Capítulo 8
Necessidades de Previsão da
Cadeia de Suprimentos
TRA 53 – Logística e Transportes
Prof. Anderson Correia
Parte IV – Estratégia de Estoque
Capítulos
8 a 12
Capítulo 8: visão geral das técnicas de previsão indicadas
para o planejamento e controle logístico.
Previsão de demanda, prazos de entrega, preços e custos
Controle de estoques, economia em compras, controle de custos
Roteiro

Natureza das previsões

Métodos de previsão

Técnicas úteis para os profissionais de logística

Problemas especiais de previsão para os profissionais
de logística

Previsão colaborativa

Flexibilidade e resposta rápida – uma alternativa à
previsão
Natureza das previsões






Demanda Temporal: varia com o crescimento da taxa de vendas,
sazonalidade ou flutuações  QUANDO
Demanda Espacial: varia conforme diferenças geográficas e níveis
de agregação da demanda  ONDE
Demanda Regular: possui componentes de tendências, sazonais ou
aleatórios
Demanda Irregular: demanda intermitente em função do baixo
volume e da incerteza
Demanda Dependente: deriva de exigências especificadas em
programas de produção, pode ser estimada com exatidão, previsão
perfeita
Demanda Independente: deriva de necessidades individuas de
clientes, pode ser estimada por previsão estatística, aleatoriedade
Natureza das previsões
Irregular
Regulares
Métodos de previsão

Métodos Qualitativos





Recorrem a julgamento, intuição, pesquisas ou técnicas
comparativas
Produzem estimativas quantitativas sobre o futuro
Previsões são afetadas por fatores subjetivos
Dados históricos não são relevantes
Previsões são de médio a longo alcance
Métodos de previsão

Métodos de Projeção Histórica




Necessário ter dados históricos para que as tendências e
variações sazonais sejam estáveis e bem definidas
Previsão de curto prazo: exatidão e estabilidade
Premissa básica: padrão de tempo futuro será uma repetição do
passado
Uso de modelos matemáticos e estatísticos
Métodos de previsão

Métodos Causais

Premissa básica: nível da variável de previsão depende do nível
de outra(s) variável(is)

Com boas relações de causa-e-efeito  efetividade na previsão

Dificuldade em encontrar variáveis causais

Modelos em formatos estatísticos (modelos de regressão e
econométricos) e descritivos (modelos de entrada e saída, ciclo
de vida e simulação)
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial






Ideal para previsão a curto prazo
Necessita de um mínimo de dados
Simplicidade
Precisão
Adapta-se às mudanças fundamentais nos dados de previsão
Média móvel em que as observações mais recentes recebem
peso maior que as mais antigas:
Ft+1: previsão para o próximo período t+1
Ft 1  .At  (1   ).Ft
α: constante da ponderação exponencial, 0 a 1
At: demanda no período t
Ft: previsão para o período t
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial
Ft 1  .At  (1   ).Ft
maior α
menor α
maior peso à demanda
recente
maior peso ao histórico
de previsões
maior agilidade na
resposta às mudanças
menor agilidade na
resposta às mudanças,
estabilidade
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial (Exemplo pág. 249)
Demanda prevista mês em curso: 1000 unidades  Ft
Demanda real mês corrente: 950 unidades
 At
Constante de ponderação: 0,3
α
Valor esperado da demanda do próximo mês?  Ft+1
Ft 1   . At  (1   ).Ft
Ft 1  0,3.950 (1  0,3).1000
Ft 1  0,3.950 0,7.1000
Ft 1  285 700
Ft 1  985unidades
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial (Exemplo pág. 250)
Α=0,2
Trimestre
1
Ano passado 1200
Este ano
2
700
3
4
900
1100
Média = 975
1400 1000 F3=?
F1   . A0  (1   ).F0  0,2.1100 (1  0,2).975  1000unidades
F2   . A1  (1   ).F1  0,2.1400 (1  0,2).1000 1080unidades
F3   . A2  (1   ).F2  0,2.1000 (1  0,2).1080 1064unidades
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial

Corrigindo a tendência
Ft 1  St 1  Tt 1
St 1  .At  (1   ).(St  Tt )
Tt 1   .(St 1  St )  (1   ).Tt
Ft+1: previsão com tendência corrigida para t+1
St: previsão inicial para o próximo período t
Tt: tendência para o período t
b: constante ponderada da tendência, 0 a 1
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial

Corrigindo a tendência (Exemplo pág 251)
S0= 975; T0=0; β=0,3; α=0,2
F1  [ . A0  (1   ).(S 0  T0 )]  [  .(S1  S 0 )  (1   ).T0 ]
F1  [0,2.1100 (1  0,2).(975 0)]  [0,3.(1000 975)  (1  0,3).0]
F1  1000 7,5  1007,5
F2  [ . A1  (1   ).(S1  T1 )]  [  .(S 2  S1 )  (1   ).T1 ]
F2  [0,2.1400 (1  0,2).(1000 7,5)]  [0,3.(1086 1000)  (1  0,3).7,5]
F2  1086 31,05  1117,05
F3  [ . A2  (1   ).(S 2  T2 )]  [  .(S 3  S 2 )  (1   ).T2 ]
F3  [0,2.1000 (1  0,2).(1086 31,05)]  [0,3.(1093,64  1086)  (1  0,3).31,05]
F3  1093,64  24,03  1117,67  1118
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial
Corrigindo tendência e sazonalidade
Condições: 1- Picos e vales devem ter motivos conhecidos
2- Variação sazonal deve ser maior que as variações aleatórias

Ft 1  St 1  Tt 1 .I t L1
St 1  .( At / I t L )  (1   ).(St  Tt )
Tt 1   .(St 1  St )  (1   ).Tt
I t   .( At / St )  (1   ).I t L
Ft+1: previsão e tendência corrigidas sazonalmente para t+1
γ: constante de ponderação do índice sazonal, 0 a 1
It: índice sazonal para o período t
L: tempo de uma estação completa
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial

Corrigindo tendência e sazonalidade
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial

Definição dos Erros de Previsão
Projetar uma faixa para a demanda real
Previsão estatística  desvio padrão
Erro de previsão = demanda real – demanda prevista
SF 
 A
t
 Ft 
t
N 1
2
SF: erro padrão da previsão
At: demanda real no período t
Ft: previsão para o período t
N: número de períodos de previsão
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial

Definição dos Erros de Previsão (Exemplo pág. 253)
Erro normalmente distribuído
Dois períodos
 N=2
Intervalo de confiança de 95%  IC
Erro padrão da previsão?
 SF
SF 
2


A

F
 t t
t
N 1

1400 10002  1000 10802
2 1
 407,92
Dem anda F3  z 1 IC  / 2 .S F  1064 1,96.407,92  1064 800
264  Dem anda 1864
Técnicas úteis para os
profissionais de logística

Ponderação Exponencial

Monitorando o Erro de Previsão
• Funciona por meio de um sinal
de rastreamento do nível de erro,
que não pode exceder um limite
especificado
•
Permite a revisão continuada da
constante de ponderação
•
Adequado para mudanças
rápidas no nível de demanda
•
Também pode ser utilizado em
períodos de estabilidade, porém
necessária a limitação do valor
da constante
Técnicas úteis para os
profissionais de logística

Decomposição Clássica da Série de Tempo




Simplicidade matemática
Preciso
Grande aceitação
Fundamentado na decomposição da série histórica em:
tendência, variação sazonal, variação cíclica e variação residual
F: demanda prevista [unidades ou $]
T: nível da tendência [unidades ou $]
F T S C  R
S: índice sazonal
C: índice cíclico
R: índice residual
Técnicas úteis para os
profissionais de logística

Decomposição Clássica da Série de Tempo
Na prática: R e C ~ 1;
T ~ ajustado por média móvel ou pelo método dos mínimos quadrados.
Para linha de tendência linear:
N: número de observação usadas no
T  a  b.t
desenvolvimento da linha de tendência
D .(t )  N .D .t

b
 t  N .t
t
2
a  D  b.t
2
Dt: demanda real em t
D
: demanda média em N períodos
t : média de t em N
S ~ ajustado para cada período considerado
St  Dt / Tt
St: índice sazonal em t
Tt: valor da tendência determinada por T=a+b.t
Técnicas úteis para os
profissionais de logística

Decomposição Clássica da Série de Tempo (Ex. pág. 255)
Previsão
($000s)
Equação da tendência
18.602
Valores dados
20.945
Cálculos de a e b
Cálculo da
previsão
Técnicas úteis para os
profissionais de logística

Análise de Regressão Múltipla
Demanda (variável dependente) associa-se a n variáveis
Pacotes estatísticos fazem a regressão (mínimos quadrados) e avaliação
Exemplo pág. 257
Equação de previsão de vendas para o verão [milhares de dólares]:
F=-3016+1211.X1+5,75.X2+109X3
X1: tempo [anos]
X2: números de compras durante a estação
X3: mudança líquida mensal nas dívidas a prazo dos clientes [%]
X1=6; X2=2732; X3= 8,63
F=-3016+1211.6+5,75.2732+109.8,63=US$20,9milhões
Problemas especiais de previsão
para os profissionais de logística

Lançamento de produtos
Geralmente não há dados históricos para iniciar o processo de
previsão, então uma estimativa inicial pode ser feita a partir de:

Profissionais de marketing, pois conhecem o nível de esforço
promocional do produto e a aceitação a ser esperada do cliente;

Padrão de demanda de produtos similares já em linha;

Modelo de ponderação exponencial com alto valor de  (0,5).
Problemas especiais de previsão
para os profissionais de logística

Demanda Irregular
Difícil de se fazer previsão exata por métodos numéricos, sugere-se:

Fazer previsão separadamente (e com métodos específicos) de
produtos de demanda irregular dos de demanda regular

Não reagir com rapidez às mudanças inexplicáveis nos níveis de
demanda;

Utilizar a ponderação exponencial;

Aumentar os níveis (de estoque) para compensar previsão inexata
em casos de baixo nível de demanda.
Problemas especiais de previsão
para os profissionais de logística

Previsão Regional
Deve-se optar pela agregação ou desagregação geográfica da previsão,
sendo que a previsão no nível mais agregado resulta em um valor mais
preciso que a soma das previsões individuais.
Problemas especiais de previsão
para os profissionais de logística

Erro de previsão
Não há modelo único de previsão ideal para todas as situações. Os
erros de previsão podem ser reduzidos com a aplicação combinada
de diversas técnicas, tais como:
Previsão baseada em regras (se-então);
 Caminhada aleatória;
 Ponderação exponencial;
 Regressão.
Porém é necessário ter bom conhecimento da aplicação.

Problemas especiais de previsão
para os profissionais de logística

Erro de previsão (Exemplo pág. 259)
Combinação dos métodos de previsão:
R: regressão múltipla
ES1: ponderação exponencial
ES2: combinação pond. exp. e regressão
MJ: opinião e experiência da gerência
Ponderar os resultados de cada um dos métodos de previsão da
demanda para o outono de acordo com o erro médio histórico
produzido por cada um deles.
maior erro  menor peso
Problemas especiais de previsão
para os profissionais de logística

Erro de Previsão (Exemplo pág. 259)
Porporção ponderadab
$11.813.000
6.732.000
883.000
780.000
$20.208.00
Previsão colaborativa

Utilizada em casos de demanda incerta

Premissa: “duas cabeças pensam melhor do que uma”

Participação multifuncional (marketing, operações, logística, financeiro,
compras) ou em vários níveis da cadeia de suprimentos (vendedores,
transportadores, compradores)

Exige partilha, coordenação, comprometimento e entendimento.

Passos para a administração da equipe:






Designar um líder para promover a comunicação, cronograma;
Identificar o tipo de informação necessária (quem, quando e quanto);
Definir métodos de processamento das informações;
Distribuir informações no formato útil para cada interessado;
Dispor de método para revisão e atualização das previsões;
Avaliar o processo de previsão colaborativa.
Flexibilidade e resposta rápida –
uma alternativa à previsão
Defasagem no tempo de suprimento da demanda?
Utiliza-se a previsão para que as necessidades de produção ou
compras sejam supridas quando ocorrerem.

Demanda regular  Suprimento baseado na demanda prevista

Demanda altamente imprevisível  Abordagem alternativa...
“Se os processos de cadeia de suprimentos podem ser
flexibilizados e passar a reagir com rapidez às necessidades de
demanda, a necessidade de previsão é pequena.”
Apêndices
Apêndices
Download

Capítulo 8 Necessidades de Previsão da Cadeia de Suprimentos