Essays.club - TCC, Modelos de monografias, Trabalhos de universidades, Ensaios, Bibliografias
Pesquisar

A Previsão de Demanda

Por:   •  13/11/2018  •  1.667 Palavras (7 Páginas)  •  286 Visualizações

Página 1 de 7

...

Primeiramente deve-se reconhecer o padrão (ou processo) de comportamento da série, plotando em um gráfico de dispersão. Assim, pode-se escolher o método (média móvel simples, padrão com tendência, sazonalidade).

Existem quatro processos usuais (mais comuns e simples) e quatro anômalos (mais incomuns e difíceis). Os usuais são:

i) processo constante ou com permanência

ii) processo com tendência (os dados apresentam tendência de acréscimo ou decréscimo)

iii) processo com sazonalidade e permanência (dados possuem períodos em que padrões se repetem para cima ou para baixo, regularmente

iv) processo com sazonalidade e tendência

Os anômalos são: impulso, degrau, crescimento de novo produto e declínio de novo produto.

Para cada processo existem métodos mais apropriados:

Métodos baseados em um processo constante: [pic 4]

Métodos ingênuos: a previsão para o próximo período é o valor real do período anterior.

Métodos baseados na média: o método anterior considera os ruídos. Para superar esse problema, usar a média dos valores que dispomos. Possui variações:

i) método da média móvel: o calculo da média leva em consideração somente os N períodos mais recentes

ii) método da média móvel ponderada: além de usar os N períodos mais recentes, são dados pesos maiores para os períodos mais recentes (somatório dos pesos deve ser 1).

A escolha de N e dos pesos é arbitrária, mas uma abordagem interessante é a análise de erros.

Método da suavização exponencial simples: similar ao método da média móvel ponderada, mas os pesos decrescem exponencialmente do tempo presente em direção ao passado. Fornece a previsão para o próximo período como sendo a previsão para o período atual corrigida pelo erro ocorrido no período atual, ao qual é dado um peso α (constante de suavização). São adotados valores altos de α quando se considera que as novas informações de demanda real são as mais confiáveis (reage mais prontamente às alterações de demanda). Valores mais baixos quando se considera que o último valor foi um ponto fora da curva, e que a demanda deve retornar aos padrões. Recomendado usar entre 0,1 e 0,3.

Métodos baseados em um processo com tendência: trabalharemos só com tendência linear.

[pic 5]

Só é preciso determinar a e b. Isso pode ser feito por regressão (em que o tempo é a variável independente) ou por suavização exponencial dupla.

Método da suavização exponencial dupla: leva em consideração o tempo, dando maior peso aos mais recentes, e a tendência nesse tempo. (St=previsão suavizada para o período T, Tt=estimativa de tendência para o período T, k=número de períodos futuros a serem previstos)

[pic 6]

No começo, não tem S e T do período anterior. Podemos dividir os 2x dados reais em dois grupos com números iguais x de períodos , calcular as médias, m1 e m2. Tt=(M1-M2)/x . Ou Tt=dT-d1/x. Para St, o coeficiente linear, somar a média entre todos os 2x valores disponíveis à Tt*((T-1)/2). Substituir na equação acima, com k=1, depois k=2,...

Métodos baseados em um processo com sazonalidade e permanência: as variações sazonais podem ser associadas a um evento, e podem ser anuais, mensais, semanais ou diárias. 2 maneiras:

1) previsão para janeiro de 2005=real de janeiro de 2004.

2)aplicar a cada previsão suavizada exponencialmente um fator de sazonalidade (ou índice, Ft). Ft=1,4 para janeiro demonstra que janeiro tem demanda 40% maior que a média anual. Assim, a previsão é =previsão suavizada (St)*Ft.

OBS: Ft=dt/demanda média no ciclo de sazonalidade. (se o ciclo for de um ano, te varia de 1 a 12, se for semana, de 1 a 7. Logo, quando for calcular a previsão para o período t levamos em conta a previsão e o fator de sazonalidade do período no ultimo ciclo de sazonalidade disponível).

O valor de St é análogo ao modelo de suavização exponencial simples, mas descontando o fator de sazonalidade dos dados reais.

Métodos baseados em um processo com tendência e sazonalidade: . Duas maneiras[pic 7]

1) utilizar da quantidade real do período equivalente do último ciclo e agregar um percentual que leve em conta a tendência.

2)Método de Winters: estima a(=St),b(=Tt) e c(=Ft) e os utiliza para calcular a previsão Dt.

i)Cálculos iniciais de Tt e St(formulas no livro, pg 39), similar ao procedimento do método da suavização exponencial dupla.

ii) calculo inicial dos fatores de sazonalidade Ft(formula na pg 40): fatores da semana 1 em todos os meses, semana 2 em todos os meses..., e a média dessas semanas.

iii) realizar a previsão: , em que F é o fator médio da 1ª, 2ª,3ª ou 4ª semana do mês.[pic 8]

iv)Atualizar os valores.

Controle de previsões

Erros(erro=demanda real-demanda prevista) devem ser controlados. A seguir, importantes medidas de controle:

Somatória acumulada dos erros de previsão: se a previsão está se comportando bem, os erros aleatórios de cada mês se anulam ao longo do tempo.Se o somatório se distancia de 0, a previsão pode ser tendenciosa. Pode crescer ou decrescer a uma taxa constante ou crescer/decrescer a uma taxa crescente.

Desvio absoluto médio: Média dos erros (pra cada alfa por exemplo). Quanto menor, melhor.

Porcentagem média absoluta: relaciona erros absolutos com os valores da demanda. Se o PMA for de 0,14, a previsão se afasta dos dados reais em 15%.

Sinal de rastreamento

...

Baixar como  txt (10.9 Kb)   pdf (56.7 Kb)   docx (16.7 Kb)  
Continuar por mais 6 páginas »
Disponível apenas no Essays.club