Baixe o app para aproveitar ainda mais
Prévia do material em texto
Lista de Exercícios – Previsão de demanda Considere que uma organização tenha o seguinte histórico de demanda de determinado material (em unidades): janeiro = 90; fevereiro = 50; março = 60; abril = 70; maio = 70; junho = 70. Nesse caso, assinale a alternativa correta que contém a previsão para julho, de acordo com o método da média móvel para três meses. a) 50 unidades b) 65 unidades (c) 70 unidades d) 80 unidades e) Falta informações de demanda para realizar as previsões. Período (t) Demanda (D) Previsão MMN = janeiro D₁= 90 - fevereiro D₂= 50 - março D₃= 60 - abril D₄= 70 P₄= D₁+D₂+D₃= (90+50+60)/3= 66,67 maio D₅= 70 P₅= D₂+D₃+D₄= (50+60+70)/3= 60 junho D₆= 70 P₆= D₃+D₄+D₅= (60+70+70)/3= 66,69 julho P₇= D₄+D₅+D₆= (70+70+70)/3= 70 A previsão de demanda de itens de estoque é item fundamental no planejamento de materiais e financeiro de uma empresa. Dentre as técnicas de previsão abaixo, selecione a técnica qualitativa: a) Regressão simples. (b) Análise da opinião de especialistas. c) Séries temporais. d) Média exponencial móvel. e) Média móvel centrada. Considere o consumo de determinado material apresentado a seguir. Janeiro = 250; fevereiro= 280; março=320; abril=290; maio=300 e junho=310. Nessa situação, a previsão de consumo para julho, de acordo com a média móvel ponderada para 3 meses, com os pesos de 0.5, 0.3 e 0.2, será de: a) 301 (b) 303 c) 291,66 d) Abaixo de 200 e) Não é possível realizar a previsão com 3 meses. período Demanda Previsão MMPN = janeiro D₁= 250 - fevereiro D₂= 280 - março D₃= 320 - abril D₄= 290 P₄= W₁*D₃+W₂*D₂+W₃*D₁= 0,5*320+0,3*280+0,2*250= 294 maio D₅= 300 P₅= W₁*D₄+W₂*D₃+W₃*D₂= 0,5*290+0,3*320+0,2*280= 297 junho D₆= 310 P₆= W₁*D₅+W₂*D₄+W₃*D₃= 0,5*300+0,3*290+0,2*320= 301 julho P₇= W₁*D₆+W₂*D₅+W₃*D₄= 0,5*310+0,3*300+0,2*290= 303 Considere o seguinte consumo de determinado material. 60 unidades em março; 98 unidades em agosto; 70 unidades em abril; 98 unidades em setembro; 85 unidades em maio; 102 unidades em outubro; 88 unidades em junho; 105 unidades em novembro; 94 unidades em julho; 111 unidades em dezembro. Com base nos dados acima e considerando que os estudos acerca de estoques dependem da previsão do consumo de material, assinale a opção incorreta. (a) Com base no método da média com ponderação exponencial linear, apenas o consumo do mês de dezembro será utilizado na fórmula de cálculo da previsão do consumo para o mês de janeiro. b) Para reduzir a influência do baixo consumo nos meses de março e abril na previsão de consumo para janeiro, é correto utilizar o método da média móvel ponderada, caracterizado pela aplicação de pesos maiores aos dados de consumo mais recentes e pesos menores aos dados mais antigos. c) Com base no método da média móvel para 3 períodos, a previsão de consumo para janeiro é superior a 111 unidades por causa da tendência crescente de consumo. d) Com base no método da média móvel para 2 períodos, a previsão de consumo para janeiro é de 108 unidades. e) Com base no método da média móvel para 3 períodos, a previsão de consumo para janeiro é de 106 unidades. A tabela abaixo mostra as vendas do refrigerante ULTRACOLA, em litros, ao longo do ano de 2018. Mês Total em Litros Janeiro 416.000 Fevereiro 420.250 Março 405.750 Abril 435.750 Maio 460.000 Junho 487.250 Julho 501.500 Agosto 473.500 Setembro 536.250 Outubro 504.750 Novembro 525.000 Dezembro 557.000 Qual técnica de previsão de demanda você escolheria para realizar a previsão para janeiro de 2019, com base no menor erro absoluto médio (MAD)? Faça o teste para as seguintes técnicas: Média Móvel com 2 períodos; Média Móvel Ponderada com 3 períodos (usando os pesos: 0.5; 0.3 e 0.2) e Média Exponencial Móvel (utilizando um valor de alpha entre 0 à 1, que apresente o menor erro). Apresente o valor do erro médio absoluto para a técnica escolhida Escolheria Média Exponencial Móvel pois tem o menor valor do erro médio absoluto. w1 w2 w3 0,5 0,3 0,4 alfa 0,74 Mês Total em Litros Previsão Mnm. Erro₁ Previsão Mmpn. Erro₂ Previsão Mt. Erro₃ jan. 416.000 416.000 0 416.000 0 416.000 0 fev. 420.250 420.250 0 420.250 0 416.000 4250 mar 405.750 418.125 12.375 405.750 0 419.143 13393 abril 435.750 413.000 22.750 495.350 59.600 409.239 26511 maio 460.000 420.750 39.250 507.700 47.700 428.844 31156 jun. 487.250 447.875 39.375 523.025 35.775 451.884 35366 jul. 501.500 473.625 27.875 555.925 54.425 478.037 23463 ago. 473.500 494.375 20.875 580.925 107.425 495.388 21888 set 536.250 487.500 48.750 582.100 45.850 479.202 57048 out 504.750 504.875 125 610.775 106.025 521.389 16639 Nov. 525.000 520.500 4.500 602.650 77.650 509.084 15916 dez 557.000 514.875 42.125 628.425 71.425 520.854 36146 MAD 25.800 67.319 25.615,99 Apresente o fluxo dos métodos de previsão de demanda. O fluxo dos métodos de previsão de demanda se subdividi em dois grupos, as técnicas qualitativas, que são utilizadas para dados subjetivos, ou seja, aqueles dados que são difíceis de representar numericamente e são realizadas, as previsões, com base na opinião de especialistas. E as técnicas quantitativas que envolvem a análise numérica dos dados passados, e as previsões são feitas através de métodos baseados em séries temporais ou correlações. Qual a diferença entre os métodos baseado em séries temporais e os de correlação (conhecidos como métodos causais)? A diferença entre os métodos baseados em series temporais para os métodos de correlação é que para a aplicação dos primeiro métodos é necessário dados anteriores sobre a demanda, já no método de correlação a previsão é feita a partir de outra variável que esteja relacionada com o produto ou serviço. Quais as etapas de um modelo de previsão de demanda? Primeira etapa é a definição do objetivo, ou seja, qual o produto/serviço que eu quero prever a demanda, segunda etapa é a coleta e analise dos dados, quanto mais informações coletadas mais os dados serão confiáveis, a analise desses dados é importante para saber se os dados não estão mascarados e também como deve ser agrupado os períodos para conseguir o máximo dos dados, terceira etapa é selecionar qual técnica que deverá ser aplicada para obter a previsão, para determinar a melhor técnica deve se analisar o erro, a qual tiver o menor deverá ser a técnica aplicada, a quarta etapa é a obtenção das previsões feita através da técnica escolhida na etapa anterior e por último é a etapa de monitoramento, no monitoramento a cada demanda deve realizada deve se atualizar o modelo. O que significa erros de previsão demanda e qual o impacto que ele possui nos processos de previsão? Quanto mais distantes a demanda prevista esta da demanda real maior é o erro, esse erro pode provir de vários fatores como a técnica de previsão pode estar sendo usada incorretamente, ou sendo mal interpretada, a técnica de previsão perdeu a validade devido à mudança em uma variável importante, ou devido ao aparecimento de uma nova variável, variações irregulares na demanda podem ter acontecido em função de greves, formação de estoques temporários, catástrofes naturais, etc. Ações estratégicas da concorrência, afetando a demanda; variações aleatórias inerentes aos dados da demanda. É os impactos de um erro de previsão de demanda são estoques ou a falta de produtos no mercado, fazendo o cliente optar por um concorrente. Cite um indicador de medição dos erros de previsão. MAD – Desvio médio absoluto MAPE – Erro absoluto percentual médio EQM – erro quadrado médio
Compartilhar