Baixe o app para aproveitar ainda mais
Prévia do material em texto
GST0045 – Gestão da Cadeia de Suprimento Aula 10: Métodos Quantitativos - Tecnologia da Informação AULA 10: Métodos Quantitativos - Tecnologia da Informação Gestão da cadeia de suprimentos Métodos Quantitativos - Tecnologia da Informação Ao final desta aula o aluno deverá ser capaz de: Conhecer métodos quantitativos de gestão de demanda Conhecer a aplicação da Tecnologia da informação na Cadeia de Suprimentos AULA 10: Métodos Quantitativos - Tecnologia da Informação Gestão da cadeia de suprimentos Métodos Quantitativos Os métodos quantitativos envolvem a análise numérica dos dados passados, isentando-se de opiniões pessoais e palpites. Empregam-se modelos matemáticos para projetar a demanda futura. Podem ser subdivididos em dois grandes grupos: os métodos baseados em séries temporais, médias móveis, correlações e outras técnicas estatísticas mais avançadas. AULA 10: Métodos Quantitativos - Tecnologia da Informação Gestão da cadeia de suprimentos Previsão de Demanda Técnicas quantitativas para calcular a previsão de consumo: Método do último período; Método da média móvel; Método da média móvel ponderada; Método da média com ponderação exponencial; Método dos mínimos quadrados. AULA 10: Métodos Quantitativos - Tecnologia da Informação Gestão da cadeia de suprimentos Séries Temporais As séries temporais baseiam-se em sequências de dados uniformemente espaçados(semana, mês, etc). A previsão de dados por séries temporais implica que os valores futuros sejam previstos somente a partir de valores passados e que quaisquer outras variáveis, não importa o quanto sejam potencialmente valiosas, sejam ignoradas. AULA 10: Métodos Quantitativos - Tecnologia da Informação Gestão da cadeia de suprimentos Médias Móveis Estabelecer a média dos dados de alguns períodos recentes, que se tornam a previsão; Considerar o número de períodos (período de recorrência – PR) de dados a serem incluídos na média. Usar dados de um número predeterminado de períodos, normalmente os mais recentes. Cada novo período de previsão substitui o dado mais antigo pelo mais recente.
Compartilhar