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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Métodos Quantitativos. aula 3

Métodos Quantitativos. aula 3 Métodos Quantitativos aula 3 Prof. Dr. Marco Antonio Insper Ibmec São Paulo Simulação Empresarial Auxílio na tomada de decisão. Criação de cenários otimistas e pessimistas. Poder de previsão baseada em

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

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

Olá pessoal! Sem mais delongas, vamos às questões.

Olá pessoal! Sem mais delongas, vamos às questões. Olá pessoal! Resolverei neste ponto a prova para AFRE/SC 2010 realizada pela FEPESE no último final de semana. Nosso curso teve um resultado muito positivo visto que das 15 questões, vimos 14 praticamente

Leia mais

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO

COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA METODOLOGIA DE MONTE CARLO COMO AVALIAR O RISCO DE UM PROJETO ATRAVÉS DA O que é risco? Quais são os tipos de riscos? Quais são os tipos de análises? Qual a principal função do Excel para gerar simulações aleatórias? O que é distribuição

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

Luiz Carlos Policarpo da Silva (FANOR) engluizpolicarpo@gmail.com

Luiz Carlos Policarpo da Silva (FANOR) engluizpolicarpo@gmail.com COMO MEDIR A PRODUTIVIDADE DOS SERVIÇOS DE AGENCIAMENTO DE TRANSPORTES DE CARGAS INTERNACIONAIS: ESTUDO DE CASO EM UM AGENTE DE CARGAS INTERNACIONAIS NO CEARÁ Luiz Carlos Policarpo da Silva (FANOR) engluizpolicarpo@gmail.com

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

A determinação do preço de venda do produto através da análise da Curva de Simom uma aplicação no jogo de empresas GI-EPS

A determinação do preço de venda do produto através da análise da Curva de Simom uma aplicação no jogo de empresas GI-EPS A determinação do preço de venda do produto através da análise da Curva de Simom uma aplicação no jogo de empresas GI-EPS Denis Rasquin Rabenschlag, M. Eng. Doutorando da Universidade Federal de Santa

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

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Aluno: Gabriel Leite Mariante Orientador: Marley Maria Bernardes Rebuzzi Vellasco Introdução e

Leia mais

AULAS 11 E 12 Dos objetivos aos indicadores da avaliação

AULAS 11 E 12 Dos objetivos aos indicadores da avaliação 1 AULAS 11 E 12 Dos objetivos aos indicadores da avaliação Ernesto F. L. Amaral 14 e 26 de abril de 2011 Avaliação de Políticas Públicas (DCP 046) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação

Leia mais

SISTEMÁTICA PARA SELEÇÃO DE TÉCNICAS ESTATÍSTICAS APLICADA AO DESENVOLVIMENTO DE PRODUTOS

SISTEMÁTICA PARA SELEÇÃO DE TÉCNICAS ESTATÍSTICAS APLICADA AO DESENVOLVIMENTO DE PRODUTOS SISTEMÁTICA PARA SELEÇÃO DE TÉCNICAS ESTATÍSTICAS APLICADA AO DESENVOLVIMENTO DE PRODUTOS Creusa Sayuri Tahara Amaral Grupo ei2 NUMA EESC USP São Carlos Agenda Introdução Metodologia Seis sigma Design

Leia mais

Jose Luciano Virginio da Silva (FAVIP) IVANCIL TIBÚRCIO CAVALCANTI (UFRPE)

Jose Luciano Virginio da Silva (FAVIP) IVANCIL TIBÚRCIO CAVALCANTI (UFRPE) ISSN 1984-9354 OTIMIZAÇÃO DE RESULTADOS MEDIANTE USO CONSULTORIA ORGANIZACIONAL: UM ESTUDO SOBRE A NECESSIDADE DE IMPLANTAÇÃO DE UMA EMPRESA DE ASSESSORIA EM GESTÃO DE RECURSOS ENERGÉTICOS NA CIDADE DE

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

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

PPCP Planejamento, Programação e Controle da Produção. Qualidade, confiabilidade, custo, flexibilidade

PPCP Planejamento, Programação e Controle da Produção. Qualidade, confiabilidade, custo, flexibilidade PPCP Planejamento, Programação e Controle da Produção Wheelwrigt Skinner Swamidass Leong Slack Qualidade, confiabilidade, custo, flexibilidade Custo, entrega, qualidade, serviço confiável, flexibilidade

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

Sumário. Parte l. 1. Introdução à pesquisa qualitativa e quantitativa em marketing 1 1.1 Pesquisa qualitativa 1 1.2 Pesquisa quantitativa 3

Sumário. Parte l. 1. Introdução à pesquisa qualitativa e quantitativa em marketing 1 1.1 Pesquisa qualitativa 1 1.2 Pesquisa quantitativa 3 Sumário Parte l 1. Introdução à pesquisa qualitativa e quantitativa em marketing 1 1.1 Pesquisa qualitativa 1 1.2 Pesquisa quantitativa 3 2. Entrevistas 5 2.1 Tipos de entrevistas 8 2.2 Preparação e condução

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

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

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

Expanda suas Capacidades Analíticas

Expanda suas Capacidades Analíticas Módulos IBM SPSS Statistics Expanda suas Capacidades Analíticas Um guia resumido dos módulos para o IBM SPSS Statistics Base Destaques Existem vários produtos IBM SPSS para te ajudar em cada fase do projeto

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

COMPARAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA PARA CONTROLE DE ESTOQUES DE EMBALAGEM PARA COMPUTADORES

COMPARAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA PARA CONTROLE DE ESTOQUES DE EMBALAGEM PARA COMPUTADORES COMPARAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA PARA CONTROLE DE ESTOQUES DE EMBALAGEM PARA COMPUTADORES UBIARA MARQUES BEZERRA OLIVEIRA (UESC ) ubiara.bezerra@gmail.com Fabricio Lopes de Souza Carvalho

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

Eliminando os picos artificiais de vendas. Alexandre Cardoso

Eliminando os picos artificiais de vendas. Alexandre Cardoso Eliminando os picos artificiais de vendas Alexandre Cardoso Os mercados se comportam de maneiras erráticas e imprevisíveis, gerando sempre uma variação nos volumes e no mix de produção. As causas estão

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

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

A IMPORTÂNCIA DO TESTE DE SOFTWARE PARA A QUALIDADE DO PROJETO

A IMPORTÂNCIA DO TESTE DE SOFTWARE PARA A QUALIDADE DO PROJETO A IMPORTÂNCIA DO TESTE DE SOFTWARE PARA A QUALIDADE DO PROJETO Autora: LUCIANA DE BARROS ARAÚJO 1 Professor Orientador: LUIZ CLAUDIO DE F. PIMENTA 2 RESUMO O mercado atual está cada vez mais exigente com

Leia mais

Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING

Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING Inscrições Abertas: Início das aulas: 28/03/2016 Término das aulas: 10/12/2016 Dias e horários das aulas: Segunda-Feira 18h30 às 22h30 Semanal Quarta-Feira

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

MINI SIMULADO 14 DE ABRIL DE 2013 BACEN ÁREA 2 PROVA: CONHECIMENTOS GERAIS E ESPECÍFICOS

MINI SIMULADO 14 DE ABRIL DE 2013 BACEN ÁREA 2 PROVA: CONHECIMENTOS GERAIS E ESPECÍFICOS IGEPP Instituto de Gestão, Economia e Políticas Públicas Telefone:(61) 3443 0369 E-mail: contatoigepp@gmail.com MINI SIMULADO 14 DE ABRIL DE 2013 BACEN ÁREA 2 PROVA: CONHECIMENTOS GERAIS E ESPECÍFICOS

Leia mais

Exercícios livro Gestão de Redes de Suprimentos

Exercícios livro Gestão de Redes de Suprimentos Exercícios livro Gestão de Redes de Suprimentos CAPÍTULO 6 Avaliação de desempenho e alinhamento de incentivos na rede global de suprimentos... 2 1. EXERCÍCIO EXEMPLO. Fabricante de CD s... 2 2. 2a 2b.

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

5 Estudo de caso: índice de cobrabilidade

5 Estudo de caso: índice de cobrabilidade 5 Estudo de caso: índice de cobrabilidade Neste capítulo, as metodologias abordadas nos capítulos 3 e 4 serão adaptadas e aplicadas ao contexto descrito no capítulo 1 (mensurar as variáveis que compõem

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

Estatística Aplicada ao Serviço Social

Estatística Aplicada ao Serviço Social Estatística Aplicada ao Serviço Social Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O que é Estatística? Coleção de métodos

Leia mais

UTILIZAÇÃO DE RECURSOS ESTATÍSTICOS AVANÇADOS DO EXCEL PREVISÃO

UTILIZAÇÃO DE RECURSOS ESTATÍSTICOS AVANÇADOS DO EXCEL PREVISÃO UTILIZAÇÃO DE RECURSOS ESTATÍSTICOS AVANÇADOS DO EXCEL PREVISÃO! Fazendo regressão linear! Relacionando variáveis e criando uma equação para explicá-las! Como checar se as variáveis estão relacionadas!

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

DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito.

DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito. UP-TO-DATE. ANO I. NÚMERO 41 DETERMINAÇÃO DE LIMITES DE CRÉDITO! Uma nova abordagem para um velho problema.! Apresentação de planilha para determinação de limites de crédito. Carlos Alexandre Sá (calex@marlin.com.br)

Leia mais

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos

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

CURSO ON-LINE PROFESSOR GUILHERME NEVES

CURSO ON-LINE PROFESSOR GUILHERME NEVES Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os

Leia mais

Curso de Pós-Graduação lato Sensu em Matemática para Negócios. Faculdade Campo Limpo Paulista (FACCAMP)

Curso de Pós-Graduação lato Sensu em Matemática para Negócios. Faculdade Campo Limpo Paulista (FACCAMP) Curso de Pós-Graduação lato Sensu em Matemática para Negócios. Faculdade Campo Limpo Paulista (FACCAMP) 1. Apresentação Com os avanços tecnológicos inseridos no mundo informatizado e virtual e a forma

Leia mais

ADMINISTRAÇÃO MERCADOLÓGICA II

ADMINISTRAÇÃO MERCADOLÓGICA II ADMINISTRAÇÃO MERCADOLÓGICA II Atividades Gerenciais de MKT Produto Testar Novos Produtos; Modificar Atuais; Eliminar; Política de Marcas; Criar Satisfação e Valor; Embalagem. 2 1 Atividades Gerenciais

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

BIOMETRIA:CURVA DE CRESCIMENTO

BIOMETRIA:CURVA DE CRESCIMENTO UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA BIOMETRIA:CURVA DE CRESCIMENTO TAYANI RAIANA DE SOUZA ROQUE Disciplina: Estatística Aplicada Professores: Héliton

Leia mais

EXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia

EXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia EXCEL 2013 Este curso traz a vocês o que há de melhor na versão 2013 do Excel, apresentando seu ambiente de trabalho, formas de formatação de planilhas, utilização de fórmulas e funções e a criação e formatação

Leia mais

Pesquisa de controle de desperdícios e ramais clandestinos em ligações de água residenciais unifamiliares 1

Pesquisa de controle de desperdícios e ramais clandestinos em ligações de água residenciais unifamiliares 1 Pesquisa de controle de desperdícios e ramais clandestinos em ligações de água residenciais unifamiliares 1 1 Escrito em 20 de fevereiro de 1996 e revisto em junho de 1998. 1 Sumário 1) Objetivo 2) Benefícios

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

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

Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining

Pós-Graduação Lato Sensu Especialização em Análise de Dados e Data Mining Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00

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

Primeira Lista de Exercícios de Estatística

Primeira Lista de Exercícios de Estatística Primeira Lista de Exercícios de Estatística Professor Marcelo Fernandes Monitor: Márcio Salvato 1. Suponha que o universo seja formado pelos naturais de 1 a 10. Sejam A = {2, 3, 4}, B = {3, 4, 5}, C =

Leia mais

MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO MEDIDAS DE DISPERSÃO 1) (PETROBRAS) A variância da lista (1; 1; 2; 4) é igual a: a) 0,5 b) 0,75 c) 1 d) 1,25 e) 1,5 2) (AFPS ESAF) Dada a seqüência de valores 4, 4, 2, 7 e 3 assinale a opção que dá o valor

Leia mais

Gestão estratégica por KPIs 1

Gestão estratégica por KPIs 1 Gestão estratégica por KPIs 1 Sumário Introdução 03 Por que usar indicadores na gestão 05 Dado, informação ou indicadores? 07 KPI: Os indicadores chave de desempenho 09 KPIs do PMO Conclusão Sobre a Project

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

EXAME PARA CONTABILISTA CERTIFICADO DELIBERAÇÃO Nº 001/CTEC/2013 - NOVEMBRO-DEZEMBRO DE 2013 PROVA DE ESTATÍSTICA E MATEMÁTICA FINANCEIRA

EXAME PARA CONTABILISTA CERTIFICADO DELIBERAÇÃO Nº 001/CTEC/2013 - NOVEMBRO-DEZEMBRO DE 2013 PROVA DE ESTATÍSTICA E MATEMÁTICA FINANCEIRA DELIBERAÇÃO Nº 001/CTEC/2013 - NOVEMBRO-DEZEMBRO DE 2013 PROVA DE I - Ao receber o Enunciado da Prova escreva seu nome e número do documento de identificação. II - Ao entregar a Prova, depois de resolvida,

Leia mais

1. PRÁTICA EFICAZ DE GESTÃO EDUCACIONAL Gestão do ciclo completo de relacionamento com o aluno SRM da Universidade Feevale

1. PRÁTICA EFICAZ DE GESTÃO EDUCACIONAL Gestão do ciclo completo de relacionamento com o aluno SRM da Universidade Feevale RELATÓRIO DE AVALIAÇÃO 1. PRÁTICA EFICAZ DE GESTÃO EDUCACIONAL Gestão do ciclo completo de relacionamento com o aluno SRM da Universidade Feevale 1.1 Histórico da Prática Eficaz Por meio do Departamento

Leia mais

1- O que é um Plano de Marketing?

1- O que é um Plano de Marketing? 1- O que é um Plano de Marketing? 2.1-1ª etapa: Planejamento Um Plano de Marketing é um documento que detalha as ações necessárias para atingir um ou mais objetivos de marketing, adaptando-se a mudanças

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

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

Unidade IV LOGÍSTICA INTEGRADA. Profa. Marinalva R. Barboza

Unidade IV LOGÍSTICA INTEGRADA. Profa. Marinalva R. Barboza Unidade IV LOGÍSTICA INTEGRADA Profa. Marinalva R. Barboza Supply Chain Managment - SCM Conceito: Integração dos processos industriais e comerciais, partindo do consumidor final e indo até os fornecedores

Leia mais

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos

Leia mais

Projeto gestão de demanda http://www.administradores.com.br/artigos/marketing/projeto-gestao-de-demanda/62517/

Projeto gestão de demanda http://www.administradores.com.br/artigos/marketing/projeto-gestao-de-demanda/62517/ Projeto gestão de demanda http://www.administradores.com.br/artigos/marketing/projeto-gestao-de-demanda/62517/ Muitas empresas se deparam com situações nas tarefas de previsões de vendas e tem como origem

Leia mais

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL

MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL MODELO DE AVALIAÇÃO EM PROJETOS DE INVESTIMENTO DE CAPITAL Marcelo Maciel Monteiro Universidade Federal Fluminense, Engenharia de Produção Rua Martins Torres 296, Santa Rosa, Niterói, RJ, Cep 24240-700

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

ESTATÍSTICA. Professor: Ricardo Vojta

ESTATÍSTICA. Professor: Ricardo Vojta ESTATÍSTICA Ciências Contábeis Professor: Ricardo Vojta RAMOS DA ESTATÍSTICA A estatística dedutiva (também conhecida como Estatística Descritiva) se encarrega de descrever o conjunto de dado desde a elaboração

Leia mais

CAP. 3 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA

CAP. 3 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA CAP. 3 - ANÁLISE DE INVESTIMENTOS EM SITUAÇÕES DE INCERTEZA 1. INTRODUÇÃO No fluxo de caixa esquemático mostrado na Figura 1, como se sabe na data zero, normalmente se tem o investimento necessário para

Leia mais

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento.

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento. BUSINESS INTELLIGENCE Agenda BI Histórico Conceito Diferencial Competitivo Investimento Segurança da Objetivo Áreas Conceito O conceito de Business Intelligencenão é recente: Fenícios, persas, egípcios

Leia mais

Uma proposta de gráfico de controle EWMA com dados sazonais

Uma proposta de gráfico de controle EWMA com dados sazonais Uma proposta de gráfico de controle EWMA com dados sazonais Leandro Callegari Coelho (UFSC) leandroah@hotmail.com Robert Wayne Samohyl (UFSC) samohyl@yahoo.com Resumo: A importância do controle estatístico

Leia mais

CONTROLE ESTATÍSTICO DA QUALIDADE

CONTROLE ESTATÍSTICO DA QUALIDADE CONTROLE ESTATÍSTICO DA QUALIDADE Prof., PhD OBJETIVO DO CEP A idéia principal do Controle Estatístico de Processo (CEP) é que melhores processos de produção, ou seja, com menos variabilidade, propiciam

Leia mais