UTILIZAÇÃO SEQUENCIAL DE PROJETO DE EXPERIMENTOS E INFERÊNCIA BAYESIANA NA PREVISÃO DA DEMANDA
|
|
- Natan Salazar César
- 8 Há anos
- Visualizações:
Transcrição
1 MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO SECRETARIA DE CIÊNCIA E TECNOLOGIA INSTITUTO MILITAR DE ENGENHARIA (Real Academia de Artilharia, Fortificação e Desenho 1792) Maj Celso Sooma Sasaqui UTILIZAÇÃO SEQUENCIAL DE PROJETO DE EXPERIMENTOS E INFERÊNCIA BAYESIANA NA PREVISÃO DA DEMANDA Rio de Janeiro 2004
2 INSTITUTO MILITAR DE ENGENHARIA Maj CELSO SOOMA SASAQUI UTILIZAÇÃO SEQUENCIAL DE PROJETO DE EXPERIMENTOS E INFERÊNCIA BAYESIANA NA PREVISÃO DA DEMANDA Dissertação de Mestrado apresentada ao Curso de Mestrado em Sistemas e Computação do Instituto Militar de Engenharia, como requisito parcial para a obtenção do título de Mestre em Ciências em Engenharia de Sistemas e Computação. Orientador: Profª. Néli Maria Costa Mattos - D.Sc. Rio de Janeiro 2004
3 c2004 INSTITUTO MILITAR DE ENGENHARIA Praça General Tibúrcio, 80 Praia Vermelha Rio de Janeiro RJ CEP: Este exemplar é de propriedade do Instituto Militar de Engenharia, que poderá incluílo em base de dados, armazenar em computador, microfilmar ou adotar qualquer forma de arquivamento. É permitido a menção, reprodução parcial ou integral e a transmissão entre bibliotecas deste trabalho, sem modificação de seu texto, em qualquer meio que esteja ou venha a ser fixado, para pesquisa acadêmica, comentários e citações, desde que sem finalidade comercial e que seja feita a referência bibliográfica completa. Os conceitos expressos neste trabalho são de responsabilidade do(s) autor(es) e do(s) orientador(es). S252u Sasaqui, Celso Sooma Utilização Seqüencial de Projeto de Experimentos e Inferência Bayesiana na Previsão da Demanda / Celso Sooma Sasaqui Rio de Janeiro: Instituto Militar de Engenharia, f.: il., tab. 29,7 cm. Dissertação (mestrado) Instituto Militar de Engenharia, Logística 2. Logística, Pesquisa Operacional I - Instituto Militar de Engenharia II -Utilização Seqüencial de Projetos de Experimentos e Inferência Bayesiana na Previsão da Demanda. CDD
4 INSTITUTO MILITAR DE ENGENHARIA Maj CELSO SOOMA SASAQUI UTILIZAÇÃO SEQUENCIAL DE PROJETO DE EXPERIMENTOS E INFERÊNCIA BAYESIANA NA PREVISÃO DA DEMANDA Dissertação de Mestrado apresentada ao Curso de Mestrado em Sistemas e Computação do Instituto Militar de Engenharia, como requisito parcial para a obtenção do título de Mestre em Ciências em Engenharia de Sistemas e Computação. Orientador: Profª. Néli Maria Costa Mattos - D.Sc. Aprovada em 16 de fevereiro de 2004 pela seguinte Banca Examinadora: Profª. Néli Maria Costa Mattos D.Sc. do IME - Presidente Prof. Maria Cristina Fogliatti de Sinay Ph.D. do IME Prof. Mauro Guedes Ferreira Mosqueira Gomes D.Sc. da SCT Prof. Luiz Antônio Silveira Lopes D.Sc. do IME Prof. Vicente Luz M.Sc. do IME Rio de Janeiro
5 A minha esposa e melhor amiga, Inês, e as minhas filhas, Aline; Gabi e Carol, pela paciência desprendida e pelo constante incentivo para o meu aprimoramento. 4
6 AGRADECIMENTOS A professora Néli Maria Costa Mattos pela orientação constante, pela compreensão no desenvolvimento desse trabalho. Aos professores Maria Cristina Fogliatti de Sinai, Mauro Guedes Ferreira Mosqueira Gomes e Luiz Antônio Silveira Lopes pela participação na banca e contribuições para esse trabalho. Ao General Imbrósio por ter permitido que eu realizasse esse curso. Aos Professores do Departamento de Engenharia de Sistemas e Computação do Instituto Militar de Engenharia pelo auxílio prestado durante a realização do curso. A StatSoft pela cessão do programa e pelas orientações para utilização do software Statistica. Ao Cap Rodolfo Romualdo da Silva pelos ensinamentos e tempo dispensados para me ensinar a utilizar o WinBUGs. À minha família pelo carinho e compreensão demonstrados, principalmente nos muitos momentos de minha inevitável omissão. Um agradecimento especial ao Cel Vicente luz, que além de participar na banca, me orientou em todas as fases deste trabalho. 5
7 "Quem olha para fora, sonha: Quem olha para dentro, desperta". CARL YOUNG 6
8 SUMÁRIO LISTA DE ILUSTRAÇÕES...11 LISTA DE TABELAS LISTA DE ABREVIATURAS E SÍMBOLOS...14 LISTA DE SIGLAS INTRODUÇÃO Problema Objetivo Suposições Delimitação do Estudo Relevância do Estudo Estrutura da Dissertação REFERENCIAL TEÓRICO Previsão da Demanda Modelos de Previsão de Séries Temporais Modelo de Suavização Exponencial Simples Modelo de Holt Modelo Aditivo de Winter Avaliação dos Modelos de Previsão Desvio Absoluto Médio (MAD) Erro Padrão da Previsão (Sp) Erro Absoluto Médio Percentual (MAPE) Razão de Viés (TS) O Projeto de Experimentos Metodologia para Utilização Identificação do Problema Seleção da Variável Resposta Escolha das Variáveis Controláveis e dos seus Níveis ou Intervalos Escolha do Projeto Execução do Experimento Análise Estatística dos Dados
9 Observações Análise de Variância para Uma Variável Decomposição da Variabilidade Total para Uma Variável Modelo Estatístico para Uma Variável Experimento Fatorial Análise de Variância para Duas Variáveis Decomposição da Variabiliade Total para Duas Variáveis Modelo Estatístico para Duas Variáveis Tabela ANOVA Modelo de Regressão Teste de Significância dos Coeficientes A Inferência Bayesiana Elementos da Inferência Bayesiana Densidade a Priori Densidade a Posteriori Densidade Preditiva Densidade Marginais e Condicionais Completas a Posteriori Sumários Métodos de Inferência Baseados em Simulação Estocástica Técnicas de Monte Carlo via Cadeia de Markov Amostrador de Gibbs Algoritmo Metropolis-Hastings Diagnósticos de Convergência Monitoração Gráfica Implementação Programa WinBUGS MÉTODOLOGIA DE PESQUISA Tipos de Pesquisa Métodos de Pesquisa Estudo de Caso Previsão Proposta Utilização do Projeto de Experimentos
10 Utilização do Projeto de Experimentos na Previsão da Demanda Utilização dainferência Bayesiana Utilização da Inferência Bayesiana na Previsão da Demanda Utilização Sequencial do Projeto de Experimentos e Inferência Bayesiana Limitações da Previsão VALIDAÇÃO DA TÉCNICA DE PREVISÃO Análise de Caso Realização da Previsão da Demanda Utilizando Projeto de Experimentos e Inferência Bayesiana Utilização do Projeto de Experimentos no Estudo de Caso Utilização Sequencial da Inferência Bayesiana no Estudo de Caso Comparação entre as Previsões com Projeto de Experimentos e com Utilização Sequencial da Inferência Bayesiana Realização da Previsão da Demanda com Modelos de Séries Temporais Utilização do Modelo de Suavização Exponencial Simples Utilização do Modelo de Holt Utilização do Modelo Aditivo de Winter Comparação entre as Previsões Séries Temporais Comparação entre as Previsões Escolhidas Conclusão do Capítulo ANÁLISES FINAIS E CONCLUSÕES Análises Finais Análise da Suposição I Análise da Suposição II Análise da Suposição III Conclusões Finais Sugestões para Pesquisas Futuras REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICES
11 7.1 Apêndice 1: Resultados da utilização de Projeto de Experimentos Apêndice 2: Resultados da utilização sequencial de Projetos de Experimentos e Inferência Bayesiana Apêndice 3: Gráficos comparativo entre a demanda real e as previsões estimadas BIBLIOGRAFIA
12 LISTA DE ILUSTRAÇÕES FIG. 2.1 Modelo geral de um processo ou sistema FIG. 2.2 Inferência Bayesiana...52 FIG. 4.1 Modelo para Previsão utilizando WinBUGS
13 LISTA DE TABELAS TAB. 2.1 Dados típicos para um experimento com uma variável TAB. 2.2 Apresentação das observações para duas variáveis TAB. 2.3 ANOVA de um Exerimento Fatorial com duas variáveis...48 TAB. 2.4 Tabela de análise de variância para o modelo de regressão...50 TAB. 4.1 Projeto de Experimentos TAB. 4.2 Dados da demanda e das variáveis do período analisado...76 TAB. 4.3 Projeto do dia 9 / TAB. 4.4 Projeto dos dias 10 / 04 a 12 / TAB. 4.5 Projeto do dia 14 / TAB. 4.6 Funções de Regressão estimadas pelo Projeto de Experimentos...79 TAB. 4.7 Previsão da demanda utilizando projeto de experimentos...79 TAB. 4.8 Índices da previsão com projeto de experimentos TAB. 4.9 Previsão com utilização sequencial de Inferência Bayesiana...82 TAB Índices com utilização sequencial de Inferência Bayesiana...82 TAB Previsão com Modelo de Suavização Exponencial Simples
14 TAB Índices da previsão utilizando o Modelo de Suavização Exponencial simples TAB Previsão com Modelo de Holt...85 TAB Índices da previsão com utilização do Modelo de Holt...85 TAB Previsão com Modelo Aditivo de Winter TAB Índices da previsão com utilização do Modelo Aditivo de Winter
15 LISTA DE ABREVIATURAS E SÍMBOLOS ABREVIATURAS D E t f L MAD MAPE N P I R 2 S p T TS - demanda. - erro de previsão. - função densidade de probabilidade. - função de verossimilhança. - desvio absoluto médio. - erro absoluto médio percentual. - fator nível da demanda. - previsão da demanda. - fator sazonalidade. - coeficiente de determinação. - erro de previsão. - fator tendência. - razão de viés. SÍMBOLOS α β γ π 0 π 1 τ - constante de suavização. - constante de suavização da tendência. - constante de suavização da sazonalidade. - densidade a priori. - densidade a posteriori. - precisão. 14
16 LISTA DE SIGLAS CODA MCCM WinBUGS Convergence Diagnosis and output Analises software for Gibbs samplimg output. Monte Carlo via Cadeia de Markov. Bayesian Inference using Gibbs Sampling for Windows. 15
17 RESUMO A acirrada competição pelos mercados leva as organizações à exigência de redução dos seus custos, principalmente a partir da redução de seus estoques. Para isso é importante que existam formas eficientes de prever a demanda. Sendo assim, este trabalho parte da suposição que o conhecimento do comportamento do mercado torna a previsão da demanda mais eficiente. Esse trabalho propõe uma forma de previsão que combina o modelo causal com o qualitativo. Essa combinação se faz utilizando o Projeto de Experimentos para caracterizar a demanda, baseando-se nas informações dos especialistas, e estimar uma função de regressão que é utilizada como função de previsão da demanda. As estimativas dos coeficientes de regressão podem ter resultados com níveis de significância elevados e conseqüentemente um intervalo de confiança muito grande. Então existe a necessidade de melhorar as estimativas dos coeficientes para reduzir os intervalos de confiança. Para isso utiliza-se a Inferência Bayesiana para estimar os coeficientes de regressão usando as estimativas do Projeto de Experimentos como prioris. 16
18 ABSTRACT The tighten market make organizations have undertook to reduce their costs, mainly based on stocks reductions. Thus, it is important thre are efficients ways to forecast. Then, this research uses a assumption that know-how of market s behavior becomes forecasting better. This research poses a mean of forecasting to combine cause model and qualitative model. This combination has been done using Design of Experiments (DoE) to explain demand behavior, based on specialist information, regression function that has been used as a forecasting model. The estimates of regression coefficients can give results with great significance levels and, consequently, with great confidence intervals. Then, there are necessity to improve the estimates of coefficients to reduce confidence intervals. Then, Bayesian Inference is used to estimate coefficients regression based on DoE estimates as prioris. 17
19 1 INTRODUÇÃO 1.1 PROBLEMA Atualmente, com o efeito da globalização, as organizações de todos os setores da economia são fortemente afetadas pela concorrência. Estas, muitas vezes, utilizam mecanismos como marketing e produção para atrair novos mercados ou para aumentar sua fatia em mercados já existentes. Não obstante, as organizações enfrentam ainda as interferências econômicas, causadas por intervenções em nível macro e microeconômicas. Essas situações, apesar de saudáveis por obrigar as organizações a se tornarem cada vez mais dinâmicas, geram um grande problema para o seu planejamento, pois interferem diretamente na demanda, gerando oscilações entre a previsão e as vendas. Segundo LAS CASAS (1999), estas diferenças geram um impacto expressivo nos setores de produção, pessoal, finanças e em outros setores da organização. As oscilações entre o previsto e as vendas reais, variam de negócio para negócio. Na maioria das vezes, esse fato ocorre porque os modelos utilizados na geração das previsões são inadequados. A situação se agrava ainda mais quando as previsões são de médio e longo prazo. Segundo KRAJEWSKI & RITZMAN (1999), as previsões da demanda desempenham um papel-chave em diversas áreas na gestão de organizações. A área financeira, por exemplo, planeja a necessidade de recursos analisando previsões de longo prazo; as mesmas previsões também servem às áreas de recursos humanos e marketing, no planejamento de modificações no nível da força de trabalho e no agendamento de promoções de vendas. De acordo com CHOPRA & MEINDL (2003), a demanda pode ser dividida em dois componentes, o sistemático e o aleatório. O componente sistemático mede o valor esperado da demanda e consiste em: nível ou média, que é a demanda média dessazonalizada; a tendência, que indica se a demanda está aumentando ou 18
20 diminuindo e a sazonalidade, que verifica se o comportamento da demanda se repete para um mesmo período. O componente aleatório é a parte desviada da parte sistemática. As previsões da demanda são elaboradas utilizando-se basicamente três modelos: Qualitativo; Quantitativo: - Séries Temporais; - Causais Combinação dos Modelos. Os modelos qualitativos baseiam-se em opiniões de especialistas e fundamentam-se no julgamento de executivos, na apreciação do pessoal de vendas e nas expectativas dos consumidores. Como diferentes indivíduos apresentam preferências distintas, esses modelos são vulneráveis a tendências que podem comprometer a confiabilidade de seus resultados. COSTA (1996) afirma que a utilização de modelos qualitativos de previsão no desenvolvimento tecnológico permite ao pesquisador vislumbrar todas as possibilidades disponíveis na viabilização de seus projetos. Já ASSIS (2002) afirma que os modelos qualitativos, fundamentados na intuição e na experiência do decisor são sujeitos a falhas. Dentre os modelos qualitativos mais utilizados, destaca-se o método Delphi, apresentado em KRAJEWSKI & RITZMAN (1999), entre outros. Os modelos qualitativos têm sido, historicamente, os mais utilizados na previsão da demanda (MENTZER & COX, 1997). Tais modelos costumam apresentar um baixo grau de precisão; apesar disto, continuam sendo amplamente utilizados nas empresas, mesmo com a difusão de modelos quantitativos mais avançados, impulsionada pelo avanço na capacidade de processamento e armazenamento de dados computacionais (SANDERS & MANRODT, 1994). A utilização dos modelos qualitativos está relacionada com o fato de que as previsões geradas corresponderem às metas de demanda estabelecidas pelas empresas (DIAS, 1999). A escassa fundamentação teórica dessas previsões pode explicar, em grande parte, a baixa qualidade das previsões dos modelos qualitativos. Os modelos quantitativos utilizam dados históricos para prever a demanda em períodos futuros, a partir de modelos matemáticos. As diferentes técnicas 19
21 disponíveis para construção desses modelos são denominadas técnicas de forecasting. Esses modelos são divididos em dois grupos, os de séries temporais e os causais. Os modelos de séries temporais utilizam o histórico da demanda para fazer a previsão. Baseiam-se na suposição de que o histórico da demanda é um bom indicador da demanda futura. Esses modelos são mais adequados quando a situação é estável e o padrão básico de demanda não sofre variação significativa de um período para o outro, sendo os modelos mais simples de serem implementados (CHOPRA & MEINDL, 2003). Os modelos causais partem da premissa de que a demanda está correlacionada com outras variáveis. Esses modelos podem ser muito eficientes em antecipar mudanças principais na série de tempo e em prevê-las em períodos de médio e longo prazo. Os modelos causais baseiam-se em modelos de regressão que estabelecem uma correlação entre a demanda e outras variáveis. O maior problema com a modelagem causal é que quando as variáveis causais têm associações muito reduzidas com a demanda possibilita que as previsões apresentem um erro maior do que o desejado. (BALLOU, 2001). Esta dissertação tem por objetivo propor uma técnica para previsão da demanda que combina a modelagem causal com o modelo qualitativo, já que ele busca as informações para definição das variáveis causais com os especialistas. O Projeto de Experimentos é utilizado para definir, a partir do conhecimento dos especialistas, as variáveis causais, caracterizando assim a demanda com a estimação de uma função de regressão, sendo que nesse caso, os experimentos são colhidos nos dados passados. A Inferência Bayesiana é utilizada para estimar os coeficientes de regressão, utilizando os coeficientes estimados pelo Projeto de Experimentos como estimativa inicial (prioris). Dessa forma, o Projeto de Experimentos e a Inferência Bayesiana são utilizados sequencialmente na previsão de demanda. Essa previsão é atualizada a medida que surgem novos dados. No Projeto de Experimentos são incluídos somente os dados que se encaixam nos tratamentos definidos no projeto. Novas variáveis devem ser incluídas à medida que se completem os tratamentos gerados pela variável, e para isso, cada tratamento deve possuir pelo menos uma replicata. 20
22 Dessa forma, esse trabalho verifica se a utilização sequencial do Projeto de Experimentos e da Inferência Bayesiana na previsão da demanda atenua os problemas citados por BALLOU (2001). A aplicação desse trabalho é em uma empresa do ramo de alimentos, localizada no Rio de Janeiro RJ, que necessita de previsão de demanda com dois dias de antecedência. Os dados de venda fornecidos pela empresa referem-se ao período de 21 / 03 / 2003 até 14 / 04 / O curto período analisado é suficiente para fazer a previsão da demanda, pois as variáveis causais que são utilizadas apresentam todos os níveis definidos pelos especialistas. 1.2 OBJETIVO Conforme já mencionado, o objetivo final desse trabalho é propor uma técnica para previsão da demanda utilizando Projeto de Experimentos, combinando a modelagem causal com a qualitativa, para caracterizar a demanda e em seguida utilizar a Inferência Bayesiana para estimar os coeficientes da função de regressão. Sendo que essa previsão deve apresentar um erro pelo menos próximo aos modelos apresentados nessa dissertação. 1.3 SUPOSIÇÕES Para desenvolver este trabalho, são utilizadas as seguintes suposições: I. Existem variáveis que podem ser quantitativas ou qualitativas, e elas caracterizam a demanda permitindo a estimação de uma função de regressão; 21
23 II. Os coeficientes estimados pelo Projeto de Experimentos têm distribuição normal; III. A Inferência Bayesiana simula o comportamento da demanda, a partir do conhecimento inicial dos coeficientes de regressão, possibilitando a estimação de um intervalo de confiança menor para esses coeficientes, e conseqüentemente uma previsão de demanda com maior qualidade. A suposição I baseia-se no fato de que todo processo tem algum fator que o origina e dessa forma a demanda é caracterizada por alguma variável. A suposição II é uma aproximação para facilitar a utilização da Inferência Bayesiana, sendo que se ela não for válida pode não haver convergência da cadeia e os coeficientes estimados não melhorarão a previsão. A suposição III considera que se as suposições I e II forem verdadeiras então a Inferência Bayesiana estimará os coeficientes e a previsão será melhorada. 1.4 DELIMITAÇÃO DO ESTUDO Este trabalho descreve a solução de um problema específico e, portanto, apresenta limitações. A primeira limitação é inerente ao escopo teórico e as demais limitações estão relacionadas ao estudo de caso apresentado. As técnicas investigativas utilizadas no trabalho compreendem o modelo de Suavização Exponencial, modelo de Holt e o modelo aditivo de Winter não sendo abordados outros modelos de previsão de demanda. O estudo de caso apresentado neste trabalho é realizado em uma empresa específica do setor alimentício do Estado do Rio de Janeiro; dessa forma, não faz parte deste trabalho à generalização dos resultados obtidos a outras empresas do setor. 22
24 São analisados dez produtos da empresa, tendo sido levantados dados no período de 21 / 03 / 2003 até 14 / 04 / Com isso, só é possível analisar duas variáveis citadas pelos especialistas, pois só existem dados disponíveis sobre duas variáveis infirmadas pelos especialistas que são: a distância do fim de semana e a quinzena do mês. 1.5 RELEVÂNCIA DO ESTUDO Com a necessidade crescente de redução do capital de giro devido aos custos elevados de capital no mundo, torna-se primordial reduzir o tamanho dos estoques, já que eles representam a maior parte do capital de giro da maioria das organizações. Sendo assim, o planejamento estratégico de qualquer organização passa priorizar a previsão da demanda que deve ter o menor erro possível; para isso existe a necessidade de se conhecer as variáveis que a caracterizam. No âmbito do Exército Brasileiro, o trabalho torna-se importante, já que a possibilidade de se gerar uma previsão de demanda com menor erro, permite que o Exército Brasileiro programe sua aquisição de materiais e serviços de uma forma mais otimizada, ajustando as suas necessidades aos escassos recursos disponíveis. 1.6 ESTRUTURA DA DISSERTAÇÃO Essa dissertação está estruturada em cinco capítulos, com apresentação dos conceitos teóricos e das aplicações numéricas. 23
25 O capítulo inicial inclui a apresentação do problema, do objetivo, das suposições, da delimitação e de sua relevância. No capítulo 2 é descrito todo o referencial teórico utilizado para previsão proposta por este trabalho. No capítulo 3 é explicado a metodologia da pesquisa, o instrumento utilizado, o tratamento e as limitações dos métodos e técnicas utilizados. No capítulo 4 é aplicada a técnica de previsão para o caso em estudo e é realizada uma análise dos resultados. No capítulo 5 são feitas as análises finais e as conclusões do trabalho. 24
26 2 REFERENCIAL TEÓRICO Para o estudo do problema foi realizada uma revisão da literatura. Os resultados desta revisão ajudaram a identificar as lacunas existentes no corpo do conhecimento sobre o tema, fornecendo subsídios para a fundamentação teórica com vistas ao desenvolvimento da previsão da demanda proposta neste estudo. Neste capítulo são apresentados os conceitos de previsão de demanda; Projeto de Experimentos e Inferência Bayesiana. 2.1 PREVISÃO DA DEMANDA De acordo com MARTINS (2001), previsão pode ser definida da seguinte forma: Previsão é um processo metodológico para a determinação dos dados futuros baseados em modelos estatísticos, matemáticos ou econométricos ou ainda em modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida. Segundo KOTLER (2000), as previsões da demanda são utilizadas por vários setores da organização, entre eles: o departamento de finanças, para determinar o caixa necessário aos investimentos e às operações; pelo departamento de produção, para o estabelecimento de níveis de capacidade e de produção; pelo departamento de compras, para a aquisição de suprimentos; pelo departamento de recursos humanos, para a contratação de funcionários, quando necessário. De acordo com ARNOLD (1999), A maioria das organizações não pode esperar que os pedidos sejam realmente recebidos antes de começarem a planejar o que produzir. Segundo CHING (1999), Nunca se tem certeza da quantidade a ser solicitada pelos clientes e da quantidade a ser enviada para armazenagem. 25
27 O início de todo planejamento de uma organização é a previsão da demanda; dessa forma a redução do erro de previsão reduzirá a possibilidade de falta ou excesso de produtos. Outra observação feita por ARNOLD (1999) é que As previsões são mais precisas para períodos de tempos mais próximos. O futuro próximo impõe menos incertezas que o futuro distante. Dessa forma, qualquer melhoria para redução do prazo da previsão (lead time), proporcionará uma maior precisão no processo de previsão da demanda. Segundo CORRÊA (2000), as incertezas das previsões e os erros correspondentes provêm de duas formas distintas: a primeira delas corresponde ao próprio mercado, de baixa previsibilidade; a segunda corresponde ao sistema de previsão. Como a baixa previsibilidade do mercado faz parte de sua natureza, pouco se pode fazer para melhorá-la. Essa é uma condição igual para todos os concorrentes do mercado. O sistema de previsão pode fazer diferença quanto ao desempenho da organização frente aos seus concorrentes, merecendo atenção especial no que tange o erro da previsão. Segundo CHOPRA & MEINDL (2003), a escolha de um modelo de previsão é apenas um componente de uma abordagem ampla para a previsão de demanda. Todas as partes na cadeia de suprimento devem chegar a um consenso no que se refere a suposições, técnicas e números finais de revisão. Então, para o desenvolvimento de uma previsão da demanda, devem ser seguidos os seguintes passos: I. Compreender o objetivo da previsão; II. Integrar planejamento e objetivo da previsão; III. Identificar os principais fatores que influenciam a demanda; IV. Determinar a técnica mais apropriada; V. Estabelecer indicadores de desempenho para a previsão. Verifica-se que os modelos de previsão devem ser testados e comparados, analisando-se a dimensão dos erros e se a previsão está subdimensionada ou superdimensionada. 26
28 Nesse capítulo, são apresentados três modelos de séries temporais de previsão e os indicadores que são usados para comparação entre esses modelos e a previsão proposta por esse trabalho MODELOS DE PREVISÃO DE SÉRIES TEMPORAIS A previsão de demanda utilizando métodos quantitativos pode ser feita através de vários modelos matemáticos. O emprego de cada modelo depende basicamente do comportamento da série temporal (demanda histórica) que se deseja analisar. Uma série temporal pode exibir até quatro características diferentes em seu comportamento: nível, sazonalidade, ciclo e tendência (MAKRIDAKIS et al., 1998). Segundo CHOPRA & MEINDL (2003), os modelos de séries temporais podem prever o nível, a tendência e a sazonalidade utilizando os dados históricos, mas não conseguem prever o componente aleatório. O que se consegue prever é a sua dimensão e a sua variabilidade, que fornece uma medida do erro de previsão. A característica aleatória também pressupõe que não se pode prever a sua direção. Além de fazer a previsão de demanda, os modelos de previsão buscam a minimização dos seus erros, pois o erro de previsão mede a diferença entre a demanda real e a demanda estimada. Ainda de acordo com CHOPRA & MEINDL (2003), o componente sistemático pode apresentar diversas formas, que são apresentadas a seguir: Multiplicativo: o componente sistemático é resultado do produto do nível, da tendência e da sazonalidade; Aditivo: o componente sistemático é resultado da adição do nível, da tendência e da sazonalidade; Misto: combinação das formas anteriores. A grande vantagem dos modelos de séries temporais é que eles são de fácil implementação e a maior limitação é que não funcionam adequadamente quando a situação não é estável, com o padrão da demanda sofrendo variações significativas de um período para o outro (BALLOU, 2001). 27
29 A seguir serão apresentados os modelos que serão utilizados nesse trabalho MODELO DE SUAVIZAÇÃO EXPONENCIAL SIMPLES (CHOPRA & MEINDL, 2003) Esse modelo é considerado um dos mais adequados na previsão de curto prazo; é um modelo simples e requer uma pequena quantidade de dados. O maior inconveniente é que ele não considera os fatores tendência e sazonalidade. Este modelo utiliza uma constante de suavização α, definida pelo planejador e que varia dentro de uma faixa de 0 a 1. O α escolhido é aquele que minimiza o erro de previsão, sendo que a medida que o valor de α cresce, o modelo passa a responder mais rapidamente à variação da demanda. Nesse modelo, o componente sistemático da demanda é o nível N t e a estimativa inicial do nível N 0 é a média de todos os dados históricos da demanda. A previsão do próximo período P t+1 é igual a estimativa anterior do nível N t. Então, após a observação da demanda do período D t, revisa-se a estimativa do nível do período Nt, a partir da EQ N P t t + 1 = α D = N t t + ( 1 α ) N t 1 (2.1) onde: t é o período da tempo atual; α é a constante de suavização; D t é a demanda para o período t; N t é o nível para o para o período t; P t+1 é a previsão do próximo período. 28
30 O α escolhido é aquele que minimiza o erro de previsão; para isso são testados vários valores de α MODELO DE HOLT (CHOPRA & MEINDL, 2003) Existem demandas que apresentam tendência de crescimento ou decrescimento, e nesse caso o modelo de suavização exponencial simples pode gerar uma previsão com um erro fora dos padrões esperados. Ao modelo de suavização exponencial acrescenta-se o fator tendência T t e uma constante de suavização da tendência β, com valor entre 0 e 1, e tem-se ao modelo de Holt, também denominado de Suavização Exponencial com Tendência. Nesse modelo, o componente sistemático assume a forma aditiva do nível com a tendência. Então, as estimativas iniciais do nível N0 e da tendência T0 são obtidas a partir de uma regressão linear entre a demanda e o tempo t, sendo que o coeficiente angular da equação da regressão o T0 e o coeficiente linear o N0. Após a observação da demanda do período t, as estimativas da previsão e da tendência são revistas com base nas EQ. 2.2: N T P t t t + 1 = α D = β ( N = N t t t + (1 α )( N ) + + T t t 1 N t 1 (1 + β T ) T t 1 ) t 1 (2.2) onde: T t é a tendência do período t; Nt é o nível do período t; P t é a previsão do período t; β é a constante de suavização da tendência; os outros termos seguem a definição anterior. O β a ser escolhido é aquele que em conjunto com o α apresentar o menor erro de previsão. 29
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisProfessor Severino Domingos Júnior Disciplina: Gestão de Compras e Estoques no Varejo
Professor Severino Domingos Júnior Disciplina: Gestão de Compras e Estoques no Varejo 1) Definições de Previsão de Demanda 2) Mercados 3) Modelo de Previsão 4) Gestão da Demanda 5) Previsão como Processo
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisESTUDO DE PREVISÃO DE DEMANDA PARA EMPRESA DE EQUIPAMENTOS MÉDICOS DE DIAGNÓSTICO
ESTUDO DE PREVISÃO DE DEMANDA PARA EMPRESA DE EQUIPAMENTOS MÉDICOS DE DIAGNÓSTICO Andréa Crispim Lima dekatop@gmail.com Manoela Alves Vasconcelos manoelavasconcelos@hotmail.com Resumo: A previsão de demanda
Leia maisMódulo 4 PREVISÃO DE DEMANDA
Módulo 4 PREVISÃO DE DEMANDA Conceitos Iniciais Prever é a arte e a ciência de predizer eventos futuros, utilizando-se de dados históricos e sua projeção para o futuro, de fatores subjetivos ou intuitivos,
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisPLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES?
PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 3 O QUE É PLANEJAMENTO DE VENDAS E OPERAÇÕES? Índice 1. O que é planejamento de...3 1.1. Resultados do planejamento de vendas e operações (PVO)...
Leia maisPLANEJAMENTO EXPERIMENTAL
PLANEJAMENTO EXPERIMENTAL Técnicas de Pesquisas Experimentais LUIS HENRIQUE STOCCO MARCIO TENÓRIO SANDRA MARCHI Introdução O Planejamento de Experimentos (Design of Experiments, DoE), técnica utilizada
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisTÉCNICAS DE ANÁLISE DE DADOS
observação = previsível + aleatória aleatória obedece algum modelo de probabilidade ferramenta: análise de variância identificar fatores, controláveis, que expliquem o fenômeno ou alterem a característica
Leia mais3 Previsão da demanda
42 3 Previsão da demanda Este capítulo estuda o processo de previsão da demanda através de métodos quantitativos, assim como estuda algumas medidas de erro de previsão. Num processo de previsão de demanda,
Leia maisTecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler
Tecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler Introdução Objetivos da Gestão dos Custos Processos da Gerência de Custos Planejamento dos recursos Estimativa dos
Leia maisDimensionamento de estoques em ambiente de demanda intermitente
Dimensionamento de estoques em ambiente de demanda intermitente Roberto Ramos de Morais Engenheiro mecânico pela FEI, mestre em Engenharia de Produção e doutorando em Engenharia Naval pela Escola Politécnica
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisNECESSIDADES DE PREVISÃO DA CADEIA DE SUPRIMENTOS. Mayara Condé Rocha Murça TRA-53 Logística e Transportes
NECESSIDADES DE PREVISÃO DA CADEIA DE SUPRIMENTOS Mayara Condé Rocha Murça TRA-53 Logística e Transportes Setembro/2013 Introdução Estimativas acuradas do volume de produtos e serviços processados pela
Leia maisGerenciamento de Riscos do Projeto Eventos Adversos
Gerenciamento de Riscos do Projeto Eventos Adversos 11. Gerenciamento de riscos do projeto PMBOK 2000 PMBOK 2004 11.1 Planejamento de gerenciamento de riscos 11.1 Planejamento de gerenciamento de riscos
Leia maisPLANOS DE CONTINGÊNCIAS
PLANOS DE CONTINGÊNCIAS ARAÚJO GOMES Capitão SC PMSC ARAÚJO GOMES defesacivilgomes@yahoo.com.br PLANO DE CONTINGÊNCIA O planejamento para emergências é complexo por suas características intrínsecas. Como
Leia maisPLANEJAMENTO DA MANUFATURA
58 FUNDIÇÃO e SERVIÇOS NOV. 2012 PLANEJAMENTO DA MANUFATURA Otimizando o planejamento de fundidos em uma linha de montagem de motores (II) O texto dá continuidade à análise do uso da simulação na otimização
Leia maisFLUXOGRAMA DA PESQUISA
FLUXOGRAMA DA PESQUISA Desde a preparação até a apresentação de um relatório de pesquisa estão envolvidas diferentes etapas. Algumas delas são concomitantes; outras são interpostas. O fluxo que ora se
Leia maisGARANTIA DA QUALIDADE DE SOFTWARE
GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características
Leia maisModelagem e Simulação
AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.
Leia maisProjeto de Sistemas I
Instituto Federal de Educação, Ciência e Tecnologia de São Paulo Projeto de Sistemas I Professora: Kelly de Paula Cunha E-mail:kellypcsoares@ifsp.edu.br Requisitos: base para todo projeto, definindo o
Leia maisGerenciamento de Projetos Modulo VIII Riscos
Gerenciamento de Projetos Modulo VIII Riscos Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com Bibliografia* Project Management Institute. Conjunto de Conhecimentos em Gerenciamento
Leia maisDELIBERAÇÃO CVM Nº 731, DE 27 DE NOVEMBRO DE 2014
Aprova a Interpretação Técnica ICPC 20 do Comitê de Pronunciamentos Contábeis, que trata de limite de ativo de benefício definido, requisitos de custeio (funding) mínimo e sua interação. O PRESIDENTE DA
Leia maisROTEIRO PARA ELABORAÇÃO DE PROJETOS
APRESENTAÇÃO ROTEIRO PARA ELABORAÇÃO DE PROJETOS Breve histórico da instituição seguido de diagnóstico e indicadores sobre a temática abrangida pelo projeto, especialmente dados que permitam análise da
Leia maisImportância da normalização para as Micro e Pequenas Empresas 1. Normas só são importantes para as grandes empresas...
APRESENTAÇÃO O incremento da competitividade é um fator decisivo para a maior inserção das Micro e Pequenas Empresas (MPE), em mercados externos cada vez mais globalizados. Internamente, as MPE estão inseridas
Leia mais5. BLOCOS ALEATORIZADOS QUADRADOS LATINOS
5. BLOCOS ALEATORIZADOS e QUADRADOS LATINOS Vamos analisar 4 tipos de experimentos: I) Projetos completamente aleatorizados II) Projetos em blocos aleatorizados III) Quadrados Latinos IV) Quadrados Greco-Latinos
Leia maisRedução do Encalhe de Jornais Impressos. Como transformar informação em resultado
Redução do Encalhe de Jornais Impressos Como transformar informação em resultado Redução do Encalhe de Jornais Impressos COMO TRANSFORMAR INFORMAÇÃO EM RESULTADO RESUMO EXECUTIVO O encalhe de exemplares
Leia maisIntrodução Visão Geral Processos de gerenciamento de qualidade. Entradas Ferramentas e Técnicas Saídas
Introdução Visão Geral Processos de gerenciamento de qualidade Entradas Ferramentas e Técnicas Saídas O que é qualidade? Qualidade é a adequação ao uso. É a conformidade às exigências. (ISO International
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisSAD orientado a MODELO
Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER
Leia maisModelagem da Venda de Revistas. Mônica Barros. Julho de 1999. info@mbarros.com 1
Modelagem da Venda de Revistas Mônica Barros Julho de 1999 info@mbarros.com 1 Modelagem Matemática e Previsão de Negócios Em todas as empresas, grandes e pequenas, é necessário fazer projeções. Em muitos
Leia maisDecidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade
Escola de Engenharia de Lorena - EEL Controle Estatístico de Processos CEP Prof. MSc. Fabrício Maciel Gomes Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente. Conceito de
Leia maisProcessos de gerenciamento de projetos em um projeto
Processos de gerenciamento de projetos em um projeto O gerenciamento de projetos é a aplicação de conhecimentos, habilidades, ferramentas e técnicas às atividades do projeto a fim de cumprir seus requisitos.
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisPreparando sua empresa para o forecasting:
Preparando sua empresa para o forecasting: Critérios para escolha de indicadores. Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Embora o forecasting seja uma realidade, muitas
Leia mais2 Atualidade de uma base de dados
2 Atualidade de uma base de dados Manter a atualidade de uma base de dados é um problema que pode ser abordado de diferentes maneiras. Cho e Garcia-Molina [CHO] definem esse problema da seguinte forma:
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas CMP1132 Processo e qualidade de software II Prof. Me. Elias Ferreira Sala: 402 E Quarta-Feira:
Leia maisGerenciamento de projetos. cynaracarvalho@yahoo.com.br
Gerenciamento de projetos cynaracarvalho@yahoo.com.br Projeto 3URMHWR é um empreendimento não repetitivo, caracterizado por uma seqüência clara e lógica de eventos, com início, meio e fim, que se destina
Leia maisPLANEJAMENTO E CONTROLE DE VENDAS
PLANEJAMENTO E CONTROLE DE VENDAS PLANO DE VENDAS É o alicerce do planejamento periódico numa empresa, pois praticamente todo o restante do planejamento da empresa baseia-se nas estimativas de vendas,
Leia maisPós-Graduação em Gerenciamento de Projetos práticas do PMI
Pós-Graduação em Gerenciamento de Projetos práticas do PMI Planejamento do Gerenciamento das Comunicações (10) e das Partes Interessadas (13) PLANEJAMENTO 2 PLANEJAMENTO Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 ABRIL
Leia maisA IMPORTÂNCIA DA GESTÃO DE CUSTOS NA ELABORAÇÃO DO PREÇO DE VENDA
553 A IMPORTÂNCIA DA GESTÃO DE CUSTOS NA ELABORAÇÃO DO PREÇO DE VENDA Irene Caires da Silva 1, Tamires Fernanda Costa de Jesus, Tiago Pinheiro 1 Docente da Universidade do Oeste Paulista UNOESTE. 2 Discente
Leia maisPlanejamento - 7. Planejamento do Gerenciamento do Risco Identificação dos riscos. Mauricio Lyra, PMP
Planejamento - 7 Planejamento do Gerenciamento do Risco Identificação dos riscos 1 O que é risco? Evento que representa uma ameaça ou uma oportunidade em potencial Plano de gerenciamento do risco Especifica
Leia maisEngenharia de Software II: Desenvolvendo o Orçamento do Projeto. Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br
Engenharia de Software II: Desenvolvendo o Orçamento do Projeto Prof. Msc Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Criação do Plano de Gerenciamento de Custos do Projeto Estimar os Custos Determinar
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisPREVISÃO DE DEMANDA - O QUE PREVISÃO DE DEMANDA - TIPOS E TÉCNICAS DE PREVISÃO DE DEMANDA - MÉTODOS DE PREVISÃO - EXERCÍCIOS
CONTEÚDO DO CURSO DE PREVISÃO DE DEMANDA PROMOVIDO PELA www.administrabrasil.com.br - O QUE PREVISÃO DE DEMANDA - TIPOS E TÉCNICAS DE PREVISÃO DE DEMANDA - MÉTODOS DE PREVISÃO - EXERCÍCIOS - HORIZONTE
Leia maisGovernança de TI. ITIL v.2&3. parte 1
Governança de TI ITIL v.2&3 parte 1 Prof. Luís Fernando Garcia LUIS@GARCIA.PRO.BR ITIL 1 1 ITIL Gerenciamento de Serviços 2 2 Gerenciamento de Serviços Gerenciamento de Serviços 3 3 Gerenciamento de Serviços
Leia maisACOMPANHAMENTO GERENCIAL SANKHYA
MANUAL DE VISITA DE ACOMPANHAMENTO GERENCIAL SANKHYA Material exclusivo para uso interno. O QUE LEVA UMA EMPRESA OU GERENTE A INVESTIR EM UM ERP? Implantar um ERP exige tempo, dinheiro e envolve diversos
Leia mais1. Introdução. 1.1 Apresentação
1. Introdução 1.1 Apresentação Empresas que têm o objetivo de melhorar sua posição competitiva diante do mercado e, por consequência tornar-se cada vez mais rentável, necessitam ter uma preocupação contínua
Leia maisEngenharia de Software III
Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,
Leia maisALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA
ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA INTRODUÇÃO O projeto de um banco de dados é realizado sob um processo sistemático denominado metodologia de projeto. O processo do
Leia maisCHECK - LIST - ISO 9001:2000
REQUISITOS ISO 9001: 2000 SIM NÃO 1.2 APLICAÇÃO A organização identificou as exclusões de itens da norma no seu manual da qualidade? As exclusões são relacionadas somente aos requisitos da sessão 7 da
Leia maisANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL Resumo Executivo PARA BAIXAR A AVALIAÇÃO COMPLETA: WWW.IADB.
ANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL Resumo Executivo PARA BAIXAR A AVALIAÇÃO COMPLETA: WWW.IADB.ORG/EVALUATION ANÁLISE DOS RESULTADOS DOS PROGRAMAS DE APOIO ÀS PMEs NO BRASIL
Leia maisMODELAGEM E SIMULAÇÃO
MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Como Funciona a Simulação Introdução Assim como qualquer programa de computador,
Leia mais)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Leia maisPLANEJAMENTO OPERACIONAL: RECURSOS HUMANOS E FINANÇAS MÓDULO 16
PLANEJAMENTO OPERACIONAL: RECURSOS HUMANOS E FINANÇAS MÓDULO 16 Índice 1. Orçamento Empresarial...3 2. Conceitos gerais e elementos...3 3. Sistema de orçamentos...4 4. Horizonte de planejamento e frequência
Leia maisMódulo 15 Resumo. Módulo I Cultura da Informação
Módulo 15 Resumo Neste módulo vamos dar uma explanação geral sobre os pontos que foram trabalhados ao longo desta disciplina. Os pontos abordados nesta disciplina foram: Fundamentos teóricos de sistemas
Leia maisERP Enterprise Resource Planning
ERP Enterprise Resource Planning Sistemas Integrados de Gestão Evolução dos SI s CRM OPERACIONAL TÁTICO OPERACIONAL ESTRATÉGICO TÁTICO ESTRATÉGICO OPERACIONAL TÁTICO ESTRATÉGICO SIT SIG SAE SAD ES EIS
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisPolítica de Gerenciamento de Risco Operacional
Política de Gerenciamento de Risco Operacional Departamento Controles Internos e Compliance Fevereiro/2011 Versão 4.0 Conteúdo 1. Introdução... 3 2. Definição de Risco Operacional... 3 3. Estrutura de
Leia maisProcessos Técnicos - Aulas 4 e 5
Processos Técnicos - Aulas 4 e 5 Trabalho / PEM Tema: Frameworks Públicos Grupo: equipe do TCC Entrega: versão digital, 1ª semana de Abril (de 31/03 a 04/04), no e-mail do professor (rodrigues.yuri@yahoo.com.br)
Leia maisProf. Dr. Guanis de Barros Vilela Junior
Prof. Dr. Guanis de Barros Vilela Junior INTRODUÇÃO O que é pesquisa? Pesquisar significa, de forma bem simples, procurar respostas para indagações propostas. INTRODUÇÃO Minayo (1993, p. 23), vendo por
Leia maisGERENCIANDO INCERTEZAS NO PLANEJAMENTO LOGÍSTICO: O PAPEL DO ESTOQUE DE SEGURANÇA
GERENCIANDO INCERTEZAS NO PLANEJAMENTO LOGÍSTICO: O PAPEL DO ESTOQUE DE SEGURANÇA Eduardo Saggioro Garcia Leonardo Salgado Lacerda Rodrigo Arozo Benício Erros de previsão de demanda, atrasos no ressuprimento
Leia maisModelo Cascata ou Clássico
Modelo Cascata ou Clássico INTRODUÇÃO O modelo clássico ou cascata, que também é conhecido por abordagem top-down, foi proposto por Royce em 1970. Até meados da década de 1980 foi o único modelo com aceitação
Leia mais2. Função Produção/Operação/Valor Adicionado
2. Função Produção/Operação/Valor Adicionado Conteúdo 1. Função Produção 3. Administração da Produção 1 Bibliografia Recomenda Livro Texto: Introdução à Administração Eunice Lacava Kwasnicka - Editora
Leia maisENQUALAB 2013 QUALIDADE & CONFIABILIDADE NA METROLOGIA AUTOMOTIVA. Elaboração em planos de Calibração Interna na Indústria Automotiva
ENQUALAB 2013 QUALIDADE & CONFIABILIDADE NA METROLOGIA AUTOMOTIVA Elaboração em planos de Calibração Interna na Indústria Automotiva Joel Alves da Silva, Diretor Técnico JAS-METRO Soluções e Treinamentos
Leia maisGUIA DE REDAÇÃO PARA TRABALHO DE EM974
GUIA DE REDAÇÃO PARA TRABALHO DE EM974 CONSIDERAÇÕES GERAIS O objetivo deste documento é informar a estrutura e a informação esperadas num texto de Trabalho de Graduação. O conteúdo do texto deverá ser
Leia maisEngenharia de Software. Parte I. Introdução. Metodologias para o Desenvolvimento de Sistemas DAS 5312 1
Engenharia de Software Parte I Introdução Metodologias para o Desenvolvimento de Sistemas DAS 5312 1 Mitos do Desenvolvimento de Software A declaração de objetivos é suficiente para se construir um software.
Leia maisGASTAR MAIS COM A LOGÍSTICA PODE SIGNIFICAR, TAMBÉM, AUMENTO DE LUCRO
GASTAR MAIS COM A LOGÍSTICA PODE SIGNIFICAR, TAMBÉM, AUMENTO DE LUCRO PAULO ROBERTO GUEDES (Maio de 2015) É comum o entendimento de que os gastos logísticos vêm aumentando em todo o mundo. Estatísticas
Leia maisCAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA
CAPÍTULO 1 - CONTABILIDADE E GESTÃO EMPRESARIAL A CONTROLADORIA Constata-se que o novo arranjo da economia mundial provocado pelo processo de globalização tem afetado as empresas a fim de disponibilizar
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia mais3 Qualidade de Software
3 Qualidade de Software Este capítulo tem como objetivo esclarecer conceitos relacionados à qualidade de software; conceitos estes muito importantes para o entendimento do presente trabalho, cujo objetivo
Leia maisMódulo 3 Procedimento e processo de gerenciamento de riscos, PDCA e MASP
Módulo 3 Procedimento e processo de gerenciamento de riscos, PDCA e MASP 6. Procedimento de gerenciamento de risco O fabricante ou prestador de serviço deve estabelecer e manter um processo para identificar
Leia maisRoteiro SENAC. Análise de Riscos. Planejamento do Gerenciamento de Riscos. Planejamento do Gerenciamento de Riscos
SENAC Pós-Graduação em Segurança da Informação: Análise de Riscos Parte 2 Leandro Loss, Dr. Eng. loss@gsigma.ufsc.br http://www.gsigma.ufsc.br/~loss Roteiro Introdução Conceitos básicos Riscos Tipos de
Leia maisAbordagem de Processo: conceitos e diretrizes para sua implementação
QP Informe Reservado Nº 70 Maio/2007 Abordagem de Processo: conceitos e diretrizes para sua implementação Tradução para o português especialmente preparada para os Associados ao QP. Este guindance paper
Leia maisdissertação. 2 Credibilidade total, em linhas gerais, seria a capacidade de representar o comportamento
13 1 Introdução Esta dissertação é o estudo de um problema estatístico de classificação que diz respeito à precificação de seguros de automóveis. Devido às particularidades deste ramo, a formação dos contratos,
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisControle da Cadeia de Suprimentos/Logística. Professor: Leandro Zvirtes UDESC/CCT
Controle da Cadeia de Suprimentos/Logística Professor: Leandro Zvirtes UDESC/CCT Mensuração Auditoria Indicadores de desempenho Relatórios Padrões/ Objetivos Metas de desempenho Correção Ajuste fino Grande
Leia maisProf. Cleber Oliveira Gestão Financeira
Aula 2 Gestão de Fluxo de Caixa Introdução Ao estudarmos este capítulo, teremos que nos transportar aos conceitos de contabilidade geral sobre as principais contas contábeis, tais como: contas do ativo
Leia maisMódulo 2. Identificação dos requisitos dos sistemas de medição, critérios de aceitação e o elemento 7.6 da ISO/TS.
Módulo 2 Identificação dos requisitos dos sistemas de medição, critérios de aceitação e o elemento 7.6 da ISO/TS. Conteúdos deste módulo Discriminação Decomposição da variação do sistema de medição Variação
Leia maisMASTER IN PROJECT MANAGEMENT
MASTER IN PROJECT MANAGEMENT PROJETOS E COMUNICAÇÃO PROF. RICARDO SCHWACH MBA, PMP, COBIT, ITIL Atividade 1 Que modelos em gestão de projetos estão sendo adotados como referência nas organizações? Como
Leia mais4 Arquitetura básica de um analisador de elementos de redes
4 Arquitetura básica de um analisador de elementos de redes Neste capítulo é apresentado o desenvolvimento de um dispositivo analisador de redes e de elementos de redes, utilizando tecnologia FPGA. Conforme
Leia maisEstratégia de Operações - Modelos de Formulação - Jonas Lucio Maia
Estratégia de Operações - Modelos de Formulação - Jonas Lucio Maia Processo de EO Procedimentos que são, ou podem ser, usados para formular as estratégias de operações que a empresa deveria adotar (SLACK,
Leia maisEste capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
Leia maisSIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português
1 de 7 28/10/2012 16:47 SIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português RESULTADO DO SIMULADO Total de questões: 40 Pontos: 0 Score: 0 % Tempo restante: 55:07 min Resultado: Você precisa
Leia maisEngenharia da Produção Projeto de Produto, QFD, FMEA e DoE DoE Dr. Egon Walter Wildauer
Tema DoE Projeto Curso Disciplina Tema Professor Pós-graduação Engenharia da Produção Projeto de Produto, QFD, FMEA e DoE DoE Dr. Egon Walter Wildauer Introdução O DoE Design of Experiments é uma ferramenta
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisSIMULAÇÃO DE GESTÃO EMPRESARIAL
SIMULAÇÃO DE GESTÃO EMPRESARIAL I INTRODUÇÃO O JOGO DE GESTÃO EMPRESARIAL é uma competição que simula a concorrência entre empresas dentro de um mercado. O jogo se baseia num modelo que abrange ao mesmo
Leia maisGerenciamento de Riscos em Segurança da informação. cynaracarvalho@yahoo.com.br
$XWDUTXLD(GXFDFLRQDOGR9DOHGR6mR)UDQFLVFR± $(96) )DFXOGDGHGH&LrQFLDV6RFLDLVH$SOLFDGDVGH3HWUROLQD± )$&$3( &XUVRGH&LrQFLDVGD&RPSXWDomR Gerenciamento de Riscos em Segurança da informação cynaracarvalho@yahoo.com.br
Leia maisUnidade III GESTÃO EMPRESARIAL. Prof. Roberto Almeida
Unidade III GESTÃO EMPRESARIAL Prof. Roberto Almeida Esta estratégia compreende o comportamento global e integrado da empresa em relação ao ambiente que a circunda. Para Aquino:Os recursos humanos das
Leia maisFACULDADE DE ENGENHARIA DE COMPUTAÇÃO. PROJETO FINAL I e II PLANO DE TRABALHO <NOME DO TRABALHO> <Nome do Aluno> <Nome do Orientador>
FACULDADE DE ENGENHARIA DE COMPUTAÇÃO PROJETO FINAL I e II PLANO DE TRABALHO O Trabalho de Conclusão de Curso (TCC) a ser desenvolvido
Leia maisARCO - Associação Recreativa dos Correios. Sistema para Gerenciamento de Associações Recreativas Plano de Desenvolvimento de Software Versão <1.
ARCO - Associação Recreativa dos Correios Sistema para Gerenciamento de Associações Recreativas Versão Histórico da Revisão Data Versão Descrição Autor Página
Leia maisA presente seção apresenta e especifica as hipótese que se buscou testar com o experimento. A seção 5 vai detalhar o desenho do experimento.
4 Plano de Análise O desenho do experimento realizado foi elaborado de forma a identificar o quão relevantes para a explicação do fenômeno de overbidding são os fatores mencionados na literatura em questão
Leia mais