·
Engenharia de Produção ·
Outros
Send your question to AI and receive an answer instantly
Preview text
2º Aula Previsão de demanda Objetivos de aprendizagem Ao término desta aula vocês serão capazes de compreender a importância da previsão de demanda para as empresas conhecer as etapas de um processo de previsão de demanda distinguir as diferentes técnicas de previsão de demanda que se aplicam a cada caso Olá pessoal Vamos então começar a segunda aula da nossa disciplina em que falaremos sobre a previsão de demanda Ao chegar a uma loja e se deparar com um produto que você deseja você possivelmente não percebe que na maioria dos casos o fabricante do produto anteviu sua necessidade antes mesmo que você se desse conta da mesma Isso mesmo com certa antecedência as empresas precisam prever as necessidades dos consumidores por seus produtos e serviços e disponibilizálos no momento e na quantidade adequada Isso acontece com a maioria dos produtos que possuem uma demanda mais frequente e padronizada como os produtos alimentícios de vestuário eletrônicos entre outros Mas como as empresas conseguem saber o que devem produzir A resposta para esta pergunta está no processo de previsão de demanda e nesta aula vocês irão aprender sobre a importância os métodos e como calcular a previsão de demanda para diferentes casos Vamos começar Bons estudos 161 Planejamento e Controle da Produdo 14 que estudar previsao de demanda em PCP sendo que ela nao Secoes de estudo é pura responsabilidade do departamento Pois bem o PCP o principal responsavel por viabilizar a produgao necessaria 1 Conceituando a previsio de demanda para atender as necessidades do mercado Ou seja a partir da 2 Etapas do processo de previsio de demanda ptevisio de demanda e das metas de vendas e producao o 3 Métodos de previsio de demanda PCP elabora planos e programacées pata serem executados 4 Ertos de previsio pela producio a fim de que a demanda por produtos e servicos Seja atendida Por isso importante conhecer 0 processo pelo ow qual as previsOes sao geradas 4 Conceituando a previsdo de emanda a 2 Etapas do processo de previsdo A previsio de demanda é uma das informagdes mais e demanda importantes a ser considerada na estruturagdo de um sistema Para se realizar o processo de previséo de demanda fazse ptodutivo Nao sé no momento de sua estruturagao a ptevisao a necessario seguir aleumas etapas A primeira delas consiste em de demanda se faz necessaria também pata o planejamento do a ts definir qual o objetivo da previsao na sequéncia realizase a uso do sistema produtivo previamente estruturado A previsao coleta de dados os graficos entio sao analisados podendo de demanda antecipa informagées sobre o futuro e permite a assim selecionar o método de previsio mais adequado e gerar que os gestores planejem e preparem a empresa para o que esta a a a previsao pata o petiodo em anilise Apés gerar a previsio por vir visando atender a seus clientes com produtose servigos sao feitos os ajustes e por fim o acompanhamento e controle de qualidade dos resultados A figura 21 apresenta esta sequéncia de et equéncia de etapas Entendese por demanda a quantidade de bens ou ous P 4 P servicgos ofertados no mercado por uma organizaao que os consumidores desejam adquirir Ou seja do lado da demanda ébKe Gi ss témse os clientes e do lado da oferta os vendedores e fabricantes Para garantir o atendimento da demanda e guiar seu sistema produtivo as organizagOes precisam prever a demanda que deverio atender em periodos futuros Ou seja as empresas precisam ser ptoativas de modo que quando Figura 21 Etapas do processo de previsdo de demanda consumidor necessitar do produto ele esteja disponivel para sua aquisiao Na definicao do objetivo da previsao sao determinados Para Moreira 2012 p 293 a previsio de demanda os produtos ou linhas de produtos que terao sua demanda consiste em um processo racional de busca de informagdes prevista se esta sera uma previsao para planejar a producao do acerca do valor das vendas futuras de um item ou de um ano seguinte para uma nova linha de produtos que necessita conjunto de itens De uma forma mais simples Corréa e de planejamento de capacidade entre outras informagées E Corréa 2013 tratam as previs6es como estimativas acetca necessatio determinar 0 objetivo pois pata cada caso poderao P da maneira como o mercado demandante se comportara no existir critérios de desempenho e particularidades diferentes P futuro inerentes ao ptocesso de previsao Mas 0 que acontece quando a empresa nfo faz a ptevisio Apos definir o objetivo da previsdo partese para a de demanda ou até mesmo erra na previsdo Sao resultados da coleta de dados Essa etapa consiste no levantamento de falta de previsao 0 excesso de produtos e também a falta dos dados histéricos de vendas dos produtos os acontecimentos mesmos quando nao se faz a previsao ou quando se erra na que influenciaram a sua demanda e poderao influenciala previsao de demanda existem grandes chances de se produzir futuramente e informacdes sobre o mercado consumidor dos a mais ou a menos do que o necessatio Tanto uma produgao produtos Quanto maior a precisdo desejada maior devera ser maior quanto uma producéo menor do que o necessario aacuracidade qualidade e quantidade de dados acarreta prejuizos pata as empresas no primeiro caso existe Apos coletar os dados relevantes a previsao eles devem a necessidade de estocar 0 produto sobressalente o que gera set analisados se possivel graficos devem set construidos Custos nao s6 com a estocagem mas também de obsolescéncia a fim de se identificar 0 comportamento da demanda real e transporte Quando se produz menos a imagem da empresa possibilitando assim a selegao do método de previsao de fica prejudicada por nao poder atender a seus clientes demanda que melhor se adapte ao caso A falta de previsto de demanda pode ainda acarretar Com os métodos de previsao definidos eles sao aplicados os x sobrecarga de trabalho necessidade de realizacao de horas de modo a executar a previsao de demanda para o horizonte extras equivocado dimensionamento da capacidade produtiva desejado Na sequéncia devese realizar o ajuste da previsao levando a perda de vendas 0 que acaba gerando prejuizos para levando em consideracio informagées adicionais geralmente a empresa e todos os envolvidos qualitativas provenientes do pessoal de marketing ou Em muitas empresas o departamento de marketing é 0 desenvolvimento de produto isto é daqueles que participam responsavel pela previsao de vendas No entanto convenciona do processo e conhecem partticularidades do mercado do se que é de fundamental importancia a participacao da producgao produto ou processo que possam agregar a previsao gerada neste processo tendo em vista a limitagao da capacidade Com a previséo gerada a medida que o horizonte de produtiva das empresas Vocé deve estar se perguntando por previsao for sendo atingido pela demanda real devese realizar 0 acompanhamento e controle dos resultados a fim de que Como os métodos de previsio de demanda quantitativos demanda real e previsio sejam comparadas e a dimensio do sao mais utilizados no meio corporativo e servem de base erro ocorrido possa ser analisada O monitoramento desses pata apoiar decisdes qualitativas vamos nos aprofundar nos erros de fundamental importancia tendo em vista que métodos matemiaticos de previsio de demanda oA tow grandes desvios mostram a ineficiéncia do método de previsio 31 Séries t rai ou dos parametros utilizados T series temporals Agota que j4 conhecemos as etapas do processo de a 8 q J P P As séties temporais de acordo com Fernandes e Godinho previsao precisamos conhecer os diferentes métodos de te b al métod th Filho 2010 pressupdem que o futuro pode ser previsto com prev S20 CRISEENEES assim saberemos qual metodo MEMO Se base no historico de dados passados ou seja elas sugerem aplica a cada caso Loe que os fatores que influenciarao o futuro sao os mesmos que Io influenciaram o passado os Métodos de PreviSdaO de demanda Para se utilizar a previsio baseada em séties temporais ptimeiramente devemse gerar graficos com os dados Quando se fala em previsao estamos nos referindo ao historicos de vendas dos produtos em questao pata assim que val acontecer no futuro no entanto nao Podemos reconhecer 0 padrao comportamental da série permitindo a confur idir a previsio de demanda com uma adivinhacao a escolha do método mais adequado de previsao baseada nas respeito do que o mercado ira consumir em um determinado séries tempotais petiodo Conforme visto na seao anterior o processo de Ao analisar 0 padtio comportamental das séries oy v htene de demand estrus i a e Pascaclo em temporais graficamente podemos identificar aleuns fatores informaco 5 merca roduto a jadas a ae i a soncas dO k ore a ve 5 ISSOC say que influenciam nas caracteristicas da curva obtida As séries utilizacao de um conjunto de métodos de previsio e com a ns Lk s iad J aliva A seried k idetacd temporais podem conter tendéncia sazonalidade variagdes experiéncia da equipe que a realiza A seriedade eaconsideracao ok a d P 4 A P a iso de d irregulares e variagdes randdmicas e todos esses fatores fazem com que a ptevisio de demanda ne 4 P De acordo com Tubino 2017 a tendéncia representa um se torne confiavel para guiat a tomada de decis6es nas empresas movimento gradual de longo prazo que direciona os dados Os métodos de previsto de demanda dividemse Loe a A sazonalidade por sua vez consiste em variacdes ciclicas em qualitativos e quantitativos Os métodos qualitativos woe a de curto prazo que estao relacionadas ao fator tempo como possuem maior subjetividade pois nao podem ser facilmente ror or por exemplo a influéncia de alteracdes climaticas ou férias representados numerticamente sendo baseados no o escolares As variagdes irregulares representam alteracdes conhecimento de pessoas envolvidas no processo de previsao oo na demanda passada originadas por fatores excepcionais como os peritos nos produtos em questao e no metcado rr Lo oo como por exemplo greves ou catastrofes climaticas Os Devido a sua subjetividade os métodos qualitativos sio ee i ae dados referentes as variagdes itregulares devem ser retitados menos emptegados em previsao do que os quantitativos A ae 1 ok aes he da série e substituidos por valores provaveis Ja as variagdes utilizagao desse método é indicada quando do langamento de De a oe 8 randomicas ou aleatorias sdo as vatiagOes normais que podem um novo produto em situagdes em que nao se dispde de dados oa er ocorrer e estas serio tratadas pela média A figura 23 ilustra os historicos acerca da demanda do mercado pelo produto Outra a ow componentes de uma série temporal situagao em que 0 método se aplica bem é quando a empresa nao tem tempo pata realizar a analise dos dados e os calculos sazonaldade Tendéncia 70 de previsao J er 60 Ja os métodos quantitativos sio os mais empregados 50 pois seus resultados mensuraveis sao de facil interpretagao om c Os métodos quantitativos de previsto de demanda realizam 0 ye oe o uma andlise de dados historicos de vendas dos produtos cuja fs n 4 demanda se deseja prever por meio de métodos matematicos oo 7 Natiagao irregular ae Lo 10 Variagao randémica aleatoria ea partir desta andlise fazem uma projecao da demanda futura 0 or Os métodos quantitativos dividemse em métodos baseados Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez em séties temporais e métodos baseados em cortelacio Figura 23 Fatores que influenciam séries hist6ricas Fonte Tubino 2017 conforme pode ser visualizado na figura 22 Métodos quantitativos Dentro da abordagem de séries temporais existem técnicas para tratar as variacoes aleatorias ou seja as técnicas de previsao da média técnicas para tratar a tendéncia e técnicas pata tratar a sazonalidade Previséo da média oN Zoys 341 Previsdo da média iedia MOve simples A média movel simples é uma técnica de previsao de Provisio d a aera demanda que de acordo com Tubino 2017 utiliza um sazonalidade numero de periodos predeterminados que sio geralmente os Figura 22 Classificagdo dos métodos quantitativos de previsdo de demanda mais recentes pata gerar a sua prtevisao de forma que a cada Planejamento e Controle da Produgdo 16 novo pertiodo de previsao se substitui o dado mais antigo pelo simples pois nele os valores mais recentes de demanda dado mais recente recebem maior importancia e estes podem estar revelando Segundo Corréa e Corréa 2013 para o calculo da média aleum comportamento de tendéncia na demanda movel podem ser usadas as médias moveis de trés MM3 oo petfodos de quatro MMA periodos ou mais O cAlculo para Média exponencial mével x onencial maoxel médias moveis apresentase na equacio 21 A média exponencial movel de acordo com Ritzman e Krajewski 2004 é uma técnica sofisticada de média movel Média mével Ydemanda nos n periodos prévios 21 ponderada que calcula a média de uma série temporal e atribui édia mével i oo n as demandas recentes maior peso do que as demandas iniciais Onde Devido a sua simplicidade e do pequeno numero de dados n numero de periodos considerados necessatios este um método formal de previsao muito utilizado Para melhor compreender o método vamos resolver Ainda de acordo com os mesmos autores para empregat um exemplo método da média exponencial movel fazemse necessatios Exemplo 21 Considerando o histérico de vendas de somente tres tipos de dados que Sao a Previsao do ultimo foos petiodo a demanda para este periodo e um parametro de ogdes apresentado no quadro 21 calcule a previsdo de an aproximacao alfa que tem valor entre 0 e 10 Assim sendo demanda para setembro usando a MM3 pata a obtengao da previsto com o método em questio se Quadro 21 Dados do exemplo 21 faz necessario calcular a média ponderada da demanda mais Periodo Marco Abril Maio Junho Julho Agosto Setembro an alee ca obtida no uigme Pode d di revi cial move apresentado na sequéncia baseiase na exponencial movel apresentado na sequéncia baseiase na Solucdo metodologia apresentada por Tubino 2017 A equagao 22 ugao sy apresenta o modelo de calculo da média exponencial movel Média movel para trés petiodos setembro aplicando a equacao 21 MMOM 22 240236270 Onde MM3 249 M previsao para o periodo t M ptevisao pata o periodo t1 Se considerarmos que em setembro a demanda real foi a coeficiente de ponderacio de 255 unidades a previsao para outubro seria D demanda do periodo t1 24042364270 Conforme mencionado anteriormente o valor do MM3 3 249 Coeficiente parametro de aproximacao varia de 0 a Assi d dad 1 este coeficiente fixado pelo analista De acordo com ssim a Cacia ver que temos um ado novo mals Ritzmane Krajewski 2004 valores maiores de dao énfase antigo é descartado e o dado mais recente é incluido na eo 7 iach aos niveis mais recentes de demanda e resultam de previses PFEVISAO Quanto malo oO NUMeFO de perfodos MNSOS HO mais sensiveis a alteracgdes na média basica enquanto valores calculo da média menor sera a sensibilidade da previsio com menores de tratam a demanda passada de modo mais relacao a mudangas na demanda Ou seja petiodos pequenos uniforme e resultam em previsGes mais estaveis Nas palavras proporcionam uma tesposta mais rapida as mudangas na de Tubino 2017 se o valor de for muito baixo as previsdes demanda e os periodos maiores estéo condicionados a médias detio ficar defasad lacio Ad da teal assi uniformes poderao ficar defasadas em relagao a demanda real assim os mats untro indices normalmente usados para variam de 005 a 050 Média movel ponderada Para compreender melhor o método da média A média mével ponderada conforme afirma Moreira exponencial movel vamos resolver um exemplo 2012 é semelhante ao método da média mével simples com Exemplo 22 Aplicar o metodo media exponencial telacio ao fato de tomar valores reais anteriores da demanda movel para avaliar a demanda no 11 petiodo Considere a para calcular a média No entanto na média movel ponderada relacao de demanda do quadro 22 Considere dois valores os valores recebem pesos diferentes o que reflete uma maior Possiveis de erro sendo a0le 05 importancia dada aos valores mais recentes da demanda Quadro 22 Calculo da previsio por meio da média No exemplo anterior poderiamos adotar 0 sistema de pesos exponencial movel 020305 3 perfodos para as demandas de junho julho e a 01 a 05 agosto tespectivamente Periodo Demanda x 01 x Assim sendo a previsao pata setembro setia 2 9700 500 9100 500 2 9100 500 9100 500 MM3 24002 23603 27005254 3 9 9150 9350 9225 9625 E evidente que a soma dos pesos deve ser igual a 1 9213 9363 Este método pode se sobressair ao método da média mével 6 9221 9331 17 165 9259 9466 2 0 2 4 60 Pb for T9243 9283 p 3 0 Tt 9 693 9329 9691 pf 4 Ts a 61140 Pid 9326 9496 Pp E5200 1450 a O quadro 22 apresenta o resultado da previsao de 7 30 7 49 2170 demanda utilizando o método da média exponencial movel 8 325s 8 42600 cujos valores foram encontrados com 0 auxilio da equacio r 9 320 2 9 81 2880 22 conforme apresentamos abaixo 3400 n10 29007 55 385 16882 M 91019691 9150 unidades para 01 M91059691 9350 unidades para 05 Empregando a equagao 24 obtemos o valor do coeficiente b Da mesma forma utilizando a equagao 22 foi possivel calcular a demanda para o 11 periodo que sera de 9353 1016882 552907 1083 unidades 01 e 9548 unidades 05 Como se trata 10385 55 de unidades os valores de demanda devem ser arredondados i Empregando a equagao 25 obtemos o valor do pata o proximo numero inteiro 94 e 96 unidades para a 01 coeficiente a e 05 tespectivamente Lon A 312 Previsdo da tendéncia ge OE is 10 Equacao linear para a tendéncia Para tratar previsOes de demanda com componentes de a tendéncia é necessario de acordo com Lustosa et al 2008 Assim a equacao de previsao de demanda é y23113 determinar uma funcio matematica que relaciona a varidvel 1083 X demanda dependente com a variavel tempo independente Como o exercicio pede para calcular as precisdes para a por meio do método dos minimos quadrados 44 a 4 e 12 semanas substituindo os valores de X na equagdo O modelo de uma equagao linear possui o formato por 11 e 12 temos apresentado na equacao 23 7 eH 3 y11 23113 1083 11 35026 y12 23113 1083 12 36109 onde y previsiio de demanda para o periodo x A figura 24 apresenta os dados da demanda real e a coeficiente de intersecgao valor de y quando x0 a demanda prevista podese notar o comportamento de b coeficiente angular da reta inclinagao tendencia presente na série x periodo partindo de x0 para previsio Demanda Usina Os coeficientes a e b podem ser obtidos pelas equagdes 38 24 e 25 340 at 320 Mz F xX 300 n x x 24 280 LOS pe EYE 20 FF n 25 200 4 2 3 4 5 6 7 8 9 10 UW 12 13 Onde eDemanda Real Demanda Prevista n numero de periodos Figura 24 Representagio grafica do resultado do Para compreender melhor o método vamos resolver um exemplo 23 Por meio da figura 24 podese identificar visualmente exemplo gu P comportamento de tendéncia de crescimento da demanda Low Exemplo 23 Uma usina suctoalcooleita possui o 313 Previs30 da sazonalidade histdrico de demanda pata o agucar em toneladas Com base nos dados da empresa esboce 0 grafico do comportamento De acordo com Fernandes e Godinho Filho 2010 um da demanda e calcule as previsGes paraa 11 12 semana processo com sazonalidade é aquele no qual os dados sofrem oscilagdes para cima e pata baixo e estas se repetem com Quadro 23 Dados do exemplo 23 tegularidade A sazonalidade pode se dar em periodo anual SemanaX DemandaY mensal semanal ou diario e pode ser representada por meio de uma porcentagem ou quantidade que a demanda se afasta dos valores médios da série Planejamento e Controle da Produgdo 18 Sanaa sins ses No método da sazonalidade simples conforme explica 625714 12945 Tubino 2017 a técnica de previsio incide em obter o 5 oat aes indice de sazonalidade IS para cada um dos periodos da 647143 08499 série e aplicalo em cima da previsio da média em cada um 661429 09222 desses petiodos O IS pode ser obtido por meio da divisao 19 Sexta 66 658571 0022 da demanda no periodo pela média movel centrada MMC 20 Sdbado 86d 662857 12974 nesse periodo O periodo empregado patra o calculo da média mével corresponde ao ciclo de sazonalidade No caso de a disponibilidade de dados suficientes sio calculados varios 24 Quarta 50 indices pata cada periodo e tirase uma média 645238 Para facilitar o entendimento dos métodos de previsao da A partir da média dos valores da média movel centrada sazonalidade sera utilizada a série de demanda representada na Obtevese o valor da demanda média 645 238 kg para a serie figura 25 onde se pode visualizar a sazonalidade em periodo de dados em questao A partir do calculo das médias dos semanal onde cada periodo corresponde a um dia da semana indices de sazonalidade para cada dia da semana obtemos 0 indice de sazonalidade médio ISM de cada petiodo sazonal Sazonalidade simples conforme podemos visualizar no quadro 25 Quadro 25 Indice de sazonalidade médio para os sete 0 periodos do ciclo sazonal 70 0871 108280 2 108496 0 0784608059 2 07952 30 0917808499 2 08838 20 088670802209222 3 08704 10 101541124470022 B 10473 0 126001203612974 3 12537 ssnecesoosp ss Ss SOosnst SBS KF OOBS SS ie Ba3 i ie BES 3 z z2 ae 22 132021294513699 3 13282 Com a obtencao dos indices de sazonalidade médios Figura 25 Série de demanda com sazonalidade ISM para os sete perio dos do ciclo sazon al é possivel Exemplo 24 Consideremos a demanda apresentada calcular a demanda prevista por meio da equacao 26 no quadro 24 cujo comportamento da série encontrase Demanda prevista Demanda média Demanda média ISM 1 26 apresentado na figura 25 Nesse caso temse que o ciclo de sazonalidade é de 7 periodos ou seja semanal pois a cada 7 O quadro 26 apresenta o calculo da demanda prevista periodos o comportamento de variacao se repete para todos os periodos No quadro 24 as médias moveis centradas e os indices de sazonalidade para os periodos 4 e 5 foram calculadas da Quadro 26 Calculo da demanda prevista uremic média prevista real MMC 615653576681867 642857 ke O45238 08096 548206 38206 Terca 645238 07952 513121 56 46879 MMC 565357668186567 65 kg raco3g oae28 a 0083 oR I 2 I L I I Be cee ta an 645238 08704 561607 08303 1 645238 710473 675777 66 15777 645238 12537 808921 01079 Quadro 24 Dados do exemplo 24 645238 13282 857003 86 02997 ois eonioes ONETOITRT Same ozs Tob ee es Bee oa ere on B 645238 08838 570283 19717 ee 645238 08704 561607 51607 ee 645238 10473 675777 34223 08867 645238 12537 808921 48921 650000 10154 645238 13282 857003 47003 6 Sabado 642857 12600 645238 08496 548206 18206 651429 13202 645238 07952 513121 03121 re seounda 56 642857 0871 645238 08838 570283 20283 3 tera 51 50000 7846 Bese Tiows Derr on Tera 2 650000 07846 645238 10473 615777166 15777 42857 09178 645238 12537 808921 86 51079 635714 08022 645238 13282 857003 5297 631429 11244 645238 08496 548206 38206 ws Terca 645238 07952 513121 26879 quando a correlacao entre as variaveis leva a uma equacao Quarta 645238 08838 570283 10283 linear quando a correlacgio leva a uma equacio curvilinea Erro acumulado 46357 temos a regressao nao linear Com relacgao ao numero de vatiaveis quando ha apenas duas variaveis envolvidas temos Obtidos os valores da demanda prevista a figura 26 ae a tegressao simples j4 no caso de mais do que duas variaveis apresenta a compatacao entre demanda real e demanda s pies J id Presenta para temos a regressio multipla Conforme explica 0 autor 0 caso revista P mais simples e comum de ocorrer é 0 da regressao linear simples por isso itemos abordalo agora Sazonalidade simples Ples P 8 a oane Regressao linear simples 800000 ie A abordagem do cAlculo da regressao linear simples que 600000 8 ae sera apresentada na sequéncia tem como base a metodologia 300000 de Tubino 2017 No método da regressao linear simples 200000 oo 100000 encontraremos uma equacao linear de previsao y a bX pass quag y Ssse REESE 8 esse s emqueoycorresponde a variavel dependente a ser prevista e GELASTPLELLSTELEGLLGE RE EE Cmacovcomesp ep ser P RO SOCR ES OOM EEE OOM SEES Xavariavel independente da previsao de maneita que a soma s ys EE dos quadrados dos ertos de previsao B seja a minima possivel Este método também pode ser chamado de regressao dos Figura 26 Demanda real e demanda prevista sazonalidade simples minimos quadrados A figura 27 exemplifica essa situagao Sazonalidade com tendéncia 7 y YatbX Caso a série sazonal apresente tendéncia ela deve ser considerada Nesse caso é necessario incorporar estas duas a on e caracteristicas no modelo de previsio Assim sendo os passos B t e para obter o modelo de previsao incorporando a sazonalidade e e a tendéncia so descritos por Tubino 2017 obter os B0 indices de sazonalidade por meio da média movel centrada retitar 0 componente de sazonalidade da série de dados dividindoos pelos correspondentes indices de sazonalidade a x partr destes dados desenvolver uma equacao que fepresente Figura 27 Minimos quadrados Fonte Tubino 2017 o componente de tendéncia obtida a equagao de tendéncia fazer a ptevisio de demanda e multiplicala pelo indice de A equacio linear mesma que foi apresentada na sazonalidade previsao da tendéncia equacdo 23 no entanto agora as Assim sendo para calcular a previsio de demanda variaveis assumem outtos significados quando existe sazonalidade e tendéncia é necessatia a jungao dos métodos de sazonalidade simples e equagao linear para a YabX 23 ne tendéncia obtendose assim os valores de demanda prevista Onde NM oe 32 PrevisOes baseadas em Y previsao da demanda para o item dependente CO rrela Ca O a ordenada a origem ou intersecgao no eixo dos Y b coeficiente angular As ptevisdes baseadas em correlagdes ou séries causais a X valor da variavel independente de acordo com Fernandes e Godinho Filho 2010 possuem como caracteristica principal o fato de identificar uma ou Os coeficientes a e b também ja foram apresentados no o tn mais varidveis ditas independentes que possam ajudar a método de previsao da tendéncia e podem ser obtidos pelas prever a demanda futura para o produto em questao variavel equacdes 24 25 dependenteTome como exemplo 0 numero de refrigeradores variavel dependente A demanda de teftigeradores pode Fe nd 2 xNX estar relacionada com o numero de casamentos o preco nY x x 24 do refrigerador renda pet capita e numero de habitantes ae variaveis independentes o et Xx Ainda de acordo com os autores no caso da abordagem a 25 baseada em correlagao ou causal gerase uma equacdo matematica Essa equagao permite a previsao da variavel Onde dependente a partir dos valores dados de uma ou mais n numero de pates XY observados variaveis independentes Os métodos de previsao mais usados Para uma melhor compreensdo do método de regressao dentro da abordagem causal sao os métodos de regressao linear simples para prever a correlagao vamos resolver um Segundo Tubino 2017 a regressio pode ser linear e 4 oy exemplo nao linear Assim sendo usase 0 método da regressao linear Planejamento e Controle da Produgdo 20 Exemplo 25 Uma rede de copiadoras constatou que diminui o numero de c6pias também diminui Mesmo sendo o numero de cépias feitas mensalmente em suas 13 unidades identificada graficamente a existéncia de correlagao entre relacionamse com o numero de alunos matriculados em duas varidveis pode ser medida por meio do coeficiente de escolas num raio de 25 km em torno da copiadora Os dados cortelacgao de Pearson r A equagao 27 apresenta a forma teferentes ao numero de cdpias e alunos matriculados nas de obtengao de r escolas apresentamse no quadro 27 A rede pretende instalar uma nova copiadora numa regiao onde o nimero de alunos y OT matriculados de 15800 Qual a previsio de demanda para yao at yoy 27 esta nova copiadora O valor de r pode variar de 1 a 1 Nesse caso valores Quadro 27 dados do exemplo 25 de r proximos a 1 significam que uma mudanca em uma Numero de variavel implica em uma mudanga em outra variavel no mesmo Cépias por sentido Assim como valores de r proximos de 1 significa n alunos X X2 ye XY oe il xerox Y mil que uma mudanga em uma vatiavel implica em uma mudanca em outra variavel no sentido oposto E ainda valores der proximos a zero indicam que nao ha correlacgao entre as 3 8 2525 64 6375625 202 variaveis analisadas Aplicando a equagao 27 nos dados do exemplo 25 temos que r 099 o que indica a correlagao entre as variaveis e justifica comportamento grafico da figura 6 1 342 121 116964 3762 28 onde 0 comportamento das variaveis muda no mesmo sentido P38 foi 323 10201 104329 32623 9 92 29 8464 841 2668 4 Erros de previsdo Quando falamos em demandas futuras importante considerar que o grau de precisao e acerto das previsdes nao se iguala a 100 Isso porque as necessidades futuras por Ta 45071 166337 16416826 522486 bens ou servicos sofrem influéncia das incertezas inerentes ao Utilizando a equacio 24 25 encontramos os periodo teferente ao horizonte de previsao Por essa tazao as coeficientes ptevisdes admitem uma margem de erro que funciona como uma margem de seguranga contra eventualidades b 299 Para escolher a melhor técnica de previsao de demanda a 176 além de considerat as técnicas que se aplicam a cada caso tendéncia variagdes aleatorias sazonalidade correlagao é Assim sendo temos a reta de previsao Y 176 299 X importante que o erro absoluto entre previsio de demanda Considerando a nova unidade da copiadora para real levantados na tecnica escolhida tenda a zero uma regiao com 15800 alunos matriculados a previsao de Existem varias medidas de erro que podem ser aplicadas demanda por cépias sera de Entte as medidas de erro existentes Ritzman e Krajewski 2004 citam o erro médio ao quadrado mean squad error Y 176 299 15800 4724376 cdpias MSE 0 desvio padrao 0 e 0 desvio absoluto médio mean absolute deviation MAD que medem a dispersao dos erros A figura 28 ilustra a correlagao existente entre o ntimeto de ptevisao Vamos aplicar o desvio absoluto médio equagao de alunos matriculados e o numero de cépias vendidas 28 que é um dos mais utilizados para compreender o calculo do erro Correlagao 70 MaD 24 28 60 PA Exemplo 26 Aplicando o MAD no exemplo 23 40 equagao linear para a tendéncia 7 Quadto 28 calculo do MAD SA 12 3 4 8 6 7 8 9 oH BD if 1 250 24196 804 804 00322 eNintero desnos3x eCipins porxerox i Figura 28 Correlagdo entre as varidveis dependente e independente A figura 28 indica a correlagao entre as variaveis pois na medida em que o numero de alunos aumenta o numero de 6 27 fei 91 911 00317 copias também e assim como quando o numero de alunos 21 169 8 325 31777 723 723 00222 os mesmos com maior aprofundamento Assim sendo vimos 9 320 3286 86 86 00269 como se da o calculo da previsio de demanda pata séries temporais que apresentam variagdes aleatdrias tendéncia e ma 3105 005 8105 03006 sazonalidade e também a previsao de demanda baseada em cortelacao 8105 a 4Erros de previsao Assim pata o exemplo 23 temos 0 desvio absoluto Por fim vimos como os ettos de previsio podem ser medio de 8105 se calcularmos o desvio pata varios métodos utilizados para selecionar a técnica de previsio de demanda podemos selecionar 0 que apresenta o menor desvio pois é 0 a ser utilizada bem como para verificar a validade dos que mais se aproxima da demanda real parametros e da técnica selecionada quando esta jA esta tes a slesio implantagio do motto vecain de em funcionamento Erros altos indicam que 0 processo de emanda é importante monitorar o modelo a fim de verificar ox se a técnica e os parametros utilizados continuam sendo previsio de demancla precisa ser revisto validos Um dos problemas que pode acontecer por exemplo é a verificagao de situagdes em que no passado existia um 5h Vale a pena comportamento de tendéncia e a demanda no futuro ficou estagnada desta forma o valor dos erros podem indicar a necessidade de rever 0 modelo de previsao ne yp Retomando a aula se Vale a pena ler LUSTOSA L MESQUITA M A QUELHAS O Ors OLIVEIRA R Planejamento e Controle da Produgao Rio de Chegamos ao fim da nossa segunda aula Espero que Janeiro Elsevier 2008 vocés tenham gostado de aprender um pouco sobre TUBINO D EF Planejamento e Controle da Produgéo 3 ed 0 processo de previsdo de demanda Vamos entéo Sao Paulo Atlas 2017 recordar os principais pontos trabalhados nesta aula er re Ar 1 Conceituando a previsao de demanda So Nesta seao vimos o conceito de previsao de demanda Vale a pena acessar bem como a sua importancia para a estruturagao dos sistemas oo ptodutivos e para o planejamento da utilizacao destes I 3 a ae vin camp a aera fe 0 anejamento do servico em campo ciocom wor melo le wine presitae ncerta eee whlomne te bropiniao201806143razoesparanaoignorata custos de estocagem de produtos sobressalentes e os custos previsaoeoplanejamentodoservicoemcampo 8 Pp oy do nao atendimento ao mercado Vimos também que apesar Previsto de demanda mao para bola de cristal de na maioria das empresas o departamento de marketing http wwwsebraecombrsites PortalSebrae attigos set 0 tesponsavel pela previsio é importante que a producio previsaodedemandanaoepataboladecristal 55b8abdb 5ebae410VenVCM1000003b74010aRCRD patticipe deste processo e que o departamento de PCP compreenda o funcionamento dessa metodologia 2 Etapas do processo de previsio de demanda 4 Minhas anota cO es Na segunda secgao abordamos como a previsao de demanda é gerada por meio de um processo estruturado em etapas sendo que as principais etapas do processo de previsao de demanda sao a determinacao do objetivo da previsao coleta de dados analise dos graficos selegao do método geragao da previsao ajuste da previsao e acompanhamento e controle do modelo de previsao de demanda 3 Métodos de previséo de demanda Nesta secao vimos que os métodos de previsio de demanda se dividem em qualitativos e quantitativos Como os métodos quantitativos sao os mais empregados tratamos
Send your question to AI and receive an answer instantly
Preview text
2º Aula Previsão de demanda Objetivos de aprendizagem Ao término desta aula vocês serão capazes de compreender a importância da previsão de demanda para as empresas conhecer as etapas de um processo de previsão de demanda distinguir as diferentes técnicas de previsão de demanda que se aplicam a cada caso Olá pessoal Vamos então começar a segunda aula da nossa disciplina em que falaremos sobre a previsão de demanda Ao chegar a uma loja e se deparar com um produto que você deseja você possivelmente não percebe que na maioria dos casos o fabricante do produto anteviu sua necessidade antes mesmo que você se desse conta da mesma Isso mesmo com certa antecedência as empresas precisam prever as necessidades dos consumidores por seus produtos e serviços e disponibilizálos no momento e na quantidade adequada Isso acontece com a maioria dos produtos que possuem uma demanda mais frequente e padronizada como os produtos alimentícios de vestuário eletrônicos entre outros Mas como as empresas conseguem saber o que devem produzir A resposta para esta pergunta está no processo de previsão de demanda e nesta aula vocês irão aprender sobre a importância os métodos e como calcular a previsão de demanda para diferentes casos Vamos começar Bons estudos 161 Planejamento e Controle da Produdo 14 que estudar previsao de demanda em PCP sendo que ela nao Secoes de estudo é pura responsabilidade do departamento Pois bem o PCP o principal responsavel por viabilizar a produgao necessaria 1 Conceituando a previsio de demanda para atender as necessidades do mercado Ou seja a partir da 2 Etapas do processo de previsio de demanda ptevisio de demanda e das metas de vendas e producao o 3 Métodos de previsio de demanda PCP elabora planos e programacées pata serem executados 4 Ertos de previsio pela producio a fim de que a demanda por produtos e servicos Seja atendida Por isso importante conhecer 0 processo pelo ow qual as previsOes sao geradas 4 Conceituando a previsdo de emanda a 2 Etapas do processo de previsdo A previsio de demanda é uma das informagdes mais e demanda importantes a ser considerada na estruturagdo de um sistema Para se realizar o processo de previséo de demanda fazse ptodutivo Nao sé no momento de sua estruturagao a ptevisao a necessario seguir aleumas etapas A primeira delas consiste em de demanda se faz necessaria também pata o planejamento do a ts definir qual o objetivo da previsao na sequéncia realizase a uso do sistema produtivo previamente estruturado A previsao coleta de dados os graficos entio sao analisados podendo de demanda antecipa informagées sobre o futuro e permite a assim selecionar o método de previsio mais adequado e gerar que os gestores planejem e preparem a empresa para o que esta a a a previsao pata o petiodo em anilise Apés gerar a previsio por vir visando atender a seus clientes com produtose servigos sao feitos os ajustes e por fim o acompanhamento e controle de qualidade dos resultados A figura 21 apresenta esta sequéncia de et equéncia de etapas Entendese por demanda a quantidade de bens ou ous P 4 P servicgos ofertados no mercado por uma organizaao que os consumidores desejam adquirir Ou seja do lado da demanda ébKe Gi ss témse os clientes e do lado da oferta os vendedores e fabricantes Para garantir o atendimento da demanda e guiar seu sistema produtivo as organizagOes precisam prever a demanda que deverio atender em periodos futuros Ou seja as empresas precisam ser ptoativas de modo que quando Figura 21 Etapas do processo de previsdo de demanda consumidor necessitar do produto ele esteja disponivel para sua aquisiao Na definicao do objetivo da previsao sao determinados Para Moreira 2012 p 293 a previsio de demanda os produtos ou linhas de produtos que terao sua demanda consiste em um processo racional de busca de informagdes prevista se esta sera uma previsao para planejar a producao do acerca do valor das vendas futuras de um item ou de um ano seguinte para uma nova linha de produtos que necessita conjunto de itens De uma forma mais simples Corréa e de planejamento de capacidade entre outras informagées E Corréa 2013 tratam as previs6es como estimativas acetca necessatio determinar 0 objetivo pois pata cada caso poderao P da maneira como o mercado demandante se comportara no existir critérios de desempenho e particularidades diferentes P futuro inerentes ao ptocesso de previsao Mas 0 que acontece quando a empresa nfo faz a ptevisio Apos definir o objetivo da previsdo partese para a de demanda ou até mesmo erra na previsdo Sao resultados da coleta de dados Essa etapa consiste no levantamento de falta de previsao 0 excesso de produtos e também a falta dos dados histéricos de vendas dos produtos os acontecimentos mesmos quando nao se faz a previsao ou quando se erra na que influenciaram a sua demanda e poderao influenciala previsao de demanda existem grandes chances de se produzir futuramente e informacdes sobre o mercado consumidor dos a mais ou a menos do que o necessatio Tanto uma produgao produtos Quanto maior a precisdo desejada maior devera ser maior quanto uma producéo menor do que o necessario aacuracidade qualidade e quantidade de dados acarreta prejuizos pata as empresas no primeiro caso existe Apos coletar os dados relevantes a previsao eles devem a necessidade de estocar 0 produto sobressalente o que gera set analisados se possivel graficos devem set construidos Custos nao s6 com a estocagem mas também de obsolescéncia a fim de se identificar 0 comportamento da demanda real e transporte Quando se produz menos a imagem da empresa possibilitando assim a selegao do método de previsao de fica prejudicada por nao poder atender a seus clientes demanda que melhor se adapte ao caso A falta de previsto de demanda pode ainda acarretar Com os métodos de previsao definidos eles sao aplicados os x sobrecarga de trabalho necessidade de realizacao de horas de modo a executar a previsao de demanda para o horizonte extras equivocado dimensionamento da capacidade produtiva desejado Na sequéncia devese realizar o ajuste da previsao levando a perda de vendas 0 que acaba gerando prejuizos para levando em consideracio informagées adicionais geralmente a empresa e todos os envolvidos qualitativas provenientes do pessoal de marketing ou Em muitas empresas o departamento de marketing é 0 desenvolvimento de produto isto é daqueles que participam responsavel pela previsao de vendas No entanto convenciona do processo e conhecem partticularidades do mercado do se que é de fundamental importancia a participacao da producgao produto ou processo que possam agregar a previsao gerada neste processo tendo em vista a limitagao da capacidade Com a previséo gerada a medida que o horizonte de produtiva das empresas Vocé deve estar se perguntando por previsao for sendo atingido pela demanda real devese realizar 0 acompanhamento e controle dos resultados a fim de que Como os métodos de previsio de demanda quantitativos demanda real e previsio sejam comparadas e a dimensio do sao mais utilizados no meio corporativo e servem de base erro ocorrido possa ser analisada O monitoramento desses pata apoiar decisdes qualitativas vamos nos aprofundar nos erros de fundamental importancia tendo em vista que métodos matemiaticos de previsio de demanda oA tow grandes desvios mostram a ineficiéncia do método de previsio 31 Séries t rai ou dos parametros utilizados T series temporals Agota que j4 conhecemos as etapas do processo de a 8 q J P P As séties temporais de acordo com Fernandes e Godinho previsao precisamos conhecer os diferentes métodos de te b al métod th Filho 2010 pressupdem que o futuro pode ser previsto com prev S20 CRISEENEES assim saberemos qual metodo MEMO Se base no historico de dados passados ou seja elas sugerem aplica a cada caso Loe que os fatores que influenciarao o futuro sao os mesmos que Io influenciaram o passado os Métodos de PreviSdaO de demanda Para se utilizar a previsio baseada em séties temporais ptimeiramente devemse gerar graficos com os dados Quando se fala em previsao estamos nos referindo ao historicos de vendas dos produtos em questao pata assim que val acontecer no futuro no entanto nao Podemos reconhecer 0 padrao comportamental da série permitindo a confur idir a previsio de demanda com uma adivinhacao a escolha do método mais adequado de previsao baseada nas respeito do que o mercado ira consumir em um determinado séries tempotais petiodo Conforme visto na seao anterior o processo de Ao analisar 0 padtio comportamental das séries oy v htene de demand estrus i a e Pascaclo em temporais graficamente podemos identificar aleuns fatores informaco 5 merca roduto a jadas a ae i a soncas dO k ore a ve 5 ISSOC say que influenciam nas caracteristicas da curva obtida As séries utilizacao de um conjunto de métodos de previsio e com a ns Lk s iad J aliva A seried k idetacd temporais podem conter tendéncia sazonalidade variagdes experiéncia da equipe que a realiza A seriedade eaconsideracao ok a d P 4 A P a iso de d irregulares e variagdes randdmicas e todos esses fatores fazem com que a ptevisio de demanda ne 4 P De acordo com Tubino 2017 a tendéncia representa um se torne confiavel para guiat a tomada de decis6es nas empresas movimento gradual de longo prazo que direciona os dados Os métodos de previsto de demanda dividemse Loe a A sazonalidade por sua vez consiste em variacdes ciclicas em qualitativos e quantitativos Os métodos qualitativos woe a de curto prazo que estao relacionadas ao fator tempo como possuem maior subjetividade pois nao podem ser facilmente ror or por exemplo a influéncia de alteracdes climaticas ou férias representados numerticamente sendo baseados no o escolares As variagdes irregulares representam alteracdes conhecimento de pessoas envolvidas no processo de previsao oo na demanda passada originadas por fatores excepcionais como os peritos nos produtos em questao e no metcado rr Lo oo como por exemplo greves ou catastrofes climaticas Os Devido a sua subjetividade os métodos qualitativos sio ee i ae dados referentes as variagdes itregulares devem ser retitados menos emptegados em previsao do que os quantitativos A ae 1 ok aes he da série e substituidos por valores provaveis Ja as variagdes utilizagao desse método é indicada quando do langamento de De a oe 8 randomicas ou aleatorias sdo as vatiagOes normais que podem um novo produto em situagdes em que nao se dispde de dados oa er ocorrer e estas serio tratadas pela média A figura 23 ilustra os historicos acerca da demanda do mercado pelo produto Outra a ow componentes de uma série temporal situagao em que 0 método se aplica bem é quando a empresa nao tem tempo pata realizar a analise dos dados e os calculos sazonaldade Tendéncia 70 de previsao J er 60 Ja os métodos quantitativos sio os mais empregados 50 pois seus resultados mensuraveis sao de facil interpretagao om c Os métodos quantitativos de previsto de demanda realizam 0 ye oe o uma andlise de dados historicos de vendas dos produtos cuja fs n 4 demanda se deseja prever por meio de métodos matematicos oo 7 Natiagao irregular ae Lo 10 Variagao randémica aleatoria ea partir desta andlise fazem uma projecao da demanda futura 0 or Os métodos quantitativos dividemse em métodos baseados Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez em séties temporais e métodos baseados em cortelacio Figura 23 Fatores que influenciam séries hist6ricas Fonte Tubino 2017 conforme pode ser visualizado na figura 22 Métodos quantitativos Dentro da abordagem de séries temporais existem técnicas para tratar as variacoes aleatorias ou seja as técnicas de previsao da média técnicas para tratar a tendéncia e técnicas pata tratar a sazonalidade Previséo da média oN Zoys 341 Previsdo da média iedia MOve simples A média movel simples é uma técnica de previsao de Provisio d a aera demanda que de acordo com Tubino 2017 utiliza um sazonalidade numero de periodos predeterminados que sio geralmente os Figura 22 Classificagdo dos métodos quantitativos de previsdo de demanda mais recentes pata gerar a sua prtevisao de forma que a cada Planejamento e Controle da Produgdo 16 novo pertiodo de previsao se substitui o dado mais antigo pelo simples pois nele os valores mais recentes de demanda dado mais recente recebem maior importancia e estes podem estar revelando Segundo Corréa e Corréa 2013 para o calculo da média aleum comportamento de tendéncia na demanda movel podem ser usadas as médias moveis de trés MM3 oo petfodos de quatro MMA periodos ou mais O cAlculo para Média exponencial mével x onencial maoxel médias moveis apresentase na equacio 21 A média exponencial movel de acordo com Ritzman e Krajewski 2004 é uma técnica sofisticada de média movel Média mével Ydemanda nos n periodos prévios 21 ponderada que calcula a média de uma série temporal e atribui édia mével i oo n as demandas recentes maior peso do que as demandas iniciais Onde Devido a sua simplicidade e do pequeno numero de dados n numero de periodos considerados necessatios este um método formal de previsao muito utilizado Para melhor compreender o método vamos resolver Ainda de acordo com os mesmos autores para empregat um exemplo método da média exponencial movel fazemse necessatios Exemplo 21 Considerando o histérico de vendas de somente tres tipos de dados que Sao a Previsao do ultimo foos petiodo a demanda para este periodo e um parametro de ogdes apresentado no quadro 21 calcule a previsdo de an aproximacao alfa que tem valor entre 0 e 10 Assim sendo demanda para setembro usando a MM3 pata a obtengao da previsto com o método em questio se Quadro 21 Dados do exemplo 21 faz necessario calcular a média ponderada da demanda mais Periodo Marco Abril Maio Junho Julho Agosto Setembro an alee ca obtida no uigme Pode d di revi cial move apresentado na sequéncia baseiase na exponencial movel apresentado na sequéncia baseiase na Solucdo metodologia apresentada por Tubino 2017 A equagao 22 ugao sy apresenta o modelo de calculo da média exponencial movel Média movel para trés petiodos setembro aplicando a equacao 21 MMOM 22 240236270 Onde MM3 249 M previsao para o periodo t M ptevisao pata o periodo t1 Se considerarmos que em setembro a demanda real foi a coeficiente de ponderacio de 255 unidades a previsao para outubro seria D demanda do periodo t1 24042364270 Conforme mencionado anteriormente o valor do MM3 3 249 Coeficiente parametro de aproximacao varia de 0 a Assi d dad 1 este coeficiente fixado pelo analista De acordo com ssim a Cacia ver que temos um ado novo mals Ritzmane Krajewski 2004 valores maiores de dao énfase antigo é descartado e o dado mais recente é incluido na eo 7 iach aos niveis mais recentes de demanda e resultam de previses PFEVISAO Quanto malo oO NUMeFO de perfodos MNSOS HO mais sensiveis a alteracgdes na média basica enquanto valores calculo da média menor sera a sensibilidade da previsio com menores de tratam a demanda passada de modo mais relacao a mudangas na demanda Ou seja petiodos pequenos uniforme e resultam em previsGes mais estaveis Nas palavras proporcionam uma tesposta mais rapida as mudangas na de Tubino 2017 se o valor de for muito baixo as previsdes demanda e os periodos maiores estéo condicionados a médias detio ficar defasad lacio Ad da teal assi uniformes poderao ficar defasadas em relagao a demanda real assim os mats untro indices normalmente usados para variam de 005 a 050 Média movel ponderada Para compreender melhor o método da média A média mével ponderada conforme afirma Moreira exponencial movel vamos resolver um exemplo 2012 é semelhante ao método da média mével simples com Exemplo 22 Aplicar o metodo media exponencial telacio ao fato de tomar valores reais anteriores da demanda movel para avaliar a demanda no 11 petiodo Considere a para calcular a média No entanto na média movel ponderada relacao de demanda do quadro 22 Considere dois valores os valores recebem pesos diferentes o que reflete uma maior Possiveis de erro sendo a0le 05 importancia dada aos valores mais recentes da demanda Quadro 22 Calculo da previsio por meio da média No exemplo anterior poderiamos adotar 0 sistema de pesos exponencial movel 020305 3 perfodos para as demandas de junho julho e a 01 a 05 agosto tespectivamente Periodo Demanda x 01 x Assim sendo a previsao pata setembro setia 2 9700 500 9100 500 2 9100 500 9100 500 MM3 24002 23603 27005254 3 9 9150 9350 9225 9625 E evidente que a soma dos pesos deve ser igual a 1 9213 9363 Este método pode se sobressair ao método da média mével 6 9221 9331 17 165 9259 9466 2 0 2 4 60 Pb for T9243 9283 p 3 0 Tt 9 693 9329 9691 pf 4 Ts a 61140 Pid 9326 9496 Pp E5200 1450 a O quadro 22 apresenta o resultado da previsao de 7 30 7 49 2170 demanda utilizando o método da média exponencial movel 8 325s 8 42600 cujos valores foram encontrados com 0 auxilio da equacio r 9 320 2 9 81 2880 22 conforme apresentamos abaixo 3400 n10 29007 55 385 16882 M 91019691 9150 unidades para 01 M91059691 9350 unidades para 05 Empregando a equagao 24 obtemos o valor do coeficiente b Da mesma forma utilizando a equagao 22 foi possivel calcular a demanda para o 11 periodo que sera de 9353 1016882 552907 1083 unidades 01 e 9548 unidades 05 Como se trata 10385 55 de unidades os valores de demanda devem ser arredondados i Empregando a equagao 25 obtemos o valor do pata o proximo numero inteiro 94 e 96 unidades para a 01 coeficiente a e 05 tespectivamente Lon A 312 Previsdo da tendéncia ge OE is 10 Equacao linear para a tendéncia Para tratar previsOes de demanda com componentes de a tendéncia é necessario de acordo com Lustosa et al 2008 Assim a equacao de previsao de demanda é y23113 determinar uma funcio matematica que relaciona a varidvel 1083 X demanda dependente com a variavel tempo independente Como o exercicio pede para calcular as precisdes para a por meio do método dos minimos quadrados 44 a 4 e 12 semanas substituindo os valores de X na equagdo O modelo de uma equagao linear possui o formato por 11 e 12 temos apresentado na equacao 23 7 eH 3 y11 23113 1083 11 35026 y12 23113 1083 12 36109 onde y previsiio de demanda para o periodo x A figura 24 apresenta os dados da demanda real e a coeficiente de intersecgao valor de y quando x0 a demanda prevista podese notar o comportamento de b coeficiente angular da reta inclinagao tendencia presente na série x periodo partindo de x0 para previsio Demanda Usina Os coeficientes a e b podem ser obtidos pelas equagdes 38 24 e 25 340 at 320 Mz F xX 300 n x x 24 280 LOS pe EYE 20 FF n 25 200 4 2 3 4 5 6 7 8 9 10 UW 12 13 Onde eDemanda Real Demanda Prevista n numero de periodos Figura 24 Representagio grafica do resultado do Para compreender melhor o método vamos resolver um exemplo 23 Por meio da figura 24 podese identificar visualmente exemplo gu P comportamento de tendéncia de crescimento da demanda Low Exemplo 23 Uma usina suctoalcooleita possui o 313 Previs30 da sazonalidade histdrico de demanda pata o agucar em toneladas Com base nos dados da empresa esboce 0 grafico do comportamento De acordo com Fernandes e Godinho Filho 2010 um da demanda e calcule as previsGes paraa 11 12 semana processo com sazonalidade é aquele no qual os dados sofrem oscilagdes para cima e pata baixo e estas se repetem com Quadro 23 Dados do exemplo 23 tegularidade A sazonalidade pode se dar em periodo anual SemanaX DemandaY mensal semanal ou diario e pode ser representada por meio de uma porcentagem ou quantidade que a demanda se afasta dos valores médios da série Planejamento e Controle da Produgdo 18 Sanaa sins ses No método da sazonalidade simples conforme explica 625714 12945 Tubino 2017 a técnica de previsio incide em obter o 5 oat aes indice de sazonalidade IS para cada um dos periodos da 647143 08499 série e aplicalo em cima da previsio da média em cada um 661429 09222 desses petiodos O IS pode ser obtido por meio da divisao 19 Sexta 66 658571 0022 da demanda no periodo pela média movel centrada MMC 20 Sdbado 86d 662857 12974 nesse periodo O periodo empregado patra o calculo da média mével corresponde ao ciclo de sazonalidade No caso de a disponibilidade de dados suficientes sio calculados varios 24 Quarta 50 indices pata cada periodo e tirase uma média 645238 Para facilitar o entendimento dos métodos de previsao da A partir da média dos valores da média movel centrada sazonalidade sera utilizada a série de demanda representada na Obtevese o valor da demanda média 645 238 kg para a serie figura 25 onde se pode visualizar a sazonalidade em periodo de dados em questao A partir do calculo das médias dos semanal onde cada periodo corresponde a um dia da semana indices de sazonalidade para cada dia da semana obtemos 0 indice de sazonalidade médio ISM de cada petiodo sazonal Sazonalidade simples conforme podemos visualizar no quadro 25 Quadro 25 Indice de sazonalidade médio para os sete 0 periodos do ciclo sazonal 70 0871 108280 2 108496 0 0784608059 2 07952 30 0917808499 2 08838 20 088670802209222 3 08704 10 101541124470022 B 10473 0 126001203612974 3 12537 ssnecesoosp ss Ss SOosnst SBS KF OOBS SS ie Ba3 i ie BES 3 z z2 ae 22 132021294513699 3 13282 Com a obtencao dos indices de sazonalidade médios Figura 25 Série de demanda com sazonalidade ISM para os sete perio dos do ciclo sazon al é possivel Exemplo 24 Consideremos a demanda apresentada calcular a demanda prevista por meio da equacao 26 no quadro 24 cujo comportamento da série encontrase Demanda prevista Demanda média Demanda média ISM 1 26 apresentado na figura 25 Nesse caso temse que o ciclo de sazonalidade é de 7 periodos ou seja semanal pois a cada 7 O quadro 26 apresenta o calculo da demanda prevista periodos o comportamento de variacao se repete para todos os periodos No quadro 24 as médias moveis centradas e os indices de sazonalidade para os periodos 4 e 5 foram calculadas da Quadro 26 Calculo da demanda prevista uremic média prevista real MMC 615653576681867 642857 ke O45238 08096 548206 38206 Terca 645238 07952 513121 56 46879 MMC 565357668186567 65 kg raco3g oae28 a 0083 oR I 2 I L I I Be cee ta an 645238 08704 561607 08303 1 645238 710473 675777 66 15777 645238 12537 808921 01079 Quadro 24 Dados do exemplo 24 645238 13282 857003 86 02997 ois eonioes ONETOITRT Same ozs Tob ee es Bee oa ere on B 645238 08838 570283 19717 ee 645238 08704 561607 51607 ee 645238 10473 675777 34223 08867 645238 12537 808921 48921 650000 10154 645238 13282 857003 47003 6 Sabado 642857 12600 645238 08496 548206 18206 651429 13202 645238 07952 513121 03121 re seounda 56 642857 0871 645238 08838 570283 20283 3 tera 51 50000 7846 Bese Tiows Derr on Tera 2 650000 07846 645238 10473 615777166 15777 42857 09178 645238 12537 808921 86 51079 635714 08022 645238 13282 857003 5297 631429 11244 645238 08496 548206 38206 ws Terca 645238 07952 513121 26879 quando a correlacao entre as variaveis leva a uma equacao Quarta 645238 08838 570283 10283 linear quando a correlacgio leva a uma equacio curvilinea Erro acumulado 46357 temos a regressao nao linear Com relacgao ao numero de vatiaveis quando ha apenas duas variaveis envolvidas temos Obtidos os valores da demanda prevista a figura 26 ae a tegressao simples j4 no caso de mais do que duas variaveis apresenta a compatacao entre demanda real e demanda s pies J id Presenta para temos a regressio multipla Conforme explica 0 autor 0 caso revista P mais simples e comum de ocorrer é 0 da regressao linear simples por isso itemos abordalo agora Sazonalidade simples Ples P 8 a oane Regressao linear simples 800000 ie A abordagem do cAlculo da regressao linear simples que 600000 8 ae sera apresentada na sequéncia tem como base a metodologia 300000 de Tubino 2017 No método da regressao linear simples 200000 oo 100000 encontraremos uma equacao linear de previsao y a bX pass quag y Ssse REESE 8 esse s emqueoycorresponde a variavel dependente a ser prevista e GELASTPLELLSTELEGLLGE RE EE Cmacovcomesp ep ser P RO SOCR ES OOM EEE OOM SEES Xavariavel independente da previsao de maneita que a soma s ys EE dos quadrados dos ertos de previsao B seja a minima possivel Este método também pode ser chamado de regressao dos Figura 26 Demanda real e demanda prevista sazonalidade simples minimos quadrados A figura 27 exemplifica essa situagao Sazonalidade com tendéncia 7 y YatbX Caso a série sazonal apresente tendéncia ela deve ser considerada Nesse caso é necessario incorporar estas duas a on e caracteristicas no modelo de previsio Assim sendo os passos B t e para obter o modelo de previsao incorporando a sazonalidade e e a tendéncia so descritos por Tubino 2017 obter os B0 indices de sazonalidade por meio da média movel centrada retitar 0 componente de sazonalidade da série de dados dividindoos pelos correspondentes indices de sazonalidade a x partr destes dados desenvolver uma equacao que fepresente Figura 27 Minimos quadrados Fonte Tubino 2017 o componente de tendéncia obtida a equagao de tendéncia fazer a ptevisio de demanda e multiplicala pelo indice de A equacio linear mesma que foi apresentada na sazonalidade previsao da tendéncia equacdo 23 no entanto agora as Assim sendo para calcular a previsio de demanda variaveis assumem outtos significados quando existe sazonalidade e tendéncia é necessatia a jungao dos métodos de sazonalidade simples e equagao linear para a YabX 23 ne tendéncia obtendose assim os valores de demanda prevista Onde NM oe 32 PrevisOes baseadas em Y previsao da demanda para o item dependente CO rrela Ca O a ordenada a origem ou intersecgao no eixo dos Y b coeficiente angular As ptevisdes baseadas em correlagdes ou séries causais a X valor da variavel independente de acordo com Fernandes e Godinho Filho 2010 possuem como caracteristica principal o fato de identificar uma ou Os coeficientes a e b também ja foram apresentados no o tn mais varidveis ditas independentes que possam ajudar a método de previsao da tendéncia e podem ser obtidos pelas prever a demanda futura para o produto em questao variavel equacdes 24 25 dependenteTome como exemplo 0 numero de refrigeradores variavel dependente A demanda de teftigeradores pode Fe nd 2 xNX estar relacionada com o numero de casamentos o preco nY x x 24 do refrigerador renda pet capita e numero de habitantes ae variaveis independentes o et Xx Ainda de acordo com os autores no caso da abordagem a 25 baseada em correlagao ou causal gerase uma equacdo matematica Essa equagao permite a previsao da variavel Onde dependente a partir dos valores dados de uma ou mais n numero de pates XY observados variaveis independentes Os métodos de previsao mais usados Para uma melhor compreensdo do método de regressao dentro da abordagem causal sao os métodos de regressao linear simples para prever a correlagao vamos resolver um Segundo Tubino 2017 a regressio pode ser linear e 4 oy exemplo nao linear Assim sendo usase 0 método da regressao linear Planejamento e Controle da Produgdo 20 Exemplo 25 Uma rede de copiadoras constatou que diminui o numero de c6pias também diminui Mesmo sendo o numero de cépias feitas mensalmente em suas 13 unidades identificada graficamente a existéncia de correlagao entre relacionamse com o numero de alunos matriculados em duas varidveis pode ser medida por meio do coeficiente de escolas num raio de 25 km em torno da copiadora Os dados cortelacgao de Pearson r A equagao 27 apresenta a forma teferentes ao numero de cdpias e alunos matriculados nas de obtengao de r escolas apresentamse no quadro 27 A rede pretende instalar uma nova copiadora numa regiao onde o nimero de alunos y OT matriculados de 15800 Qual a previsio de demanda para yao at yoy 27 esta nova copiadora O valor de r pode variar de 1 a 1 Nesse caso valores Quadro 27 dados do exemplo 25 de r proximos a 1 significam que uma mudanca em uma Numero de variavel implica em uma mudanga em outra variavel no mesmo Cépias por sentido Assim como valores de r proximos de 1 significa n alunos X X2 ye XY oe il xerox Y mil que uma mudanga em uma vatiavel implica em uma mudanca em outra variavel no sentido oposto E ainda valores der proximos a zero indicam que nao ha correlacgao entre as 3 8 2525 64 6375625 202 variaveis analisadas Aplicando a equagao 27 nos dados do exemplo 25 temos que r 099 o que indica a correlagao entre as variaveis e justifica comportamento grafico da figura 6 1 342 121 116964 3762 28 onde 0 comportamento das variaveis muda no mesmo sentido P38 foi 323 10201 104329 32623 9 92 29 8464 841 2668 4 Erros de previsdo Quando falamos em demandas futuras importante considerar que o grau de precisao e acerto das previsdes nao se iguala a 100 Isso porque as necessidades futuras por Ta 45071 166337 16416826 522486 bens ou servicos sofrem influéncia das incertezas inerentes ao Utilizando a equacio 24 25 encontramos os periodo teferente ao horizonte de previsao Por essa tazao as coeficientes ptevisdes admitem uma margem de erro que funciona como uma margem de seguranga contra eventualidades b 299 Para escolher a melhor técnica de previsao de demanda a 176 além de considerat as técnicas que se aplicam a cada caso tendéncia variagdes aleatorias sazonalidade correlagao é Assim sendo temos a reta de previsao Y 176 299 X importante que o erro absoluto entre previsio de demanda Considerando a nova unidade da copiadora para real levantados na tecnica escolhida tenda a zero uma regiao com 15800 alunos matriculados a previsao de Existem varias medidas de erro que podem ser aplicadas demanda por cépias sera de Entte as medidas de erro existentes Ritzman e Krajewski 2004 citam o erro médio ao quadrado mean squad error Y 176 299 15800 4724376 cdpias MSE 0 desvio padrao 0 e 0 desvio absoluto médio mean absolute deviation MAD que medem a dispersao dos erros A figura 28 ilustra a correlagao existente entre o ntimeto de ptevisao Vamos aplicar o desvio absoluto médio equagao de alunos matriculados e o numero de cépias vendidas 28 que é um dos mais utilizados para compreender o calculo do erro Correlagao 70 MaD 24 28 60 PA Exemplo 26 Aplicando o MAD no exemplo 23 40 equagao linear para a tendéncia 7 Quadto 28 calculo do MAD SA 12 3 4 8 6 7 8 9 oH BD if 1 250 24196 804 804 00322 eNintero desnos3x eCipins porxerox i Figura 28 Correlagdo entre as varidveis dependente e independente A figura 28 indica a correlagao entre as variaveis pois na medida em que o numero de alunos aumenta o numero de 6 27 fei 91 911 00317 copias também e assim como quando o numero de alunos 21 169 8 325 31777 723 723 00222 os mesmos com maior aprofundamento Assim sendo vimos 9 320 3286 86 86 00269 como se da o calculo da previsio de demanda pata séries temporais que apresentam variagdes aleatdrias tendéncia e ma 3105 005 8105 03006 sazonalidade e também a previsao de demanda baseada em cortelacao 8105 a 4Erros de previsao Assim pata o exemplo 23 temos 0 desvio absoluto Por fim vimos como os ettos de previsio podem ser medio de 8105 se calcularmos o desvio pata varios métodos utilizados para selecionar a técnica de previsio de demanda podemos selecionar 0 que apresenta o menor desvio pois é 0 a ser utilizada bem como para verificar a validade dos que mais se aproxima da demanda real parametros e da técnica selecionada quando esta jA esta tes a slesio implantagio do motto vecain de em funcionamento Erros altos indicam que 0 processo de emanda é importante monitorar o modelo a fim de verificar ox se a técnica e os parametros utilizados continuam sendo previsio de demancla precisa ser revisto validos Um dos problemas que pode acontecer por exemplo é a verificagao de situagdes em que no passado existia um 5h Vale a pena comportamento de tendéncia e a demanda no futuro ficou estagnada desta forma o valor dos erros podem indicar a necessidade de rever 0 modelo de previsao ne yp Retomando a aula se Vale a pena ler LUSTOSA L MESQUITA M A QUELHAS O Ors OLIVEIRA R Planejamento e Controle da Produgao Rio de Chegamos ao fim da nossa segunda aula Espero que Janeiro Elsevier 2008 vocés tenham gostado de aprender um pouco sobre TUBINO D EF Planejamento e Controle da Produgéo 3 ed 0 processo de previsdo de demanda Vamos entéo Sao Paulo Atlas 2017 recordar os principais pontos trabalhados nesta aula er re Ar 1 Conceituando a previsao de demanda So Nesta seao vimos o conceito de previsao de demanda Vale a pena acessar bem como a sua importancia para a estruturagao dos sistemas oo ptodutivos e para o planejamento da utilizacao destes I 3 a ae vin camp a aera fe 0 anejamento do servico em campo ciocom wor melo le wine presitae ncerta eee whlomne te bropiniao201806143razoesparanaoignorata custos de estocagem de produtos sobressalentes e os custos previsaoeoplanejamentodoservicoemcampo 8 Pp oy do nao atendimento ao mercado Vimos também que apesar Previsto de demanda mao para bola de cristal de na maioria das empresas o departamento de marketing http wwwsebraecombrsites PortalSebrae attigos set 0 tesponsavel pela previsio é importante que a producio previsaodedemandanaoepataboladecristal 55b8abdb 5ebae410VenVCM1000003b74010aRCRD patticipe deste processo e que o departamento de PCP compreenda o funcionamento dessa metodologia 2 Etapas do processo de previsio de demanda 4 Minhas anota cO es Na segunda secgao abordamos como a previsao de demanda é gerada por meio de um processo estruturado em etapas sendo que as principais etapas do processo de previsao de demanda sao a determinacao do objetivo da previsao coleta de dados analise dos graficos selegao do método geragao da previsao ajuste da previsao e acompanhamento e controle do modelo de previsao de demanda 3 Métodos de previséo de demanda Nesta secao vimos que os métodos de previsio de demanda se dividem em qualitativos e quantitativos Como os métodos quantitativos sao os mais empregados tratamos