Previsão de Demanda

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