Newton

Disciplina: Administração de Materiais

Autor: Luis Felipe Tolentino

37 | P á g i n a

Unidade de Educação a Distância | Newton

Semana

X

Demanda

Y

∑X

∑X²

XY

1

450

1

1

450

2

430

3

5

860

3

470

6

14

1410

4

480

10

30

1920

5

450

15

55

2250

6

500

21

91

3000

7

520

28

140

3640

8

530

36

204

4240

∑

3830

17770

a = (3830) – 12,73 x (36) / 8 = 421,46

b = 8 x (17770) – (36) x (3830) / (8 x 204) – (36)² = 4280 / 336 = 12,73

Assim a equação de previsão da demanda é Y = 421,46 + 12,73 X

Substituindo os valores 9 e 10, na equação acima, teremos as seguintes previsões:

Y9 = 421,46 + 12,73 x 9 = 536,03

Y10 = 421,46 + 12,73 x 10 = 548,76

Veja, a seguir, a representação gráfica da demanda do quadro anterior:

Fonte: Elaborado pelo autor

Pelo gráfico acima, observa-se que a demanda possui pontos de altos e baixos ao longo da série

temporal, ao qual chamamos na prática de “picos” e “vales”. Como a previsão da demanda é feita por

métodos matemáticos ela consolida-se como um valor que cresce linearmente ao longo desta série,

compensando períodos de alta e baixa.

0

100

200

300

400

500

600

1

2

3

4

5

6

7

8

Demanda (Y)

Demanda (Y)

previsão

Disciplina: Administração de Materiais

Autor: Luis Felipe Tolentino

38 | P á g i n a

Unidade de Educação a Distância | Newton

1.4.3 Previsão por correlação

As previsões baseadas em correlações, ao contrário das já vistas anteriormente, às quais relacionam

demandas de um produto com a demanda passada desse mesmo produto, buscam prever a

demanda de certo produto com base na previsão de outra variável que esteja relacionada com o

produto. Já foi exemplificado isso como a demanda de sabão em pó pode estar relacionada com as

vendas de máquinas de lavar roupa.

O objetivo desse tipo de previsão consiste em estabelecer uma equação que identifique o efeito da

variável de previsão sobre a demanda do produto em análise. Assim dois tipos de dados precisam ser

levantados:



O histórico da demanda do produto em questão (Y = variável dependente)



O histórico da variável de previsão (X = variável independente)

Dessa forma, por meio de uma técnica chamada regressão, estabelece-se uma equação matemática.

Os coeficientes a e b podem ser calculados de acordo com as fórmulas já apresentadas.

n = número de pares XY observados

Exemplo 6

Uma cadeia de fast food verificou que as vendas mensais de refeições em suas casas estão

relacionadas ao número de alunos matriculados em escolas situadas num raio de 2 km em torno da

casa. Os dados, referentes às vendas mensais e ao número de alunos matriculados num raio de 2 km

das 13 casas da cadeia, estão apresentados na tabela abaixo. A empresa pretende instalar uma nova

casa numa região onde o número de alunos é de 13.750. Qual é a previsão de demanda para essa

nova casa?

a = n(∑XY) -