A maior rede de estudos do Brasil

Grátis
115 pág.
24bc8bec-e157-4aaf-8de8-8f9e3ce378ec_PCP_-_AT__PREVIS_O_DE_DEMANDA

Pré-visualização | Página 5 de 6

10 12969
11 6258
12 1660
13 6131
14 4991
15 2867
16 4859
17 1374
18 6404
19 10088
20 13144
21 16958
22 9273
23 6992
24 1801
SAZONALIDADE COM TENDÊNCIA
No caso da demanda apresentar sazonalidade com tendência, há a
necessidade de incorporar essas duas características no modelo de
previsão. Para se fazer isto, devem-se empregar os seguintes passos:
◦ Primeiro, obter os índices de sazonalidade através da média móvel centrada;
◦ Retirar o componente de sazonalidade da série de dados históricos, dividindo-os
pelos correspondentes índices de sazonalidade;
◦ Com esses dados, desenvolver uma equação que represente o componente de
tendência;
◦ Com a equação da tendência, fazer a previsão da demanda e multiplica-la pelo
índice de sazonalidade.
SAZONALIDADE COM TENDÊNCIA
No caso que estudaremos logo a seguir a sazonalidade ocorre em
ciclos de 6 período, quando o ciclo de sazonalidade for número par,
como centro dos dados caindo no meio dos período, primeiro se
calculam as médias do período (𝑀𝑀𝐶 Τ1 2) e a seguir, se corrigem
esses valores para que coincidem com os período analisados,
fazendo a média dos dois valores descentralizados como veremos a
seguir.
ÍNDICE DE SAZONALIDADE
Período D. Real MMC⅟₂ MMC IS
1 1.083
2 1.460
3 2.109
2.112
4 2.717 2.220 1,2237
2.329
5 2.801 2.470 1,1342
2.611
6 2.503 2.766 0,9050
2.921
7 2.381 3.081 0,7727
3.242
8 3.154 3.416 0,9233
3.590
9 3.969 3.743 1,0604
3.896
10 4.642 4.009 1,1578
4.123
11 4.892 4.263 1,1475
4.404
12 4.338 4.557 0,9520
ÍNDICE DE SAZONALIDADE
Período D. Real MMC⅟₂ MMC IS
4.710
13 3.742 4.885 0,7660
5.061
14 4.839 5.226 0,9259
5.392
15 5.805 5.504 1,0547
5.616
16 6.747 5.761 1,1711
5.907
17 6.880 6.020 1,1429
6.133
18 5.683 6.286 0,9041
6.439
19 5.487 6.612 0,8299
6.785
20 6.194 6.917 0,8955
7.049
21 7.642 7.171 1,0657
7.292
22 8.821
23 8.469
24 7.139
ÍNDICE MÉDIO
IS₁ 0,790
IS₂ 0,915
IS₃ 1,060
IS₄ 1,184
IS₅ 1,142
IS₆ 0,920
Cálculo de Tendência
Período D. Real IS Tend.
1 1.083 0,790 1.372
2 1.460 0,915 1.596
3 2.109 1,060 1.989
4 2.717 1,184 2.294
5 2.801 1,142 2.454
6 2.503 0,920 2.719
7 2.381 0,790 3.016
8 3.154 0,915 3.447
9 3.969 1,060 3.743
10 4.642 1,184 3.920
11 4.892 1,142 4.286
12 4.338 0,920 4.713
13 3.742 0,790 4.739
14 4.839 0,915 5.289
15 5.805 1,060 5.475
16 6.747 1,184 5.698
17 6.880 1,142 6.027
18 5.683 0,920 6.174
19 5.487 0,790 6.950
20 6.194 0,915 6.770
21 7.642 1,060 7.207
22 8.821 1,184 7.449
23 8.469 1,142 7.419
24 7.139 0,920 7.756
Período X D. Real Y X² X.Y Tend.
1 1.372 1 1.372 1.395 
2 1.596 4 3.192 1.681 
3 1.989 9 5.967 1.967 
4 2.294 16 9.178 2.254 
5 2.454 25 12.269 2.540 
6 2.719 36 16.317 2.826 
7 3.016 49 21.110 3.113 
8 3.447 64 27.579 3.399 
9 3.743 81 33.690 3.685 
10 3.920 100 39.199 3.972 
11 4.286 121 47.141 4.258 
12 4.713 144 56.558 4.544 
13 4.739 169 61.613 4.831 
14 5.289 196 74.047 5.117 
15 5.475 225 82.123 5.403 
16 5.698 256 91.160 5.690 
17 6.027 289 102.462 5.976 
18 6.174 324 111.141 6.263 
19 6.950 361 132.042 6.549 
20 6.770 400 135.403 6.835 
21 7.207 441 151.355 7.122 
22 7.449 484 163.876 7.408 
23 7.419 529 170.641 7.694 
24 7.756 576 186.154 7.981 
Somatório
300 112.503 4.900 1.735.587 
𝒀 = 𝟏. 𝟏𝟎𝟖, 𝟑𝟒 + 𝟐𝟖𝟔, 𝟑𝟒𝑿
GRÁFICO COM A DEMANDA REAL E 
COMPORTAMENTO SAZONAL
GRÁFICO APÓS RETIRAR O COMPORTAMENTO 
SAZONAL
ÍNDICE DE SAZONALIDADE
D.Prev = Tend. + (Tend. X (IS-1))
Período Tend. IS D. Prev D. Real Erro |Erro|
1 1.395 0,7895 1.101 1.083 -18 18
2 1.681 0,915 1.538 1.460 -78 78
3 1.967 1,06 2.086 2.109 23 23
4 2.254 1,184 2.669 2.717 48 48
5 2.540 1,142 2.899 2.801 -98 98
6 2.826 0,92 2.601 2.503 -98 98
7 3.113 0,79 2.458 2.381 -77 77
8 3.399 0,915 3.110 3.154 44 44
9 3.685 1,06 3.908 3.969 61 61
10 3.972 1,184 4.703 4.642 -61 61
11 4.258 1,142 4.861 4.892 31 31
12 4.544 0,92 4.183 4.338 155 155
13 4.831 0,79 3.814 3.742 -72 72
14 5.117 0,915 4.682 4.839 157 157
15 5.403 1,06 5.729 5.805 76 76
16 5.690 1,184 6.738 6.747 9 9
17 5.976 1,142 6.822 6.880 58 58
18 6.263 0,92 5.764 5.683 -81 81
19 6.549 0,79 5.171 5.487 316 316
20 6.835 0,915 6.254 6.194 -60 60
21 7.122 1,06 7.551 7.642 91 91
22 7.408 1,184 8.772 8.821 49 49
23 7.694 1,142 8.783 8.469 -314 314
24 7.981 0,92 7.345 7.139 -206 2075
MAD 86,46
4 MAD 345,83
Aceitável
0
1.000
2.000
3.000
4.000
5.000
6.000
7.000
8.000
9.000
10.000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Sazonalidade com Tendência
D. Prev D. Real
PREVISÕES BASEADAS EM CORRELAÇÃO
As previsões baseadas em correlação, ao contrário das previsões anteriormente
vistas, que relacionam a demanda passada deste produto, buscam prever a
demanda de determinado produto com base na previsão de outra variável que
esteja relacionada com o produto.
O objetivo das previsões baseadas em correlação consiste em estabelecer uma
equação que identifique o efeito da variável de previsão sobre a demanda do
produto em análise.
Com o histórico de um produto em questão, e o histórico da variável de
previsão. Através de uma técnica conhecida como regressão, pode-se
estabelecer esta equação matemática. Neste caso estudaremos regressão linear
simples, tipo 𝑌 = 𝑎 + 𝑏𝑋 (onde Y é a variável dependente a ser prevista e X a
variável independente da previsão)
Y= previsão da demanda para o item dependente
a = ordenada à origem, ou intersecção no eixo Y
b = coeficiente angular
X = valor da variável independente
PREVISÕES BASEADAS EM CORRELAÇÃO
𝒀 = 𝒂 + 𝒃𝑿
EQUAÇÃO LINEAR PARA TENDÊNCIA
n = número de pares XY observados
𝒃 =
𝒏 σ𝑿𝒀 − (σ𝑿)(σ𝒀)
𝒏 σ𝑿𝟐 − (σ𝑿)𝟐
𝒂 =
σ𝒀 − 𝒃(σ𝑿)
𝒏
PREVISÕES BASEADAS EM CORRELAÇÃO
Uma cadeia de fast food verificou-se que as vendas mensais de refeição
em suas 13 lojas estão relacionadas ao número de alunos matriculados
em escolas situadas em um raio de 2 Km em torno da loja. Os dados
referentes às vendas mensais e números de alunos matriculados num
raio de 2 Km das 13 lojas da cadeia estão na tabela a seguir. A empresa
pretende instalar uma nova casa numa região onde o número de alunos
é de 13.750. Qual a previsão de demanda para esta nova loja?
n
Venda por loja 
Y
Nº de aluno X X² Y² X.Y
1
31.560 10.000 100.000.000 996.033.600 315.600.000 
2 38.000 
12.000 144.000.000 1.444.000.000 456.000.000 
3 25.250 
8.000 64.000.000 637.562.500 202.000.000 
4 47.200 
15.000 225.000.000 2.227.840.000 708.000.000 
5 22.000 
6.500 42.250.000 484.000.000 143.000.000 
6 34.200 
11.000 121.000.000 1.169.640.000 376.200.000 
7 45.100 
14.500 210.250.000 2.034.010.000 653.950.000 
8 32.300 
10.100 102.010.000 1.043.290.000 326.230.000 
9 29.000 
9.200 84.640.000 841.000.000 266.800.000 
10 40.900 
13.400 179.560.000 1.672.810.000 548.060.000 
11 40.000 
12.700 161.290.000 1.600.000.000 508.000.000 
12 24.200 
7.600 57.760.000 585.640.000 183.920.000 
13 41.000 
13.100 171.610.000 1.681.000.000 537.100.000 
Somatório
450.710 143.100 1.663.370.000 16.416.826.100 5.224.860.000 
𝒀 = 𝟏𝟕𝟓𝟕 + 𝟐, 𝟗𝟗𝑿
Venda por 
loja Y
Nº de aluno 
X
X² Y² X.Y Correlação
22.000 6.500 42.250.000 484.000.000 143.000.000 21.194 
24.200 7.600 57.760.000 585.640.000 183.920.000 24.483 
25.250 8.000 64.000.000 637.562.500 202.000.000 25.678 
29.000 9.200 84.640.000 841.000.000 266.800.000 29.266 
31.560 10.000 100.000.000 996.033.600 315.600.000 31.657 
32.300 10.100 102.010.000 1.043.290.000 326.230.000 31.956 
34.200 11.000 121.000.000 1.169.640.000 376.200.000 34.647 
38.000 12.000 144.000.000 1.444.000.000 456.000.000 37.637 
40.000 12.700 161.290.000 1.600.000.000 508.000.000 39.729 
41.000 13.100 171.610.000 1.681.000.000 537.100.000 40.925 
40.900 13.400 179.560.000 1.672.810.000 548.060.000 41.822 
45.100 14.500 210.250.000 2.034.010.000 653.950.000 45.110 
47.200 15.000 225.000.000 2.227.840.000 708.000.000 46.605 
 -
 5.000
 10.000
 15.000
 20.000
 25.000
 30.000
 35.000
 40.000
 45.000
 50.000
 6.500 7.600 8.000 9.200 10.000