Baixe o app para aproveitar ainda mais
Prévia do material em texto
PREVISÃO DE DEMANDA Aulas 5 a 12 Livro referência: Administração de Produção e Operações Lee Krajewski, Larry Ritzman e Manoj Malhotra Capítulo 13 Previsão de Demanda 1 INTRODUÇÃO A demanda tem impacto direto nos planos de negócios ou planos anuais, orçamentos, financeiro (fluxo de caixa e requisitos de capital), RH (necessidades de contratações e treinamentos) e na operação (no mix de produtos, compras – materiais, serviços e matéria-prima, cronograma de produção, estoque, capacidade de longo prazo). 1 INTRODUÇÃO Previsão de demanda Processo racional de busca de informações acerca do valor das vendas futuras de um item ou de um conjunto de itens Normalmente, é gerida pelo marketing, cuja equipe está mais próxima aos clientes externos e ao mercado de um modo geral 1 INTRODUÇÃO Previsão de demanda Para Ballou (2004) os métodos padronizados de previsão de demanda Qualitativos Projeção histórica Causais 1 INTRODUÇÃO Método de previsão de demanda qualitativo Recorrem a julgamento, intuição, pesquisas ou técnicas comparativas a fim de produzir estimativas quantitativas sobre o futuro Fatores que afetam a previsão são tipicamente não quantitativos, flexíveis e subjetivos Previsões de médio a longo alcance 1 INTRODUÇÃO Método de projeção histórica Há um número razoável de dados históricos Tendência e variações sazonais nas séries de tempo são estáveis e bem definidas Eficiente na previsão de curto prazo Exatidão alta para períodos de tempo de menos de seis meses Devido à estabilidade inerente às séries de tempo no curto prazo Premissa básica Padrão de tempo futuro será uma repetição do passado, pelo menos em sua maior parte 1 INTRODUÇÃO Métodos causais Premissa básica Nível da variável de previsão é derivado do nível de outras variáveis relacionadas Boa previsão para períodos de médio a longo alcance 2 PADRÕES DE DEMANDA Padrões de observações repetidas de demanda por um produto são denominados séries temporais de demanda horizontal, tendencial, sazonal, cíclico, aleatória. 2 PADRÕES DE DEMANDA Série temporal horizontal flutuação de dados de demanda em torno de uma média de demanda constante Série temporal tendencial aumento ou redução na média da série ao longo do tempo de maneira constante Série temporal sazonal (ou estacional) aumentos e reduções na demanda que pode ser repetido, dependendo da hora, do dia, da semana, do mês ou da estação 2 PADRÕES DE DEMANDA Série temporal sazonal (ou estacional) Aumentos e reduções na demanda que pode ser repetido em intervalos regulares Deve existir uma razão plausível para a ocorrência, e posterior repetição, dessas variações Período de ocorrência da sazonalidade pode ser anual (por exemplo, a demanda por ar-condicionado) mensal (por exemplo, atendimento bancário no final do mês) semanal (por exemplo, atendimentos em um restaurante no final de semana) diário (por exemplo, o fluxo de veículos no horário do rush) 2 PADRÕES DE DEMANDA Série temporal cíclica aumentos ou reduções graduais menos previsíveis na demanda por períodos mais longos de tempo (anos ou décadas) Surgem de duas influências ciclo de vida útil do produto, questões econômicas, recessão e expansão do mercado, políticas nacionais ou internacionais. Série temporal aleatória a variação da demanda é imprevisível e está presente em todos os padrões apresentados anteriormente, o que torna a previsão da demanda mais difícil. 3 PROJETANTO O SISTEMA DE PREVISÃO Pergunta 1: o que deve ser previsto? agregado ou individual no nível agregado o erro é de ± 5% agregação por serviços ou produtos semelhantes demanda semelhantes processamento, trabalho e materiais comuns unidade de medida número de unidades de demanda (multiplicar pelo preço) estimativas em horas máquina média ou horas de trabalho empresas prestadoras de serviço ou bens sob encomenda 3 PROJETANTO O SISTEMA DE PREVISÃO Pergunta 2: que tipo de técnica de previsão usar? Métodos qualitativos convertem opiniões de gerentes e especialistas, pesquisas ao consumidor e estimativas de forças de vendas em estimativas quantitativas Métodos quantitativos métodos causais utilizam dados históricos sobre variáveis independentes, como campanhas promocionais, condições econômicas e ações dos concorrentes para prever a demanda análise de séries temporais adota abordagem estatística que utiliza dados históricos sobre a demanda para projetar o tamanho futuro da demanda e reconhecer tendências e padrões sazonais 3 PROJETANTO O SISTEMA DE PREVISÃO Pergunta 3: que tipo de software usar? Há softwares para todo e qualquer tipo de empresas disponíveis no mercado e, portanto, para os diferentes padrões de demanda. 4 MÉTODOS QUALITATIVOS Estimativa da Força de Venda Júri de Executivos Pesquisa de Mercado Método Delphi 4 MÉTODOS QUALITATIVOS Estimativa da Força de Venda Vantagens a força de vendas, em função de sua proximidade aos clientes, tem informações sobre quais serviços ou produtos que os clientes comprarão no futuro e em que quantidade as áreas de vendas são divididas por distrito ou região, dispondo de informações decompostas as previsões individuais da força de vendas podem ser combinadas Desvantagens: posições individuais da equipe de vendas (visões otimistas e pessimistas) podem contaminar as previsões dificuldade de distinguir entre o que o cliente quer e o que o cliente precisa medida de desempenho individual 4 MÉTODOS QUALITATIVOS Júri de Executivos Opiniões, experiências e conhecimentos técnicos de um ou mais administradores são resumidos para formar a previsão Aplicável a serviços e produtos novos Pesquisa de Mercado Abordagem sistemática para determinar o interesse do consumidor externo em um serviço ou produto, criando e testando hipótese por meio de pesquisas de coleta de dados 4 MÉTODOS QUALITATIVOS Método Delphi Processo de obtenção de consenso de um grupo de especialistas, mantendo seu anonimato Um coordenador envia perguntas aos especialistas Recebe e trata as respostas estatisticamente e reenvia aos especialistas quantas vezes forem necessárias para se obter um consenso 5 MÉTODOS QUANTITATIVOS Métodos Causais Associa a demanda a qualquer outra variável da qual supostamente possa depender Utiliza variáveis independentes (ações governamentais ou promoções publicitárias) Regressão Linear Regressão Linear Simples Problemas podem envolver variáveis com relação inerente entre elas Variável aleatória dependente (Y) – demanda (a ser prevista) Variável independente (x) – investimento em publicidade, nº de alunos em escolas Y = α + βx, sendo que α é o intercepto e β é a inclinação α e β – coeficientes de regressão Regressão Linear Simples é a reta de regressão ajustada onde é o valor predito ou valor ajustado de Y erro no ajuste: Regressão Linear Simples Método dos mínimos quadrados determinar a e b de modo que a soma dos quadrados dos resíduos ou dos erros (SQE) seja mínima Regressão Linear Simples Medidas de precisão da previsão da demanda coeficiente de correlação (r): varia entre -1 e +1. Quando esse valor tende para zero, indica que não há correlação entre as variáveis dependente e independente Considere os intervalos a seguir para interpretação dos valores absolutos de r | r | Correlação 0 a 0,2 Muito baixa 0,2 a 0,4 Baixa 0,4 a 0,6 Média 0,6 a 0,8 Alta 0,8 a 1,0 Muito alta Regressão Linear Simples Coeficiente de determinação (r2) Varia entre 0 e +1 Mede a quantidade de variação da variável dependente explicada pela linha de regressão Mede a proporção da variação de Y explicada pela variação de x Regressão Linear Simples Erro-padrão da estimativa Mede o erro da variável aleatória dependente em torno da linha de regressão É o desvio-padrão da diferença entre a demanda real e a estimativa fornecida pela linha de regressão Regressão Linear Simples Intervalo de confiança para a previsão da demanda Para o nível de significância α, obtém-se na tabela da distribuição normal reduzida Regressão Linear Simples Exemplo 1. (Krajewski). Apessoa encarregada da programação da produção de uma empresa deve preparar previsões de demanda do produto a fim de planejar quantidades de produção apropriadas. Durante um almoço, o gerente de marketing lhe dá informações sobre o orçamento de publicidade para uma dobradiça de metal. A seguir estão os dados de vendas e publicidade nos últimos cinco meses. O gerente de marketing diz que, no próximo mês, a empresa gastará 1.750 dólares em publicidade do produto. Use regressão linear para desenvolver uma equação e uma previsão para esse produto no mês 6. Defina o intervalo de confiança para a previsão da demanda do mês 6 ao nível de significância de 5%. Regressão Linear Simples Exemplo 1. (Krajewski). Mês Vendas (Y) (milhares de unidades) Publicidade (x) (milhares de dólares) Sxx Syy Sxy 1 264 2,5 0,7396 8649 79,98 2 116 1,3 0,1156 3025 18,70 3 165 1,4 0,0576 36 1,44 4 101 1,0 0,4096 4900 44,80 5 209 2,0 0,1296 1444 13,68 Média 171,0 1,64 1,4520 18054 158,60 Regressão Linear Simples Exemplo 1. (Krajewski). Dados: Sxx = 1,452; Syy = 18.054; Sxy = 158,60 Solução: , portanto, há evidência de forte relação direta entre as variáveis analisadas. e A equação de regressão é: = - 8,135 + 109,229 x Para o mês 6, x = 1,75 então = - 8,135 + 109,229 * 1,75 = 183,016 Portanto, a previsão de demanda para o mês seis é de 183.016 unidades. O intervalo de confiança de 95%: 1,96 182.985;183.047] 5 MÉTODOS QUANTITATIVOS Métodos de Séries Temporais Hipótese básica Valores futuros das séries podem ser estimados com base nos valores passados de consumo Previsão Ingênua Métodos Estatísticos Padrão de demanda horizontal Método da média móvel simples Método da média móvel ponderada Método da suavização exponencial Padrão de demanda incluindo tendência Padrões sazonais Previsão Ingênua Se aplica melhor quando os padrões de demanda são estáveis. A tendência dos dois últimos períodos é utilizada para a previsão do período seguinte. somar a diferença das demandas realizadas nos dois últimos períodos à demanda realizada no último período Semana 1 2 3 4 Demanda realizada 108 120 127 Previsão da demanda 132 134 MÉTODO DA MÉDIA MÓVEL SIMPLES A previsão da demanda para qualquer período no futuro é a média da série temporal calculada no período corrente O erro de previsão MÉTODO DA MÉDIA MÓVEL SIMPLES Exemplo 2 Calcule uma previsão de média móvel de três semanas para a chegada de pacientes à clínica médica na semana 4. Os números de chegadas para as últimas três semanas estão na tabela abaixo. Se o número real de chegadas na semana 4 é de 415, qual é o erro de previsão para a semana 4? Qual é a previsão para a semana 5? Semana Chegadas de pacientes 1 400 2 380 3 411 MÉTODO DA MÉDIA MÓVEL SIMPLES Solução: MÉTODO DA MÉDIA MÓVEL PONDERADA Peso diferencial para os períodos considerados. Pesos maiores para os dados de demandas médias mais recentes A soma dos pesos é igual a 1 Vantagens enfatizar mais a demanda recente em relação às demandas anteriores assegurar uma previsão mais responsiva a alterações da média básica da série de demanda que a previsão pelo método da média móvel simples MÉTODO DA MÉDIA MÓVEL PONDERADA Exemplo 3. Calcule uma previsão de média móvel ponderada de três semanas para a chegada de pacientes à clínica médica na semana 4. Os números de chegadas para as últimas três semanas e seus pesos foram: Semana Chegadas de pacientes Pesos 1 400 0,2 2 380 0,3 3 411 0,5 MÉTODO DA MÉDIA MÓVEL PONDERADA Solução: MÉTODO DA SUAVIZAÇÃO EXPONENCIAL Esse método requer apenas 3 itens: previsão do último período (), demanda do último período () e parâmetro suavizador (α) α maior - enfatiza níveis recentes de demanda α menor - para demandas anteriores mais uniformes A suavização exponencial requer uma previsão inicial para ser iniciada usar a demanda do último período (t-1) ou calcular a média de vários períodos de demanda recentes MÉTODO DA SUAVIZAÇÃO EXPONENCIAL Exemplo 4. Reconsidere os dados do exemplo 2 abaixo. Agora é o fim da semana 3. Usando α = 10%, calcule a previsão de suavização para a semana 4. Qual foi o erro de previsão para a semana 4 se se verificou que a demanda real é de 415? Qual é a previsão para a semana 5? Semana Chegadas de pacientes 1 400 2 380 3 411 MÉTODO DA SUAVIZAÇÃO EXPONENCIAL Solução: A previsão inicial foi obtida pela média das demandas das duas primeiras semanas = (400 + 380) / 2 = 390 PADRÃO DE DEMANDA INCLUINDO TENDÊNCIA Quando há uma tendência na demanda é necessário calcular uma estimativa da tendência. Para realizar previsões de demanda para períodos posteriores ao período seguinte, multiplica-se a estimativa de tendência pelo nº de períodos adicionais (n) PADRÃO DE DEMANDA INCLUINDO TENDÊNCIA Índices de A e T: t – 1 passado t = 1 presente t + 1 futuro PADRÃO DE DEMANDA INCLUINDO TENDÊNCIA Exemplo 5. A Medanálise, Inc. fornece serviços laboratoriais médicos a pacientes do Health Providers, um grupo de dez médicos de famílias associados a um novo programa de assistência continuada à saúde. Os gerentes estão interessados em prever o número de solicitações de análise de sangue por semana. Suprimentos devem ser comprados e uma decisão tomada com respeito ao número de amostras de sangue a serem enviadas a outro laboratório, por causa das limitações de capacidade no laboratório principal. A publicidade recente dos efeitos prejudiciais do colesterol sobre o coração causou um aumento nacional nas solicitações de exame de sangue padrão. A Medanálise executou uma média de 28 exames de sangue por semana durante as últimas 4 semanas. A tendência durante esse período foi de 3 pacientes adicionais por semana. A demanda dessa semana foi de 27 exames de sangue. Usamos α = 0,20 e β = 0,20. Calcular a previsão da demanda para a semana seguinte (semana 2). Se a demanda real da semana 2 foi de 44 exames qual seria a previsão de demanda para a semana 3? determine a previsão de demanda para a semana 6. PADRÃO DE DEMANDA INCLUINDO TENDÊNCIA Solução Previsão para a semana 2: Previsão para a semana 3: Previsão para a semana 6, ao final da semana 2: PADRÃO DE DEMANDA Observações: para projeções de padrões de demanda mais estáveis, usar valores mais baixos de α e β ou valores mais altos de n para enfatizar a experiência histórica para projeções de padrões de demanda mais dinâmicas, usar valores mais altos de α e β ou valores mais baixos de n para enfatizar a história recente PADRÕES SAZONAIS No método sazonal multiplicativo fatores sazonais são multiplicados por uma estimava de demanda média para se chegar a uma previsão sazonal. Esse método contém 4 passos. Passo 1: para cada padrão sazonal (para cada ano), calcule a demanda média por período sazonal (um trimestre) dividindo a demanda anual pelo número de períodos sazonais por ano. Passo 2: para cada padrão sazonal (para cada ano), divida a demanda real de cada período sazonal (um trimestre) pela demanda média (calculada no “Passo 1”) obtendo um índice sazonal. Para índice sazonal menor que 1, a demanda do período está abaixo da demanda média por mês. Passo 3: calcular o índice sazonal médio para cada período sazonal, a partir do resultado de padrões sazonais anteriores. Passo 4: calcular a previsão para o período sazonal seguinte, multiplicando o índice sazonal médio pela demanda média por período sazonal. PADRÕES SAZONAIS Exemplo 6. O gerente da empresa de limpeza de tapetes Stannley Steemer precisa de uma previsão trimestral do número de clientes esperados para o ano seguinte. O negócio de limpeza de tapetes é sazonal, com um pico no terceiro trimestre e uma baixa no primeiro. São apresentados, a seguir, os dados de demanda trimestral dos últimos quatro anos. O gerente quer prever a demanda dos clientes para cada trimestre do ano 5, tendo por referência uma estimativa da demanda total nesse ano de 2.600 clientes. PADRÕES SAZONAIS Trimestre Demanda trimestral Ano 1 Ano 2 Ano 3 Ano 4 1 45 70 100 100 2 335370 585 725 3 520 590 830 1.160 4 100 170 285 215 Total 1.000 1.200 1.800 2.200 Média (P1) 250 300 450 550 Trimestre Índice sazonal Previsão P2 (cada valor / P1) P3 P4 (P3 x 650) Ano 1 Ano 2 Ano 3 Ano 4 Média 2.600/4 = 650 1 0,1800 0,2333 0,2222 0,1818 0,2043 133 2 1,3400 1,2333 1,3000 1,3182 1,2979 844 3 2,0800 1,9667 1,8444 2,1091 2,0001 1300 4 0,4000 0,5667 0,6333 0,3909 0,4977 324 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Indicadores de Adequação Erro-padrão da estimativa É utilizado para determinar um intervalo de confiança para a previsão pelo método da regressão linear. Se a demanda real não cai no intervalo de confiança o modelo não é adequado. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Erro médio quadrático É aplicável a todos os modelos de médias, tendência, sazonalidade e compartilhado. O MSE faz para as médias um papel semelhante ao erro-padrão da estimativa para a linha reta. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Desvio absoluto médio: É o mais utilizado devido sua facilidade de entendimento É aplicável a todos os modelos de médias, tendência, sazonalidade e compartilhado Quanto menores os resultados dos indicadores de adequação, geralmente, a previsão está próxima da demanda real. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Exemplo 8: A tabela seguinte mostra as vendas reais de cadeiras acolchoadas para um fabricante de mobília e as previsões feitas para cada um dos últimos oito meses. Calcule MSE e MAD para esse produto. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Mês, t Demanda, Dt Previsão, Ft Erro, Et Erro quadrático Erro absoluto 1 200 225 -25 625 25 2 240 220 20 400 20 3 300 285 15 225 15 4 270 290 -20 400 20 5 230 250 -20 400 20 6 260 240 20 400 20 7 210 250 -40 1.600 40 8 275 240 35 1.225 35 Total -15 5.275 195 MSE = 5.275 / (8-1) = 753,6 MAD = 195 / 8 = 24,4 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Indicadores de Desempenho Medida do viés da previsão (MVP) A cada novo período, deve-se calcular a nova MVP Se mantiver por alguns períodos com o mesmo sinal, está havendo um viés na previsão, para mais (MVP persistentemente positiva) para menos (MVP persistentemente negativa) 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Sinal de percurso ou Sinal de rastreamento (SR) Como a MVP, deve ser recalculado a cada novo período. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Como o MAD é sempre positivo, o sinal de rastreamento (SR) e MVP têm mesmo sinal, servindo para monitorar quaisquer vieses existentes na previsão. Se vieses não estiverem presentes, SR deve ser próximo a zero. Para previsão consistentemente acima da demanda real, SR será próximo a + 1. Para previsão persistentemente abaixo da demanda real, SR será próximo a - 1. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Pode-se usar o SR para monitorar quantitativamente a previsão Fixar uma faixa de valores máximo e mínimo para SR (±0,5, faixa usual) Adequado: valores calculados, período a período, caem dentro da faixa prefixada Se os erros de previsão estão normalmente distribuídos com uma média 0 portanto, Usar tabelas de probabilidade da distribuição normal para especificar os limites para SR Se SR está fora dos limites de controle, o modelo de previsão não está mais rastreando a demanda adequadamente 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES A figura a seguir mostra os resultados de sinal de rastreamento para 23 períodos em um gráfico de controle. O 23º ponto indica que o modelo de previsão não rastreia a variação da demanda. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES AMPLITUDES DOS ERROS DE PREVISÃO O MAD permite substituir a previsão absoluta da demanda por um valor previsto e uma amplitude de erro Por exemplo, o valor previsto é de 1.000 unidades e o MAD de 20 unidades. Para o nível de confiança de 95%, o erro será de ± 2,0 σ ≈ ± 2,5 MAD ≈ 50 unidades, então a previsão é de 1.000 ± 50 unidades. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Horizonte da Previsão Os métodos qualitativos e causais parecem adaptar-se melhor às previsões de médio e longo prazo, enquanto a análise de séries temporais, particularmente pelos métodos das médias, parecem adequar-se mais a previsões de curto prazo. 6 MEDIDA E CONTROLE DO ERRO NAS PREVISÕES Exemplo 9. (Daniel Moreira, pág 322). Com os dados da tabela a seguir, calcular a Medida do Viés da Previsão (MVP), o Desvio Absoluto Médio (MAD) e o Sinal de Rastreamento (SR). Ft D Et = D - Ft MVP MAD SR 10 8 -2 -2 2 -1,00 12 13 1 -0,5 1,5 -0,33 8 6 -2 -1 1,67 -0,60 11 12 1 -0,5 1,5 -0,33 9 10 1 -0,2 1,4 -0,14 15 9 -6 -1,17 2,17 -0,54 17 18 1 -0,86 2 -0,43 11 16 5 -0,13 2,38 -0,05
Compartilhar