PREVISÃO DE DEMANDA

Características comuns aos modelos de previsão: As previsões raramente são perfeitas - há um nível de erro que é a diferença entre o que foi previsto e o que de fato aconteceu As previsões são mais exatas para grupos ou famílias de itens do que para itens individuais – quando os itens são agrupados seus valores altos e baixos podem cancelar uns aos outros As previsões são mais exatas para horizontes de tempo mais curtos do que para os maiores – quanto mais curta a extensão do tempo de previsão, menor é o grau de incerteza. “Os dados não mudam muito a curto prazo” (Reid & Sanders, 2002)

Etapas do processo de previsão: Decidir o que prever: Vendas ou demanda; Um produto individual ou grupo de produtos; As unidades de previsão (unidades do produto, caixas, dólares, etc) A extensão do tempo: mensal, trimestral Avaliar e analisar dados apropriados Implica a identificação dos dados necessários e dos que estão disponíveis. Selecionar e testar o modelo de previsão Leva-se em conta fatores como custo, facilidade de uso e exatidão. Fazer a previsão Monitorar a exatidão da previsão A previsão é um processo contínuo

MÉTODOS QUALITATIVOS DE PREVISÃO *Também chamados de métodos de julgamento, são aqueles em que a previsão é feita subjetivamente pelos responsáveis *Está sujeito ao viés do decisor *Alguns métodos qualitativos: Opinião de executivos Pesquisa de Mercado O método Delphi

MÉTODOS QUALITATIVOS DE PREVISÃO Opinião de Executivos *Um grupo de gerentes se reúne e cria em conjunto uma previsão Exemplos de aplicação: Previsões estratégicas Previsão do sucesso de um novo produto Desvantagem: A opinião de uma pessoa pode predominar na previsão

MÉTODOS QUALITATIVOS DE PREVISÃO Pesquisa de mercado *É uma abordagem que utiliza entrevistas e pesquisas para identificar as preferências das pessoas Desvantagem: Pode ser difícil desenvolver um bom questionário Pode haver falha na formulação do questionário Pode haver viés e falha na argüição das perguntas

MÉTODOS QUALITATIVOS DE PREVISÃO O método Delphi *É um método de previsão cujo objetivo é alcançar o consenso em um grupo de especialistas mantendo o anonimato dos participantes O processo implica em: Enviar questionários para os componentes Resumir as descobertas Remeter um questionário atualizado incorporando as conclusões. Esse processo continua até que se chegue num consenso. Desvantagem: Desenvolvimento demorado

MÉTODOS QUANTITATIVOS DE PREVISÃO

MÉTODOS QUANTITATIVOS DE PREVISÃO *São baseados na modelagem matemática São classificados em duas categorias: Modelos de séries temporais Modelos causais

MODELOS DE SÉRIES TEMPORAIS *Partem do princípio de que todas as informações necessárias pra fazer uma previsão estão contidas na série temporal dos dados. DEFINIÇÃO: Uma série temporal é uma série de observações tomadas a intervalos regulares durante um determinado período. PRESSUPOSTO: Pode-se fazer uma previsão com base nos padrões de dados

MODELOS DE SÉRIES TEMPORAIS *Uma forma de identificar os padrões é plotar os dados e examinar os gráficos. Existem 4 padrões básicos: Nivelado ou horizontal: os valores dos dados flutuam em torno de uma média constante. Ex: produtos no estado de maturidade do seu ciclo de vida (demanda constante e previsível) Tendência: quando os dados apresentam um aumento ou diminuição do padrão com o passar do tempo. Sazonalidade: é qualquer padrão que se repete regularmente (Ex:trimestral, mensal, diário) e tem extensão constante Ex: restaurantes com picos de vendas aos fins de semana

MODELOS DE SÉRIES TEMPORAIS Ciclos: padrões criados pelas flutuações econômicas como os associados ao ciclo empresarial Ex: recessão, inflação, ou ciclo de vida de um produto *A principal distinção entre um padrão sazonal e um cíclico é que o cíclico varia em extensão e magnitude. Variação aleatória: não pode ser prevista

MODELOS DE SÉRIES TEMPORAIS 1 - O método simples -Presume-se que a previsão para o próximo período seja igual ao ocorrido de fato no último período -Funciona bem quando há pouca variação de um período p/ o outro Ex.8.1: Um restaurante está fazendo a previsão de vendas de frango para o mês de abril. Sabendo que as vendas no mês de março totalizaram 320, qual é a previsão para o mês de abril? -Se for percebida a tendência de aumento de, por exemplo, 10% para o próximo mês, pode-se calcular diretamente a previsão.

MODELOS DE SÉRIES TEMPORAIS 1 - O método simples -Presume-se que a previsão para o próximo período seja igual ao ocorrido de fato no último período -Funciona bem quando há pouca variação de um período p/ o outro Ex.8.1: Um restaurante está fazendo a previsão de vendas de frango para o mês de abril. Sabendo que as vendas no mês de março totalizaram 320, qual é a previsão para o mês de abril? -Se for percebida a tendência de aumento de, por exemplo, 10% para o próximo mês, pode-se calcular diretamente a previsão.

MODELOS DE SÉRIES TEMPORAIS 2 – Média simples ou Média Onde: Ft+1é a previsão para o período seguinte (t+1) At é o valor real para o período atual (t) n é o número de períodos ou pontos de dados

MODELOS DE SÉRIES TEMPORAIS 2 – Média simples ou Média Ex.8.2:A New tools Corporation está fazendo a previsão de vendas de seu produto clássico, H-W. As vendas do H-W têm se mantido constantes e a empresa utiliza uma média simples para fazer a previsão. Semanalmente as vendas durante as últimas cinco semanas estão disponíveis. Utilize a média para fazer uma previsão para a semana 6. Período (em semanas) Vendas reais 1 51 2 53 3 58 4 52 5 50 6 ?

MODELOS DE SÉRIES TEMPORAIS 3 – Média Móvel Simples -É semelhante à média simples exceto no fato de que não se toma a média de todos os dados, e sim os n períodos mais recentes da média. - O número de observações usadas para se calcular a média é constante “A média móvel simples se movimenta através do tempo” (Reid e Sanders, 2002) A única diferença da Média Móvel para a Média Simples é que esta última usa somente uma parte dos dados para calcular a média

MODELOS DE SÉRIES TEMPORAIS 3 – Média Móvel Simples Ex.8.3:As previsões de vendas para a Bright-White são feitas a partir da média móvel de 3 períodos. Considerando o seguinte número de vendas relativas a janeiro, fevereiro e março, faça uma previsão para abril. Mês Vendas reais Janeiro 200 Fevereiro 300 Março

MODELOS DE SÉRIES TEMPORAIS 4 – Média Móvel Ponderada *Cada observação pode ter um peso diferente e a soma dos pesos é sempre igual a 1. Onde : Ft+1 é a previsão do período seguinte Ct é o peso atribuído ao valor real no período At é o valor real no período (t)

MODELOS DE SÉRIES TEMPORAIS 4 – Média Móvel Ponderada *Cada observação pode ter um peso diferente e a soma dos pesos é sempre igual a 1. Ex.8.4:Um gerente da loja de departamentos Fit Well deseja prever as vendas de roupas de banho para agosto utilizando uma média móvel ponderada de 3 períodos. As vendas relativas a maio, junho e julho foram as seguintes: Mês Vendas reais Maio 400 Junho 500 Julho 600 O gerente decidiu atribuir o peso de 0,25 a maio, 0,25 a junho e 0,50 a julho.

MODELOS DE SÉRIES TEMPORAIS 5 – Ajuste exponencial *É um modelo de previsão que utiliza um sofisticado procedimento de média ponderada para fazer uma previsão. *São necessárias 3 informações: 1) a previsão do último período 2) o valor real do último período 3) o valor de um coeficiente de ajuste α, que varia entre 0 e 1; Onde Ft+1 é a previsão da demanda do período (t+1) At é o valor real no período (t) Ft é a previsão para o período (t) α é o coeficiente de ajuste

MODELOS DE SÉRIES TEMPORAIS 5 – Ajuste exponencial Ex.8.5: O restaurante mexicano Tamale utiliza o ajuste exponencial para prever a utilização mensal do molho tabasco. Sua previsão para setembro foi de 200 frascos, embora o consumo real em setembro tenha sido de 300 frascos. Se os admiradores do restaurante utilizam um de 0,70, qual será a previsão para outubro?