Sistema ABC de classificação de estoques e análise de materiais

MATEUS CSAR DE OLIVEIRA
ADMINISTRAO DE MATERIAIS
ADMINISTRAO DE MATERIAIS
SISTEMA ABC ANLISE
ABC DE ESTOQUE
ESPECIFICAO,
CLASSIFICAO E
CODIFICAO DE MATERIAS
TIPOS DE DEMANDA,
MTODOS DE PREVISO E
CONTROLE
O sistema ABC uma das ferramentas mais usadas
na Administrao de Materiais e precisa ser bem
entendida.
O sistema ABC ou Curva ABC, tambm chamada
de Classificao ABC, regra do 80/20 ou Teorema
de Pareto (em homenagem ao seu criador, o
cientista poltico, Italiano Vilfredo Pareto sec. XIX),
nasceu quando Pareto percebeu que 80% da
riqueza estava nas mos de apenas 20% da
populao. Isto ficou conhecido como regra 80/20 e
muito utilizada em processos administrativos e na
logstica como veremos a seguir.

SISTEMA ABC
ANLISE ABC DE ESTOQUE
Da mesma forma que boa parte da riqueza estava
concentrada em uma pequena parcela da
populao, nas empresas boa parte do trabalho
devido a poucos produtos, a maioria dos custos de
estoque deve-se a poucos itens caros e grande
parte da receita vem de poucos produtos.
Tendo isto em mente, deve-se direcionar recursos,
esforos e pessoal para fazer com os itens mais
importantes, de maior valor e os clientes mais
rentveis sejam atendidos com ateno especial.

SISTEMA ABC
Na Administrao de Materiais, a Curva ABC muito
usada para controlar o estoque. Alguns produtos so
mais importantes(VALOR), que outros e precisam
ser tratados como tal.
Pode separar os itens no estoque segundo algum
critrio: giro do produto, proporo sobre o
faturamento, margem de lucro, custo do estoque, ou
outro parmetro escolhido.

SISTEMA ABC

SISTEMA ABC
COD Qtde Consumo Custo Unit. Custo Total Porc. %
P17 2345 23,34 R$ 54.732,30 R$ 44,57%
P2 287 67,00 R$ 19.229,00 R$ 15,66%
P4 321 54,00 R$ 17.334,00 R$ 14,12%
P18 231 32,00 R$ 7.392,00 R$ 6,02%
P5 123 53,00 R$ 6.519,00 R$ 5,31%
P19 98 54,00 R$ 5.292,00 R$ 4,31%
P7 345 12,00 R$ 4.140,00 R$ 3,37%
P16 654 4,56 R$ 2.982,24 R$ 2,43%
P8 876 1,23 R$ 1.077,48 R$ 0,88%
P3 3452 0,23 R$ 793,96 R$ 0,65%
P9 564 0,99 R$ 558,36 R$ 0,45%
P10 235 2,34 R$ 549,90 R$ 0,45%
P1 355 1,23 R$ 436,65 R$ 0,36%
P6 543 0,79 R$ 428,97 R$ 0,35%
P11 240 1,43 R$ 343,20 R$ 0,28%
P13 10 34,00 R$ 340,00 R$ 0,28%
P15 234 1,32 R$ 308,88 R$ 0,25%
P14 230 0,99 R$ 227,70 R$ 0,19%
P12 466 0,23 R$ 107,18 R$ 0,09%
Total 122.792,82 R$
Sendo A= 70% , B=20% e C= 10%
SISTEMA ABC
COD Qtde Consumo Custo Unit. Custo Total Porc. % Porc. % Acu
P17 2345 23,34 R$ 54.732,30 R$ 44,57% 44,57%
P2 287 67,00 R$ 19.229,00 R$ 15,66% 60,23%
P4 321 54,00 R$ 17.334,00 R$ 14,12% 74,35%
P18 231 32,00 R$ 7.392,00 R$ 6,02% 80,37%
P5 123 53,00 R$ 6.519,00 R$ 5,31% 85,68%
P19 98 54,00 R$ 5.292,00 R$ 4,31% 89,99%
P7 345 12,00 R$ 4.140,00 R$ 3,37% 93,36%
P16 654 4,56 R$ 2.982,24 R$ 2,43% 95,79%
P8 876 1,23 R$ 1.077,48 R$ 0,88% 96,67%
P3 3452 0,23 R$ 793,96 R$ 0,65% 97,31%
P9 564 0,99 R$ 558,36 R$ 0,45% 97,77%
P10 235 2,34 R$ 549,90 R$ 0,45% 98,21%
P1 355 1,23 R$ 436,65 R$ 0,36% 98,57%
P6 543 0,79 R$ 428,97 R$ 0,35% 98,92%
P11 240 1,43 R$ 343,20 R$ 0,28% 99,20%
P13 10 34,00 R$ 340,00 R$ 0,28% 99,48%
P15 234 1,32 R$ 308,88 R$ 0,25% 99,73%
P14 230 0,99 R$ 227,70 R$ 0,19% 99,91%
P12 466 0,23 R$ 107,18 R$ 0,09% 100,00%
Total 122.792,82 R$
Sendo A= 70% , B=20% e C= 10%
SISTEMA ABC
COD Qtde Consumo Custo Unit. Custo Total Porc. % Porc. % Acu Classificao
P17 2345 23,34 R$ 54.732,30 R$ 44,57% 44,57%
P2 287 67,00 R$ 19.229,00 R$ 15,66% 60,23% 16%
P4 321 54,00 R$ 17.334,00 R$ 14,12% 74,35%
P18 231 32,00 R$ 7.392,00 R$ 6,02% 80,37%
P5 123 53,00 R$ 6.519,00 R$ 5,31% 85,68% 21%
P19 98 54,00 R$ 5.292,00 R$ 4,31% 89,99%
P7 345 12,00 R$ 4.140,00 R$ 3,37% 93,36%
P16 654 4,56 R$ 2.982,24 R$ 2,43% 95,79%
P8 876 1,23 R$ 1.077,48 R$ 0,88% 96,67%
P3 3452 0,23 R$ 793,96 R$ 0,65% 97,31%
P9 564 0,99 R$ 558,36 R$ 0,45% 97,77%
P10 235 2,34 R$ 549,90 R$ 0,45% 98,21%
P1 355 1,23 R$ 436,65 R$ 0,36% 98,57% 63%
P6 543 0,79 R$ 428,97 R$ 0,35% 98,92%
P11 240 1,43 R$ 343,20 R$ 0,28% 99,20%
P13 10 34,00 R$ 340,00 R$ 0,28% 99,48%
P15 234 1,32 R$ 308,88 R$ 0,25% 99,73%
P14 230 0,99 R$ 227,70 R$ 0,19% 99,91%
P12 466 0,23 R$ 107,18 R$ 0,09% 100,00%
Total 122.792,82 R$
Sendo A= 70% , B=20% e C= 10%
A
B
C
SISTEMA ABC
16
%
21
%
63
%
SISTEMA ABC
INTRODUO
Classificar um material veio da necessidade da
diversificao;
Precisavam de controle;
Controle depende da organizao e planejamento;
Com a globalizao tornou-se ainda mais importante
o sistema de classificao e codificao de materiais,
passando a ser ferramentas fundamentais para a
existncia de procedimentos de armazenagem
adequados e um controle eficiente dos estoques.
ESPECIFICAO, CLASSIFICAO E CODIFICAO
DE MATERIAIS
ESPECIFICAO, CLASSIFICAO E
CODIFICAO DE MATERIAIS
Um sistema de especificao, classificao e
codificao de materiais fundamental para que
existam procedimentos de armazenagem
adequados, um controle eficiente dos estoques e
uma operacionalizao correta do almoxarifado.

O sistema de classificao como um todo
composto de diversas etapas:
a) Catalogao;
b) Especificao;
c) Classificao;
d) Simplificao;
e) Normalizao e padronizao
f) Codificao de todos os materiais
que compem o estoque da empresa.
Especificao e Classificao de Material
A descrio deve ser concisa e objetiva,
preferencialmente com a utilizao de termos tcnicos
e usuais.
Obedecendo a determinados critrios:
a) A denominao no deve ser no plural (exceto
existncia nica);
b) A denominao, preferencialmente, deve ser nica e
referente ao material, especificamente, e no a
embalagem, apresentao ou uso;
c) As abreviaturas devem ser padronizadas.
MTODOS DE IDENTIFICAO DO MATERIAL

MTODO DESCRITIVO (1 Mtodo) A identificao
feita pela descrio detalhada do material, onde
procura-se apresentar todas as particularidades ou
caractersticas fsicas que o individualizam,
independentemente da referncia do fabricante.
Exemplo: Especificao de dois tipos de lpis para
escritrio:

Se fossemos especificar qualquer dos lpis apenas
associando-o sua nomenclatura(LPIS,
ESCRITRIO) e o nmero referencial, no
estaramos identificando nem o 1 nem o 2,porque o
primeiro apresenta graduao 7 e o segundo,
graduao 2, o que os torna diferentes.
A estrutura e a formao da classificao
Normalmente, monta-se a classificao dos materiais por
meio da seguinte estrutura:
a) Nome bsico;
b) Nome modificador ou termo complementar;
c) Caractersticas fsicas;
d) Elementos auxiliares quando for o caso: unidade
metrolgica, medidas, caractersticas de fabricao,
cuidados com relao ao manuseio e armazenagem dos
materiais, embalagem.
Exemplo:
a) Lmpada incandescente 220 V, 40 W;
b) Parafuso em ao liga SAE 4140, ASTM-A-193 e 325.
MTODO REFERENCIAL (2 MTODO)
Esta forma de especificar um material
atribui uma descrio ou uma nomenclatura mais
simplificada a cada item, apoiada basicamente na
prpria referncia do fabricante.
Este cdigo referenciado como part number , na
realidade, o prprio nmero de estoque do fabricante.
Alguns sistemas mantm o nome bsico do material na
sua grafia original e outros traduzem para o portugus.
Exemplo:
Part number Description
1614 0257 Piston... (pisto)
663 9776 O-ring... (anel)
(No catlogo do fabricante segue desenho ou fotografia
da pea)
INTRODUO
a representao por meio de um conjunto de
smbolos alfanumricos ou simplesmente nmeros
que traduzem as caractersticas dos materiais, de
maneira racional, metdica e clara, para se
transformar em linguagem universal de materiais
na empresa.

OBJETIVOS
a) Facilitar a comunicao interna na empresa no
que se refere a materiais e compras;
b) Evitar a duplicidade de itens no estoque;
c) Permitir as atividades de gesto de estoques e
compras;
d) Facilitar a padronizao de materiais;
e) Facilitar o controle contbil dos estoques.

PLANO DE CODIFICAO
a) Grupo: designa a famlia, o agrupamento de
materiais, com numerao de 01 a 99;
b) Classe: identifica os materiais pertencentes
famlia do grupo, numerando de 01 a 99;
c) Nmero identificador: um individualizador do
material, feito a partir de 001 a 999;
d) Digito de controle: para os sistemas
mecanizados, necessrio a criao de um
dgito de controle para assegurar a
confiabilidade de identificao do programa.

CARACTERSTICAS DO SISTEMA DE
CODIFICAO
a) Expansivo: deve possuir espao para novos
itens;
b) Preciso: um cdigo para cada material;
c) Conciso: nmero mnimo de dgitos;
d) Conveniente: ser facilmente compreendido;
e) Simples: de fcil utilizao.

TIPOS DE CODIFICAO
Sistema Alfabtico: esta codificao tem por constituio
somente letras. Sua caracterstica principal a fixao atravs de
processo mnemnico mediante a associao e combinao de
letras com as caractersticas do material.
Exemplo:
P Pregos P/AA - Pregos 14 x 18 - 1 1/2" x 14
P/AB - Pregos 16 x 24 - 2 1/4" x 12P/AC - Pregos 30 x 38 - 3
1/4" x 8
Sistema Alfanumrico ou Misto: Consiste na associao de letra
s e nmeros para
representar um material. Embora este sistema apresente elevada f
requncia
de emprego, dificilmente encontrada em empresa que tem um
nmero elevado de itens estocados.
P - Pregos.
P/690 - Pregos 12 x 12
P/691 - Pregos 13 x 15
P/692 - Pregos 13 x 18

Sistema Numrico (ou decimal): o de uso mais
generalizado, em boa parte das empresas, tendo
em vista a sua forma simples e a sua maior
assimilao, bem como a facilidade e
flexibilidade que oferece na ordenao sequencial
dos diversos itens e na adoo do processamento
de dados.


Aplicao do Mtodo: FSC - Federal Supply
Classification

1. Conceitos
2. Etapas de um Modelo de Previso
1. Objetivos
2. Coleta e anlise de dados
3. Seleo da Tcnica
4. Obteno da previso
5. Monitoramento

Sumrio
TIPOS DE DEMANDA, MTODOS DE PREVISO E CONTROLE
Previso da Demanda
A previso da demanda a base para o
planejamento estratgico da produo, vendas e
finanas de qualquer empresa.

Permite que os administradores destes sistemas
antevejam o futuro e planejem adequadamente
suas aes.

As previses so usadas pelo PCP em dois
momentos distintos: para planejar o sistema
produtivo (longo prazo) e para planejar o uso
(curto prazo) deste sistema produtivo.
Longo prazo: produtos/servios, instalao,
equipamentos,...
Curto prazo: planos de produo, armazenagem e
compras, sequenciamento
Previso da Demanda
A responsabilidade pela preparao da previso da demanda
normalmente do setor de Marketing ou Vendas. Porm,
existem bons motivos para que o pessoal do PCP/Logstica
entenda como esta atividade realizada:
A previso da demanda a principal informao empregada
pelo PCP na elaborao de suas atividades;

Em empresas de pequeno e mdio porte, no existe ainda
uma especializao muito grande das atividades, cabendo ao
pessoal do PCP (geralmente o mesmo de Vendas) elaborar
estas previses.

Atualmente as empresas esto buscando um relacionamento
mais eficiente dentro de sua cadeia produtiva (JIT/TQC
Cadeia Automotiva, Celta, Fiat online).
Objetivo do modelo
Coleta e anlise dos dados
Seleo da tcnica de previso
Obteno das previses
Monitorao do modelo
Etapas de um Modelo de Previso
Objetivo do Modelo
A primeira etapa consiste em definir a razo pela qual
necessitamos de previses. Que produto, ou famlias
de produtos, ser previsto, com que grau de
acuracidade e detalhe a previso trabalhar, e que
recursos estaro disponveis para esta previso.

A sofisticao e o detalhamento do modelo depende da
importncia relativa do produto, ou famlia de produtos, a
ser previsto e do horizonte ao qual a previso se destina.

Itens pouco significativos podem ser previstos com maior
margem de erro, empregando-se tcnicas simples.
Assim como admite-se margem de erro maior para
previses de longo prazo, empregando-se dados
agregados de famlias de produtos.
Coleta e Anlise dos Dados
Visa identificar e desenvolver a tcnica de previso que melhor
se adapte. Alguns cuidados bsicos:

Quanto mais dados histricos forem coletados e analisados,
mais confivel a tcnica de previso ser;
Os dados devem buscar a caracterizao da demanda real
pelos produtos da empresa, que no necessariamente igual
as vendas passadas (faltas, postergao,...);
Variaes extraordinrias da demanda (greves, promoes, ...)
devem ser analisadas e substitudas por valores mdios,
compatveis com o comportamento normal da demanda;
O tamanho do perodo de consolidao dos dados (semanal,
mensal,...) tem influncia direta na escolha da tcnica de
previso mais adequada, assim como na anlise das variaes
extraordinrias.
Periocidades Diferentes para Dados Idnticos
Seleo da Tcnica de Previso
Existem Tcnicas Qualitativas e Quantitativas. Cada uma
tendo o seu campo de ao e sua aplicabilidade. Alguns fatores
merecem destaque na escolha da Tcnica de Previso:

Decidir em cima da curva de troca custo-acuracidade;

A disponibilidade de dados histricos;

A disponibilidade de recursos computacionais;

A experincia passada com a aplicao de determinada tcnica;

A disponibilidade de tempo para coletar, analisar e preparar os
dados e a previso;

O perodo de planejamento para o qual se necessita da previso.
Tcnicas de Previso
Existem uma srie de tcnicas disponveis, com diferenas
substanciais entre elas. Porm, cabe descrever as
caractersticas gerais que normalmente esto presentes em
todas as tcnicas de previso, que so:
Supem-se que as causas que influenciaram a demanda
passada continuaro a agir no futuro;
As previses no so perfeitas, pois no somos capazes 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 anulam.
Tcnicas de Previso
As tcnicas de previso podem ser subdivididas em dois
grandes grupos:

As tcnicas qualitativas privilegiam principalmente dados
subjetivos, os quais so difceis de representar numericamente.
Esto baseadas na opinio e no julgamento de pessoas
chaves, especialistas nos produtos ou nos mercados onde
atuam estes produtos;

As tcnicas quantitativas envolvem a anlise numrica dos
dados passados, isentando-se de opinies pessoais ou
palpites. Empregam-se modelos matemticos para projetar a
demanda futura. Podem ser subdivididas em dois grandes
grupos: as tcnicas baseadas em sries temporais, e as
tcnicas causais (Mais conhecidos: Regresso Simples e
Mltipla)
Tcnicas de Previso
Tcnicas Qualitativas
Pouco tempo para coleta de dados, introduo de
novos produtos, cenrio poltico/econmico instvel
Questes estratgicas em conjunto com modelos
matemticos e tcnicas quantitativas

Tcnicas Quantitativas
Sries Temporais modelo matemtico da demanda
futura relacionando dados histricos de vendas do
produto com o tempo
Causais associar dados histricos de vendas do
produto com uma ou mais variveis relacionadas
demanda
Tcnica Delphi

Anlise de Cenrios

Jri executivo de opinies

Composio de foras de vendas

Pesquisas de mercado
Mtodos Qualitativos mais comuns
Tcnicas de Previso Qualitativas
Caractersticas: anonimato, realimentao controlada das
informaes, quantificao das respostas (escala
numrica), resposta estatstica (pode no haver
consenso)
Processo:
1o. Passo Coordenador elabora Questionrio
2o. Passo - Grupo responde Questionrio (escala numrica)
3o. Passo Coordenador confere coerncia das respostas, altera
questes (se necessrio), processa anlise estatstica, sistematiza
os argumentos manifestados
4o. Passo Grupo responde novo Questionrio (com as informaes
da anlise estatstica e dos argumentos), respostas discrepantes
com relao Mdia devem ser justificados
5o.Passo Coordenador verifica se no houve variaes
significativas (Fim - Relatrio), caso contrrio retornar ao Passo 2.
Mtodo Delphi
Vantagens
timo mtodo para lidar com aspectos
inesperados de um problema

Previses com carncia de dados histricos

Interesse pessoal dos participantes

Minimiza presses psicolgicas

No exige presena fsica
Desvantagens
Processo lento, mdia de 6 meses

Dependncia dos participantes

Dificuldade de redigir o questionrio

Possibilidade de consenso forado
Situaes muito complexas
Geralmente utilizado para o longo prazo

Aplicado quando no h parmetros que
permitam uma previso segura

Tcnicas de Previso Qualitativas
Anlise de Cenrios
Determinao dos Cenrios
Trs possveis cenrios:

Cenrio base: sem surpresas

Cenrio alternativo 1: otimista

Cenrio alternativo 2: pessimista
Vantagens
Estruturar e sistematizar o processo de
projees qualitativas

Identificar as variveis que impactam a
demanda e seus impactos mtuos

Estabelecer objetivos de longo prazo

Identificar prioridade de ao
Desvantagens
Dependncia dos resultados em funo da
escolha das variveis

Complexidade para se tratar muitas variveis
ao mesmo tempo

Pequenas alteraes nas variveis podem
causar grandes distores nas previses

Mtodos Quantitativos de Previso
Partem do princpio de que a demanda futura ser uma
projeo dos seus valores passados, no sofrendo
influncia de outras variveis.

o mtodo mais simples e usual de previso, e quando
bem elaborado oferece bons resultados.

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 (Previso final =
composio dos fatores).

Uma curva temporal de previso pode conter tendncia,
sazonalidade, variaes irregulares e variaes
randmicas (h tcnicas para tratar cada um destes
aspectos).
Previses Baseadas em Sries Temporais
Previses Baseadas em Sries Temporais
0
10
20
30
40
50
60
Jan. Fev. Mar. Abr. Mai. Jun. Jul. Ago. Set. Out. Nov. Dez.
D
e
m
a
n
d
a
Variao irregular
Sazonali dade
Tendncia
Variao randni ca
Series Temporais - ST
ST de Modelo Fixo (Fixed-Model Time-Series)
apresentam equaes definidas baseadas em
avaliaes a priori da existncia de determinadas
componentes nos dados histricos (Mais simples,
sries histricas no muito grandes);
ST de Modelo Aberto (Open-Model Time-Series)
analisam as ST de modo a identificar quais
componentes realmente esto presentes, para ento
criar um modelo nico que projete tais componentes,
prevendo os valores futuros (Mais elaboradas, maior
quantidade de dados).
Existem mais de 60 mtodos do tipo ST!!
Classifica
o
ST de Modelo Fixo
Mdia simples (MS)
Mdia Mvel Simples (MMS)
Mdia Mvel Dupla (MMD)
Amortecimento Exponencial Simples (AES)
Amortecimento Exponencial Duplo ( Mtodo de
Brown)
Amortecimento Exponencial Duplo ( Mtodo de Holt)
Amortecimento Exponencial Triplo ( Mtodo de Winter)
Metodologias de Seleo de Coeficientes de
Amortecimento

Mdia Simples (MS)
Mdia aritmtica simples de todas as vendas passadas:

n
R
P
n
t
t
t
=
+
=
1
1
1 + t
P
t
R
n
- Previso para o prximo perodo;

- Valor real observado no perodo t;

- Nmero de perodos no histrico de vendas passadas
No indicada quando h Tendncia ou Sazonalidade
Mdia Mvel Simples (MMS)
A mdia mvel usa dados de um nmero j determinado 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.
No indicada quando h Tendncia ou Sazonalidade
n
R R R R
M P
n t t t t
t t
) ... (
1 2 1
1
+
+
+ + + +
= =
1 + t
P
: previso para o prximo perodo;
: mdia mvel no perodo t;
: valor real observado no perodo t;
: nmero de perodos considerados na mdia
mvel.
t
M
t
R
n
Mdia Mvel Simples
Perodo Janeiro Fevereiro Maro Abril Maio
Junho Julho
Demanda 60 50 45 50 45 70
60
Previses para Julho
Mm
3
50 45 70
3
55 00 =
+ +
= , Mm
3
45 70 60
3
58 33 =
+ +
= ,
Mm
5
50 45 50 45 70
5
52 00 =
+ + + +
= ,
Previso para Agosto
Alternativa: ponderar os perodos com pesos maiores para os mais
recentes (50%, 30%, 20%: Julho = 58,50)
Mdia Mvel Dupla - MMD
Previso de sries que apresentam tendncia. Deve-se efetuar os
clculos:

n
R R R R
M
n t t t t
t
) ... (
1 2 1 +
+ + + +
=
n
M M M M
M
n t t t t
) ... (
1 2 1 +
+ + + +
=
) (
1
2
'
t t t
M M
n
b
=
p b a P
t t p t
+ =
+
' '
2 ) (
t t t t t t
M M M M M a = + =
p : nmero de perodos futuros a serem previstos
- Mdia mvel:
- Mdia mvel das mdias mveis:
- Efetua-se o seguinte clculo:

- Fator de ajuste adicional
(Tendncia Coef.
Angular):
-Assim, a previso dada
por:

t
R
t
= valor real observado no perodo t
n = nmero de perodos considerados na Mdia Mvel
Amortecimento Exponencial Simples - AES

Sem Tendncia. Mtodo permite atribuir um maior peso ( )
em valores mais recentes. Deve-se efetuar os seguintes
clculos:

... ) 1 ( ) 1 (
2
2
1 1
+ + + =
+ t t t t
R R R P o o o o o
t t t
P R P ) 1 (
1
o o + =
+
) 1 0 ( s so
Sendo: = coeficiente de amortecimento
Prximo de 1 previso mais sensvel ao ltimo valor observado
o
o
o
R
t
= valor real observado no
perodo t
Geralmente adota-se P
0
= R
0
ou P
0
= (ER
t
)/n
Ou ainda,
AED - Amortecimento Exponencial Duplo
(Mtodo de Brown)
Mtodo para sries com tendncias, com
atribuio de pesos diferentes aos dados
histricos. Seguem-se os clculos:
1
) 1 (

+ =
t t t
A R A o o
'
1
'
) 1 (

+ =
t t t
A A A o o
'
2
t t t
A A a =
) (
1
'
t t t
A A b
=
o
o
p b a P
t t p t
+ =
+
Primeiro amortecimento:
Segundo amortecimento:
Sua diferena:
Fator de ajuste adicional:
Previso:
p: nmero de perodos futuros a serem previstos
0 0 0
) 1 (
b a A
o
o
=
0 0
'
0
) 1 (
2 b a A
o
o
=
Ao utilizar o AED deve-se atentar aos valores iniciais A
0
e A
0
, pois a utilizao
da primeira observao para estes valores implica em subestimar a tendncia existente
em uma srie. Usar:
e
: Coeficiente linear da regresso dos valores da srie (varivel
dependente) pelos nmeros dos perodos (varivel independente).

: Coeficiente angular da regresso dos valores da srie (varivel
dependente) pelos nmeros dos perodos (varivel independente).
AED - Amortecimento Exponencial Duplo (Mtodo de Brown)
Amortecimento Exponencial Duplo (Mtodo de Holt)
Utilizado tambm para sries que apresentam
tendncia. Existem dois coeficientes de
amortecimento. Clculos:
t t p t
t t t t
t t t t
pT N P
T N N T
T N R N
+ =
+ =
+ + =
+

1 1
1 1
) 1 ( ) (
) )( 1 (
| |
o o
Onde:
: Componente nvel
: Componente tendncia
: Coeficiente de amortecimento para a estimativa da
tendncia 0 s s 1
: Coeficiente de amortecimento 0 s s 1
o o
p: nmero de perodos futuros a serem previstos
Amortecimento Exponencial Triplo (Mtodo Winter)
c t
t
t
t
S
N
R
S

+
|
|
.
|
\
|
= ) 1 (
|
|
.
|
\
|
t
t
N
R
c t
S

Adequado para previso de sries que apresentam tendncias e
sazonalidades:
: ajuste sazonal calculado para o perodo t

: ajuste sazonal calculado c perodos atrs. Para previso mensal
(semanal) e sazonalidade ao longo do ano (ms), usa-se c = 12 (4).
: Coeficiente de amortecimento para a estimativa da sazonalidade
0 s s 1.
: Componente sazonal

N
t
: Componente nvel
p c t t t p t
S pT N P
+ +
+ = ) (
) )( 1 (
1 1
+ +
|
|
.
|
\
|
=
t t
c t
t
t
T N
S
R
N o o
1 1
) 1 ( ) (

+ =
t t t t
T N N T | |
- Clculo da Tendncia (Holt):
- Clculo do nvel considerando o ajuste sazonal:
- Finalmente, a previso:
Amortecimento Exponencial Triplo (Mtodo Winter)
T
t
: componente Tendncia, o: coef. de amortecimento, |: coef. de
amortecimento para a estimativa de Tendncia, R
t
: valor real
observado no perodo t, p: nmero de perodos a serem previstos.
Tcnica para Previso da Sazonalidade
A sazonalidade expressa em termos de uma quantidade,
ou de uma percentagem, da demanda que desvia-se
dos valores mdios da srie. Caso exista tendncia, ela
deve ser considerada.

O valor aplicado sobre a mdia, ou a tendncia,
conhecido como ndice de sazonalidade.
Exemplo: ndice de Sazonalidade de cervejas em janeiro =
1,30, ou seja, 30% maior que a mdia anual.

A forma mais simples de considerar a sazonalidade nas
previses da demanda, consiste em empregar o ltimo
dado da demanda, no perodo sazonal em questo, e
assumi-lo como previso.
Exemplo: Venda de casacos em julho/2003 = Vendas em
julho/2002 + tendncia
Decomposio Clssica
Tcnicas para Previso da Sazonalidade
A forma mais usual de incluso da sazonalidade nas
previses da demanda, consiste em obter o ndice de
sazonalidade para os diversos perodos, empregando a
mdia mvel centrada, e aplic-los sobre o valor mdio
(ou tendncia) previsto para o perodo em questo.
O ndice de sazonalidade obtido dividindo-se o valor da
demanda no perodo pela mdia mvel centrada neste
perodo. O perodo empregado para o clculo da mdia
mvel o ciclo da sazonalidade. Quando se dispem de
dados suficientes, calculam-se vrios ndices para cada
perodo e tira-se uma mdia.
Decomposio Clssica
Previso da Sazonalidade: Exemplo do Restaurante
Dia Demanda Mdia Mvel Centrada ndice
Segunda 50
Tera 55
Quarta 52
Quinta 56 443/7=63,28 56/63,28=0,88
Sexta 65 448/7=64 65/64=1,01
Sbado 80 443/7=63,28 80/63,28=1,26
Domingo 85 449/7=64,14 85/64,14=1,32
Segunda 55 443/7=63,28 55/63,28=0,86
Tera 50 448/7=64 50/64=0,78
Quarta 58 443/7=63,28 58/63,28=0,91
Quinta 50 438/7=62,57 50/62,57=0,79
Sexta 70 435/7=62,14 70/62,14=1,12
Sbado 75 435/7=62,14 75/62,14=1,20
Domingo 80 431/7=61,57 80/61,57=1,29
Segunda 52 441/7=63 52/63=0,82
Tera 50 436/7=62,28 50/62,28=0,80
Quarta 54 446/7=63,71 54/63,71=0,84
Quinta 60 456/7=65,14 60/65,14=0,92
Sexta 65 454/7=64,85 65/64,85=1,00
Sbado 85 457/7=65,28 85/65,28=1,30
Domingo 90 458/7=65,42 90/65,42=1,37
Segunda 50
Tera 53
Quarta 55
I
segunda
= 0,84
I
tera
= 0,79
I
quarta
= 0,87
I
quinta
= 0,86
I
sexta
= 1,04
I
sbado
= 1,25
I
domingo
= 1,32
Demanda =
Nmero de
Refeies
Tcnicas para Previso da
Sazonalidade
No caso da demanda do produto apresentar sazonalidade e
tendncia, h necessidade de se incorporar estas duas
caractersticas no modelo de previso. Para se fazer isto,
deve-se empregar os seguinte passos:

Primeiro, retirar o componente de sazonalidade da srie de
dados histricos, dividindo-os pelos correspondentes ndices
de sazonalidade;

Com estes dados, desenvolver uma equao que represente
o componente de tendncia;

Com a equao da tendncia fazer a previso da demanda e
multiplic-la pelo ndice de sazonalidade.
Previso de Tendncia & Sazonalidade
Exemplo: No caso do Restaurante, considere uma
tendncia dada pela equao: Y = 40 + 2X.
Deseja-se a previso da demanda para uma semana
onde a 2a. Feira o 18o. Dia.
Soluo: D(2a.) = (40 + 2.18).0,84 = 63,84
D(3a.) = (40 + 2.19).0,79 = 61,62
D(4a.) = (40 + 2.20).0,87 = 69,60
D(5a.) = (40 + 2.21).0,86 = 70,52
D(6a.) = (40 + 2.22).1,04 = 87,36
D(sab.) = (40 + 2.23).1,25 = 107,50
D(dom) = (40 + 2.24).1,32 = 116,16
Metodologias de Seleo de Modelo
Seleo a Priori
Onde: Valores reais de venda
Valores Previstos
Nmero de perodos de previso
Metodologia de Seleo de Modelo
n
P R
MAD
t
n
t
t
| |
1

=

=
t
R
t
P
Seleo pela Preciso
- Mean Absolute Deviation (MAD)
n

- Evita o problema de um erro negativo cancelar o
positivo
Seleo pela Preciso
-Mean Percentual Error (MPE)
n
R
P R
MPE
n
t
t
t t
=
1
) (
Onde: Valores reais de venda
Valores Previstos
Nmero de perodos de previso
t
R
t
P
n
Mede se os valores previstos esto sistematicamente acima ou abaixo das
vendas reais:
- Se o valor de MPE for positivo, tem-se que a previso est
freqentemente abaixo da venda real;
- Se o valor de MPE for negativo, tem-se que a previso est
freqentemente acima da venda real.
Seleo pela Preciso
- Mean Absolute Percentual Error (MAPE)
n
R
P R
MAPE
n
t
t
t t
=
1
| |
Onde: = Valores reais de venda
= Valores Previstos
= Nmero de perodos de previso
t
R
t
P
n
- Avalia a magnitude do erro com relao serie histrica

Seleo pela Preciso
- (Rooted) Mean Squared Error - (R )MSE
=
n
t
t t
n
P R
RMSE
1
2
) (
Onde: = Valores reais de venda
= Valores Previstos
= Nmero de perodos de previso
t
R
t
P
n
- Os grandes erros se destacam devido ao clculo da mdia ao
quadrado
- Mas os erros outliers recebero grande significncia (deveriam
ser desconsiderados)
-MSE : erros avaliados na unidade ao quadrado
-RMSE Raiz quadrada do MSE
Modelos Causais

Regresso Linear Simples

Regresso Linear Mltipla

Previses Baseadas em Regresses
Buscam prever a demanda de determinado produto a
partir da previso de outra varivel (interna ou externa
empresa) que esteja relacionada com o produto.
Exemplo: Pneus e Carros, Vidros planos e Construo
Civil

O objetivo da regresso linear simples consiste em
encontrar uma equao linear de previso, do tipo Y =
a + bX (onde Y a varivel dependente a ser prevista
e X a varivel independente da previso), de forma que
a soma dos quadrados dos erros de previso (|) seja a
mnima possvel. Este mtodo tambm conhecido
como regresso dos mnimos quadrados.
( ) ( )( )
( ) ( )
b
n XY X Y
n X X
=

2
2
|
2
0

|
Y = a + bX
Y
X
( )
a
Y b X
n
=

Uma equao linear possui o seguinte formato:

Y = Varivel Dependente;
a = Intercepto no eixo da varivel Independente (Y);
b = Coeficiente angular;
X = varivel Independente;
n = nmero de perodos observados.
Regresso Linear
Y a bX = +
( ) ( )( )
( ) ( )
b
n XY X Y
n X X
=

2
2
( )
a
Y b X
n
=

Regresso Linear - Exemplo
Semana(X) Demanda(Y) X
X
2
XY
1 450 1 1 450
2 430 3 5 860
3 470 6 14 1410
4 480 10 30 1920
5 450 15 55 2250
6 500 21 91 3000
7 520 28 140 3640
8 530 36 204 4240
3830 17770
b =

= =
8 17770 36 3830
8 204 36 36
4280
336
12 73 ,
a =

=
3830 12 73 36
8
42146
,
,
Y = 421,46 + 12,73 X
( ) ( )( )
( ) ( )
b
n XY X Y
n X X
=

2
2
=
( )
13 5224 86 14310 450
13 1663 14310
2

=
, , ,71
,37 ,
2,99
( )
a
Y b X
n
=

=
450 2 143 10
13
,71 ,99 ,
= 1,757
Uma cadeia de fastfood verificou que as vendas mensais de
refeies em suas casas esto relacionadas ao nmero de
alunos matriculados em escolas situadas num raio de 2
quilmetros em torno da casa. A empresa pretende instalar uma
nova casa numa regio onde o nmero de alunos de 13750.
Qual a previso da demanda para esta nova casa?
Y = 1,757 + 2,99X
Y = + = 1 757 2 99 13 75 42 869 , , , , ou seja 42.869 refeies

Vendas/Loja Versus Nmero de Alunos
Vendas Mensais em Lojas de uma Cadeia de Fastfood
Medida da Correlao entre duas Variveis:

( ) ( )( )
( ) ( ) ( ) ( )
9 , 0
71 , 450 82 , 416 . 16 . 13 . 10 , 143 37 , 663 . 1 . 13
71 , 450 . 10 , 143 86 , 224 . 5 . 13
.
. .
2 2
2
1
2
2
1 1
2
1 1 1
=

=
|
.
|
\
|
|
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
=

= = =
= = =
r
Y Y n X X n
Y X Y X n
r
n
i
n
i
n
i
n
i
n
i
n
i
i i
Obteno das Previses
Com a definio da tcnica de previso e a aplicao
dos dados passados para obteno dos parmetros
necessrios, podemos obter as projees futuras da
demanda. Quanto maior for o horizonte pretendido,
menor a confiabilidade na demanda prevista.

medida em que as previses forem sendo alcanadas
pela demanda real, deve-se monitorar a extenso do erro
entre a demanda real e a prevista, para verificar se a
tcnica e os parmetros empregados ainda so vlidos.
Em situaes normais, um ajuste nos parmetros do
modelo, para que reflita as tendncias mais recentes,
suficiente.
Manuteno e Monitorizao do Modelo
Uma vez decidida a tcnica de previso e implantado o
modelo, h necessidade de acompanhar o desempenho
das previses e confirmar a sua validade perante a
dinmica atual dos dados.
Esta monitorizao realizada atravs do clculo e
acompanhamento do erro da previso, que a
diferena que ocorre entre o valor real da demanda e o
valor previsto pelo modelo para um dado perodo.
A manuteno e monitorizao de um modelo de previso
confivel busca:

Verificar a acuracidade dos valores previstos;
Identificar, isolar e corrigir variaes anormais;
Permitir a escolha de tcnicas, ou parmetros, mais
eficientes.
Uma forma de acompanhar o desempenho do modelo
consiste em verificar o comportamento do erro
acumulado que deve tender a zero, pois espera-se
que o modelo de previso gere, aleatoriamente,
valores acima e abaixo dos reais, devendo assim se
anular.
O erro acumulado deve ser comparado com um mltiplo
do desvio mdio absoluto, conhecido como MAD - Mean
Absolute Deviation.
Em geral, compara-se o valor do erro acumulado com o
valor de 4 MAD. Quando ultrapassar este valor, o
problema deve ser identificado e o modelo deve ser
revisto.
MAD
D D
n
atual prevista
=

o = 0,10 o = 0,50
Perodo D
atual
D
prevista
Erro D
prevista
Erro
1 90 - - - -
2 95 90,00 5,00 90,00 5,00
3 98 90,50 7,50 92,50 5,50
4 90 91,25 -1,25 95,25 -5,25
5 92 91,12 0,88 92,62 -0,62
6 95 91,20 3,80 92,31 2,69
7 90 91,58 -1,58 93,65 -3,65
8 100 91,42 8,58 91,82 8,18
9 92 92,27 -0,27 95,91 -3,91
10 95 92,25 2,75 93,95 1,05
Erro =
25,41
Erro =
8,99
MAD = 31,61/9 = 3,51 MAD = 35,85/9 = 3,98
- Para o = 0,10, tem-se que: 4 3 51 14 04 25 41 = < , , , ;
- Para o = 0,50, tem-se que:
4 3 98 15 92 8 99 = > , , ,
.

Grfico de Controle para o Erro de Previso
20
15
10
5
0
-5
-10
-15
-20
Outros Erros de Previso:

MSE Mean Square Error

MAPE Mean Absolute Percent Error

TS - Tracking Signal
( )
( )
n
eviso de Erros
n
Y Y
MSE
n
i
i i
2
1
2
Pr
=
=
n
al
evisto al
MAPE
n
i
i
i i
=
1
Re
Pr Re
. 100
( )
MAD
Previso de Erro
=
=
MAD
Y Y
TS
n
i
i i
Uma srie de fatores pode afetar o desempenho de um
modelo de previso, sendo que os mais comuns so:

A tcnica de previso pode estar sendo usada incorretamente,
ou sendo mal interpretada;

A tcnica de previso perdeu a validade devido mudana em
uma varivel importante, ou devido ao aparecimento de uma
nova varivel;

Variaes irregulares na demanda podem ter acontecido em
funo de greves, formao de estoques temporrios,
catstrofes naturais, etc.

Aes estratgicas da concorrncia, afetando a demanda;

Variaes aleatrias inerentes aos dados da demanda.
Problema Desafio
A demanda trimestral de um determinado produto
apresenta sazonalidade e tendncia. Para o 1o.
Trimestre o ndice de sazonalidade de 1,3, para o 2o.
de 1,0, para o 3o. de 0,8 e para o 4o. de 0,9. Nos
ltimos dois anos a demanda deste produto apresentou
os seguintes dados:

Trimestre 1o. 2o. 3o. 4o. 1o. 2o. 3o. 4o.
Demanda 65 58 50 60 85 75 62 74
a) Retirar a sazonalidade dos dados e gerar uma equao linear
para previso da tendncia da demanda;
b) Prever a demanda para os trimestres do prximo ano.

Sistema ABC de classificação de estoques e análise de materiais

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Sistema ABC de classificação de estoques e análise de materiais

Hochgeladen von

Copyright:

Verfügbare Formate

MATEUS CSAR DE OLIVEIRA

Das könnte Ihnen auch gefallen