Previsão de Demanda. Logística. Prof. Dr. Claudio Barbieri da Cunha
|
|
- Kátia Marroquim Osório
- 6 Há anos
- Visualizações:
Transcrição
1 Previsão de Demanda Logísica Prof. Dr. Claudio Barbieri da Cunha Escola Poliécnica da Universidade de São Paulo Deparameno de Engenharia de Transpores março de 206
2 Previsão de Demanda Conhecer a demanda fuura é fundamenal para a gesão de esoques Previsões sempre esão erradas! Pare da demanda fuura é previsível Há regularidade (média consane) Pode haver endência (crescimeno ou redução) Pode haver sazonalidade Pare da demanda fuura é imprevisível Variações erráicas, irregulares, sem previsão Esoque em função de segurança conra desabasecimeno
3 Previsões esão sempre erradas Demanda é essencialmene uma variável conínua Toda esimaiva em uma faixa de erro Previsões são feias em nível desagregado Por SKU Por local Por período de empo Things happen...
4 Accuracy x Bias
5 Previsões agregadas são mais precisas Agregação por SKU, período, local Coeficiene de variação (CV) Definição: Desvio Padrão / Média = σ/μ Fornece uma medida relaiva da volailidade ou incereza Quano mais alo o valor maior a volailidade Fone:
6 Previsões desagregadas Copos descaráveis para refrigerane Tamanho Grande ~N(80, 30) CV = 0,375 Tamanho Médio ~N(20, 450) CV = 0,467 Tamanho Pequeno ~N(250, 0) CV = 0,440 Fone:
7 Demanda agregada μ = ( ) = 780 unidades/dia σ = sqr( ) = 239 unidades por dia ~N(780, 239) CV = 0,306 Modularidade de componenes: por exemplo, ampa Reduz variabilidade Melhora previsibilidade Reduz necessidade de esoque de segurança
8 Agregação Temporal Demanda Diária ~N(780, 239) CV = 0,306 Demanda semanal ~N(5458, 632) CV = 0,6 Demanda mensal ~N(2840, 264) CV = 0,058
9 Agregação Espacial Três lanchonees Cada uma delas com demanda semanal ~N(5458, 632) CV = 0,6 Demanda agregada (por exemplo, em um único cenro de disribuição): μ = = 6374 unidades por dia σ = sqr(3 x ) = 095 ~N(6374, 095) CV = 0,067
10 Tipos de demanda Demanda dependene Demanda de iens ou componenes uilizados na produção final de algum produo Por exemplo, pneus de carros numa monadora Demanda independene Demanda de produos finais vendidos ou comercializados Por exemplo, carros, TVs, compuadores, ec
11 Méodos de Previsão de Demanda Temporais: baseados em série hisórica Há regularidade (média consane) Pode haver endência (crescimeno ou redução) Pode haver sazonalidade Causais ou Explicaivos: baseados em variáveis explicaivas Conseguem enar prever parcela da demanda imprevisível Variações erráicas, irregulares, sem previsão Exemplo: previsão de consumo de cerveja ou sorvee em função do empo (meeorologia), dos feriados, ec.
12 Méodos empíricos (subjeivos) Baseados em julgameno Esimaiva pela força de vendas Painel de Especialisas Técnicas baseadas no méodo de Delphi Experimenais Pesquisas com clienes Sessões de focus group Experimenos de markeing
13 Méricas de Previsão Erro na previsão para o período : e A F A = valor observado/ocorrido no período F = valor previso para o período Desvio médio e desvio médio absoluo DM n e e DMA n n n n = número de observações
14 Méricas de Previsão Erro médio quadráico e sua raiz EMQ n e n 2 remq n e n 2 Erro médio percenual e erro médio percenual absoluo EMP n n e e A A EMPA n n
15 Exemplo: Previsão de Sorvee em Lanchonee Dia Previso Realizado
16 Méricas de Previsão Dia F A e e e 2 e /A Soma Média EMQ 26.8 Desvio média absoluo: DMA = 54/5 = 0.8 Erro médio quadráico: EMQ = 26.8 / 5 =.3 Erro médio percenual absoluo: EMPA =.039 / 5 = = 20.8%
17 Modelos de Previsão de Demanda Baseados em Série Hisórica Uiliza dados do passado para prever o fuuro Média Móvel Suavização Exponencial Simples Com endência Com sazonalidade Com endência e sazonalidade
18 Média Móvel para Previsão de Demanda A demanda fuura de um período (semana, mês) é dada pela média das demandas de x períodos (semanas, meses) aneriores a A cada período, a média muda (porisso chama-se média móvel ou corrida) Igual peso para odas as observações Exemplo: Semana Venda (A) Média Móvel)
19 Suavização Exponencial Simples Cada observação é ponderada considerando a demanda real e a previsão para o período anerior Pesos decrescem exponencialmene com o empo Previsão para o próximo período + = a(demanda real para ) + (- a)previsão para F aa a F F + = previsão para o período + A = demanda real (ocorrida) no período F = previsão para o período a = consane de suavização (amaciameno) exponencial
20 Suavização exponencial simples Mas Assim Generalizando, o ermo geral pode ser escrio como: F A F a a F A F a a 2 F A A F F A A F a a a a a a a a A A A F a a a a a a
21 Suavização Exponencial Simples O valor de alpha indica o valor da informação nova versus a velha valor de a E E E-07 a a 0 leva a suavização nervosa, voláil, imediaa leva a suavização lena, cumulaiva
22 Efeio do coeficiene de suavização alfa
23
24 Exemplo a 0.20 Ajuse Exponencial Semana Venda (A) Média Corrida Desvio F Desvio
25 Suavização Exponencial com correção de endência Incorpora faor que procura levar em cona endência da série hisórica: Crescimeno Declínio
26 Suavização Exponencial com correção de endência T S S T F A S T S F a a F + = previsão com correção de endência para o período + A = demanda real (ocorrida) no período F = previsão com correção de endência para o período T = endência para o período a = consane de suavização (amaciameno) exponencial = consane ponderada de endência
27 Exemplo a Ajuse Exponencial com Tendência Semana Venda (A) S T F Desvio
28 Modelos Causais Uilizados quando a demanda pode ser correlacionada com um ou mais faores/variáveis conhecidas e mensuráveis Demanda (y) é função de variáveis dependenes (x, x 2, x 3,..., x k ) Exemplo: Fralda descarável f(nascimenos, renda) peças de funilaria f(empo/chuva/neve)
29 Regressão Linear Simples
30 Regressão Linear Simples Resíduos (e i ) represenam as diferenças enre valores ocorridos e previsos Como minimizar os resíduos? Minimizar a soma dos erros Minimizar a soma dos erros absoluos Minimizar a soma dos quadrados dos erros b x b y e y y e n para i b x b y i i i i i i 0 0 ˆ,2,..., ˆ n i i n i i i n i i x b b y y y e ˆ
31 Exemplo x y (x-med(x))* Período Demanda x - med(x) y - med(y) (x - med(x))^2 (y - med(y))
32 Gráfico
33 Regressão Linear Múlipla
34 Regressão Linear Múlipla Período Preço Demanda 2 $ Modelo : considerando apenas o empo 4 $ =proj.lin(d3:d22,b3:b22,,) 6 $ $ $ $ $ $ $ Modelo 2: considerado empo e preço 20 $ =proj.lin(d3:d22,b3:c22,,) 22 $ $ $ #N/D 28 $ #N/D 30 $ #N/D 32 $ $ Comparando os modelos via R2 ajusado 36 $ (n-)/(n-k-) R2 ajusado 38 $ Model $ Model
35 MRP Maerial Requiremen Planning Demanda Independene A Demanda Dependene B(4) C(2) D(2) E() D(3) F(2) Demanda independene apresena incerezas. Demanda dependene pode ser deerminada com mais cereza
36 Demanda Dependene Demanda de componenes ou iens que são monados e uilizados na produção dos produos finais. Uma vez que a demanda independene seja conhecida, a demanda dependene pode ser deerminada. Exemplos Auomóveis Aviões Compuadores.
37 Esruura de Produos (Bill-Of-Maerials BOM)
38 Esruura dos Produos (Bill-Of-Maerials BOM)
39 Esruura dos Produos (BOM) BOM com um só nível Peça nºm02: Mesa com rodas Nº da peça Descrição Quan. Unidades 30 Tampo acrílico unid 302 Tampo meálico unid 2050 Esruura base unid 500 Roda ipo meálico 4 unid 00 Parafuso aço M6 4 unid 0 Porca aço M6 4 unid 900 Tina ¼ liro Aponador para ouro subconjuno
40 Esruura dos Produos (BOM) BOM com vários níveis Peça nºm02: Mesa com rodas Nº da peça Descrição Quan. Unidades Nível 30 Tampo acrílico unid 302 Tampo meálico unid 2050 Esruura base unid 200 Perna meálica 4 unid Travessa hor. peq 2 unid Travessa hor. gra. 2 unid Travessa peq. 4 unid Travessa gra. 4 unid 2 00 Parafuso aço M6 6 unid 2 0 Porca aço M6 6 unid Roda ipo meálico 4 unid 00 Parafuso aço M6 4 unid 0 Porca aço M6 4 unid 900 Tina ¼ liro
41 Esruura dos Produos (BOM) BOM com vários níveis Mesa com rodas M02 Tampo acrílico () 30 Tampo meálico () 302 Esruura base () 2050 Roda ipo meálico (4) 500 Parafuso aço M6 (4) 00 Porca aço M6 (4) 0 Tina () 900 Perna meálica (4) 200 Travessa horizonal pequena (2) 2002 Travessa horizonal grande (2) 2003 Travessa pequena (4) 2004 Travessa grande (4) 2005 Parafuso aço M6 (6) 00 Porca aço M6 (6) 0
42 MRP Exemplo - dados Nº da peça Descrição Quan. Unidades Disponib Esoque Prazo enrega (sem) M02 Mesa com rodas 3 30 Tampo acrílico unid Tampo meálico unid Esruura base unid Roda ipo meálico 4 unid Parafuso aço M6 4 unid Porca aço M6 4 unid Tina ¼ liro 000
43 MRP Exemplo - explosão do Plano Direcor da Produção Semana aual - semana 27 Quanidades necessárias Semana To M02 (p.e.=) Nec. bruas Disponibilid (3) Nec líquidas (p.e.=2) Nec. bruas Disponibilid (0) Nec líquidas (p.e.=) Nec. bruas Disponibilid (00) Nec líquidas
44 MRP Exemplo - produção por loes Semana aual - semana 27 Quanidades necessárias Semana To M02 (p.e.=) Nec. bruas Disponibilid (3) Nec líquidas Ordens planejadas (p.e.=2) Nec. bruas Disponibilid (0) Nec líquidas Ordens planejadas (p.e.=) Nec. bruas Disponibilid (00) Nec líquidas Ordens planejadas Loe de Produção
45 MRP Exemplo - produção por loes Necessidades líquidas = Necessidades bruas-(exisências+recebimenos programados) Semana M02 (p.e.=) Nec. bruas Receb. program 0 0 Exisências (0) Nec líquidas Ordens planeadas
46 Ouro Exemplo
47 Esruura de Produo
48
49 Explosão das necessidades bruas
50 MRP
51 MRP Relacionameno enre iens
Gestão de Estoques. Logística. Prof. Dr. Claudio Barbieri da Cunha
Gestão de Estoques Logística Prof. Dr. Claudio Barbieri da Cunha Escola Politécnica da Universidade de São Paulo Departamento de Engenharia de Transportes março de 2014 Finalidades do estoque Melhorar/garantir
Leia maisGestão de Estoques. Logística. Prof. Dr. Claudio Barbieri da Cunha
Gestão de Estoques Logística Prof. Dr. Claudio Barbieri da Cunha Escola Politécnica da Universidade de São Paulo Departamento de Engenharia de Transportes março de 2014 Finalidades do estoque Melhorar/garantir
Leia maisContabilometria. Séries Temporais
Conabilomeria Séries Temporais Fone: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Conabilidade e Adminisração, Ediora Alas, São Paulo, 2010 Cap. 4 Séries Temporais O que é? Um conjuno
Leia maisAnálise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
Leia mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia maisMRP & CRP. Maria Antónia Carravilla. FEUP, Abril Maria Antónia Carravilla
MRP & CRP FEUP, Abril 1997 Tipos de procura Procura independente não existe nenhuma relação entre a procura de um produto e de outro contínua, oscila dependendo de factores aleatórios previsões para determinar
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lista de exercício de Teoria de Matrizes 28/06/2017
DEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lisa de exercício de Teoria de Marizes 8/06/017 1 Uma pesquisa foi realizada para se avaliar os preços dos imóveis na cidade de Milwaukee, Wisconsin 0 imóveis foram
Leia maisDEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque:
DEMOGRAFIA Fone: Ferreira, J. Anunes Demografia, CESUR, Lisboa Inrodução A imporância da demografia no planeameno regional e urbano O processo de planeameno em como fim úlimo fomenar uma organização das
Leia maisPrevisão de Demanda. Métodos de Previsão. Demanda: disposição ao consumo Demanda versus Vendas Fatores que afetam a Demanda (Vendas)
2.1 Previsão de emanda Conceios básicos Méodos de Previsão iscussão Formulação do Problema emanda: disposição ao consumo emanda versus Vendas Faores que afeam a emanda (Vendas) Economia, Mercado, Preços,
Leia maisDecomposição Clássica
Méodos Esaísicos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO 0 08 06 04 02 00 98 96 94 92 90 0 5 0 5 20 Decomposição Clássica Bernardo Almada-Lobo Méodos Esaísicos de Previsão 2 Decomposição Clássica
Leia maisUtilização de modelos de holt-winters para a previsão de séries temporais de consumo de refrigerantes no Brasil
XXVI ENEGEP - Foraleza, CE, Brasil, 9 a 11 de Ouubro de 2006 Uilização de modelos de hol-winers para a previsão de séries emporais de consumo de refrigeranes no Brasil Jean Carlos da ilva Albuquerque (UEPA)
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisAdministração de Materiais 06/09/2013
Adminisração de Maeriais Unidade 02 Conrole de Esoque CONCEITO DE ESTOQUES É a composição de maeriais - maeriais em processameno, maeriais semi-acabados, maeriais acabados - que não é uilizada em deerminado
Leia maisPrevisão de Demanda =Forecasting-técnica que usa dados passados na predição (projeção) de valores futuros
Previsãode Demanda Previsão de Demanda: 1 Passo do PCP Previsão de Demanda =Forecasing-écnica que usa dados passados na predição (projeção) de valores fuuros Com base no forecasingesabelem-se políicas
Leia maisMódulo de Regressão e Séries S Temporais
Quem sou eu? Módulo de Regressão e Séries S Temporais Pare 4 Mônica Barros, D.Sc. Julho de 007 Mônica Barros Douora em Séries Temporais PUC-Rio Mesre em Esaísica Universiy of Texas a Ausin, EUA Bacharel
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisGráfico 1 Nível do PIB: série antiga e série revista. Série antiga Série nova. através do site
2/mar/ 27 A Revisão do PIB Affonso Celso Pasore pasore@acpasore.com Maria Crisina Pinoi crisina@acpasore.com Leonardo Poro de Almeida leonardo@acpasore.com Terence de Almeida Pagano erence@acpasore.com
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia maisCálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia maisMATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel
MAEMÁICA APLICADA AO PLANEJAMENO DA PRODUÇÃO E LOGÍSICA Silvio A. de Araujo Socorro Rangel saraujo@ibilce.unesp.br, socorro@ibilce.unesp.br Apoio Financeiro: PROGRAMA Inrodução 1. Modelagem maemáica: conceios
Leia mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia maisUniversidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria
Universidade do Esado do Rio de Janeiro Insiuo de Maemáica e Esaísica Economeria Variável dummy Regressão linear por pares Tese de hipóeses simulâneas sobre coeficienes de regressão Tese de Chow professorjfmp@homail.com
Leia mais2 PREVISÃO DA DEMANDA
PREVISÃO DA DEMANDA Abandonando um pouco a visão românica do ermo previsão, milhares de anos após as grandes civilizações da nossa hisória, a previsão do fuuro vola a omar a sua posição de imporância no
Leia maisAULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM
AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 163 22. PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 22.1. Inrodução Na Seção 9.2 foi falado sobre os Parâmeros de Core e
Leia maisModelos Não-Lineares
Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisSéries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas
Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros
Leia maisQuestão 1. Questão 3. Questão 2. alternativa B. alternativa E. alternativa C. Os números inteiros x e y satisfazem a equação
Quesão Os números ineiros x e y saisfazem a equação x x y y 5 5.Enãox y é: a) 8 b) 5 c) 9 d) 6 e) 7 alernaiva B x x y y 5 5 x ( ) 5 y (5 ) x y 7 x 6 y 5 5 5 Como x e y são ineiros, pelo Teorema Fundamenal
Leia maisContrato Futuro de Taxa Média das Operações Compromissadas de Um Dia (OC1) com Lastro em Títulos Públicos Federais
Conrao Fuuro de Taxa Média das Operações Compromissadas de Um Dia (OC1) com Lasro em Tíulos Públicos Federais Especificações 1. Definições Conrao Fuuro de OC1: Taxa Média das Operações Compromissadas de
Leia mais3 Modelo Teórico e Especificação Econométrica
3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço
Leia maisLABORATÓRIO DE HIDRÁULICA
UNIVERSIDADE FEDERAL DE ALAGOAS ENTRO DE TENOLOGIA LABORATÓRIO DE HIDRÁULIA Vladimir aramori Josiane Holz Irene Maria haves Pimenel Marllus Gusavo Ferreira Passos das Neves Maceió - Alagoas Ouubro de 2012
Leia maisSeminário para o DCA/IAG/USP São Paulo, 5 de fevereiro de Um novo método para a combinação de previsões climáticas sazonais
Seminário para o DCA/IAG/USP São Paulo, 5 de fevereiro de 2003 Um novo méodo para a combinação de previsões climáicas sazonais Caio A. S. Coelho, S. Pezzulli, M. Balmaseda (*), F. J. Doblas-Reyes (*) and
Leia mais30/08/15' Incerteza- Padrão. Repetitividade. Estimativa da Repetitividade (para 95,45% de probabilidade) Estimativa da Repetitividade
Incereza- Padrão Repeiividade! A incereza padrão corresponde ao desvio-padrão (esimaiva do desvio-padrão da população) e deve ser associado a ela o número de graus de liberdade (reflee o grau de segurança
Leia maisUTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES
UTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES Rober Wayne Samohyl Professor do Programa de Pós-Graduação em Engenharia de Produção e Sisemas UFSC. Florianópolis-SC.
Leia maisExercícios Sobre Oscilações, Bifurcações e Caos
Exercícios Sobre Oscilações, Bifurcações e Caos Os ponos de equilíbrio de um modelo esão localizados onde o gráfico de + versus cora a rea definida pela equação +, cuja inclinação é (pois forma um ângulo
Leia mais4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
Leia maisIntrodução às Medidas em Física
Inrodução às Medidas em Física 43152 Elisabeh Maeus Yoshimura emaeus@if.usp.br Bloco F Conjuno Alessandro Vola sl 18 agradecimenos a Nemiala Added por vários slides Conceios Básicos Lei Zero da Termodinâmica
Leia maisPara Newton, conforme o tempo passa, a velocidade da partícula aumenta indefinidamente. ( )
Avaliação 1 8/0/010 1) A Primeira Lei do Movimeno de Newon e a Teoria da elaividade esria de Einsein diferem quano ao comporameno de uma parícula quando sua velocidade se aproxima da velocidade da luz
Leia mais5 Erro de Apreçamento: Custo de Transação versus Convenience Yield
5 Erro de Apreçameno: Cuso de Transação versus Convenience Yield A presene seção em como objeivo documenar os erros de apreçameno implício nos preços eóricos que eviam oporunidades de arbiragem nos conraos
Leia maisExperiência IV (aulas 06 e 07) Queda livre
Experiência IV (aulas 06 e 07) Queda livre 1. Objeivos. Inrodução 3. Procedimeno experimenal 4. Análise de dados 5. Quesões 6. Referências 1. Objeivos Nesa experiência, esudaremos o movimeno da queda de
Leia maisREDUÇÃO DE DIMENSIONALIDADE
Análise de componenes e discriminanes REDUÇÃO DE DIMENSIONALIDADE Uma esraégia para abordar o problema da praga da dimensionalidade é realizar uma redução da dimensionalidade por meio de uma ransformação
Leia maisAPLICAÇÃO DE MODELOS QUANTITATIVOS DE PREVISÃO EM UMA EMPRESA DE TRANSPORTE FERROVIÁRIO
XXIII ENEGEP - Ouro Preo, MG, Brasil, 22 a 24 de ouubro de 2003 APLICAÇÃO DE MODELOS QUANTITATIVOS DE PREVISÃO EM UMA EMPRESA DE TRANSPORTE FERROVIÁRIO Ricardo Ferrari Pacheco Universidade Caólica de Goiás
Leia mais1 Pesquisador - Embrapa Semiárido. 2 Analista Embrapa Semiárido.
XII Escola de Modelos de Regressão, Foraleza-CE, 13-16 Março 2011 Análise de modelos de previsão de preços de Uva Iália: uma aplicação do modelo SARIMA João Ricardo F. de Lima 1, Luciano Alves de Jesus
Leia mais4 O Papel das Reservas no Custo da Crise
4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal
Leia maisExpectativas, consumo e investimento CAPÍTULO 16. Olivier Blanchard Pearson Education Pearson Education Macroeconomia, 4/e Olivier Blanchard
Expecaivas, consumo e Olivier Blanchard Pearson Educaion CAPÍTULO 16 16.1 Consumo A eoria do consumo foi desenvolvida na década de 1950 por Milon Friedman, que a chamou de eoria do consumo da renda permanene,
Leia maisFenômenos de adsorção em interfaces sólido/solução. Modelagens matemáticas de processos cinéticos
Modelagens maemáicas de processos cinéicos Em cinéica química, vários parâmeros definem a dinâmica dos processos químicos. Os principais são as consanes cinéicas de velocidade e a ordem da reação. Quando
Leia maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia de Porto Alegre Departamento de Engenharia Elétrica ANÁLISE DE CIRCUITOS II - ENG04031
Universidade Federal do io Grande do Sul Escola de Engenharia de Poro Alegre Deparameno de Engenharia Elérica ANÁLISE DE CICUITOS II - ENG43 Aula 5 - Condições Iniciais e Finais de Carga e Descarga em
Leia maisCINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA
CINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA Inrodução Ese arigo raa de um dos assunos mais recorrenes nas provas do IME e do ITA nos úlimos anos, que é a Cinéica Química. Aqui raamos principalmene dos
Leia mais4. Selecionando modelos de Projeção com. AIC e SIC. Primeiro, vamos falar do erro quadrático médio
4. Selecionando modelos de Projeção com AIC e SIC Os criérios de seleção de modelos ipicamene requerem que o erro quadráico médio da previsão de um período a frene seja o menor possível. A diferença enre
Leia maisCapítulo 4. Propriedades dos Estimadores de Mínimos Quadrados
Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i
Leia mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
Leia mais3. Números índice Média aritmética simples Média aritmética simples. Sumário
1 2 Sumário 3. Números índice 3.2. Índice agregado (sinéico ou de sínese) 3.2.2 Média ariméica ponderada 3.2.3 Mudança de base 3.2.4 Índices sinéicos de várias variáveis esaísicas 3.2.2 Média ariméica
Leia maisProfessor: Danilo Dacar
Progressão Ariméica e Progressão Geomérica. (Pucrj 0) Os números a x, a x e a x esão em PA. A soma dos números é igual a: a) 8 b) c) 7 d) e) 0. (Fuves 0) Dadas as sequências an n n, n n cn an an b, e b
Leia maisUNESP - UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Guaratinguetá
UNESP - UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Guaraingueá Guaraingueá 2013 LUIZ GUSTAVO DUARTE DA SILVA ANÁLISE QUANTITATIVA DE DEMANDA EM UMA EMPRESA SIDERÚRGICA Trabalho de
Leia maisAPOSTILA DE MODELOS LINEARES EM SÉRIES TEMPORAIS
UNIVERSIDADE FEDERAL DE MINAS GERAIS - UFMG INSIUO DE CIÊNCIAS EXAAS ICEx DEPARAMENO DE ESAÍSICA ES APOSILA DE MODELOS LINEARES EM SÉRIES EMPORAIS Glaura da Conceição Franco (ES/UFMG) Belo Horizone, agoso
Leia maisP IBpm = C+ I+ G+X F = = b) Despesa Nacional. PNBpm = P IBpm+ RF X = ( ) = 59549
Capíulo 2 Soluções: Medição da Acividade Económica Exercício 24 (PIB pelaópica da despesa) i. Usando os valores da abela que consa do enunciado, a solução das várias alíneas é imediaa, basando para al
Leia maisLista de Exercícios nº 3 - Parte IV
DISCIPLINA: SE503 TEORIA MACROECONOMIA 01/09/011 Prof. João Basilio Pereima Neo E-mail: joaobasilio@ufpr.com.br Lisa de Exercícios nº 3 - Pare IV 1ª Quesão (...) ª Quesão Considere um modelo algébrico
Leia maisTipos de Processos Estocásticos
Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 6: Inrodução ao Cálculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia maisFunção de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco
Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade
Leia maisAnálise de Informação Económica e Empresarial
Análise de Informação Económica e Empresarial Licenciaura Economia/Finanças/Gesão 1º Ano Ano lecivo de 2008-2009 Prova Época Normal 14 de Janeiro de 2009 Duração: 2h30m (150 minuos) Responda aos grupos
Leia maisMotivação. Prof. Lorí Viali, Dr.
Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas
Leia maisEXAME NACIONAL DE SELEÇÃO 2007
EXAME NACINAL E SELEÇÃ 007 PRVA E ESTATÍSTICA o ia: 8/0/006 - QUARTA FEIRA HRÁRI: 0h30 às h 45 (horário de Brasília) EXAME NACINAL E SELEÇÃ 007 o ia:8/0(quara-feira) Manhã:0:30h às h 45 ESTATÍSTICA Insruções.
Leia maisPalavras-chaves: Séries temporais, Previsão de demanda, análise de modelos, material de construção
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO A Engenharia de Produção e o Desenvolvimeno Susenável: Inegrando Tecnologia e Gesão. Salvador, BA, Brasil, 06 a 09 de ouubro de 2009 ANÁLISE COMPARATIVA
Leia maisTeste F na Regressão Linear Múltipla para Dados Temporais com Correlação Serial.
Deparameno de Ciências e ecnologias Mesrado em Esaísica, Maemáica e Compuação ese F na Regressão Linear Múlipla para Dados emporais com Correlação Serial. Bruno Fernando Pinheiro Faria Lisboa, Mesrado
Leia maisProfessor: Danilo Dacar
. (Pucrj 0) Os números a x, a x e a3 x 3 esão em PA. A soma dos 3 números é igual a: é igual a e o raio de cada semicírculo é igual à meade do semicírculo anerior, o comprimeno da espiral é igual a a)
Leia maisAjuste de realimentação proporcional em processo produtivo univariado
XXIII Enconro Nac. de Eng. de Produção - Ouro Preo, MG, Brasil, 21 a 24 de ou de 2003 Ajuse de realimenação proporcional em processo produivo univariado Vanusa Andrea Casarin (UFSM) vanusa@urisan.che.br
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia maisCapítulo 5: Introdução às Séries Temporais e aos Modelos ARIMA
0 Capíulo 5: Inrodução às Séries emporais e aos odelos ARIA Nese capíulo faremos uma inrodução às séries emporais. O nosso objeivo aqui é puramene operacional e esaremos mais preocupados com as definições
Leia maisAPLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT
APLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT Alerêdo Oliveira Curim 1 & Aldo da Cunha Rebouças Resumo - O conhecimeno prévio dos volumes de água de qualquer sisema
Leia maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 17/06/2013 Duração: 2 horas. Nome Turma: Processo:
Insiuo Superior de Economia e Gesão Universidade Técnica de Lisboa Economeria Época Normal 7/6/3 Duração: horas Nome Turma: Processo: Espaço reservado para classificações Noas: a uilização do elemóvel
Leia maisFenômenos de adsorção em interfaces sólido/solução. Modelagens matemáticas de processos cinéticos
Modelagens maemáicas de processos cinéicos Em cinéica química, vários parâmeros definem a dinâmica dos processos químicos. Os principais são as consanes cinéicas de velocidade e a ordem da reação. Quando
Leia mais6 Processos Estocásticos
6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo
Leia mais1. Introdução. 2. Séries Temporais. Modelagem e Simulação - Modelos de Previsão
Modelos de Previsão vendas mensais (em unidades) Modelagem e Simulação - Modelos de Previsão Inrodução Em omada de decisão é basane comum raar problemas cujas decisões a serem omadas são funções de faos
Leia maisSinais e Sistemas. Série de Fourier. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas
Sinais e Sisemas Série de Fourier Renao Dourado Maia Universidade Esadual de Mones Claros Engenharia de Sisemas Convergência da Um sinal periódico conínuo possui uma represenação em Série de Fourier se
Leia maisConfiabilidade e Taxa de Falhas
Prof. Lorí Viali, Dr. hp://www.pucrs.br/fama/viali/ viali@pucrs.br Definição A confiabilidade é a probabilidade de que de um sisema, equipameno ou componene desempenhe a função para o qual foi projeado
Leia mais4 Metodologia, aplicações e resultados
4 Meodologia, aplicações e resulados Como já discuido na seção 3.1, a flexibilidade proporcionada pelo carro Flex é um exemplo de aplicação da opção de roca de insumo. O proprieário de um auomóvel com
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia maisESTUDO DO MOVIMENTO UNIFORMEMENTE ACELERADO DETERMINAÇÃO DA ACELERAÇÃO DA GRAVIDADE
TRABALHO PRÁTICO ESTUDO DO MOVIMENTO UNIFORMEMENTE ACELERADO DETERMINAÇÃO DA ACELERAÇÃO DA GRAVIDADE Objecivo Preende-se esudar o movimeno recilíneo e uniformemene acelerado medindo o empo gaso por um
Leia maisPolítica fiscal: Um resumo CAPÍTULO 26. Olivier Blanchard Pearson Education Pearson Education Macroeconomia, 4/e Olivier Blanchard
Políica fiscal: Um resumo Olivier Blanchard Pearson Educaion CAPÍTULO 26 2006 Pearson Educaion Macroeconomia, 4/e Olivier Blanchard 26.1 Capíulo 26: Políica fiscal um resumo Resrição orçamenária do governo
Leia maisSISTEMAS DE EQUAÇÕES A DIFERENÇAS LINEARES
8//7 SISTEMAS DE EQUAÇÕES A DIFERENÇAS LINEARES Teorema: Considere o seguine sisema de k equações a diferenças lineares de primeira ordem, homogêneo: x a x a x... a x k k x a x a x... a x k k x a x a x...
Leia maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
Leia maisPrevisão de consumos a curto prazo
Previsão de consumos a curo prazo Séries emporais Cláudio Moneiro Disribuição de Energia II 5º ano da LEEC - ramo de Energia (FEUP) Séries emporais Esa é a meodologia clássica mais popular para a previsão
Leia maisLISTA DE EXERCÍCIOS DE RECUPERAÇÃO 1º TRIMESTRE MATEMÁTICA
LISTA DE EXERCÍCIOS DE RECUPERAÇÃO 1º TRIMESTRE MATEMÁTICA ALUNO(a): Nº: SÉRIE: 2ª TURMA: UNIDADE: VV JC JP PC DATA: / /2017 Obs.: Esa lisa deve ser enregue resolvida no dia da prova de recuperação. Valor:
Leia maisTópicos Especiais em Energia Elétrica (Projeto de Inversores e Conversores CC-CC)
Deparameno de Engenharia Elérica Tópicos Especiais em Energia Elérica () ula 2.2 Projeo do Induor Prof. João mérico Vilela Projeo de Induores Definição do úcleo a Fig.1 pode ser observado o modelo de um
Leia maisModelagens matemáticas de processos cinéticos
Fenômenos de adsorção em inerfaces Modelagens maemáicas de processos cinéicos Fenômenos de adsorção em inerfaces Em cinéica química, vários parâmeros definem a dinâmica dos processos químicos. Os principais
Leia maisGERAÇÃO DE PREÇOS DE ATIVOS FINANCEIROS E SUA UTILIZAÇÃO PELO MODELO DE BLACK AND SCHOLES
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Mauridade e desafios da Engenharia de Produção: compeiividade das empresas, condições de rabalho, meio ambiene. São Carlos, SP, Brasil, 1 a15 de ouubro de
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 maisTipos de Processos Estocásticos
Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 7: Inrodução ao álculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável
Leia maisCalcule a área e o perímetro da superfície S. Calcule o volume do tronco de cone indicado na figura 1.
1. (Unesp 017) Um cone circular reo de gerariz medindo 1 cm e raio da base medindo 4 cm foi seccionado por um plano paralelo à sua base, gerando um ronco de cone, como mosra a figura 1. A figura mosra
Leia maisPrimeira Lista de Exercícios
TP30 Modulação Digial Prof.: MSc. Marcelo Carneiro de Paiva Primeira Lisa de Exercícios Caracerize: - Transmissão em Banda-Base (apresene um exemplo de especro de ransmissão). - Transmissão em Banda Passane
Leia mais