PREVISÃO DE DEMANDA Prof. Msc. Mauro Enrique Carozzo Todaro PREVISÃO DE DEMANDA O QUE É? “Processo metodológico para determinação de dados (demanda) futuros baseados em modelos estatísticos, matemáticos ou econométricos ou ainda em modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida.” Martins e Laugeni (2006, P. 226) PREVISÃO DE DEMANDA QUAL É O OBJETIVO? • reduzir a incerteza sobre o futuro • reduzir os riscos na tomada de decisão PREVISÃO DE DEMANDA POR QUE SÃO NECESSÁRIAS? •Porque existem demoras na provisão. •Servem como base para o planejamento. PREVISÃO DE DEMANDA CARACTERÍSTICAS Diretamente relacionada com a satisfação do cliente e a rentabilidade no longo prazo. Quase todas as previsões se baseiam na suposição de que o passado ira se repetir. Previsões raramente são perfeitas. As previsões de demanda agregada são, normalmente, mais precisas que as individuais (menos aleatoriedade). PREVISÃO DE DEMANDA ELEMENTOS PRESENTES EM UMA BOA PREVISÃO O horizonte de previsão precisa cobrir o tempo necessário à implementação das possíveis mudanças. Previsões eficazes requerem uma base de dados de demanda precisa. Registrar a demanda (não vendas) em tempo real, não depois. Devem-se detectar demandas irregulares. PREVISÃO DE DEMANDA ELEMENTOS PRESENTES EM UMA BOA PREVISÃO DEVE SER EXATA • Média, intervalo e estimação de probabilidade do intervalo. Ex: 100 (+/-) 20, com uma probabilidade de 95% • Intervalo de confiança = F ± z. SDE F: previsão para o período t z: numero de desvio padrão correspondente a área sob a curva normal. z = 1,64 (confiança de 90%), z = 1,96 (95%) e z = 3,0 (99,7%). SDE: desvio padrão do erro. PREVISÃO DE DEMANDA HORIZONTES DE PREVISÃO Curto: Médio: Longo: 1 a 3 meses, por semanas ou meses 3 meses a 2 anos, por meses ou trimestres 2 a 10 anos, por trimestres ou anos PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO INTRÍNSECOS QUANTITATIVOS MÉTODOS EXTRÍNSECOS QUALITATIVOS PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS INTRÍNSECOS • Baseados na análise de séries de tempo*. • Modelam o padrão do passado para projetá-lo no futuro. • Horizonte: Médio e curto prazo. *Série de tempo: Sucessão de observações de uma mesma variável em intervalos regulares de tempo. PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS INTRÍNSECOS Exemplos: • • • • • Médias móveis. Ajustamento exponencial. Decomposição. Crescimento linear e não linear. Entre outros. PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS INTRÍNSECOS • • • • • Para demanda agregada e desagregada. Objetividade (erro médio, desvio padrão, etc.). Baixo custo. Pode ser repetido muitas vezes. Não prevê mudanças futuras. PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS EXTRÍNSECOS • Modelos causais (explicativos ou econométricos). • Horizonte: Longo prazo. Modelam a relação entre a demanda e outras variáveis (variáveis independentes) para projetar o futuro. PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUANTITATIVOS EXTRÍNSECOS • Regressão simples, múltipla, linear e não linear. • Para demandas agregadas, dado que são muito custosos. • Grandes corporações. • Mais complexos que os intrínsecos (requerem previsão de variáveis externas). PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUALITATIVOS Baseados em juízos e opiniões: • Método Delphi; • Pesquisa de mercados; • Painéis de expertos. PREVISÃO DE DEMANDA MÉTODOS DE PREVISÃO QUALITATIVOS São úteis: • quando não existem dados históricos suficientes (novos produtos); • em previsões de longo prazo, quando não se pode supor que o passado ira-se repetir; • para ajustar valores obtidos por métodos quantitativos. PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS EXEMPLOS DE SÉRIES TEMPORAIS Autocorrelação Aleatoriedade 120 100 80 60 40 20 0 150 100 50 0 1 6 11 16 21 26 31 36 41 1 6 31 36 11 Tendência 800 600 400 200 0 1 6 11 16 21 26 41 16 21 26 31 36 41 PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS EXEMPLOS DE SÉRIES TEMPORAIS Sazonalidade 250 200 150 100 50 0 1 6 11 16 21 26 31 36 41 Tendência e Sazonalidade 800 600 400 200 0 1 6 11 16 21 26 31 36 41 PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS Série obsevada 800 600 400 200 0 1 6 11 16 21 26 31 36 41 PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS REVISÃO DA PREVISÃO Período a período - horizonte deslizante. Ex: Se prevêem12 meses, cada mês que passa, volto a prever outros 12 meses (revisou os 11 que tinha previsto e acrescento 1) Na revisão se modificam previsões realizadas e se acrescenta um período novo. PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS ERRO DE PREVISÃO A determinação do erro de previsão é fundamental para: •Determinar a efetividade do método •Comparar métodos Notação: Y: Demanda real observada no período t F: Previsão para o período t N: Quantidade de períodos observados Erro de previsão et = Yt – Ft Erro médio 1 N 1 N (Yt Ft ) ē= et N N t 1 t 1 Um bom modelo de previsão tem erro médio próximo de zero. PREVISÃO DE DEMANDA – MÉTODOS INTRÍNSECOS ERRO DE PREVISÃO Desvio padrão do erro: N (e e) 2 t SDE t 1 N 1 Um bom modelo de previsão minimiza o desvio padrão dos erros (reduz estoque) MÉTODOS INTRÍNSECOS – MÉDIAS MÓVEIS SIMPLES Médias Móveis Simples Previsão com médias moveis: Yt 1 Yt 2 ... Yt n Ft n •Usar n grande para séries muito aleatórias. •Usar n pequeno para autocorrelação (n pequeno suaviza o padrão) •Não modela tendência, nem sazonalidade. •Otimização de n: minimizar o SDE considerando N períodos históricos Obs: Com n = 1, a previsão é igual ao mês anterior. MÉTODOS INTRÍNSECOS – MÉDIAS MÓVEIS SIMPLES MÉTODOS INTRÍNSECOS – MÉDIAS MÓVEIS SIMPLES Médias Moveis Simples 1900ral 1900ral 1900ral 1900ral 1900ral 1900ral 1900ral 1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral Dem. Hist. 2 per 4 per 8 per MÉTODOS INTRÍNSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPLES Suavização Exponencial Simples Previsão: Ft Ft 1 Yt 1 Ft 1 Yt 1 1 Ft 1 Aonde 0 1. Como valor inicial se considera: F1 = Y1 • É um dos métodos mais utilizados. •Usar α alto para séries muito suaves, α baixo para séries muito aleatórias. •Com alta (baixa) autocorrelação usar altos (baixos) valores de α. •Com α alto reage mais rápido à tendência, mas também às flutuações aleatórias. •Não modela tendência nem sazonalidade. •Otimização de α : minimizar o SDE considerando N períodos históricos Obs: o método necessita só os dados do período anterior, mas implicitamente estão todos. MÉTODOS INTRÍNSECOS – SUAVIZAÇÃO EXPONENCIAL SIMPLES Suav. Exp. Simples 1900ral 1900ral 1900ral 1900ral 1900ral 1900ral 1900ral 1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral1900ral Dem. Hist. 0,3 b 0,5 g 0,8 Referências Bibliográficas MARTINS, P. G. e LAUGENI, F. P. Capítulo 8: Previsão de Vendas. In: Administração da produção. Petrônio Garcia Martins e Fernando P. Laugeni. 2 ed. São Paulo: Saraiva, 2006. MOREIRA, D. A. Capítulo 11: Previsão da Demanda. In: Administração da produção e operações. MOREIRA, Daniel Augusto. 2 ed. São Paulo: Cengage Learning, 2011. STEVENSON, W. Capítulo 3: Previsões. In: Administração das operações de produção. STEVENSON, Willam J. 6 ed. Rio de Janeiro: LTC, 2001.