PREVISÃO E PROGRAMAÇÃO DA DISTRIBUIÇÃO

PREVISÃO DE DEMANDA

Demanda é a soma das diferentes necessidades dos diferentes consumidores (usuários ou demandantes).

DEMANDAS Desejos por produtos específicos, respaldados pela

habilidade e disposição de compra (KOTLER, 1998).

DESEJOS Se tornam demanda quando apoiados pelo poder de compra.

EMPRESAS devem mensurar

Quantas pessoas desejam seu produto

Quantas estão dispostas e habilitadas a comprá-lo

TIPOS DE DEMANDA

PASSADO ATUAL FUTURO TEMPO

CICLICIDADE

DEMANDAPREVISTA

SAZONALIDADE

TENDÊNCIADEMANDA

REAL

ETAPAS DE UM MODELO DE PREVISÃO

OBJETIVO DO MODELO

COLETA E ANÁLISE DOS DADOS

SELEÇÃO DA TÉCNICA DE PREVISÃO

OBTENÇÃO DAS PREVISÕES

MONITORAÇÃO

MÉTODOS DE PREVISÃO DE DEMANDA

QUANTITATIVOS

QUALITATIVOS

Séries Temporais – modelo matemático da demanda futura relacionando dados históricos de vendas do produto com o tempoCausais – associar dados históricos de vendas do produto com uma ou mais variáveis relacionadas à demanda

Pouco tempo para coleta de dados, introdução de novos produtos, cenário político/econômico instávelQuestões estratégicas – em conjunto com modelos matemáticos e técnicas quantitativas

DESCRIÇÃO ABORDAGEM QUALITATIVA ABORDAGEM QUANTITATIVA

Aplicabilidade Utilizada quando a situação é vaga e existem poucas informações (por exemplo, novos produtos e tecnologias)

Utilizada quando a situação é estável e há histórico de informações (por exemplo, produtos existentes, tecnologia corrente)

Considerações Envolve intuição e experiência Envolve técnicas matemáticas

Técnicas Júri de opinião executiva Composto por força de vendas Método Delphi Pesquisa de mercado consumidor

Modelos de séries temporais Modelos causais

TÉCNICAS CAUSAIS

Baseadas na premissa de que as mesmas leis de dependência entre variáveis explicativas e a demanda permanecerá no futuro.

Buscam estabelecer uma função matemática, correlacionando a demanda com uma série de variáveis independentes (VI’s), e utilizam esta função para gerar novas previsões.

Pressupõe que a previsão de demanda seja amplamente correlacionada com alguns fatores conjunturais (situação econômica, taxa de juros etc.).

Faz-se uma previsão dos fatores conjunturais relacionados à demanda para prevê-la.

Com esse método, é possível determinar o impacto na demanda em razão de uma promoção.

MÉTODOS QUANTITATIVOS DE PREVISÃO DE DEMANDA

O objetivo encontrar uma equação linear de previsão, do tipo Y = a + bX (onde Y é a variável dependente a ser prevista e X a variável independente da previsão), de forma que a soma dos quadrados dos erros de previsão (b) seja a mínima possível. Este método também é conhecido como “regressão dos mínimos quadrados”.

Regressão linear simples

Y = Variável Dependente;a = Intercepto no eixo dos Y;b = Coeficiente angular;X = variável Independente;n = número de períodos observados.

Y a bX

bn XY X Y

n X X

2 2

a

Y b X

n

2 0

Y = a + b XY

X

EXEMPLO REGRESSÃO LINEAR

Semana(X) Demanda(Y) X X2 XY

1 450 1 1 4502 430 3 5 8603 470 6 14 14104 480 10 30 19205 450 15 55 22506 500 21 91 30007 520 28 140 36408 530 36 204 4240

3830 17770

b

8 17770 36 3830

8 204 36 36

4280

33612 73,

a

3830 12 73 36

8421 46

,,

Y = 421,46 + 12,73 X

EXERCÍCIO

Uma cadeia de fastfood verificou que as vendas mensais de refeições em suas casas estão relacionadas ao número de alunos matriculados em

escolas situadas num raio de 2 quilômetros em torno da casa. A empresa pretende instalar uma nova casa numa região onde o número de alunos é

de 13750. Qual a previsão da demanda para esta nova casa?

bn XY X Y

n X X

2 2

=

13522486 14310450

131663 143102

, , ,71

,37 ,2,99

aYb X

n

= 450 2 14310

13

,71 ,99 , 1,757

Y 1757 299 1375 42869, , , , ou seja 42869 refeições

Vendas Mensais em Lojas de uma Cadeia de Fastfood

SÉRIES TEMPORAIS

Baseadas em padrões históricos, e nas alterações destes padrões para gerar as previsões.

São usada para identificar:• variações sistemáticas resultantes de fatores sazonais, •padrões cíclicos, • tendências • faixas de variações destas tendências.

As técnicas baseadas em séries temporais propõem que o futuro será muito próximo do passado.

COMPONENTES DE UMA SÉRIE TEMPORAL

Tendência (Tt) - Orientação de longo prazo, passível de ser descrita por uma curva básica.Ciclo (Ct) - Flutuação não-periódica, com repercussões no médio prazo, habitualmenteatribuível aos ciclos econômicosSazonalidade (St) - Oscilação periódica, sentida no curto prazo, associada a divisõessignificativas do tempo (ano, mês, semana ou dia)Erro / Resíduo (Rt) -Variação aleatória, não explicada.

Partem do princípio de que a demanda futura será uma projeção dos seus valores passados, não sofrendo influência de outras variáveis.

É o método mais simples e usual de previsão, e quando bem elaborado oferece bons resultados.

Para se montar o modelo de previsão, é necessário plotar os dados passados e identificar os fatores que estão por trás das características da curva obtida (Previsão final = composição dos fatores).

Uma curva temporal de previsão pode conter tendência, sazonalidade, variações irregulares e variações randômicas (há técnicas para tratar cada um destes aspectos).

0

10

20

30

40

50

60

Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.

Dem

and

a

Variação irregular

Sazonalidade Tendência

Variação randônica

Modelo Fixo

Modelo Aberto

SÉRIES TEMPORAIS

ST DE MODELO FIXO Apresentam equações definidas baseadas em avaliações a priori da

existência de determinadas componentes nos dados históricos (Mais simples,

séries históricas não muito grandes)

ST DE MODELO ABERTO Analisam as ST de modo a

identificar quais componentes realmente

estão presentes, para então criar um modelo único que projete tais componentes,

prevendo os valores futuros (Mais elaboradas, maior quantidade de dados).

PREVISÃO DA MÉDIA

Média móvelMédia móvel: usa dados de um número predeterminado de períodos para gerar sua previsão

Média exponencial móvel:Média exponencial móvel: o peso de cada observação decresce no tempo em progressão geométrica, ou de forma exponencial

2.000

2.500

3.000

3.500

4.000

4.500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Períodos (meses)

De

ma

nd

a (

kg)

MÉDIA MÓVEL SIMPLES

MÉDIA MÓVEL PONDERADA

Não é indicada quando há Tendência ou Sazonalidade

Média Simples

Média aritmética simples de todas as vendas passadas:

n

RP

n

tt

t

11

tR

P t+1 Previsão para o próximo período;

R t Valor real observado no período t;

n Número de períodos no histórico de vendas passadas

Utilizado quando a demanda não apresenta tendência ou sazonalidade

Modelo de Média Móvel

n

DMm

n

ii

n

1

Mmn = média móvel de n períodos;Di = demanda ocorrida no período i;n = número de períodos;i = índice do período (i= 1,2,3,...)

n

DMm

n

ii

n

1

Cada nova previsão é obtida com base na previsão anterior, acrescida do erro cometido na previsão anterior, corrigido por um coeficiente de ponderação α.

Modelo de Média Exponencial Móvel

Mt= previsão para o período t;Mt-1 = previsão para o período t-1 = coeficiente de ponderaçãoDt-1 = demanda para o período t-1

0 < = = < 1

111 tttt MDMM

Quanto maior o , mais sensível à variação real de demanda =1, previsões sujeitas a variações aleatorias

Quanto menor o , previsões defasadas da demanda realValores típicos: entre 0,05 e 0,5

Trata demandas médias e acompanha pequenos movimentos de tendência.

2.000

2.500

3.000

3.500

4.000

4.500

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Períodos (meses)

De

ma

nd

a (

kg)

D.Real M 0,10 M 0,50 M 0,80

Exemplo da adoção de coeficientes = 0,10

= 0,50

= 0,80 111 tttt MDMM

111 tttt MDMM

2561,032624 M

326230061,032624 M

6,2532624 M

32364 M

Utilizado para séries que apresentam tendência.

Amortecimento Exponencial Duplo (Método de Holt)

Trata demandas médias e acompanha pequenos movimentos de tendência.

ttpt

tttt

tttt

pTNP

TNNT

TNRN

11

11

)1()(

))(1(

Nt: Componente nível (valor sem

tendência)

Tt: Componente tendência

ß: Coeficiente de amortecimento para a estimativa da tendência

– 0 ß 1

α: Coeficiente de amortecimento

– 0 α 1

Adequado para previsão de séries que apresentam tendências e sazonalidades

Amortecimento Exponencial Triplo (Método de Winter)

ctt

tt S

N

RS

)1(

t

t

N

R : ajuste sazonal calculado para o período t

St - c: ajuste sazonal calculado c períodos atrás. Para previsão mensal (semanal) e sazonalidade ao longo do ano (mês), usa-se c = 12 (4).

St : Componente sazonalỵ: : Coeficiente de amortecimento para a estimativa da sazonalidade0 ỵ 1.

11 )1()( tttt TNNT CALCULO DA TENDÊNCIA

CÁLCULO DO NÍVEL CONSIDERANDO O AJUSTE SAZONAL

))(1( 11

tt

ct

tt TN

S

RN

PREVISÃOpctttpt SpTNP )(

EXERCÍCIOS

1. A RenTV ltda. É uma empresa operando no ramo de aluguel de TV, videocassete e aparelhos de som. A organização mantém uma equipe permanente de manutenção, dado que consta em contrato que aparelhos com problemas serão inicialmente vistoriados por um técnico na casa do cliente. Se for impossível o conserto imediato, o aparelho será então substituído por outro num prazo máximo de 24 horas. Como parte da equipe de manutenção deve ser alocada a serviços internos de reparos, a RenTV deseja uma previsão semanal do número de chamadas de clientes, para que a escala de trabalho possa ser feita na 2ª feira de manhã. Todas as chamadas são anotadas. Os registros das 10 últimas semanas estão dados a seguir:

SEMANA 1 2 3 4 5 6 7 8 9 10

CHAMADAS 13 10 10 25 8 17 12 15 12 20

Preparar uma previsão do número de chamadas na semana 11:utilizando MMS com n = 4utilizando MMP com n = 4 e pesos 1; 2; 3; 4 para as 4 semanas mais recentes (o

peso 4 corresponde à mais recente, o peso 3 à segunda mais recente e assim por diante).

EXERCÍCIOS

2) dada demanda real de 15 meses, calcule a demanda futura (próximos 12 meses), utilizando o método da média Móvel.

3) Utilize os mesmos dados para calcular a demanda dos próximos meses, utilizando o método da média móvel ponderada. Pesos: (n-3)= 0.1, (n-2)= 0.2, (n-1)=0.3, (n)=0.5;

4) Utilize os mesmos dados para calcular a demanda dos próximos meses, utilizando o método mínimos quadrados

MÉTODOS QUALITATIVOS DE PREVISÃO DE DEMANDA

Método qualitativo Descrição

Júri de opinião executiva As opiniões de um pequeno grupo de gestores de alto nível são conciliadas e, juntas, estimam a demanda. O grupo utiliza suas experiências de gerenciamento e, em alguns casos, combinam os resultados dos modelos estatísticos.

Estimativa da força de vendas

É solicitado que os vendedores (por exemplo, para uma cobertura territorial) projetem suas vendas. Porque o vendedor é a pessoa mais próxima do mercado, ele sabe o que o cliente deseja. Essas projeções são então combinadas municipal, rural e regionalmente.

Método Delphi Defini-se um grupo de especialistas como: tomador de decisões, funcionário comum ou especialista do setor, sendo que cada um deles poderá , individualmente, fornecer seu parecer sobre a demanda. Um processo repetitivo é conduzido até que os especialistas cheguem a um consenso.

Pesquisa de mercado consumidor

Pergunta-se aos clientes quais são seus planos de compra e seus comportamentos planejados de compra. Um grande número de entrevistados é necessário para que seja possível generalizar certos resultados.

TÉCNICA DELPHI

Reunião de um grupo de pessoas que devem opinar sobre um certo assunto, dentro de regras determinadas para a coleta e a depuração das opiniões.

Envolvem geralmente situações de longo prazo, onde os dados são escassos ou mesmo inexistentes, sendo o julgamento pessoal uma das poucas alternativas abertas à previsão.

O çomitê Delphi é formado inicialmente com as pessoas que participarão do processo; esses participantes, evidentemente, são especialistas no assunto em pauta e/ou em assuntos correlatos.

Para que uma personalidade não se sobreponha à outra, as opiniões são expressas independentemente

TÉCNICA DELPHI

Características: anonimato, realimentação controlada das informações, quantificação das respostas (escala numérica), resposta estatística (pode não haver consenso)

Processo: 1o. Passo – Coordenador elabora Questionário 2o. Passo - Grupo responde Questionário (escala numérica)3o. Passo – Coordenador confere coerência das respostas, altera

questões (se necessário), processa análise estatística, sistematiza os argumentos manifestados

4o. Passo – Grupo responde novo Questionário (com as informações da análise estatística e dos argumentos), respostas discrepantes com relação à Média devem ser justificados

5o.Passo – Coordenador verifica se não houve variações significativas (Fim - Relatório), caso contrário retornar ao Passo 2.

TÉCNICA DELPHI

Ótimo método para lidar com aspectos inesperados de um problema

Previsões com carência de dados históricos

Interesse pessoal dos participantes

Minimiza pressões psicológicas

Não exige presença física

VANTAGENS DA TÉCNICA

DELPHI

Processo lento, média de 6 meses

Dependência dos participantes

Dificuldade de redigir o questionário

Possibilidade de consenso forçado

DESVANTAGENS DA TÉCNICA

DELPHI

Disponibilidade de dados, tempo e recursos

Determinação do horizonte de previsão

Capacidade para interpretar os dados

FATORES IMPORTANTES PARA A

PREVISÃO

Fatores que podem influenciar a

escolha do modelo adequado de

demanda

A existência de histórico da demanda passada

Planejamento das campanhas publicitárias

Localização física das instalações

Conjuntura econômica

Planejamento de descontos e preços

Ações dos concorrentes

METODOLOGIAS DE SELEÇÃO DE MODELO

SELEÇÃO A PRIORI

SELEÇÃO PELA PRECISÃO

n

PRMAD

t

n

tt ||

1

tR

tP

Mean Absolute Deviation (MAD)

n

Evita o problema de um erro negativo cancelar o positivo

Onde: Valores reais de venda

Valores Previstos

Número de períodos de previsão

SELEÇÃO PELA PRECISÃO

tR

tP

Mean Percentual Error (MPE)

n

Onde: Valores reais de venda

Valores Previstos

Número de períodos de previsão

n

R

PR

MPE

n

t t

tt

1

)(

Mede se os valores previstos estão sistematicamente acima ou abaixo das vendas reais:

Se o valor de MPE for positivo, tem-se que a previsão está freqüentemente abaixo da venda real;

Se o valor de MPE for negativo, tem-se que a previsão está freqüentemente acima da venda real.

SELEÇÃO PELA PRECISÃO

tR

tP

Mean Absolute Percentual Error (MAPE)

n

Onde: Valores reais de venda

Valores Previstos

Número de períodos de previsão

Avalia a magnitude do erro com relação à serie histórica

n

R

PR

MAPE

n

t t

tt

1

||

SELEÇÃO PELA PRECISÃO

tR

tP

(Rooted) Mean Squared Error -

(R )MSE

n

Onde: Valores reais de venda

Valores Previstos

Número de períodos de previsão

Os grandes erros se destacam devido ao cálculo da média ao quadrado Mas os erros outliers receberão grande significância (deveriam ser desconsiderados)MSE : erros avaliados na unidade ao quadradoRMSE – Raiz quadrada do MSE

n

t

tt

n

PRRMSE

1

2)(

SISTEMA LOGÍSTICO GLOBAL

O sistema logístico global é muito complexo. Para que o produto chegue ao cliente no local em que ele está, no momento que ele deseja e no

preço que ele acha que o produto vale, todas as atividades devem ser planejadas, projetadas, executadas e coordenadas de forma otimizada.

1) Melhoria do serviço2) Redução do capital empatado3) Redução do custo operacional

SISTEMA LOGÍSTICO

OBJETIVOS QUE DEVEM SER CONSIDERADOS

Aspectos de natureza espacial

Aspectos de natureza temporal

Problemas de configuração de redes

O aspecto espacial, ou geográfico refere-se à localização dessas instalações e aos fluxos entre pontos, de forma a minimizar os custos relacionados ao atendimento da demanda. O aspecto temporal refere-se à disponibilidade dos produtossolicitados pelos clientes, no prazo adequado, considerando o tempo de ciclo do pedido e o prazo de atendimento esperado.

Elementos de Análise e Projeto de uma Rede Logística

Variáveis Relevantes na Modelagem de Redes

Etapas de um projeto de redes logísticas