GESTÃO DE OPERAÇÕES PREVISÃO DE DEMANDA

Prévia do material em texto

GESTÃO DE 
OPERAÇÕES II
AULA 02
DEFINIÇÃO 1
• A PREVISÃO DA DEMANDA É A BASE
PARA O PLANEJAMENTO ESTRATÉGICO
DA PRODUÇÃO, VENDAS E FINANÇAS DE
QUALQUER EMPRESA.
• PERMITE QUE OS ADMINISTRADORES
ANTEVEJAM E PLANEJEM
ADEQUADAMENTE AS SUAS AÇÕES
PROJEÇÃO DA DEMANDA (VENDAS)
Definição 2:
Uma previsão é uma
afirmativa ou inferência
sobre o futuro,
usualmente baseada em
informação histórica.
Previsão
1. OS 3 CONCEITOS
Planejamento: processo lógico que descreve as atividades
necessárias para ir do ponto no qual estamos até o objetivo definido;
Predição: processo para determinação de um acontecimento futuro
baseado em dados completamente subjetivos e sem uma
metodologia de trabalho clara;
Previsão: processo metodológico para determinação de dados
futuros baseados em modelos estatísticos, matemáticos ou
econômicos ou ainda em modelos subjetivos apoiados em
metodologia de trabalho clara e previamente definida.
1. PLANEJAMENTO, PREDIÇÃO E PREVISÃO
• Previsão de demanda é uma atividade estratégica, pois está ligada
ao resultado:
 Se a quantidade comprada de materiais for pequena, pode-se
colocar em risco o atendimento aos clientes e prejudicar a imagem da
empresa;
 Se a quantidade comprada for grande demais, ocorrerá uma
imobilização excessiva de capital de giro e também aumento nos
custos de estocagem.
2. DEMANDA
Horizontes de planejamento
hoje
tempo
decisões
Efeito da
decisão A
Efeito da
decisão B
Efeito da
decisão C
curto prazo
médio prazo
Longo prazo 
A
B
C
POR QUE PREVER?
3. ERROS DE PREVISÃO
- Erro de Previsão (𝐸𝑡) para o período t é a diferença ou desvio entre o Valor Real (𝐷𝑡) e
o Valor Previsto da demanda (𝐹𝑡 , forecast) no período correspondente. Desvios
positivos significam que a demanda superou a previsão, e negativos, o contrário.
𝐸𝑡 = 𝐷𝑡 − 𝐹𝑡
- A partir dos desvios de “n” períodos consecutivos, calcula-se o Erro Médio (EM) pela
equação:
𝐸𝑀 =
σ𝑡=1
𝑛 (𝐷𝑡 − 𝐹𝑡)
𝑛
- O EM deve resultar em valores próximos de zero para n grande, quando o modelo não
apresenta viés ou erro sistemático. Neste caso, os desvios positivos 𝐷𝑡 > 𝐹𝑡 anulam-se
com os desvios negativos 𝐷𝑡 < 𝐹𝑡 .
3. ERROS DE PREVISÃO
- Dois indicadores usados para medir a dispersão do erro da previsão EM, são o Erro
Absoluto Médio (EAM) e o Erro Quadrático Médio (EQM).
- No EAM, calcula-se a média dos desvios absolutos (sem sinal), enquanto no EQM, cada
desvio é elevado ao quadrado, de forma similar ao conceito de variância da Estatística.
𝑬𝑨𝑴 =
σ𝑡=1
𝑛 |𝐷𝑡 − 𝐹𝑡|
𝑛
𝑬𝑸𝑴 =
σ𝑡=1
𝑛 𝐷𝑡 − 𝐹𝑡
2
𝑛
- No erro quadrático médio, os desvios maiores acabam tendo peso maior, ocorrendo o
contrário com desvios pequenos.
- A desvantagem do erro quadrático é que este não é expresso na mesma unidade dos
dados originais de demanda. Pode-se trabalhar, entretanto, com a raiz quadrada do
EQM, embora isso não seja usual.
3. ERROS DE PREVISÃO
- Uma alternativa ao EAM bastante utilizada é o EPAM ( Erro Percentual Absoluto
Médio), que considera desvios relativos ou percentuais no cálculo do erro, conforme a
equação:
𝑬𝑷𝑨𝑴 =
σ𝑡=1
𝑛 𝐷𝑡 − 𝐹𝑡
𝐷𝑡
𝑛
Exemplo 1: Calcule os erros de previsão [EM; EAM e 
EPAM], a partir dos dados apresentados na tabela:
MÊS (1) Venda (2) Previsão (3)
1 120 110
2 150 135
3 130 150
4 135 140
5 150 150
Média Ver planilha
Erro 1 das previsões: confundir previsões com metas e, um erro
subsequente, considerar as metas como se fossem previsões.
Erro 2 das previsões: gastar tempo e esforço discutido se "acerta" ou "erra"
nas previsões, quando o mais relevante é discutir "o quanto" se está errando
e as formas de alterar processos envolvidos, de forma a reduzir estes "erros".
Erro 3 das previsões: levar em conta, nas previsões que servirão a apoiar
decisões em operações, um número só. Previsões, para operações, devem
sempre ser consideradas com dois "números": a previsão em si e uma
estimativa do erro desta previsão.
Erro 4 das previsões: desistir ou não se esforçar o suficiente para melhorar
os processos de previsão por não se conseguir "acertar" as previsões,
quando, em operações, não se necessita ter previsões perfeitas, mas sim,
previsões consistentemente melhores que as da concorrência.
PREVISÕES – ERROS FREQÜENTES
4. MODELOS DE PREVISÃO DE VENDAS
Análise
Quantitativa
Análise
Qualitativa
Informações Informações
Previsão
Balanço
Modelos temporais
(projeção - futuro 
similar passado)
Modelos causais
(explicação -
relações do passado 
similares ao futuro)
4.1 MODELOS QUALITATIVOS
Características:
Apresentam um maior grau de subjetividade;
São aplicados quando não há dados disponíveis;
Devem ser realizados por especialistas
Exemplo: 
- lançamento de um novo produto;
- Tendência de longo prazo;
- Pesquisas de satisfação;
- Pesquisa de Cenários: Otimista, Pessimista.
4.1 MODELOS QUALITATIVOS
4.1.1 Pesquisa de Mercado:
Busca-se avaliar a demanda potencial de um produto ou serviço
diretamente com os consumidores finais através de diferentes
métodos.
- Avaliar o potencial de consumo (demanda);
- Nível de satisfação dos consumidores;
- Participação no mercado (marked share) e a força da marca;
- Teste de novos produtos(design e desempenho);
- Avaliação de preço e concorrência.
4.1 MODELOS QUALITATIVOS
4.1.2 Simulação de Cenários:
- Busca-se construir, a partir da opinião de especialistas, diferentes cenários
futuros e, para cada um deles, estimar o comportamento das vendas.
- O resultado será apresentado como otimista, mais provável, menos
provável ou pessimista.
- Pode fornecer subsídios par ao planejamento da capacidade e decisões de
investimento no médio e longo prazo;
Exemplos:
- Método Principal é o Consenso: 
Participam: um mediador líder, alta gerência, equipe de vendas.
4.1 MODELOS QUALITATIVOS
4.1.3 Método Delfi:
- Desenvolvido pela originalmente pela empresa norte-americana Rand Co.
durante a segunda guerra mundial com objetivo de avanços tecnológicos
na área militar.
- É uma referência ao oráculo Delfos, na Grécia antiga, aonde as pessoas se
dirigiam para obter ensinamentos e previsões do futuro(Filme 300).
- Consiste em duas etapas:
- a primeira, os participantes são estimulados a emitir uma opinião
sobre um tema, coletadas pelo mediador;
- na segunda, busca de um consenso das opiniões com todos os
participantes.
4.2 MODELOS QUANTITATIVOS
SÃO MODELOS ESTATÍSTICOS DE DECISÃO
4.2.1 Projeção de Séries Temporais:
- Considera-se que a variável demanda é função apenas da variável tempo.
- Pressupõe-se que o padrão de demanda observado no passado deve repetir-se no futuro
e, com base nessa premissa.
4.2.2 Previsão por Regressão e Correlação:
- A análise de regressão consiste no estudo da correlação entre uma variável de resposta e
uma ou mais variáveis independentes.
- A partir da identificação da existência de correlação, constrói-se um modelo de regressão
para prever os valores da variável de resposta(variável dependente) em função das
variáveis independentes.
- São classificados em regressão simples e múltipla, dependendo do número de variáveis
independentes consideradas.
4.2 MODELOS QUANTITATIVOS
4.2.1 Projeção de Séries Temporais:
➢ Média Móvel Simples (MMS):
No método da média móvel, a previsão no período futuro t é
calculada como sendo a média de n períodos anteriores.
𝑀𝑀𝑆 =
σ1
𝑛𝑃𝑛
𝑛
Onde:
P1 a Pn ⇒ Períodos (em meses, anos, etc.)
n ⇒ Quantidade de períodos
MMS ⇒ Média Móvel Simples
Exemplo 1: CÁLCULO DA PREVISÃO PELO MÉTODO DA MÉDIA 
MÓVEL SIMPLES
1. Um produto apresentou, nos últimos meses, a demanda 
dada na tabela. Determinar a previsão para o período 25 
utilizandoo método da MMS, com 2, 4 e 8 períodos. Use 
para a tomada de decisão o menor erro médio (EM) e o 
Desvio Padrão do Erro.
Período Mês Dem. Hist.
(t) (Dt)
1 Jan 89
2 Fev 92
3 Mar 100
4 Abr 107
5 Mai 89
6 Jun 90
7 Jul 87
8 Ago 93
9 Set 92
10 Out 110
11 Nov 86
12 Dez 107
13 Jan 92
14 Fev 87
15 Mar 90
16 Abr 87
17 Mai 91
18 Jun 95
19 Jul 100
20 Ago 94
21 Set 84
22 Out 94
23 Nov 101
24 Dez 96
25 Jan
Erro Médio (9 a 24)
Desv. Pad. Do Erro (9 a 24)
4.2 MODELOS QUANTITATIVOS
4.2.1 Projeção de Séries Temporais:
➢ Média Móvel Ponderada (MMP):
Esta técnica consiste em aplicar pesos maiores aos últimos períodos
da série. Atribuir pouco peso aos valores mais distantes do momento atual e,
com isto, a tendência é a de tornar o resultado da previsão mais parecido
com o valor do último período.
𝑀𝑀𝑃 =
𝑝1𝑥𝑃1 + 𝑝2𝑥𝑃2 +⋯+ 𝑝𝑛𝑥𝑃𝑛
σ1
𝑛 𝑝𝑛
𝑃1 a 𝑃𝑛 ⇒ Períodos (em meses, anos, etc.)
𝑝1 𝑎 𝑝𝑛⇒ pesos atribuídos
σ1
𝑛 𝑝𝑛 é o somatório dos pesos
MMP ⇒ Média Móvel Ponderada
Exemplo 2. CÁLCULO DA PREVISÃO PELO MÉTODO DA MÉDIA 
MÓVEL PONDERADA
Vendas 
reais 2013
Média móvel de 3 períodos 
ponderada com pesos 3, 2 e 1
Previsão 2014
Janeiro 154
Fevereiro 114
Março 165
Abril 152
Maio 176
Junho 134
Julho 123
Agosto 154
Setembro 134
Outubro 156
Novembro 123
Dezembro 145
Ver planilha MMP
4.2 MODELOS QUANTITATIVOS
4.2.1 Projeção de Séries Temporais:
➢ Suavização Exponencial:
- No método da MM, todas as parcelas do cálculo da previsão têm o
mesmo peso. Na MMP, consideramos a variação de pesos para
diferentes períodos prevendo alguns fatores específicos.
- Na suavização exponencial utiliza-se valores passados com pesos
crescentes ou decrescente.
Apresentam-se três variantes do modelo de suavização exponencial:
i) Suavização Exponencial Simples;
- Ajustamento Exponencial;
- Ajustamento Sazonal;
ii) Suavização Exponencial com tendência ( Modelo de Holt);
iii) Suavização Exponencial com tendência e sazonalidade (Modelo de
Holt-Winters)
4.2 MODELOS QUANTITATIVOS
4.2.1 Projeção de Séries Temporais:
➢ Suavização Exponencial:
i) Suavização Exponencial Simples;
Pressupõe-se que a demanda oscila em torno de um patamar ou uma
base constante.
Partindo-se de um valor inicial, a “base” é corrigida a cada período,
conforme novos dados da demanda são incorporados a série.
Ft = Ft-1 + (Dt - Ft-1) 0 <  <1 ou
A previsão deste modelo será a última estimativa da base, para qualquer
instante futuro.
onde  = constante de suavização da base;
Ft = Base ao final do período t;
Dt = Demanda do Período t;
4.2 MODELOS QUANTITATIVOS
4.2.1 Projeção de Séries Temporais:
➢ Suavização Exponencial:
i) Suavização Exponencial Simples;
Caso queira-se determinar o valor de 𝛼, este pode ser calculado em função
do número de períodos 𝑛 considerados para o modelo em questão, com a utilização da
expressão:
𝛼 =
2
𝑛 + 1
Assim, em um horizonte de 7 períodos, teríamos: 𝛼 =
2
7+1
=
1
4
= 0,25
Período Mês Dem. Hist.
(t) (Dt)
1 Jan 89
2 Fev 92
3 Mar 100
4 Abr 107
5 Mai 89
6 Jun 90
7 Jul 87
8 Ago 93
9 Set 92
10 Out 110
11 Nov 86
12 Dez 107
13 Jan 92
14 Fev 87
15 Mar 90
16 Abr 87
17 Mai 91
18 Jun 95
19 Jul 100
20 Ago 94
21 Set 84
22 Out 94
23 Nov 101
24 Dez 96
25 Jan
Erro Médio (9 a 24)
Desv. Pad. Do Erro (9 a 24)
Exemplo 3: CÁLCULO DA PREVISÃO PELO MÉTODO DA MÉDIA 
MÓVEL EXPONENCIAL SIMPLES
3. Um produto apresentou, nos últimos meses, a demanda
dada na tabela. Determinar a previsão para o período 25
utilizando o método da MMES, com fator de ponderação a=
0,3; a= 0,5; a = 0,8. Use para a tomada de decisão o menor erro
médio (EM) e o Desvio Padrão do Erro. Verifique no gráfico a
melhor opção de suavização.