Métodos de Previsão da Demanda utilizando o Excel. Este material deve ser utilizado em conjunto com as Planilhas de Apoio que tratam dessas Técnicas.

(1)

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.

(2)

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

(3)

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)

(4)

Técnicas de Séries Temporais:

Componentes das séries temporais

Tendência: 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

(5)

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

(6)

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

(7)

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)



(8)

futuro

?

ou

Qual tendência é

mais representativa

para

projetar

o

futuro?

0 0,50 1

Tendência

Coeficientes de Amortecimento

b: coeficiente de amortecimento (0 1)



presente

passado

?

Técnicas de Séries Temporais

(9)

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

Coeficientes de Amortecimento

presente

passado

?



(10)

Técnicas de Séries Temporais

(11)

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

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

(12)

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

(13)

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.

(14)

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

(15)

Senac São Paulo

1a) Representar os dados graficamente (MS-Excel)

1b) Marcar as células de dados relativo aos dados de vendas do histórico

(16)

1c) Representar os dados graficamente (MS-Excel)

Decomposição

(17)

Senac São Paulo

2a) Adicionar linha de tendência ao gráfico (MS-Excel)

(18)

2b) Configurar projeção da linha de tendência para 12 períodos futuros, a equação da reta (MS-Excel)

Decomposição

(19)

Senac São Paulo

2b) Linha de tendência projetada e equação definida “desprezar o R-quadrado neste momento”(MS-Excel)

(20)

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

(21)

Senac São Paulo

4) Calcular os coeficientes de ciclicidade “dividindo os valores das vendas pelos valores da linha de tendência” (MS-Excel)

(22)

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

(23)

Senac São Paulo

5) Multiplicar os valores da linha de tendência pelos valores da média de ciclicidade dos meses anteriores e respectivos.

(24)

Completar o gráfico com os valores da previsão para o quarto ano “parabéns você já sabe como fazer” (MS-Excel)

Decomposição

(25)

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.

(26)

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 50 100 150 200 250 300 350

(27)

Senac São Paulo

Caminhos no MS-Excel para Técnica Causal (Regressão Linear) 1) Montar uma matriz com os

dados históricos

(28)

Caminhos no MS-Excel para Técnica Causal (Regressão Linear) 3) Criar o gráfico de Dispersão (XY)

(29)

Senac São Paulo

4) Adicionar linha de tendência (click botão esquerdo sobre os pontos) Caminhos no MS-Excel para Técnica Causal (Regressão Linear)

(30)

5) Configurar tipo linear:

Caminhos no MS-Excel para Técnica Causal (Regressão Linear)

(31)

Senac São Paulo

6) Configurar opções (exibir equação e valor do R-quadrado): Caminhos no MS-Excel para Técnica Causal (Regressão Linear)

(32)

FIM: Você já saber como fazer...

Caminhos no MS-Excel para Técnica Causal (Regressão Linear)