Previso de Demanda

Passos para a obteno de um modelo de demanda

Introduo
As previses so usadas pelo PCP em dois momentos distintos: para planejar o
sistema produtivo e para planejar o uso deste sistema produtivo. No primeiro caso,
previses agregadas de longo prazo so usadas para elaborar estrategicamente o plano
de produo, definindo que famlia de produtos e servios oferecer ao mercado, de que
instalaes e equipamentos dispor, em que nvel de atividade trabalhar, que qualificao
da mo-de-obra buscar etc. No segundo caso, previses detalhadas de mdio e curto
prazo so empregadas para o planejamento-mestre e programao da produo no
sentido de utilizar os recursos disponveis, envolvendo a definio de planos de
produo e armazenagem, planos de cargas de mo-de-obra e seqenciamento da
produo.
A nica coisa que se pode garantir de que o valor previsto ser sempre uma
aproximao do valor real. Porm, quanto mais apurada a tcnica empregada, melhor a
base em cima da qual o planejador decidir. A avaliao do erro de previso servir de
base para o estabelecimento dos estoques de segurana do sistema, assim como para a
atualizao dos parmetros do modelo de previso.

Etapas de um modelo de previso








O objetivo;
A coleta e anlise dos dados;
A seleo da tcnica de previso;
A obteno das previses;
O monitoramento do modelo.
Objetivo do modelo
Coleta e anlise dos dados
Seleo de tcnica de previso
Obteno das previses
Monitorao do modelo
A primeira etapa consiste em definir a razo pela qual se necessita previses.
Que produto ser previsto, com que grau de acuracidade e detalhe a previso trabalhar,
e que recursos estaro disponveis para esta previso.
Definido o objetivo do modelo de previso, o passo seguinte consiste em coletar
e analisar os dados histricos do produto, no sentido de identificar e desenvolver a
tcnica de previso que melhor se adapte. Alguns cuidados bsicos devem ser tomados
na coleta e anlise dos dados, entre eles os seguintes:
Quanto mais dados histricos forem coletados e analisados, mais confivel a
tcnica de previso ser;
Os dados devem buscar a caracterizao da demanda pelos produtos da
empresa, que no necessariamente igual s vendas passadas, pois pode ter
ocorrido falta de produtos, postergando as entregas ou deixando de atend-
las;
Variaes extraordinrias da demanda, decorrentes de promoes especiais,
por exemplo, devem ser analisadas e substitudas por valores mdios,
compatveis com o comportamento normal da demanda;
O tamanho do perodo de consolidao dos dados tem influncia direta na
escolha da tcnica de previso mais adequada, assim como na anlise das
variaes extraordinrias.

Uma vez coletados e analisados os dados passados, pode-se decidir pela tcnica de
previso mais apropriada. De maneira geral, existem tcnicas qualitativas e
quantitativas.
Ao se optar por alguma destas tcnicas, deve-se ponderar uma srie de fatores,
principalmente custo e acuricidade. Tcnicas que levam a uma acuracidade maior so,
normalmente, mais caras na elaborao. Deve-se avaliar quanto que se est disposto a
gastar no modelo de previso e quanto custa o erro decorrente de uma previso
inadequada. Com base nesta curva de troca custo-acuricidade, deve-se decidir. Nem
sempre o modelo mais caro, ou mais acurado, o indicado. Normalmente, para questes
estratgicas se est disposto a gastar mais (com tcnicas qualitativas, por exemplo) e
correr menores riscos, enquanto que para questes operacionais a situao a inversa.
Outros fatores que merecem destaque na escolha da tcnica de previso so:
Disponibilidade de dados histricos;
Experincia passada com a aplicao de determinada tcnica;
Disponibilidade de tempo para coletar, analisar e preparar os dados e a
previso;
Perodo de planejamento para o qual se necessita da previso.

Com a definio da tcnica de previso e a aplicao dos dados passados para
obteno dos parmetros necessrios, podem-se obter as projees futuras da demanda.
Quanto maior for o horizonte pretendido, menor a confiabilidade na demanda prevista.
medida que as previses forem sendo alcanadas pela demanda real, deve-se
monitorara extenso do erro entre a demanda real e a prevista para verificar se a tcnica
e os parmetros empregados ainda so vlidos.

Tcnicas de previso
Caractersticas gerais que normalmente esto presentes em todas as tcnicas de
previso, que so:
Supe-se que as causas que influenciaram a demanda passada continuaro a agir
no futuro;
As previses no so perfeitas, pois no se capaz de prever todas as variaes
aleatrias que ocorrero;
A acuracidade das previses diminui com o aumento do perodo de tempo
auscultado;
A previso para grupos de produtos mais precisa do que para os produtos
individualmente, visto que no grupo os erros individuais de previso se
minimizam.

As tcnicas de previso podem ser subdivididas em dois grandes grupos: as tcnicas
qualitativas e as quantitativas. As tcnicas qualitativas privilegiam principalmente dados
subjetivos, os quais so difceis de representar numericamente. J as tcnicas
quantitativas envolvem a anlise numrica dos dados passados, isentando-se de opinies
pessoais ou palpites.
As tcnicas quantitativas esto baseadas na opinio e no julgamento de pessoas-
chave, especialistas nos produtos ou nos mercados onde atuam estes produtos. As
previses baseadas em opinies e julgamentos de especialistas so empregadas, em
conjunto com previses quantitativas, quando tratar-se de questes estratgicas para a
empresa, pois no seria conveniente decidir os rumos da empresa apenas em cima de
dados provenientes de um modelo matemtico.
Por outro lado, as tcnicas quantitativas consistem em analisar os dados passados
objetivamente, empregando-se modelos matemticos para projetar a demanda futura. As
tcnicas quantitativas, por sua vez, podem ser subdivididas em dois grandes grupos: as
tcnicas baseadas em sries temporais, e as tcnicas baseadas em correlaes.
As tcnicas baseadas em sries temporais procuram modelar matematicamente a
demanda futura relacionando os dados histricos do prprio produto com o tempo,
enquanto as tcnicas baseadas em correlaes procuram associar os dados histricos do
produto com uma, ou mais, variveis que tenham alguma relao com a demanda do
produto.

Previses baseadas em sries temporais
As previses baseadas em sries temporais partem do princpio de que a
demanda futura ser uma projeo dos seus valores passados, no sofrendo influncia
de outras variveis. Para se montar o modelo de previso, necessrio plotar os dados
passados e identificar os fatores que esto por trs das caractersticas da curva obtida.
Uma curva temporal de previso pode conter tendncia, sazonalidade, variaes
irregulares e variaes randmicas.
A tendncia consiste num movimento gradual de longo prazo, direcionando os
dados
A sazonalidade refere-se a variaes cclicas de curto prazo, relacionadas ao
fator tempo, como a influncia de alteraes climticas ou frias escolares.
J as variaes irregulares so alteraes nas demandas passadas resultantes de
fatores excepcionais.
As variaes aleatrias, ou normais, so tratadas pela mdia.


Tcnicas para previso da mdia
Normalmente, dados histricos contm componentes randmicos, ou interferncias,
que obscurecem a previso exata da demanda. As causas que levam a essas variaes
randmicas so de difcil determinao e a completa remoo destas influncias no
vivel. Desta forma, incorporam-se essas variaes no modelo e empregam-se tcnicas
de previso baseadas na mdia para tratar tais situaes. Essas tcnicas fazem com que
valores historicamente baixos e valores historicamente altos se combinem, gerando uma
previso mdia com menor variabilidade do que os dados originais.
As tcnicas de previso da mdia procuram privilegiar os dados mais recentes da
srie histrica, que normalmente representam melhor a situao atual. Essas tcnicas
funcionam bem quando os dados histricos variam em torno de uma mdia, porm
ainda podem ser usadas quando existem pequenas variaes graduais, ou em patamares,
no nvel dos dados.
Mdia mvel
A mdia mvel usa dados de um nmero predeterminado de perodos,
normalmente os mais recentes, para gerar sua previso. A cada novo perodo de
previso se substitui o dado mais antigo pelo mais recente.

( )
A princpio, a mdia mvel com trs perodos possui menor valor de erro
acumulado e seus erros esto dentro da faixa de controle +- 4 MAD (Mean
Absolute Deviation).
Recomenda-se o uso da mdia mvel em situaes nas quais a demanda
apresenta comportamento estvel e o produto no muito relevante.

Mdia exponencial mvel
Na mdia exponencial mvel, o peso de cada observao decresce no tempo
em progresso geomtrica, ou de forma exponencial. Em sua forma de
apresentao mais simples, cada nova previso obtida com base na previso
anterior, corrigido por um coeficiente de ponderao.

O coeficiente de ponderao () fixado pelo analista dentro de uma faixa
que varia de 0 a 1. Quanto maior seu valor, mais rapidamente o modelo de
previso reagir a uma variao real da demanda. Se o valor de for muito
grande, as previses ficaro muito sujeitas s variaes aleatrias da demanda.
Se, ao contrrio, o valor de for muito pequeno, as previses podero ficar
defasadas da demanda real. Os valores normalmente usados para variam de
0,05 a 0,50. Os pacotes computacionais que trabalham com estes modelos
incluem simulaes para ajustar o nvel de de maneira a reduzir o erro de
previso.