{"id":1368,"date":"2023-02-13T04:22:07","date_gmt":"2023-02-13T04:22:07","guid":{"rendered":"https:\/\/www.telesto.app\/blog\/?p=1368"},"modified":"2025-06-08T22:11:28","modified_gmt":"2025-06-08T22:11:28","slug":"previsao-de-demanda-de-estoque","status":"publish","type":"post","link":"https:\/\/www.telesto.app\/blog\/2023\/02\/13\/previsao-de-demanda-de-estoque\/","title":{"rendered":"Previs\u00e3o de Demanda de Estoque"},"content":{"rendered":"<h2>O que \u00e9 uma previs\u00e3o de estoque?<\/h2>\n<p>A previs\u00e3o de estoque ajuda a estimar a demanda futura por produtos em per\u00edodos curtos, m\u00e9dios ou longos. \u00c9 uma parte essencial de qualquer estrat\u00e9gia de planejamento de invent\u00e1rio. Prever a demanda com anteced\u00eancia permite melhorar o atendimento ao cliente, o controle de estoque e a gest\u00e3o da capacidade.<\/p>\n<p>Tamb\u00e9m \u00e9 poss\u00edvel prever os custos, como os que ser\u00e3o aplicados em futuros pedidos. Outro item importante a prever \u00e9 o tempo de entrega (lead time), que geralmente est\u00e1 ficando mais curto. Seja o que for que voc\u00ea decida prever, tenha em mente estes princ\u00edpios:<\/p>\n<ul>\n<li>A previs\u00e3o ser\u00e1 mais precisa no curto prazo. Quanto mais distante for o per\u00edodo, menor a precis\u00e3o.<\/li>\n<li>A previs\u00e3o ter\u00e1 erros. \u00c9 essencial conhecer a porcentagem de erro.<\/li>\n<li>A previs\u00e3o n\u00e3o substitui a demanda real.<\/li>\n<\/ul>\n<h2>Tipos de previs\u00e3o<\/h2>\n<p>Existem diversas formas de prever, e nenhum m\u00e9todo \u00e9 o melhor em todos os casos. A escolha depende do per\u00edodo de tempo e dos dados dispon\u00edveis. As previs\u00f5es geralmente s\u00e3o classificadas por horizonte temporal:<\/p>\n<ul>\n<li>Previs\u00e3o de longo prazo: cobre v\u00e1rios anos \u00e0 frente<\/li>\n<li>Previs\u00e3o de m\u00e9dio prazo: entre tr\u00eas meses e um ano<\/li>\n<li>Previs\u00e3o de curto prazo: pr\u00f3ximas semanas<\/li>\n<\/ul>\n<p>A previs\u00e3o pode ser baseada em dados hist\u00f3ricos ou estimativas subjetivas. Se houver um hist\u00f3rico confi\u00e1vel de demanda do produto, ele deve ser a base da previs\u00e3o.<\/p>\n<h2>T\u00e9cnicas de previs\u00e3o<\/h2>\n<p>J\u00e1 cobrimos anteriormente o m\u00e9todo de <a href=\"https:\/\/www.telesto.app\/blog\/2022\/05\/07\/how-much-products-to-buy\/\">lote econ\u00f4mico de compra (EOQ)<\/a>, que ajuda a determinar quanto comprar. Neste post, vamos analisar tr\u00eas t\u00e9cnicas b\u00e1sicas baseadas em dados hist\u00f3ricos.<\/p>\n<p>Usaremos os dados de outubro, novembro e dezembro de 2022 para prever os tr\u00eas primeiros meses de 2023.<\/p>\n<h3>M\u00e9dia m\u00f3vel<\/h3>\n<p>Este m\u00e9todo calcula a m\u00e9dia simples de um n\u00famero definido de per\u00edodos anteriores para prever o pr\u00f3ximo.<\/p>\n<table>\n<tbody>\n<tr>\n<td>Outubro 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>Novembro 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>Dezembro 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Janeiro 2023<\/td>\n<td>? 114 + 119 + 137 = 370, 370 \/ 3 = <strong>123<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Fevereiro 2023<\/td>\n<td>? 119 + 137 + 123 = 379, 379 \/ 3 = <strong>126<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Mar\u00e7o 2023<\/td>\n<td>? 137 + 123 + 126 = 386, 386 \/ 3 = <strong>129<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>M\u00e9dia m\u00f3vel ponderada<\/h3>\n<p>Esse m\u00e9todo atribui pesos diferentes aos per\u00edodos anteriores, dando mais import\u00e2ncia aos dados mais recentes. Funciona bem para previs\u00f5es de curto prazo em produtos com demanda est\u00e1vel.<\/p>\n<p><em>Nota: A soma dos pesos deve ser 1,00. Neste exemplo, usaremos 0,6 (mais recente), 0,3 e 0,1<\/em><\/p>\n<table>\n<tbody>\n<tr>\n<td>Outubro 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>Novembro 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>Dezembro 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Janeiro 2023<\/td>\n<td>? 137 * 0.6 + 119 * 0.3 + 114 * 0.1 = <strong>129<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Fevereiro 2023<\/td>\n<td>? 129 * 0.6 + 137 * 0.3 + 119 * 0.1 = <strong>131<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Mar\u00e7o 2023<\/td>\n<td>? 131 * 0.6 + 129 * 0.3 + 137 * 0.1 = <strong>130<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Suaviza\u00e7\u00e3o linear<\/h3>\n<p>Semelhante \u00e0 m\u00e9dia m\u00f3vel ponderada, mas com pesos calculados por f\u00f3rmula que diminuem linearmente. Funciona melhor para previs\u00f5es de curto prazo em produtos maduros.<\/p>\n<p><small><br \/>\nPeso para o per\u00edodo mais recente = 3 \/ ((n\u00b2 + n)\/2) = 3 \/ 6 = 0.5<br \/>\nPeso para dois per\u00edodos anteriores = 2 \/ 6 = 0.3<br \/>\nPeso para tr\u00eas per\u00edodos anteriores = 1 \/ 6 \u2248 0.17<br \/>\n<\/small><\/p>\n<table>\n<tbody>\n<tr>\n<td>Outubro 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>Novembro 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>Dezembro 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Janeiro 2023<\/td>\n<td>? 137 * 0.5 + 119 * 0.3 + 114 * 0.17 = <strong>126<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Fevereiro 2023<\/td>\n<td>? 126 * 0.5 + 137 * 0.3 + 119 * 0.17 = <strong>128<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Mar\u00e7o 2023<\/td>\n<td>? 128 * 0.5 + 126 * 0.3 + 137 * 0.17 = <strong>129<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Conclus\u00e3o<\/h2>\n<p>As previs\u00f5es s\u00e3o baseadas em dados hist\u00f3ricos e modelos estat\u00edsticos. Elas n\u00e3o s\u00e3o perfeitas e podem conter erros, seja pelo modelo, pelos dados ou pela interpreta\u00e7\u00e3o. Mesmo assim, uma boa estimativa \u00e9 melhor do que nenhuma.<\/p>\n<p>Nos pr\u00f3ximos posts, vamos explorar m\u00e9todos mais avan\u00e7ados como suaviza\u00e7\u00e3o exponencial e regress\u00e3o dos m\u00ednimos quadrados, e como automatizar esses c\u00e1lculos em sistemas de gest\u00e3o de estoque.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>O que &eacute; uma previs&atilde;o de estoque? A previs&atilde;o de estoque ajuda a estimar a demanda futura por produtos em&hellip;<\/p>\n","protected":false},"author":1,"featured_media":1324,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[19],"tags":[],"class_list":["post-1368","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-portugues-pt"],"_links":{"self":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1368","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/comments?post=1368"}],"version-history":[{"count":3,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1368\/revisions"}],"predecessor-version":[{"id":1559,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1368\/revisions\/1559"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/media\/1324"}],"wp:attachment":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/media?parent=1368"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/categories?post=1368"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/tags?post=1368"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}