tamanho tipo de empresa, independente de tamanho ou de ramo a que se dedique. Constantemente, todas as áreas estão envol vidas com planejamento, de maneira formal ou informal.

8 PLANEJAMENTO Decisões que compõem o próprio planejamento ou são dele derivadas: # quanto fabricar de cada linha de produtos. # tipos de produtos e/ou serviços a oferecer. # quantidade de veículos a utilizar. # necessidade de investimentos futuros. # contratação futura de profisionais.

9 PLANEJAMENTO Existem vários tipos de planejamento, tratando com diferentes assuntos: # conforme a área em que sejam gerados. ( Finanças, Produção, Vendas, Gestão ( Finanças, Produção, Vendas, Gestão de pessoas, outros ). de pessoas, outros ). # os horizontes de tempo. ( período coberto pelo planejamento ). ( período coberto pelo planejamento ).

10 PLANEJAMENTO Há necessidade de se planejar, com grau de detalhe muito diferentes nos dois casos: # para cinco ou dez anos no futuro. # próximos dias ou semanas. De uma forma geral, quanto maior o período coberto pelo planejamento, menor a precisão com que podemos contar.

11 CARACTERÍSTICAS DOS MÉTODOS DE PREVISÃO Existem vários métodos para se obter uma previsão, podendo serem usados em quaisquer circunstâncias, dependendo de certos fatores: # disponibilidade de dados, tempo e recursos. ( métodos envolvendo modelos matemáticos ( métodos envolvendo modelos matemáticos e profisionais habilitados em trabalhar). e profisionais habilitados em trabalhar). # horizonte de previsão. ( métodos que se mostrem melhores dependendo ( métodos que se mostrem melhores dependendo do prazo de previsão). do prazo de previsão).

12 MÉTODOS DE PREVISÃO Geralmente assumem que as causas que estiverem presentes no passado, configurando a demanda, continuarão presentes no futuro.

13 Isso quer dizer que o comportamento do passado é a base para se inferir sobre o comportamento do futuro. MÉTODOS DE PREVISÃO ?

14 Os métodos não conduzem a resultados perfeitos, e a chance de erro é tanto maior quanto mais nos aprofundarmos no futuro. MÉTODOS DE PREVISÃO

15 # PREVISÃO A CURTO PRAZO 1 a 2 anos: horizonte de 1 a 2 anos: sua finalidade é proporcionar sua finalidade é proporcionar informações para as decisões informações para as decisões no dia-a-dia da gerência. no dia-a-dia da gerência. HORIZONTE DE PREVISÃO

16 # PREVISÃO A MÉDIO PRAZO horizonte de 3 a 5 anos: horizonte de 3 a 5 anos: é a sua posição intermediária é a sua posição intermediária entre a previsão a curto e entre a previsão a curto e longo prazo. longo prazo. HORIZONTE DE PREVISÃO

17 # PREVISÃO A LONGO PRAZO horizonte superior a 5 anos: horizonte superior a 5 anos: sua função primordial é o sua função primordial é o fornecimento de informações fornecimento de informações para decisões de alto nível. para decisões de alto nível. HORIZONTE DE PREVISÃO

18 CLASSIFICAÇÃO DOS MÉTODOS DE PREVISÃO # MÉTODOS QUALITATIVOS ( ou baseados no julgamento ). ( ou baseados no julgamento ). São métodos que repousam basicamente no julgamento de pessoas que, de forma direta ou indireta, tenham condições de opinar sobre a demanda futura, tais como: gerentes, vendedores, clientes, gerentes, vendedores, clientes, fornecedores, outros. fornecedores, outros.

19 CLASSIFICAÇÃO DOS MÉTODOS DE PREVISÃO # MÉTODOS QUANTITATIVOS São aqueles que utilizam modelos matemá ticos para se chegar aos valores previstos. Permitem controle do erro, mas exigem informações quantitativas preliminares. Subdividem-se em:. Métodos Causais.. Métodos Causais.. Séries Temporais.. Séries Temporais.

20 MÉTODOS CAUSAIS A demanda de um item ou conjunto de itens é relacionada a uma ou mais variáveis internas ou externas à empresa. Essas variáveis são chamadas de variáveis causais: a população, o Produto Interno Bruto a população, o Produto Interno Bruto ( PIB), o consumo de certos produtos, ( PIB), o consumo de certos produtos, pedidos liberados para distribuição pedidos liberados para distribuição física, outros. física, outros.

21 MÉTODOS CAUSAIS Na verdade, o que determina a escolha de uma particular variável causal para a previsão da demanda é a sua ligação lógica com essa última. Se tivermos uma boa estimativa desse valor, será possível obter a projeção desejada para um produto ou grupo de produtos em estudo.

22 MÉTODOS CAUSAIS Um dos modelos causais, mais populares é a regressão da demanda sobre a(s) variável(eis) causal(ais). Na regressão, tenta-se descobrir, utilizando pares de e da(s) variável pares de valores da demanda e da(s) variável (eis) causal (ais), alguma lei que as ligue, lei essa expressa por uma equação matemática. Podemos ter:. regressão simples.. regressão simples.. regressão múltipla.. regressão múltipla.

23 MÉTODOS CAUSAIS # REGRESSÃO SIMPLES É o caso em que se considera a demanda Ligada a apenas uma variável causal. # REGRESSÃO MÚLTIPLA É o caso em que são consideradas duas ou mais variáveis causais supostamente ligadas à demanda.

24 REGRESSÃO Simbolicamente, temos a seguinte representação para regressão simples: Y = f ( X ) Y = f ( X ) Onde Y é chamada de variável dependente Onde Y é chamada de variável dependente ( demanda ) e X é variável causal ou variável ( demanda ) e X é variável causal ou variável independente. independente. O símbolo f ( X ) indica que os valores de Y podem ser determinados, caso sejam os valores de X ou, outras palavras, Y é uma função de X.

25 REGRESSÃO Temos várias possibilidades para o formato da função Y = f ( x ) alguns dos mais utiliza dos são os seguintes: Y = a + b X ( reta : regressão linear simples ) X Y = a b ( exponencial : regressão exponencial ) exponencial ) 2 Y = a + b X + c X ( parábola : regressão parabólica ) parabólica )

26 REGRESSÃO LINEAR SIMPLES Uma linha reta parece ser o ajuste razoável para os dados que estarão contidos no gráfico a seguir. Para ilustrar as diferentes versões dos métodos dos mínimos quadrados, devemos primeiramente usar 1998 como ano – base e depois, ΣY, Σ X,, ΣX Y, ΣX ²

27 REGRESSÃO LINEAR SIMPLES Uma empresa apresenta o seguinte resultado de vendas de chapas em aço. ANO VENDAS ANO VENDAS ( toneladas) ( toneladas)

28 REGRESSÃO LINEAR SIMPLES Estes dados representamos nos eixos cartesianos ficam assim : r ( reta )

29 REGRESSÃO LINEAR SIMPLES A reta r ( tendência ) é obtida através da seguinte equação seguinte equação: ^ Y = a + b X Y = a + b X Pelo método dos mínimos quadrados, os valores de a e b são obtidos pela resolução de suas equações: Σ Y = a n + b Σ XΣ XΣ XΣ X Σ X Y = a ΣX + b ΣX + b ΣXΣXΣXΣX ²

30 REGRESSÃO LINEAR SIMPLES A letra n da primeira equação representa a posição que o dado ocupa no eixo dos X é atribuido um valor de representação, a partir do valor zero que é atribuido à posição relativa ao vértice. Assim, o dado que ocupa o vértice recebe o valor zero relativo ao tempo. O dado imediatamente acima recebe o valor 1 ; o seguinte o valor 2 ; assim por diante.

31 REGRESSÃO LINEAR SIMPLES ANO (X) ANO (X) n Y O eixo dos X será representado por valores de ( n = 0 a 6) ANO BASE PRIMEIRA VERSÃO DOS MÍNIMOS QUADRADOS ( ANO BASE 2005)

32 REGRESSÃO LINEAR SIMPLES ANO x y x y ² TOTAL x

33 REGRESSÃO LINEAR SIMPLES Substituindo os valores nas equações normais, lembrando que n = 7( ano 2012 ): normais, lembrando que n = 7 ( ano 2012 ): ΣY = 1060 Σ X = 21 Σ X Y = 3680 ² ΣX = = 7 a + 21 b ( I ) 3680 = 21 a + 91 b ( II ) O sistema de duas equações a duas incógnitas Resultante pode ser resolvido se multiplicarmos a equação ( I ) por ( - 3 ) e adicionarmos a equação ( I ) por ( - 3 ) e adicionarmos à equação ( II ). à equação ( II ).

34 REGRESSÃO LINEAR SIMPLES ( - 3 ) : Multiplicando a equação ( I ) por ( - 3 ) : ( -3 x 1060 )( - 3 x 7 a ) +( - 3 )x 21b ) ( -3 x 1060 ) = ( - 3 x 7 a ) + ( - 3 ) x 21b ) = - 21 a – 63 b 3680 = 21 a + 91 b 3680 = 21 a + 91 b = / + 28 b 500 = / + 28 b b = b = 17,86

35 REGRESSÃO LINEAR SIMPLES Substituindo o valor de b na equação ( I ) original, temos: 1060 = 7 a + 21 b 1060 = 7 a + 21 ( 17,86 ) 1060 = 7 a + 375, – 375,06 = 7 a 684,94 = 7 a 684,94 684,94 = 7 a 684,94 a = = 97,85 a = = 97,85 7

36 REGRESSÃO LINEAR SIMPLES A equação da reta que melhor representa os pontos dados é portanto: ^ Y = a + b X Y = a + b X Como queremos a previsão para o ano de 2012, o valor de X = 7 ( pois o ano de 2011 tem valor 6 ) : Y = 97, X Y = 97, X ^ ^ Y = 97, ( 7 ) Y = 97, ( 7 ) ^ ^ Y = 97, ,02 = 222,87 toneladas. Y = 97, ,02 = 222,87 toneladas. ^

37 REGRESSÃO LINEAR SIMPLES Concluida a primeira versão com o ano – base 2005, iremos partir a seguir para a segunda versão, tendo como ano – base Tendo em vista que X é igual aos números de períodos a partir do ano – base, se selecionar mos um ponto médio nas séries temporais como básico, fazemos X igual a zero. Os menores números resultantes de um ano – base centralizado também tornam outros produtos e somas mais fáceis de manusear.

38 REGRESSÃO LINEAR SIMPLES SEGUNDA VERSÃO DOS MÍNIMOS QUADRADOS ( ANO BASE 2008) ANO ( x ) ANO ( x ) n Y ANO-BASE

39 REGRESSÃO LINEAR SIMPLES Usando os mesmos dados do exercício anterior, passaremos utilizar o mesmo critério, porém mudando o ano – base de 2005 para ANO (X) n Y X X Y X Y TOTAL

40 REGRESSÃO LINEAR SIMPLES Sendo X = 0 podemos achar a e b da seguinte forma : Y = n a + b X Y = n a + b X X Y = a X + b X X Y = a X + b X Substituindo nas equações o valor do X temos: Y = 7 a + b ( 0 ) Y = 7 a + b ( 0 ) Y = 7 a Y = 7 a Y 1060 Y 1060 a = a = a = 151,43 a = a = a = 151, ²

41 REGRESSÃO LINEAR SIMPLES XY = a X + b X XY = a X + b X ² XY = a ( 0 ) + b X XY = a ( 0 ) + b X ² XY = b X XY = b X ² XY XY b = b = X ² b = b = b = 17,86 b = 17,86

42 REGRESSÃO LINEAR SIMPLES A equação de previsão é desenvolvida substituindo os valores de a e b na equação de linha reta. A previsão para o ano de 2012 está 4 anos à frente de 2008, ano – base da segunda versão. Y = a + b X Y = a + b X Y = 151, ,86 ( 4 ) Y = 151, ,86 ( 4 ) Y = 151, ,44 Y = 151, ,44 Y = 222,87 toneladas Y = 222,87 toneladas ^ ^ ^ ^

43 REGRESSÃO LINEAR SIMPLES Comparando as duas previsões e os calculos relativos ao desenvolvimento das equações, verificamos que a centralização do período básico diminui os calculos aritméticos sem alterar os valores previstos. PRIMEIRA VERSÃO : Y = 97, ,86 ( 7 ) Y = 97, ,02 Y = 97, ,02 Y = 222,87 toneladas Y = 222,87 toneladas SEGUNDA VERSÃO : Y = 151, ,86 ( 4 ) Y = 151, ,44 Y = 151, ,44 Y = 222,87 toneladas Y = 222,87 toneladas

44 REGRESSÃO LINEAR MÚLTIPLA Se quisermos estabelecer que uma variável dependente Y ( um bem ou conjunto de bens) varia linearmente segundo um conjunto de n variáveis independentes X, X, X,..... X conforme a equação : Y = b + b X + b X + b X b X Y = b + b X + b X + b X b X n n n Os coeficientes b, b, b, b,..... b podem ser determinados pelo método dos mínimos quadrados, o que resulta em um sistema de ( n + 1 ) equações n n

45 REGRESSÃO LINEAR MÚLTIPLA Nessa condição, torna – se impraticável resolver à mão situações com mais de 3 variáveis independentes. Hoje em dia, para casos práticos mais rea listas, com muitas variáveis, é sem dúvida melhor utilizar softwares específicos exis tentes no mercado e microcomputadores.

46


Carregar ppt "PCP - PREVISÃO DE DEMANDA 3 PREVISÃO DE DEMANDA. Definição: É a informação básica para a determinação das quantidades a serem produzidas, devido ao conhecimento."

Apresentações semelhantes


Anúncios Google