Algumas características gerais normalmente estão presentes em todas as técnicas de Previsão de Demanda:

• supõe-se que as causas que influenciaram a demanda passada continuarão a agir no futuro;
• as previsões não são perfeitas, pois não é possível prever todas as variações aleatórias que ocorrerão;
• a acuracidade das previsões diminui com o aumento do período de tempo auscultado;
• a previsão para grupos de produtos é mais precisa do que para os produtos individualmente, visto que, no grupo, os erros individuais de previsão minimizam-se.

Partem do princípio de que a demanda futura será uma projeção de seus valores passados, não sofrendo influência de outras variáveis. É o método mais simples e usual de previsão.

Para a montagem do modelo de previsão, é necessário construir um gráfico com os dados da demanda em função do tempo, identificando os fatores que estão por detrás das características da curva obtida. Uma curva temporal de previsão pode conter tendência, sazonalidade, variações irregulares e variações aleatórias.

Já as técnicas de previsão da média procuram privilegiar os dados mais recentes da série histórica, que normalmente representam melhor a situação atual.

A previsão de demanda não é uma ciência exata, envolvendo uma boa dose de experiência e julgamento pessoal do planejador. Garante-se que o valor previsto será sempre uma aproximação do valor real. Porém, quanto mais apurada for a técnica empregada, melhor a base sobre a qual o planejador decidirá. A validação do erro de previsão servirá de base para o estabelecimento dos estoques de segurança do sistema, assim como para atualização dos parâmetros do modelo de previsão.

A coleta de dados históricos do produto/serviço serve de base para escolha da técnica de previsão que melhor se adapte. Assim, alguns cuidados básicos devem ser tomados:

• quanto mais dados históricos forem coletados e analisados, mais confiável será a técnica de previsão;
• os dados devem buscar a caracterização da demanda pelos produtos da empresa, que não é necessariamente igual às vendas passadas, pois pode ter ocorrido falta de produtos, postergando as entregas ou deixando de atendê-las;
• variações extraordinárias da demanda, como promoções especiais, devem ser analisadas e substituídas por valores médios, compatíveis com o comportamento normal da demanda;
• o tamanho do período de consolidação dos dados (semanal, mensal, trimestral, anual, etc.) tem influência direta na escolha da técnica de previsão mais adequada, assim como na análise das variações extraordinárias.

Média Móvel: usa dados de um número pré-determinado de períodos, normalmente os mais recentes, para gerar sua previsão. A cada novo período de previsão, substitui-se o dado mais antigo pelo mais recente. A média móvel pode ser obtida através da seguinte equação:

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

Média Exponencial Móvel: o peso de cada observação decresce no tempo em progressão geométrica ou de forma exponencial. Em sua forma de apresentação mais simples, cada nova previsão é obtida com base na previsão anterior, acrescido do erro cometido na previsão anterior, corrigido por um coeficiente de ponderação, conforme a equação a seguir:

onde Mt = previsão para o período t; Mt-1 = previsão para o período t-1; = coeficiente de ponderação; Dt-1 = demanda do período t-1.

O coeficiente de ponderação é fixado pelo analista dentro de uma faixa que varia de 0 a 1. Quanto maior seu valor, mais rapidamente o modelo de previsão reagirá a uma variação real da demanda. Se seu valor for muito grande, as previsões ficarão muito sujeitas às variações aleatórias da demanda. Se, ao contrário, seu valor for muito pequeno, as previsões poderão ficar defasadas da demanda real. Os valores normalmente usados para variam de 0,05 a 0,50.

Há ainda técnicas para previsão da tendência e da sazonalidade, com base em cálculos específicos. Uma vez decidida a técnica de previsão e implantado o modelo, há necessidade de acompanhar o desempenho das previsões e confirmar sua validade perante a dinâmica atual dos dados. Este acompanhamento é realizado por meio de cálculo e acompanhamento do erro da previsão, que é a diferença entre o valor real da demanda e o valor previsto pelo modelo para dado período.

A manutenção e monitoramento de um modelo de previsão confiável buscam verificar a acuracidade dos valores previstos; identificar, isolar e corrigir variações anormais e permitir a escolha de técnicas, ou parâmetros, mais eficientes.

Share |

Mais sobre PPCP, Estoques e Suprimentos