sexta-feira, 18 de março de 2016

GESTÃO DA DEMANDA

GESTÃO DA DEMANDA

REVISÃO DE ESTUDOS - UNIDADE 1


 PDC – Planejamento da Demanda do Cliente tem como objetivo Conseguir prever o que, quanto, quando e onde o consumidor vai consumir permite a realização de uma previsão de recursos e preparação da equipe interna e empresas parceiras envolvidas.

 O gerenciamento da Cadeia de Suprimento é complexo. Envolve implementação e controle, eficaz e eficiente, do fluxo de bens, serviços desde o ponto de origem até o ponto de consumo.

Cadeia de Suprimento (supply chain): associação de clientes e fornecedores que trabalham juntos, de modo a constituírem um produto acabado ou serviço especializado de interesse de consumidores.

Cadeia de Valor (value chain): conjunto completo de atividades que adicionam
valor ao bem ou serviço, desde o último fornecedor até o cliente final.

Se o conceito de Planejamento da Demanda do Cliente parece um pouco complicado, vamos
iniciar a explicação com a Equipe de Marketing e de Vendas, Quem trabalha nessas áreas sempre é questionado como está a situação do mercado com perguntas do tipo:

-  os clientes estão dispostos a comprar?;
-  quais são os bens ou serviços mais procurados pelos consumidores?;
-  qual é a faixa de preço dos bens ou serviços adquiridos?;
-  como estão as campanhas de vendas dos concorrentes?;
-  os números relativos às vendas nesse período são superiores ou inferiores a algum
período anterior?
A Gestão da Demanda deve ser de responsabilidade das áreas comercial (marketing e vendas).
O sucesso na previsão da demanda futura do cliente para um determinado período é influenciado por vários fatores:

-  políticas de vendas dos concorrentes;
-  campanhas de marketing;
-  determinação de patamares de preços (mínimo e máximo);
-  evolução da tecnologia que permite a oferta de novos bens e serviços;
-  preocupações ambientais.

A seguir, estão listadas algumas definições de Gestão da Demanda.

-  Definição I: Processo da gestão da cadeia de suprimentos composto por sub-processos
operacionais e estratégicos com objetivo de determinar a previsão de vendas, sincronizá-la
com a capacidade produtiva da empresa e da cadeia, incorporar a estratégia da organização e
mapear as necessidades dos consumidores;

-  Definição II: alinhamento dos processos de criação e atendimento da demanda entre as
funções internas da empresa e entre empresas da cadeia de suprimentos. Explorando, assim,
sinergias entre marketing e SCM com objetivo de obter vantagens competitivas;

-  Definição III: componente da gestão da cadeia de suprimentos. Criação de um fluxo
coordenado de demanda entre os membros da cadeia de suprimentos e seus mercados;
-  Definição IV: orientação de todas as atividades dos elos da cadeia para as necessidades do
consumidor final sob uma perspectiva que transcenda os limites organizacionais.

-  Definição V: interface entre as atividades de produção da empresa, sistemas de planejamento
e controle e o mercado. Compreende atividades que variam de previsão a converter os pedidos
dos clientes em datas de entrega e como um mecanismo de equilibrar oferta e demanda.

-  Definição VI: compreensão das expectativas atuais e futuras dos clientes, características
do mercado e das alternativas disponíveis de resposta que são alcançadas por meio de
processos operacionais.

Planejamento, Predição e Previsão

Para melhor compreensão do significado dessas três palavras, vamos conceituá-las.

Planejamento é um processo lógico que descreve as atividades necessárias para ir do ponto
no qual nos encontramos até o objetivo definido.

Predição é um processo para determinação de um acontecimento futuro baseado em dados
completamente subjetivos e sem metodologia de trabalho clara.

Previsão é um processo metodológico para a determinação de dados futuros baseados em
modelos estatísticos, matemáticos ou econométricos ou, ainda, em modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida.


Os números oriundos das previsões devem sempre estar disponíveis antes dos planos que

serão traçados pela equipe de planejamento contratação ou dispensa de colaboradores/fornecedores, níveis de estoque de insumos e bens prontos e mudança de arranjo físico/aquisição de novas instalações físicas.

Inclusive,planejamento nos lembra que a tomada de decisõesdevem sempre privilegiar a aplicação de recursos para melhor responder às previsões de demanda. ter a preocupação de fazê-lo com a melhor qualidade possível, pois esta é a única forma que a empresa dispõe de não perder sua fatia de mercado.

A quantidade de informação a ser armazenada e analisada é muito grande. Dessa maneira, as
empresas buscam auxílio na informatização e adotam o uso de softwares fabricados internamente
pelo departamento de informática ou a compra de soluções já consagradas no mercado.

O software deve conter métodos quantitativos e qualitativos para emitir relatórios de previsões. Os métodos quantitativos utilizam modelos matemáticos que se baseiam em informações históricas de preços e de volumes de vendas, períodos de sazonalidade, dados obtidos de pesquisas de mercado externas e de projeções internas.

Os métodos qualitativos permitem que membros mais experientes da equipe de vendas
possam “ajustar” as avaliações . Mas não é necessário escolher apenas uma delas. A maioria das organizações utiliza os dois métodos para a realização de previsões

 Sistema Colaborativo de Planejamento, Previsão e Reposição

(CPFR – Collaborative Planning, Forecasting And Replenishement)

 Os fornecedores devem trabalhar mais próximo de seus clientes. A quantidade de empresasnas vendas de bens e serviços é grande mas, atualmente, apenas as grandes redes varejistas possuem interfaces que permitem integrar os dados.

A melhoria da precisão do acerto, entre o planejado e o realizado ocorrerá quando
todas as empresas de prestação de serviços estiverem compartilhando informações, utilizando formatos compatíveis de dados em softwares que se “conversam”. Isso é possível com a adoção do Sistema Colaborativo de Planejamento, Previsão e Reposição (CPFR – Collaborative Planning, Forecasting and Replenishment).

O CPFR é um processo, no modelo de negócios, de nove passos definidos pela VICS
(Voluntary Interindustry Commerce Standards) para a administração da cadeia de valor:
1 – Acordo inicial;
2 – Plano de negócio conjunto;
3 – Criar previsão de vendas;
4 – Identificar exceções para a previsão de vendas;
5 – Resolver exceções na previsão de vendas;
6 – Criar previsão de pedidos;
7 – Identificar exceções na previsão de pedidos;
8 – Resolver exceções na previsão de pedidos;
9 – Gerar pedidos.

O CPFR permite o fornecedor controlar melhor sua produção e seu estoque, inclusive o de segurança, vez que terá conhecimento do calendário de promoções do cliente e, consequentemente, dos picos de vendas, fazendo com que diminuam as chances de falta ou excesso de produto.

Projetando o Sistema de Previsões
Um administrador que atua em equipes de planejamento lidando com previsões precisa
tomar três decisões fundamentais:

- O QUE deve ser previsto;

- QUE TIPO DE TÉCNICA DE PREVISÃO deve ser utilizada;


- QUAL TIPO DE SOFTWARE deve ser escolhido.

 Decidindo o que deve ser previstoA decisão adequada é prever a demanda total para grupos ou agrupamentos e, em seguida, obter previsões de bens ou serviços individualmente. importante é selecionar a unidade correta de medida para fazer previsões.

 A previsão da demanda dos agrupamentos é importante para o planejamento de longo prazo. A previsão dos bens individuais é necessária para as fases finais de fabricação Os bens individuais, que são chamados de Unidade de Estoque Apropriada (SKU – Stock-Keeping Unit) possuem um código identificador que auxilia a sua localização no estoque.

Engana-se quem escolhe como unidade inicial de medida a medida monetária, A melhor escolha recai em unidades de bem ou serviço, tal como SKU. porque os preços flutuam e as previsões de
receitas de vendas perdem precisão. É muito mais útil prever o número de unidades vendidas
e, em seguida, converter essa estimativa em valores monetários.

Decidindo o tipo de técnica de previsão Os métodos quantitativos incluem análise de séries temporais e métodos causais que usam dados históricos sobre variáveis independentes, A análise de séries temporais é uma abordagem estatística que conta muito com dados históricos sobre a demanda para projetar o tamanho futuro da demanda e reconhecer tendências e padrões sazonais.

As previsões podem ser feitas para o curto, médio e longo prazos:

-  curto prazo (3 meses a 12 meses): SERVIÇOS OU BENS INDIVIDUAIS – administração
de estoques, programação da força de trabalho, programação mestre de produção;

-  médio prazo (12 meses a 36 meses): VENDAS TOTAIS DE GRUPOS DE SERVIÇOS
– planejamento de mão de obra, planejamento do sistema produtivo e de compra
de suprimentos;

-  longo prazo (36 meses a 60 meses): VENDAS TOTAIS DE GRUPOS DE SERVIÇOS
– planejamento de capacidade, localização de instalações e administração de processos.


Decidindo que tipo de software utilizar

Existem no mercado diversos pacotes de software de previsão que estão disponíveis para
todas as plataformas de computadores. Os formatos de relatórios mais conhecidos são emitidos
pelos seguintes produtos: Manugistics, Forecast Pro e SAS.

Um  software de previsão deve permitir a entrada de dados de arquivos de planilha eletrônica, traçar gráficos dos dados e previsões e salvar os arquivos de previsões para a exibição de resultados em planilha eletrônica.

Métodos Qualitativos de Previsão de Demanda

As estimativas da força de vendas são previsões compiladas de estimativas feitas periodicamente
por membros da força de vendas da empresa (Método da Opinião da Força de Vendas).

 A força de vendas é o grupo que muito provavelmente sabe quais serviços ou bens os clientes

comprarão no futuro próximo e em que quantidades.

 O  júri de executivos (Método do Consenso do Comitê Executivo) é um método
de previsão em que as opiniões, experiências e conhecimentos técnicos de um ou mais

administradores são resumidos para se chegar a uma única previsão.

 A  pesquisa de mercado (Método de Pesquisa de Mercado) é uma abordagem

sistemática testando hipóteses por meio de pesquisas de coletas de dados.

O Método Delphi é um processo de obtenção de consenso de um grupo de especialistas,
mantendo seu anonimato. Essa forma de previsão é útil quando não há dados históricos
disponíveis a partir dos quais se possa desenvolver modelos estatísticos e quando os gerentes
dentro da empresa não têm nenhuma experiência sobre como fundamentar as projeções
informadas.

O Método da Analogia Histórica é baseado na analogia, que quer dizer semelhança;
por isso, ela é utilizada principalmente para lançamento de novos produtos similares a outros
já existentes no mercado. Essa técnica visa a comparar o produto do qual se pretende prever a
demanda, com um produto similar, partindo-se do princípio de que a demanda para este novo
produto será similar a do produto já existente.

O Método da Pesquisa de Clientes (Análise de Cenários) é uma particularidade
do Método da Pesquisa de Mercado. Consiste em prospectar cenários futuros para as
demandas, buscando identificar antecipadamente como a demanda se comportaria em
cada situação, facilitando, assim, o processo de tomada de decisão.

Métodos Quantitativos de Previsão de Demanda

Métodos quantitativos são métodos que utilizam dados históricos Para se obter os valores da previsão, são construídos modelos matemáticos. Estes métodos subdividem-se em análise de
séries temporais e modelos causais.

Séries Temporais As observações repetidas de demanda formam um padrão conhecido como séries temporais. Há cinco padrões básicos da maioria das séries temporais de demanda:

-  horizontal: a flutuação de dados em torno de uma média constante;

-  tendencial: o aumento ou a redução sistemática na média das séries ao longo do tempo;

-  sazonal: um padrão de aumento ou reduções na demanda que pode ser repetido,
dependendo da hora, do dia, da semana, do mês ou da estação;

-  cíclico: os aumentos ou reduções graduais menos previsíveis na demanda por períodos

mais longos de tempo Os padrões cíclicos surgem de duas influências,
o ciclo econômico e o ciclo de vida. O ciclo econômico é muito difícil de prever, porque é
afetado por eventos nacionais e internacionais.

-  aleatório: a variação imprevisível da demanda, que torna todas as previsões incorretas.

A análise de séries temporais pode ser realizada utilizando os métodos de suavização
exponencial e de modelos ARIMA. Os modelos de suavização exponencial têm como suposição
que os dados mais atuais da série temporal são mais confiáveis para realizar previsões.

Os pesos decaem exponencialmente a partir dos dados mais próximos, fazendo com que os
valores mais atuais da série recebam uma importância maior.

Para determinar a proporção entre os pesos, são calculadas constantes de suavização que
servem como parâmetros.

Os Métodos Previsão de Demanda tipo Métodos de Séries Temporais podem ser Padrões
Sazonais, Inclusão de uma Tendência e Estimativa da Média.

Modelos Causais

Os métodos causais são usados quando dados históricos estão disponíveis  Essas
relações são expressas em termos matemáticos e podem ser complexas.

Os Modelos de Previsão de Métodos Causais são Regressão Linear, Regressão Múltipla e

Modelos de Entrada/Saída.


REVISÃO DE ESTUDOS - UNIDADE 2
As técnicas que utilizam dados históricos utilizam dados que, geralmente, são registrados na

empresa e estão prontamente disponíveis para uso.

Essas técnicas se baseiam que o que aconteceu no passado acontecerá no futuro,Também não deixa de ser verdadeiro o fato de que, o melhor guia para o seu futuro é o que aconteceu no passado.

Os métodos apresentados a seguir são baseados em dados históricos.

Métodos De Estimativa Da Média
Os métodos de estimativa da média são:

•  Previsão Ingênua;

• Média Simples;

• Média Móvel Simples;

• Média Móvel Ponderada;

•  Suavização Exponencial;


• Método Holt-Winters.

Previsão Ingênua, É um método de previsão da demanda frequentemente usado. Nesse método, a previsão para o próximo período se iguala à demanda para o período corrente

O método de previsão ingênua pode Levar em conta uma tendência de demanda. Uma tendência em uma série temporal é uma variação sistemática na média Os métodos de suavização exponencial precisam ser modificados quando ocorre uma tendência,

O aumento (ou diminuição) na demanda observado entre os últimos dois períodos é ajustado para ajustar a demanda corrente para se chegar a uma previsão. Suponha que, na última semana, a demanda fosse de 120 unidades e na semana anterior a essa fosse de 108 unidades. A demanda aumentou 12 unidades em uma semana e, dessa maneira, a previsão para a próxima semana seria de 120 + 12 = 132 unidades.

As vantagens do método de previsão ingênua são sua simplicidade e custo baixo.

Média Simples

O cálculo da Média Simples é o cálculo inicial quando se busca informações em Séries
Temporais. A Média Simples é a média aritmética que insere no cálculo todas as vendas passadas.


Média Móvel Simples

O método da média móvel simples é usado para estimar a média de uma série temporal  dessa forma, É mais útil quando a demanda não apresenta tendências pronunciadas ou influências sazonais.

No Método da Média Móvel Simples, a previsão no período futuro t é calculada como sendo

a média de n períodos anteriores.

O método da média móvel pode envolver períodos de demanda anterior quanto desejados. Uma maneira simples de fazer previsões é tomar a demanda média para os últimos 3 ou 6 períodos, utilizar esse valor como a previsão para o próximo período. No final do próximo período, a demanda do primeiro período é desprezada e a demanda do último período acrescentada, para determinar a nova média a ser utilizada em uma previsão.

É possível perceber que esse cálculo é similar ao cálculo da média simples. O que muda?

A diferença está no período em que pegamos os dados.

Média Móvel Ponderada


No método de Média Móvel Simples, cada demanda tem o mesmo peso na média, No método da
Média Móvel Ponderada, cada demanda histórica da média pode ter seu próprio peso.

Muitos alunos devem ter estudado as séries iniciais em instituições de ensino nas quais o
cálculo da média final para ser aprovado utilizava pesos distintos nas notas bimestrais.
Supondo que a média de aprovação seja nota 6, analisemos a situação de três alunos ao
longo do ano letivo (quatro bimestres):

•  um aluno MEDIANO, que tira sempre notas próximas da nota de aprovação (nota 6);

•  um aluno ACIMA DA MÉDIA, que alcança boas notas nos dois primeiros bimestres, mas
depois relaxa no foco de ser aprovado;

•  um aluno ABAIXO DA MÉDIA, que foi mal nos dois primeiros bimestres, mas depois se

empenhou para ser aprovado.

Notas do aluno MEDIANO:

•  1º. bimestre = 7,0;
•  2º. bimestre = 8,0;
•  3º. bimestre = 6,5;
•  4º. bimestre = 7,0.

Se o critério para calcular a média for a Média Simples, o resultado será:

Nota Final (Média Simples) = (7,0+8,0+6,5+7,0)/4 = 7,125

Se o critério para calcular a média for a Média Ponderada, na qual os pesos são 0,1; 0,2; 0,3
e 0,4 para o primeiro, o segundo, o terceiro e o quarto bimestres, respectivamente (lembrando

que a soma dos pesos deve ser igual a 1), o resultado será:

Nota Final (Média Ponderada) =

(7,0*0,1+8,0*0,2+6,5*0,3+7,0*0,4) = 0,7+1,6+1,95+2,8=7,05

Notas do aluno ACIMA DA MÉDIA:

•  1º. bimestre = 9,0;
•  2º. bimestre = 8,0;
•  3º. bimestre = 4,5;
•  4º. bimestre = 3,0.

Se o critério para calcular a média for a Média Simples, o resultado será:
Nota Final (Média Simples) = (9,0+8,0+4,5+3,0)/4 = 6,125

Se o critério para calcular a média for a Média Ponderada, na qual os pesos são 0,1; 0,2; 0,3
e 0,4 para o primeiro, o segundo, o terceiro e o quarto bimestres, respectivamente (lembrando
que a soma dos pesos deve ser igual a 1), o resultado será:

Nota Final (Média Ponderada) =

(9,0*0,1+8,0*0,2+4,5*0,3+3,0*0,4) = 0,9+1,6+1,35+1,2 = 5,05

Notas do aluno ABAIXO DA MÉDIA:

•  1º. bimestre = 3,0;
•  2º. bimestre = 4,5;
•  3º. bimestre = 8,0;
•  4º. bimestre = 9,0.

Se o critério para calcular a média for a Média Simples o resultado será:
Nota Final (Média Simples) = (3,0+4,5+8,0+9,0)/4 = 6,125

Se o critério para calcular a média for a Média Ponderada, na qual os pesos são 0,1; 0,2; 0,3
e 0,4 para o primeiro, o segundo, o terceiro e o quarto bimestres, respectivamente (lembrando
que a soma dos pesos deve ser igual a 1), o resultado será:
Nota Final (Média Ponderada) =

(3,0*0,1+4,5*0,2+8,0*0,3+9,0*0,4) = 0,3+0,9+2,4+3,6 = 7,2

Resumindo, o aluno MEDIANO seria aprovado pelos dois critérios. O aluno ACIMA DA
MEDIA seria aprovado no primeiro critério, mas seria reprovado no segundo critério (segundo
critério pune alunos relapsos). O aluno ABAIXO DA MÉDIA seria aprovado nos dois critérios.
Média Móvel com Suavização (Ajustamento) Exponencial Os modelos de Suavização Exponencial (SE) são conhecidos aplicarem um conjunto de pesos desiguais aos valores da série temporal.

Esses modelos são originários da década de 1940. Na década de 1950, Charles Carter Holt
desenvolveu métodos diferentes de SE. No início da década de 1960, Peter Winters testou
os modelos de Holt utilizando dados empíricos, fazendo com que tal modelo passasse a ser

conhecido como Holt-Winters.

A Média Móvel SE é um método sofisticado da média móvel ponderada que calcula a média

de uma série temporal dando às demandas recentes mais pesos que às anteriores.

•  a previsão do último período;

•  a demanda para esse período; e

•  um parâmetro suavizador, ou constante de suavização (α), que tem um valor entre 0 e 1.

A previsão é calculada a partir da última previsão realizada no período (t-1) adicionada ou
subtraída de um coeficiente (α), que multiplica o consumo real (C) e a previsão no período
(P t-1),

de acordo com a expressão a seguir:

(Pt) = (Pt-1) + α . (Ct-1 - Pt-1), sendo 0 < α < 1 (geralmente entre 0,1 e 0,3).

Caso se queira determinar o valor de α, este pode ser calculado em função do número de
períodos n considerados para o modelo em questão, com a utilização da expressão:
α = 2 / (n+1)

Assim sendo, caso utilizássemos um horizonte com sete períodos de tempo, teríamos:

α = 2 / (7+1) = 0,25

Utilizando os valores de consumo real do Ano 1 e Ano 2 e adotando α = 0,3, como coeficiente
de ajustamento, calcule a projeção do valor de abril do ano 2 (vide tabela 4).
Tabela 4. Dados de vendas do Ano 1 e Ano 2.

Consumo Real

Ano 1              Ano 2
Mês                Mês
Jan 88           Jan 95
Fev 89          Fev 94
Mar 90          Mar 94
Abr 87
Mai 88
Jun 91
Jul 95
Ago 96
Set 98
Out 97
Nov 98
Dez 99

Resolução

Valor médio de jan Ano 1 a dez Ano 1 é de:
(88+89+90+87+88+91+95+96+98+97+98+99)/12= 93

Sendo consumo real de jan do Ano 2 = 95

Previsão para fev do Ano 2 será:
P = 93 + 0,3*(95 – 93) = 93,6

Valor médio de fev Ano 1 e jan Ano 2 é de:
(89+90+87+88+91+95+96+98+97+98+99+95)/12= 93,6
Sendo o consumo real de fev do Ano 2 = 94

Previsão para mar do Ano 2 será:
P = 93,6 + 0,3*(94 – 93,6) = 93,7

Valor médio de mar Ano 1 e fev Ano 2 é de:
(90+87+88+91+95+96+98+97+98+99+95+94)/12= 94
Sendo o consumo real de março do Ano 2 = 94

Previsão para abril do Ano 2 será:

P = 94 + 0,3*(94 – 94) = 94

não é necessário armazenar meses de históricoporque a previsão calculada anteriormente já levou em conta. Portanto, a previsão pode ser baseada na previsão calculada anteriormente O peso dado à última demanda real chama-se constante de suavização

A demanda antiga para o mês de maio era de 220 unidades e a demanda real para o mesmo
mês foi de 190 unidades. Se α tem valor de 0,15, calcule a previsão para junho. Se a demanda
de junho for de 218, calcule a previsão para julho.


Resolução
Previsão para junho = (0,15)*(190) + (1 – 0,15)*(220) = 215,5
Previsão para julho = (0,15)*(218) + (0,85)*(215,5) = 215,9

Método Holt-Winters

Os modelos de Holt-Winters, ou como também são conhecidos simplesmente por modelos
de Winters, são modelos adequados para séries temporais que apresentam tendência e
sazonalidade.

Padrões Sazonais (Para Fenômenos Sem Tendências). A sazonalidade nada mais é do que uma espécie de compensação que se faz com os números

para que seja possível compará-los entre si.

Muitos produtos têm padrão de demanda sazonal ou periódico: esquis, cortadores de grama,

trajes de banho, enfeites de Natal e fantasias carnavalescas são exemplos

A demanda dos trajes de banho pode ter uma média de 100 Calcule o Índice Sazonal.

Resolução

A fórmula do índice sazonal é a seguinte:

Índice Sazonal = Demanda Média para o período / Demanda Média para todos os períodos.

Índice Sazonal de janeiro = 175 / 100 = 1,75

Índice Sazonal de março = 35 / 100 = 0,35

Exemplo 6

Um produto que tem uma base sazonal de demanda para cada trimestre apresentou nos
últimos três anos os resultados mostrados na tabela 5. Não há tendência, mas observa-se uma
sazonalidade definida. A demanda média para o trimestre é de 100 unidades.

Calcular o Índice Sazonal.

Tabela 5. Dados trimestrais.

Ano Trimestre
               1       2         3         4      Total
    1      122     108      81      90      401
    2       130    100      73      96      399
    3       132     98       71      99      400
Média   128    102      75      95      400

Resolução

Os índices sazonais podem ser calculados da seguinte maneira:

Índice Sazonal (1º. Trimestre) = 128 / 100 = 1,28
Índice Sazonal (2º. Trimestre) = 102 / 100 = 1,02
Índice Sazonal (3º. Trimestre) = 75 / 100 = 0,75
Índice Sazonal (4º. Trimestre) = 95 / 100 = 0,95

Total dos índices sazonais = 4,00

Nota-se que o total dos índices sazonais é igual ao número de períodos. Esse é um bom

modo de verificar se os cálculos estão corretos

Rastreamento da Previsão

As previsões podem ter sucesso ou não.  O rastreamento de previsão é o processo que compara a demanda real com a previsão. O rastreamento da demanda acumulada confirmará os erros de comportamento temporal ou eventos excepcionais esporádicos.

REVISÃO DE ESTUDOS - UNIDADE 3


Dois tipos gerais de técnicas de previsão são adotados para projetar a demanda: Métodos Qualitativos e Métodos Quantitativos. Os Métodos Quantitativos incluem os Métodos Causais e os Métodos de Séries Temporais.

Métodos Causais.As projeções podem ser feitas para o curto, o médio e o longo prazo. O método causal é mais apropriado para o médio (12 a 36 meses) e longo prazo (36 a 60 meses).

No médio prazo, alguns exemplos de aplicação podem ser apresentados:

-  previsão de quantidade: vendas totais de grupos ou famílias de bens ou serviços;

-  área de decisão: planejamento da produção, compras e distribuição.
No longo prazo, alguns exemplos de aplicação podem ser apresentados:

-  previsão de quantidade: vendais totais;

-  área de decisão: localização das instalações, planejamento de capacidade e gerenciamento

do processo.

Os Métodos Causais são usados quando dados históricos encontram-se disponíveis e as relações entre o fator a ser previsto e outros fatores externos ou internos podem ser identificadas. são expressas em termos matemáticos.

Os Métodos Causais constituem as ferramentas de previsão mais sofisticadas e são muito bons para prever pontos de inflexão na demanda e previsões em longo prazo.

Para que serve determinar a relação entre duas variáveis?


- para realizar previsões sobre o comportamento futuro de algum fenômeno da realidade. causa e efeito – já observadas no passado

– entre as variáveis.

Pode-se,prever a população futura de uma cidade simulando a tendência de crescimento da população no passado;

- pesquisadores interessados em simular os efeitos sobre uma variável y em decorrência de alterações introduzidas nos valores de uma variável x também usam este modelo. Por exemplo, a produtividade y de uma área agrícola é alterada quando se aplica certa quantidade x de fertilizante sobre o solo.

Método Causal: Regressão Linear Uma pesquisa realizada na entrada de um colégio anotou a estatura de 15 alunos do sexo masculino e o número do calçado que cada um utilizava. A tabela 1 apresenta o resultado dessa pesquisa.

Tabela 1. Altura (m) versus número de Calçado.

Altura (m) No. de Calçado
     1,73                  35         
     1,33                  32         
     1,55                  35         
     1,56                  36         
     1,43                  34         
     1,89                  44         
     1,56                  39         
     1,98                  46         
     1,59                  35         

     1,77                  38         
     1,65                  37         
     1,44                  34         
     1,35                  31         
     1,22                  31         

     1,49                  35         

 Será que existe uma lógica que um aluno mais alto utiliza um calçado maior?

Ao se marcar num gráfico cartesiano, os pares de informação obtidos na Tabela 1, obtemos uma “nuvem” de pontos definidos pelas coordenadas x e y de cada ponto.

Essa nuvem, definirá um eixo, ou direção, que caracterizará o padrão de relacionamento entre x e y.  A regressão será linear se observada uma tendência ou eixo linear na nuvem de pontos cartesianos.

O gráfico 1 mostra a “nuvem” de pontos definidos pelas coordenadas x e y de cada ponto. Esse gráfico é denominado “diagrama de dispersão”.Gráfico 1.

Disposição gráfica dos dados da Tabela 1.

O objetivo principal da análise de regressão é predizer o valor da variável dependente y, dado que seja conhecido o valor da variável independente x. A Análise de Regressão Linear ou Simples diz respeito à predição de y por uma única variável x.

Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável y com outra x. Quando a função f que relaciona duas variáveis é do tipo f (x) = a + b x, temos o modelo de regressão simples.

A equação de regressão é a fórmula algébrica, pela qual se determina y. A variável x é a variável independente da equação enquanto y = f (x) é a variável dependente das variações de x. O modelo de regressão é chamado de simples quando envolve uma relação causal entre duas variáveis.

Os modelos simples ou multivariados simulam relacionamentos entre as variáveis. Esse
relacionamento poderá ser do tipo linear (equação da reta ou do plano) ou não linear (equação
exponencial, geométrica etc.).  A análise de regressão compreende, portanto quatro tipos básicos
de modelos:

-  inear simples;
-  linear multivariado;
-  não linear simples;
-  não linear multivariado.

A Análise de Regressão Múltipla diz respeito à predição de y por mais de uma variável x (x1, x2, ...). Se a relação ente x e y for curvilínea, usam-se logaritmos para transformá-la em linear e aplicar a Análise de Regressão Linear. Para voltar à escala original, usa-se o antilogarítmo.

Na regressão linear, uma variável, denominada variável dependente, relaciona-se a uma
ou mais variáveis independentes por meio de uma equação linear. A localização precisa desta linha é determinada pelo Método dos Mínimos Quadrados (MMQ).

A reta de regressão que se obtém por meio do método dos mínimos quadrados é apenas uma aproximação da realidade.Duas medidas podem indicar o quanto útil ou aproximada da realidade é a reta:

- erro padrão da estimativa;

  - coeficiente de determinação

A figura 3 indica como uma linha de regressão linear está relacionada com os dados. Em
termos matemáticos, a linha de regressão minimiza o quadrado das diferenças com os dados reais.

Figura 3. Linha de regressão linear em relação aos dados reais


Nos modelos mais simples de regressão, a variável dependente é função de somente uma
variável independente e, portanto, a relação teórica é uma linha reta.

Na equação reta apresentada na figura 3, é importante destacar:

-  Y = variável dependente;
-  X = variável independente;
-  a = intersecção da linha no eixo Y;
-  b = inclinação da linha.

Três medidas comumente indicadas são o  coeficiente de correlação linear da amostra (r), o coeficiente de determinação linear da amostra (r2) e o erro-padrão da estimativa (syx).

O coeficiente de correlação linear da amostra (r) mede a direção e o valor da relação
entre a variável independente e a variável dependente.

O valor de r pode variar de -1,00 a +1,00. A figura 4 apresenta a interpretação para intervalos
de valores de coeficientes de correlação.

Figura 4. Valores de coeficiente de correlação linear e a respectiva interpretação.


Um coeficiente r de -1,00 significa que as diminuições de variável independente são sempre
acompanhadas por aumentos da variável dependente e vice versa.

Um valor nulo de r significa que não existe relação entre as variáveis. o valor de r estiver de +1,00, tanto melhor a linha de regressão se ajustará aos pontos.


coeficiente de correlação 0,00; significa que não existe
relação entre as variáveis.


O coeficiente de determinação linear da amostra (r2) mede o montante de variação da variável dependente em torno de sua média que é explicada pela linha de regressão.

O coeficiente de determinação é o quadrado do coeficiente de correlação, ou r2. O valor de r2 varia de 0 a 1,00.

As equações de regressão com um valor de r2 próximo de 1,00 são desejáveis,

Numa tentativa de aproximar uma reta dos pontos, obteve-se o coeficiente de correlação R² próximo de 0,5, o que indica não haver, provavelmente, uma correlação entre as duas propriedades.

Figura 10. Correlação entre eletrificação e incidência de trabalho infantil de menores da família nas propriedades rurais com culturas voltadas para a produção de alimentos



Procedendo-se à separação das variáveis de acordo com os critérios de produtos alimentares e de mão de obra abaixo de 14 anos, chega-se a um coeficiente de correlação R² = 0,72, que indica uma correlação significativa.

O erro padrão da estimativa (syx) mede a proximidade com que os valores da variável dependente distribuem-se em torno da linha de regressão. Embora essa medida seja similar ao desvio padrão da amostra, ela mede o desvio da variável dependente y em relação à linha de regressão, em vez de medir a média.Representa, portanto, o desvio padrão da diferença entre a demanda real e a estimativa
proporcionada pela equação de regressão. Ao determinar que variável independente incluir na
equação, deve-se escolher aquela com menor erro-padrão da estimativa.


Coeficiente de Correlação Linear


O coeficiente de correlação é calculado por meio da seguinte fórmula:
Onde cada termo da fórmula é explicado a seguir:


Onde cada termo da fórmula é explicado a seguir:

n = tamanho da amostra
x = variável dependente
y = variável independente
i = 1, ..., n.

Exemplo 1

Uma agência de turismo estudou a demanda de passagem em relação à variação do preço
de venda e obteve os valores da tabela 2.

Tabela 2. Dados de vendas de passagens versus preço.



Resolução

Partindo dos dados fornecidos que estão nas colunas (x) e (y), é necessário criar mais três
colunas:



Utilizando os dados fornecidos, devem ser calculadas as três novas colunas da seguinte maneira:
Tabela 3. Tabela de Cálculo do Exemplo 1.



niciando a transferência de dados da tabela para a fórmula, temos:


Concluindo a transferência dos dados e efetuando os cálculos, temos





Esse valor corresponde a uma correlação negativa moderada, ou seja, quando aumentar o
preço das passagens, cairá moderadamente a quantidade de passagens vendidas.

A gerente de marketing informa que no próximo mês a empresa gastará R$ 1,75 milhão em
propaganda do produto. Use a regressão linear para obter uma equação e uma previsão para
esse produto.

Resolução

Tabela 5. Tabela de Cálculo do Exemplo 2.

Cálculo do coeficiente de correlação linear (r)



O        coeficiente de determinação é de fácil obtenção quando já temos o valor de r. Basta elevar
o v       alor de r ao quadrado.

r2= 0,960

Equação da Reta (A) e (B)

O cálculo da equação da reta é necessário para traçar a reta que melhor indica uma tendência
pelos pontos de dispersão.

As fórmulas para a obtenção de (a) e (b) são:


Utilizando os dados do exemplo 3, vamos determinar os valores de (a) e (b). Iniciamos o
cálculo pela fórmula do (b)

Exemplo 3

A tabela 6 apresenta os dados de uma pesquisa na qual os valores (x) são os números de
vendedores que participam da equipe e vendas e (y) a quantidade de carros vendidos durante
os dez primeiros meses do ano.

Tabela 6. Vendedores versus quantidade de carros vendidos.


Coeficiente b

Substituindo os resultados parciais obtidos na tabela 6:
b = (10 x 112.455 – 270 x 3.800) / (10 x 8.302 – 2702) = 1,2270

Coeficiente a
Substituindo os resultados parciais obtidos na tabela 6:
a = (3.800 – 9,7381 x 270) / 10 = 117,07

Portanto, a equação da reta de regressão procurada é:
y = 117,07 + 9,74 x

Uma vez obtida a equação, é possível traçar a reta. A dica é utilizar os valores já existentes de
x e calcular os novos valores de y, para que seja possível demarcar os pontos no gráfico.

Tabela 7. Novos valores de y calculados utilizando a fórmula y = 117,07 + 9,74 x.



Erro Padrão da Estimativa
O erro padrão da estimativa, SEE, é o desvio padrão dosvalores previstos da variável dependente ao redor da linha de regressão estimada.A fórmula a ser utilizada é a seguinte:



O erro padrão da estimativa ajuda-nos a calibrar o “ajuste” da linha de regressão; isto é, quão
bem temos descrito a variação na variável dependente. 

Exemplo 4

Adotando os dados que constam na tabela 4, calcule o erro padrão da estimativa.

Tabela 4. Dados genéricos para o cálculo do erro padrão da estimativa.


A Linha de regressão estimada é

Cálculo dos resíduos que permitirão calcular o erro padrão. Substitua na equação os valores
de x e calcule o novo y, ou seja, ^y. Na sequência, calcule a diferença entre os dois valores de
y. O valor dessa diferença deve ser elevado ao quadrado (coluna e2). Essa sequência deve ser
feita linha a linha.


E no final da tabela, deve ser efetuada uma somatória desses erros e efetuado o cálculo do
valor médio.

Esse valor médio deve ser elevado a 0,5 ou ser extraída a sua raiz quadrada.




Quando o erro padrão da estimativa (a variabilidade dos dados ao redor da linha de regressão)
subir, a confiança se alarga.

Em outras palavras, quanto mais variáveis forem os dados, menos confiante você ficará
quando estiver usando o modelo de regressão para estimar o coeficiente.


REVISÃO DE EXERCÍCIOS


Atividades para gestão da demanda

Os métodos causais são usados quando dados históricos encontram-se
disponíveis e as relações entre esse fator a ser previsto e outros fatores
externos ou internos podem ser identificadas. Essas relações são expressas
em termos matemáticas e podem ser muito complexas.

O objetivo principal da analise de regressão é predizer o valor da variável
dependente Y, dado que seja conhecido o valor da variável independente X.

Dois tipos gerais de técnicas de previsão são adotados para projetar a
demanda: método qualitativo e método quantitativo. Os métodos quantitativos
incluem o método causais e a analise de serie temporais.

Na regressão linear, uma variável dependente relacionas-se a uma ou mais
variáveis independentes por meio de uma equação linear. A localização precisa
desta linha é determinada por qual método?

 R: MMQ - Método dos Mínimos Quadrados

Na equação reta apresentada é importante destacar quais intes?

R: Variável dependente, variável independente e Intersecção da linha no eixo Y

Os métodos quantitativo utilizam modelos matemáticos que se baseiam em
informações históricas de preços e de volume de vendas, períodos de
sazonalidade, dados obtidos de pesquisa de mercado externas e de projeções
internas. Os métodos qualitativos permitem que membros mais experientes da
equipe de vendas possam “ajustar” as avaliações das informações e inserir
valiosas informações dos clientes.

O planejamento de demanda do cliente é um planejamento de negócios que
permite que a equipe de vendas formule previsão de demanda que gerem
dados confiáveis para os processos de planejamentos de serviços,
planejamento da produção e estoque e planejamento da receita (e
consequentemente, a rentabilidade da empresa).

Planejamento é um processo lógico que descreve as atividades necessárias
para ir do ponto no qual nos encontamos ate o objetivo definido.

Predição é um processo para determinação de um acontecimento futuro
baseado em dados completamente subjetivos e sem uma metodologia de
trabalho claro.

Previsão é um processo metodologia para a determinação de dados futuros
baseados em modelos estatísticos, matemáticos ou econométricos ou ainda
em modelos subjetiva apoiados em uma metodologia de trabalho claro e
previamente definida.

A negociação serve para definir serve para definir como será feita a emissão do
pedido de compras ao fornecedor.

R: O pedido de compra é uma espécie de contrato formal entre a empresa e o
fornecedor, especificando as condições em que foi feito a negociação.
O pedido de compra tem a força de um contrato.
O comprador é o responsável por condições e especificações contidas no
pedido de compras.

A diretoria de suprimentos é hoje considerada um centro de lucro e não
simplesmente um centro de custo. E, sem duvidas, é também importante na
estratégia de produção das marcas da empresa perante os consumidores.

A administração de matérias visa a abastecer o sistema produtivo da empresa
com insumos que sejam necessários para a atividades. Quais são os requisitos
básicos para o abastecimento?

R: Qualidade de insumo, Quantidade de insumo e prazo de entrega.

O órgão de compras, antigamente denominado departamento de compras e
atualmente diretoria de suprimentos, constitui um elemento de ligação entre a
empresa e o seu ambiente externo. E responsável pelo suprimento dos
insumos necessários ao funcionamento do seu sistema produtivo.

Exercícios complementares gestão da demanda

O método qualitativo no qual se preocupa comprar o lançamento de um
produto como de produtos similares lançados anteriormente é denominado:

R: Método da analogia histórica.

A previsão de consumo ou da demanda estabelece as estimativas futuras do
consumidos, quai quanto e quando os bens e serviços serão solicitados pelos
clientes. A teoria que esta pautada na previsão do consumo dos produtos
acabados e na prestação de serviços realizados é denominada:

R: Teoria de estoque.

Os métodos de previsão da demanda que utilizam informações históricas
relacionado somente a variável. Baseiam na hipótese de que o padrão anterior
da varial dependente continuara no futuro, são denominados:

R: Método serie temporais

Padrões sazonais são alterações regularmente repetitivas nas medidas da
demanda e intervalo inferior a um ano. Esse intervalo é denominado:

R: Período sazonal

O processo de gestão com objetivo de prever o que, quanto, quando e onde o
consumidor vai consumir, com o objetivo de realizar previsão de recursos e
preparação da equipe interna e empresas parceira envolvidas é a definição de:

R: Planejamento da demanda do cliente.

Os métodos de previsão que privilegiam principalmente dados subjetivos,
estabelecendo cenários ou paralelismo com situações semelhantes são
denominados.

R: Método quantitativo

Não basta ser louco, tem que ser Engenheiro.























às
Marcadores: