Académique Documents
Professionnel Documents
Culture Documents
1. Introduo................................................................................... 1
1.1 Porque as Empresas e os Funcionrios Desconam dos
Mtodos de Previso .......................................................... 6
1.2 A Previso e a Discrepncia do Valor Observado .............. 9
1.3 Medindo a Qualidade da Previso Variabilidade ........... 10
1.3.1 Exemplo: a Variabilidade de Vendas ........................ 10
1.3.2 Quais so as Principais Caractersticas de uma
Previso Bem Feita?................................................. 12
1.4 Planejamento e Previso Oramentos, Alvos
e Previses .......................................................................... 15
1.5 Concluses ......................................................................... 16
1.6 Glossrio............................................................................. 17
1.7 Exerccios ........................................................................... 18
1.8 Respostas ............................................................................ 21
1.9 Referncias ......................................................................... 25
1. Introduo
A
MONTAGEM DO PLANO mestre de produo de responsabili-
dade de vrios tcnicos, engenheiros e gerentes da fbrica.
Consome uma grande parte dos recursos e do tempo. Ela
pode e deve chegar aos detalhes minuciosos de quanto, como e
quando produzir. Paradoxalmente, o plano mestre, que deve co-
mear com a melhor previso possvel da capacidade do mercado
em absorver a produo, raramente comea assim na indstria
brasileira. Para melhorar o desempenho nanceiro da empresa,
necessrio investigar a maneira que a previso da demanda
construda dentro dos procedimentos e responsveis da empresa?
Vem de uma estrutural formal, de processos controlados e moni-
torados, de funcionrios treinados para isso? Infeliz e certamente
este no o caso brasileiro. Ainda mais rara a utilizao de
tcnicas de previso na rea de planejamento de manuteno pre-
ventiva da fbrica, ou para a previso da demanda por recursos
humanos, entre muitas outras reas da atuao empresarial.
1
Pelo menos trs revistas internacionais da rea de previso se destacam:
The International Journal of Business Forecasting, The International Jour-
nal of Forecasting, and Foresight. O site do International Institute of Fore-
casters (www.forecasters.org/) tambm merece ateno dos interessados.
2
Veja os exerccios deste captulo.
3
Este livro no tem como objetivo entrar nas discusses sobre a deman-
da por bens e servios novos a serem lanados no mercado. Esse tpico
ser assunto de outro livro.
4
No prximo captulo vamos identicar alguns conceitos da rea de quali-
dade que, utilizados no processo de previso e que contribuem para maior
acurcia nas previses. Walter Shewhart, fsico e estatstico que inovou ao
aplicar estatstica na linha de produo na dcada de 30 nos Estados Unidos,
considerado o mentor dos conceitos desenvolvidos por Deming e Juran.
5
O desvio padro a medida mais utilizada nas engenharias para expressar
variabilidade. A segunda empresa tem variabilidade em torno de trs vezes
maior que a primeira (25,4/7,7 = 3,34).
mente, devem ser nulas, ou seja, iguais a zero. Imagine uma srie
de cem previses perfeitas com todas as discrepncias iguais a
zero, situao essa, que nunca se encontrar na vida real, mas que
serve de ponto de referncia.
Uma forma grca de demonstrar os valores das discrepn-
cias atravs de um histograma. O histograma tem duas dimen-
ses: no eixo horizontal est o valor da discrepncia e no eixo
vertical, quantas vezes esse valor aparece.6 Veja a gura 1.3 onde
colocada a situao muito pouco provvel de se ter cem previ-
ses que acertaram o valor a ser observado no futuro, gerando
uma discrepncia igual a zero.
6
O eixo horizontal pode ser denido em termos de classes de valores quan-
do o histograma composto de muitos valores, por exemplo, cem, duzentos
ou mais. A amplitude das classes deve ser igual para todas as classes. Veja
os exemplos nos exerccios do nal deste captulo.
1.5 Concluses
Neste captulo, foi visto um pouco dos conceitos mais impor-
tantes da rea de previso empresarial. No prximo captulo, ar-
1.6 Glossrio
Discrepncia de previso o erro cometido na tentativa de prever
algum valor futuro. Especicamente a diferena entre o
valor previsto e o valor observado.
1.7 Exerccios
1.7.1 Ms a ms, as seguintes previses para uma empresa que
vende calha para telhados foram feitas durante o ano de 2006, e
os valores das vendas observados:
Venda de calhas
Discrepncia
Metros de calha Metros de calha
Ms de 2006 Previsto-
previstos observados
observado
jan 2500 2411
fev 2650 2545
mar 2780 2788
abr 3020 2875
maio 3120 3106
junho 3320 3215
julho 3520 3599
ago 3700 3611
set 3870 3800
out 4030 4133
nov 5010 5122
dez 5560 5767
Calcular as discrepncias.
1.8 Respostas
1.7.1 Resposta: As doze discrepncias (diferena entre o valor
previsto e o observado) so:
Discrepncias
Ms de 2006 Discrepncia
Jan 89
Fev 105
Mar -8
Abr 145
Mai 14
Jun 105
Jul -79
Ago 89
Set 70
Out -103
Nov -112
Dez -207
1.7.2 Resposta:
7
O objetivo deste livro mostrar vrios mtodos consagrados para previ-
so empresarial. Tendncias na srie e sazonalidade podem ser quantica-
das, algoritmos automticos podem ser montados para gerar previses que
reitam essas caractersticas. Nas prximas pginas sero encontrados os
mtodos e nas planilhas, a aplicao simplicada.
1.9 Referncias8
CORVALO, E. D. Previso da arrecadao do imposto sobre
circulao de mercadorias e servios em Santa Catarina:
aplicao da abordagem geral para especco em modelos
dinmicos. Dissertao em Engenharia de Produo da Uni-
versidade Federal de Santa Catarina. Florianpolis, 2002.
Foresight: The International Journal of Applied Forecasting.
Publicao do International Institute of Forecasters
HANKE, J.E., REITSCH, A.G. e WICHERN, D.W. Business
Forecasting. New Jersey. Prentice Hall, 2001.
The International Journal of Business Forecasting, Interscience
Publishers.
The International Journal of Forecasting, Publicao Ocial do
International Institute of Forecasters.
LOPES, R. D. Previso de Autopeas: estudo de caso em uma
concessionria de veculos. 107f. Dissertao em Engenha-
ria de Produo da Universidade Federal de Santa Catarina.
Florianopolis. 2002.
MAKRIDAKIS, S., WHEELWRIGHT, S.C. e HYNDMAN, R.J.
Forecasting: Methods and Applications, 3rd edition. New
York. John Willey & Sons, 1998.
SAMOHYL, R. W., Measuring the Efciency of an Informal Fo-
recasting Process. Foresight: The International Journal of
Applied Forecasting, Colchester, n3, pp.16-21, Fevereiro
2006. Verso em portugus: www.qualimetria.ufsc.br
SOUZA, G. P. Previso do consumo industrial de energia eltrica
no estado de Santa Catarina: uma aplicao da combinao
de previses. Dissertao em Engenharia de Produo da Uni-
versidade Federal de Santa Catarina. Florianpolis, 2005.
8
As teses e dissertaes mencionadas aqui esto disponveis em www.qua-
limetria.ufsc.br
O
OBJETIVO DESTE CAPTULO discursar sobre a gesto do pro-
cesso de previso empresarial. As tcnicas de previso qua-
litativas e quantitativas que sero apresentadas nos captu-
los subseqentes esto disponveis tambm no site http://www.
qualimetria.ufsc.br/.
1
Na seo 2.3 deste captulo, vamos apresentar um uxograma do processo
de previso em certa empresa. Um exemplo simplicado, porm atual.
2
Na mitologia grega, o lugar pra onde vai tudo que foi esquecido.
3
Veja a url: http://www.forecastingprinciples.com/benchmarkerrors.html
#Sales%20forecasting. Aqui possvel encontrar benchmarks para vrias
indstrias no tocante preciso das previses de vendas.
4
Veja Samohyl, 2005.
1 n 1 n
DM = t n
n t=1
e =
t=1
(Pt O t ) 0 (2.1)
ago
mai
nov
dez
abr
out
jan
fev
jun
set
jul
da previso
Ms feito a
previso
dez 10
jan 21
fev 32
mar 10
abr 0
maio 5
jun 6
jul 60
ago 13
set 11
out -21
nov 0
DM = 12,25
DAM = 15,75
DQM = 504,75
RQDQM = 22,5
1 n et
DPAM =
n t = 1 Ot
(2.5)
Discrepncia n n
absoluta
mdia
DAM DAM =
1
n
t=1
et =
1
n P -O
t=1
t t
Incomparvel
entre produtos
Intuitivo
2
Discrepncia n n Fcil
quadrada
mdia
DQM DQM =
1
n
t=1
e 2t =
1
n (Pt - Ot )
t=1
Incomparvel
entre produtos
manipulao
matemtica
Discrepncia n Comparvel
percentual 1 Pt - O t Sem denio
DPAM DPAM = entre produtos
absoluta n Ot para Ot = 0
t=1 e tcnicas
mdia
5
H um grande debate tanto acadmico, quanto prtico, sobre se os concei-
tos de Seis Sigma realmente so ou no diferentes da rea de qualidade
mais tradicional de Deming e Juran. Colocamos algumas referncias neste
sentido no nal do captulo para o leitor interessado.
Os 14 Pontos do Deming:
6
Os comentrios aqui so interpretaes dos princpios originais do Walla-
ce e Stahl. Veja o quadro no nal desta seo. Os princpios so reinterpre-
tados sob a luz da experincia em empresas brasileiras.
2.4 Concluses
Na rea de gesto da funo de previso, a literatura em revistas
especializadas volumosa. No momento, comum falar em au-
ditoria do processo de previso, que essencialmente uma che-
cagem dos princpios de Wallace e Stahl na empresa. A checagem
feita considerando as prticas vigentes na empresa em com-
parao com as prticas das melhores empresas do mundo, as
benchmarks. Veja os trabalhos de Armstrong, disponvel na rede,
e da equipe de Mentzer, referenciados na bibliograa.
Toda esta literatura sobre auditorias voltada s questes
de gesto e administrao empresarial, cando muito pouco pre-
ocupada com as tcnicas quantitativas de previso, que ser o
assunto dos prximos captulos.
2.5 Glossrio
Discrepncia absoluta mdia (DAM) muito parecida com a discre-
pncia mdia (DM), mas utilizando valores absolutos, o que quer
dizer valores sem sinal de positivo ou negativo.
2.6 Referncias
ARMSTRONG, J. S. The Forecasting Audit. http://hops.whar-
ton.upenn.edu/forecast, acessado em 18/10/2007.
ARMSTRONG, J. S. Whats New about Delphi Decision Aid.
http://armstrong.wharton.upenn.edu/delphi2/whats_new.
php, acessado em 18/10/2007.
BENGT K., HKAN W., RICK L. E. Six sigma seen as a meth-
odology for total quality management, Measuring Business
Excellence. Volume 5, Number 1, pp. 31-35, 2001.
DEMING, E. Out of the Crisis. MIT, 1986.
FILDES, R., STUART B., FRED C., MICHAEL L., DOUG S.,
HEIDI W., JOHN T. M., MARK A. M. Researching Sales
Forecasting Practice Commentaries and authors response
on Conducting a Sales Forecasting Audit by M.A. Moon,
J.T. Mentzer & C.D. Smith. International Journal of Fore-
casting 19, 27-42, (2003)
HYNDMAN, R. Another look at forecast accuracy metrics for
intermittent demand. Foresight, No. 4, junho, 2006.
JURAN, J. M. Jurans Quality Handbook. McGraw-Hill, 1999.
N
ESTE CAPTULO, SEROabordados diferentes mtodos de pre-
viso, iniciando pelos mais singelos j bastante conhecidos
e consagrados tanto na literatura especca quanto no dia-a-
dia das empresas. Sero estudadas tcnicas quantitativas relativa-
mente simples, alm da apresentao de uma medida que possibi-
lita avaliar intuitivamente a utilidade de se empreender um maior
esforo aplicando, por exemplo, algum dos dois ltimos mtodos
abordados ao invs do primeiro que o mais simples deles.
Na seo 3.1.1, ser apresentado o mtodo de previso co-
nhecido como ingnuo1, o qual recebe esta denominao por no
se valer de nenhuma tcnica estatstica ou anlise prvia que per-
mita um maior conhecimento dos dados em estudo. Utiliza-se,
portanto, do mnimo de informao necessria. Esta caracterstica
1
Para um passo a frente, ou seja, com apenas um perodo como horizonte
de previso.
2
Veja o apndice deste captulo.
Data 20/06 21/06 22/06 23/06 26/06 27/06 28/06 29/06 30/06 03/07 04/07 05/07
R$/US$ 2,2498 2,237 2,2383 2,2454 2,2251 2,2307 2,2254 2,2055 2,1635 2,1693 2,1638 2,1947
Data 06/07 07/07 10/07 11/07 12/07 13/07 14/07 17/07 18/07 19/07 20/07 21/07
R$/US$ 2,1832 2,1757 2,1742 2,1851 2,1907 2,2098 2,2122 2,2118 2,1954 2,1802 2,1887 2,1927
Data 24/07 25/07 26/07 27/07 28/07 31/07 01/08 02/08 03/08 04/08 07/08 08/08
R$/US$ 2,1908 2,1985 2,1976 2,1891 2,1792 2,1754 2,1897 2,1813 2,1827 2,1712 2,1785 2,1831
Data 09/08 10/08 11/08 14/08 15/08 16/08 17/08 18/08 21/08 22/08 23/08 24/08
R$/US$ 2,1679 2,162 2,1608 2,1597 2,1472 2,1321 2,1357 2,1448 2,1353 2,1347 2,1346 2,1515
Data 25/08 28/08 29/08 30/08 31/08 01/09 04/09 05/09 06/09 08/09 11/09 -
R$/US$ 2,1563 2,1465 2,1411 2,1322 2,138 2,146 2,1274 2,128 2,1435 2,1574 2,1743 -
3
Pois possui uma tendncia e uma sazonalidade bem denidas. Isto devido
ao fato de estar fortemente correlacionada com o volume de produo no
Estado.
3.1.2 U DE THEIL
Esta medida assume um papel decisi-
O U de Theil possui a capacidade
vo na determinao de utilizao ou
de demonstrar se o esforo em-
pregado na gerao das previses no de uma tcnica de previso espe-
compensador e se faz sentido cca, seja ela quantitativa, qualita-
despend-lo, ou se resultados me- tiva, formal ou informal, pois possui
lhores poderiam ser atingidos uti-
lizando-se a mais singela das tc-
a capacidade de demonstrar se tal
nicas, ou seja, a previso ingnua. esforo compensador e faz sentido
despend-lo, ou se resultados melho-
res poderiam ser atingidos utilizando-se a mais singela das tcnicas,
ou seja, a previso ingnua. O U de Theil (1966) tambm comu-
mente chamado de coeciente de desigualdade, pois uma medida
relativa, na qual se tem idia, em termos percentuais, das discre-
pncias um passo frente cometidas com a previso. Espera-se que
esta medida varie sempre entre zero e um, sendo este o universo de
oscilao aceitvel para as tcnicas consideradas adequadas.
n-1 P - O O - O
2
t+1 t
-
t+1 t
t = 1
O t O t
U= (3.1)
2
n-1 O
t +1 - O t
t = 1
Ot
P -O 2
n-1
t+1 t+1
t = 1
Ot
U2 = (3.2)
2
n-1 O
t +1 - O t
t = 1 Ot
n-1 d 2
t+1
t = 1 O t
U2 = (3.3)
2
n-1
O t +1 - O t
t = 1 Ot
n-1 P - O O - O
2
t+s t
-
t+s t
t = 1
O t Y t
U-S = (3.4)
2
n-1 O
t +s - O t
t = 1
Ot
Fonte: CELESC.
3.2 Decomposio
As sries de dados ao longo do tem-
po, em sua grande maioria, apresen- As sries de dados ao longo do
tempo, em sua grande maioria,
tam caractersticas repetitivas que
apresentam caractersticas repeti-
podem ser utilizadas no momento tivas que podem ser utilizadas no
de realizar previses. Isso, como j momento de realizar previses.
citado, possibilita uma maior preci-
so nos resultados. Existem tcnicas de previso que permitem
identicar e isolar cada uma das componentes presentes em uma
srie, ou seja, tendncia, ciclo e sazonalidade, caracterizando as-
sim a decomposio da srie. A partir disto, o processo de cons-
truo dos valores previstos da srie composta consubstancia-se
na reunicao de cada uma de suas componentes.
4
Este assunto ser tratado em maiores detalhes no prximo captulo.
1 12 1 13
seguintes, isto , MM1 = t
n t=1
Y e MM 2 = Yt ou ainda,
n t=2
Y1 + Y2 + ... + Y12 Y + Y3 + ... + Y13
MM1 = e MM 2 = 2 .
12 12
Como pode ser deduzido pelo leitor, a partir da discusso
que vem sendo feita desde o incio da seo, o conjunto de to-
das as mdias mveis centradas possveis de serem calculadas a
partir de uma amostra constitui-se na tendncia da mesma. Para
facilitar o entendimento, veja uma aplicao.
No caso do exemplo da srie do consumo industrial de
energia eltrica, primeiramente calcula-se a mdia correspon-
dente s doze primeiras observaes, que corresponde MM da
observao 6,5 do primeiro ciclo sazonal, ou seja, a observao
entre o ms seis e o ms sete (322047 MWh). A mdia das doze
observaes seguintes, partindo-se da segunda observao, gera
a MM corresponde a observao 7,5, do ciclo sazonal anterior,
ou seja, entre o ms sete e o ms oito (346610 MWh). Em segui-
da, calcula-se a mdia entre estes dois valores, o que produzir
a MMC, ou seja o valor centrado do primeiro ciclo sazonal que
5
Consubstanciada em suas polticas pblicas.
6
Dentro dos prprios dados da srie, de se esperar uma pequena dife-
rena, chamada de discrepncia de ajuste, entre as componentes tendn-
cia-ciclo e sazonalidade e o valor observado. Esta discrepncia deve ser
bastante irregular e a sua mdia deve ser praticamente zero, como foi visto
no captulo anterior.
Outra
7
Diferenciados apenas por suas unidades de medida.
1995 1.0205 0.9873 1.0865 0.9512 1.0168 1.0208 0.9705 0.9287 0.9830 1.0349 1.0166 0.9694
1996 1.0008 1.0498 0.9020 0.9879 1.0618 0.9340 1.0088 1.0671 0.9725 0.9287 1.0706 0.9696
1997 0.9986 1.0265 0.9508 1.0247 1.0195 0.9824 0.9976 1.0278 1.0208 1.0550 0.9550 1.0065
1998 0.9729 1.0073 0.9593 1.0044 0.9689 1.0048 1.0229 1.0120 1.0237 0.9890 0.9784 1.0236
1999 0.9685 0.9868 0.9881 0.9866 1.0105 0.9873 0.9993 1.0024 1.0370 0.9706 0.9646 1.0321
2000 1.0185 0.9758 1.0271 0.9886 0.9897 1.0027 0.9830 1.0100 1.0053 1.0076 1.0492 0.9817
2001 0.9745 0.9135 1.0396 1.0312 0.9957 1.0304 1.0115 0.9697 0.9917 0.9417 1.0542 0.9689
2002 1.0170 1.0097 0.9613 1.0658 0.9472 1.0261 1.0075 1.0320 0.9660 0.9939 0.9841 0.9786
2003 1.0301 1.0397 1.0339 0.9860 0.9546 1.0080 0.9689 0.9610 1.0195 1.0233 0.9637 1.0007
8
Anteriormente calculada atravs da mdia mvel.
1995 343991 345503 347020 348544 350075 351611 353154 354704 356259 357822 359390 360965
1996 362546 364133 365727 367327 368934 370546 372166 373791 375423 377061 378706 380356
1997 382014 383677 385347 387023 388706 390395 392090 393791 395499 397214 398934 400661
1998 402395 404134 405880 407632 409391 411156 412927 414705 416489 418280 420076 421879
1999 423689 425504 427327 429155 430990 432831 434678 436532 438392 440259 442131 444011
2000 445896 447788 449686 451591 453501 455419 457342 459272 461208 463151 465100 467055
2001 469017 470985 472959 474939 476926 478920 480919 482925 484938 486956 488981 491013
2002 493050 495094 497145 499202 501265 503334 505410 507492 509580 511675 513776 515884
2003 517997 520118 522244 524377 526516 528662 530813 532972 535136 537307 539484 541668
2004 543858 546054 548257 550465 552681 554902 557130 559365 561605 563852 566105 568365
9
Aditivo ou multiplicativo.
10
Seus valores so disponibilizados no apndice deste captulo.
Ms/Ano Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
1988 54800 48881 51780 51695 43246 43225 42843 42402 43178 42307 44014 46841
1989 53511 54668 54042 50907 48575 45897 45569 46383 46732 46661 49426 51043
1990 57222 58157 60947 57845 52301 47244 46716 50207 47872 49854 55264 54113
1991 60394 60659 58022 60584 56646 54216 53259 53462 53548 56803 57821 60117
1992 66160 71451 68809 63816 58444 54828 55341 55508 54462 56813 58384 59096
1993 72058 68882 69204 76458 68393 59398 61346 61087 60462 62304 68702 72250
1994 77721 77214 79660 77697 69610 68380 65827 62667 69517 69791 69970 78711
1995 89051 89734 92127 85089 78224 76130 77970 76357 79422 82434 83082 87548
1996 96276 100214 97171 97295 91291 82346 85056 81962 82632 83614 88301 94788
1997 111258 110303 109127 104073 97106 91794 91405 91581 96608 97922 98740 106931
1998 120508 121718 122100 111999 105565 101831 99109 101214 101946 103784 107822 115111
1999 126024 123951 138500 126480 114249 106152 107433 108565 112625 110753 112127 126364
2000 137334 142907 147442 136291 129871 121273 119459 117226 116364 128224 131919 139528
2001 147701 156664 168622 158155 140501 125423 119291 121086 122596 120267 134255 137897
2002 148879 160324 154784 167584 146069 137717 132389 131217 128870 142015 142025 150209
2003 167210 179081 180673 154867 153924 138968 138514 134497 132149 145602 145670 157248
11
Assunto tratado em detalhes no captulo seguinte.
3.6 Concluses
Neste captulo abordaram-se as tcnicas mais simples de previso,
como a ingnua e a feita por mdia simples, alm de uma outra um
pouco mais elaborada, porm, no to complicada de ser aplicada,
chamada de decomposio clssica. Todas estas tcnicas puderam
ser avaliadas comparativamente atravs da medida U de Theil, o
que demonstrou os ganhos e prejuzos em termos de preciso de um
modo relativamente intuitivo ao se adotar uma ou outra tcnica.
importante citar aqui a sugesto feita por Makridakis et al.
(1998) com relao ao sentido da aplicao da tcnica de decom-
posio clssica. Segundo estes autores, a tcnica de decompo-
sio, apesar de mostrar-se teoricamente bastante coerente, no
costuma, em mdia, dar resultados satisfatrios quando aplicada
em situaes prticas. Sugere-se, portanto, que sua utilizao im-
plica em uma maior utilidade quando empregada para que apenas
se identique descritivamente o comportamento de uma deter-
minada srie em estudo. Esta sugesto pode ter sua signicncia
raticada, por exemplo, pelos resultados apresentados anterior-
mente, onde as previses realizadas para a quantidade de energia
consumida pelas indstrias no estado em 2004, utilizando-se o
mtodo ingnuo sazonal, se mostraram mais precisas que as da
decomposio em termos de U de Theil e de DPAM.
A busca da reduo das discrepncias sem se afastar da
simplicidade e praticidade de determinadas tcnicas de previso
uma combinao sempre bem vinda em ambientes dinmicos
como os empresariais. Por conseguinte, a questo foco deste
livro. No prximo captulo, apresentaremos os mtodos de su-
avizao exponencial. Estes mtodos tendem a apresentar, em
mdia, resultados mais consistentes e robustos em termos de
3.7 Glossrio
Ciclo sazonal o intervalo de tempo que engloba todos os perodos
pertencentes periodicidade de uma srie, por exemplo, doze
perodos (se iniciar em janeiro) um ciclo sazonal completo de
uma srie com periodicidade mensal; quatro (se iniciar no pri-
meiro), a de uma srie trimestral; trs (se iniciar no primeiro), a
de uma srie quadrimestral, sete (se comear no domingo), a de
uma srie semanal, e assim por diante.
3.8 Exerccios
3.8.1 Cite trs vantagens e duas desvantagens em se realizar pre-
vises atravs do mtodo ingnuo.
3.9 Respostas
3.8.1 Resposta:
Vantagens Desvantagens
Servir de parmetro de avaliao para o No produzir bons resultados para
desempenho de mtodos de previso, dados que apresentem tendncia e
principalmente os no estruturados; sazonalidade signicativas;
Simplicidade na realizao de previses; Utilizar apenas a ltima informao
Necessidade de pouca informao e dados; disponvel;
3.10 Referncias
CLEVELAND, R.B., CLEVELAND, W.S., MCRAE, J.E., e TERPENNING,
I. STL: A seasonal-trend decomposition procedure based
on loess (with discussion). Journal Ofcial Statistics, v.6,
pp.3-73, 1990.
HANKE, J.E., REITSCH, A.G. e WICHERN, D.W. Business Forecas-
ting. New Jersey. Prentice Hall, 2001.
LAWRENCE, M.J., EDMUNDSON, R.H., e OCONNOR, M.J. An examina-
tion of the accuracy of judgmental extrapolation of time series.
International Journal of Forecasting, v.1, pp.25-35, 1985.
MAKRIDAKIS, S., WHEELWRIGHT, S.C. e HYNDMAN, R.J. Forecast-
ing: Methods and Applications, 3th edition. New York. John
Willey & Sons, 1998.
MEURER, R. Um modelo macroeconomtrico de curto prazo para
o Brasil. Tese em Engenharia de Produo da Universidade
Federal de Santa Catarina. Florianpolis, 1999.
MORETIN, P.A., TOLOI, C.M.C. Anlise de Sries Temporais. So
Paulo. Edgard Blcher, 2004.
SAMOHYL, R.W. Measuring the Efciency of an Informal Fore-
casting Process. The International Journal of Applied Fore-
casting, Colchester, n3, pp. 16-21, Fevereiro 2006.
THEIL, H. Applied economic forecasting. Amsterdam: North-
Holland, pp.26-32, 1966.
3.11 Apndices
Consumo industrial de energia eltrica em Santa Catarina
(MHw)
Ms/Ano Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
1994 273997 300080 334196 309336 310700 322047 346610 328583 327286 366995 328288 360764
1995 293088 347073 392205 338228 360911 355417 343683 322470 336926 363515 348158 325467
1996 285034 370395 329691 355463 382118 333269 370388 385696 351575 349905 394697 353418
1997 311381 394382 377732 406143 405045 384092 400502 404555 399699 426489 374151 386724
1998 318035 404248 395500 407071 391183 400197 417641 404826 407415 407005 392520 404571
1999 325261 407425 420874 415758 426010 411275 428832 423969 438466 426415 413745 437059
2000 368203 434920 472195 450024 453738 454918 456627 459448 455058 473522 481631 444192
2001 376153 433805 507928 496500 478490 488544 492562 466455 475536 466694 509274 460145
2002 411376 504052 495460 543671 483082 514962 519113 522794 488764 519241 498457 486826
2003 434374 535796 547345 516453 499400 519539 511898 497304 525240 545671 501988 514564
2004 437559 543126 586145 532705 564627 539480 555084 553344 517280 517002 537795 516525
Ms ndices Aditivos
Outubro 502.70
Novembro 3143.39
Dezembro 7098.58
1988 54800 48881 51780 51695 43246 43225 42843 42402 43178 42307 44014 46841
1989 53511 54668 54042 50907 48575 45897 45569 46383 46732 46661 49426 51043
1990 57222 58157 60947 57845 52301 47244 46716 50207 47872 49854 55264 54113
1991 60394 60659 58022 60584 56646 54216 53259 53462 53548 56803 57821 60117
1992 66160 71451 68809 63816 58444 54828 55341 55508 54462 56813 58384 59096
1993 72058 68882 69204 76458 68393 59398 61346 61087 60462 62304 68702 72250
1994 77721 77214 79660 77697 69610 68380 65827 62667 69517 69791 69970 78711
1995 89051 89734 92127 85089 78224 76130 77970 76357 79422 82434 83082 87548
1996 96276 100214 97171 97295 91291 82346 85056 81962 82632 83614 88301 94788
1997 111258 110303 109127 104073 97106 91794 91405 91581 96608 97922 98740 106931
1998 120508 121718 122100 111999 105565 101831 99109 101214 101946 103784 107822 115111
1999 126024 123951 138500 126480 114249 106152 107433 108565 112625 110753 112127 126364
2000 137334 142907 147442 136291 129871 121273 119459 117226 116364 128224 131919 139528
2001 147701 156664 168622 158155 140501 125423 119291 121086 122596 120267 134255 137897
2002 148879 160324 154784 167584 146069 137717 132389 131217 128870 142015 142025 150209
2003 167210 179081 180673 154867 153924 138968 138514 134497 132149 145602 145670 157248
Fonte: Centrais Eltricas Santa Catarina S.A. (CELESC).
4.1 Introduo
O
S MTODOS DEpreviso por suavizao exponencial se utili-
zam apenas de observaes da prpria srie de dados, no
dependendo de nenhuma varivel externa para fazer previ-
ses, assim como a decomposio clssica discutida no captulo
anterior. Esta uma das vantagens de se utilizar estas metodolo-
gias. A previso feita de forma rpida, pois no preciso buscar
informaes externas empresa.
Os mtodos de suavizao exponencial consistem em de-
compor a srie em componentes (tendncia e sazonalidade) e
suavizar seus valores passados, ou seja, dar pesos diferenciados
cujos valores decaem exponencialmente para zero quanto mais
antigo for o dado, portanto, valorizando os dados mais recentes.
Neste captulo, sero apresentados treze mtodos exponenciais
de previso e um procedimento de seleo automtica que rea-
lizado atravs de uma planilha eletrnica em Excel. Este procedi-
Pt +1 = Ot (4.1)
Pt +1 = Ot + (1 )Pt (4.3)
Pt = Ot 1 + (1 )Pt 1 (4.4)
Pt 1 = Ot + (1 )Ot 1 + (1 ) Ot 2 + (1 ) Ot 3 + ... + (1 ) O1 + (1 ) P1
2 3 t 1 t
(4.5)
Peso
Ano / Perodo
eq. 4.5 = 0,2 = 0,5 = 0,8
2003 / Ot-3 (1 )2 0,128 0,125 0,032
2002 / Ot-4 (1 )3 0,102 0,062 0,006
2001 / Ot-5 (1 )4 0,081 0,031 0,001
2000 / Ot-6 (1 )5 0,065 0,015 0,000
1999 / Ot-7 (1 )6 0,052 0,007 0,000
1998 / Ot-8 (1 )7 0,041 0,003 0,000
1997 / Ot-9 (1 )8 0,033 0,001 0,000
1996 / Ot-10 (1 )9 0,026 0,000 0,000
1995 / P1 (1 )10 0,107 0,000 0,000
FIGURA 4.2 Grfico dos pesos dado para cada ano para vrios
valores de .
FIGURA 4.3 Vendas de Gol e valores ajustados por SES para 0,2
0,5 e 0,8.
nt = Ot + (1 )(nt 1 + ct 1 )
(4.6)
Pt
ct = (nt nt 1 )+ (1 )ct 1
(4.7)
crescimento
Pt + k = nt + kct (4.8)
nt = 0 Ot + (1 0) ( nt 1 + ct 1 ) = nt 1 + ct 1
ct = b ( nt 1 + ct 1 nt 1 ) + (1 b ) ct 1 = ct 1
Se t = 1 :
n1 = n0 + c0 e c1 = c0
Se t = 2 :
n2 = n1 + c1 = n0 + c0 + c0 = n0 + 2c0 e c2 = c1 = c0
Se t = 3 :
n3 = n2 + c2 = n0 + 2c0 + c0 = n0 + 3c0 e c3 = c2 = c0
Portanto :
nt = n0 + tc0 e ct = c0
Pt + k = nt + kct = n0 + tc0 + kc0
Pt + k = n0 + (t + k ) c0 t 0 e k 1
nt = 1 Ot + (1 1) ( nt 1 + ct 1 ) = Ot
ct = 1 ( nt nt 1 ) + (1 1) ct 1 = Ot Ot 1
Pt + k = nt + kct = Ot + k (Ot Ot 1 )
P0 +1 = n0 + c0 t = 0 e k =1
P1+1 = O1 + k (O1 n0 ) t =1e k 1
Pt + k = Ot + k (Ot Ot 1 ) t = 2 e k 1
n t = Ot
c t = O t - O t-1
P0+1 =P1 =n 0 +c0 t=0
P1+1 =P2 =O1 +(O1 - n 0 ) t=1
Pt++k = O t +k (O t - O t-1 ) t 2
crescimento
n0 = 31.385
c0 = 8.846
P1(1970) = n0 + c0 = 31.385 + 8.846 = 40.231
n35 = 387.310
c35 = 9.272
P35 +1(2005) = n35 + 1 c35 = 387.310 + 1 9.272 = 396.582
P35 + 2(2006) = n35 + 2 c35 = 387.310 + 2 9.272 = 405.854
nt = (Ot st m )+ (1 )(nt 1 + ct 1 )
ou
(4.9)
nt = (Ot st m ) + (1 )(Pt st m )
observado sem sazonalidade ajustado sem sazonalidade
ct = (nt nt 1 )+ (1 )ct 1
(4.10)
crescimento
st = (Ot nt 1 ct 1 )+ (1 )st m
ou
(4.11)
st = (Ot nt 1 ct 1 )+ (1 )(Pt nt 1 ct 1 )
ndice sazonal observado ndice sazonal ajustado
Pt + k = nt + kct + st m + k
(4.12)
tendncia
nt = (Ot st m )+ (1 )(nt 1 + ct 1 )
ou
(4.13)
nt = (Ot st m ) + (1 )(Pt st m )
observado sem sazonalidade ajustado sem sazonalidade
ct = (nt nt 1 )+ (1 )ct 1
(4.14)
crescimento
( )
st = Ot (nt 1 + ct 1 ) + (1 )st m
ou
(4.15)
(
)
st = Ot (nt 1 + ct 1 ) + (1 ) Pt (nt 1 + ct 1 )
( )
ndice sazonal observado ndice sazonal ajustado
n0 = 1.569.416; c0 = 10.611
s11 = 20.476; s10 = 161.802; s9 = 60.805; s8 = 141.269; s7 = 46.032
s6 = 33.557; s5 = 124.453; s4 = 60.700; s3 = 90.156; s2 = 33.389
s1 = 544.497; s0 = 364.768
P1( jan / 01) = n0 + c0 + s11 = 1.538.328
n69 = 1.707.141
c69 = 5.642
s58 = 33.604
P69 +1(out / 06) = n69 + 1 c69 + s58 = 1.679.179
s59 = 54.286
P69 + 2(nov / 06) = n69 + 2 c69 + s59 = 1.664.140
FIGURA 4.16 Previso para o mtodo AaN com = 1, 0,95, 0,85 para
os dados de produo de energia eltrica no Brasil.
k
Pt + k = nt + i ct
i =1
amortecimento
t = 1 amortecimento = 1 = 0,951
t = 2 amortecimento = 1 + 2 = 1,853
t = 10 amortecimento = 1 + 2 + ... + 10 = 7,654
Previso
Nenhuma
Horizonte Horizonte Horizonte
Aditiva
Previso
Previso
Previso
Previso
Aditiva Amortecida
Horizonte Horizonte Horizonte
MN MA MM
Previso
Previso
Previso
Multiplicativa
Horizonte Horizonte Horizonte
Multiplicativa
Previso
Previso
Previso
Amortecida
Horizonte Horizonte Horizonte
fi
k
Pt + k = nt cti=1 Pt + k = nt ct i =1
fi
st m k
1
A leitura desta seo s recomendada para quem quer saber em detalhes
como encontrar os modelos automaticamente. Existe uma planilha em Ex-
cel desenvolvida pelos autores que realiza estes clculos de forma automa-
tizada. Veja o site www.previsaosimples.pbwiki.com.
2
A modelo de regresso simples o ajuste de uma reta do tipo y = a + bx.
encontrado em vrios livros de estatstica bsica.
4.9 Concluses
Neste captulo, foram apresentados os mtodos clssicos de sua-
vizao exponencial, entre eles o de suavizao exponencial sim-
ples para dados sem tendncia e sem sazonalidade, o de Holt para
dados com tendncia e sem sazonalidade e o de HoltWinters
para situaes em que os dados apresentam tanto tendncia como
sazonalidade. Para cada um dos mtodos, um exemplo numrico
e grco foi mostrado, e vericou-se em que situaes suas apli-
caes sero conveniente ou no.
No entanto, nem todas as sries podem ser modeladas atra-
vs dos mtodos tradicionais, pode ser que elas apresentem uma
tendncia multiplicativa ou amortecida, e, por este motivo, foi
apresentado tambm uma classicao mais ampla em relao
s combinaes das componentes de uma srie temporal, com
um total de treze mtodos abordados. Para que o leitor saiba qual
deles o mais adequado situao de seu interesse, um procedi-
mento de seleo automtica baseado nas discrepncias de ajus-
tamento e no nmero de parmetros foi oferecido, juntamente
com um exemplo comparando o desempenho de cada um dos
mtodos para facilitar o entendimento.
4.10 Glossrio
Suavizao exponencial da srie so os pesos atribudos s obser-
vaes passadas que decaem exponencialmente.
4.11 Exerccios
4.11.1 O ministrio da previdncia quer fazer a previso anual do
nmero de benecirios da previdncia social e foi recomendado
que utilizasse o mtodo de suavizao exponencial simples para
esta tarefa. Para um = 0.99 e a previso P1978 = 6.570.822 (valor
para a iniciao da SES), encontre os valores do mtodo ajustado
(1978 a 2005) e faa a previso do nmero de benecirios da
previdncia para 2006.
N
AS PRXIMAS PGINAS, oferecido ao leitor e praticante da
rea de previso um exemplo de relatrio executivo, tipo de
documento muito comum na gesto de empresas. Por neces-
sidade, um documento curto, nunca maior que cinco pginas,
porm repleto de informaes relevantes, conceitos explicados,
tabelas e, preferencialmente, grcos. Ele deve ser muito mais
detalhado do que um simples resumo com os resultados de al-
guma anlise, no entanto, muito menos detalhado do que uma
anlise acadmica e cientca. Depois de ler um relatrio execu-
tivo, o leitor deve estar dentro do assunto, conhecendo bem os
conceitos bsicos, a lgica dos argumentos e a sinceridade dos
resultados.
RELATRIO EXECUTIVO:
VALORES PREVISTOS TCNICOS
PARA O CUB-SC.
INTRODUO E PROBLEMTICA
A construo de domiclios ou instalaes fabris e comerciais ab-
sorve uma parcela substancial de qualquer oramento. Seu pla-
nejamento exige projees de preos e custos de materiais, mo-
de-obra e outros servios de curto e longo prazo. Com o intuito
de auxiliar nesse planejamento, apresentamos aqui projees do
Custo Unitrio de Base (CUB) para o estado de Santa Catarina em
um perodo que vai de maro de 2007 a fevereiro de 2009, ou seja,
vinte e quatro meses de horizonte total de previso. Este servio
oferecido pelo Ncleo de Normalizao e Qualimentria da
UFSC/Departamento de Engenharia de Produo e Sistemas.
1
www.qualimetria.ufsc.br.
DADOS
Os custos de construo so levantados todo ms pelo Sindica-
to das Construtoras em Santa Catarina, o Sinduscon, e publicado
no site www.sinduscon-fpolis.org.br. O ndice calculado inclui os
custos dos insumos mais importantes, como cimento, tijolo, ao
etc., alm da mo-de-obra. Os clculos do ndice foram modi-
cados no ms de maro de 2007, seguindo as novas normas da
ABNT. O ndice calculado pela metodologia antiga, chamado
de CUB/-1999, continuar a ser publicado em percentagem.
No entanto, para qualquer projeto a partir de maro de 2007,
a utilizao do novo ndice (CUB/2007) ser obrigatria.
METODOLOGIA
A metodologia utilizada para o clculo das previses ser ex-
clusivamente tcnica, isto , sem considerar qualquer forma de
incluso da subjetividade de peritos no assunto. A integrao da
subjetividade de peritos nos resultados a prxima etapa na to-
mada de deciso. Atravs de algoritmos computacionais sos-
ticados, sero extradas da srie temporal mensal do CUB-SC,
suas componentes da srie, ou seja, sua tendncia no tempo, a
sazonalidade mensal especca a cada ms e, nalmente, a com-
ponente inexplicvel dos dados que justamente a chamada dis-
crepncia de ajuste. Estas metodologias j foram apresentadas
detalhadamente nos captulos trs e quatro deste livro.
RESULTADOS E ANLISE
1. A decomposio clssica considerada uma ferramenta sim-
ples, mas esclarecedora, que facilita o entendimento do compor-
tamento das componentes de uma srie. Para maiores detalhes
revise o captulo trs deste livro.
Observada Tendncia
930,59
900,00 880,59
830,59
800,00
780,59
730,59
700,00
680,59
630,59
600,00
580,59
500,00 530,59
480,59
400,00 430,59
jan-00 jan-01 dez-01 dez-02 nov-03 nov-04 out-05 out-06 1 21 41 61 81
1,02 15,15
1,01
10,15
1,01
5,15
1,00
1,00 0,15
0,99
-4,85
0,99
0,98 -9,85
1 21 41 61 81 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81
CONCLUSES
As projees montadas baseando-se em algoritmos cientcos
so extremamente valiosas do ponto de vista empresarial, mas
importante enfatizar que elas representam apenas uma parte dos
procedimentos de previso. No h dvida de que as previses
precisas dependem dos valores passados, contudo inegvel
que dependem tambm da intuio e astcia dos especialistas
do mercado, aqui no consideradas.
5.3 Apndice
Veja na ltima pgina deste captulo a tabela das previses do
CUB-SC e discrepncias desde dezembro de 2005. Nela, na pri-
1 INTRODUO ................................................................................. 1
1. Introduo................................................................................... 1
1.1 Por que as empresas e os funcionrios desconam dos
mtodos de previso? ......................................................... 6
1.2 A previso e a discrepncia do valor observado................. 9
1.3 Medindo a qualidade da previso variabilidade ............. 10
1.3.1 Exemplo: a variabilidade de vendas......................... 10
1.3.2 Quais so as principais caractersticas de uma
previso bem feita? .................................................. 12
1.4 Planejamento e previso oramentos, alvos e previses . 15
1.5 Concluses ......................................................................... 16
1.6 Glossrio............................................................................. 17
1.7 Exerccios ........................................................................... 18
1.8 Respostas ............................................................................ 21
1.9 Referncias ......................................................................... 25
3 DECOMPOSIO CLSSICA.............................................................. 59
3.1 Introduo e Problemtica .................................................. 59
3.1.1 Previso Ingnua um Passo a Frente ..................... 61
3.1.2 U de Theil ................................................................. 68
3.1.3 Previso ingnua vrios passos frente ................ 71
3.1.4 U de Theil sazonal .................................................... 74
3.1.5 Previso por mdia simples...................................... 75
3.2 Decomposio .................................................................... 79
3.2.1 Clculo da tendncia ................................................ 82
3.2.2 Clculo da Sazonalidade .......................................... 87
3.2.3 Componente discrepncia de ajuste ......................... 94
3.2.4 Como Montar a Previso.......................................... 97
3.2.5 Resduo e discrepncia de previso.......................... 101
3.2.6 Outro exemplo.......................................................... 103
3.3 Quando usar o mtodo aditivo e o mtodo multiplicativo . 105
3.4 Avanos e confuses mais recentes .................................... 112
3.5 Comparao entre mtodos ................................................ 114
3.6 Concluses ......................................................................... 117
3.7 Glossrio............................................................................. 118
3.8 Exerccios ........................................................................... 119
3.9 Respostas ............................................................................ 120
3.10 Referncias ......................................................................... 122
3.11 Apndices ........................................................................... 123