PREVISO DE DEMANDA

Previso de demanda
Introduo
O planejamento possibilita a tomada de decises em diversas
reas, como por exemplo:
Quanto se deve fabricar de cada linha de produtos nos
prximos dias, semanas ou meses;
Tipos de produtos e/ou servios a oferecer daqui h dois,
trs ou dez anos;
Evoluo da tecnologia nos prximos anos;
Necessidade de investimentos futuros;
Necessidades de matrias-primas;

Contrataes futuras de pessoal e treinamento.

Atividades do PCP
Prazos

Atividades

Nvel de detalhamento do plano

Longo Prazo

Plano de Produo
(Estratgico)

Pouco detalhado
(famlias de produto)

Mdio Prazo

Plano-mestre
(Ttico)

Detalhado
(partes componentes)

Curto Prazo

Programao
(Operacional)

Muito detalhado
(ordens de produo)

Previso da
demanda

Previso de demanda
Definio
A previso da demanda um processo racional de busca de
informaes acerca do valor das vendas futuras de um item ou de
um conjunto de itens.
Quando for possvel, essa previso deve fornecer tambm
informaes sobre a qualidade e a localizao (lugar onde sero
necessrios) dos produtos no futuro.

Mtodos de Previso
Para se obter uma previso, existem vrios mtodos disponveis,
que em princpio podem ser usados em quaisquer circunstncias,
dependendo de certos fatores. Os principais desses fatores so:
Disponibilidade de dados, tempo e recursos: H certos mtodos,
mais sofisticados, normalmente envolvendo modelos matemticos,
que exigem, alm de dados numricos com certa abundncia,
tambm a existncia de computadores, dependendo do nmero e
variedade dos produtos, ser altamente desejvel.
Horizonte de previso: H mtodos que se mostram melhores para
previses de longo prazo (vrios anos no futuro), enquanto que
outros so rotineiramente aplicados s previses para perodos
mais curtos, como meses, semanas ou mesmo dias.

Caractersticas dos mtodos de previso

Existem algumas caractersticas que so comuns a todos os mtodos
de previso. So elas:
Os mtodos de previso geralmente assumem que as mesmas
causas que estiveram presentes no passado, configurando a
demanda, continuaro presentes no futuro.
Os mtodos no conduzem a resultados perfeitos, e a chance
de erro aumenta proporcionalmente com horizonte de previso, ou
seja, quanto mais longe for nosso horizonte, maior ser a chance
de erro.
Apesar disso, muitos mtodos nos oferecem recursos para prever
dentro de um intervalo de valores. Alm disso, possvel
controlar o erro da previso de forma que, se ele aumentar
exageradamente, tenhamos a oportunidade de mudar para um
mtodo mais conveniente.

Classificao dos mtodos de previso

Baseados no julgamento
de pessoas

Pessoas que tenham

condies
de
opinar
sobre a demanda futura
(gerentes,
vendedores,
clientes,
fornecedores,
etc);
Usados quando no h
dados ou possui dados
no confiveis.

Modelos matemticos
para se chegar aos
valores previstos
Permitem controle do
erro,
mas
exigem
informaes quantitativas
preliminares.
Os mtodos matemticos
subdividem-se em:
Mtodos causais;
Sries temporais.

Mtodos qualitativos
Definio
Os mtodos qualitativos so baseados no julgamento e na
experincia de pessoas que possam, por suas prprias
caractersticas e conhecimentos, emitir opinies sobre eventos
futuros de interesse.
Nesse sentido, o uso de julgamento pessoal no se restringe de
forma alguma s previses da demanda, podendo ser usado para
analisar movimentos do comrcio internacional, rumos da tecnologia,
tendncias de novos produtos, etc.

Mtodos qualitativos
As quatro tcnicas mais comuns utilizadas nesse mtodo so:
Opinies de Executivos;
Opinio da Fora de Vendas;
Pesquisas Junto a Consumidores;

O mtodo Delphi.

Mtodos qualitativos
Opinies de Executivos:
Um grupo de altos executivos (de diferentes reas: finanas,
produo, marketing etc) da empresa se rene para desenvolver,
em conjunto, uma previso.

O interesse do grupo normalmente em previses de longo

prazo, envolvendo um ou outro aspecto do planejamento
estratgico.
Vantagem:
Reunio de talentos com diferentes vises do assunto, o que
pode levar qualidade e preciso ao consenso que se venha a obter.
Desvantagem:
Uma das pessoas, por sua forte personalidade, venha a
exercer uma influncia exagerada sobre o grupo, impondo em
maior ou menor grau a prpria opinio.

Mtodos qualitativos
Opinio da Fora de Vendas:
Desenvolve previses com base na opinio do pessoal
envolvido diretamente com as vendas.
Vantagem:
Essa tcnica pode ser uma alternativa atraente, pois esse
pessoal tem contato dirio tanto com os produtos da empresa como
com os consumidores. Conhecem o desenvolvimento histrico dos
produtos e percebem as evolues do mercado.
Desvantagem:
O pessoal de vendas pode no distinguir muito bem entre o
que os clientes gostariam de fazer e o que eles realmente faro.

Podem ser influenciados por eventos de um passado

recente: Vendas boas = superestimar a demanda;
Vendas ruis = subestim-la.

Mtodos qualitativos
Pesquisas Junto a Consumidores:
Consiste em coletar informaes dos consumidores para
determinar a demanda atravs da pesquisa de mercado.
As pesquisas de mercado requerem conhecimentos tcnicos
especializados e exigem grande cuidado no seu planejamento.
Montar a estrutura da pesquisa, os instrumentos de coleta de
dados, o plano de execuo e interpretar os resultados pede a
presena de profissionais no assunto.
Vantagem:
Esse mtodo
compensadores.

pode

geralmente

resultados

Mtodos qualitativos

O mtodo Delphi:
Consiste na reunio de um grupo de pessoas que devem
opinar sobre um certo assunto, dentro de regras determinadas para
a coleta e a depurao das opinies.

O comit Delphi
formado inicialmente com
as pessoas (especialistas
no assunto) que
participaro do processo

Cada pessoa opina

independentemente,
atravs de um
questionrio
preestabelecido.

Pergunta-se aos participantes se

desejam rever suas previses luz
dos novos resultados.

Vantagem:
Permite obter opinies pessoais
sem que haja interaes dentro do
grupo, as quais poderiam distorcer
os resultados.

Um sumrio das
opinies ento
preparado e distribudo
ao grupo, dando-se
ateno particular
quelas opinies
significativamente
divergentes da mdia
do grupo.

Desvantagem:
Mtodo sensvel qualidade do
instrumento de coleta de opinies:
como o contato pessoal evitado,
pode haver m interpretao.

Mtodos Causais
Definio
Nos mtodos causais a demanda de um item ou conjunto de
itens relacionada a uma ou mais variveis internas ou externas
empresa. Essas variveis so chamadas de variveis causais.
Exemplos de variveis causais: a populao, o nmero de alvars
expedidos para construo, o consumo de certos produtos, etc.

Nos modelos causais utiliza-se a regresso da demanda sobre a(s)

varivel(eis) causal(is). Na regresso, tenta-se descobrir, utilizando
pares de valores da demanda e da(s) varivel(eis) causal(is), alguma
lei que as ligue, lei essa expressa por uma equao matemtica.
Podendo ter:
Regresso simples: o caso em que se considera a
demanda ligada a apenas uma varivel causal;
Regresso mltipla: o caso em que so consideradas duas
ou mais variveis causais supostamente ligadas
demanda.

Mtodos Causais
A regresso (simples ou mltipla) a tcnica mais conhecida
dentro da classe dos modelos causais. Simbolicamente, tem-se a
seguinte representao para a regresso simples:

onde Y chamada de varivel dependente (neste caso, a demanda) e

X a varivel causal ou varivel independente. O smbolo f(X) indica
que os valores de Y podem ser determinados caso sejam conhecidos
os valores de X.

Para regresso mltipla, temos:

onde X1, X2,...,Xn so o conjunto de n variveis independentes das

quais Y pode ser expresso como uma funo.

Mtodos Causais
Consideremos por um momento apenas a regresso simples,
onde a varivel dependente est ligada a somente uma varivel
independente. Temos vrias possibilidades para o formato da funo
Y=f(X); alguns dos mais utilizados so os seguintes:

Em cada um dos trs casos citados, as letras a e b representam

parmetros, ou seja, valores numricos constantes.

Mtodos Causais
No tocante regresso mltipla, as possibilidades ficam em
aberto, devido tanto ao formato da funo como ao nmero de
variveis independentes que se queira considerar. Entretanto, pela
sua larga utilizao, merece ateno especial a chamada regresso
linear mltipla, assim representada simbolicamente:

onde b0, b1, b2,...,bn so os parmetros. A regresso chamada de

linear porque toda as variveis independentes tm expoente igual a 1.

Mtodos Causais

O procedimento de determinao de a e b exige que sejam

conhecidos pares de valores (Y,X) que se correspondam.
Para o caso especfico de regresso linear simples, o
procedimento chama-se ajuste da linha reta ou ajuste da equao da
reta aos dados originais.

Mtodos Causais
REGRESSO LINEAR SIMPLES
Para compreender o significado dos parmetros da reta, as
quantidades a e b, retomemos por um momento a representao
grfica da reta:
Y

O parmetro a a
ordenada correspondente
a X = 0, que pode ser
positiva, como na figura, a
ou negativa, dependendo
da posio da reta.

b = tg

O parmetro b, tambm
chamado de coeficiente
angular da reta, a tangente
do ngulo formado pelo eixo
X e a reta.

X
Dado um conjunto de valores correspondentes (X,Y) efetuar
regresso linear de Y sobre X significa, no plano grfico, traar a reta
(chamada reta mdia) que mais se aproxime dos pontos
determinados no plano de valores X e Y.

Mtodos Causais
REGRESSO LINEAR SIMPLES
Mtodo dos Mnimos Quadrados MMQ
o mtodo mais utilizado para traar a reta mdia.
(Yi i)
Erro da previso
para X = Xi

Y1

X1

Y2

X2

Erro quadrtico total = (Yi i)2

Para i = 1,2,3,...,n, onde n o
nmero de pares (Xi,Yi) que se
tinha originalmente.

O problema de soma zero fica eliminado se elevarmos ao quadrado

cada um dos erros de previso associado a cada Xi. Os nmeros
resultantes sero sempre positivos e o erro quadrtico total, para
todos os valores Xi.

Mtodos Causais
REGRESSO LINEAR SIMPLES
Mtodo dos Mnimos Quadrados MMQ
O critrio que d base ao mtodo MMQ pode ser enunciado
como:

Os parmetros a e b da reta devem ser tais que o

erro total (Yi i)2 seja o mnimo possvel
Atravs do desenvolvimento da frmula do erro total e posterior
derivao, chega-se s chamadas equaes normais:

Nas equaes normais, o ndice i foi omitido para efeito de

simplificao. Pode-se notar que todos os valores das equaes
normais so conhecidos, exceto a e b, j que devemos partir de
pares (Xi,Yi) conhecidos, sendo n o nmero desses pares.

Mtodos Causais
REGRESSO LINEAR SIMPLES
Mtodo dos Mnimos Quadrados MMQ
Exemplo de determinao de a e b. Para tanto, considere os pares abaixo:
Yi

10

15

15

18

20

Xi
0
1
2
3
4
Para obter as somatrias que aparecem nas equaes normais, basta montar uma
tabela auxiliar onde as colunas (omitindo os ndices) sejam os valores de X, Y, XY e
X2.
Clculo das somas
X

XY

X2

10

15

15

15

30

18

54

20

80

16

10

78

179

30

XY

X2

Mtodos Causais
Substituindo os valores:

Clculo das somas

n X

10

78

179

30

1 0 10

XY

X2

2 1 15

3 2 15
4 3 18
5 4 20

A equao da reta que melhor representa os pontos dados

portanto:

10

15

15

18

20

...

11

13,3

15,6

17,9

20,2

22,5

Mtodos Causais
REGRESSO LINEAR SIMPLES
Os Coeficientes de Correlao e de Determinao
A maior ou menor perfeio do relacionamento entre as variveis
X e Y (diz-se tambm perfeio do ajuste), obtido atravs da linha
reta, pode ser medido atravs do coeficiente de correlao (r),
grandeza que obtida diretamente dos pares originais (X,Y).
O coeficiente de correlao pode assumir qualquer valor entre +1 e -1.

O valor r = +1 indica uma correlao perfeita (os valores Y so

obtidos com exatido atravs dos valores de X) e positiva. Por
correlao positiva entende-se que as variveis X e Y variam no
mesmo sentido quando uma cresce a outra tambm o faz.

O valor r = -1 tambm indica uma correlao perfeita, mas as

variveis so inversamente relacionadas, ou seja, quando uma
aumenta de valor a outra diminui.

Mtodos Causais
REGRESSO LINEAR SIMPLES
Os Coeficientes de Correlao e de Determinao
Conforme o exemplo anterior:

10

78

179

30

1274

XY

X2

Y2

Esses valores permitem o clculo do coeficiente de correlao.

Esse valor indica uma correlao direta bastante alta.

Mtodos Causais
REGRESSO LINEAR SIMPLES
Os Coeficientes de Correlao e de Determinao
Pode-se indicar os intervalos abaixo e as interpretaes para os
valores absolutos de r:
r

Correlao

0 a 0,2

Muito baixa

0,2 a 0,4

Baixa

0,4 a 0,6

Mdia

0,6 a 0,8

Alta

0,8 a 1,0

Muito alta

Ao invs do coeficiente de correlao r, pode-se trabalhar com o

coeficiente de determinao, que nada mais do que o quadrado do
coeficiente de correlao, ou seja:
coeficiente de determinao = r2

Mtodos Causais
REGRESSO LINEAR SIMPLES
Os Coeficientes de Correlao e de Determinao
O coeficiente de determinao r2 pode ser calculado diretamente,
pela frmula:

Onde Y representa os valores reais da demanda, enquanto que

representa os correspondentes valores previstos. A grandeza a
mdia dos valores reais da demanda.

Mtodos Causais
REGRESSO LINEAR SIMPLES
Os Coeficientes de Correlao e de Determinao
Conforme o exemplo anterior:
X

(Y-)

(Y-)2

(-)

(-)2

10

11

-5,6

31,36

-4,6

21,16

15

13,3

-0,6

0,36

-2,3

5,29

15

15,6

-0,6

0,36

18

17,9

2,4

5,76

2,3

5,29

20

20,2

4,4

19,36

4,6

21,16

78

= 78/5 = 15,6

57,20

52,90

Mtodos Causais
REGRESSO LINEAR SIMPLES
Intervalo de confiana para a previso
Uma vez obtida a previso para um perodo futuro, pode-se
determinar um intervalo de confiana para a mesma, ou seja, um
intervalo de valores tais que o valor real da demanda tenha uma
probabilidade pr-fixada de cair dentro do intervalo.

Para isso, a previso pode ser considerada como sendo a

mdia de uma distribuio normal de desvio padro sy, o qual
denominado de Erro Padro da Estimativa.
Y

Um intervalo de confiana qualquer dado

(aproximadamente) por zsy onde z o
nmero de desvios padro que corresponde
a uma dada rea sob a curva normal.
z=1,64 (interv. Confiana a 90%)
z=1,96 (interv. Confiana a 95%)
X z=3,00 (interv. Confiana a 99,7%)

Mtodos Causais
REGRESSO LINEAR SIMPLES
Intervalo de confiana para a previso
Retornando ao exemplo anterior, determine o valor de sy e o intervalo
de confiana a 95% para a previso quando X = 5 (ou seja =22,5):
X

(Y-)

(Y-)2

10

11

-1

15

13,3

1,7

2,89

15

15,6

-0,6

0,36

18

17,9

0,1

0,01

20

20,2

-0,2

Para o intervalo de confiana de 95% o valor de z 1,96; logo:

z sy = 22,5 1,96 (1,2)
Podemos esperar, portanto, que existe 95% de probabilidade de que a
demanda real seja entre os valores:

22,5 2,4 = 20,1 e 22,5 + 2,4 = 24,9

Mtodos Causais
Exerccio
1. O Depsito Casa Firme, especializado em materiais de
construo, anotou o total vendido de sacos de cimento, para seis
anos consecutivos, bimestre a bimestre. Os resultados esto na
tabela abaixo. Determinar:

a)
b)
c)
d)

a equao da linha reta que d a previso para o total anual

os coeficientes de correlao e determinao
a previso para 1988 e o intervalo de confiana a 95%
as previses bimestrais para 1988
Ano

1bim 2bim 3bim 4bim 5bim 6bim

Total

1982

432

480

390

720

240

333

2595

1983

470

528

430

792

266

366

2852

1984

570

572

514

872

318

402

3248

1985

620

635

540

952

316

436

3499

1986

658

671

572

998

362

466

3727

1987

712

718

618

1092

398

507

4045