Módulo 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 ou intuitivos, ou ambos combinados.

Conceitos Iniciais Planejamento Estratégico Estimar condições futuras ao longo de intervalos de tempo, normalmente maiores do que um ano, são importantes para sustentar decisões estratégicas a respeito do planejamento de produtos, processos, tecnologias e instalações.

Conceitos Iniciais Técnicas de Previsão Planejamento Operacional Estimar as condições futuras no decorrer de intervalos de tempo que variam de alguns dias a diversas semanas. Essas previsões podem abranger períodos de tempo curtos sobre os quais ciclos, sazonalidade e padrões de tendências têm pouco efeito. O padrão de dados que mais afeta essas Planejamento previsões é a flutuação aleatória. Tático

Módulo 1 Previsão de Demanda As técnicas qualitativas privilegiam principalmente dados subjetivos. Estão baseadas na opinião e no julgamento de pessoas chaves, especialistas nos produtos ou nos mercados onde atuam estes produtos.

Avaliação Subjetiva Metodologia s Pesquisas Exploratórias Comitê Executivo Pesquisa de Vendas Pesquisa de Mercado Método Delphi

As técnicas quantitativas envolvem a análise numérica dos dados passados, isentando-se de opiniões pessoais ou palpites. Empregam-se modelos matemáticos para projetar a demanda futura.

Métodos Causais ou Explicativos Regressão Metodologias s Séries Temporais ou Projeções de Tendências Modelo Estático Modelos Adaptáveis

Explicativos Relações entre causas e efeitos. O comportamento de uma variável (chamada dependente) é explicado por uma, ou mais variáveis (chamadas independentes).

Variável dependente Y Explicativos Regressão Variável independente X

Explicativos Regressão Variável dependente Y (x,y) (x,y) (x,y) (x,y) (x,y) (x,y) (x,y) (x,y) (x,y) (x,y) (x,y) Variável independente X

Explicativos Regressão Variável dependente Y Equação de regressão: Y = a + bx + ε a > Intercepto. Valor de Y quando x=0 b > Coef. Angular (tgθ) Variável independente X

Explicativos Regressão Variável dependente Y Equação de regressão: Y = a + bx + ε Valor real de Y Valor de X usado para estimar Y Variável independente X

Variável dependente Y Explicativos Regressão Estimativa de Y a partir da equação de regressão Equação de regressão: Y = a + bx + ε Valor real de Y Valor de X usado para estimar Y Variável independente X

Variável dependente Y Explicativos Regressão Estimativa de Y a partir da equação de regressão Desvio, ou erro { Equação de regressão: Y = a + bx + ε Valor real de Y Valor de X usado para estimar Y Variável independente X

Explicativos Regressão No Excel Ferramentas > Análise de Dados > Regressão > Escolher Y e X Método dos Mínimos Quadrados Se não estiver disponível (instalado), fazer: Ferramentas > Suplementos > Marcar Ferramentas de Análise - VBA

Explicativos Regressão Método dos Mínimos Quadrados a = Y - bx Períodos (ano) 1 2 3 4 5 b = ΣXY - nxy ΣX 2 n(x) 2 Demanda (x10 3 Toneladas) 264 116 165 101 209

Σ Média Períodos (ano) 1 2 3 4 5 15 3 Explicativos Regressão a = Y - bx 209 856 171 b = Demanda (x10 3 Toneladas) 264 116 165 101 ΣXY - nxy ΣX 2 n(x) 2 XY 264 232 495 404 1045 2440 X 2 1 4 9 16 25 55

Explicativos Regressão ΣXY - nxy a = Y - bx b = ΣX 2 n(x) 2 b = 2440-5(3)(171) = - 12,5 55-5(3) 2 a = 171 (- 12,5) (3) = 208,5 Y = 208,5-12,5 X

r = Explicativos Regressão nσxy - ΣX ΣY [nσx 2 -(ΣX) 2 ][nσy 2 - (ΣY) 2 ] r >> Coeficiente de Correlação de Pearson Indica o grau em que uma equação linear descreve a relação entre duas variáveis. Varia entre -1 a 1, e assume valor negativo quando X e Y são inversamente proporcionais e positivo quando diretamente proporcionais. Assume valor zero quando não há relação entre as duas variáveis.

Explicativos Regressão Coeficiente de Correlação de Pearson Fonte: Nakano, David Administração de Materiais

Exercício Uma empresa de transporte de gás por dutos registro as demandas na tabela a seguir. Calcule a previsão da demanda para os próximos seis trimestres pelo método causal exposto anteriormente Ano 1998 1998 1998 1999 1999 1999 1999 2000 2000 2000 2000 2001 Trimestre 2 3 4 1 2 3 4 1 2 3 4 1 Período (t) 1 2 3 4 5 6 7 8 9 10 11 12 Demanda (x10 3 cm 3 ) 8000 13000 23000 34000 10000 18000 23000 38000 12000 13000 32000 41000

2001/1 2000/4 2000/3 Previsão de Demanda Previsão de Demanda Perfil da Demanda Demanda (x1000 cm3) 45000 40000 35000 30000 25000 20000 15000 10000 5000 0 1998/2 1998/3 1998/4 1999/1 1999/2 1999/3 1999/4 2000/1 2000/2 Ano/Trimestre

Resposta pelo Excel Estatística de regressão R múltiplo 0,481327 R-Quadrado 0,231676 R-quadrado ajustado 0,154843 Erro padrão 10666,88 Observações 12 Y = 12015,15 + 1548,95 X gl SQ MQ F F de significação Regressão 1 3,43E+08 3,43E+08 3,01534 0,113127 Resíduo 10 1,14E+09 1,14E+08 Total 11 1,48E+09 Coeficientes Erro padrão Stat t valor-p 95% inferiores 95% superiore s Inferior 95,0% Superior 95,0% Interseção 12015,15 6565,013 1,830179 0,097147-2612,61 26642,91-2612,61 26642,91 Variável X 1 1548,951 892,0096 1,736474 0,113127-438,571 3536,473-438,571 3536,473