Planejamento e Controle da Produção I
|
|
- Luiz Marreiro Salazar
- 6 Há anos
- Visualizações:
Transcrição
1 Planejamento e Controle da Produção I Previsão de Demanda Prof. M.Sc. Gustavo Meireles 1 Introdução A previsão de demanda é a base para o planejamento da produção, vendas e finanças de qualquer empresa; Permite o desenvolvimento dos planos de capacidade, de fluxo de caixa, de vendas, de produção e estoques, de mão-de-obra, de compras etc; Permite que os administradores dos sistemas de produção antevejam o futuro e planejem adequadamente suas ações. 2 Gestão da demanda Algumas razões pelas quais a demanda deve ser gerenciada: Poucas empresas são flexíveis ao ponto de poder alterar de forma eficiente seus volumes de produção ou de mix de produtos para atender as variações da demanda, principalmente no curto prazo; Para muitas empresas, parte da demanda vem de outras divisões ou de subsidiárias; Empresas que têm relações de parceria com seus clientes podem negociar quantidade e momento da demanda por eles gerada. 3 1
2 Gestão da demanda Algumas razões pelas quais se deve gerenciar a demanda (cont.): A demanda de muitas empresas pode ser criada ou modificada, tanto em termos de quantidade ou de momento, por meio de atividades de marketing, promoções, propaganda, esforço de vendas, entre outros 4 Áreas da gestão da demanda Previsão de demanda Comunicação com o mercado Demanda Priorização e alocação Influência sobre a demanda Promessa de prazos 5 Áreas da gestão da demanda Prever a demanda: saber utilizar todas as ferramentas disponíveis para conseguir antecipar a demanda futura com alguma precisão: Formar e manter uma base de dados histórica de vendas, assim como informações que expliquem suas variações e comportamento no passado; Utilizar modelos matemáticos adequados que ajudem a explicar o comportamento da demanda; Compreender como os fatores internos (promoções, etc.) e externos influenciam o comportamento da demanda; 6 2
3 Áreas da gestão da demanda Prever a demanda (cont.): Coletar informações relevantes do mercado e ser capaz de derivar daí uma estimativa da demanda futura. Comunicação com o mercado: trazer informações dos clientes e do mercado para a empresa, em base contínua e permanente. Influência sobre a demanda: Demanda já manifesta: negociar um parcelamento de entrega com os clientes; 7 Áreas da gestão da demanda Influência sobre a demanda (cont.): Demanda por acontecer: Realizar promoções; Realizar propagandas; Oferecer ao mercado determinado mix de produtos que melhor atende a capacidade instalada. Promessa de prazos: garantir o desempenho em confiabilidade de entrega; Priorização e alocação: em caso de não atendimento da demanda, decidir quais clientes serão atendidos total ou parcialmente e quais terão que esperar 8 Etapas de um modelo de previsão Objetivo do modelo Coleta e análise dos dados Seleção da técnica de previsão Obtenção das previsões Monitoramento do modelo 9 3
4 Etapas de um modelo de previsão Objetivos do modelo: Definir a razão pela qual uma previsão é necessária; Que produto ou família de produtos será previsto, com que grau de precisão e detalhe a previsão trabalhará e quais recursos estarão disponíveis para esta previsão; Coleta e análise dos dados: Coletar e analisar dados históricos do produto no sentido de identificar e desenvolver a técnica de previsão que melhor se adapte; 10 Etapas de um modelo de previsão Coleta e análise dos dados (cont.): Cuidados básicos: Quanto mais dados históricos, mais confiável será a técnica de previsão; Os dados devem buscar a caracterização da demanda pelos produtos da empresa que não é necessariamente igual às vendas passadas, pois podem ter ocorrido faltas de produtos. Variações extraordinárias da demanda (promoções, greves) devem ser substituídas por valores médios; O tamanho do período de consolidação tem influência direta na escolha da técnica de previsão mais adequada. 11 Etapas de um modelo de previsão Seleção da técnica de previsão: Definição da técnica mais adequada (qualitativa ou quantitativa); Deve-se levar em consideração custo e precisão; Outros fatores: Disponibilidade de dados históricos; Disponibilidade de recursos computacionais; Experiência passada com a aplicação de determinada técnica; Disponibilidade de tempo para coletar, analisar e preparar os dados e a previsão; Período de planejamento para o qual a previsão é necessária. 12 4
5 Etapas de um modelo de previsão Obtenção da previsão: Quanto maior for o horizonte pretendido, menor a confiabilidade na demanda prevista. Monitoramento do modelo: Deve-se monitorar a extensão do erro entre a demanda real e a prevista, avaliando a validade das técnicas e parâmetros empregados e realizar ajustes nos parâmetros. 13 Técnicas de previsão Supõe-se que as causas que influenciaram a demanda passada continuarão a agir no futuro; As previsões não são perfeitas pois não é possível prever todas as variações aleatórias que ocorrerão; A precisão das previsões diminui com o aumento do período de tempo considerado; A previsão para grupos de produtos é mais precisa do que para os produtos individualmente, visto que no grupo os erros individuais de previsão se minimizam. 14 Grupos As técnicas de previsão podem ser subdivididas em dois grandes grupos: Qualitativas; Quantitativas. Qualitativas: baseadas na opinião e no julgamento de pessoas-chaves, especialistas no produto ou no mercado onde atuam estes produtos. Uso: Quando não se dispõe de tempo para coletar e analisar os dados da demanda passada; 15 5
6 Qualitativas (cont.): Grupos Introdução de um produto novo; Quando o panorama político-econômico for muito instável (dados passados são obsoletos); Questões estratégicas da empresa, em conjunto com previsões quantitativas; Quantitativa: analisar os dados passados objetivamente, empregando-se de modelos matemáticos para projetar a demanda futura. 16 Grupos Quantitativa: pode ser dividida em dois grandes grupos: Séries temporais: modelam matematicamente a demanda futura relacionando os dados históricos do próprio produto com o tempo; Correlações: associam os dados históricos do produto com uma ou mais variáveis que tenham alguma relação com a demanda do produto. 17 Séries temporais Uma curva temporal pode conter: Tendência: movimento gradual de longo prazo, direcionando os dados; Sazonalidade: variações cíclicas de curto prazo, relacionadas ao fator tempo; Variações irregulares: alterações na demanda passada, resultantes de fatores excepcionais que não podem ser previstos; Variações randômicas: variações aleatórias ou normais que serão tratadas pela média. 18 6
7 Séries temporais Exemplos: Tendência Sazonalidade Variações aleatórias Variação extraordinária Média móvel Usa dados de um número predeterminado de períodos, normalmente os mais recentes, para gerar sua previsão. Características: simplicidade operacional e facilidade de entendimento; necessita armazenar um grande volume de dados; quanto maior o número de períodos considerados, maior será o suavizamento das variações randômicas; não detecta tendências. 20 Uso: Média móvel situações em que a demanda apresenta um comportamento estável e o produto não é muito relevante; filtrar variações randômicas. Mm n i n 1 n Di Mm n = média móvel de n períodos Di = demanda ocorrida no período i n = número de períodos i = índice do período 21 7
8 Média Móvel Mês Demanda Demanda Média Móvel Mês Demanda MM (3 meses) MM (5 meses) , , , , Média Móvel Demanda MM 3 MM
9 Média móvel ponderada Variação do modelo anterior, dando mais ou menos ênfase ao período. Normalmente, pondera-se com pesos maiores os dados mais recentes. Para o exemplo anterior, consideremos os seguintes pesos: 50% para o último período; 30% para o penúltimo período; 20% para o antepenúltimo período. 25 Média móvel ponderada Mês Demanda MM (3 meses) MM (5 meses) MMP , , ,4 97, ,2 99, ,8 98, ,8 92, ,8 26 Média móvel ponderada Demanda MM 3 MM 5 MMP
10 Manutenção e Monitoramento do Modelo Necessidade de acompanhar o desempenho das previsões e confirmar sua validade perante a dinâmica atual dos dados; O monitoramento é realizado por meio de cálculo e acompanhamento do erro da previsão (diferença entre o valor real da demanda e o valor previsto) 28 Manutenção e Monitoramento do Modelo Objetivos: Verificar a precisão dos valores previstos; Identificar, isolar e corrigir variações anormais; Permitir a escolha de técnicas ou parâmetros mais eficientes. Uma forma de acompanhar o desempenho do modelo é comparar o erro acumulado com um múltiplo do desvio médio absoluto (MAD); Em geral, compara-se com o valor de 4 MAD 29 Manutenção e Monitoramento do Modelo Cálculo do MAD: MAD D atual D O módulo do erro acumulado deve ser menor que 4 MAD n Erro 4.MAD prevista MAD = Desvio padrão / 1,
11 Exemplo para Média Móvel Mês Demanda MM (3 meses) Erro Erro Σ Erro = 1 Σ Erro = 35 MAD = 35 / 6 = 5,83 31 Exemplo para Média Móvel Verificação do MAD: Regra a ser obedecida: ΣErro 4.MAD 4.MAD = 4. 5,83 = 23,33 ΣErro = 1 < 23,33 modelo gera erros aceitáveis 32 Média móvel exponencial Mais utilizada pois utiliza apenas três dados por item; Fácil operação e entendimento; Quanto maior o coeficiente de ponderação, mais rápida a previsão reagirá a uma variação da demanda: M M Mt = previsão para o período t Mt-1 = previsão para t-1 t.( D M 1) t1 t1 t = coeficiente de ponderação Dt-1 = demanda do período t
12 Média móvel exponencial Período Demanda Demanda Qual a previsão de demanda para o período 11 usando alfa igual a 0,10 e 0,50? 34 Média móvel exponencial Exemplo Período Demanda α = 0,10 α = 0,50 Previsão Erro Previsão Erro ,00 5,00 90,00 5, ,50 7,50 92,50 5, ,25-1,25 95,25-5, ,12 0,88 92,62-0, ,20 3,80 92,31 2, ,58-1,58 93,65-3, ,42 8,58 91,82 8, ,27-0,27 95,91-3, ,25 2,75 93,95 1, ,52 94,47 35 Média móvel exponencial Exemplo Demanda Previsão 0,1 Previsão 0,
13 Média móvel exponencial Verificação do MAD: Período Demanda α = 0,10 α = 0,50 Prev. Erro Erro Prev. Erro Erro ,00 5,00 5,00 90,00 5,00 5, ,50 7,50 7,50 92,50 5,50 5, ,25-1,25 1,25 95,25-5,25 5, ,12 0,88 0,88 92,62-0,62 0, ,20 3,80 3,80 92,31 2,69 2, ,58-1,58 1,58 93,65-3,65 3, ,42 8,58 8,58 91,82 8,18 8, ,27-0,27 0,27 95,91-3,91 3, ,25 2,75 2,75 93,95 1,05 1,05 Σ Erro = 25,41 Σ = 31,61 Σ Erro = 8,99 Σ = 35,85 MAD = 31,61 / 9 = 3,51 MAD = 35,85 / 9 = 3,98 37 Média móvel exponencial Verificação do MAD: Regra a ser obedecida: ΣErro 4.MAD Para α = 0,10: Para α = 0,50: 4.MAD = 4. 3,51 = 14,04 ΣErro = 25,41 > 14,04 modelo gera erros inaceitáveis 4.MAD = 4. 3,98 = 15,92 ΣErro = 8,99 < 15,92 modelo gera erros aceitáveis X 38 Tendência Movimento gradual de longo prazo; Duas técnicas mais importantes: Equação linear para tendência (regressão linear); Ajustamento exponencial para tendência 39 13
14 Tendência equação linear Equação linear para tendência: Y a bx n. XY X. Y b Y b. X 2 n. X X 2 a n n = número de períodos observados 40 Tendência equação linear Semana (X) Demanda (Y) Demanda (Y) Qual a previsão de demanda para os períodos 9 e 10? 41 Tendência equação linear Semana (X) Demanda (Y) X2 XY b = b = 12, ,73.36 a = 8 a = 421,46 Y = 421, 46+12,73X 42 14
15 Tendência equação linear 560 Demanda (Y) y = 12,738x + 421, Y 9 = 421,46+12,73.(9) = 536,03 Y 10 = 421,46+12,73.(10) = 548,76 43 Tendência equação linear Verificação do MAD: Semana (X) Demanda (Y) Previsão Erro Erro ,2 15,8 15, ,9-16,9 16, ,7 10,4 10, ,4 7,6 7, ,1-35,1 35, ,8 2,2 2, ,6 9,4 9, ,3 6,7 6,7 Σ Erro = 0,04 Σ = 104,1 MAD = 104,1 / 8 = 13,01 44 Tendência equação linear Verificação do MAD: Regra a ser obedecida: ΣErro 4.MAD 4.MAD = 4. 13,01 = 52,04 ΣErro = 0,04 < 52,04 modelo gera erros aceitáveis 45 15
16 Tendência ajustamento exponencial Ajustamento exponencial para tendência: fazer a previsão da demanda baseada em dois fatores: Previsão da média exponencial móvel da demanda Estimativa exponencial da tendência t P t1 M t t T M P. D P T T t 1 t1 2. t t1 t1 t P P t t T 46 Tendência ajustamento exponencial Onde: Pt+1 = previsão da demanda para t+1 Pt = previsão da demanda para t Pt-1 = previsão da demanda para t-1 Mt = previsão média exponencial móvel da demanda para t Tt = previsão da tendência para t Tt-1 = previsão da tendência para t-1 1 = coeficiente de ponderação da média 2 = coeficiente de ponderação da tendência Dt = demanda no período t 47 Tendência ajustamento exponencial Período (t) Demanda (D) Demanda (D) Considerações: Três primeiros trimestres para a estimativa inicial da tendência Previsão do 4º trimestre = demanda do 3º mais a tendência estimada inicial α1 = 0,2 e α2 = 0,
17 Tendência ajustamento exponencial Qual a previsão de demanda o período 9? Período Demanda (t) (D) Mt = Pt + α1(dt Pt) Tt = Tt-1 + α2((pt Pt-1) Tt-1) Pt = Mt-1 + Tt Estimativa inicial da tendência = ( )/2 = Estimativa inicial da demanda = = ,2( )= ,3(( )-20)= = ,2( )=298,4 20+0,3(( )-20)=22, = ,8+0,2( ,8)=334,6 22,4+0,3((320,8-288)-22,4)=25,5 298,4+22,4=320, ,1+0,2( ,1)=358 25,5+0,3((360,1-320,8)- 25,5)=29,6 334,6+25,5=360, ,6+0,2( ,6)=390,1 29,6+0,3((387,6-360,1)-29,6= ,6=387, ,1+29=419,1 49 Tendência ajustamento exponencial Demanda (D) Previsão Linear (Demanda (D)) Tendência ajustamento exponencial Verificação do MAD: Período Demanda Previsão Erro Erro ,8 69,2 69, ,1-10,1 10, ,6 12,4 12, ,1 Σ Erro = 163,5 Σ = 183,7 MAD = 183,7 / 5 = 36,
18 Tendência ajustamento exponencial Verificação do MAD: Regra a ser obedecida: ΣErro 4.MAD 4.MAD = 4. 36,74 = 146,96 ΣErro = 163,50 > 146,96 modelo gera erros inaceitáveis X Nesse caso, deve-se alterar os valores de α1 e α2 e testar novamente o modelo. 52 Sazonalidade Variações para cima e para baixo a intervalos regulares nas séries temporais da demanda A sazonalidade é expressa em termos de uma quantidade, ou de uma percentagem, da demanda que desvia-se dos valores médios. O valor aplicado sobre a média é conhecido como índice de sazonalidade O índice de sazonalidade é obtido dividindo-se o valor da demanda no período pela média móvel centrada neste período (ciclo de sazonalidade) 53 Sazonalidade Segunda Quarta Sexta Domingo Terça Quinta Sábado Segunda Quarta Sexta Domingo Terça 54 18
19 Sazonalidade /3/2005 8/4/ /4/ /4/2005 8/5/ /5/ /5/2005 7/6/ /3/2005 8/4/ /4/ /4/2005 8/5/ /5/ /5/2005 7/6/ Sazonalidade Qual a previsão de demanda para uma sextafeira? E para uma segunda-feira? Dia Demanda Dia Demanda Segunda 50 Sábado 75 Terça 55 Domingo 80 Quarta 52 Segunda 52 Quinta 56 Terça 50 Sexta 65 Quarta 54 Sábado 80 Quinta 60 Domingo 85 Sexta 65 Segunda 55 Sábado 85 Terça 50 Domingo 90 Quarta 58 Segunda 50 Quinta 50 Terça 53 Sexta 70 Quarta Sazonalidade 100 Demanda
20 Sazonalidade Di Índice MMC i Dia Demanda MMC IS Dia Demanda MMC IS Segunda 50 Sábado 75 62,14 1,20 Terça 55 Domingo 80 61,57 1,29 Quarta 52 Segunda ,82 Quinta /7=63,28 56/63,28=0,88 Terça 50 62,28 0,80 Sexta /7=64 65/64=1,01 Quarta 54 63,71 0,84 Sábado /7=63,28 80/63,28=1,26 Quinta 60 65,14 0,92 Domingo 85 64,14 1,32 Sexta 65 64,85 1,00 Segunda 55 63,28 0,86 Sábado 85 65,28 1,30 Terça ,78 Domingo 90 65,42 1,37 Quarta 58 63,28 0,91 Segunda 50 Quinta 50 62,57 0,79 Terça 53 Sexta 70 62,14 1,12 Quarta Sazonalidade 0,86 + 0,82 IS segunda = = 0,84 2 0,78 + 0,80 IS terça = = 0,79 2 0,91 + 0,84 IS quarta = = 0,87 2 0,88 + 0,79 + 0,92 IS quinta = = 0,86 3 1,01 + 1,12 + 1,00 IS sexta = = 1,04 3 1,26 + 1,20 + 1,30 IS sábado = = 1,25 3 1,32 + 1,29 + 1,37 IS domingo = = 1,32 3 Previsão n = Média. IS n Média = média total da demanda (considerar apenas ciclos completos) Previsão para a sexta-feira: P sexta = Média. IS sexta P sexta = 63,67. 1,04 = 66,22 Previsão para a segunda-feira: P segunda = Média. IS segunda P segunda = 63,67. 0,84 = 53,48 59 Sazonalidade Verificação do MAD: Dia Demanda Previsão Erro Erro Dia Demanda Previsão Erro Erro Segunda 50 53,5-3,5 3,5 Sábado 75 79,6-4,6 4,6 Terça 55 50,3 4,7 4,7 Domingo 80 84,0-4,0 4,0 Quarta 52 55,4-3,4 3,4 Segunda 52 53,5-1,5 1,5 Quinta 56 54,8 1,2 1,2 Terça 50 50,3-0,3 0,3 Sexta 65 66,2-1,2 1,2 Quarta 54 55,4-1,4 1,4 Sábado 80 79,6 0,4 0,4 Quinta 60 54,8 5,2 5,2 Domingo 85 84,0 1,0 1,0 Sexta 65 66,2-1,2 1,2 Segunda 55 53,5 1,5 1,5 Sábado 85 79,6 5,4 5,4 Terça 50 50,3-0,3 0,3 Domingo 90 84,0 6,0 6,0 Quarta 58 55,4 2,6 2,6 Segunda 50 53,5-3,5 3,5 Quinta 50 54,8-4,8 4,8 Terça 53 50,3 2,7 2,7 Sexta 70 66,2 3,8 3,8 Quarta 55 55,4-0,4 0,4 Σ Erro = 4,6 Σ = 64,6 MAD = 64,6 / 24 = 2,
21 Verificação do MAD: Sazonalidade Regra a ser obedecida: ΣErro 4.MAD 4.MAD = 4. 2,7 = 10,8 ΣErro = 4,6 < 10,8 modelo gera erros aceitáveis 61 Sazonalidade com tendência No caso de a demanda do produto apresentar sazonalidade e tendência, deve-se incorporar essas duas características ao modelo de previsão; Deve-se empregar os seguintes passos: Retirar a componente de sazonalidade da série de dados históricos; Desenvolver uma equação que represente a componente de tendência; Fazer a previsão da demanda com a equação da tendência e multiplicá-la pelo índice de sazonalidade. 62 Sazonalidade com tendência Ano Mês Demanda Ano Mês Demanda 2010 Janeiro Janeiro Fevereiro Fevereiro Março Março Abril Abril Maio Maio Junho Junho Julho Julho Agosto Agosto Setembro Setembro Outubro Outubro Novembro Novembro Dezembro Dezembro 55 Qual a previsão de demanda para agosto de 2012? 63 21
22 Sazonalidade com tendência 80 Demanda Sazonalidade com tendência X Y Ano Mês Demanda MMC MMC' IS DSS X^2 X.Y 2010 Janeiro 34 27, , Fevereiro , , Março ,83 28, , Abril ,83 27,83 0,90 26, , Maio ,17 30,00 0,80 28, , Junho ,83 32,00 0,63 26, , Julho ,00 33,92 1,36 36, , Agosto ,00 36,00 1,14 37, , Setembro ,50 38,25 1,07 38, , Outubro ,00 40,25 0,94 40, , Novembro ,50 41,75 0,86 42, , Dezembro ,33 43,42 0,81 46, , Janeiro ,00 45,17 1,22 43, , Fevereiro ,50 46,75 1,07 45, , Março ,17 48,33 1,08 48, , Abril ,17 50,17 0,96 51, , Maio ,17 52,17 0,86 53, , Junho ,17 54,17 0,83 59, , Julho ,17 56,17 1,19 53, , Agosto ,33 58,25 1,06 56, , Setembro ,00 60,17 1,06 59, , Outubro , , Novembro , , Dezembro , ,73 TOTAL , ,60 65 Sazonalidade com tendência IS jan/jul 1,26 IS fev/ago 1,09 IS mar/set 1,07 IS abr/out 0,93 IS mai/nov 0,84 IS jun/dez 0, , ,02 b = b = 1, ,02 1, a = 24 a = 20,
23 Sazonalidade com tendência Previsão n = Y. IS n Y = equação linear para tendência da demanda sem sazonalidade Previsão para agosto de 2012: Previsão ago2012 = (a + b. X). IS agosto Previsão ago2012 = (20,59 + 1,97.32). 1,09 Previsão ago2012 = 91, Sazonalidade com tendência y = 1,9664x + 20, Demanda DSS Linear (DSS) Sazonalidade com tendência Verificação do MAD: Ano Mês Dem Prev Erro Erro Ano Mês Dem Prev Erro Erro 2010 Jan 34 28,4 5,6 5, Jan 55 58,2-3,2 3, Fev 27 26,7 0,3 0, Fev 50 52,5-2,5 2, Mar 31 28,4 2,6 2, Mar 52 53,6-1,6 1, Abr 25 26,5-1,5 1, Abr 48 48,5-0,5 0, Mai 24 25,6-1,6 1, Mai 45 45,4-0,4 0, Jun 20 24,3-4,3 4, Jun 45 42,0 3,0 3, Jul 46 43,3 2,7 2, Jul 67 73,1-6,1 6, Ago 41 39,6 1,4 1, Ago 62 65,4-3,4 3, Set 41 41,0 0,0 0, Set 64 66,3-2,3 2, Out 38 37,5 0,5 0, Out 60 59,5 0,5 0, Nov 36 35,5 0,5 0, Nov 58 55,4 2,6 2, Dez 35 33,2 1,8 1, Dez 55 50,9 4,1 4,1 Σ Erro = -1,8 Σ = 53,1 MAD = 53,1 / 24 = 2,
24 Sazonalidade com tendência Verificação do MAD: Regra a ser obedecida: ΣErro 4.MAD 4.MAD = 4. 2,2 = 8,8 ΣErro = 1,8 < 8,8 modelo gera erros aceitáveis 70 Correlação Relacionam a demanda de um determinado produto com base na previsão de outra variável relacionada com o produto; Ex.: demanda de sabão em pó pode estar relacionada com as vendas de máquinas de lavar roupa Estabelecer uma equação que identifique o efeito da variável de previsão sobre a demanda do produto em análise; 71 Correlação Dois tipos de dados são levantados: o histórico da demanda do produto em questão (variável dependente) e o histórico da variável de previsão (variável independente); Quando a correlação entre as variáveis leva a uma equação linear, ela é conhecida como regressão linear; quando leva a uma equação curvilínea, chama-se regressão não-linear; 72 24
25 Correlação Quando duas variáveis estão envolvidas, chama-se regressão simples; se mais do que duas variáveis estão envolvidas, chama-se regressão múltipla; Será tratado apenas os casos de regressão linear simples. O objetivo será encontrar uma equação do tipo: Y = a + bx, onde Y é a variável dependente a ser prevista e X é a variável independente. 73 n b Correlação XY X. Y 2 n X x 2 Y b. a n X onde n é o número de pares XY observados 74 Correlação Pode-se medir a existência de correlação entre duas variáveis através do fator de correlação: r n. XY X. Y X X. n. Y Y 2 n O valor de r varia de +1 a -1: +1 = mudança em uma variável corresponde a uma mudança no mesmo sentido na outra variável; -1 = mudança em uma variável corresponde a uma mudança no sentido oposto na outra variável Próx. 0 = não existe correlação 75 25
26 Correlação Venda por Nº de alunos casa (Y) (X) Qual a previsão de demanda para uma nova casa numa região onde o número de alunos é de ? 76 Correlação Venda por casa (Y) Nº de alunos (X) XY X2 Y r = Correlação b = = 2,99 a = = 0,99 A correlação existe, é forte e diretamente proporcional , = 1762,37 13 Previsão para uma casa com alunos: Y = a + b. X = 1762,37 + 2, = refeições 78 26
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção. Prof. Fabrício Maciel Gomes
Escola de Engenharia de Lorena EEL/USP Curso de Engenharia de Produção Prof. Fabrício Maciel Gomes Previsão de Demanda A previsão da demanda é a base para o planejamento estratégico da produção, vendas
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE ENGENHARIA ENGENHARIA DE PRODUÇÃO
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE ENGENHARIA ENGENHARIA DE PRODUÇÃO Lista de exercícios para a prova 2 Grupo teórico: 1) Comente três razões para se gerenciar a demanda 2) Defina tendência
Leia maisGESTÃO DA TECNOLOGIA DA INFORMAÇÃO DA PRODUÇÃO GTIP
Aula 05 GESTÃO DA TECNOLOGIA DA INFORMAÇÃO DA PRODUÇÃO GTIP Professora Ma. Vanessa da Silva Mata Gestão da demanda Objetivo do Modelo A primeira etapa consiste em definir a razão pela qual necessitamos
Leia maisDisciplina: PCP II. Rodrigues, Roger Antônio. R696p PCP II / Roger Antônio Rodrigues slides : il. colors.
Disciplina: PCP II Rodrigues, Roger Antônio. R696p PCP II / Roger Antônio Rodrigues. 2015. 22 slides : il. colors. Varginha, Sistema requerido: Adobe Acrobat Reader Modo de Acesso: World Wide Web 1. Administração
Leia maisPREVISÃO ORÇAMENTÁRIA
PREVISÃO ORÇAMENTÁRIA O desenvolvimento do orçamento requer uma visão global e razoavelmente detalhada do futuro da empresa Costumamos descartar os outliers e os resultados adversos quando projetamos o
Leia maisDATA DIA DIAS DO FRAÇÃO DATA DATA HORA DA INÍCIO DO ANO JULIANA SIDERAL T.U. SEMANA DO ANO TRÓPICO 2450000+ 2460000+
CALENDÁRIO, 2015 7 A JAN. 0 QUARTA -1-0.0018 7022.5 3750.3 1 QUINTA 0 +0.0009 7023.5 3751.3 2 SEXTA 1 +0.0037 7024.5 3752.3 3 SÁBADO 2 +0.0064 7025.5 3753.3 4 DOMINGO 3 +0.0091 7026.5 3754.3 5 SEGUNDA
Leia maisPREVISÃO DA DEMANDA. Aula 10 e 11 e 12 - Regina Meyer Branski
PREVISÃO DA DEMANDA Aula 10 e 11 e 12 - Regina Meyer Branski Objetivos da aula Ao final os alunos devem ser capazes de implementar processo de previsão de demanda conhecendo: Modelos de Previsão Indicadores
Leia maisPRÓ-TRANSPORTE - MOBILIDADE URBANA - PAC COPA 2014 - CT 318.931-88/10
AMPLIAÇÃO DA CENTRAL DE Simpl Acum Simpl Acum jul/10 a jun/11 jul/11 12 13 (%) (%) (%) (%) 0,00 0,00 0,00 0,00 0,00 0,00 1/11 AMPLIAÇÃO DA CENTRAL DE ago/11 Simpl Acum Simpl Acum Simpl Acum 14 set/11 15
Leia maisMódulo 2 AVALIAÇÃO DA DEMANDA EM TRANSPORTES
Módulo 2 AVALIAÇÃO DA DEMANDA EM TRANSPORTES Conceitos Iniciais Prever é a arte e a ciência de predizer eventos futuros, utilizandose de dados históricos e sua projeção para o futuro, de fatores subjetivos
Leia maisPrevisão de Demanda: Uma Análise quantitativa baseada em séries temporais de uma empresa fabricante de portas
Previsão de Demanda: Uma Análise quantitativa baseada em séries temporais de uma empresa fabricante de portas Edimar Nunes Dias, EPA, UNESPAR/Campus de Campo Mourão dias_edimar@hotmail.com Igor José do
Leia maisDEMONSTRATIVO DE CÁLCULO DE APOSENTADORIA - FORMAÇÃO DE CAPITAL E ESGOTAMENTO DAS CONTRIBUIÇÕES
Página 1 de 28 Atualização: da poupança jun/81 1 133.540,00 15,78 10,00% 13.354,00 10,00% 13.354,00 26.708,00-0,000% - 26.708,00 26.708,00 26.708,00 jul/81 2 133.540,00 15,78 10,00% 13.354,00 10,00% 13.354,00
Leia maisPRÓ-TRANSPORTE - MOBILIDADE URBANA - PAC COPA 2014 - CT 318.931-88/10
AMPLIAÇÃO DA CENTRAL DE Simpl Acum Simpl Acum jul/10 a jun/11 jul/11 12 13 (%) (%) (%) (%) 1.72.380,00 0,00 0,00 0,00 361.00,00 22,96 22,96 1/11 AMPLIAÇÃO DA CENTRAL DE ago/11 Simpl Acum Simpl Acum Simpl
Leia maisGDOC INTERESSADO CPF/CNPJ PLACA
Fatores válidos para recolhimento em 01/02/2017 JANEIRO 3,4634 3,3316 3,1086 2,9486 2,7852 2,6042 2,3996 2,2471 2,0710 1,9331 1,8123 1,6867 FEVEREIRO 3,4534 3,3078 3,0941 2,9384 2,7727 2,5859 2,3888 2,2349
Leia maisPlanejamento e Controle da Produção I
Planejamento e Controle da Produção I Prof. M.Sc. Gustavo Meireles 2012 Gustavo S. C. Meireles 1 Introdução Planejamento Agregado: Maximizar os resultados das operações e minimizar os riscos de tomadas
Leia maisAdministração. Previsão de Estoques. Professor Rafael Ravazolo.
Administração Previsão de Estoques Professor Rafael Ravazolo www.acasadoconcurseiro.com.br Administração Aula XX PREVISÃO DE ESTOQUES Cada aspecto do gerenciamento de materiais está voltado para fornecer
Leia maisMÉTODOS PARA PREVISÃO DA DEMANDA. Método genérico para estimar demanda total de um mercado (em unidades monetárias)
GESTÃO DA DISTRIBUIÇÃO Prof. Marco A. Arbex MÉTODOS PARA PREVISÃO DA DEMANDA Método genérico para estimar demanda total de um mercado (em unidades monetárias) Q= n.q.p Q= Demanda total do mercado n= Número
Leia maisTécnicas de Previsão. Slides gentilmente cedidos por. Prof. Fernando Augusto Silva Marins FEG - UNESP
Técnicas de Previsão Slides gentilmente cedidos por Prof. Fernando Augusto Silva Marins FEG - UNESP 1 Sumário 1. Conceitos 2. Etapas de um Modelo deprevisão 1. Objetivos 2. Coleta e análise dedados 3.
Leia maisDELEGACIA REGIONAL TRIBUTÁRIA DE
Fatores válidos para recolhimento em 01/08/2016 JANEIRO 3,3714 3,2396 3,0166 2,8566 2,6932 2,5122 2,3076 2,1551 1,9790 1,8411 1,7203 1,5947 FEVEREIRO 3,3614 3,2158 3,0021 2,8464 2,6807 2,4939 2,2968 2,1429
Leia maisFURG / ICEAC / ADMINISTRAÇÃO. ADMMAT 2009 (3ª semana) Prof. Vanderlei Borba
FURG / ICEAC / ADMINISTRAÇÃO ADMMAT 2009 (3ª semana) Prof. Vanderlei Borba ADMINISTRAÇÃO DE MATERIAIS Métodos Estatísticos ou Matemáticos Métodos de Gestão de Materiais com base estatística 1. Média Aritmética
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisTABELA PRÁTICA PARA CÁLCULO DOS JUROS DE MORA ICMS ANEXA AO COMUNICADO DA-46/12
JANEIRO 2,7899 2,6581 2,4351 2,2751 2,1117 1,9307 1,7261 1,5736 1,3975 1,2596 1,1388 1,0132 FEVEREIRO 2,7799 2,6343 2,4206 2,2649 2,0992 1,9124 1,7153 1,5614 1,3860 1,2496 1,1288 1,0032 MARÇO 2,7699 2,6010
Leia maisMBA EM GESTÃO COMERCIAL
Módulo: Projeção de Vendas Aula 3: Quantitativos Sazonalidade/Tendência, Média Móvel e Suavização 2015 by Ibramerc. This work is licensed under the Creative Commons. If you want to use or share, you must
Leia maisAnálise de Séries Temporais
Análise de Séries Temporais Definições Uma série temporal é qualquer conjunto de observações ordenadas no tempo. Por exemplo: Valores diários de poluição na cidade de São Paulo; Valores mansais de temperatura
Leia maisSONDAGEM DA INDÚSTRIA DE TRANSFORMAÇÃO. Julho, 2015
SONDAGEM DA INDÚSTRIA DE TRANSFORMAÇÃO Julho, 2015 Resultados da pesquisa Empresas informantes: 1.134 Vendas (R$ Bilhões): 709,5 Pessoal Ocupado (em milhares): 1.360 Período de coleta: 01/07/15 a 22/07/15
Leia maisUniversidade Federal do Rio Grande do Norte. Centro de Ciências Exatas e da Terra. Departamento de Demografia e Ciências Atuariais
Universidade Federal do Rio Grande do Norte Centro de Ciências Exatas e da Terra Departamento de Demografia e Ciências Atuariais Disciplina: Séries temporais Professor: Marcos Roberto Gonzaga Trabalho
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisPlanejamento e Controle da Produção I
Planejamento e Controle da Produção I Introdução ao PCP O Papel Estratégico do PPCP para a Competitividade das Empresas Prof. M.Sc. Gustavo Meireles 1 Introdução Planejar é projetar o futuro diferentemente
Leia maisANÁLISE DE SÉRIES TEMPORAIS
1 Definição e representação ANÁLISE DE SÉRIES TEMPORAIS Uma série temporal é um conjunto de observações tomadas em intervalos de tempo comumente iguais (ano a ano, mês a mês, semana a semana, etc.). Exemplos:
Leia maisAnálise de Séries Temporais
Análise de Séries Temporais Análise de Séries Temporais Definições Uma série temporal é qualquer conjunto de observações ordenadas no tempo. Por exemplo: Valores diários de poluição na cidade de São Paulo;
Leia maisData Moeda Valor Vista Descrição Taxa US$ 07-Jul-00 Real 0,5816 Sem frete - PIS/COFINS (3,65%) NPR 1,81 14-Jul-00 Real 0,5938 Sem frete - PIS/COFINS
Data Moeda Valor Vista Descrição Taxa US$ 07-Jul-00 Real 0,5816 Sem frete - PIS/COFINS (3,65%) NPR 1,81 14-Jul-00 Real 0,5938 Sem frete - PIS/COFINS (3,65%) NPR 1,8 21-Jul-00 Real 0,6493 Sem frete - PIS/COFINS
Leia maisAdministração de Produção e Operações. Henrique Corrêa e Carlos Corrêa. Editora Atlas, ª Edição.
Administração de Produção e Operações Henrique Corrêa e Carlos Corrêa Editora Atlas, 2004. 1ª Edição. Material protegido pela Lei de Direitos Autorais proibida sua reprodução ou retransmissão por qualquer
Leia maisUNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA, CONTABILIDADE E SECRETARIADO DEPARTAMENTO DE ADMINISTRAÇÃO
UNIVERSIDADE FEDERAL DO CEARÁ FACULDADE DE ECONOMIA, ADMINISTRAÇÃO, ATUÁRIA, CONTABILIDADE E SECRETARIADO DEPARTAMENTO DE ADMINISTRAÇÃO TÉCNICAS BÁSICAS DE PREVISÃO ORÇAMENTÁRIAS Prof. Isidro Abr/2010
Leia maisAula 5 Previsão da Demanda Quinta-feira
Aula 5 Previsão da Demanda Quinta-feira Profa. Luciana Menezes Andrade luciana.menezes@kroton.com.br Desligue o celular ou coloque no silencioso; Não leia nem responda mensagens Atenção aos horários de
Leia maisLISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIES TEMPORAIS
LISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIES TEMPORAIS 1) A que componentes de uma série temporal (pelo modelo clássico) estariam principalmente associados cada um dos seguintes
Leia maisTABELA PRÁTICA PARA CÁLCULO DOS JUROS DE MORA ICMS ANEXA AO COMUNICADO DA-87/12
JANEIRO 2,8451 2,7133 2,4903 2,3303 2,1669 1,9859 1,7813 1,6288 1,4527 1,3148 1,1940 1,0684 FEVEREIRO 2,8351 2,6895 2,4758 2,3201 2,1544 1,9676 1,7705 1,6166 1,4412 1,3048 1,1840 1,0584 MARÇO 2,8251 2,6562
Leia maisProf. Wendell Léo. Gestão de Estoques Previsão de Estoques.
Prof. Wendell Léo Gestão de Estoques Previsão de Estoques w.castellano@ig.com.br Previsão de Estoques Gráficos de Evolução de Consumo Evolução de Consumo Horizontal 48) O modelo de evolução horizontal
Leia maisGestão de Stocks. Estudo realizado por: Dulce Varandas e Lídia Teixeira. Orientação:
Implementação de um Sistema de Gestão Empresarial (ERP) numa empresa do sector metalúrgico Gestão de Stocks Estudo realizado por: Orientação: Dulce Varandas e Lídia Teixeira Prof. Jorge Pinho de Sousa
Leia maisANÁLISE DA DEMANDA POR SAL REFINADO DE COZINHA: ESTUDO DE CASO NUMA EMPRESA MOSSOROENSE
ANÁLISE DA DEMANDA POR SAL REFINADO DE COZINHA: ESTUDO DE CASO NUMA EMPRESA MOSSOROENSE Priscila Goncalves Vasconcelos Sampaio (UFERSA ) prisamp@yahoo.com.br hugo dantas da silva ribeiro (UFERSA ) hugodantas88@hotmail.com
Leia maisANÁLISE DE TÉCNICAS DE PREVISÃO DE DEMANDA: UM ESTUDO DE CASO EM UMA CERÂMICA
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 ANÁLISE DE TÉCNICAS DE PREVISÃO DE DEMANDA: UM ESTUDO DE CASO EM UMA CERÂMICA Gessica Mina Kim Jesus (UFU ) gessicamina2@gmailcom Janaina Maria da
Leia maisSONDAGEM DA INDÚSTRIA DE TRANSFORMAÇÃO. Fevereiro, 2016
SONDAGEM DA INDÚSTRIA DE TRANSFORMAÇÃO, 2016 Resultados da pesquisa Empresas respondentes: 1.101 Pessoal Ocupado (em milhares): 1.294 Período de coleta: 01/02/16 a 24/02/16 Obs.: Todos os dados desta apresentação
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
Leia maisValores de ATR e Preço da Tonelada de Cana-de-açúcar - Consecana do Estado de São Paulo
Valores de ATR e Preço da Tonelada de Cana-de-açúcar - Consecana do Estado de São Paulo Safra 2015/2016 Mensal Acumulado Cana Campo (1) Cana Esteira (2) R$/Kg ATR R$/Kg ATR R$/Ton. R$/Ton. Abr/15 0,4909
Leia maisRECALL SMITHS LISTA DOS PRODUTOS ENVOLVIDOS, IMPORTADOS AO BRASIL PELA CIRÚRGICA FERNANDES, COM INFORMAÇÕES SOBRE PRODUTOS VENDIDOS E EM ESTOQUE
DOCUMENTO 2 LISTA DOS PRODUTOS ENVOLVIDOS, IMPORTADOS AO BRASIL PELA CIRÚRGICA FERNANDES, COM INFORMAÇÕES SOBRE PRODUTOS VENDIDOS E EM ESTOQUE 100.105.025 644425 10 10 fev/05 fev/10 9660 10/10/2005 13/10/2005
Leia maisPESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc.
PESQUISA EM MERCADO DE CAPITAIS Prof. Patricia Maria Bortolon, D. Sc. Cap. 7 A Estrutura de Correlações dos Retornos dos Ativos: modelo de índice único ELTO, E.; GRUBER, M.; BROW, S., GOETZMA, W. Moderna
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisPalavras-chaves: Indústria de bebidas, MRP, Controle de estoque
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 12 a15 de outubro
Leia maisSafra 2016/2017. Safra 2015/2016
Valores de ATR e Preço da Tonelada de Cana-de-açúcar - Consecana do Estado do Paraná Safra 2016/2017 Mar/16 0,6048 0,6048 0,6048 66,04 73,77 Abr 0,6232 0,6232 0,5927 64,72 72,29 Mai 0,5585 0,5878 0,5868
Leia maisFLUXO DE MATERIAIS E DE SERVIÇOS EM UMA EMPRESA
1 1 1 1 FLUXO DE MATERIAIS E DE SERVIÇOS EM UMA EMPRESA INSUMOS PRODUTOS Entrada de materiais e serviços Saída de materiais e serviços Pag.3 Pedidos Logística de Saída Fornecedores Estoque PA Transportador
Leia mais2ª AVALIAÇÃO TRADICIONAL/2017 3ª SÉRIE / PRÉ-VESTIBULAR MATEMÁTICA RESOLUÇÃO
2ª AVALIAÇÃO TRADICIONAL/2017 3ª SÉRIE / PRÉ-VESTIBULAR PROVA DISCURSIVA MATEMÁTICA ATENÇÃO! Duração total das provas discursivas + REDAÇÃO: 5 1/2 horas 1 MATEMÁTICA 1ª Questão (Adriano) Os povos indígenas
Leia maisINE 7001 Estatística para Administradores I Turma Prática 1 15/08/2016 GRUPO:
INE 7001 Estatística para Administradores I Turma 02301 - Prática 1 15/08/2016 No arquivo Prática_em_planilhas.xlsx, procurar pela planilha Prática1. Usando o primeiro conjunto de dados (dados sobre os
Leia maisPREVISÃO DA DEMANDA MILKA SOUSA DE MEDEIROS HTTPS://SITES.GOOGLE.COM/SITE/MMEDEIROSACADEMICO/
PREVISÃO DA DEMANDA MILKA SOUSA DE MEDEIROS MILKAMEDEIROS.AEB@GMAIL.COM HTTPS://SITES.GOOGLE.COM/SITE/MMEDEIROSACADEMICO/ INTRODUÇÃO Existem vários tipos de planejamentos, tratando de diversos assuntos,
Leia maisResultados da pesquisa
Fevereiro, 2019 Resultados da pesquisa Domicílios entrevistados: 1967 Período de coleta: 01/02/19 a 19/02/19 Obs.: Todos os dados desta apresentação são ajustados por sazonalidade e tem como fonte a FGV
Leia maisResultados da pesquisa
Novembro, 2018 Resultados da pesquisa Domicílios entrevistados: 1776 Período de coleta: 01/11/18 a 21/11/18 Obs.: Todos os dados desta apresentação são ajustados por sazonalidade e tem como fonte a FGV
Leia maisÍndice de Produção Industrial Julho de 2017 Índice de Produção Industrial (*) acelerou
Índice de Produção Industrial Julho de 2017 Índice de Produção Industrial (*) acelerou 30 de agosto de 2017 O índice de produção industrial apresentou uma variação homóloga de 6,4%, em julho (3,7% no mês
Leia maisDESENVOLVIMENTO DE UM MODELO DE PREVISÃO DA DEMANDA EM UMA EMPRESA MOVELEIRA DE PEQUENO PORTE.
DESENVOLVIMENTO DE UM MODELO DE PREVISÃO DA DEMANDA EM UMA EMPRESA MOVELEIRA DE PEQUENO PORTE. José de Souza Rodrigues (UNESP) jsrod@feb.unesp.br Marco Antonio Argenton (UNESP) marcoaa@feb.unesp.br Wallace
Leia maisResultados da pesquisa
Junho, 2019 Resultados da pesquisa Domicílios entrevistados: 1682 Período de coleta: 01/06/19 a 18/06/19 Obs.: Todos os dados desta apresentação são ajustados por sazonalidade e tem como fonte a FGV IBRE,
Leia maisA Dinâmica da Oferta e Demanda de Energia Elétrica no Brasil em
A Dinâmica da Oferta e Demanda de Energia Elétrica no Brasil em 2005-2006. 1 - Introdução Nivalde J. de Castro * Pedro Paulo Ballarin Bruni** O Setor de Energia Elétrica SEE - em 2005 apresentou evolução
Leia maisResultados da pesquisa
Dezembro, 2018 Resultados da pesquisa Domicílios entrevistados: 1722 Período de coleta: 01/12/18 a 18/12/18 Obs.: Todos os dados desta apresentação são ajustados por sazonalidade e tem como fonte a FGV
Leia maisORGANIZAÇÃO INDUSTRIAL PROFESSORA MAUREN POMALIS. ENG. ELÉTRICA - 8 PERÍODO UNIR/Porto Velho 2017/1
ORGANIZAÇÃO INDUSTRIAL PROFESSORA MAUREN POMALIS mauren.pomalis@unir.br ENG. ELÉTRICA - 8 PERÍODO UNIR/Porto Velho 2017/1 Aula 6 Técnicas de Previsão Previsão de demanda Em todas as áreas de atividade
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisTotal e Secções Contributos para a variação homóloga (p.p.) jul. jul. set. set. mai. mai. nov. mar. mar. jan-17
jan-15 jan-16 jan-17 jan-18 jan-19 30 de ho de 2019 Índice de Produção Industrial Junho de 2019 Índice de Produção Industrial (*) registou uma variação homóloga de -5,8% O índice de produção industrial
Leia maisSMILES S.A. APRESENTAÇÃO DE RESULTADOS 4T de fevereiro de 2017
SMILES S.A. APRESENTAÇÃO DE RESULTADOS 4T16 16 de fevereiro de 2017 Aviso Importante O material divulgado pela Companhia reflete as expectativas dos administradores e poderá conter estimativas sobre eventos
Leia maisDestaques Financeiros e Operacionais
5 de agosto de 2015 Aviso Importante O material divulgado pela Companhia reflete as expectativas dos administradores e poderá conter estimativas sobre eventos futuros. Quaisquer informações, dados em geral,
Leia maisUniversidade Tecnológica Federal do Paraná. CC54Z - Hidrologia. Precipitação: análise de dados pluviométricos. Prof. Fernando Andrade Curitiba, 2014
Universidade Tecnológica Federal do Paraná CC54Z - Hidrologia Precipitação: análise de dados pluviométricos Prof. Fernando Andrade Curitiba, 2014 Objetivos da aula Identificar erros em séries de dados
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia mais4 APLICAÇÃO DO MODELO E RESULTADOS
4 APLICAÇÃO DO MODELO E RESULTADOS Neste capítulo, será aplicado o modelo proposto (Holt-Winters com múltiplos ciclos mais a correção devido à ocorrência de feriado e temperatura) e apresentados os resultados
Leia maisREDUÇÃO DE FALHAS DO SISTEMA DE FRENAGEM DOS VAGÕES DA EFC DIEGO FREITAS
REDUÇÃO DE FALHAS DO SISTEMA DE FRENAGEM DOS VAGÕES DA EFC DIEGO FREITAS DETALHAMENTO DO PROBLEMA Porém, DETALHAMENTO DO INDICADOR DETALHAMENTO DO INDICADOR O Indicador utilizado será: Número de Falhas
Leia maisAPLICABILIDADE DE MODELOS DE GERAÇÃO DE VAZÕES SAZONAIS APRESENTANDO DEPENDÊNCIA DE LONGO TERMO
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL CENTRO TECNOLÓGICO UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO APLICABILIDADE DE MODELOS DE GERAÇÃO DE VAZÕES SAZONAIS APRESENTANDO DEPENDÊNCIA DE LONGO TERMO
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisPlanejamento e Controle da Produção I Prof. M.Sc. Gustavo Suriani de Campos Meireles
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS ESCOLA DE ENGENHARIA ENGENHARIA DE PRODUÇÃO Planejamento e Controle da Produção I Prof. M.Sc. Gustavo Suriani de Campos Meireles Trabalho para composição da avaliação
Leia maisEnergia e de Bens de Investimento apresentaram. Grandes Agrupamentos Industriais e Total Taxa de variação homóloga (%)
Índice de Produção Industrial Março de 2017 28 de abril de 2017 Produção Industrial (*) com abrandamento ligeiro O índice de produção industrial apresentou uma variação homóloga de 1,9% (2,0% em fevereiro).
Leia maisMBA em Gestão Estratégica de Negócios
MBA em Gestão Estratégica de Negócios Legenda: Aulas ao vivo Avaliações Desafio Profissional MBA EM GESTÃO ESTRATÉGICA DE NEGÓCIOS Feriados Importantes Turma 203- Aulas ao vivo: Terça-feira INFORMAÇÕES
Leia maisTema: Estimar um modelo para medir o risco sistemático das carteiras no mercado brasileiro utilizando o fator mercado e medidas de liquidez.
Aluno: Rafael Milanesi Caldeira Professor Orientador: Adriana Bruscato Bortoluzzo Tema: Estimar um modelo para medir o risco sistemático das carteiras no mercado brasileiro utilizando o fator mercado e
Leia maisMetodologia de gestão de Risco de Mercado
Metodologia de gestão de Risco de Mercado Data Criação: Ago/11 Data última revisão: Jun/13 1 Sumário 1. Introdução... 3 2. Risco de mercado... 3 3. Métodos de gerenciamento de risco... 3 4. Controle de
Leia maisDecisões de Compras e de Programação dos Suprimentos. Administração de Logística e da Cadeia de Suprimentos
Decisões de Compras e de Programação dos Suprimentos Administração de Logística e da Cadeia de Suprimentos 1 Programa Importância das compras Estratégias de Compras Métodos Quantitativos e Momento dos
Leia maisAPLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM UMA LOJA DE MATERIAIS DE CONSTRUÇÃO
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM UMA LOJA DE MATERIAIS DE CONSTRUÇÃO Fernanda Quiteria Arraes Pimentel (UEPA ) pimentelfernanda95@gmailcom
Leia maisMÉTODOS QUANTITATIVOS APLICADOS. Prof. Danilo Monte-Mor
MÉTODOS QUANTITATIVOS APLICADOS Prof. Danilo Monte-Mor Métodos Quantitativos Aulas 1 e 2 Análise Exploratória de Dados 2 Danilo Soares Monte Mor Currículum Vitae Prof. Dr. e especialista em Métodos Quantitativos
Leia maisO CRESCIMENTO DO MICROCRÉDITO NO RAMO DO VESTUÁRIO EM ANÁPOLIS NO PERÍODO DE 2000 A
1 O CRESCIMENTO DO MICROCRÉDITO NO RAMO DO VESTUÁRIO EM ANÁPOLIS NO PERÍODO DE 2000 A 2003 Rosana Machado de Souza 1,3 ; Sônia Maria Simões Heyn 1,3 ; Joana D Arc Bardella 2,3 1 Pós-graduandas 2 Orientadora
Leia maisEficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais
Eficiência do gráfico de controle EWMA em função de diferentes quantidades e posições de causas especiais João Marcos Ramos de Moraes (UFV) jaum_55@hotmail.com José Ivo Ribeiro Júnior (UFV) jivo@ufv.br
Leia maisÍndice de Produção Industrial (*) acelerou
Índice de Produção Industrial Dezembro de 2016 30 de janeiro de 2017 Índice de Produção Industrial (*) acelerou O índice de produção industrial apresentou uma variação homóloga de 5,1%, em dezembro (1,9%
Leia maisJan Fev Mar Abr Mai Jun Jul Agos Set DIQ DIQ DIQ DIQ 10 ou + DIQ DIQ DIQ DIQ 10 ou + 10 ou + DIQ DIQ DIQ DIQ DIQ DIQ DIQ DIQ DIQ DIQ
Jan Fev Mar Abr Mai Jun Jul Agos Set DIQ DIQ DIQ DIQ 10 ou + DIQ DIQ DIQ DIQ 10 ou + 10 ou + DIQ DIQ DIQ 4 4 4 DIQ 3 3 4 DIQ 2 4 4 DIQ DIQ DIQ DIQ DIQ DIQ DIQ DIQ DIQ Plano de Ação: Vendas Inícios Mente
Leia maisCarta de Conjuntura do Setor de Seguros
Carta de Conjuntura do Setor de Seguros Número 5, Agosto/2014 www.ratingdeseguros.com.br 1 Objetivo: O objetivo desta é ser uma avaliação mensal desse segmento e seus setores relacionados (resseguro, capitalização,
Leia maisProbabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16)
Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16) Resumo: Veremos nesta aula tabelas, cálculos de porcentagem e gráficos; amostras e tipo de amostragem; Medidas de tendência central e medidas
Leia maisWorkshop de Implementação de Melhorias. 15 de julho de 2011
Workshop de Implementação de Melhorias UEFS Feira de Santana 15 de julho de 2011 1 Etapas ETAPA 1 ETAPA 2 ETAPA 3 ETAPA 4 ETAPA 5 ETAPA 6 ETAPA 7 ETAPA 8 Capacitação de servidores na metodologia gestão
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisPREVISÃO DE DEMANDA DE INSUMOS RELACIONADOS A PRODUÇÃO DE CAFÉ EM MÁQUINAS AUTOMÁTICAS
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA CURSO DE GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO PREVISÃO DE DEMANDA DE INSUMOS RELACIONADOS A PRODUÇÃO DE CAFÉ EM MÁQUINAS AUTOMÁTICAS TRABALHO DE
Leia maisMBA em Gestão Pública
MBA em Gestão Pública Legenda: Aulas ao vivo Avaliações Desafio Profissional Feriados Importantes MBA EM GESTÃO PÚBLICA INFORMAÇÕES GERAIS IMPORTANTES - Os temas e Professores específicos de cada aula
Leia maisPrevisão de demanda: Uma análise em uma empresa de equipamentos agrícolas
Previsão de demanda: Uma análise em uma empresa de equipamentos agrícolas Nayara Caroline da Silva Block, EPA, UNESPAR/Campus de Campo Mourão, naay_block@hotmail.com Gustavo Antônio Bombana, EPA, UNESPAR/Campus
Leia maisANO LETIVO 2019 ENSINO FUNDAMENTAL 6ºS A 9ºS ANOS
ANO LETIVO 2019 ENSINO FUNDAMENTAL 6ºS A 9ºS ANOS 1º BIMESTRE 2º BIMESTRE SIMULADO 15/05 (quarta-feira) DISCIPLINAS PROVA 1 LÍNGUA PORTUGUESA 20/02 18/03 10/06 MATEMÁTICA 21/02 19/03 11/06 GEOGRAFIA 22/02
Leia maisDezembro de 2017 ÍNDICE DE VELOCIDADE DE VENDAS IVV DF IMÓVEIS NOVOS. Realização:
ÍNDICE DE VELOCIDADE DE VENDAS IVV DF IMÓVEIS NOVOS Dezembro de 2017 Realização: Pesquisa: Apoio: INTRODUÇÃO O Indicador de Velocidade de Vendas (IVV) do mercado imobiliário do Distrito Federal é produzido
Leia maisResultados da indústria de transformação paulista em Fevereiro/2019
Resultados da indústria de transformação paulista em Fevereiro/2019 Indicador do Nível de Atividade (INA) e Levantamento de Conjuntura Divulgação: 28/03/2019 RESULTADOS DA INDÚSTRIA PAULISTA - FEVEREIRO/2019
Leia maisÍNDICE DE VELOCIDADE DE VENDAS IVV DF IMÓVEIS NOVOS
ÍNDICE DE VELOCIDADE DE VENDAS IVV DF IMÓVEIS NOVOS Junho de 2017 Realização: Apoio: INTRODUÇÃO O Indicador de Velocidade de Vendas (IVV) do mercado imobiliário do Distrito Federal é produzido mensalmente
Leia maisÍndices de Volume de Negócios, Emprego, Remunerações e Horas Trabalhadas nos Serviços Setembro de 2012
09 de novembro de 2012 Índices de Volume de Negócios, Emprego, Remunerações e Horas Trabalhadas nos Serviços Setembro de 2012 Índice de Volume de Negócios nos Serviços 1 com variação homóloga mais negativa
Leia maisTotal e Secções Contributos para a variação homóloga (p.p.) jul. jul. set. set. mai. mai. nov. mar. mar. jan-17
jan-15 jan-16 jan-17 jan-18 jan-19 01 de ho de 2019 Índice de Produção Industrial Maio de 2019 Índice de Produção Industrial (*) registou uma variação homóloga de -0,6% O índice de produção industrial
Leia maisDeterminação do BH Climatológico. Método de Thornthwaite & Mather (1955)
Determinação do BH Climatológico Método de Thornthwaite & Mather (1955) Utiliza como dados de entrada: Precipitação pluvial ETP CAD Calcula-se: A disponibilidade de água no solo (Armazenamento = ARMAZ)
Leia maisCALENDÁRIO DE PROVAS GESTÃO EMPRESARIAL EAD SEMANA Semestre
03/abr 04/abr 05/abr 06/abr 08/abr Segunda feira Terça feira Quarta feira Quinta feira Sábado Inglês I Administração Geral Matemática Comunicação e Expressão 2 chamada de todas as 7 disiciplinas Sociedade,
Leia maisÍNDICES DE PRODUÇÃO INDUSTRIAL Janeiro de 2003
Informação à Comunicação Social 3 de Março de 2003 ÍNDICES DE PRODUÇÃO INDUSTRIAL Janeiro de 2003 Produção Industrial (*) aumentou 0,8% em termos homólogos A produção industrial aumentou 2,3% face ao mês
Leia maisCONSUMO DE ENERGIA ELÉTRICA
Controlar o Consumo de Energia Elétrica para obter economia é tão importante quanto com qualquer outro insumo utilizado em sua empresa! Mas, para planejar ações de economia eficientes e mensuráveis, ou
Leia maisPLANEJAMENTO DA PRODUÇÃO. Demanda. Produtiva Planejamento da Produção. Programação e Controle da Produção. Capacidade. Produtiva PRODUÇÃO DEMANDA
11. PLANEJAMENTO, PROGRAMAÇÃO E CONTROLE DA PRODUÇÃO Neste capitulo estudaremos temas referentes ao planejamento, a programação e ao controle da produção. No entanto, não será possível nos aprofundarmos
Leia maisCadastro de Fornecedores
Condições de Compra Prazos: acompanhamento para que os prazos sejam cumpridos. Frete: representa parcela significativa do preço do produto, por isso deve ser analisado com cuidado. FOB (Free on Board)
Leia mais