Planejamento, predição e previsão

Administração da Produção - Petrônio Garcia Martins e Fernando Piero Laugeni – Editora Saraiva

8Projeção da DemandaProjeção da Demanda

Uma previsão é uma afirmativa ou inferência sobre o futuro, usualmente

baseada em informação histórica.



Planejamento, predição e previsão

o Planejamento: processo lógico que descreve as atividades necessárias para ir do ponto no qual estamos até o objetivo definido;

o Predição: processo para determinação de um acontecimento futuro baseado em dados completamente subjetivos e sem uma metodologia de trabalho clara;

o Previsão: processo metodológico para determinação de dados futuros baseados em modelos estatísticos, matemáticos ou econométricos ou ainda em modelos subjetivos apoiados em metodologia de trabalho clara e previamente definida.



Por que Previsões em Produção e

Operações?



• A maior parte dos recursos empregados tem “materialidade” – “Inércia decisória”. Necessidade de material – leva-se um tempo entre o pedido e a possibilidade de emprego; Necessidade de pessoal – há também um processo entre a solicitação e a contratação; Necessidade de novas fábricas - o horizonte é ainda mais distante.

Essa visão de futuro necessária vem das Previsões



PRINCIPAIS ERROS COMETIDOS PELAS EMPRESAS QUANTO A PREVISÕES

ERRO 1 DAS PREVISÕES:

Confundir PREVISÕES com metas e, um erro subseqüente, considerar as metas como se fossem PREVISÕES.




Gastar tempo e esforço discutindo o “acerto” ou “erro” nas previsões, quando o mais relevante é discutir “o quanto”se está errando e as maneiras de alterar processos envolvidos, de forma a reduzir estes “erros”.




Levar em conta, nas previsões que servirão para apoiar decisões em operações, um número só. Previsões, para operações, devem sempre ser consideradas com dois “números”: a previsão em si e uma estimativa do erro desta previsão.




Desistir ou não se esforçar o suficiente para melhorar os processos de previsão por não se conseguir “acertar” as previsões, quando em operações, não se necessita de previsões perfeitas, mas previsões consistentemente melhores que as da concorrência.



Hoje

Horizontes de planejamento

Tempo Curto Prazo

Médio Prazo

Longo Prazo

Decisões Efeito da decisão A

Efeito da decisão B

Efeito da decisão C

Horizontes diferentes de previsão apóiam decisões de inércia diferentes

ABC



As decisões que envolvem maior volume de recursos têm de ser tomadas com maior antecedência e tomar decisões com maior antecedência significa estar sob maior probabilidade de erro, isso implica que justamente as decisões cujos erros podem ter conseqüências mais sérias são aquelas com maior probabilidade de erro.

Como é então que a maioria das empresas tem sobrevivido?



SanduíchePrevisão para o mês

passado feita a um ano

Quarteirão com queijo 2.500

Big Mac 6.000

Hamburger 4.500

Cheeseburger 3.000

Filé de Peixe 1.200

McChiken 1.800

Total 18.000

Previsões feitas em uma loja McDonald’s há um ano atrás para o mês passado.



Quarteirão com queijo (2.500) 1.930 22,8

Big Mac (6.000) 7.269 21,5

Hamburger (4.500) 4.980 10,6

Cheeseburger (3.000) 2.730 9,0

Filé de peixe (1.200) 1.429 19,0

McChicken (1.800) 1.050 41,6

Total (18.000 18.443 2,4

SanduícheVendas efetivas no

mês passado na loja analisada

% de erro da

previsão

Média dos erros das previsões por sanduíche:20,8%



Só é possível desenhar adequados processos de previsão, partindo-se do questionamento para saber-se qual uso se fazer das previsões ou melhor, quais decisões apoiar. Só então é possível definir, qual nível de agregação de dados será necessário.Previsões mais agregadas tendem a ser mais acertadas.



Características das Previsões:

Nenhuma previsão é perfeita. Quanto maior o horizonte de planejamento, mais imprecisas são as estimativas. Fazer previsões para família de produtos leva a maior chance de acerto do que fazer previsões individuais de cada produto.



o Principais Indicadores• Média de horas de trabalho semanal• Consultas às organizações de proteção ao crédito (SERASA)• Solicitações de alvará para construção • Taxa de desemprego• PIB• Produção industrial• Investimentos em fábricas e equipamentos• Níveis de estoques• Empréstimos comerciais e industriais

Exemplos de Indicadores de Demanda



o Fatores InternosFatores Internos

Orçamento de vendasOrçamento de vendas

PropagandaPropaganda

Promoções Promoções

Projeto do Projeto do Produto/ServiçoProduto/Serviço

DescontosDescontos

BacklogsBacklogs

o Fatores ExternosFatores Externos

Ciclo de negóciosCiclo de negócios

CompetiçãoCompetição

ConsumismoConsumismo

Eventos MundiaisEventos Mundiais

Ações governamentaisAções governamentais

Ciclo de vida do produto Ciclo de vida do produto

Fatores Influenciando a Demanda



Estágios da Demanda no Ciclo de Vida do Produto

CRESCIMENTOINTRODUÇÃO MATURIDADE DECLÍNIO

DE

MA

ND

A

TEMPO



Componentes da Demanda Séries Componentes da Demanda Séries TemporaisTemporais

MédiaMédia

Tendência Tendência LinearLinear

CíclicaCíclica

SazonalSazonal

AleatóriaAleatória



Tipos de previsões

Quanto ao horizonte:

o Curto prazo métodos estatísticos baseados em médias.

o Médio prazo

o Longo prazo



o Extrapolação ingênua

o Opiniões dos Vendedores

o Técnica Delphi

Outros Métodos de PrevisãoJulgamentoJulgamento



Outros Métodos de ProjeçãoContagemContagem

o Testes de Mercado

o Pesquisas no Mercado Consumidor

o Pesquisa no Mercado Industrial



Técnicas de previsão

Quantitativas Qualitativas

Intrínsecas Extrínsecas

Médias Móveis

Suavizamento exponencial

Projeção de tendências

Decomposição

Regressão simples

Regressão múltipla

Método Delphi

Júri de Executivos

Força de Vendas

Pesquisa de Mercado

Analogia histórica



Métodos de Projeção

Séries TemporaisSéries Temporaiso Médias Móveis

• Simples• Ponderada• Ajustamento Exponencial• Ajustamento Sazonal• Ajustamento de Tendências

Exponencial duplo Regressão linear (ajustamento de retas)



Métodos de ProjeçãoSéries TemporaisSéries Temporais

MÉDIAS MÓVEIS

MÉDIAS PONDERADAS MÓVEIS

MÉDIAS EXPONENCIAIS MÓVEIS

Pt = Pt-1 + (Ct-1-Pt-1) 0 < <1




MÉDIA MÓVEL SIMPLES

Demanda ( Unidades ) Ano 1

Mês Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Consumo real 100 102 101 104 102 101 102 103 103 103 104 103

A demanda para Jan do Ano 2 será a média dos 12 meses;A demanda para Fev do Ano 2 é obtida pela Média Móvel dos novos dados.




MÉDIA MÓVEL PONDERADA

Demanda ( Unidades )

Ano 1


Consumo real 100 102 101 104 102 101 102 103 103 103 104 103

Prever para o mês de Jan Ano 2 utilizando as ponderações de 0,7; 0,2 e 0,1.



Métodos de ProjeçãoSéries Temporais


Pt = Pt-1 + (Ct-1-Pt-1) 0 < <1

Demanda ( Unidades ) Ano 1


Consumo real 100 102 101 104 102 101 102 103 103 103 104 103




Pt = Pt-1 + (Ct-1-Pt-1) 0 < <1

= 2

n + 1, sendo n o número de períodos considerados para o modelo em questão.

= 2

12 + 1 = 0,15 ( caso considerássemos todos

os dados históricos)

Sendo um Coeficiente de Ajustamento



Vamos imaginar que desejamos realizar a previsão para fevereiro do ano 2 e já tivéssemos o consumo real de janeiro de 104.A previsão de janeiro do ano 2 foi realizada pela média móvel de 12 meses e foi encontrado o valor de 102,3.



Pt = Pt-1 + (Ct-1-Pt-1) 0 < <1

Pfev = Pjan + (Cjan - Pjan) , para = 0,3

Pfev = 102,3 + 0,3 ( 104 – 102,3 ) = 102,8

Vamos considerar = 0,3, isto é, para n = 6

Pmar = 102,8 + 0,3 ( 103 – 102,8 ) = 102,9



Ajustamento Sazonal

CONSUMO EM UNIDADES

Trimestre Ano 1 Ano 2 Ano 3 Ano 4

1 45 70 100 100

2 335 370 585 725

3 520 590 830 1.160

4 100 170 285 215

Total 1.000 1.200 1.800 2.200

Média 250 300 450 550

A Tabela apresenta o consumo de um produto nos últimos 4 anos:

Determinar a previsão de vendas trimestral para o Ano 5.



Trimestre ANO 1 ANO 2 ANO 3 ANO 4 MÉDIA

1 45/250 = 0,18 70/300 = 0,23 100/450 = 0,22 100/550 = 0,18 0,20

2 335/250 = 1,34 370/300 = 1,23 585/450 = 1,30 725/550 = 1,32 1,30

3 520/250 = 2,08 590/300 = 1,97 830/450 = 1,84 1.160/550 = 2,11 2,00

4 100/250 = 0,40 170/300 = 0,57 285/450 = 0,63 215/550 = 0,39 0,50

Cálculo do Coeficiente de sazonalidade:

Trimestre PREVISÃO

1 625 x (0,20 ) = 125 unidades

2 625 x (1,30 ) = 813 unidades

3 625 x (2,00 ) = 1.250 unidades

4 625 x ( 0,50 ) = 313 unidades




o REGRESSÃO LINEAR SIMPLES• y = a + bx --> equação da reta

Y

X



Um produto industrial apresentou as vendas dos últimos 6 meses conforme dados do quadro seguinte. Pede-se:a.Ajustar uma reta e calcular sua equação;b.determinar a previsão para julho, agosto e setembro.

VENDAS EM UNIDADES

MÊS Jan Fev Mar Abr Mai Jun

Consumo real 340 355 365 375 390 401



Para facilitar os cálculos constrói-se uma tabela auxiliar conforme apresentada:

X = ti Y = Di XY = Di x ti X2 Y2

1 340 340 1 115.600

2 355 710 4 126.025

3 365 1.095 9 133.225

4 375 1.500 16 140.625

5 390 1.950 25 152.100

6 401 2.406 36 160.801

21 2.226 8.001 91 828.376



REGRESSÃO LINEAR SIMPLES

o Y = a + bx• y x

• y1 x1

•

• y2 x2

• y3 x3

• …………

• yn xn

n. x.y- x. y

n x2-( x)2b = ---------------------

y- b. xa = ---------------

n



Somatório de Di = a x n + b x Somatório de t i

Somatório de Di x ti = a x Somatório de ti + b x Somatório de ti ao quadrado.

2.226 = 6 x a + 21 x b ou 2.226 = 6 a + 21 b8.001 = 21 x a + 91 x b ou 8.001 = 21 a + 91 b

2.226 – 21 b 8.001 – 91 b

6 21 a = a =



2.226 – 21 x b 8.001 – 91 x b

6 21 = de onde

46.746 – 441 x b = 48.006 – 546 x b ou então

546 x b – 441 x b = 48.006 - 46.746

105 b = 1.260, logo b = 1.260/ 105, então b = 12

a = 329

Dpi = a + b x ti

Dpi = 329 + 12 x 7 = 413 – previsão para julho;Dpi = 329 + 12 x 8 = 425 – previsão pra agosto;Dpi = 329 + 12 x 9 = 437 – previsão para setembro.



Métodos de ProjeçãoCausaisCausais

o Métodos de Correlação

o Modelos de Regressão

o Modelos Econométricos



Métodos de Correlação

o Correlação múltipla

o y = a + a1.x1 + a2.x2 +….+an.xn

o PARA DUAS VARIÁVEIS--> y = a + a1.x1 + a2.x2



Métodos de Correlaçãoo Exemplo para duas variáveis Cidade (y)Demanda(livros) (x1)Preço (x2)Renda 1 166 10 20 2 180 9 21 3 73 10 12 4 81 14 16 5 229 8 24 6 182 15 24 7 233 6 23 8 102 10 15 9 190 7 20 10 150 10 19 11 221 11 25 12 137 15 21 13 173 8 19 14 150 12 20 15 92 10 14



Métodos de Correlação

o Y = -2,765 - 7,738x1 + 12,286x2

ou

o (demanda) = -2,765 - 7,738.(preço) + 12,286.(renda)

Planejamento, predição e previsão

Documents