Gesto da Cadeia de Abastecimento

Modelos de Previso

"Unless the method is 100% accurate, it must be simple enough so people who use it know how to use it intelligently (understand it, explain it, and replicate it). "The most important element of any forecast scheme is that thing between the keyboard and the chair".

DEGEI - UA, L.M.Ferreira

O estudo de sries cronolgicas tem como principais objectivos:

Investigar o mecanismo gerador da srie; Fazer previses dos valores futuros da srie; Descrever o comportamento da srie.

DEGEI - UA, L.M.Ferreira

Seleco de Mtodos de Previso:

So sugeridos 5 critrios, organizados por ordem decrescente de importncia:
Preciso; Comportamento exibido pela varivel a prever; Horizonte temporal; Custos; Facilidade de aplicao.

DEGEI - UA, L.M.Ferreira

Noes elementares:
Define-se Srie Cronolgica como um conjunto ordenado de valores de uma varivel registados periodicamente no tempo. So quatro as componentes bsicas que podem integrar uma srie Temporal :
Tendncia: movimento geral que se mantm por um perodo longo de tempo. Sazonalidade: consiste nas flutuaes peridicas da varivel. Ciclo: tipo de perodo no constante e superior variao sazonal. Erro: reflecte flutuaes a curto prazo, com um carcter errtico e imprevisvel.
DEGEI - UA, L.M.Ferreira
5

Tendncia Sazonalidade

Ciclo

DEGEI - UA, L.M.Ferreira

Comparao de Mtodos
Uma vez especificado o modelo de previso, utiliza-se o modelo para produzir previses para instantes passados, as quais se comparam com os valores observados, constituindo-se uma srie de erros de previso et. Ser escolhido o mtodo que conduzir a menores erros no passado, esperando-se que no futuro ele se comporte tambm comparativamente melhor que as alternativas. Vai-se ento recorrer a uma medida de sntese dos erros calculados - Erro Quadrtico Mdio:

1 n 2 $ E Q M = ( yi yi ) n i =1
DEGEI - UA, L.M.Ferreira
7

DEGEI - UA, L.M.Ferreira

Modelos de Previso

Modelo de Decomposio Clssica

Componentes de uma srie com Tendncia e Sazonalidade

+ +

Sazonalidade
+ + + + + + + +

Rudo

Tendncia

Underlying Value

DEGEI - UA, L.M.Ferreira

10

Modelo de Decomposio Clssica

Este tipo de abordagem isola cada uma das diferentes caractersticas da srie cronolgica e tenta encontrar processos adequados de estimar cada um deles para perodos futuros:
Modelo Aditivo:

Zt = Tt + St + Ct + Et
Modelo Multiplicativo:

Z t = Tt St Ct Et
DEGEI - UA, L.M.Ferreira
11

Sazonalidade Multiplicativa

Sazonalidade Aditiva

DEGEI - UA, L.M.Ferreira

12

Procedimentos de clculo:
1)

Atendendo a que a componente cclica tem um carcter irregular, dificilmente os seus valores futuros podero ser previstos atravs de mtodos estatsticos. A sua identificao s possvel quando se dispe de sries longas, sendo frequente ignorar esta componente para sries curtas. A Sazonalidade e parte da aleatoriedade pode ser eliminada da srie original (ao menos em parte) aplicando uma mdia mvel centrada de comprimento adequado (igual ao ciclo sazonal)

2)

Nota: Uma mdia mvel centrada (no instante t), Mt, definida como a mdia aritmtica das observaes da varivel numa vizinhana (centrada no tempo) do instante t.

DEGEI - UA, L.M.Ferreira

13

Deve ser fixado um comprimento N da mdia.

Comprimento impar (N=2n+1):

Mt =

Z t N + Z t N +1 + + Z t + + Z t + N 1 + Z t + N N

Comprimento par (N=2n):

Mt =

1 1 1 Yt N + Yt N +1 + + Yt + + Yt + N 1 + Yt + N N2 2

As mdias mveis centradas apresentam propriedades interessantes:

Atenua (ou elimina) as flutuaes de carcter aleatrio que a srie original apresenta; Elimina as oscilaes de carcter peridico da srie, quando se adopta um mdia mvel centrada de comprimento igual ao perodo das oscilaes.
DEGEI - UA, L.M.Ferreira
14

Procura no tempo
100 90

Procura

80 70 60 50 40 0 1 2 3 4 5 6 7 8 9 10 11 12

Xt M.M.C

Tempo

DEGEI - UA, L.M.Ferreira

15

No caso do modelo aditivo vem:

Zt = St + Tt + Et
Zt = St Tt Et

St = Zt Tt Et
St = Zt / Tt

No caso do modelo multiplicativo vem:

Constri-se uma srie auxiliar que contm o factor Sazonal e o erro (tem valor mdio nulo). De forma a atenuar a influncia da componente aleatria, calcula-se a mdia dos valores para cada uma das estaes, estimando-se desta forma a componente sazonal para cada estao do ciclo sazonal.

DEGEI - UA, L.M.Ferreira

16

3) Para modelar a tendncia, utilizado os valores da srie de mdias

centradas. Para tal pode ajustar-se uma funo polinomial (linear o mais usado) ou exponencial.
4) Uma vez isoladas e estimadas as diversas componentes, as

previses para perodos futuros so elaborados atravs da projeco dessas componentes para os instantes em causa e sua composio pela equao:

DEGEI - UA, L.M.Ferreira

17

Correco dos ndices

No caso do Modelo Aditivo, a soma dos ndices sazonais deve ser nula. Quando tal no acontece as estimativas dos ndices sazonais podem ser corrigidos atravs da expresso:

S j = S j S

S S

j j

Estimativa corrigida do ndice sazonal da estao j

DEGEI - UA, L.M.Ferreira

18

No caso do Modelo Multiplicativo, a soma dos factores sazonais dever ser igual durao do ciclo sazonal. Deve-se ento, se necessrio, para corrigir as estimativas deve-se multiplicar cada uma das estimativas por:

D - durao do ciclo sazonal

DEGEI - UA, L.M.Ferreira

J =1

19

T 1 2 3 4 5 6 7 8 9 10 11 12 13

MM C

S t= Y t - M M C

824 717 774 834 730 640 574 640 693 587 480 415 472
[S_]

7 7 5 ,8 7 3 9 ,0 7 1 0 ,4 6 8 3 ,6 6 5 5 ,4 6 2 6 ,8 5 9 4 ,8 5 6 3 ,0 5 2 9 ,4

-1 ,8 9 5 ,0 1 9 ,6 -4 3 ,6 -8 1 ,4 1 3 ,2 9 8 ,2 2 4 ,0 -4 9 ,4

III IV V I II III IV V I

S_I S_II S_III S_IV S_V

-46,5 -81,4 5,7 96,6 21,8 -3,8

46,5 81,4 5,7 96,6 21,8 252,0

-45,8 -80,2 5,8 98,1 22,1 0,0

S j = S j S j

S S

j j

DEGEI - UA, L.M.Ferreira

20

10

Modelo de Decomposio Clssica

950 850 750 650 550 450 350 0 2 4 6 8 10 12 14

DEGEI - UA, L.M.Ferreira

21

DEGEI - UA, L.M.Ferreira

22

11

Modelos de Previso

Modelos de Alisamento Exponencial Simples

Alisamento Exponencial Simples

O modelo apresentado anteriormente pode ser refinado, se dermos diferentes pesos s observaes passadas, introduzindo-se assim a noo de mdia mvel pesada:

nt = a0 y t + a1y t 1 + ... + an 1 y t n + 1
Em que ai o peso atribudo observao do instante t-i. Estes pesos so decrescentes com a antiguidade (por referncia ao instante t), isto , a0>a1>>an-1, e obrigatoriamente a sua soma unitria.

DEGEI - UA, L.M.Ferreira

24

12

O modelo de alisamento exponencial simples, aplicvel a sries localmente estacionrias, pondera todos os valores histricos da srie com pesos sucessivamente menores medida que estes se afastam do valor mais recente.
O modelo representado por:

~ ~ Zt = Zt + (1 )Zt 1
Note-se que se trata de uma frmula recursiva, em que o parmetro conhecido por constante de amortecimento e est limitado ao intervalo [0, 1].

DEGEI - UA, L.M.Ferreira

25

Tratando-se de uma srie localmente estacionria, a previso para perodos futuros (K passos adiante, para qualquer valor K=1, 2,) baseada na estimada do nvel no instante t, isto :

yt +k = nt = yt + (1 ) nt 1
O valor da constante de amortecimento , escolhido de modo a minimizar o EQM simulaes sobre a srie original. No que diz respeito inicializao :

~ 1 = 1
DEGEI - UA, L.M.Ferreira
26

13

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Yt 25 19 17 9 26 11 21 13 15 22 8 26 16 24 14 26 14 16 17 13

(C=0,2) 25 23,8 22,44 19,75 21 19 19,4 18,12 17,5 18,4 16,32 18,25 17,8 19,04 18,03 19,63 18,5 18 17,8 16,84

C=0,2 Previso 25 23,8 22,44 19,75 21 19 19,4 18,12 17,5 18,4 16,32 18,25 17,8 19,04 18,03 19,63 18,5 18 17,8 E.Q.M

Erro^2 36 46,24 180,63 39,04 100,03 3,99 40,97 9,74 20,28 108,1 93,74 5,08 38,4 25,43 63,45 31,67 6,26 1 23,05 45,95

(C = 0 ,7 ) 25 2 0 ,8 1 8 ,1 4 1 1 ,7 4 2 1 ,7 2 1 4 ,2 2 1 8 ,9 7 1 4 ,7 9 1 4 ,9 4 1 9 ,8 8 1 1 ,5 6 2 1 ,6 7 1 7 ,7 2 2 ,1 1 1 6 ,4 3 2 3 ,1 3 1 6 ,7 4 1 6 ,2 2 1 6 ,7 7 1 4 ,1 3

C = 0 ,7 P re v is o 25 2 0 ,8 1 8 ,1 4 1 1 ,7 4 2 1 ,7 2 1 4 ,2 2 1 8 ,9 7 1 4 ,7 9 1 4 ,9 4 1 9 ,8 8 1 1 ,5 6 2 1 ,6 7 1 7 ,7 2 2 ,1 1 1 6 ,4 3 2 3 ,1 3 1 6 ,7 4 1 6 ,2 2 1 6 ,7 7

E rro ^2 36 1 4 ,4 4 8 3 ,5 4 2 0 3 ,2 9 1 1 4 ,9 7 4 6 ,0 1 3 5 ,5 8 0 ,0 4 4 9 ,8 9 1 4 1 ,1 6 2 0 8 ,3 9 3 2 ,1 4 3 9 ,6 8 6 5 ,7 8 9 1 ,5 3 8 3 ,3 6 0 ,5 5 0 ,6 1 1 4 ,1 9 6 6 ,3 8

DEGEI - UA, L.M.Ferreira

27

Alisamento Exponencial Simples

30 25

20 Yt 15 10 Previso (C=0,2) Previso (C= 0,7)

5 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

DEGEI - UA, L.M.Ferreira

28

14

Modelos de Previso

Modelos de Alisamento Exponencial de Holt

Alisamento Exponencial de Holt

Trata-se de um processo que se aplica a sries com tendncia e que recorre a duas equaes de actualizao, uma para o nvel, e outra, para a tendncia:

~ ~ Zt = AZt + (1 A) Zt1 + Tt1 ~ ~ Tt = C Zt Zt 1 + (1 C)Tt 1

)
0A1e0C1

Tomando-se para os valores iniciais dos parmetros :

~ Z2 = Z2
DEGEI - UA, L.M.Ferreira

T2 = Z 2 Z1
30

15

A previso ser dada por:

~ Z t (h ) = Z t + h T t
onde h o nmero de passos frente que se deseja prever. O procedimento para determinao de A e C idntico ao da determinao de , s que, neste caso teremos de determinar o vector (A, C ) que torne mnimo o EQM.

DEGEI - UA, L.M.Ferreira

31

T
1 2 3 4 5 6 7 8 9 10 11 12

Yt
290 308 300 319 320 340 349 346 350 356 364 375

Zt

Tt

Prev iso

Erro^2

308,0 313,0 321,8 325,9 336,5 347,2 351,5 354,3 357,6 362,8 371,3

18,0 11,5 10,1 7,2 8,9 9,8 7,0 4,9 4,1 4,7 6,6 326,0 324,5 331,9 333,1 345,4 357,0 358,5 359,2 361,7 367,5 676,0 30,3 141,0 47,7 12,7 120,8 72,6 10,0 5,4 55,8

EQM A C 0,50 0,5

117,2

DEGEI - UA, L.M.Ferreira

32

16

Alisam en to E xp o n en cial d e H o lt 400 380 360 340 320 300 280 260 240 220 200 0 1 2 3 4 5 6 7 8 9 10 11 12 13

DEGEI - UA, L.M.Ferreira

33

DEGEI - UA, L.M.Ferreira

34

17

Modelos de Previso

Modelos de Alisamento Exponencial de Holt-Winters

Alisamento Exponencial de Holt-Winters

Este modelo uma extenso do modelo de Holt que para alm de tendncia, apresentam sazonalidade. O modelo sazonal multiplicativo aplica-se a sries em que a amplitude de sazonalidade varia com qualquer dos outros (Tendncia ou Nvel), podendo ser representado por:

Z t = t F t + T t + t
t Nvel
F t - Factor Sazonal
DEGEI - UA, L.M.Ferreira

t Rudo

T t Tendncia
36

18

As equaes de alisamento para este caso so :

Zt F t = D ~ + (1 D ) F t s Zt
Zt ~ ~ Z t = A + (1 A) Z t 1 + Tt 1 Ft s
~ ~ ~ T t = C Z t Z t 1 + (1 C ) Tt 1

t = S + 1,K , N

t = S + 1,K , N
t = s + 1, K , N

0 A 1; 0 C 1 e 0 D 1 e S o perodo de Sazonalidade

DEGEI - UA, L.M.Ferreira

37

Note-se que os S primeiros valores so utilizados para estimar os valores iniciais dos factores sazonais.

1 S ~ ZS = Zj S J =1

j = 1, K , S

ZJ FJ = ~ ZS

TS = 0
DEGEI - UA, L.M.Ferreira
38

19

A previso ser dada por:

~ Z t (h ) = Z t + h T t F t + h S
~ Z t (h ) = Z t + h T t F t + h 2 S

h = 1, K , S
h = S + 1, K ,2 S

DEGEI - UA, L.M.Ferreira

39

No caso de uma srie sazonal aditiva, vem:

Z = + F +T +
t t t t

As estimativas so dadas por:

~ F t = D Z t Z t + (1 D ) F t s
~ ~ Z t = A Z t Ft s + (1 A ) Z t 1 + Tt 1

0 D 1

0 A 1

~ ~ ~ T t = C Z t Z t 1 + (1 C ) Tt 1
DEGEI - UA, L.M.Ferreira

0 C 1
40

20

Vindo para a previso:

~ Z (h) = Z + h T + F ~ Z (h) = Z + h T + F
t t t t t t

t +hS

h = 1,K, S h = S + 1, K,2S

t + h2 S

Em Termos de inicializao vem:

$ T
~ Z

=0
= 1 S S J =1 Z J J = 1, K , S

~ (Z Z )
J S
41

DEGEI - UA, L.M.Ferreira

t
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 A C D

Yt
32 212 495 198 74 290 615 214 103 293 653 320 120 350 795 0,10 1,00 0,25

Zt

Tt

Ft
-202,3 -22,3 260,8 -36,3 -192,8 -6,7 281,5 -45,6 -194,8 -11,1 290,6 -42,9 -208,0 -15,5 316,3

Previso

Erro^2

234,3 238,6 250,1 271,1 287,8 303,6 317,4 335,3 354,6 367,7 378,8 401,7

0,0 4,3 11,5 21,0 16,7 15,8 13,8 17,9 19,2 13,1 11,1 22,9 S=4 Zs =

32,0 220,7 522,3 255,9 111,7 312,7 612,7 307,6 179,0 369,7 680,5

1764,0 4808,5 8597,4 1752,6 75,4 389,7 1621,2 152,7 3479,1 387,6 13119,7

EQM = 3286,2 234,25

DEGEI - UA, L.M.Ferreira

42

21

900 800 700 600 500 400 300 200 100 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Yt Previso

DEGEI - UA, L.M.Ferreira

43

DEGEI - UA, L.M.Ferreira

44

22