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.