Calculadora de Suavizacao Exponencial (SES e Holt, com Alfa e Beta Otimizados)

O que a ferramenta calcula

A calculadora responde a mesma pergunta que abre todo planejamento de demanda: qual e a melhor estimativa para a proxima venda, dado o que ja vendemos ate agora. Voce cola a serie de demanda, um valor por periodo, na ordem do mais antigo para o mais recente, escolhe entre a suavizacao exponencial simples e o metodo de Holt, e a ferramenta devolve a previsao do proximo periodo. O SES supoe uma demanda razoavelmente estavel, que oscila em torno de um nivel; o Holt adiciona uma tendencia, para uma demanda que sobe ou desce de forma consistente. A partir dai a ferramenta faz o trabalho pesado de uma so vez.

Alem do numero da previsao, a calculadora faz tres coisas que uma conta a mao nao faz sozinha. Ela varre as constantes de suavizacao e escolhe o alfa, e o beta no caso do Holt, que produzem o menor RMSE na sua serie, com passo de 0,01 para o SES e de 0,05 para o Holt. Ela avalia a acuracia sobre os periodos internos, aqueles em que ja existe uma previsao de um passo para comparar com a demanda real que de fato ocorreu, e devolve o MAD, o RMSE, o MAPE e o vies. E ela desenha na tela a linha da demanda real sobre a linha da previsao, com uma projecao de varios periodos que fica plana no SES, inclinada no Holt e que se achata quando voce liga a tendencia amortecida. Tudo acontece no seu navegador, sem enviar nada a servidor nenhum, e voce pode baixar um PDF, exportar um CSV ou compartilhar o resultado.

Como funciona: as formulas da suavizacao exponencial

A suavizacao exponencial simples parte de uma ideia direta: a previsao do proximo periodo e uma mistura da ultima demanda real com a ultima previsao. Em ASCII simples, F(t+1) = alfa x D(t) + (1 – alfa) x F(t). O alfa e a constante de suavizacao de nivel, um numero entre 0 e 1 que decide o quanto a previsao reage ao dado mais recente. A previsao inicial e por padrao o primeiro valor real da serie, e a ferramenta tambem oferece a opcao de usar a media da serie. Se voce expandir a formula, cada demanda passada entra na previsao com um peso que cai de forma exponencial: o ultimo periodo pesa alfa, o anterior pesa alfa x (1 – alfa), o de tras pesa alfa x (1 – alfa) ao quadrado, e assim por diante. Por isso a suavizacao exponencial nunca esquece o passado por completo, apenas o desconta cada vez mais. A previsao do SES e plana: como ele acompanha somente o nivel, todo periodo futuro recebe o mesmo numero.

O metodo de tendencia linear de Holt adiciona um segundo termo, a tendencia, para acompanhar uma demanda que sobe ou desce. Ele guarda duas quantidades que se atualizam a cada periodo: o nivel L(t) = alfa x D(t) + (1 – alfa) x (L(t-1) + phi x T(t-1)), e a tendencia T(t) = beta x (L(t) – L(t-1)) + (1 – beta) x phi x T(t-1). O beta e a constante de suavizacao de tendencia, tambem entre 0 e 1. A projecao de m periodos a frente e F(t+m) = L(t) + (phi + phi ao quadrado + … + phi elevado a m) x T(t). Com phi = 1 esse e o Holt classico, e a projecao vira uma reta inclinada com a mesma inclinacao a cada periodo. A inicializacao usa o segundo valor real como nivel e a diferenca entre o segundo e o primeiro valor como tendencia.

A tendencia amortecida troca o phi = 1 por um phi entre 0 e 1; a ferramenta usa 0,9. A projecao ainda sobe ou desce, mas a inclinacao encolhe a cada periodo, entao ela nao dispara ao longo de um horizonte longo. Isso e util quando voce projeta muitos periodos a frente e nao acredita que a tendencia recente vai continuar para sempre com a mesma forca. Para escolher as constantes, a ferramenta varre o par de alfa e beta que da o menor RMSE na sua serie. Um alfa alto reage rapido a mudancas recentes, mas fica nervoso e treme; um alfa baixo e suave e estavel, mas lento para reconhecer uma virada. O mesmo vale para o beta na dimensao da tendencia.

A acuracia se mede sobre os periodos internos onde a previsao de um passo existe. Para cada um desses periodos, o erro e e = real menos previsto. A partir dessa lista de erros saem as quatro metricas: o MAD e a media dos |e|, o tamanho tipico da falha em unidades de demanda; o RMSE e a raiz da media dos e ao quadrado, tambem em unidades de demanda, mas que pune mais os erros grandes; o MAPE e a media de |e / real| em percentual, e pula os periodos em que a demanda real e zero; e o vies e a soma dos erros. Um vies positivo significa que a previsao ficou abaixo da demanda real, ou seja, ela subestima e fica para tras de uma tendencia de alta. Em ASCII: e = real menos previsto; MAD = media de |e|; RMSE = raiz da media de e ao quadrado; MAPE = media de |e / real| em percentual; vies = soma de e.

Cinco exemplos resolvidos de suavizacao exponencial

Exemplo 1: SES a mao, alfa 0,3, serie curta

A serie 10, 12, 13, 12, 15, 16, com suavizacao exponencial simples, alfa de 0,3 e previsao inicial igual ao primeiro valor, 10. As previsoes rolam periodo a periodo: 10, depois 0,3 x 12 + 0,7 x 10 = 10,6, depois 0,3 x 13 + 0,7 x 10,6 = 11,32, depois 11,52, depois 12,57, e a previsao do proximo periodo e 13,60. Sobre os cinco periodos internos, o MAD fica em 2,40, o RMSE em 2,61, o MAPE em 17,1% e o vies em +11,99. A licao esta na propria mecanica: cada previsao e 0,3 da ultima demanda real mais 0,7 da previsao anterior, entao a nova informacao entra pouco a pouco e a previsao muda devagar. E o valor final de 13,60 e plano: ele se repete identico para todos os periodos futuros, porque o SES nao tem tendencia. O vies positivo ja avisa que, mesmo nesta serie curta que sobe, o SES fica um pouco atras.

Exemplo 2: SES otimizado contra alfa fixo de 0,3

A serie em tendencia de alta 20, 24, 22, 26, 25, 29, 27, 31, 30, 34, 33, 37, o exemplo padrao da ferramenta, com SES e alfa otimizado automaticamente. A varredura escolhe alfa 0,76, a previsao do proximo periodo e 36,04, o RMSE fica em 2,92 e o vies em +21,1. Compare isso com um alfa fixo de 0,3, o valor de manual, na mesma serie: a previsao cai para 32,67, o RMSE sobe para 4,21 e o vies dispara para +42,2. A licao e clara: otimizar o alfa quase divide o erro pela metade em relacao ao alfa 0,3 de costume, porque a serie sobe rapido e precisa de um alfa alto que reaja depressa. Mas mesmo o melhor SES ainda fica atras da tendencia, e o vies continua grande e positivo. Isso e o cartao de visita do SES sobre uma serie que cresce, e o sinal para experimentar o Holt.

Exemplo 3: Holt com tendencia otimizado

A mesma serie em tendencia de alta, agora com o metodo de Holt e alfa e beta otimizados. A varredura escolhe alfa 0,45 e beta 0,95, a previsao do proximo periodo e 38,10, o RMSE cai para 2,69 e o vies vira -4,59, agora pequeno e negativo em vez de grande e positivo. A projecao sobe periodo a periodo: 38,10, depois 40,14, depois 42,17, depois 44,21. A licao e o motivo de existir do Holt: adicionar um termo de tendencia bate o melhor SES, com RMSE de 2,69 contra 2,92, e a previsao continua subindo junto com a demanda em vez de achatar num nivel fixo. O vies pequeno mostra que o Holt deixou de ficar estruturalmente atrasado. Quando o SES deixa um vies grande sobre uma serie que sobe, o Holt costuma ser a resposta.

Exemplo 4: Holt com tendencia amortecida

Ainda na mesma serie, agora com o metodo de Holt, a tendencia amortecida ligada e o phi de 0,9, com alfa e beta otimizados. A varredura escolhe alfa 0,40 e beta 0,95, a previsao do proximo periodo e 37,54, o RMSE cai para 2,59, o melhor dos quatro cenarios, e o vies fica em -1,63. A projecao de seis periodos sobe de forma cada vez mais suave: 37,54, depois 39,16, depois 40,63, depois 41,94, depois 43,12, depois 44,19. A licao e o efeito do amortecimento: a inclinacao encolhe a cada periodo em vez de repetir a subida recente para sempre, entao a projecao de longo prazo fica mais conservadora e, nesta serie, ainda por cima erra menos. Quando voce projeta muitos periodos a frente e desconfia que a tendencia atual vai perder forca, o amortecimento e a escolha prudente.

Exemplo 5: demanda estavel, sem tendencia

A serie 50, 52, 48, 51, 49, 50, 53, 47, 50, 51, uma demanda que oscila em torno de um nivel fixo, sem subir nem descer. Com SES e alfa otimizado, a varredura escolhe alfa 0,01, quase uma media de longo prazo: a previsao do proximo periodo e 50,01, o RMSE fica em 1,80 e o MAPE em apenas 2,9%. Com o Holt otimizado na mesma serie, o RMSE sobe para 3,18, pior. A licao e o oposto exato do caso em tendencia: numa demanda estacionaria, um alfa minusculo vence, porque nao ha mudanca recente que valha a pena perseguir, e mediar quase toda a historia cancela mais ruido. E o Holt superajusta uma tendencia que nao existe, forcando uma inclinacao no meio do ruido e piorando o erro. Case o metodo com o padrao: SES para nivel, Holt para tendencia.

Tres dicas de especialista para a suavizacao exponencial

Deixe o RMSE escolher alfa e beta, depois confira o vies

A ferramenta varre as constantes de suavizacao e escolhe o par de alfa e beta com o menor RMSE, o que tira o palpite da sintonia manual. Isso ja resolve a maior parte do trabalho, mas nao pare no RMSE. Leia tambem o vies. Um vies grande e positivo numa serie que sobe, como o +21,1 do exemplo padrao com SES, significa que ate o modelo otimizado esta ficando para tras da tendencia, porque o SES so tem nivel e nenhuma serie de nivel acompanha uma subida persistente. Esse e o sinal para trocar do SES para o Holt, que no mesmo dado derrubou o vies para -4,59. O RMSE diz o tamanho do erro; o vies diz a direcao, e e a direcao que revela quando o metodo, e nao so a constante, precisa mudar.

Use SES para nivel, Holt para tendencia e amortecimento para horizontes longos

Os tres modos da ferramenta atendem a padroes diferentes de demanda. O SES da uma previsao plana e serve para uma demanda estavel que oscila em torno de um nivel, como o quinto exemplo, onde ele venceu com um alfa de 0,01. O Holt adiciona uma inclinacao e serve para uma demanda em tendencia, como o terceiro exemplo, onde a projecao continuou subindo com a demanda. E a variante amortecida impede que essa inclinacao dispare quando voce projeta muitos periodos a frente, dando uma projecao de longo prazo mais conservadora, como no quarto exemplo. O que nenhum dos tres faz e sazonalidade: uma serie com um padrao que se repete a cada semana, mes ou ano precisa de um indice sazonal ou do metodo de Holt-Winters, que estao fora do escopo desta ferramenta.

Alimente uma serie limpa, uniforme e com historico suficiente

A suavizacao exponencial supoe um valor por periodo de tamanho igual, sem buracos. Preencha ou marque os periodos faltantes antes de colar, porque um buraco desloca toda a cadeia de atualizacoes. Cuide tambem do tamanho da serie: numa serie muito curta a inicializacao domina o resultado e as constantes otimizadas ficam instaveis, entao de ao modelo pelo menos oito a doze periodos, como os dos exemplos. E reotimize a medida que a demanda nova chega, porque o alfa e o beta que erraram menos no passado nem sempre sao os melhores para um regime que acabou de mudar. Uma serie limpa faz as metricas medirem a qualidade do metodo, e nao a sujeira do dado.

SES e Holt: quando usar cada um

A diferenca entre os dois metodos esta em quantos componentes da demanda eles modelam. A suavizacao exponencial simples modela apenas o nivel, uma unica estimativa de onde a demanda esta agora, atualizada a cada periodo pela mistura entre o ultimo real e a ultima previsao. Como ela nao tem nocao de direcao, a sua projecao e plana: a previsao do proximo periodo se repete para todos os periodos futuros. Isso e exatamente o que voce quer numa demanda estavel, que so oscila em torno de um nivel sem subir nem descer, porque ali nao ha tendencia para acompanhar e um numero fixo bem calibrado e a melhor aposta. Foi o que aconteceu no quinto exemplo, onde o SES com alfa de 0,01 deu o menor erro.

O metodo de Holt modela dois componentes, o nivel e a tendencia, e por isso a sua projecao e uma reta inclinada em vez de uma linha plana. A cada periodo ele atualiza tanto onde a demanda esta quanto o quanto ela esta mudando, e projeta os dois juntos para a frente. Isso o torna a escolha certa para uma demanda que sobe ou desce de forma consistente, onde o SES ficaria estruturalmente atrasado. No exemplo da serie em tendencia, o Holt baixou o RMSE de 2,92 para 2,69 e transformou um vies de +21,1 num vies de -4,59, porque a previsao passou a subir junto com a demanda. A regra pratica que emerge dos exemplos e direta: se a serie oscila em torno de um nivel, use o SES; se ela tem uma tendencia clara, use o Holt; e deixe o vies do SES confirmar quando a troca vale a pena.

Como funcionam o alfa e o beta

O alfa e a constante de suavizacao de nivel, e ele decide o quanto a previsao reage ao dado mais recente. Com um alfa perto de 1, a formula F(t+1) = alfa x D(t) + (1 – alfa) x F(t) fica quase igual a ultima demanda real, entao a previsao acompanha depressa qualquer mudanca, mas tambem treme junto com cada ruido aleatorio. Com um alfa perto de 0, a previsao quase nao se mexe, virando uma media de longo prazo, suave e estavel, mas lenta para reconhecer uma virada. Nao existe um alfa universal: no exemplo em tendencia, a varredura escolheu 0,76, porque a serie sobe rapido e precisa reagir; na serie estavel, escolheu 0,01, porque ali reagir so importaria ruido. O alfa certo e o que erra menos no seu proprio dado, e a ferramenta o encontra por voce.

O beta e a constante de suavizacao de tendencia, e ele so aparece no metodo de Holt. Enquanto o alfa suaviza o nivel, o beta suaviza a estimativa de quanto a demanda esta mudando de um periodo para o outro. Um beta alto faz a tendencia responder rapido a mudancas na inclinacao, o que ajuda quando o ritmo de crescimento muda, mas tambem deixa a tendencia nervosa; um beta baixo mantem a inclinacao estavel e mais dificil de virar. Nos exemplos com Holt, a varredura escolheu um beta alto, de 0,95, porque a serie tinha uma tendencia consistente que valia a pena seguir de perto. Alguns textos chamam essa constante de delta em vez de beta, mas o papel e o mesmo: controlar a memoria da tendencia da mesma forma que o alfa controla a memoria do nivel.

Por que otimizar pelo RMSE

A escolha das constantes de suavizacao e a decisao central da suavizacao exponencial, e deixa-la a cargo do habito e o erro mais comum. Muita gente digita um alfa de 0,2 ou 0,3 porque foi o que aprendeu, sem checar se esse valor serve para a serie que tem em maos. O exemplo padrao mostra o custo disso: o alfa de manual, 0,3, deu um RMSE de 4,21, enquanto o alfa otimizado, 0,76, deu 2,92, quase a metade do erro na mesma serie. A forma honesta de escolher e deixar o proprio dado decidir, testando cada combinacao de constantes e ficando com a que erra menos.

A ferramenta usa o RMSE como criterio dessa varredura, e por um bom motivo. O RMSE eleva cada erro ao quadrado antes de mediar, entao pune desproporcionalmente as grandes falhas, e minimiza-lo tende a produzir uma previsao que evita os erros mais caros, aqueles em que voce mais perde por falta ou por excesso de estoque. A varredura testa o alfa em passos de 0,01 para o SES e o par alfa e beta em passos de 0,05 para o Holt, cobrindo o intervalo util de cada constante. O resultado e um par de constantes ajustado a sua serie, e nao um numero de costume. Ainda assim, trate o menor RMSE como ponto de partida e some a ele o seu conhecimento do negocio: se voce sabe que houve uma mudanca recente de patamar, uma constante um pouco mais reativa pode ser melhor que a que minimiza o erro sobre o regime antigo.

Tendencia amortecida e horizontes longos

O Holt classico projeta a mesma inclinacao para todos os periodos futuros, entao a reta continua subindo na mesma taxa por mais longe que voce a estenda. Sobre um horizonte curto isso costuma ser razoavel, mas sobre um horizonte longo e arriscado, porque poucas demandas crescem para sempre no mesmo ritmo. A tendencia amortecida resolve isso com o fator phi, um numero entre 0 e 1 que a ferramenta fixa em 0,9. Na projecao F(t+m) = L(t) + (phi + phi ao quadrado + … + phi elevado a m) x T(t), cada periodo a frente multiplica a tendencia por uma potencia maior de phi, entao a contribuicao da inclinacao encolhe periodo a periodo e a soma se aproxima de um limite. A projecao ainda sobe, mas cada vez mais devagar, ate quase se estabilizar.

O quarto exemplo mostra o efeito na pratica. A projecao amortecida sobe de 37,54 para 39,16, depois 40,63, depois 41,94, depois 43,12, depois 44,19: os saltos entre periodos vao encolhendo, de 1,62 para 1,47, depois 1,31, depois 1,18, depois 1,07. Compare com a projecao do Holt classico do terceiro exemplo, que sobe em passos praticamente constantes de cerca de 2,0. O amortecimento nao so deu a projecao mais conservadora como, nesta serie, ainda produziu o menor RMSE dos quatro cenarios, 2,59. A licao e usar o amortecimento quando voce projeta muitos periodos a frente e nao quer que uma tendencia recente e talvez temporaria seja extrapolada para o infinito. Para um ou dois periodos a frente, a diferenca e pequena; para doze ou vinte e quatro, ela e enorme.

Como ler o vies e as metricas de erro

As quatro metricas contam partes diferentes da mesma historia. O MAD, em unidades de demanda, e o mais intuitivo: o tamanho tipico da falha, quanto a previsao erra em media para cima ou para baixo. O RMSE tambem sai em unidades de demanda, mas eleva os erros ao quadrado antes de mediar, entao pune desproporcionalmente as grandes falhas; quando um unico periodo muito errado e caro para o seu negocio, e o RMSE que voce quer minimizar, e por isso a varredura o usa como criterio. O MAD e o RMSE andam sempre juntos, e o RMSE e sempre maior ou igual ao MAD. O MAPE muda a conversa da escala para o percentual, medindo |e / real| em media, o que permite comparar a acuracia entre itens de volumes muito diferentes; o cuidado e que ele explode quando a demanda e pequena ou zero, e por isso a ferramenta pula os periodos de demanda zero.

O vies e a unica das quatro que carrega sinal, e por isso e a que mais informa sobre a escolha do metodo. Ele e a soma dos erros, com erro definido como real menos previsto. Um vies positivo significa que a previsao ficou abaixo da demanda real, ou seja, subestimou periodo apos periodo, o que e a assinatura de um metodo que fica atras de uma tendencia de alta, como o SES sobre a serie que sobe, com o seu vies de +21,1. Um vies negativo significa o contrario, uma previsao que superestima. E um vies pequeno, como o -1,63 do Holt amortecido, indica uma previsao centrada, sem inclinacao sistematica para nenhum lado. Leia sempre o tamanho e a direcao juntos: um RMSE baixo com um vies grande ainda esconde um problema estrutural, e e o vies que aponta para ele. Uma calculadora de metricas de erro da previsao dedicada vai mais fundo nesse tema, com o sinal de rastreamento que acompanha o vies ao longo do tempo, mas as quatro medidas aqui ja bastam para decidir entre SES e Holt.

Quando a suavizacao exponencial e a ferramenta errada

A suavizacao exponencial e uma boa escolha para uma demanda de nivel, com o SES, ou de tendencia, com o Holt, mas ela tem limites claros. O primeiro e a sazonalidade. Nem o SES nem o Holt tem como capturar um padrao que se repete a cada semana, mes ou ano; eles apenas suavizam por cima dele e deixam um erro periodico que nenhum ajuste de alfa ou beta resolve. Para uma demanda sazonal, o caminho e um indice sazonal, que separa o fator de cada estacao, ou o metodo de Holt-Winters, que adiciona um terceiro componente de sazonalidade ao nivel e a tendencia. Esses dois estao fora do escopo desta ferramenta, mas reconhecer a sazonalidade e o primeiro passo para nao forcar o metodo errado sobre ela.

O segundo limite e a demanda intermitente e irregular, com muitos zeros e picos esporadicos. A suavizacao exponencial, como a media movel, espalha os picos numa linha baixa e constante que nunca acerta nem o zero nem o pico, e o erro relativo dispara. Antes de prever um item assim, classifique-o pela regularidade da demanda, com uma analise do coeficiente de variacao, e use um metodo desenhado para demanda intermitente, como o de Croston. O terceiro caso e o quinto exemplo ao contrario: sobre uma demanda estavel, nao force o Holt, porque ele superajusta uma tendencia que nao existe e piora o erro; ali o SES com alfa baixo e o certo. A regra que atravessa todos os casos e sempre a mesma, case o metodo com o padrao da demanda.

Como preparar uma serie de demanda limpa

A previsao so vale o quanto vale o historico que a alimenta, e a suavizacao exponencial e sensivel a qualidade da serie porque cada previsao se apoia na anterior numa cadeia continua. Primeiro, use a demanda, e nao apenas as vendas: se voce ficou sem estoque em algum periodo, as vendas registradas foram menores que a demanda real, porque clientes que nao encontraram o produto nao aparecem no numero. Corrigir essas rupturas, estimando a demanda que teria ocorrido, evita que o modelo aprenda a subestimar. Segundo, use periodos de tamanho igual e sem buracos, na ordem do mais antigo para o mais recente, sem misturar meses com semanas, porque a suavizacao supoe um valor por periodo uniforme e um buraco desloca toda a cadeia de atualizacoes.

Terceiro, decida o que fazer com os eventos extraordinarios. Uma promocao, uma greve, um pico unico de um cliente grande que nao vai se repetir, tudo isso distorce a suavizacao, que trata cada periodo como parte do padrao normal e carrega o efeito para a frente por varios periodos. Se um pico foi um evento unico, considere ajusta-lo antes de prever. Quarto, de ao modelo historico suficiente: pelo menos oito a doze periodos, para que a inicializacao nao domine o resultado e as constantes otimizadas fiquem estaveis. E entenda o que os zeros significam: um zero por ruptura de estoque e diferente de um zero por ausencia real de demanda, e so o segundo pertence a uma serie intermitente que pede outro metodo. Cole a serie ja limpa na ferramenta e as metricas passam a medir a qualidade do metodo, e nao a sujeira do dado.

Referencias e boas praticas

A suavizacao exponencial e um dos metodos mais consagrados da previsao de demanda, e as formulas usadas aqui sao as classicas dos manuais de planejamento e controle da producao e de gestao de operacoes. A suavizacao exponencial simples como F(t+1) = alfa x D(t) + (1 – alfa) x F(t), o metodo de tendencia linear de Holt com as equacoes de nivel e tendencia, a variante de tendencia amortecida com o fator phi, e as metricas de acuracia MAD, RMSE, MAPE e vies aparecem da mesma forma na literatura de forecasting e no corpo de conhecimento de planejamento de demanda, como o da APICS e do CPIM. A escolha das constantes pelo menor RMSE e a avaliacao sobre os periodos internos com previsao de um passo sao a maneira padrao de comparar configuracoes de um mesmo metodo.

Dois pontos de bom senso fecham o uso responsavel da ferramenta. Primeiro, os resultados sao estimativas para planejamento e educacao, e uma previsao e sempre uma aposta informada sobre o futuro, nunca uma certeza: use as metricas de erro para dimensionar a incerteza e o estoque de seguranca em torno da previsao, e nao para fingir que a incerteza nao existe. Segundo, escolha o metodo pelo padrao da demanda e nao pela familiaridade: o SES e certo para demanda de nivel, o Holt para demanda de tendencia, e uma demanda sazonal ou intermitente pede outra abordagem. A media movel e a irma mais simples da mesma familia de suavizacao e serve de linha de base contra a qual comparar. Esta calculadora e este guia sao criados e revisados pela equipe da OpsCalculators; veja a nossa Politica Editorial para saber como cada ferramenta e pesquisada, construida e testada.

Perguntas frequentes sobre suavizacao exponencial

Fontes, aviso legal e transparencia editorial

As formulas usadas aqui seguem o metodo consagrado da suavizacao exponencial: a suavizacao exponencial simples como F(t+1) = alfa x D(t) + (1 – alfa) x F(t); o metodo de tendencia linear de Holt com o nivel L(t) = alfa x D(t) + (1 – alfa) x (L(t-1) + phi x T(t-1)) e a tendencia T(t) = beta x (L(t) – L(t-1)) + (1 – beta) x phi x T(t-1); a variante de tendencia amortecida com o fator phi e a projecao F(t+m) = L(t) + (phi + phi ao quadrado + … + phi elevado a m) x T(t); e as metricas de acuracia MAD (desvio absoluto medio), RMSE (raiz do erro quadratico medio), MAPE e vies (soma dos erros), avaliadas sobre os periodos internos com previsao de um passo. A escolha das constantes pelo menor RMSE e a maneira padrao de comparar configuracoes de um mesmo metodo. Essas definicoes aparecem da mesma forma na literatura de forecasting e de gestao de operacoes e no corpo de conhecimento de planejamento de demanda da APICS e do CPIM. Esta calculadora e este guia sao criados e revisados pela equipe da OpsCalculators; veja a nossa Politica Editorial para saber como cada ferramenta e pesquisada, construida e testada.

Os resultados sao estimativas para planejamento e educacao, nao uma garantia de resultado futuro. Uma previsao e sempre uma aposta informada, e as metricas de erro servem para dimensionar a incerteza, e nao para escondela; use o MAD e o RMSE para calibrar o estoque de seguranca em torno da previsao. Escolha o metodo pelo padrao da demanda, e nao pela familiaridade: o SES e certo para demanda de nivel, o Holt para demanda de tendencia, e uma demanda sazonal ou intermitente pede outra abordagem. A media movel e a irma mais simples da mesma familia de suavizacao. Volte ao hub de Previsao de Demanda e Analitica para ver o silo completo, ou explore o hub de Cadeia de Suprimentos. Veja o nosso Aviso Legal completo. OpsCalculators.com e operado por MAFHH INTERNATIONAL LTD. Os seus dados sao processados no seu navegador e nunca sao armazenados; veja a nossa Politica de Privacidade.