Módulo I - Previsão de Demanda

Prévia do material em texto

<p>CCM7 Tecnologia e serviços Treinamento Conceitual de Planejamento Aplicado a Call Center Módulo I - Previsão de Demanda Módulo - Previsão de Demanda Por Juliano Nascimento 1</p><p>CCM7 Agenda Tecnologia e serviços 1. Iniciação 2. Conceituação de Séries Temporais 3. Componentes da Série Temporal 4. Previsão Mês, Dia e Intervalo Módulo - Previsão de Demanda Por Juliano Nascimento - Dez-14_v3 2</p><p>CCM7 Iniciação Tecnologia e serviços Pré Requisitos do Curso - Conhecimento básico em Excel e Matemática. Perfil do Estudante - o Módulo I - Previsões de Demanda é destinado a analistas de planejamento que realizam ou desejam se aperfeiçoar em técnicas de previsão de longo, médio e curto prazo; Visão Geral sobre o Módulo I - Previsão de Demanda - Fornecer ao treinando técnica de previsão de demanda (chamadas) através de séries temporárias, interagindo conceito e prática, a fim de proporcionar o aprendizado efetivo para aplicação em seus ambientes de trabalho. Objetivos do Curso: - Aprender a técnica de previsão por séries temporárias - Como estimar Tendência e Sazonalidade - Como tratar Outliers (Ruídos) históricos - Como fazer previsão Mês a Mês, Dia a Dia e por Intervalo - Como calcular e analisar os Erros de Previsão Módulo - Previsão de Demanda Por Juliano Nascimento - Dez-14_v3 3</p><p>Séries Temporais e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) (Cálculo de Recursos) Séries Temporais: São chamadas séries temporais um conjunto de observações disponíveis para análise e ordenadas no tempo. Exemplos: Preço de Ações, Temperatura da Cidade de São Paulo, PIB do Brazil, Chamadas Telefônicas e etc. Observações objeto de estudo no mercado de Call Center com aplicação de Séries Temporais: Chamadas Oferecidas - Tempo Médio de Atendimento - Quantidade de Clientes que geram chamadas em um Call Center (usuários de cartão de crédito, conta corrente etc.) Agrupamento das observações: Em geral as informações, por exemplo de chamadas oferecidas estão disponíveis em DAC's (Distribuidor Automático de Chamadas), agrupadas a Nível Mês, Dia e Intervalo. Objetivos da Análise de Séries Temporais: Descrever o comportamento de uma série (Chamadas), através de um gráfico para verificação da existência de: - Tendência - Sazonalidade Outlier - Estabelecimento de causalidades - quando o aumento de chuvas varia as chamadas (exemplo em Deliverys), desejando-se saber se há causa-efeito. Realização de Previsões, através de funções que minimizam os erros (desvios de previsão em relação ao real) Módulo Previsão de Demanda Por Juliano Nascimento - Dez-14_v3 4</p><p>CCM7 Séries Temporais Tecnología e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de Recursos) e Componentes de Uma Série Temporal o modelo clássico para séries temporais supõe que a série pode ser escrita como a soma de três componentes: 1°) Tendência A tendência são direções de uma série, que podem ser crescente ou decrescente causadas por fatores medidos durante períodos: Tendência Crescente Tendência Decrescente 20.000 20.000 0 0 20 40 60 80 100 120 0 20 40 60 80 100 120 140 Meses dos Anos Meses dos Anos Série com diferentes tendências 25.000 - A escolha do período para traçar a tendência pode influenciar nos resultados da previsão; - Importante nos dados históricos a existência de quebras de tendência; - Uma série pode apresentar diferentes 20 40 60 80 100 120 tendências Meses dos Anos (Períodos) Módulo - Previsão de Demanda Por Juliano Nascimento Dez-14_v3 5</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) (DO e Componentes de Uma Série Temporal - o modelo clássico para séries temporais supõe que a série pode ser escrita como a soma de três componentes: 1°) Tendência - Além da inclinação, a tendência pode apresentar outros formatos diferentes, como: Exponencial Logarítmica Polinomial - Cada uma destas formas são representadas por uma função matemática; - Formatos se adequam conforme a trajetória da série de observações; - A decisão de qual tipo de tendência utilizar conforme o histórico será dada pelo R2 (mais próximo de 1 melhor) Módulo 1- - Previsão de Demanda Por Juliano Nascimento - Dez-14_v3 6</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de (Escalonamento) e Componentes de Uma Série Temporal o modelo clássico para séries temporais supõe que a série pode ser escrita como a soma de três componentes: 2°) Sazonalidade A componente sazonal aparece quando as observações são agrupadas por períodos como quadrimestre, trimestre, mês ou intervalos e ocorrem similarmente quando comparamos os períodos, representando um padrão de comportamento. Segundo Ger Koole, é necessário no mínimo dois anos de dados para identificar a sazonalidades no caos de previsões anuais. 25 Chamadas Dia a Dia da Semana Temperaturas em São Paulo °C Mês a Mês 4513 4013 23 3513 21 3013 2513 19 2013 1513 17 1013 15 513 13 13 As Chamadas Oferecidas apresentam um comportamento As Temperaturas oscilam entre um mínimo, geralmente todo sazonal diário, onde os sábados são os menores dias, os meses de Julho, e no máximo nos meses de Janeiro ou enquanto que os maiores dias são as segundas e terças, Fevereiro, apresentando uma variação sazonal de 12 meses. apresentando variação sazonal semanal. Módulo - Previsão de Demanda Por Juliano Nascimento Dez-14 v3 7</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de e Componentes de Uma Série Temporal o modelo clássico para séries temporais supõe que a série pode ser escrita como a soma de três componentes: 3°) Outliers Os Outliers (Ruídos) são valores de uma série de dados que são "aberrantes", isto é, muito diferentes da maioria das outras observações. No mercado de Call Center, por exemplo, podemos citar quedas de Uras com transbordo de 100% para o Humano, mídias de alto impacto (comerciais em TV), quedas de sistemas e etc. Fator Sazonal Diário Outliers Os Outliers devem ser tratados antes da Mar-07 Jun-07 Jul-07 Set-07 realização da previsão, caso contrário afetará a 8,0% tendência e os fatores sazonais (dias da semana e intervalos) Importante investigar-se os motivos que levam 5,0% a ocorrência de Outliers e registrá-los em um 4.0% Diário de Bordo para input ou não em previsão 3,0% 2.0% 1,0% 0,0% 15eg 1Sex 35eg 3Dom 5Sex Módulo - Previsão de Demanda Por Juliano Nascimento - Dez-14_v3 8</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) (Calculo de Recursos) Componentes de Uma Série Temporal - modelo clássico para séries temporais supõe que a série pode ser escrita como a soma de três componentes: 3°) Outliers - Os Outliers (Ruídos) são valores de uma série de dados que são "aberrantes", isto é, muito diferentes da maioria das outras observações. No mercado de Call Center, por exemplo, podemos citar quedas de Uras com transbordo de 100% para o Humano, mídias de alto impacto (comerciais em TV), quedas de sistemas e etc. Fator Sazonal Intra Diário Outliers - Os Outliers devem ser tratados antes da 3,0% realização da previsão, caso contrário afetará a tendência e os fatores sazonais (dias da 2,5% semana e intervalos) 2,0% - Importante investigar-se os motivos que levam 1,5% a ocorrência de Outliers e registrá-los em um Diário de Bordo para input ou não em previsão 1,0% 0,5% 0,0% Módulo - Previsão de Demanda Por Juliano Nascimento - Dez-14_v3 9</p><p>CCM7 Séries Temporais e serviços Previsão de Demanda Escalas Controle (LP, MP e CP) de Recursos) e Metodologia para Estimar a Tendência Linear Anual (Mês a Mês) A estimativa da componente Tendência é identificada, dentre diversos métodos, através da Regressão Linear Simples, que consiste em estimar uma curva por meio do método dos mínimos quadrados obtendo-se a Inclinação e Intercepto da série, onde os desvios entre os dados reais históricos e projetados para o passado sejam o menor possível; Função matemática: Passo a Passo no Excel Tendência Crescente: Chamadas = Inclinação*Mês + Intercepto 1°) Projetar os dados históricos em um Tendência Decrescente: Chamadas = Inclinação* Mês - Intercepto gráfico de dispersão, tendo no eixo "x" o mês e no eixo "y" as chamadas; Gráfico A: Chamadas Real 2°) Adicionar a linha de tendência, selecionando Linha de Tendência Linear; 25.000 Tendência Dados 3°) Selecionar a exibição da função no 20.000 Históricos gráfico e o 15.000 Para calcular a inclinação é possível utilizar a função 10.000 e o intercepto a função "Intercepção"; Chamadas = + 7413,1 Função de 5.000 R2 0,9488 Regressão Estime a tendência do período de histórico aplicando a função de 20 40 60 80 100 120 140 regressão para cada ponto de dado do Meses dos Anos (Períodos) histórico, que formará a reta ! Sequência no Tempo Módulo Previsão de Demanda Por Juliano Nascimento Dez-14_v3 10</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de Recursos) (DO e Metodologia para Estimar a Sazonalidade Anual (Mês a Mês) Para se obter a ou seja, o padrão de comportamento subtrai-se a Tendência encontrada a partir da função de regressão do número de chamadas históricas reais. A subtração deve ser realizada para cada ponto de dado do período observado; Gráfico Dados Históricos + Tendência Chamadas Sem Tendência Gráfico A: Chamadas Real Gráfico Sazonalidade Chamadas Sem Tendência 25.000 3000 20.000 2000 1000 10.000 Chamadas = + 7413,1 -1000 5.000 R2 0,9488 -2000 0 20 40 60 80 100 120 140 Meses dos Anos -3000 - Note que a reta de regressão (tendência) passa através de todos Quando retiramos das chamadas históricas a tendência, resta a os pontos de dados históricos, tendo pontos de dados acima e sazonalidade (assumindo que os Outliers já foram expurgados). abaixo da reta; - É possível verificar o padrão de comportamento dentre os Essa reta é a que minimiza os desvios, representada com um meses do ano, onde o mesmo se repete; = 0,948 (Próximo de 1 melhor) Podemos calcular a média dos comportamentos (Jan-2001;Jan- 2002;Jan-2003....) para prever a sazonalidade de cada mês; Módulo - Previsão de Demanda Por Juliano Nascimento 11</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de Metodologia para Previsão do Próximo Período Anual (Mês a Mês) Uma vez encontrada a Tendência e a Sazonalidade baseado no histórico de dados, é possível realizar a Previsão do próximo período utilizando-se a seguinte função: Previsão = Tendência + Sazonalidade Previsão = + ou - Intercepto + Sazonalidade do Mês_x Aplicar a formula de Previsão para todos os pontos de dados históricos e para o próximo período que deseja-se prever (Meses do Próximo Ano) Gráfico D: Chamadas Oferecidas vs Previsão A 25.000 Chamadas Real Previsão Chamadas Previsão através da função aplicada ao passado a fim de se o modelo segue a 20.000 tendência e sazonalidade dos dados históricos. B Desta forma é possível estimarmos o erro de previsão do modelo; 10.000 Dados reais da série histórica; A 5.000 Previsão do próximo período, seguindo a 20 40 60 80 100 120 140 tendência e sazonalidade. Meses dos Anos (Períodos) Módulo - Previsão de Demanda Por Juliano Nascimento - 12</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de (DO e Metodologia para Previsão do Próximo Período Anual (Mês a Mês) - A partir da previsão no passado é importante avaliarmos qual é o Erro que o modelo apresenta e decidirmos se é possível utilizá-lo como base para decisões, associada a informações do negócio; - Todo modelo apresenta erro e é conveniente escolher aquele que apresenta o menor erro; Gráfico D: Erro de Previsão E: Erro de Previsão Acumulado do Modelo 20% 18% % Erro % Erro Absoluto Acumulado 16% 15% 14% 10% 12% 5% 10% 8% 0% 6% -5% 4% -10% 2% -15% 0% or or - 80% dos pontos de dados previstos para o passado possuem uma estimativa de erro dentro de + ou 5%; - Portanto, se considerarmos que o modelo carrega esse erro, podemos inferir que a previsão para o período seguinte também poderá oscilar dentro deste intervalo; - o Modelo é aceitável ? Depende do quanto se aceita de margem de Erro ! - Uma estratégia para se minimizar o erro do modelo, é outras funções (exponencial, logarítmica, polinomial) e verificar se o erro aumenta ou diminui. Conhecer os motivos de mudança de sazonalidade é fator determinante no processo de previsão ! Módulo Previsão de Demanda Por Juliano Nascimento - Dez-14_v3 13</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de Recursos) Metodologia para Previsão do Próximo Período Mensal (Dia a Dia) A partir da previsão Anual (Mês a Mês), que já considera a tendência, será necessário distribuir o mês (dia a dia) conforme o comportamento sazonal dos dias da semana; É conveniente encontrar o Fator Sazonal Diário e avaliar se há alguma semelhança entre os dias da semana; Um padrão possível é comparar a Seg do Mês A, com a Seg do Mês B e assim por diante; Fator Sazonal Diário = Chamadas do Dia do Mês_x/Total Chamadas Mês_x Somatória do Fator Sazonal Diário do Mês deve ser igual 1 ou 100%; A elaboração de uma tabela e gráfico comparativo dos fatores sazonais diários auxiliará a identificação de Outliers; Padrão Mar-07 Abr-07 Mai-07 Jun-07 Ago-07 Set-07 E: Comparação Fatores Sazonais Diários Sazonalidade 1Seg 4.8% 4.1% 4.0% 1Ter 4.4% 4.2% Mar-07 Abr-07 Mai-07 Jun-07 Jul-07 Ago-07 Set-07 1Qua 4.4% 4.6% 4,0% 3.7% 4.6% 1Qui 4.3% 4.4% 4.3% 4.4% 3.7% 3,8% 8,0% Outliers 1Sex 4.1% 4.0% 4.1% 1.5% 1.5% 1.9% 1,7% 1.8% 1.7% 0.0% 0.0% 0.0% 2Seg 5.9% 5.4% 5.5% 4.1% 6.4% 2Ter 5.0% 6.2% 4.9% 5.1% 5.7% 5.7% 2Qua 4.6% 5.4% 4.5% 4.6% 4.4% 4.8% 5.4% 2Qui 4.2% 4.8% 4.5% 4.4% 4.6% 4.0% 2Sex 4.2% 4.7% 3.8% 4.9% 3.8% 4.5% 4.5% 1.8% 2.2% 1.9% 1.7% 1.4% 1.6% 1.8% 3.0% 2Dom 0.0% 0.0% 0.0% 0.0% 0.0% 3Seg 5.5% 5.9% 4.6% 6.1% 4.7% 5.0% 5.9% 2.0% 3Ter 4.5% 5.1% 4.5% 4.8% 4.0% 4.7% 1,0% 3Qua 4.4% 4.2% 4.3% 3.8% 4.3% 4.8% 3Qui 4.0% 4.0% 4.6% 3.9% 4.5% 0.0% 3Sex 3.5% 3.9% 4.0% 4.6% 3.9% 3.7% 3.8% 1Seg 1Qui 1Sex 2Ter 2Sex 2Dom 3Sex 4Ter 4Qua 4Sex 4Dom 5Seg 5Qua 5Sex 5Dom 3Sab 1.7% 1.7% 1.6% 1.3% 1.6% 2.3% Módulo Previsão de Demanda Por Juliano Nascimento 14</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de Metodologia para Tratamento de Outliers Mensal (Dia a Dia) o tratamento de Outliers (Ruídos) é necessário para evitar que se projete um Ruído; o registro em diários de bordo auxilia neste tratamento, pois embora tenha ocorrido poucas vezes, pode ser necessário considerá-lo; Critério utilizado para tratamento dos ruídos, que serão considerados como expurgos: Fator Sazonal Diário Médio_ = Média dos Fatores Históricos_y 2°) Desvio Padrão dos Fatores Históricos_y 3°) Limite Inferior_y = Fator Sazonal Diário Padrão dos Fatores Históricos_y 4°) Limite Superior_y = Fator Sazonal Diário Médio + z*Desvio Padrão dos Fatores Históricos_y y = dia da semana, exemplo 1° segunda feira Z = Número de desvios padrões que minimizam erro absoluto do forecast no passado Padrão Fator Sazonal Desvio Limite Limite Mar-07 Abr-07 Mai-07 Jun-07 Jul-07 Ago-07 Set-07 Comparação Diários Sazonalidade Diário Médio Padrão Inferior 15eg 4.1% 4.0% 4,3% 0.4% 3,9% 4.4% 4.2% 4.2% 4.3% 0.1% Mar-07 Abr-07 Mai-07 Jun-07 Ago-07 Sazona Médio Limite Limite Superior 4,6% 4.0% 4,6% 4.3% 0.3% 3.9% 4.6% 1Qui 4.3% 4.4% 3.7% 3.8% 4.1% 0.3% 3.9% 8.0% Região entre os Limites sem 4.1% 4,0% 3.8% 4.0% 3.9% 1.5% 1.5% 1.7% 1,9% 1,7% 1,8% 0.1% 1.8% Ruídos e Comportamento Médio 0.0% 0.0% 0.0% 0.0% 0.0% 6.0% 25eg 4.1% 6,4% 6.1% 0.8% 4.9% 2Ter 5,0% 6,2% 4,9% 5.7% 4.6% 4,4% 4,8% 5.4% 4,8% 0,4% 5.2% 2Qui 4.2% 4,5% 4,4% 5.3% 4,6% 4.3% 5.0% 25ex 4.2% 4,9% 3.8% 4.5% 4.5% 0.4% 3.9% 4.7% 1.9% 1.7% 1.6% 1.8% 1.8% 1.6% 2.0% 3.0% 2Dom 0,0% 0.0% 0.0% 0.0% 0.0% 0.0% 2.0% 3Seg 5.5% 5.9% 4.6% 6.1% 5.0% 5.9% 5.4% 0.6% 6.0% 3Ter 4.5% 4,8% 4.0% 4.7% 4.8% 4.6% 0.3% 10% 3Qua 4.4% 4.2% 3.8% 4.3% 4,8% 4.3% 4.0% 3Qui 4.0% 4.0% 3.9% 5.3% 4.3% 4.8% 35ex 3.9% 4,0% 3.9% 3.7% 3.8% 3.9% 15eg 1Qui 4Qua 40om 55eg 5Qua 5Qui 55ab 1,7% 1.7% 1.6% 2.3% 1.7% 0.3% 1,4% 2.0% Módulo Previsão de Demanda Por Juliano Nascimento 15</p><p>Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de Metodologia para Tratamento de Outliers Mensal (Dia a Dia) Ao encontrar os Limites Inferiores e Superiores, expurgar os fatores sazonais diários que estão fora da região de 1 desvio padrão Calcular o Fator Sazonal Médio sem Outliers Fatores Sazonais Diários, Desvio Padrão, LI e LS Fatores Sazonais Diários sem Outliers Padrão Fator Sazonal Desvio Mar-07 Limite Abr-07 Mai-07 Limite Jun-07 Jul-07 Padrão Sazonalidade Ago-07 Set-07 Fator Sazonal Médio Diário Médio Padrão Inferior Mar-07 Abr-07 Superior LS Mai-07 Jun-07 Sazonalidade Jul-07 Ago-07 Set-07 sem Outliers 4,8% 3,9% 4,6% 15eg 4.1% 4,0% 1Ter 4,4% 4,2% 4,2% 4,3% 0,1% 4,1% 4,4% 1Ter 4,2% 4,2% 4,2% 1Qua 4,4% 4,6% 4,0% 4.6% 4.3% 3.9% 4,6% 1Qua 4,4% 4,6% 4,6% 4,4% 1Qui 4,4% 4,3% 4,4% 3,7% 3,8% 4,1% 0,3% 3,9% 4,4% 1Qui 4,3% 4,4% 4,3% 4,4% 4,3% 1Sex 4.1% 4,1% 3,8% 4.0% 0,1% 3,9% 1Sex 4,1% 4,1% 1.5% 1,5% 1,7% 1,9% 1,7% 1,8% 1,7% 1,7% 0,1% 1,6% Fatores Expurgados 1,7% 1Dom 0,0% 0,0% 0,0% 0,0% 1Dom 0,0% 0,0% 0,0% 2Seg 5,4% 4,1% 6,4% 6,1% 5,8% 0,8% 4,9% 6,6% 2Seg 5,9% 5,4% 5,5% 6,4% 5,9% 2Ter 6,2% 4,9% 5,1% 5,4% 5,4% 0,4% 2Ter 5,1% 5.7% 5,4% 5,7% 5.5% 2Qua 4,6% 5,4% 4,5% 4,6% 4,4% 4,8% 5,4% 4,8% 0,4% 4,4% 5,2% 2Qua 4,6% 4,6% 4,8% 4,6% 2Qui 4,2% 4,8% 4,5% 4,4% 4,6% 4,6% 0,4% 4,3% 5,0% 2Qui 4,5% 4,4% 4,6% 2Sex 4,2% 4,7% 3,8% 4,9% 3,8% 4,5% 4,5% 4,3% 0,4% 3,9% 4,7% 2Sex 4,2% 4,7% 4,5% 4,5% 1,8% 2,2% 1,9% 1,7% 1,4% 1,6% 1,8% 1,8% 0,2% 1,6% 2,0% 2Sab 1,8% 1,9% 1.7% 1,6% 1,8% 1,8% 2Dom 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 2Dom 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 5,9% 4,6% 6,1% 4,7% 5,0% 5,9% 5,4% 0,6% 4,8% 6,0% 3Seg 5.5% 5,9% 5,0% 5,9% 5,6% 5,1% 4,5% 4,8% 4,0% 4,7% 4,8% 4,6% 0,3% 4,3% 3Ter 4,5% 4,5% 4,8% 4,7% 4,8% 4,6% 3Qua 4,4% 4,5% 4.2% 4,3% 3,8% 4.3% 4,8% 4,3% 0,3% 4,0% 4,6% 3Qua 4,4% 4,5% 4,2% 4,3% 4,3% 4,3% 3Qui 4,0% 4,0% 4,6% 3,9% 5,3% 4,3% 0,5% 3,8% 4,8% 3Qui 4,0% 4,0% 4,0% 4,6% 3,9% 4,5% 4,1% 3,5% 3,9% 4,0% 4,6% 3,9% 3,7% 3,8% 3,9% 0,3% 3,6% 4,2% 3Sex 3,9% 4,0% 3,9% 3,7% 3,9% 1,7% 1,7% 1,6% 1,6% 2,3% 1,7% 1,4% 2,0% 3Sab 1,7% 1,7% 1,6% 1,6% 1,7% Para trazer os valores dos fatores sazonais sem Outliers utilize as funções do Excel SE e E. Exemplo: Módulo Previsão de Demanda Por Juliano Nascimento Dez-14_v3 16</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) (Calculo de Recursos) Metodologia para Previsão do Próximo Período Mensal (Dia a Dia) Após o tratamento dos ruídos e identificação do Fator Sazonal Diário sem Outliers, realizar o ajustamento dos fatores para base 100% Fator Sazonal Diário Ajustado = Fator Sazonal Diário sem Outliers / Soma Fator Sazonal Diário sem Outliers Definir o padrão sazonal do mês que se deseja estimar Distribuir as chamadas prevista para o mês conforme o fator sazonal diário ajustado Previsão Chamadas Dia = Chamadas Prevista Mês * Fator Sazonal Diário Ajustado_y Chamadas Out-07 Gráfico F: Comparativo Previsto x Real Padrão Fator Sazonal Fator Sazonal Dia-Mês-Ano Previsão de Sazonalidade Sem de Out-07 Ajustado para 100% Chamadas Outliers Previsão de Chamadas 1Seg 4.0% 1Ter 02/out/07 4.0% 2,510 4.000 1Qua 03/out/07 4,2% 2,641 1Qui 4.3% 3.500 05/out/07 4.1% 06/out/07 1.7% 17% 3.000 2Dom 07/out/07 0.0% 0.0% 2Seg 08/out/07 5.9% 5.7% 3,534 2.500 2Ter 09/out/07 5.5% 3,293 2Qua 10/out/07 4.5% 2Qui 4.6% 4.4% 2.759 12/out/07 1.500 0.0% 18% 1.000 14/out/07 0.0% 0.0% 3Seg 15/out/07 5.6% 3,350 500 3Ter 4.6% 3Qua 4.3% 4,2% 3Qui 4.1% 4.0% 2,492 3.7% 15eg 1Qua 15ex 2Dom 2Ter 3Sex 3.9% 2Qui 35eg 3Qua 3Sex 4Dom 4Ter 4Qui SQua 16% 4Dom 21/out/07 0.0% 0.0% 4Seg 22/out/07 4.7% 2,951 4Ter 4.4% Avaliar a capacidade de previsão do modelo através da recomposição diária entre 4Qua 4.1% 3.9% 2,459 4Qui 3,8% 2,270 3.7% Previsto Real = Erro 4Sab 1.5% 967 0.0% 0.0% 5Seg 4.3% 4.2% o mesmo processo de tratamento de Outliers e Previsão Dia a Dia é aplicado 5Ter 4.0% 2,437 5Qua 31/out/07 3.7% 2,243 para a previsão Intra-Diário Total 103.8% 100.0% Módulo Previsão de Demanda Por Juliano Nascimento Dez-14_v3 17</p><p>CCM7 Método Projeção Dias Úteis* + Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) (Cálculo de o Método de Projeção com base no comportamento dos dias úteis associado a séries temporais - utilizando-se somente a componente tendência - é um método aplicado principalmente quando não temos um longo período de dados históricos. A) Organização dos dados Históricos: Chamadas Dia da Data Inicio do Mês Semana (dia) Oferecidas Semana Disposição dos dados em uma tabela, que qua 01/01/2014 16.079 4 01/01/2014 1-4 demonstre: qui 02/01/2014 50.703 5 01/01/2014 1-5 sex 03/01/2014 49.757 6 01/01/2014 1-6 04/01/2014 34.378 7 01/01/2014 1-7 dom 05/01/2014 25.171 1 01/01/2014 1-1 1- Dia da Semana (ddd) seg 06/01/2014 50.631 2 01/01/2014 1-2 2 Data das chamadas recebidas (dd/mm/aaaa) ter 07/01/2014 53.071 3 01/01/2014 1-3 qua 08/01/2014 54.442 4 01/01/2014 2-4 3 - Dia da semana qui 09/01/2014 52.113 5 01/01/2014 2-5 4 - Início do mês sex 10/01/2014 50.552 6 01/01/2014 2-6 sáb 11/01/2014 34.075 7 01/01/2014 2-7 5 Semana que pertence o dia dom 12/01/2014 22.394 1 01/01/2014 2-1 da semana dentro do mês seg 13/01/2014 50.710 2 01/01/2014 criara um Essa organização 2-2 ter 14/01/2014 54.068 3 01/01/2014 2-3 qua 15/01/2014 54.247 4 01/01/2014 3-4 dias de separação padrão dos da qui 16/01/2014 49.829 5 01/01/2014 3-5 sex 17/01/2014 47.697 6 01/01/2014 3-6 18/01/2014 37.423 7 01/01/2014 3-7 entre seg, semana, seg dom 19/01/2014 22.966 1 01/01/2014 3-1 seg 20/01/2014 49.308 2 01/01/2014 3-2 ter 21/01/2014 48.583 3 01/01/2014 3-3 *Método criado por Arnaldo Cravo e Adaptado por Juliano Nascimento (inclusão Módulo - Previsão de Demanda Por Juliano Nascimento Dez-14_v3 18</p><p>CCM7 Método Projeção Dias Úteis* + Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) (Calculo de Recursos) B) Tabela de organização dos dados históricos por ordem do mês e sequência dos dias da semana Ordem Dia jan/14 fev/14 mar/14 abr/14 mai/14 jun/14 jul/14 ago/14 1-2 50.631 52.167 30.741 49.243 49.983 53.720 49.451 Agrupamento das informações: 2-2 50.710 57.327 50.098 53.914 69.743 50.139 47.811 3-2 49.308 45.174 50.963 31.050 51.891 59.126 44.635 4-2 45.716 53.518 52.196 51.860 35.214 43.534 5-2 51.526 44.526 Agrupamento por ordem dos dias, entre Seg, Seg, Seg 1-3 53.071 51.148 23.323 51.686 51.823 56.261 50.019 50.466 2-3 45.527 58.182 53.201 52.957 66.277 40.390 46.609 e assim por diante.. 3-3 48.583 53.827 48.049 38.895 53.733 42.255 54.270 48.077 51.803 47,928 46.343 45.334 42.353 Total de Ligações no Mês 5-3 47.770 42.891 1-4 16.079 48.784 41.563 51.907 49.915 60.290 47.329 47.832 2-4 54.442 45.846 58.861 51.810 64.757 41.614 Total de ligações no Feriados ou dias especiais 3-4 54.247 52.513 50.805 49.268 58.021 48.314 57.558 43.540 4-4 50.258 51.029 50.773 50.275 48.377 47.018 47.094 43.041 Média de Chamadas nos dias úteis (seg á sex) 5-4 46.518 44,908 50.703 45.690 49.192 29.952 57,499 48.972 Média de Chamadas nos Sábados e Domingos 2-5 52.113 42.111 50.921 49.134 41.318 46.855 3-5 49.829 47.045 49.453 33.784 42.267 4-5 45.793 46,470 48.461 48.680 49.053 45.942 43.149 40.286 5-5 41.706 46.172 45.290 1-6 49.757 40.441 50.779 46.209 32.871 41.349 2-6 50.552 40.442 45.832 47.279 52.109 48.048 41.948 44.056 28.767 45.133 45.348 45.134 35.763 4-6 38.777 44.457 44.780 46.272 52.978 44.213 38.015 39.629 5-6 38.753 37.793 Desta forma 1-7 34.378 37.157 35.718 37.038 46.594 33.773 2-7 37.192 37.365 41.819 33.296 35.595 facilmente podemos visualizar 3-7 37,423 37.280 39.742 31.506 38.596 22.366 32.146 4-7 34.090 35.423 41.715 41.646 25.714 33.224 32.233 5-7 36.839 42.853 31.827 dias da semana como se os 1-1 25.171 23.333 18.465 23.815 22.187 20.753 20.233 2-1 22.394 24.511 31.071 23.444 23.267 23.305 18.105 23.038 comportam 3-1 22.966 24.343 26.079 19.168 25.393 20.745 19.887 4-1 21.179 21.391 24.201 21.063 21.282 19.369 5-1 24.718 21.452 Total 1.315.987 1.358.155 1.277.174 1.389.888 1.319.220 1.272.313 1.176.135 Feriados 16.079 27.032 29.952 29.749 41.349 Cham. Dias 47.144 46.963 47.138 50.880 43.171 Média de Sab 43.088 33.727 33.115 Média Dom 23.395 25.047 22.517 23.762 22.848 20.221 20.796 *Método criado por Arnaldo Cravo e Adaptado por Juliano Nascimento (inclusão ST Módulo Previsão de Demanda Por Juliano Nascimento Dez-14_v3 19</p><p>CCM7 Método Projeção Dias Úteis* + Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) (Calculo de (Escalonamento) C) Tabela de cálculo dos Pesos dos Dias em Relação a Média dos Dias Úteis Com Ruído (sem expurgar ruídos) Fator Sazonal Desvio Limite Limite Ordem Dia jan/14 fev/14 mar/14 abr/14 mai/14 jun/14 jul/14 ago/14 Diário Médio Padrão Superior-LS Metodologia de Pesos DU: 1-2 1,07 1,11 0,63 1,04 1,01 1,06 1.08 1,06 1,01 0,15 0,85 1,16 2-2 1,08 0,97 1,18 1,06 1,09 1,37 1,09 1,11 1,12 0,12 1,24 1) Cálculo dos pesos de cada dia da 3-2 1,05 0,96 1,05 0,66 1,05 1,16 0,97 0,97 0,98 0,15 0,84 1,13 4-2 0,97 1,14 1,08 1,01 1,05 0,69 0,98 1,01 0,13 0,86 1,12 semana em relação a média de 5-2 0,88 0,97 0,13 0,84 1,10 1-3 1,09 0,48 1,10 1,05 1,11 1,09 1,17 1,03 0,22 1,25 chamadas nos dias úteis (seg à sex) 2-3 1,15 0,97 1,20 1,13 1,07 1,30 1,08 1,10 0,13 0,97 3-3 1,03 1,01 1,11 1,02 1,17 0,76 1,17 0,98 1,03 0,13 0,90 1,16 4-3 0,95 1,16 0,99 1,10 0,97 0,91 1,01 0,08 0,93 1,09 5-3 1,01 0,93 0,97 0,06 0,92 1,03 1-4 0,34 0,86 1,01 1,03 1,11 0,96 0,27 0,69 1,23 2) Sábados e Domingos não fazem 2-4 1,15 0,98 1,21 1,10 1,07 1,27 0,93 0,96 1,08 0,96 1,21 0,99 parte da médias dos dias úteis. 3-4 1,15 1,12 1,05 1,05 1,17 0,95 1,25 1,09 4-4 1,07 1,09 1,05 1,07 0,98 0,92 1,03 1,00 1,02 0,05 0,97 1,08 5-4 0,99 0,98 0,98 0,01 0,98 0,99 Portanto a representação dos Sábados 1-5 1,08 0,97 1,14 1,04 0,61 1.13 1,00 1,13 1,01 0,18 0,84 1,19 2-5 0,90 1,05 1,04 0,81 1,02 0,91 0,98 0,10 0,88 1,07 e Domingos é transformada em dias 3-5 1,06 0,96 0,97 0,90 1,00 0,66 1,09 0,98 0,95 0,13 0,82 1,08 4-5 0,99 1,00 1,03 0,90 0,94 0,97 0,04 0,93 1,01 úteis (o que representa da média dos 5-5 0,88 0,93 0,93 0,05 0,88 0,99 1-6 1,06 0,86 1,05 0,98 1,14 0,96 0,96 0,13 0,82 1,09 dias úteis) 2-6 1,07 0,86 0,99 0,97 0,96 1,05 1,03 0,99 0,93 1,06 3-6 1,01 0,89 0,91 0,61 0,91 0,89 0,98 0,83 0,12 0,76 1,00 4-6 0,82 0,95 0,92 0,98 1,07 0,87 0,83 0,92 0,92 0,08 0,84 1,00 5-6 0,82 0,88 0,07 0,81 0,96 3) A soma dos pesos DU corresponde 1-7 0,73 0,79 0,84 0,75 0,92 0,72 0,78 0,78 0,72 0,85 2-7 0,79 0,96 0,82 0,72 0,82 0,88 0,22 0,66 1,10 0,72 0,79 1,40 o total de dias úteis que o mês possui. 3-7 0.79 0.82 0,67 0,44 0,77 0,12 0,60 0,85 4-7 0,72 0,73 0,88 0,84 0,51 0,72 0,75 0,74 0,11 0,62 0,85 5-7 0,76 0,87 0,74 0,79 0,07 0,72 0,86 1-1 0,53 0,50 0,38 0,51 0,45 0,48 0,45 0,47 0,47 0,05 0,42 0,52 2-1 0,46 0,39 0,50 0,07 0,43 4) Aplicação dos conceitos de de Fator 0,48 0,64 0,50 0,47 0,53 0,57 3-1 0,49 0,52 0,54 0,41 0,51 0,48 0,45 0,46 0,48 0,04 0,44 0,52 4-1 0,45 0,46 0,51 0,50 0,49 0,41 0,46 0,45 0,47 0,03 0,43 0,50 Sazonal Médio, Desvio Padrão, LI, LS 5-1 0,51 0,42 0,50 0,48 0,05 0,43 0,52 Soma dos Pesos 27,91 25,09 28,03 27,09 28,12 25,93 27,70 27.24 para tratamento de ruídos. *Método criado por Arnaldo Cravo e Adaptado por Juliano Nascimento (inclusão ST Módulo Previsão de Demanda Por Juliano Nascimento Dez-14_v3 20</p><p>CCM7 Método Projeção Dias + Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de D) Tabela de cálculo dos Pesos dos Dias em Relação a Média dos Dias Úteis - Sem Ruído (Expurgando os Ruídos) Ordem Dia jan/14 fev/14 mar/14 abr/14 mai/14 jun/14 jul/14 ago/14 Média 1-2 1,07 1,11 1,04 1,01 1,06 1,08 1,06 1,06 1,06 1,09 1,09 1,11 1,10 2-2 1,08 1,18 3-2 1,05 0,96 1,05 1,05 0,97 0,97 1,01 4-2 0,97 1,08 1,01 1,05 0,98 1,01 1,02 5-2 1,06 0,88 0,97 1-3 1,13 1,09 1,05 1,11 1,09 1,17 1,10 2-3 0,97 1,20 1,13 1,07 1,08 1,10 3-3 1,03 1,01 1,11 1,02 0,98 1,03 4-3 0,95 0,99 0,97 0,99 0,98 0,98 Após encontrar 5-3 1,01 0,93 0,97 1-4 1,04 0,86 1,01 1,18 1,03 1,11 LI, LS, o 1,05 2-4 1,15 0,98 1,10 1,07 0,96 1,05 tem-se a 3-4 1,15 1,12 1,05 1,05 1,17 1,01 1,09 4-4 1,07 1,05 1,07 0,98 1,03 1,00 1,03 distribuição nova dos 5-4 0,99 0,99 0,99 1-5 1,08 0,97 1,14 1,04 1,13 1,00 1,13 1,07 DU's 2-5 0,90 1,05 1,04 0,98 1,02 0,91 0,98 3-5 1,06 0,96 0,97 0,90 1,00 0,98 0,98 4-5 0,97 0,99 1,00 0,99 0,94 0,93 0,97 5-5 0,88 0,93 0,91 1-6 1,06 0,86 1,05 0,98 0,90 0,96 0,97 2-6 0,99 0,97 0,96 1,02 1,05 1,03 1,00 3-6 0,89 0,91 0,91 0,89 0,98 0,83 0,90 4-6 0,95 0,92 0,98 0,87 0,92 0,93 5-6 0,82 0,88 0,85 1-7 0,73 0,79 0,74 0,84 0,75 0,72 0,78 0,76 2-7 0,72 0,79 0,79 0,96 0,82 0,72 0,80 Importante ! 3-7 0,79 0,79 0,82 0,67 0,78 0,77 0,74 4-7 0,72 0,72 0,73 0,84 0,72 0,75 0,75 Nem sempre devemos desconsiderar um 5-7 0,76 0,74 0,75 0,45 0,47 0,47 certo peso, uma vez que pode ser um 1-1 0,50 0,51 0,45 0,48 2-1 0,48 0,52 0,50 0,47 0,46 0,53 0,49 feriado, mudança de tecnologia etc., 3-1 0,49 0,52 0,51 0,48 0,45 0,46 0,48 4-1 0,46 0,49 0,46 0,45 0,46 que deverá ser considerado no futuro 5-1 0,51 0,50 0,50 *Método criado por Arnaldo Cravo e Adaptado por Juliano Nascimento (inclusão Módulo Previsão de Demanda Por Juliano Nascimento Dez-14_v3 21</p><p>CCM7 Método Projeção Dias Úteis* + Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) (Calculo de (Escalonamento) Histórico) E) Estimando-se a Tendência da média das Chamadas nos Dias Úteis: Média Cham. Dias Úteis 60.000 Média Cham. Dias Úteis Meses Observação Chamadas Reais jan-14 1 47.144 50.880 48.452 49.431 50.000 47.144 46.963 47.138 fev-14 2 46.963 45.936 43.171 mar-14 3 48.452 abr-14 4 47.138 mai-14 5 49.431 jun-14 6 50.880 30.000 jul-14 7 45.936 ago-14 8 43.171 set-14 9 out-14 10 nov-14 11 dez-14 12 0 1 2 3 4 5 6 7 8 Método (Passos) 1 - Elabore uma tabela e um gráfico da média de chamadas nos dias úteis, sequenciando-os por observação 2 - Calcule a inclinação e intercepto por meio do Mínimos Quadrados 3 - Calcule a tendência para toda a série de dados histórica e futuro (Set à Dez) *Método criado por Arnaldo Cravo e Adaptado por Juliano Nascimento (inclusão ST - T) Módulo - Previsão de Demanda Por Juliano Nascimento - Dez-14 v3 22</p><p>CCM7 Método Projeção Dias Úteis* + Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de F) Estimando-se a soma dos dias úteis para todas as observações (Meses) e projeção do mês: Dia da Dia da Padrão Mês Data Inicio mês Peso/dia Fator Dia Forecast Semana Semana Forecast 1) Simule para todos os meses, reais e futuros, qual é a soma dos dias 01/01/2014 qua 01/01/2014 4 1-4 1,05 0,04 02/01/2014 qui 01/01/2014 5 1-5 1,07 0,04 úteis conforme o tratamento realizado no passo C). 03/01/2014 sex 01/01/2014 6 1-6 0,97 0,03 04/01/2014 01/01/2014 7 1-7 0,76 0,03 05/01/2014 dom 01/01/2014 1 1-1 0,47 0,02 06/01/2014 seg 01/01/2014 2 1-2 1,06 0,04 2) Ao simular a soma dos dias úteis para cada mês, para encontrar a 07/01/2014 ter 01/01/2014 3 1-3 1,10 0,04 08/01/2014 qua 01/01/2014 4 2-4 1,05 0,04 projeção de chamadas no mês, 09/01/2014 qui 01/01/2014 5 2-5 0,98 0,03 10/01/2014 sex 01/01/2014 6 2-6 1,00 0,04 11/01/2014 01/01/2014 7 2-7 0,80 0,03 12/01/2014 dom 01/01/2014 1 2-1 0,49 0,02 Projeção Mês_x = Tendência Média Chamadas DU * Soma do 13/01/2014 seg 01/01/2014 2 2-2 1,10 0,04 14/01/2014 ter 01/01/2014 3 2-3 1,10 DU Mês_x 0,04 15/01/2014 qua 01/01/2014 4 3-4 1,09 0,04 16/01/2014 qui 01/01/2014 5 3-5 0,98 0,03 17/01/2014 sex 01/01/2014 6 3-6 0,90 0,03 3) Após calcular a projeção para o passado e futuro, calcule as taxas 18/01/2014 01/01/2014 7 3-7 0,77 0,03 19/01/2014 dom 01/01/2014 1 3-1 0,48 0,02 de erro absoluta mês a mês, bem como a taxa de erro acumulado do 20/01/2014 seg 01/01/2014 2 3-2 1,01 0,04 21/01/2014 ter 01/01/2014 3 3-3 1,03 0,04 período onde temos os dados reais (histórico) com a projeção no 22/01/2014 qua 01/01/2014 4 4-4 1,03 0,04 23/01/2014 qui 01/01/2014 5 4-5 0,97 0,03 passado. 24/01/2014 sex 01/01/2014 6 4-6 0,93 0,03 25/01/2014 01/01/2014 7 4-7 0,75 0,03 - 26/01/2014 dom 01/01/2014 1 4-1 0,46 0,02 - 27/01/2014 seg 01/01/2014 2 4-2 1,02 0,04 - 28/01/2014 ter 01/01/2014 3 4-3 0,98 0,03 - 29/01/2014 qua 01/01/2014 4 5-4 0,99 0,04 30/01/2014 qui 01/01/2014 5 5-5 0,91 0,03 31/01/2014 sex 01/01/2014 6 5-6 0,85 0,03 TOTAIS 28,16 1,00 0 *Método criado por Arnaldo Cravo e Adaptado por Juliano Nascimento (inclusão ST T) Módulo - Previsão de Demanda Por Juliano Nascimento 23</p><p>CCM7 Método Projeção Dias Úteis* + Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de Recursos) G) Analisando resultados do Método: jan/14 fev/14 mar/14 abr/14 mai/14 jun/14 jul/14 ago/14 set/14 out/14 nov/14 dez/14 E1 Soma dos Pesos DU Previsto 28,16 25,42 27,64 27,38 27,93 26,89 28,29 27,52 27,4 28,2 26,7 28,3 E2 Soma dos Pesos DU Real 27,91 25,09 28,03 27,09 28,12 25,93 27,70 27,24 E3 Tendência Prevista 48.363 48.085 47.807 47.528 47.250 46.972 46.694 46.416 46.137 45.859 45.581 45.303 E4 Projeção Chamadas Mês 1.362.145 1.222.339 1.321.473 1.301.349 1.319.569 1.263.228 1.320.956 1.277.422 1.262.466 1.291.617 1.215.764 1.284.314 E5 Real Chamadas Mês 1.315.987 1.178.473 1.358.155 1.277.174 1.389.888 1.319.220 1.272.313 1.176.135 E6 Taxa de Erro Absoluta 3,4% 3,6% 2,8% 1,9% 5,3% 4,4% 3,7% 7,9% Taxa de Erro Acumulada Ponderada: 4,1% Mesmo sem um histórico grande que permita construir a sazonalidade, é possível através deste Soma dos DU's - Previsto Real: método sensibilizar as projeções conforme o E1 Sama dos Pesos DU Previsto Soma dos DU Real 30,00 28.16 número de dias úteis de cada mês + tendência, 27.38 27.93 28.29 27.52 28.2 28.3 26.89 25.42 além de facilitar a visualização dos dados. Chamadas Mês - Previsto Real 20,00 1,6 E4 Projeção Chamadas Mês Real Chamadas Mês 15.00 1.36 1.32 1,4 1.32 1.26 1.30 1.32 1.28 1.26 1.29 1.28 1.22 1.22 1,2 5.00 27.91 25.09 28.03 28.12 25.93 27.70 27.24 0.00 0,8 jan/14 fev/14 mar/14 abr/14 mai/14 jun/14 ago/14 set/14 out/14 nov/14 dez/14 1.32 1.39 1.28 1.32 0,6 1.27 1.18 1.18 Modelo de fácil aplicação e boa assertividade no forecast. Ao 0,4 incorporar as estratégias do negócio e tratamento adequado de dias especiais (feriados etc.), o erro acumulado ponderado tende a diminuir ! jan/14 fev/14 mar/14 abr/14 mai/14 jun/14 jul/14 ago/14 set/14 out/14 nov/14 dez/14 *Método criado por Arnaldo Cravo e Adaptado por Juliano Nascimento (inclusão ST T) Módulo Previsão de Demanda Por Juliano Nascimento 24</p><p>CCM7 Séries Temporais Tecnologia e serviços Previsão de Demanda Dimensionamento Escalas Controle (LP, MP e CP) de Recursos) EXERCÍCIOS ! Consulte o arquivo em Excel: Módulo I - Exercícios Previsão de Demanda e Projeção por Dias Úteis + Séries Temporáis Exercícios A: Previsão de Demanda Mês a Mês Exercícios B: Previsão de Demanda Dia a Dia Exercícios C: Previsão de Demanda Intervalo Tempo para resolução dos exercícios e esclarecimento de Dúvidas: 1 hora Módulo - Previsão de Demanda Por Juliano Nascimento Dez-14 v3 25</p>