Senac São Paulo
-Modelos Quantitativo
Amortecimento Triplo (Winter)
Decomposição
-Técnicas Causais: Regressão
Este material deve ser utilizado em conjunto com as
Planilhas de Apoio que tratam dessas Técnicas.
As técnicas quantitativas de previsão assumem como premissa básica que o comportamento da demanda passada pode basear a definição da demanda futura.
As técnicas quantitativas distinguem-se em:
Técnicas de séries temporais:
Baseiam-se na identificação de padrões existentes nos dados históricos para utilizá-los no cálculo do valor previsto.
Técnicas causais:
Baseiam-se na identificação de variáveis que influenciam o comportamento da demanda para determinar a relação existente. Ou seja, determinar a relação de causa (variáveis independente ou explicativa) e efeito (variável dependente ou explicativa – Demanda).
Técnicas Quantitativas de Previsão da
Demanda
Senac São Paulo
Passado Futuro tempo
Demanda Vendas reais passadas Ciclicidade passada Tendência
Faixa de erro identificada no passado e projetada para o futuro
Previsões
Fonte: Corrêa e Corrêa (2005)
Técnicas de Séries Temporais:
Componentes das séries temporaisTendência: É a orientação para cima, para baixo ou nivelada dos dados
históricos
Ciclicidade: São padrões de variação dos dados que se repetem a cada
determinado intervalo de tempo (ex: vendas que se concentram no final do mês). É importante destacar que: “A sazonalidade é um tipo de ciclicidade anual” Tendência nivelada (demanda em nível) Ciclicidade Demanda Estável Tendência Crescimento Ciclicidade ou Sazonalidade Demanda Instável
Senac São Paulo Previsão da Demanda
Séries Temporais (Dados Intrínsecos)
Média Móvel Simples
Amortecimento Exponencial Média Móvel Dupla
Amortecimento Triplo (Método Winter)
Demanda Estável
Decomposição
Demanda Instável
Pequeno histórico (meses) Médio histórico (1 ano ou mais)
Pequeno histórico (meses) Médio / Alto histórico (2 anos) Alto histórico (3 anos ou mais)
Tamanho do histórico necessário para a
Demanda = Nível[F(alfa)] + Tendência[F(beta)] + Ciclicidade[F(gama)] + Erro Previsão
Técnicas de Séries Temporais
Amortecimento Exponencial Triplo (Método de Winter)
Dados do histórico Previsão
Senac São Paulo Coeficientes de Amortecimento presente passado futuro
?
ou
Qual fase do passado
é mais representativa
para projetar o futuro?
0 0,50 1
Demanda passada
?
Primeiro ano Segundo ano
Nível
a: coeficiente de amortecimento (0 1)
futuro
?
ou
Qual tendência é
mais representativa
para
projetar
o
futuro?
0 0,50 1Tendência
Primeiro ano Segundo ano
Coeficientes de Amortecimento
b: coeficiente de amortecimento (0 1)
presente
passado
?
Técnicas de Séries Temporais
Senac São Paulo futuro
?
ou
Qual ciclicidade
(sazonalidade) é
mais representativa
para projetar o
futuro?
0 0,50 1 g: coeficiente de amortecimento (0 1)Sazonalidade
Primeiro ano Segundo ano
Coeficientes de Amortecimento
presente
passado
?
Técnicas de Séries Temporais
Senac São Paulo
Amortecimento Exponencial Triplo Fórmulas (Método de Winter)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 A B C D E F
Período Real Nível Sazonal Tendência Previsão
1 900 =B2 =$C$27*(B2/C2)+(1-$C$27)*1 0 2 1000 =$A$27*(B3/1)+(1-$A$27)*(C2+E2) =$C$27*(B3/C3)+(1-$C$27)*1 =$B$27*(C3-C2)+(1-$B$27)*E2 3 800 =$A$27*(B4/1)+(1-$A$27)*(C3+E3) =$C$27*(B4/C4)+(1-$C$27)*1 =$B$27*(C4-C3)+(1-$B$27)*E3 4 980 =$A$27*(B5/1)+(1-$A$27)*(C4+E4) =$C$27*(B5/C5)+(1-$C$27)*1 =$B$27*(C5-C4)+(1-$B$27)*E4 5 1200 =$A$27*(B6/1)+(1-$A$27)*(C5+E5) =$C$27*(B6/C6)+(1-$C$27)*1 =$B$27*(C6-C5)+(1-$B$27)*E5 6 850 =$A$27*(B7/1)+(1-$A$27)*(C6+E6) =$C$27*(B7/C7)+(1-$C$27)*1 =$B$27*(C7-C6)+(1-$B$27)*E6 7 1300 =$A$27*(B8/1)+(1-$A$27)*(C7+E7) =$C$27*(B8/C8)+(1-$C$27)*1 =$B$27*(C8-C7)+(1-$B$27)*E7 8 1200 =$A$27*(B9/1)+(1-$A$27)*(C8+E8) =$C$27*(B9/C9)+(1-$C$27)*1 =$B$27*(C9-C8)+(1-$B$27)*E8 9 800 =$A$27*(B10/1)+(1-$A$27)*(C9+E9) =$C$27*(B10/C10)+(1-$C$27)*1 =$B$27*(C10-C9)+(1-$B$27)*E9 10 1800 =$A$27*(B11/1)+(1-$A$27)*(C10+E10) =$C$27*(B11/C11)+(1-$C$27)*1 =$B$27*(C11-C10)+(1-$B$27)*E10 11 800 =$A$27*(B12/1)+(1-$A$27)*(C11+E11) =$C$27*(B12/C12)+(1-$C$27)*1 =$B$27*(C12-C11)+(1-$B$27)*E11 12 1900 =$A$27*(B13/1)+(1-$A$27)*(C12+E12) =$C$27*(B13/C13)+(1-$C$27)*1 =$B$27*(C13-C12)+(1-$B$27)*E12
13 2900 =$A$27*(B14/D2)+(1-$A$27)*(C13+E13) =$C$27*(B14/C14)+(1-$C$27)*D2 =$B$27*(C14-C13)+(1-$B$27)*E13 =(C13+E13)*D2
14 3000 =$A$27*(B15/D3)+(1-$A$27)*(C14+E14) =$C$27*(B15/C15)+(1-$C$27)*D3 =$B$27*(C15-C14)+(1-$B$27)*E14 =(C14+E14)*D3
15 1700 =$A$27*(B16/D4)+(1-$A$27)*(C15+E15) =$C$27*(B16/C16)+(1-$C$27)*D4 =$B$27*(C16-C15)+(1-$B$27)*E15 =(C15+E15)*D4
16 1980 =$A$27*(B17/D5)+(1-$A$27)*(C16+E16) =$C$27*(B17/C17)+(1-$C$27)*D5 =$B$27*(C17-C16)+(1-$B$27)*E16 =(C16+E16)*D5
17 2300 =$A$27*(B18/D6)+(1-$A$27)*(C17+E17) =$C$27*(B18/C18)+(1-$C$27)*D6 =$B$27*(C18-C17)+(1-$B$27)*E17 =(C17+E17)*D6
18 2400 =$A$27*(B19/D7)+(1-$A$27)*(C18+E18) =$C$27*(B19/C19)+(1-$C$27)*D7 =$B$27*(C19-C18)+(1-$B$27)*E18 =(C18+E18)*D7
19 2500 =$A$27*(B20/D8)+(1-$A$27)*(C19+E19) =$C$27*(B20/C20)+(1-$C$27)*D8 =$B$27*(C20-C19)+(1-$B$27)*E19 =(C19+E19)*D8
20 2600 =$A$27*(B21/D9)+(1-$A$27)*(C20+E20) =$C$27*(B21/C21)+(1-$C$27)*D9 =$B$27*(C21-C20)+(1-$B$27)*E20 =(C20+E20)*D9
21 3500 =$A$27*(B22/D10)+(1-$A$27)*(C21+E21) =$C$27*(B22/C22)+(1-$C$27)*D10 =$B$27*(C22-C21)+(1-$B$27)*E21 =(C21+E21)*D10
22 2000 =$A$27*(B23/D11)+(1-$A$27)*(C22+E22) =$C$27*(B23/C23)+(1-$C$27)*D11 =$B$27*(C23-C22)+(1-$B$27)*E22 =(C22+E22)*D11
23 4500 =$A$27*(B24/D12)+(1-$A$27)*(C23+E23) =$C$27*(B24/C24)+(1-$C$27)*D12 =$B$27*(C24-C23)+(1-$B$27)*E23 =(C23+E23)*D12
24 3000 =$A$27*(B25/D13)+(1-$A$27)*(C24+E24) =$C$27*(B25/C25)+(1-$C$27)*D13 =$B$27*(C25-C24)+(1-$B$27)*E24 =(C24+E24)*D13
alfa beta gama Erro
0,5 0,5 0,5 =MÉDIA(#REF!)
Previsão Demanda = Nivel[F(alfa)] + Tendência[F(beta)] + Ciclicidade[F(gama)] + Erro Previsão
Parâmetros alteráveis na tabela Ref: WANKE; Peter. Previsão de vendas, Atlas,2006
Período Real Nível Sazonal Tendência Previsão Teste 1 9990 9990,00 1,00 0,00 2 8211 9812,10 0,86 -21,35 3 10798 9891,48 1,08 -9,26 4 6623 9556,29 0,75 -48,37 5 6609 9218,03 0,77 -83,16 6 7886 9009,98 0,90 -98,15 7 7673 8787,96 0,89 -113,01 8 9227 8730,15 1,05 -106,39 9 11058 8867,19 1,21 -77,18 10 10875 8998,51 1,17 -52,16 11 12940 9345,72 1,32 -4,23 12 15798 9987,14 1,48 73,25 13 13554 10409,75 1,25 115,17 10060 0,26 14 13061 10983,13 1,13 170,15 9099 0,30 15 12365 11187,05 1,10 174,21 12002 0,03 16 10044 11572,90 0,85 199,60 8467 0,16 17 9941 11894,59 0,82 214,25 9007 0,09 18 9934 12006,10 0,84 201,93 10855 0,09 19 11827 12309,12 0,95 214,06 10922 0,08 20 12780 12491,22 1,03 210,22 13115 0,03 21 12937 12504,84 1,06 186,63 15306 0,18 22 18217 12975,24 1,36 220,68 14888 0,18 23 17186 13179,08 1,31 218,66 17408 0,01 24 23421 13637,35 1,68 247,41 19868 0,15
alfa beta gama Erro 0,1 0,12 0,83 0,13 0 5000 10000 15000 20000 1 2 3 4 5 6 7 8 9 10 11 12 0 5000 10000 15000 20000 25000 1 2 3 4 5 6 7 8 9 10 11 12 0 5000 10000 15000 20000 25000 1 2 3 4 5 6 7 8 9 10 11 12 Ano 1 Ano 2 Ano 3 Amortecimento Exponencial Triplo (Método de Winter)
Exemplo
Caminhos no MS-Excel para a Previsão:
Histórico Ano 2 Previsão Ano 3 Histórico Ano 1
Senac São Paulo
Decomposição
Esta técnica também é adequada para prever através de séries com
tendência e sazonalidade. Só que não oferece a possibilidade de considerar
uma maior representatividade de períodos mais recentes ou mais antigos.
O racional desta técnica é projetar para o próximo ano a tendência dos anos anteriores e tendo em vista esta tendência aplicar a média da ciclicidade dos anos anteriores à esta tendência projetada.
Etapas para a previsão:
1. Representar os dados graficamente. 2. Adicionar a linha de tendência.
3. Calcular os valores da reta de tendência. 4. Calcular os coeficientes de ciclicidade.
5. Multiplicar os coeficientes de ciclicidade com os valores da reta de tendência para a previsão.
Considere três anos de histórico de vendas Período Vendas 1 Janeiro 112 2 Fevereiro 146 3 Março 122 4 Abril 125 5 Maio 127 6 Junho 157 7 Julho 150 8 Agosto 235 9 Setembro 60 10 Outubro 92 11 Novembro 206 12 Dezembro 312 13 Janeiro 146 14 Fevereiro 113 15 Março 92 16 Abril 160 17 Maio 188 18 Junho 190 19 Julho 168 20 Agosto 235 21 Setembro 122 22 Outubro 97 23 Novembro 186 24 Dezembro 354 25 Janeiro 199 26 Fevereiro 175 27 Março 88 28 Abril 112 29 Maio 149 30 Junho 140 31 Julho 154 32 Agosto 275 33 Setembro 90 34 Outubro 120 35 Novembro 226 36 Dezembro 360 Decomposição
Primeiro Ano Segundo Ano Terceiro Ano
Senac São Paulo
1a) Representar os dados graficamente (MS-Excel)
1b) Marcar as células de dados relativo aos dados de vendas do histórico
1c) Representar os dados graficamente (MS-Excel)
Decomposição
Senac São Paulo
2a) Adicionar linha de tendência ao gráfico (MS-Excel)
2b) Configurar projeção da linha de tendência para 12 períodos futuros, a equação da reta (MS-Excel)
Decomposição
Senac São Paulo
2b) Linha de tendência projetada e equação definida “desprezar o R-quadrado neste momento”(MS-Excel)
3) Calcular os valores da linha de tendência a partir da equação obtida “Onde y é o valor desejado e x é o período 1(janeiro Ano1); 2 (março Ano1)...13 (janeiro Ano2)...(MS-Excel)
Decomposição
Senac São Paulo
4) Calcular os coeficientes de ciclicidade “dividindo os valores das vendas pelos valores da linha de tendência” (MS-Excel)
4) Calcular os coeficientes de ciclicidade para a previsão através da média dos coeficientes dos meses anteriores respectivos.
Dez 1 + Dez 2 + Dez 3
3
Jan 1 + Jan 2 + Jan 3
3
Decomposição
Senac São Paulo
5) Multiplicar os valores da linha de tendência pelos valores da média de ciclicidade dos meses anteriores e respectivos.
Completar o gráfico com os valores da previsão para o quarto ano “parabéns você já sabe como fazer” (MS-Excel)
Decomposição
Senac São Paulo
A ferramenta que será apresentada é a Análise de Regressão Linear.
Esta ferramenta permite conhecer quanto um determinado fator explica a demanda e
como podemos descrever esta relação.
Técnicas Causais
x y
b a
Exemplo: Qual a relação da demanda (vendas) com os gastos com propaganda?
Neste caso, a demanda (vendas) é a variável explicada (y) e os gastos com propaganda é a variável explicativa (x).
A equação linear que descreve a relação é: y = a + bx. Onde (a) representa o intercepto de y, ou seja momento em que x = 0. Já (b) é o coeficiente angular da reta.
No caso do exemplo ficaria: demanda = a + b*(gastos com propaganda).
Todavia é importante esclarecer as seguintes fatos:
O modelo deve ser considerado como uma aproximação
da real relação funcional, visto a existência de um erro aleatório.
O modelo não permite extrapolações fora dos limites estudados (limite dos dados).
O modelo fornece as seguintes possibilidades: descrição dos dados, estimação de parâmetros, previsão.
X Y
Período Propaganda Demanda
JANEIRO 75 1755 FEVEREIRO 268 3878 MARÇO 221 3505 ABRIL 47 1727 MAIO 25 1593 JUNHO 93 1760 JULHO 237 3461 AGOSTO 330 4255 SETEMBRO 107 2091 OUTUBRO 165 2801 NOVEMBRO 85 1467 DEZEMBRO 49 1462 Técnicas Causais Histórico de investimento em
propaganda Histórico da demanda
Demanda = 10,175 (investimento propaganda no mês) + 1036,5
Esta equação tem 96% (0,9602) de poder de explicação da demanda (considerando somente a variável investimento em propaganda).
A Previsão da Demanda
y = 10,175x + 1036,5 R2 = 0,9602 0 1000 2000 3000 4000 5000 0 50 100 150 200 250 300 350Senac São Paulo
Caminhos no MS-Excel para Técnica Causal (Regressão Linear) 1) Montar uma matriz com os
dados históricos
Caminhos no MS-Excel para Técnica Causal (Regressão Linear) 3) Criar o gráfico de Dispersão (XY)
Senac São Paulo
4) Adicionar linha de tendência (click botão esquerdo sobre os pontos) Caminhos no MS-Excel para Técnica Causal (Regressão Linear)
5) Configurar tipo linear:
Caminhos no MS-Excel para Técnica Causal (Regressão Linear)
Senac São Paulo
6) Configurar opções (exibir equação e valor do R-quadrado): Caminhos no MS-Excel para Técnica Causal (Regressão Linear)
FIM: Você já saber como fazer...
Caminhos no MS-Excel para Técnica Causal (Regressão Linear)