UNIVERSIDADE  ESTADUAL  DO  MARANHÃO  CENTRO  DE  ESTUDOS  SUPERIORES  DE  TIMON  PRODUCAO  PREVISÃO  DE  DEM...
É    possível  prever  o  futuro?  
Previsão  de  Demanda   Previsão  é  muito  dificil,  especialmente   ser  fo...
Previsão  de  Demanda   1999  -­‐  Inicio  produção  no  Brasil  com  motor	...
PREVISÃO  não  é  META!  Previsões  –  “são  esRmaRvas  de  como  se  comportará  o  mercado  demandante  n...
Principais  erros     Gastar  tempo  e  esforço  discuRndo  se  acerta  ou  erra  na  previsão,   ...
Sanduiche   Previsão  para  o  mês   Vendas   %  Erro  Quarteirão   ...
Tecnicas  de   Previsao   ...
Tecnicas  de   Previsao   ...
Delphi  •  ÓRmo  método  para  lidar  com  aspectos   inesperados  de  um  problema    •  Previsões  com	...
Delphi  •  Processo  lento,  média  de  6  meses  •  Dependência  dos  parRcipantes  •  Dificuldade    de  red...
Tecnicas  de   Previsao   ...
Tecnicas  de   Previsao   ...
Tecnicas  de   Previsao   ...
Tecnicas  de   Previsao   ...
Calculo  da  Média  Móvel   Não  é  indicada  quando  há  Tendência  ou  Sazonalidade  •  A  média  móvel	...
Calculo  da  Média  Móvel   Período            Janeiro  Fevereiro    Março    Abril      Maio    Junh...
Calculo  da  Média  Móvel  
Calculo  da  Média  Móvel  
Ex  Calculo  da  Média  Móvel   Mes   Vendas  de  Copos ...
Calculo  da  Média  Móvel  Ponderada  
Sazonalidade  
Dia     Vendas     Domingo   5   ...
Regressão  Linear  •  Uma  equação  linear  possui  o  seguinte  formato:       n(∑...
Regressão  Linear   Desvio  ou  erro   Valor    
Regressão  Linear   Vendas   Propaganda   Meses   (milhões)   (milhar...
Regressão  Linear   Y=  -­‐8,137+109,230X     X=1,75 ...
Boa noite!
Previsao de Demanda
Previsao de Demanda
of 30

Previsao de Demanda

Published on: Mar 4, 2016
Published in: News & Politics      
Source: www.slideshare.net


Transcripts - Previsao de Demanda

  • 1. UNIVERSIDADE  ESTADUAL  DO  MARANHÃO  CENTRO  DE  ESTUDOS  SUPERIORES  DE  TIMON  PRODUCAO  PREVISÃO  DE  DEMANDA   Prof.:  Espec  Pedro  Alexandre  Cabral
  • 2. É    possível  prever  o  futuro?
  • 3. Previsão  de  Demanda   Previsão  é  muito  dificil,  especialmente   ser  for  sobre  o  futuro   Niels  Boer   Nobel  de  Física
  • 4. Previsão  de  Demanda   1999  -­‐  Inicio  produção  no  Brasil  com  motor  1.6   2000  -­‐  Motor  1.9  (125  cv)  e  1.6  (102  cv)   2001  -­‐  Série  Spirit   2002  -­‐  Versão  Avantgarde  1.9     2005  -­‐  Fim  de  produção  no  Brasil     Fabricado  em  Juiz  de  Fora   InvesRmento  de  820  milhões  de  dólares   Capacidade  de  70.000  unidades  por  ano  (PREVISÃO  DE   DEMANDA)  2002  –  9.000  unidades
  • 5. PREVISÃO  não  é  META!  Previsões  –  “são  esRmaRvas  de  como  se  comportará  o  mercado  demandante  no  futuro.  De  uma  certa  forma  trata-­‐se  de  especulação  de  mercado.”    Metas  –  “são  a  parcela  desse  potencial  de  compra  do  mercado  a  que  a  empresa  deseja  atender.”   Fonte:  Correâ,  2008   Administração  de  Produção  e  de  Operações
  • 6. Principais  erros     Gastar  tempo  e  esforço  discuRndo  se  acerta  ou  erra  na  previsão,   quando  o  mais  relevante  é  discuRr  “o  quanto”;     “Tentamos  muito  fazer  previsões  de  forma  técnica,  mas   conRnuamos  a  errar,  então  paramos!”
  • 7. Sanduiche   Previsão  para  o  mês   Vendas   %  Erro  Quarteirão    2.500      1.930     -­‐23%  Big  Mac    6.000      7.269     -­‐21%  Hamburger    4.500      4.980     11%  Chessburger    3.000      2.730     -­‐9%  File  de  Peixe    1.200      1.429     19%  McChicken    1.800      1.200   -­‐33%  Total    19.000      19.388     2%   Média  de  erro  16%
  • 8. Tecnicas  de   Previsao   QuanRtaRvas   QualitaRvas   Intrínsecas   Extrínsecas   Método  Delphi   Juri  ExcuRvo   Suavização   Regressão   Regressao   Força  de   Pesquisa  de  Média  Móvel   Potencial   Simples   MulRpla   Venda   Mercado  Projeção  de   Analogia   Decomposição    tendências   Historica
  • 9. Tecnicas  de   Previsao   QuanRtaRvas   QualitaRvas   Intrínsecas   Extrínsecas   Método  Delphi   Juri  ExcuRvo   Suavização   Regressão   Regressao   Força  de   Pesquisa  de  Média  Móvel   Potencial   Simples   MulRpla   Venda   Mercado  Projeção  de   Analogia   Decomposição    tendências   Historica   Evita  que  uma  ou  poucas  opiniões  do  grupo  consultado  predomine  sobre  os  demais
  • 10. Delphi  •  ÓRmo  método  para  lidar  com  aspectos   inesperados  de  um  problema    •  Previsões  com  carência  de  dados  históricos    •  Interesse  pessoal  dos  parRcipantes    •  Minimiza  pressões  psicológicas    •  Não  exige  presença  qsica
  • 11. Delphi  •  Processo  lento,  média  de  6  meses  •  Dependência  dos  parRcipantes  •  Dificuldade    de  redigir  o  quesRonário  •  Possibilidade  de  consenso  forçado
  • 12. Tecnicas  de   Previsao   QuanRtaRvas   QualitaRvas   Intrínsecas   Extrínsecas   Método  Delphi   Juri  ExcuRvo   Suavização   Regressão   Regressao   Força  de   Pesquisa  de  Média  Móvel   Potencial   Simples   MulRpla   Venda   Mercado  Projeção  de   Analogia   Decomposição    tendências   Historica   Captura  a  opinião  de  pequenos  grupos,  em  geral,  execuBvos  de  nível  alto.
  • 13. Tecnicas  de   Previsao   QuanRtaRvas   QualitaRvas   Intrínsecas   Extrínsecas   Método  Delphi   Juri  ExcuRvo   Suavização   Regressão   Regressao   Força  de   Pesquisa  de  Média  Móvel   Potencial   Simples   MulRpla   Venda   Mercado  Projeção  de   Analogia   Decomposição    tendências   Historica   Cada  grupo  de  venda  emite  uma  esBmaBva
  • 14. Tecnicas  de   Previsao   QuanRtaRvas   QualitaRvas   Intrínsecas   Extrínsecas   Método  Delphi   Juri  ExcuRvo   Suavização   Regressão   Regressao   Força  de   Pesquisa  de  Média  Móvel   Potencial   Simples   MulRpla   Venda   Mercado  Projeção  de   Analogia   Decomposição    tendências   Historica   Verifica  intenções  de  compras  futuras
  • 15. Tecnicas  de   Previsao   QuanRtaRvas   QualitaRvas   Intrínsecas   Extrínsecas   Método  Delphi   Juri  ExcuRvo   Suavização   Regressão   Regressao   Força  de   Pesquisa  de  Média  Móvel   Potencial   Simples   MulRpla   Venda   Mercado  Projeção  de   Analogia   Decomposição    tendências   Historica   Analisa  uma  seria  histórica  e  tenta-­‐se  criar  uma  previsão
  • 16. Calculo  da  Média  Móvel   Não  é  indicada  quando  há  Tendência  ou  Sazonalidade  •  A  média  móvel  usa  dados  de  um  número  já  determinado  de  períodos,   normalmente  os  mais  recentes,  para  gerar  sua  previsão.  A  cada  novo   período  de  previsão  se  subsRtui  o  dado  mais  anRgo  pelo  mais  recente.   ( Rt + Rt −1 + Rt − 2 + ... + Rt − n +1 ) Pt +1 = M t = n Pt +1: previsão para o próximo período; : média móvel no período t; Mt : valor real observado no período t; Rt : número de períodos considerados na média móvel. n
  • 17. Calculo  da  Média  Móvel   Período            Janeiro  Fevereiro    Março    Abril      Maio    Junho    Julho   Demanda            60                          50            45              50              45            70                60                                        Previsões  para  Julho                                                                       50 + 45 + 50 + 45 + 70 Mm5 = = 52,00 5 50 + 45 + 70 45 + 70 + 60Mm3 = = 55,00 Mm3 = = 58,33 3 3 Previsão  para  Agosto   AlternaRva:  ponderar  os  períodos  com  pesos  maiores  para  os  mais  recentes   (50%,  30%,  20%:  Julho  =  58,50)   18
  • 18. Calculo  da  Média  Móvel
  • 19. Calculo  da  Média  Móvel
  • 20. Ex  Calculo  da  Média  Móvel   Mes   Vendas  de  Copos   Janeiro   154   fevereiro   114   marco   165   Abril   ???   Abril  =  154+114+165  =  144                                                    3
  • 21. Calculo  da  Média  Móvel  Ponderada
  • 22. Sazonalidade
  • 23. Dia     Vendas     Domingo   5   segunda   20   terca   30   quarta   35   quinta   49   sexta   70   sabado   15   Total   224  1.  Qual  o  fator  Sazonal?  2.  EsRmar  500  pratos,  qual  será  o  volume  para  cada  dia  na  semana?
  • 24. Regressão  Linear  •  Uma  equação  linear  possui  o  seguinte  formato:       n(∑ XY ) − (∑ X )(∑ Y )   b=Y = a + bX 2   n(∑ X ) − (∑ X ) 2         a= ∑ Y − b(∑ X ) Y  =  Variável  Dependente;   n a  =  Intercepto  no  eixo  dos  Y;   b  =  Coeficiente  angular;   X  =  variável  Independente;   n  =  número  de  períodos  observados.
  • 25. Regressão  Linear   Desvio  ou  erro   Valor
  • 26. Regressão  Linear   Vendas   Propaganda   Meses   (milhões)   (milhares  $)   1   264   2,5   2   116   1,3   3   165   1,4   4   101   1   5   209   2   Próximo  mês  invesXmento  de  1,750  em   propaganda,  qual  a  quanXdade  de  vendas?
  • 27. Regressão  Linear   Y=  -­‐8,137+109,230X     X=1,75     Y=  -­‐8,137+109,230(1,75)   =183,016  unidades
  • 28. Boa noite!

Related Documents