Erros de previsão e correlação sazonal
Após o LN calcular a previsão de demanda para um item de planejamento, o LN determina os erros de previsão e qualquer correlação sazonal.
O LN calcula os seguintes campos na sessão Itens de planejamento - configurações de previsão (cpdsp1110m000):
- Média de erro de previsão (AFCE)
- Desvio médio absoluto (MAD)
- Desvio médio relativo (MRD)
- Desvio padrão (SDEV)
- Fator de correlação sazonal (COR)
Os cálculos se baseiam nas seguintes fórmulas:
Erro médio de previsão
AFCE = sum(FD(t) - AD(t)) / n| AFCE | o campo Média de erro de previsão |
| soma() | a soma de todos os períodos históricos |
| FD(t) | a demanda prevista para o período t |
| AD(t) | a demanda real para o período t |
| n | o nº de períodos históricos |
Erro de previsão absoluta média
MAD = sum(abs(FD(t) - AD(t))) / n| MAD | o campo Desvio médio absoluto |
| soma() | a soma de todos os períodos históricos |
| abs(FD(t)-AD(t)) | valor absoluto de (FD(t)-AD(t)) |
| FD(t) | a demanda prevista para o período t |
| AD(t) | a demanda real para o período t |
| n | o nº de períodos históricos |
Erro de previsão relativa média
MRD = sum(100 * abs((FD(t) - AD(t))) / AD(t)) / n| MRD | Desvio médio relativo |
| soma | a soma de todos os períodos históricos |
| FD(t) | a demanda prevista para o período t |
| AD(t) | demanda real para o período t |
| n | o nº de períodos históricos |
Desvio padrão do erro de previsão
SDEV = sqr(sum(((FD(t) - AD(t)) - AFCE)^2) / (n - 1))| SDEV | o campo Desvio padrão |
| sqr() | a raiz quadrada |
| soma() | a soma de todos os períodos históricos |
| FD(t) | a demanda prevista para o período t |
| AD(t) | a demanda real para o período t |
| AFCE | erro de previsão média |
| n | o nº de períodos históricos |
Correlação sazonal
O LN determina o desvio padrão da demanda real para dois conjuntos de dados. O conjunto de dados 1 consiste no primeiro ao último período, menos a duração da estação em períodos. O conjunto de dados 2 consiste no primeiro período após a duração da estação em períodos até o último período. Em outras palavras, o conjunto de dados 2 é deslocado em uma duração de estação em comparação com o conjunto de dados 1.
O diagrama a seguir ilustra isso para uma duração de estação de um mês.
| A | Conjunto de dados 1 |
| B | Conjunto de dados 2 |
| 1 | Janeiro |
| 2 | Fevereiro |
| 3 | Março |
| 4 | Abril |
| 5 | Maio |
Desvios padrão:
SDV1 = sqr(sum(((DM(t) - DM1)^2) / (m - 1)) SDV2 =
sqr(sum(((DM(t+L) - DM2)^2) / (m - 1))| SDV1 | desvio padrão do conjunto de dados 1 |
| SDV2 | desvio padrão do conjunto de dados 2 |
| sqr() | a raiz quadrada |
| soma() | a soma de todos os períodos históricos |
| DM(t) | demanda real ajustada à tendência para o período t (*) |
| DM1 | demanda média ajustada à tendência para o conjunto de dados 1 (*) |
| DM2 | demanda média ajustada à tendência para o conjunto de dados 2 (*) |
| L | a duração da sessão em períodos |
| m | o número de períodos históricos menos a duração da sessão em períodos |
O LN determina o fator de covariância para os dois conjuntos de dados.
(*) Para o cálculo da demanda média ajustada à tendência, consulte Método de previsão: regressão polinomial.
COV = sum((DM(t) - DM1) x (DM(t+L) - DM2) / (m - 1))| COV | fator de covariância |
| soma | soma de todos os períodos menos a duração da estação em períodos |
| DM(t) | demanda real ajustada à tendência para o período t |
| DM1 | demanda média ajustada à tendência do conjunto de dados 1 |
| DM2 | demanda média ajustada à tendência do conjunto de dados 2 |
| L | a duração da sessão em períodos |
| m | o número de períodos históricos menos a duração da sessão em períodos |
Finalmente, o fator de correlação sazonal é calculado da seguinte forma:
COR = COV / (SDV1 x SDV2)| COR | o campo Fator de correlação sazonal |
| COV | fator de covariância |
| SDV1 | desvio padrão do conjunto de dados 1 |
| SDV2 | desvio padrão do conjunto de dados 2 |