12/09/2017

PREVISO DE
DEMANDA

Na aula passada...

Tipos de previso: mtodos de sries

temporais, modelos qualitativos e mtodos
causais;

Decomposio de uma srie temporal:

tendncia, sazonalidade, ciclos e variaes
aleatrias;

Medidas da acurcia da previso: DMA,

MSE e EMAP.

1
 12/09/2017

Mdias mveis

Mdias mveis
Exemplo da Equipamentos de Jardim Wallace. As vendas de galpes
de jardim da Equipamentos de Jardim Wallace so apresentadas na
coluna do meio da Tabela 5.3.

EXEMPLO01

2
 12/09/2017

Exemplo da Equipamentos de Jardim

Wallace

Mdias mveis ponderadas

3
 12/09/2017

Mdias mveis ponderadas

Exemplo da Equipamentos de Jardim

Wallace

4
 12/09/2017

Exerccio 5.14
Dados anuais coletados sobre a demanda por sacos
de 25 kg de fertilizante na Equipamentos Jardim
Wallace so apresentados na tabela.
Desenvolva um modelo de previso das vendas
utilizando mdias mveis de trs anos.
Depois, estime a demanda novamente com uma
mdia mvel ponderada em que as vendas do ltimo
ano recebem peso dois e as vendas nos outros dois
anos tm pesos iguais a um. Qual mtodo o
melhor?

EXEMPLO02

5
 12/09/2017

mdias mveis de trs anos

data 1 Forecast Error |Error| Error^2 |Pct Error|
Year 1 4
Year 2 6
Year 3 4
Year 4 5 4.67 0.33 0.33 0.11 0.07
Year 5 10 5 5 5 25 0.5
Year 6 8 6.33 1.67 1.67 2.78 0.21
Year 7 7 7.67 -0.67 0.67 0.44 0.1
Year 8 9 8.33 0.67 0.67 0.44 0.07
Year 9 12 8 4 4 16 0.33
Year 10 14 9.33 4.67 4.67 21.78 0.33
Year 11 15 11.67 3.33 3.33 11.11 0.22
TOTALS 94 19 20.33 77.67 1.83
AVERAGE 8.55 2.38 2.54 9.71 0.23
Next period forecast 13.67 (Bias) (MAD) (MSE) (MAPE)
Std err 3.6

6
 12/09/2017

mdia mvel ponderada

data 1 Forecast Error |Error| Error^2 |Pct Error|
Year 1 4
Year 2 6
Year 3 4
Year 4 5 4.5 0.5 0.5 0.25 0.1
Year 5 10 5 5 5 25 0.5
Year 6 8 7.25 0.75 0.75 0.56 0.09
Year 7 7 7.75 -0.75 0.75 0.56 0.11
Year 8 9 8 1 1 1 0.11
Year 9 12 8.25 3.75 3.75 14.06 0.31
Year 10 14 10 4 4 16 0.29
Year 11 15 12.25 2.75 2.75 7.56 0.18
TOTALS 94 17 18.5 65 1.69
AVERAGE 8.55 2.13 2.31 8.13 0.21
Next period forecast 14 (Bias) (MAD) (MSE) (MAPE)
Std err 3.29

7
 12/09/2017

Alisamento exponencial

Alisamento Exponencial
Exemplo 01

4 = 3 + (3 3 )

4 = (1 )3 + 3

3 = (1 )2 + 2

2 = (1 )1 + 1

8
 12/09/2017

Alisamento Exponencial
4 = (1 )3 + 3

4 = (1 ) [(1 )2 + 2 ] + 3

4 = (1 )2 2 + (1 )2 + 3

4 = (1 )2 [(1 )1 + 1 ] + (1 )2 + 3

4 = (1 )3 1 + (1 )2 1 + (1 )2 + 3

4 = 3 + (1 )2 + (1 )2 1 + (1 )3 1

Alisamento Exponencial
Sistema de ponderao exponencial.

Valor
Atual

9
 12/09/2017

Valores dos pesos por idade da demanda para

vrios valores de alfa

Alisamento Exponencial

= 0,1 = 0,5

10
 12/09/2017

Exemplo do Porto de Baltimore

Exerccio 5.14
Dados anuais coletados sobre a demanda por sacos
de 25 kg de fertilizante na Equipamentos Jardim
Wallace so apresentados na tabela.
Desenvolva um modelo de previso das vendas
utilizando Alisamento Exponencial (Alfa =0,7)

11
 12/09/2017

EXEMPLO02

Cirurgias no Washington General Hospital

A demanda por cirurgias no Washington General
Hospital aumentou constantemente nos ltimos
anos, como pode ser visto na seguinte tabela:
Demanda
60

55

50

45

40

35

30
1 2 3 4 5
EXEMPLO04

Compare os diferentes mtodos de previso

12
 12/09/2017

Mdia mvel (n=2)

Demand(y) Forecast Error |Error| Error^2 |Pct Error|
1 45
2 50
3 52 47.5 4.5 4.5 20.25 0.09
4 56 51 5 5 25 0.09
5 58 54 4 4 16 0.07
TOTALS 261 13.5 13.5 61.25 0.24
AVERAGE 52.2 4.5 4.5 20.42 0.08

Next period
forecast 57 (Bias) (MAD) (MSE) (MAPE)
Std err 7.83

Mdia mvel (n=2)

13
 12/09/2017

Mdia mvel ponderada

Demand(y) Forecast Error |Error| Error^2 |Pct Error|
1 45
2 50
3 52 48.33 3.67 3.67 13.44 0.07
4 56 51.33 4.67 4.67 21.78 0.08
5 58 54.67 3.33 3.33 11.11 0.06
TOTALS 261 11.67 11.67 46.33 0.21
AVERAGE 52.2 3.89 3.89 15.44 0.07
Next
period
forecast 57.33(Bias) (MAD) (MSE) (MAPE)
Std err 6.81

Pesos
Um ano anterior = 2
Dois anos anteriores = 1

Mdia mvel ponderada

14
 12/09/2017

Alisamento exponencial

Considerando alfa = 0,7

Alisamento exponencial
|Pct
Demand(y) Forecast Error |Error| Error^2 Error|
1 45
2 50 45 5 5 25 0.1
3 52 48.5 3.5 3.5 12.25 0.07
4 56 50.95 5.05 5.05 25.5 0.09
5 58 54.49 3.51 3.51 12.36 0.06
TOTALS 261 17.07 17.07 75.11 0.32
AVERAGE 52.2 4.27 4.27 18.78 0.08
Next
period
forecast 56.95(Bias) (MAD) (MSE) (MAPE)
Std err 6.13

15
 12/09/2017

Alisamento exponencial

Variaes sazonais
s vezes, contudo, variaes recorrentes de
certas estaes do ano tornam necessrio o
ajuste sazonal.
Um ndice sazonal indica como uma estao
especfica (por exemplo, ms ou trimestre) se
compara com a estao mdia.
Quando nenhuma tendncia est presente, o
ndice pode ser obtido pela diviso da mdia dos
valores de uma determinada estao pela mdia
de todos os dados.

16
 12/09/2017

Depois, utilizamos os ndices sazonais da Tabela 5.8 para ajustar

previses futuras.
Por exemplo, suponha que esperemos que a demanda anual por
secretrias eletrnicas no terceiro ano seja de 1200 unidades, o
que corresponde a 100 unidades mensais.

17
 12/09/2017

Trabalho em Grupo
1) Desenvolva os seguintes
modelos de previso da
demanda:
- Media Mvel com n=3;
- Media Mvel ponderada com
pesos (0,60; 0,30; 0,10);
- Alisamento exponencial de 0,20
e 0,50 (assuma que o valor
previsto para fevereiro 18).

2) Compare os diferentes
mtodos de previso em relao
ao DMA.

Referncias Bibliogrficas

RENDER, B.; STAIR JR, R. M.; HANNA, M. Anlise

Quantitativa para Administrao. Porto Alegre:
Bookman, Dcima Edio, 2010 (Captulo 5).

18