Baixe o app para aproveitar ainda mais
Prévia do material em texto
Atividade Logística 1) Um gerente de uma indústria quer fazer a previsão de demanda de dois produtos para o próximo ano, ele sabe que os mercados de cada um deles são caracterizados da seguinte maneira: a) Cenário 1 - uma demanda que sofre com um decréscimo constante devido à queda no número de lojas que vendem o produto. b) Cenário 2 - uma demanda que sofre com grandes variações cíclicas independente do ano. Considerando as características dos mercados, identifique entre os modelos de previsão estudados, qual a melhor alternativa a ser escolhida para cada cenário. Justifique sua opção. Com o cenário 2 é mais fácil prever a demanda e optar por compras pontuais ao longo das variações para repor as possíveis faltas de estoque pois haverá giro desse mesmo estoque o que não aconteceria no cenário 1 pois aqui haveria uma grande redução no preço de venda para vencer a concorrência por conta da baixa demanda. No cenário 2 há demanda e oferta recorrente. 2) O estoque de vendas de mercadorias de uma loja é mantido a partir da previsão da demanda dos últimos cinco meses. Se o distribuidor de vendas ligar no primeiro dia de cada mês calcule sua previsão de vendas para cada um dos três métodos solicitados. a) Utilizando uma média móvel simples de três meses, qual será a previsão para setembro? MMS3 = (240 + 280 + 270) / 3 = 263,3 b) Utilizando uma média móvel ponderada, qual será a previsão para setembro e outubro, com valores de 0,20, 0,30 e 0,50? Setembro MPM3 = (240 x 0,20) + (280 x 0,30) + (270 x 0,50) MPM3 = 48 + 84 + 135 = 267 Outubro MPM3 = (280 x 0,20) + (270 x 0,30) + (267 x 0,50) MPM3 = 56 + 81 + 133,5 = 270,5 = 271 c) Utilizando uma média móvel simples de três meses, faça a previsão para novembro e dezembro? Mês Demanda Abril 220 Maio 200 Junho 240 Julho 280 Agosto 270 Setembro 263 Outubro 271 Novembro 268 Dezembro 267 Setembro MMS3 = (240 + 280 + 270) / 3 = 263,3 Outubro MMS3 = (280 + 270 + 263) / 3 = 271 Novembro MMS3 = (270 + 263 + 271) / 3 = 268 Dezembro MMS3 = (263 + 271 + 268) / 3 = 267,3 3) Uma loja possui a seguinte série histórica de vendas: Ano 2013 2014 2015 2016 2017 2018 2019 Venda 1000 1120 1080 1050 1000 1025 1040 Estabeleça uma previsão de vendas para 209, pelos seguintes métodos de previsão: a) Pelo método da média móvel simples para n=4. 2020 MMS4 = (1050 + 1000 + 1025 + 1040) / 4 = 1028,75 = 1029 b) Pelo método da média móvel ponderada com os seguintes pesos: 0,5; 0,25; 0,15, e; 0,10. 2020 MPM4 = (1050 x 0,5) + (1000 x 0,25) + (1025 x 0,15) + (1040 x 0,10) = 2020 MPM4 = 525 + 250 + 153,75 + 104 = 2020 MPM4 = 1032,75 = 1033 c) Pelo método do ajustamento exponencial, considerando um coeficiente alfa de 0,5 e uma previsão para 2016 de 1100. 2020 MAE = [(1040 x 0,5) + 1100] x (1 – 0,5) 2020 MAE = [520 + 1100] x 0,5 2020 MAE = 1620 x 0,5 2020 MAE = 810 d) Considerando as respostas dos itens anteriores, qual modelo de previsão a loja deve escolher A loja deve escolher a média ponderada móvel não por apenas ser a melhor, mas por ser a mais sensível por acompanhar a quantidade mais de perto. 4) A demanda histórica de um produto é: Mês Demanda Realizada Abril 60 Maio 55 Junho 75 Julho 60 Agosto 80 Setembro 75 Outubro 73 Novembro 72 a) Utilizando uma média móvel simples de quatro meses, calcular a previsão para outubro. Outubro: MMS4 = (75 + 60 + 80 + 75) / 4 = 72,5 = 73 b) Utilizando uma média móvel ponderada, qual será a previsão para novembro e dezembro, com valores de 0,25, 0,40 e 0,35. Novembro MPM3 = (80 x 0,25) + (75 x 0,40) + (73 x 0,35) = Novembro MPM3 = 20 + 30 + 25,55 = 75,55 = 76 Novembro MMS4 = (60 + 80 + 75 + 73) / 4 = 72 Dezembro MPM3 = (75 x 0,25) + (73 x 0,40) + (72 x 0,35) Dezembro MPM3 = 18,75 + 29,20 + 25,20 = 73,15 = 73 5) A demanda nos 9 meses anteriores para um novo lanche de cereais é mostrada na tabela abaixo. Desenvolva uma previsão para o mês de novembro, usando uma média móvel ponderada dos últimos 4 períodos, onde os pesos são: 0,4: 0,1; 0,2; 0,3 Mês Unidades Fevereiro 7000 Março 7600 Abril 7500 Maio 8000 Junho 9200 Julho 8700 Agosto 9300 Setembro 11400 Outubro 10500 MPM4: (8700 x 0,4) + (9300 x 0,1) + (11400 x 0,2) + (10500 x 0,3) = MPM4: 3480 + 930 + 2280 + 3150 = MPM4: 9840 6) Um fabricante de calçados, usando a média exponencial móvel com α = 0,1, fez uma previsão de tendência de janeiro de 440 unidades para calçados femininos. Supondo que as vendas reais foram de 344 unidades em janeiro, qual seria a previsão corrigida de fevereiro? P = [(344 x 0,1) + 440] x (1 – 0,1) P = [34,40 + 440] x 0,9 P = 474,40 x 0,9 P = 426,96 = 427 7) Uma empresa adota a média exponencial para a determinação das previsões de venda A previsão do mês 4 foi de 688 unidades, e a demanda real 730 unidades. Mês 05 06 07 08 09 10 11 12 Demanda 740 650 800 790 775 700 780 800 Pede-se a) Calcule a previsão para o período de 5 a 12 com α=0,1 e α=0,3. P = [(800 x 0,1) + 740] x (1 – 0,1) P = [80 + 740] x 0,9 P = 820 x 0,9 P = 738 P = [(800 x 0,3) + 740] x (1 – 0,3) P = [24+ 740] x 0,7 P = 764 x 0,7 P = 534,80 P = 535 8) Uma loja que vende celulares quer estimar sua previsão de vendas futuras, para tanto ela resolveu investigar a quantidade vendida de acordo com a variação do preço. Deste modo, levantou as seguintes informações: Preço (R$) (dezenas) 100 140 160 180 200 220 Quantidade Vendida (R$) (dezenas) 100 85 75 72 70 65 1000 467,00 75160,00 n 6 176000,00 37159,00 Calcule: a) A equação da reta. A = (N * XY) – (X * Y) / (N * X²) – (X)² A = [(6 x 75160) – (1000 x 467)] / (7 x 176000) – (1000) ² A = [450960 – 467000] / 1232000 – 1000000 A = -16040 / 232000 A = - 0,069 b) A quantidade que deverá ser vendida se a loja cobrar os seguintes preços: R$ 230,00 e R$ 250,00. R$ 230,00 x 0,069 = 15,90 = 16 unidades R$ 250,00 x 0,069 = 17,28 = 17 unidades 9) Uma loja de eletrônicos quer estimar sua previsão de vendas futuras, para tanto ela resolveu Preço (R$) (dezenas) 10 16 18 20 22 24 Quantidade Vendida (R$) (dezenas) 40 34 34 28 20 18 110 174,00 2988,00 6 ² 2140,00 ² 5420,00 Calcule: a) A equação da reta. A = (N * XY) – (X * Y) / (N * X²) – (X)² A = [(6 x 2988) – (110 x 174)] / (6 x 2140) – (110) ² A = [17928 – 19140] / 12840 – 12100 A = -1212 / 740 A = 1,635 b) A quantidade que deverá ser vendida se o preço for de: R$15,00 e R$25,00. R$ 15,00 x 1,635 = 24,52 = 25 unidades R$ 25,00 x 1,635 = 40,87 = 41 unidades 10) Uma empresa quer realizar a previsão de vendas para um produto sazonal. Para isso coletou os dados de consumo dos últimos 4 anos que se encontram na tabela abaixo. Calcule o consumo do ano 5 por trimestre sabendo que neste ano serão consumidas 3000 unidades ao todo. Consumo (dezenas) Período Ano 1 Ano 2 Ano 3 Ano 4 T1 150 180 230 210 T2 340 400 500 600 T3 200 250 340 400 T4 400 600 750 890 Período Ano 1 Ano 2 Ano 3 Ano 4 T1 150 180 230 210 T2 340 400 500 600 T3 200 250 340 400 T4 400 600 750 890 Total 1090 1430 1820 2100 Média 272,5 357,5 455 525 Período Ano 1 Ano 2 Ano 3 Ano 4 T1 0,55 0,50 0,51 0,40 T2 1,25 1,12 1,10 1,14 T3 0,73 0,70 0,75 0,76 T4 1,47 1,68 1,65 1,70 Período Coeficiente Médio T1 0,49 T2 1,15 T3 0,74 T4 1,62 Trimestre Previsão Ano 5 T1 367 T2 864 T3 552 T4 1217 11) Um supermercado sabe que a quantidade de algumas frutas sofre com uma sazonalidade quadrimestral. Utilize os dados de consumo abaixo para calcular a quantidade que será vendida em cada quadrimestre do quinto ano, sabendo que ela venderá no ano 5 um total de 1800 peças. Consumo (dezenas) Período 1 2 3 4 Quadrimestre 1 300 350 360 400 Quadrimestre 2 500 585 650 720 Quadrimestre 3 340 385 415 480 Período 1 2 3 4 Q1 300350 360 400 Q2 500 585 650 720 Q3 340 385 415 480 Total 1140 1320 1425 1600 Média 380 440 475 533,33 Período Ano 1 Ano 2 Ano 3 Ano 4 Q1 0,79 0,80 0,76 0,75 Q2 1,32 1,33 1,37 1,35 Q3 0,89 0,88 0,87 0,90 Período Coeficiente Médio Q1 0,77 Q2 1,34 Q3 0,89 Quadrimestre Previsão Ano 5 Q1 464 Q2 805 Q3 532 12) Uma Empresa deve realizar previsão de vendas de um produto sazonal e para tanto coletou os dados de consumo dos últimos 4 anos. Pede-se: a) Desenvolva o modelo de ajustamento sazonal. b) Qual o consumo em cada trimestre do ano 5, sabendo-se que naquele ano devem ser consumidas 3.000 unidades ao todo? Trimestre Ano 1 Ano 2 Ano 3 Ano 4 1 150 180 230 210 2 340 400 500 600 3 200 250 340 400 4 400 600 750 890 Período 1 2 3 4 T1 150 180 230 210 T2 340 400 500 600 T3 200 250 340 400 T4 400 600 750 890 Total 1090 1430 1820 2100 Média 272,5 357,5 455 525 Período Ano 1 Ano 2 Ano 3 Ano 4 T1 0,55 0,50 0,51 0,40 T2 1,25 1,12 1,10 1,14 T3 0,73 0,70 0,75 0,76 T4 1,47 1,68 1,65 1,70 Período Coeficiente Médio Q1 0,49 Q2 1,15 Q3 0,74 Q4 1,62 Quadrimestre Previsão Ano 5 Q1 367 Q2 864 Q3 552 Q4 1217 13) Uma loja de departamento sabe que a quantidade de roupas de frio vendida sofre com uma sazonalidade por estação (verão/inverno/outono/primavera). Utilize os dados de consumo abaixo para calcular a quantidade que será vendida em cada estação do quinto ano: Consumo (dezenas) Período Ano 1 Ano 2 Ano 3 Ano 4 Verão 280 290 320 360 Outono 580 610 650 700 Inverno 800 820 875 940 Primavera 340 368 467 520 10 8920,00 23182,00 4 ² 30,00 ² 20055488,00 a) Utilizado o método de regressão linear determine a equação da reta. α = (4 x 23182) – (10 x 8920) / [4 x 30 – (10) ²] α = 92728 – 89200 / [4 x 30 – 100] α = 3528 / [120 – 100] α = 3528 / 20 α = 176,4 ß x = 10 /4 = 2,5 ß y = 8920 / 4 = 2230 ß = 2230 – 176,4 x (2,5) = ß = 2230 – 441 ß = 1789 y = 176,4x + 1789 b) Utilizando o método de regressão linear calcule o quanto será vendido no período 5. Período Ano 1 Ano 2 Ano 3 Ano 4 Ano 5 Verão 280 290 320 360 312,5 Outono 580 610 650 700 635 Inverno 800 820 875 940 858,75 Primavera 340 368 467 520 423,75 c) Considerando os valores encontrados nos itens anteriores e utilizando o método de ajustamento sazonal, calcule a previsão para cada trimestre do ano 5. Período Ano 1 Ano 2 Ano 3 Ano 4 Ano 5 Verão 280 290 320 360 312,5 Outono 580 610 650 700 635 Inverno 800 820 875 940 858,75 Primavera 340 368 467 520 423,75 d) Utilizando o método da média móvel simples, com n= 4, calcule o quanto será vendido no período 5 Período Ano 1 Ano 2 Ano 3 Ano 4 Ano 5 Verão 280 290 320 360 312,5 Outono 580 610 650 700 635 Inverno 800 820 875 940 858,75 Primavera 340 368 467 520 423,75 Ajuste Sazonal T1 T2 T3 T4 192.5 460 297.5 660
Compartilhar