Elaboração de um modelo multivariado de previsão de demanda para um call center

Tamanho: px
Começar a partir da página:

Download "Elaboração de um modelo multivariado de previsão de demanda para um call center"

Transcrição

1 Elaboração de um modelo multivariado de previsão de demanda para um call center Marcus Augusto Vasconcelos Araújo (UPE) Francisco José Costa Araújo (Mackenzie/UPE) Paulo José Adissi ( UFPB) Resumo No gerenciamento do Call Center de uma empresa, faz-se necessário usar métodos de otimização de recursos de modo que se atinja os resultados esperados com uma capacidade de atendimento limitada. Neste mercado, só sobrevivem as empresas que conseguem, com operações enxutas, obter bons resultados, sobretudo efetuando um correto casamento entre a sua capacidade produtiva e a demanda oferecida. Neste cenário, a previsão de demanda tem um papel crucial para o sucesso do negócio. Uma previsão com um alto percentual de erro (positivo ou negativo) gera custos adicionais (superdimensionamento) ou insatisfação dos Clientes, que passam a esperar em longas filas antes de serem atendidos (subdimensionamento). Este trabalho propõe um modelo de previsão de demanda de ligações que, baseado em múltiplas variáveis, obteve um altíssimo grau de acerto, atingindo, em média, um erro de 0,5% nas previsões. Além disso, possibilitou se conhecer a fundo as dúvidas e problemas dos Clientes, o que auxiliou sobremaneira a tomada de ações preventivas e corretivas para melhoria do relacionamento. Este modelo foi implantado em um Call Center em Recife e o seu alto grau de acerto chegou a gerar uma redução de despesas na ordem de R$ /ano. Palavras chave: Call Center, Previsão de demanda, PCP 1. Introdução Com a automação das empresas e o dinamismo da vida moderna, foi criado um serviço que permite a orientação e a captação de Clientes por telefone: o Call Center. Apesar de ser uma atividade relativamente nova, dificilmente encontramos uma grande empresa que não tenha um SAC (Serviço de atendimento ao Consumidor). O Relacionamento eficiente e cordial com Clientes através de Call Centers, é um importante diferencial competitivo que tem o sucesso comprovado pelo mercado, levando empresas a evidenciar-se de forma positiva pelo seu foco no Cliente. Whiteley e Hessan (1996) confirmam a necessidade prioritária de atendimento da satisfação do cliente, afirmando que a empresa orientada para o cliente tem disposição e capacidade para trazê-lo para o centro de seu ser organizacional. Quando isso acontece, o cliente passa a ser reconhecido e suas necessidades são comunicadas a toda a organização. Segundo Ohmae (1988), as empresas buscam competitividade em relação aos seus concorrentes e, às vezes, na formulação de seus planos estratégicos, a competição acaba vindo em primeiro lugar, quando, na verdade, o centro da estratégia é o cliente. É preciso conhecer as suas necessidades e desenhar toda a estratégia ao seu redor com o objetivo único de criar valor. Apesar disto, diferentemente das áreas de vendas, o ganho obtido com um bom Call Center é difícil de ser medido e o retorno financeiro desta atividade nem sempre é mensurado. Dessa ENEGEP 2004 ABEPRO 195

2 forma, por ser visto basicamente como uma fonte de despesas e não de receita, é de interesse das empresas manter este serviço sob um forte controle de custos, o que cria a necessidade de que essas operações atinjam os resultados esperados de Satisfação dos Clientes e Qualidade no atendimento com estruturas otimizadas. Neste cenário, a atividade de Planejamento e Controle da produção tem fundamental importância, pois, quando bem feita, garante a obtenção do custo ótimo com a produtividade desejada. Araújo, Araújo e Adissi (2003), sinalizam para a necessidade de maximização dos resultados de performance através do uso de estratégias de atendimento às necessidades dos Clientes que ligam para esta Central de atendimento, de maneira a aumentar a sua satisfação. No gerenciamento e controle da força de trabalho, chamado de programação da produção, deve-se especificar o que se pretende produzir, em que quantidade, seqüência, limitação de tempo e com quais os recursos. Para tanto, as previsões de demanda são indispensáveis e sua eficácia e acuracidade tornam-se fatores críticos para que se obtenha o correto casamento entre capacidade de produção e a demanda oferecida. Grandes erros de previsão acarretam num parque produtivo super ou subdimensionado, o que, obviamente, traz prejuízo financeiro para a empresa. A área responsável por esta atividade em um Call Center é, usualmente, chamada de Planejamento e Tráfego e suas responsabilidades são, basicamente, as de gerenciar e controlar a capacidade de produção baseando-se nas previsões de demanda de ligações. Nota-se que as melhores informações para a previsão de demanda, são aquelas referentes à demanda histórica, ou seja, considera-se que as tendências históricas irão se repetir no futuro. Segundo Erdmann (2000), a avaliação do potencial de mercado (projeção de demanda) pode apoiar-se em métodos quantitativos e qualitativos e, para que se obtenha os melhores resultados de previsão, as duas avaliações devem ser combinadas para a determinação das demandas futuras. Podem ser citados como exemplos de ferramentas para a elaboração de previsões a partir de dados históricos: as médias aritméticas simples dos valores passados, a média móvel dos valores passados, um amortecimento exponencial (que leva em conta uma média ponderada de todos os valores passados, com pesos geometricamente menores para os períodos mais distantes no passado) e as regressões. No caso de um Call Center, de acordo com Araújo, Melo e Andrade (2002) fatores como as características do público, os aspectos culturais de cada região e os tipos de ligação interferem diretamente na demanda total oferecida, na sua distribuição e no seu tempo médio ao longo do mês. Apesar disto, se observa que, a grande maioria dos Call Centers, desconsidera esses tipos de informações para elaborar suas previsões de demanda. Na concepção de Marques, Philippi e Nascimento (2001) é essencial saber quando os momentos de pico vão ocorrer e até que ponto podem ocasionar a espera do Cliente. Complementam, ainda, dizendo que se faz necessário "optar por uma capacidade que impeça que longas filas de espera tornem-se rotina e se transformem em um impedimento à capacidade do processo de satisfazer os Clientes". Contudo, a natureza dos serviços e sua produção são mais complexas e menos previsíveis que a produção de bens. Segundo Marques, Philippi e Nascimento (2001) há várias formas pelas quais a incerteza estatística ou a variabilidade podem afetar um processo de serviço, podendo influenciar tanto a oferta do processo quanto a sua demanda. Em um Call Center, por exemplo, as variabilidades que distorcem as previsões podem ser exemplificadas, do lado da oferta, quando um funcionário tira uma licença médica. Já em relação à demanda, são exemplos de variações prejudiciais às previsões, as promoções de marketing que tendem a ENEGEP 2004 ABEPRO 196

3 elevar a demanda média esperada, problemas técnicos na rede e erros nas contas enviadas para os Clientes. Segundo Marques e Philippi (2001) quanto maior for a variabilidade na demanda ou na oferta do processo e a incerteza estatística utilizada na projeção, maior é a probabilidade de ocorrência de um gargalo. Desta forma é muito importante não desconsiderar acontecimentos, de certa forma, imprevisíveis. Fildes (2002) reforça a tese de que o desconhecimento de dados relativos a campanhas promocionais, aumenta a dificuldade de previsão do tráfego telefônico a ser recebido em um Call Center. 2. Estrutura de funcionamento do Call Center O modelo proposto foi desenvolvido em um Call Center sediado em Recife e que fazia parte da área de Relacionamento com os Clientes de uma empresa de Telecomunicações. Este Call Center, que funciona durante 24 horas por dia e nos 7 dias da semana, recebia, em média, ligações/mês e, para atender a essa demanda, dispunha de 700 atendentes, distribuídos em diversos turnos ao longo do dia, além de uma equipe de 35 supervisores e dois gerentes. A área de Planejamento e Tráfego utilizava um método baseado em regressão linear simples com apenas uma variável independente: A quantidade mensal de Clientes prevista pela Operadora, admitindo um coeficiente linear nulo (a reta média passava pela origem). Para o cálculo da previsão diária de ligações recebidas, era feita uma média diária das demandas históricas das 3 semanas anteriores à semana a ser prevista e, em posse destes números, eram elaboradas as escalas de trabalho dos atendentes (programação da produção). Utilizando-se estes métodos para previsão de demanda, eram obtidos erros médios de 10% e 30% nas previsões mensais e diárias, respectivamente. Erros desta magnitude eram excessivamente onerosos para a companhia que, ora contratava atendentes em número superior à sua necessidade (superdimensionamento) gerando custos desnecessários de mão de obra e ora os contratava em número inferior à sua necessidade (subdimensionamento), prejudicando, assim, os Clientes, pois, com uma capacidade de atendimento inferior àquela que seria necessária para atender à demanda oferecida, formavam-se longas filas de espera. Os principais motivos dos elevados erros eram conhecidos: i) Elaborando a previsão de demanda sem segmentá-la e considerando apenas uma variável independente, admitia-se que todas as ligações recebidas eram fruto apenas do incremento ou decremento da base de Clientes da companhia (a única variável independente); ii) Era admitido que toda a base de Clientes ligava uma quantidade média de vezes para a Central de atendimento, o que na realidade não ocorria; iii) Não se levava em consideração o efeito do ciclo de cobrança das contas dos Clientes que, notoriamente, tinha forte influência sobre a quantidade diária de ligações recebidas (observava-se que, no período imediatamente anterior e posterior ao vencimento das contas, existia um aumento na demanda recebida pela Central de atendimento). 3. O novo modelo de previsão de Demanda Para diminuição do erro médio das previsões de demanda, viu-se a necessidade de elaboração de um modelo estatístico que corrigisse as falhas do método até então utilizado. No modelo proposto, são utilizadas várias variáveis independentes no lugar de apenas uma. Utilizando um processo de tabulação por amostragem com nível de confiança de 95% e margem de erro de ±2,5 pp, inicialmente, foram obtidas 36 novas variáveis dependentes, ENEGEP 2004 ABEPRO 197

4 baseadas nas freqüências relativas dos motivos das ligações do atendimento. Esta segmentação, necessária para que se possa prever separadamente cada motivo de ligação, associa cada motivo a uma variável independente, de modo que sejam consideradas as variações individuais associadas a cada um. Na ausência de dados históricos confiáveis, inicialmente, é aconselhável associar cada motivo de ligação (variável dependente) a uma possível variável independente através de um Brainstorm de modo que, posteriormente, seja possível analisar a correlação observada entre as associações feitas, o que confirmará ou não se a escolha da variável independente foi a melhor. Abaixo se encontram alguns dos motivos das ligações, suas variáveis independentes e informações relativas às retas médias obtidas através de regressão linear: Motivo (Var. dependente) Variável Independente Inclinação Intercepção Correlação 2ª Via de conta Clientes por ciclo 0,0527 (2.324) 0,70 Acordo de pagamento Contas emitidas por ciclo 0, ,79 Reclama da Conta Atrasada Contas emitidas por ciclo 0,0814 (390) 0,91 Solicita Conta Detalhada Clientes por ciclo 0,0417 (1.705) 0,75 Tabela 1 Variáveis dependentes e independentes utilizadas no modelo. Depois de concluído este processo, inicia-se a previsão da demanda, composta por 3 etapas: i) A etapa de previsão da quantidade mensal de ligações; ii) A modelagem das probabilidades de recebimento de ligações em cada dia do mês; iii) A etapa de cruzamento dos resultados das etapas anteriores e cálculo da previsão diária e mensal da demanda no Call Center A previsão da demanda mensal Para previsão da demanda mensal, é proposta a utilização de uma regressão linear, onde é associada uma variável independente a cada variável dependente (motivos das ligações), caracterizando, então, uma regressão linear simples. A regressão linear é uma técnica utilizada para ajustar uma reta a um conjunto de dados de tal forma que o modelo possa ser utilizado para explicar essa relação, bem como para previsão de dados, tanto dentro do intervalo amostrado, quanto fora dele. Foram obtidas 36 equações do tipo y = ax + b, onde y representa o motivo das ligações e x a variável independente escolhida para a associação que, como foi dito, inicialmente foi feita baseada na experiência dos autores do modelo. Do segundo mês de análise em diante, começou-se a analisar a correlação que as variáveis independentes tinham com as dependentes e, a partir daí, a escolha da variável independente foi baseada na análise da correlação entre seus dados históricos com os dados dos motivos das ligações. Como uma alta correlação nem sempre indica uma relação de causa e efeito, também era feita uma análise de existência de relação de casualidade entre as variáveis. Na tabela 1 são mostradas as correlações e os coeficientes encontrados nas análises de regressão realizadas. Com as novas variáveis independentes escolhidas, novas retas médias eram obtidas pelo método dos mínimos quadrados e a previsão mensal poderia começar a ser feita. ENEGEP 2004 ABEPRO 198

5 Na regressão linear, quanto maior o coeficiente de determinação R 2, melhor, pois este coeficiente determina o quanto a variação da variável dependente é explicada pela variação da variável independente. Para melhorá-lo, eram excluídos aqueles pontos que se encontravam muito distantes das retas médias, gerados por fatores anormais (pontos chamados de Outliers). As variáveis independentes que eram utilizadas para a obtenção das retas médias, também precisam ser previstas, pois só com elas as variáveis dependentes podem ser previstas. Estas previsões podem ser feitas por diversos métodos, dependendo do tipo de variação dos seus dados. Métodos como a média móvel, as séries temporais e a média aritmética simples, são muito utilizados. Observou-se que, em algumas situações, as áreas responsáveis pelas variáveis independentes, auxiliavam na sua previsão. A área de análise de contas, por exemplo, informava a previsão da quantidade de contas que seriam emitidas nos meses subseqüentes ao mês de análise. Como atividade final desta etapa, após a obtenção das retas médias e valores previstos das variáveis independentes, foi possível calcular a previsão mensal das variáveis dependentes, que consistia no objetivo principal desta fase do trabalho A previsão diária de ligações Observou-se que a quantidade de ligações recebidas de cada motivo num determinado dia dependia, além dos motivos em si, também do dia da semana e dia do mês analisado. Uma segunda-feira dia primeiro, por exemplo, tinha uma demanda bem diferente de uma segundafeira dia 10. Isso acontecia, basicamente, devido ao ciclo de contas da empresa e do perfil dos seus Clientes. Concluiu-se que, para que se pudesse prever a quantidade de ligações recebidas em cada dia, era necessário conhecer duas informações: A quantidade de ligações prevista para o motivo no mês (obtida na primeira etapa) e a probabilidade de recebimento de ligações do motivo no dia da semana e dia do mês analisado. Considerando que a probabilidade de recebimento de ligações num determinado dia da semana não influencia na probabilidade de recebimento no dia do mês correspondente, podese concluir que estes são eventos independentes. Assim, a probabilidade de que ambos aconteçam ao mesmo tempo é necessariamente igual à probabilidade isolada de um deles ocorrer multiplicada pela probabilidade isolada do outro, resultando na denominada probabilidade conjunta. Em resumo: i) A distribuição de probabilidade de recebimento de ligações em um dia (distribuição conjunta), era resultado da combinação da distribuição probabilidade de recebimento de ligações devido a sazonalidade semanal (distribuição marginal) e da distribuição probabilidade de recebimento de ligações devido a sazonalidade mensal (distribuição marginal); ii) Estas distribuições marginais de probabilidade eram relacionadas a eventos independentes (o recebimento de certa quantidade de ligações devido unicamente ao determinado dia do mês não tinha influência gerada pelo seu dia da semana e vice-versa), o que, de acordo com Lipschutz (1994), nos permitia dizer que a distribuição conjunta poderia ser obtida pelo produto dessas distribuições marginais. Na figura a seguir as hipóteses feitas podem ser mais facilmente visualizadas. ENEGEP 2004 ABEPRO 199

6 1 Distr.Marginal mensal= P(A) Distr. Conjunta P( A I B )=P(A)xP(B)... Distr.Marginal semana = P(B) Seg... Dom 31 Figura 1 Distribuições marginais e conjuntas de probabilidade de recebimento de chamadas A distribuição de probabilidade analisada era a média da freqüência relativa diária de cada um dos motivos que, por ser conseqüência do dia do mês e dia da semana, poderia ser vista como a Distribuição Conjunta de probabilidade do recebimento de chamadas de cada motivo. A partir desta distribuição, podiam ser calculadas as distribuições marginais de probabilidades por dia do mês e dia da semana, chamadas de DMMs (Distribuições Marginais por motivo). As DMMs mensal e semanal fornecem, cada uma, a probabilidade das ligações de um determinado motivo serem recebidas devido apenas ao dia do mês (1 a 31) ou ao dia da semana (segunda a domingo), respectivamente. Assim fica clara a influência de cada um destes eventos separadamente. Calculadas as respectivas DMMs, podem ser geradas Distribuições Conjuntas para cada motivo mais robustas, através dos produtos das DMMs mensais e semanais, formando uma matriz de probabilidade como exemplificado na tabela 2. Numa análise feita, concluiu-se que, para obtenção de Distribuições Conjuntas Robustas, era necessário um histórico de 20 meses para geração de cada DMM. Como no desenvolvimento do modelo apenas alguns meses de dados estavam disponíveis, optou-se pelo uso de um método de Iterações sucessivas que aumenta a robustez das DMMs. Para tanto, foi feita uma modelagem dos dados de modo a retirar valores gerados devido à aleatoriedade (picos e vales fora dos padrões gerados em conseqüência do pequeno histórico disponível - Outliers ). O processo proposto consiste em calcular a DMM mensal a partir da distribuição conjunta dos meses disponíveis para modelá-la e achar uma nova distribuição conjunta, mais robusta. Após a modelagem, é garantido que essa distribuição está mais coerente com a realidade, pois os picos devido à aleatoriedade são retirados. Com a nova DMM mensal, através da divisão P(A I B)/P(A) (Distribuição conjunta achada inicialmente dividida pela Distribuição Marginal mensal modelada), calcula-se uma nova DMM semanal, para posterior cálculo de uma nova DMM mensal. Este processo iterativo é feito até que a última Distribuição mensal encontrada seja muito próxima da anterior, o que indica um amortecimento ou convergência dos novos valores para um determinado número e que deve entendido como valor ideal. Ao final do processo, têm-se as DMM mensal e semanal prontas para serem utilizadas na previsão da quantidade de ligações recebidas em cada dia. Para a modelagem, não se considerava a data de vencimento de cada motivo (1 a 31), mas uma ordenação alternativa de -15 a +15, sendo o dia 0 (D0) o dia correspondente às datas de vencimento. Calculando as médias das DMMs, obtinha-se a distribuição que seria rearrumada e modelada. ENEGEP 2004 ABEPRO 200

7 10,00% 9,00% 8,00% Prob. recebimento chams 7,00% 6,00% 5,00% 4,00% 3,00% 2,00% 1,00% 0,00% Dia Figura 2 DMM de 2ª via de conta antes da modelagem 0,1000 0,0900 0,0800 0,0700 0,0600 0,0500 0,0400 0,0300 0,0200 0,0100 0, Prob. recebimento chams Dia Figura 3 DMM de 2ª via de conta após a modelagem Os motivos que não tinham uma relação direta com o ciclo de cobrança, tinham suas DMMs modeladas com o auxílio de gráficos de controle, com os limites de controle definidos para um nível de confiança de 95%. Sempre que era observado um valor fora deste intervalo, o mesmo era mantido na distribuição modelada e os demais que se encontravam dentro do intervalo de controle eram considerados como valores gerados devido à aleatoriedade da amostra e eram substituídos pelo valor da distribuição uniforme A Previsão da Demanda com o cruzamento das DMMs com a previsão mensal de ligações Depois de obtidas as DMMs de cada motivo e as suas respectivas previsões de quantidade mensal de ligações, se fazia necessário elaborar a previsão de Demanda diária. Para a elaboração da previsão diária, bastava efetuar a multiplicação da DMM mensal pela semanal, dia a dia, e escolher os respectivos resultados de acordo com o mês a ser previsto. Na tabela 2, exemplifica-se este processo de obtenção da Distribuição Conjunta. Após a normalização da distribuição obtida para novembro de 2004, por exemplo, (marcada em amarelo), basta multiplicar a quantidade total de ligações prevista para este motivo por cada um desses valores diários obtidos e ter-se-á a previsão diária de ligações. ENEGEP 2004 ABEPRO 201

8 Dia do mês Dom Seg Ter Qua Qui Sex Sáb DMM Mensal 1 0,30% 0,58% 0,58% 0,56% 0,54% 0,53% 0,41% 3,50% 2 0,27% 0,54% 0,54% 0,52% 0,50% 0,49% 0,38% 3,24% 3 0,30% 0,58% 0,58% 0,56% 0,54% 0,52% 0,41% 3,50% 4 0,28% 0,55% 0,55% 0,53% 0,52% 0,50% 0,39% 3,32% 5 0,29% 0,56% 0,56% 0,54% 0,52% 0,50% 0,39% 3,36% 26 0,26% 0,50% 0,50% 0,48% 0,47% 0,45% 0,35% 3,01% 27 0,25% 0,48% 0,48% 0,46% 0,45% 0,44% 0,34% 2,90% 28 0,26% 0,52% 0,52% 0,50% 0,48% 0,47% 0,36% 3,12% 29 0,29% 0,58% 0,58% 0,55% 0,54% 0,52% 0,41% 3,47% 30 0,26% 0,52% 0,52% 0,49% 0,48% 0,46% 0,36% 3,10% DMM Semanal 8,48% 16,66% 16,68% 15,97% 15,52% 15,00% 11,69% Tabela 2 Distribuição conjunta final do motivo Informações sobre serviços inteligentes 4. Resultados obtidos e recomendações O modelo criado melhorou substancialmente a qualidade das previsões feitas, diminuindo de 10% para 0,5% o erro médio observado. Essa diferença de 9.5 pontos percentuais entre o erro obtido pelo modelo antigo e o obtido pelo novo modelo, evitava que, aproximadamente, 64 novos atendentes deixassem de ser contratados desnecessariamente devido a um erro positivo da previsão (superdimensionamento), gerando uma economia mensal de R$ ,00. Por outro lado, caso a previsão fosse inferior ao acontecido (subdimensionamento), um erro de apenas 0,5%, que equivalia à demanda atendida por 3 atendentes, era facilmente contornável com a realização de algumas horas extras. No que diz respeito à previsão dos motivos em separado, pôde-se identificar claramente em que dias do mês e da semana estes iriam ter demandas maiores ou menores do que o padrão e, assim, pôde-se identificar quaisquer variações anormais, melhorando seu controle e agilizando a melhoria de processos e a tomada de ações para a solução de problemas. Recomenda-se que, para o aprimoramento do trabalho realizado, a analise de regressão feita na previsão mensal seja substituída por uma análise de regressão multivariada, onde cada variável dependente possa ter mais de uma variável independente. Referências ARAÚJO, M.; ARAÚJO, F.; ADISSI, P.(2003) - Distribuição da demanda telefônica de um Call Center através da criação e priorização de filas inteligentes. Ouro Preto. ARAÚJO, M.; MELO, L.; ANDRADE, T.(2002) - Análise da incidência e prevenção de LER/DORT em centrais de atendimento. Recife. ERDMANN, R. (2000) - Administração da produção: planejamento, programação e Controle. Florianópolis. FILDES, R. (2002) - Telecommunications demand forecasting a review. Lancaster LIPSCHUTZ, S. (1994) - Probabilidade. São Paulo. MARQUES M.; PHILIPPI D.; NASCIMENTO G.(2001) - Dimensionamento de Posições de Atendimento para Call Centers. Florianópolis. OHMAE, K. (1988)- Getting back to strategy. Harvard Business Review. WHITELEY, R. ; HESSAN, D. (1996)- Crescimento Orientado para o Cliente. Rio de Janeiro. ENEGEP 2004 ABEPRO 202

Distribuição da demanda telefônica de um call center através da criação e priorização de filas inteligentes

Distribuição da demanda telefônica de um call center através da criação e priorização de filas inteligentes Distribuição da demanda telefônica de um call center através da criação e priorização de filas inteligentes Marcus Augusto Vasconcelos Araújo (UPE) marcus-recife@uol.com.br Francisco José Costa Araújo

Leia mais

BROMBERGER, Dalton (UTFPR) daltonbbr@yahoo.com.br. KUMMER, Aulison André (UTFPR) aulisonk@yahoo.com.br. PONTES, Herus³ (UTFPR) herus@utfpr.edu.

BROMBERGER, Dalton (UTFPR) daltonbbr@yahoo.com.br. KUMMER, Aulison André (UTFPR) aulisonk@yahoo.com.br. PONTES, Herus³ (UTFPR) herus@utfpr.edu. APLICAÇÃO DAS TÉCNICAS DE PREVISÃO DE ESTOQUES NO CONTROLE E PLANEJAMENTO DA PRODUÇÃO DE MATÉRIA- PRIMA EM UMA INDÚSTRIA PRODUTORA DE FRANGOS DE CORTE: UM ESTUDO DE CASO BROMBERGER, Dalton (UTFPR) daltonbbr@yahoo.com.br

Leia mais

A demanda pode ser entendida como a disposição dos clientes ao consumo de bens e serviços ofertados por uma organização.

A demanda pode ser entendida como a disposição dos clientes ao consumo de bens e serviços ofertados por uma organização. Previsão da Demanda As previsões têm uma função muito importante nos processos de planejamento dos sistemas logísticos, pois permite que os administradores destes sistemas antevejam o futuro e planejem

Leia mais

GERENCIANDO INCERTEZAS NO PLANEJAMENTO LOGÍSTICO: O PAPEL DO ESTOQUE DE SEGURANÇA

GERENCIANDO 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 mais

Professor Severino Domingos Júnior Disciplina: Gestão de Compras e Estoques no Varejo

Professor 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 mais

NECESSIDADES 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 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 mais

Previsão de demanda em uma empresa farmacêutica de manipulação

Previsão de demanda em uma empresa farmacêutica de manipulação Previsão de demanda em uma empresa farmacêutica de manipulação Ana Flávia Brito Rodrigues (Anafla94@hotmail.com / UEPA) Larissa Pinto Marques Queiroz (Larissa_qz@yahoo.com.br / UEPA) Luna Paranhos Ferreira

Leia mais

Cálculo de amostra para monitoria de qualidade em Call Center

Cálculo de amostra para monitoria de qualidade em Call Center Cálculo de amostra para monitoria de qualidade em Call Center Esta metodologia tem como objetivo definir o tamanho mínimo ideal da amostra, garantindo a representatividade da população de chamadas em um

Leia mais

Modelo para segmentação da demanda de um Call Center em múltiplas prioridades: Estudo da implantação em um Call Center de Telecomunicações

Modelo para segmentação da demanda de um Call Center em múltiplas prioridades: Estudo da implantação em um Call Center de Telecomunicações Universidade Federal de Santa Catarina www.producaoonline.inf.br ISSN 1676-1901 / Vol. 4/ Num. 3/ Agosto de 2004 Modelo para segmentação da demanda de um Call Center em múltiplas prioridades: Estudo da

Leia mais

Modelagem 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 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 mais

PLANEJAMENTO DE CAPACIDADE EM INFRA-ESTRUTURAS SUPORTADAS POR SERVIÇOS TERCEIRIZADOS DE REDE DE COMUNICAÇÃO DE DADOS

PLANEJAMENTO DE CAPACIDADE EM INFRA-ESTRUTURAS SUPORTADAS POR SERVIÇOS TERCEIRIZADOS DE REDE DE COMUNICAÇÃO DE DADOS PLANEJAMENTO DE CAPACIDADE EM INFRA-ESTRUTURAS SUPORTADAS POR SERVIÇOS TERCEIRIZADOS DE REDE DE COMUNICAÇÃO DE DADOS Roosevelt Belchior Lima Neste artigo será apresentada uma proposta de acompanhamento

Leia mais

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr Análise de Regressão Tópicos Avançados em Avaliação de Desempenho Cleber Moura Edson Samuel Jr Agenda Introdução Passos para Realização da Análise Modelos para Análise de Regressão Regressão Linear Simples

Leia mais

O custeio ABC e sua utilização para estudar o preço de venda de produtos em uma empresa alimentícia e outra de bem durável na cidade de Uberlândia

O custeio ABC e sua utilização para estudar o preço de venda de produtos em uma empresa alimentícia e outra de bem durável na cidade de Uberlândia O custeio ABC e sua utilização para estudar o preço de venda de produtos em uma empresa alimentícia e outra de bem durável na cidade de Uberlândia Elaine Gomes Assis (UNIMINAS) elainega@uniminas.br Luciane

Leia mais

SISTEMAS DE INFORMAÇÕES GERENCIAIS

SISTEMAS DE INFORMAÇÕES GERENCIAIS 1 SISTEMAS DE INFORMAÇÕES GERENCIAIS John F. Eichstaedt, Toni Édio Degenhardt Professora: Eliana V. Jaeger RESUMO: Este artigo mostra o que é um SIG (Sistema de Informação gerencial) em uma aplicação prática

Leia mais

1. Introdução. 1.1 Introdução

1. 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 mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não

Leia mais

POR QUE UTILIZAR BUSINESS INTELLIGENCE NO CALL CENTER

POR QUE UTILIZAR BUSINESS INTELLIGENCE NO CALL CENTER POR QUE UTILIZAR BUSINESS INTELLIGENCE NO CALL CENTER ÍNDICE Por que utilizar Business Intelligence no call center? Introdução Business Intelligence na área de saúde Por que usar Business Intelligence

Leia mais

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem

Leia mais

Módulo 4 PREVISÃO DE DEMANDA

Módulo 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 mais

Grande parte dos planejadores

Grande parte dos planejadores ARTIGO Fotos: Divulgação Decidindo com o apoio integrado de simulação e otimização Oscar Porto e Marcelo Moretti Fioroni O processo de tomada de decisão Grande parte dos planejadores das empresas ainda

Leia mais

4 Gráficos de controle

4 Gráficos de controle 4 Gráficos de controle O gráfico de controle é uma ferramenta poderosa do Controle Estatístico de Processo (CEP) para examinar a variabilidade em dados orientados no tempo. O CEP é composto por um conjunto

Leia mais

Distribuição de Freqüência

Distribuição de Freqüência Distribuição de Freqüência Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada Representação Gráfica Histogramas Organização dos dados Os métodos utilizados

Leia mais

Marketing Visão 360º. O nosso objetivo é ter uma visão ampla dos temas de Marketing, abordando os seguintes tópicos.

Marketing Visão 360º. O nosso objetivo é ter uma visão ampla dos temas de Marketing, abordando os seguintes tópicos. Marketing Visão 360º O Mundo do Marketing em parceria com a TNS Research International está realizando pesquisas mensais com profissionais da área de marketing para investigar temas relacionados ao dia-a-dia

Leia mais

CONTROLE ESTRATÉGICO

CONTROLE ESTRATÉGICO CONTROLE ESTRATÉGICO RESUMO Em organizações controlar significa monitorar, avaliar e melhorar as diversas atividades que ocorrem dentro de uma organização. Controle é fazer com que algo aconteça como foi

Leia mais

VOLUME 3. Projeção Demográfica; Projeção de Matrículas, Taxas de Atendimento e Taxas de Transição; Indicadores do Censo Escolar.

VOLUME 3. Projeção Demográfica; Projeção de Matrículas, Taxas de Atendimento e Taxas de Transição; Indicadores do Censo Escolar. VOLUME 3 Projeção Demográfica; Projeção de Matrículas, Taxas de Atendimento e Taxas de Transição; Indicadores do Censo Escolar. 69 PARTE I PROJEÇÃO DEMOGRÁFICA 70 1 Introdução A atualização de projeções

Leia mais

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL Raquel Oliveira dos Santos, Luis Felipe Dias Lopes Programa de Pós-Graduação em Estatística e Modelagem Quantitativa CCNE UFSM, Santa Maria RS

Leia mais

Desempenho dos Aprovados no Vestibular da UFPA antes e após a Política de Cotas: Uma Aplicação de Regressão Quantílica

Desempenho dos Aprovados no Vestibular da UFPA antes e após a Política de Cotas: Uma Aplicação de Regressão Quantílica Desempenho dos Aprovados no Vestibular da UFPA antes e após a Política de Cotas: Uma Aplicação de Regressão Quantílica 1. Introdução Diogo Braga Mendes¹ Charlene de Carvalho Silva² Marinalva Cardoso Maciel³

Leia mais

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

http://www.de.ufpb.br/~luiz/

http://www.de.ufpb.br/~luiz/ UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências

Leia mais

PREVISÃO DE VENDAS DE CERVEJA PARA UMA INDÚSTRIA DE RIBEIRÃO PRETO

PREVISÃO DE VENDAS DE CERVEJA PARA UMA INDÚSTRIA DE RIBEIRÃO PRETO PREVISÃO DE VENDAS DE CERVEJA PARA UMA INDÚSTRIA DE RIBEIRÃO PRETO José Gilberto S. Rinaldi (UNESP/Presidente Prudente) Randal Farago (Faculdades Integradas FAFIBE) Resumo: Este trabalho aborda técnicas

Leia mais

3 Método de Monte Carlo

3 Método de Monte Carlo 25 3 Método de Monte Carlo 3.1 Definição Em 1946 o matemático Stanislaw Ulam durante um jogo de paciência tentou calcular as probabilidades de sucesso de uma determinada jogada utilizando a tradicional

Leia mais

Estudo de Viabilidade

Estudo de Viabilidade Estudo de Viabilidade PGE: Plastic Gestor Empresarial Especificação de Requisitos e Validação de Sistemas Recife, janeiro de 2013 Sumário 1. Motivação... 1 2. Introdução: O Problema Indentificado... 2

Leia mais

5 Análise prospectiva dos investimentos das EFPC

5 Análise prospectiva dos investimentos das EFPC 5 Análise prospectiva dos investimentos das EFPC Nesta seção serão apresentados os resultados encontrados para os diversos modelos estimados. No total foram estimados dezessete 1 modelos onde a variável

Leia mais

4 Avaliação Econômica

4 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 mais

LOGÍSTICA Professor: Dr. Edwin B. Mitacc Meza

LOGÍSTICA Professor: Dr. Edwin B. Mitacc Meza LOGÍSTICA Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Nível de Serviço ... Serviço ao cliente é o resultado de todas as atividades logísticas ou do

Leia mais

Risk & Permanent Control

Risk & Permanent Control Estrutura Organizacional Risco de Mercado Introdução Este documento apresenta a estrutura organizacional da área de Risco de Mercado do CRÉDIT AGRICOLE BRASIL e descreve as suas principais responsabilidades

Leia mais

Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015. Big Data Analytics:

Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015. Big Data Analytics: Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015 Big Data Analytics: Como melhorar a experiência do seu cliente Anderson Adriano de Freitas RESUMO

Leia mais

5 Sistema americano. 5.1 Forma de Ressuprimento

5 Sistema americano. 5.1 Forma de Ressuprimento 5 Sistema americano O objetivo deste capítulo é descrever o sistema de programação de entregas e previsão de demanda para clientes VMI utilizado pela matriz da Empresa de Gases Alfa nos Estados Unidos.

Leia mais

Cristian Dekkers Kremer (PPGEP - UTFPR) E-mail: cristian_dk@ig.com.br Prof. Dr. João Luiz Kovaleski (PPGEP - UTFPR) E-mail: kovaleski@utfpr.edu.

Cristian Dekkers Kremer (PPGEP - UTFPR) E-mail: cristian_dk@ig.com.br Prof. Dr. João Luiz Kovaleski (PPGEP - UTFPR) E-mail: kovaleski@utfpr.edu. Determinação do momento ótimo para a realização da manutenção preventiva em equipamentos de uma indústria metalúrgica: um estudo voltado para a redução de custos Cristian Dekkers Kremer (PPGEP - UTFPR)

Leia mais

whitepaper PRECIFICAÇÃO DINÂMICA

whitepaper PRECIFICAÇÃO DINÂMICA whitepaper PRECIFICAÇÃO DINÂMICA INTRODUÇÃO Quando se fala em precificar um produto, a primeira coisa que vem em mente é que essa é uma tarefa muito óbvia - são somados ao preço da mercadoria: os custos,

Leia mais

O presente processo de seleção tem por objetivo preencher vaga e formar cadastro de docentes para ministrar as disciplinas/áreas abaixo:

O presente processo de seleção tem por objetivo preencher vaga e formar cadastro de docentes para ministrar as disciplinas/áreas abaixo: A Faculdade de Economia e Finanças Ibmec/RJ torna pública a abertura de processo seletivo para contratação de professores PJ para o curso de Pós Graduação Executiva - CBA. I Das vagas abertas para seleção

Leia mais

Modelagens e Gerenciamento de riscos (Simulação Monte Carlo)

Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Prof. Esp. João Carlos Hipólito e-mail: jchbn@hotmail.com Sobre o professor: Contador; Professor da Faculdade de Ciências Aplicadas e Sociais

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Contribuição Eletropaulo Metropolitana S/A Expositor Antoninho Borghi

Contribuição Eletropaulo Metropolitana S/A Expositor Antoninho Borghi Audiência Pública ANEEL 027/2003 Estabelece as condições de atendimento por meio de Central de Teleatendimento (CTA) das concessionárias ou permissionárias, critérios de classificação de serviços e metas

Leia mais

Slice Management. Controlando o que você não vê. Direto ao assunto

Slice Management. Controlando o que você não vê. Direto ao assunto Slice Management Controlando o que você não vê Direto ao assunto O Slice Management (SM) é uma prática de gerenciamento que consiste em colocar um sistema de inteligência em todas as áreas da empresa.

Leia mais

Exercícios. Exercício 1

Exercícios. Exercício 1 Exercícios Exercício 1 Considere um sistema de processamento com os seguintes tempos entre chegadas de tarefas: Tempo entre Chegadas (horas) Probabilidade 0 0.23 1 0.37 2 0.28 3 0.12 Os tempos de processamento

Leia mais

O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I

O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE I! A utilização de escores na avaliação de crédito! Como montar um plano de amostragem para o credit scoring?! Como escolher as variáveis no modelo de credit

Leia mais

Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática

Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática Ederson Luis Posselt (edersonlp@yahoo.com.br) Eduardo Urnau (dudaurnau@gmail.com) Eloy Metz (eloy@softersul.com.br)

Leia mais

5 Análise dos Resultados Seguro de Vida

5 Análise dos Resultados Seguro de Vida Capítulo 5 Análise dos Resultados - Seguro de Vida 5 Análise dos Resultados Seguro de Vida Este capítulo tem como objetivo a análise dos resultados obtidos através da modelagem dos dados de uma seguradora.

Leia mais

Planejamento. Futuro. Técnica ou processo que serve para lidar com o futuro. O que aumenta a incerteza nas organizações. Incerteza nas organizações

Planejamento. Futuro. Técnica ou processo que serve para lidar com o futuro. O que aumenta a incerteza nas organizações. Incerteza nas organizações Fonte: Introdução à Administração de Antonio Cesar Amaru Maximiano Índice Definição de planejamento Incertezas Eventos previsíveis Processo de planejamento Decisões de planejamento Planejar Atitudes em

Leia mais

XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil

XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil XX Seminário Nacional de Distribuição de Energia Elétrica SENDI 2012-22 a 26 de outubro Rio de Janeiro - RJ - Brasil Patricia Viero Minussi Aes Sul Distribuidora Gaúcha de Energia patricia.minussi@aes.com

Leia mais

QUALIDADE Noções iniciais

QUALIDADE Noções iniciais Este segmento do curso é baseado no livro: JURAN, J.M. A qualidade desde o projeto. São Paulo: Thomson, 1992. QUALIDADE Noções iniciais Questões de qualidade e gerenciamento de qualidade são preocupações

Leia mais

Indicadores de desempenho de processos de negócio

Indicadores de desempenho de processos de negócio Indicadores de desempenho de processos de negócio 14:30, a sala de reunião de uma empresa. De um lado da mesa estão o gerente de um produto, um usuário-chave representante do cliente, do outro se encontram

Leia mais

Inteligência Competitiva

Inteligência Competitiva Inteligência Competitiva Prof. Patricia Silva psilva@univercidade.br Aula 6 Objetivos da aula 6 n Análise SWOT n Bibliografia: Estratégia de Marketing O C. Ferrell Cap. 4 Strenghts (forças), Weaknesses

Leia mais

ITIL na Prática. Quais são os fatores críticos de sucesso para obter valor a partir de um Service Desk? Conhecimento em Tecnologia da Informação

ITIL na Prática. Quais são os fatores críticos de sucesso para obter valor a partir de um Service Desk? Conhecimento em Tecnologia da Informação Conhecimento em Tecnologia da Informação ITIL na Prática Quais são os fatores críticos de sucesso para obter valor a partir de um Service Desk? Conhecimento em Tecnologia da Informação 2010 Bridge Consulting

Leia mais

Capítulo 1 Conceitos e Gestão de Estoques

Capítulo 1 Conceitos e Gestão de Estoques Capítulo 1 Conceitos e Gestão de Estoques Celso Ferreira Alves Júnior eng.alvesjr@gmail.com 1. GESTÃO DE ESTOQUE 1.1 Conceito de Gestão de estoques Refere-se a decisões sobre quando e quanto ressuprir

Leia mais

Governança de T.I. Professor: Ernesto Junior Aula IV Unidade II E-mail: egpjunior@gmail.com

Governança de T.I. Professor: Ernesto Junior Aula IV Unidade II E-mail: egpjunior@gmail.com Governança de T.I Professor: Ernesto Junior Aula IV Unidade II E-mail: egpjunior@gmail.com Governança de TI Os modelos atuais para governança partem de processos empresariais serviços prestados, modelos

Leia mais

A Importância do CRM nas Grandes Organizações Brasileiras

A Importância do CRM nas Grandes Organizações Brasileiras A Importância do CRM nas Grandes Organizações Brasileiras Por Marcelo Bandeira Leite Santos 13/07/2009 Resumo: Este artigo tem como tema o Customer Relationship Management (CRM) e sua importância como

Leia mais

O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE II

O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE II O QUE É E COMO FUNCIONA O CREDIT SCORING PARTE II! Como implementar o escore de crédito?! Como avaliar o escore de crédito?! Como calcular a função discriminante usando o Excel?! Como aplicar a função

Leia mais

Planejamento da produção: Previsão de demanda para elaboração do plano de produção em indústria de sorvetes.

Planejamento da produção: Previsão de demanda para elaboração do plano de produção em indústria de sorvetes. Planejamento da produção: Previsão de demanda para elaboração do plano de produção em indústria de sorvetes. Tiago Esteves Terra de Sá (UFOP) tiagoeterra@hotmail.com Resumo: Este trabalho busca apresentar

Leia mais

ESTUDO DE PREVISÃO DE DEMANDA PARA EMPRESA DE EQUIPAMENTOS MÉDICOS DE DIAGNÓSTICO

ESTUDO 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 mais

Pesquisador em Informações Geográficas e Estatísticas A I GESTÃO DA QUALIDADE LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO.

Pesquisador em Informações Geográficas e Estatísticas A I GESTÃO DA QUALIDADE LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO. 7 EDITAL N o 04/2013 LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO. 01 - O candidato recebeu do fiscal o seguinte material: a) este CADERNO DE QUESTÕES, com os enunciados das 8 (oito) questões discursivas, sem

Leia mais

Ementa e Cronograma Programático...

Ementa e Cronograma Programático... Ementa e Cronograma Programático... AULA 01 Estratégia de Operações e Planejamento Agregado AULA 02 Planejamento e Controle de Operações AULA 03 Gestão da Demanda e da Capacidade Operacional AULA 04 Gestão

Leia mais

Planejamento e Controle da Produção I

Planejamento e Controle da Produção I Planejamento e Controle da Produção I Sequenciamento e Emissão de Ordens Prof. M.Sc. Gustavo Meireles 2012 Gustavo S. C. Meireles 1 Introdução Programação da produção: define quanto e quando comprar, fabricar

Leia mais

Unidade III GESTÃO EMPRESARIAL. Prof. Roberto Almeida

Unidade 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 mais

Gestão de Clientes no Mercado de Consórcios

Gestão de Clientes no Mercado de Consórcios Relatório de pesquisa Gestão de Clientes no Mercado de Consórcios Via Consulting Maio de 2009 1 Caro leitor, Gostaria de convidá-lo a conhecer o resultado de uma pesquisa patrocinada pela Via Consulting

Leia mais

CAPÍTULO 9 RISCO E INCERTEZA

CAPÍTULO 9 RISCO E INCERTEZA CAPÍTULO 9 9 RISCO E INCERTEZA 9.1 Conceito de Risco Um fator que pode complicar bastante a solução de um problema de pesquisa operacional é a incerteza. Grande parte das decisões são tomadas baseando-se

Leia mais

Plataforma da Informação. Finanças

Plataforma da Informação. Finanças Plataforma da Informação Finanças O que é gestão financeira? A área financeira trata dos assuntos relacionados à administração das finanças das organizações. As finanças correspondem ao conjunto de recursos

Leia mais

Balanced Scorecard. Da estratégia às ações do dia-a-dia

Balanced Scorecard. Da estratégia às ações do dia-a-dia Balanced Scorecard Da estratégia às ações do dia-a-dia Perspectivas Em se tratando de gerenciamento de desempenho, perspectivas são os grandes vetores debaixo dos quais são agrupados objetivos, indicadores

Leia mais

Slides de Estatística Descritiva na HP-12C 01/10/2009 ESTATÍSTICAS. Na HP-12C. 01/10/2009 Bertolo 2. O que é Estatística?

Slides de Estatística Descritiva na HP-12C 01/10/2009 ESTATÍSTICAS. Na HP-12C. 01/10/2009 Bertolo 2. O que é Estatística? ESTATÍSTICAS Na HP-12C 01/10/2009 Bertolo 1 O que é Estatística? A estatística pode ser entendida como um conjunto de ferramentas envolvidas no estudo de métodos e procedimentos usados para 1. colecionar,

Leia mais

PLANEJAMENTO E CONTROLE DE VENDAS

PLANEJAMENTO 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 mais

T2Ti Tecnologia da Informação Ltda T2Ti.COM http://www.t2ti.com Projeto T2Ti ERP 2.0. Bloco Comercial. CRM e AFV

T2Ti Tecnologia da Informação Ltda T2Ti.COM http://www.t2ti.com Projeto T2Ti ERP 2.0. Bloco Comercial. CRM e AFV Bloco Comercial CRM e AFV Objetivo O objetivo deste artigo é dar uma visão geral sobre os Módulos CRM e AFV, que fazem parte do Bloco Comercial. Todas informações aqui disponibilizadas foram retiradas

Leia mais

5 Análise dos resultados

5 Análise dos resultados 5 Análise dos resultados Neste capitulo será feita a análise dos resultados coletados pelos questionários que foram apresentados no Capítulo 4. Isso ocorrerá através de análises global e específica. A

Leia mais

Administrando o Fluxo de Caixa

Administrando o Fluxo de Caixa Administrando o Fluxo de Caixa O contexto econômico do momento interfere no cotidiano das empresas, independente do seu tamanho mercadológico e, principalmente nas questões que afetam diretamente o Fluxo

Leia mais

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 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 mais

ORGANIZATI ONAL AGILITY

ORGANIZATI ONAL AGILITY PMI PULSO DA PROFISSÃO RELATÓRIO DETALHADO A VANTAGEM COMPETITIVA DO GERENCIAMENTO EFICAZ DE TALENTOS ORGANIZATI ONAL ORGANIZATI ONAL AGILITY AGILITY MARÇO DE 2013 Estudo Detalhado Pulse of the Profession

Leia mais

MODELAGEM E SIMULAÇÃO

MODELAGEM 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

5 CONSIDERAÇÕES FINAIS. 5.1 Conclusão

5 CONSIDERAÇÕES FINAIS. 5.1 Conclusão 97 5 CONSIDERAÇÕES FINAIS 5.1 Conclusão Este estudo teve como objetivo final elaborar um modelo que explique a fidelidade de empresas aos seus fornecedores de serviços de consultoria em informática. A

Leia mais

Risco. Conceitos Básicos

Risco. Conceitos Básicos Risco Conceitos Básicos Risco: definições 1 Mercado Financeiro Risco A análise deste conceito é um desafio no processo de tomada de decisão, realizado segundo três conjuntos de condições: certeza, análise

Leia mais

3 - Introdução. gestão hospitalar? 8 - Indicadores clínicos. 11 - Indicadores operacionais. 14 - Indicadores financeiros.

3 - Introdução. gestão hospitalar? 8 - Indicadores clínicos. 11 - Indicadores operacionais. 14 - Indicadores financeiros. 3 - Introdução 4 - Quais são as métricas para alcançar uma boa ÍNDICE As Métricas Fundamentais da Gestão Hospitalar gestão hospitalar? 8 - Indicadores clínicos 11 - Indicadores operacionais 14 - Indicadores

Leia mais

Manual - Relatórios Gerenciais.

Manual - Relatórios Gerenciais. Manual - Relatórios Gerenciais. Perguntas que temos que responder quase que diariamente sobre: Vendas Financeiro Produção Emissão: 04/02/2014 Revisão: 28/05/2015 Revisado por: Juliana 1 Área de Vendas

Leia mais

6 Sistemas Terminais e Não-Terminais

6 Sistemas Terminais e Não-Terminais 6 Sistemas Terminais e Não-Terminais 1 A fim de poder realizar uma análise mais precisa dos resultados de simulação, é preciso saber classificar o sistema modelado como sendo terminal ou não-terminal.

Leia mais

SIMULAÇÃO DE GESTÃO EMPRESARIAL

SIMULAÇÃO 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 mais

Sistema de Administração da Produção

Sistema de Administração da Produção Sistema de Administração da Produção (Extraído do livro Planejamento, Programação e Controle da Produção Enrique Correa e Irineu Gianesi e Mauro Caon Ed Atlas, 2001) 1. Definição São sistemas de Informação

Leia mais

Introdução. Existem situações nas quais há interesse em estudar o comportamento conjunto de uma ou mais variáveis;

Introdução. Existem situações nas quais há interesse em estudar o comportamento conjunto de uma ou mais variáveis; UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Eistem situações nas quais há interesse em estudar o comportamento conjunto

Leia mais

CURSO DE TECNOLOGIA EM MARKETING

CURSO DE TECNOLOGIA EM MARKETING CURSO DE TECNOLOGIA EM MARKETING EMENTA (2012) Disciplina: COMPORTAMENTO DO CONSUMIDOR Aspectos introdutórios. Os processos decisórios do consumidor. Diferenças individuais. Processos psicológicos. Influências

Leia mais

JOSÉ APARECIDO MAION jmaion@maioncia.com.br. IRINEU DE MULA idemula@amcham.com.br. DELIBERAÇÃO CVM N o 539, DE 14/03/2008

JOSÉ APARECIDO MAION jmaion@maioncia.com.br. IRINEU DE MULA idemula@amcham.com.br. DELIBERAÇÃO CVM N o 539, DE 14/03/2008 DELIBERAÇÃO CVM N o 539, DE 14/03/2008 Aprova o Pronunciamento Conceitual Básico do CPC que dispõe sobre a Estrutura Conceitual para a Elaboração e Apresentação das Demonstrações Contábeis. JOSÉ APARECIDO

Leia mais

MARGEM DE CONTRIBUIÇÃO: QUANTO SOBRA PARA SUA EMPRESA?

MARGEM DE CONTRIBUIÇÃO: QUANTO SOBRA PARA SUA EMPRESA? MARGEM DE CONTRIBUIÇÃO: QUANTO SOBRA PARA SUA EMPRESA? Que nome estranho! O que é isso? Essa expressão, Margem de Contribuição, pode soar estranha aos ouvidos, mas entender o que significa ajudará muito

Leia mais

GABARITO OTM 09 [ ] [ ] ( ) [ ] O que mostra que e, logo o sistema não possui solução. [ ]

GABARITO OTM 09 [ ] [ ] ( ) [ ] O que mostra que e, logo o sistema não possui solução. [ ] GABARITO OTM 09 Questão 1 a) Observe que o, deste modo o sistema não possui única solução ou não possui solução. Como [ ] [ ] [ ] [ ] O que mostra que e, logo o sistema não possui solução. b) Sim. Basta

Leia mais

CONCEITOS E FUNÇÕES DO PLANEJAMENTO, DA PROGRAMAÇÃO E DO CONTROLE DA PRODUÇÃO PPCP (Petrônio Garcia Martins / Fernando Piero Martins Capítulo 7)

CONCEITOS E FUNÇÕES DO PLANEJAMENTO, DA PROGRAMAÇÃO E DO CONTROLE DA PRODUÇÃO PPCP (Petrônio Garcia Martins / Fernando Piero Martins Capítulo 7) CONCEITOS E FUNÇÕES DO PLANEJAMENTO, DA PROGRAMAÇÃO E DO CONTROLE DA PRODUÇÃO PPCP (Petrônio Garcia Martins / Fernando Piero Martins Capítulo 7) A ESTRATÉGIA DA MANUFATURA E O SISTEMA PPCP: A estratégia

Leia mais

Prática e Gerenciamento de Projetos

Prática e Gerenciamento de Projetos Universidade de São Paulo Escola de Artes, Ciências e Humanidades Prática e Gerenciamento de Projetos Gerenciamento de Custos do Projeto Equipe: Jhonas P. dos Reis Marcelo Marciano Mário Januário Filho

Leia mais

Experiência: IMPLANTAÇÃO DO PRÉ-ATENDIMENTO NA AGÊNCIA DOS CORREIOS ADOLFINA DE PINHEIROS EM SÃO PAULO

Experiência: IMPLANTAÇÃO DO PRÉ-ATENDIMENTO NA AGÊNCIA DOS CORREIOS ADOLFINA DE PINHEIROS EM SÃO PAULO Experiência: IMPLANTAÇÃO DO PRÉ-ATENDIMENTO NA AGÊNCIA DOS CORREIOS ADOLFINA DE PINHEIROS EM SÃO PAULO Empresa Brasileira de Correios e Telégrafos ECT Ministério das Comunicações Responsável: Lenice Venâncio

Leia mais

FATECIENS. Relatório Gerencial sobre o Sistema de Compras. Prefeitura de Sorocaba

FATECIENS. Relatório Gerencial sobre o Sistema de Compras. Prefeitura de Sorocaba Relatório Gerencial sobre o Sistema de Compras Prefeitura de Sorocaba No presente relatório estaremos descrevendo uma análise das mudanças ocorridas com a implantação do módulo de Licitações e Compras

Leia mais

ITIL V3 (aula 6) AGENDA: A VERSÃO 3 ESTRATÉGIA DO SERVIÇO DESENHO DO SERVIÇO TRANSIÇÃO DO SERVIÇO OPERAÇÃO DO SERVIÇO MELHORIA CONTÍNUA

ITIL V3 (aula 6) AGENDA: A VERSÃO 3 ESTRATÉGIA DO SERVIÇO DESENHO DO SERVIÇO TRANSIÇÃO DO SERVIÇO OPERAÇÃO DO SERVIÇO MELHORIA CONTÍNUA ITIL V3 (aula 6) AGENDA: A VERSÃO 3 ESTRATÉGIA DO SERVIÇO DESENHO DO SERVIÇO TRANSIÇÃO DO SERVIÇO OPERAÇÃO DO SERVIÇO MELHORIA CONTÍNUA ITIL - Livros Estratégia de Serviços (Service Strategy): Esse livro

Leia mais

ANÁLISE DOS REQUISITOS NORMATIVOS PARA A GESTÃO DE MEDIÇÃO EM ORGANIZAÇÕES

ANÁLISE DOS REQUISITOS NORMATIVOS PARA A GESTÃO DE MEDIÇÃO EM ORGANIZAÇÕES V CONGRESSO BRASILEIRO DE METROLOGIA Metrologia para a competitividade em áreas estratégicas 9 a 13 de novembro de 2009. Salvador, Bahia Brasil. ANÁLISE DOS REQUISITOS NORMATIVOS PARA A GESTÃO DE MEDIÇÃO

Leia mais

UM GUIA RÁPIDO ORIENTADO A RESULTADOS (vigência: 29 JUN 2009)

UM GUIA RÁPIDO ORIENTADO A RESULTADOS (vigência: 29 JUN 2009) GESTÃO DE PROCESSOS UM GUIA RÁPIDO ORIENTADO A RESULTADOS (vigência: 29 JUN 2009) 1. O QUE É PROCESSO? Processos têm sido considerados uma importante ferramenta de gestão, um instrumento capaz de aproximar

Leia mais

Pesquisa em Marketing

Pesquisa em Marketing Pesquisa em Marketing Aula 4 1. Identificar o tamanho da amostral ideal 2. Saber calcular a amostra O Processo de Amostragem TIPOS DE AMOSTRAGEM Amostra não-probabilística Amostra por Conveniência Amostra

Leia mais

Transformando conhecimento em resultados. Alocação de força de trabalho

Transformando conhecimento em resultados. Alocação de força de trabalho Transformando conhecimento em resultados Alocação de força de trabalho Transformando conhecimento em resultados Conceitos O que é alocação de força de trabalho? A capacidade de uma organização representa

Leia mais