Danilo Doriguelo de Melo

Pessoal,

Segue um vídeo (curso) sobre equipamentos portuários. Vale ressaltar e parabenizar a iniciativa da Porto Gente (www.portogente.com.br) por disponibilizar cursos e vídeos.

Fonte: Youtube / Portogente

 Os métodos qualitativos utilizam informações como opiniões de especialistas e dados especiais para prever o futuro. Segundo Bowersox (2006:215), são ideais para situações em que a disponibilidade de dados é pequena e onde é explorada a capacidade de julgamento gerencial.

Previsões qualitativas são elaboradas mediante painéis, fóruns de discussão e reuniões para se chegar em um consenso. Conforme descreveu Ballou (2006:245), a natureza não científica desse método torna difícil sua padronização ou mesmo a validação de sua exatidão.

Segundo Carvalho e Julianelli (2006:51), os métodos qualitativos têm como objetivo estruturar o raciocínio para apoiar a tomada de decisão de planejadores experientes. Na aplicação dessas técnicas, o capital humano torna-se o processador de informações, substituindo assim modelos e fórmulas matemáticas existentes.

Deve-se optar por métodos qualitativos em previsões de médio a longo alcance, geralmente em caso de lançamentos de produtos, mudança de política de governo ou até mesmo no impacto de uma nova tecnologia. Contudo, não são indicadas para utilização em logística devido ao grande tempo que absorvem.

Dentre os principais métodos qualitativos podemos destacar a metodologia Delphi e à Análise de Cenários.

Fonte: Danilo Melo

Referências: Bowersox e Closs ; Carvalho e Julianelli

Pessoal,

Segue 2ª parte do vídeo sobre a Volvo.

Fonte: Youtube

 Segue um vídeo (1ª parte) sobre a fábrica da Volvo, considerada uma das melhores empresas no Brasil para se trabalhar. Vale a pena conferir a preocupação da empresa com seus colaboradores.

Fonte: Youtube

Pessoal,

Mais um vídeo da série “The animals save the planet”. Vale a pena conferir.

Fonte: Youtube / Animal Planet

Prezados,

Seguem mais 02 métodos estatísticos para cálculo do erro de previsão:

1) Mean Percentual Error (MPE)

Este modelo calcula o erro percentual médio. A fórmula básica é:

Onde:

R_t - Valores reais de venda;

P_t - Valores previstos;

n- número de períodos considerados;

2) Mean Squared Error (MSE)

Conforme descrição de Brito, Campos e Leonardo (2006:98), este modelo consiste em calcular a média dos erros ao quadrado, elevando os erros de previsão ao quadrado, somando e dividindo-os pelo número de períodos.

Para aplicação do conceito aplica-se a seguinte fórmula:

Onde:

R_t - Valores reais de venda;

P_t - Valores previstos;

n- número de períodos considerados;

Fonte: Danilo Melo

Referências: Brito, Campos e Leonardo (2006:98)

Pessoal

Mais um vídeo do “Animal Planet” sobre sustentabilidade. Vale a pena conferir!

Fonte: Youtube e Animal Planet

Segundo Ballou (2006: 252), da mesma forma que o futuro não é exatamente espelhado no passado, a previsão de demanda futura resultará quase sempre em algum nível de erro.

O erro na previsão significa o quão perto do verdadeiro nível de demanda chega à previsão. Trata-se daquilo que é corretamente manifestado em estatística como um desvio padrão, uma variância ou um desvio médio absoluto.

A seguir iremos conhecer 02 métodos para mensuração de erros em previsões de demanda.

1. Mean Absolute Deviation (MAD)

       Segundo Brito, Campos e Leonardo (2006:97), este método avalia o erro de previsão a partir do cálculo do erro absoluto médio. Um ponto positivo deste método é que o mesmo evita o problema de um erro negativo cancelar o positivo, pois são considerados os erros absolutos (”em módulo”).

       A fórmula básica de cálculo é:

Onde:

R_t - Valores reais de venda;

P_t - Valores previstos;

n- número de períodos considerados;

2. Mean Absolute Percentual Error (MAPE)

       Este modelo tem o objetivo de avaliar a magnitude do erro com relação à série histórica, onde são calculados os erros de previsão em percentuais absolutos.

       A fórmula de aplicação do método é:

Onde:

R_t - Valores reais de venda;

P_t - Valores previstos;

n- número de períodos considerados;

Fonte: Danilo Melo

Referências: Bowersox e Closs; Brito, Campos e Leonardo (2006:97),

Prezados,

Segue uma animação do canal ”Animal Planet” sobre eficiência energética. Vale a pena conferir!

Fonte: Youtube e Animal Planet

Pessoal,

Para o 1º post do ano segue um vídeo de inovação e criatividade em dobrar camisetas. Vale a pena conferir.

Fonte: Youtube