APRIMORAMENTO NO SISTEMA DE ESTIMATIVA DE DEMANDAS DE PEGAS DA FORMAC Elaborado pelo Consultor CLOWIS RIBEIRO LOPES 1. - Introdug%o. Na Gltima reunigo realizada pelo pessoal de pecas da FORMAC ADMINISTRADORA SA, juntamente com representantes das Subsidiarias, para tratar dos problemas referentes ao (SUStemaljdeEstimativande Wemanda~des“Pegasy recebemos o convite para participar das discusses na qualidade de Consultor. Ao término da Reuni%o, foi-nos confiada a misso de estudar e desenvolver aperfeicoamentos no Sistema, particularmente no que diz respeito ao Sinal de Trilha. A referida miss&, conforme nosso entendimento, pode ser assim enunciada: ~ pBstudar 6° desenvorver”aprimoramentos-no~-Ststema”-dey Estimativa da”-Demandage "de" tal sorte que ™ possibilite oe anterferéncia’direta “dos Operadores: "der contréle!” de Estoquesyy squands"asprevistes "de demanda apresentarem aistoretesiy 2. - Estudo. Iniciamos o estudo revisando cuidadosamente a maneira como atualmente opera o Sistema. Fagamos uma breve descrig&o de sua atua¢%o, porém lembrando antes, quevovproblema consiste;” fundamentalmente, ~en™estimar qual everai'ser a demanda de unidades: de deteriinads item, "no perLedoy Seguinte™ "ac que “estamosy™"baseando” a “est iiatiival Has demandas: fapresentadas- pelo referido. item, .em-um-certo numero” de” pertedos yanterioresy Para solver esse problema existem varios algoritimos que so empregados de acérdo com as conveniéncias dos profissionais que organizam os sistemas. No caso em foco, optou-se pelo algoritmo denominado de Ajuste Exponencial Simples, que consiste em obter-senO ae Doe ewer a estimativa de demanda para o periodo seguinte, através da soma, @ estimativa feita para o periodo imediatamente anterior, de uma frag%o do erro cometido na sua determinac%o, isto 6: MT = MT + a CD - MTD 12 onde MT, = Estimativa de Demanda para o periodo seguinte. Mr, = Estimativa de Demanda feita para o periodo atual. D, = Demanda efetiva do periodo atual. o = Constante de Ajuste Csempre menor do que 1). © valor da Constante de Ajuste, para o caso do Sistema da Formac, varia entre 0,2 e 0,5. A variag%o da Constante de Ajuste (a ¢ feita automaticamente, de acordo com o valor que apresentar o Sinal de Trilha, a seguir descrito, cuja finalidade € monitorar a determinagao da estimativa de demanda. £ evidente que ao fazermos uma estimativa estamos sujeitos a cometer erros, que s& expressos pela diferenga entre a Demanda que realmente vier a acontecer e a Estimativa anteriormente feita. Assim: Erro de estimativa = Demanda havida - Estimativa feita. Podemos ent& perceber que os erros podem apresentar sinais positives e negatives, conforme a previs&o ficar aquém da demanda ou vier a superé-la. $ Procedendo-se a cada periodo & soma dos erres, obteremos um valor denominado de Somatério Algébrico do Erros; se fizermos, no entanto, a soma dos valores absolutos dos mesmos erros, durante um certo numero de periodos e a dividirmos pelo mesmo numero de Periodos, obteremos o que chamamos de Erro Absolute Médio. © Sinal de Trilha, determinado item a item, 6 obtido pelo valor absoluto do quociente entre o Somatério Algébrico dos Erros dos Ultimos seis periodos e o Erro Absoluto Médio verificadonesses mesmos seis per{odos, ou seja: SOMATORIO ALGEBRICO DOS ERROS SINAL DE TRILHA = Cyalor absoluto do) 0 ABSCL STO Ou sendo: €D, - MT.) = Valor do Erro de Estimativa no periodo i C2) temos: ca Como @ facil de prever, se a demanda for est4vel, isto 6, escilar ligeiramente, no entérno de um mesmo valor, o Erro de Previs¥o CD, - MT,> , além de ser de pequena magnitude, sofrera alternancia de sinal Cora positivo, ora negative? e o seu somatério tenderé a zero C0). Portanto, o Sinal de Trilha também tendera para o valor nulo, uma vez que o seu numerador ter4 um valor muito préximo de zero. A medida que a demanda fer crescente o Erro de Previsio tendera ser sempre positivo, por que D, sera maior que MI, e o seu somatério tenderé a crescer positivamente, elevando o valor de ST que no limite sera 6, uma vez que a Soma Algébrica dos erros ficaré igual a soma dos valores absolutes. © mesmo fenémeno se verificar&é quando a demanda for sempre decrescente. Quanto mais répida for a variag%o experimentada pela demanda, tanto maior devera ser o valor da Constante de Ajuste Ca, para que a previs%o consiga acompanhar a variag%o acontecida.. Em face disso,o Sistema prevé para o valor de a uma evolug&o de acérdo com @ variag&o do Sinal de Trilha (Tabela 1>:Valores de ST Valores de a sT< 3 a = 0,20 3 N Cdesvios padr&es) - e usaremos o segundo caminho, embora o reconhegamos como sende de conceps&o mais complexa e de dificil entendimento, mas, como veremos a seguir, de aplicag%o simples e elegante.4 - DefinigBes necessérias para a apresentacKo do método. Antes de iniciarmos a apresentag&c do método, para sua melhor compreensSo, necessitamos rever algumas definictes: SOMATORIO™ALGEBRICO™ DOS ERROS!Y consiste na acumulacio Sucessiva dos erros cometidos na previsio de domanda para cada um dos periodos. Traduzindo-se em notac%o matem&tica, Ppedemos escrever: (sa, = 5 cD, - MTD cad to PARABOLA uma curva plana da familia das cénicas, definida como © lugar geométrico dos pontes equidistantes de um ponte fixo, chamado foco, e de uma reta fixa chamada diretriz. Denomina-se §VERTICE da parabola ao ponto de intersecio do seu eixo de simetria como seu tragado. Denomina-se \sATUS RECTUM de uma parabola ao segmento da reta tragada pelo foco, paralelamente a diretriz e limitada pelos ramos da curva Cfigura 1) Fig 1 - Pardébola paralela ao eixo temporal, com Latus Rectum LR e Vértice V. Loupigdo - P= PQ EQUAGAD - PARA GOLA Y= f-hR)x lo DRETATZ p xPes ee eee eee ee eee A curva ficar& perfeitamente determinada s: seu LATUS RECTUM, porquanto sabemos que: - © eixo de simetria ¢ perpendicular & direg¥o do LATUS RECTUM. - © foco fica na intersecg%o do eixo de simetria com o LATUS RECTUM. for conhecido o - © vértice, que se situa sébre o eixo de simetria, dista do foco de uma distancia igual a um quarto do comprimento do LATUS RECTUM. - A diretriz @ perpendicular ao eixo de simetria e dista do foco da metade do comprimento do LATUS RECTUM. A EQUAGKO da parabola de eixo de simetria coincidente com o eixo dos tempos Ct?, de vértice A origem dos eixos coordenados, de LATUS RECTUM CLR? e de concavidade voltada para a esquerda, é: 6 = ¥=CLRn cS> onde: © = variavel que define as ordemadas segundo o eixo vertical. n = variével que define as abscissas segundo o eixo horizontal, dos tempos. CLR) = constante que define o LATUS RECTUM da curva. No entanto, se esta mesma parabola de eixo horizontal e de concavidade voltada para a esquerda, tiver o vértice no ponto N de coordenadas [n,, CSAED} Cfigura 2, sua equag%o ficara © - (SAE = Y°=CLRthn ce Figura @FiguRs 2 E-(she\yeV—LR(n-7y) |ee ee [Ser Descrigto do metodo; Para dar curso ao método, devemos: D Guardar um registro histérico de valores apresentados pela Soma Algébrica dos Erros CSAE) de previs¥o da demanda, por 12 perfodos. © Calcular, a cada periodo, as coordenadas dos ramos da Parébola, de eixo paralelo ac eixo dos tempos, de LATUS RECTUM definido pela magnitude dos riscos de rejeitar uma mudanca real Cod e de aceitar uma mudanca imprépria C@ © cujo vértice coincide com o extremo da Gltima determinag%o do SAE. Sev todes oS valores precedentes -dov/Somatério” dos Enres’? a estiverem dentro dos limites denintdss "pelos" ramos” dalparabore. o 5 ditem n&fo se-constitue em excegap! a © Gasovcontraric, isto 6; se algum’ponto cair fora dos Fanosyy a como-tlustra-a figura’ 3; 0 item deve constar” do Relaterio” dey \Excegtes: a Figura 3 a a a ’ 3 | ponto fora a aap Bod E fia a o 8 4 & Ww 6 | a 80 > 2 oo 5 © a 5 Ss Q -2+ a ss 3 -4: ewuuew 1 oe 3 4 5 6 Tt 8 9 10. #11 «#12 No de MESESwoe ww Bae ww enw ee ee ew ee os a se ew 6 - Operacionalizag%o dos procedimentos. Com a finalidade de tornarmos operacionais os procedimentos, vamos trabalhar as férmulas como adiante se vers. Do Apéndice A tomamos a férmula CAS) representativa da Par&bola como sendo: Str) =o Ve Inti - W7al =n ¢SAD onde: SCn> = Ordenadas dos pontos da curva @ = Desvio padriio das demandas sucessivas a Risco de rejeitar uma mudanga aceitével @ = Risco de aceitar uma mudanga inaceitavel n = Abscissa definindo tempo, segundo o eixo dos Ct? Podemos tabelar a express%o Ye InlCi - 7a) em fung%o de a e de fi Cvide Tabela 3 do Apéncice A) e designar por FR. Fazendo-se o vértice da parébola coincidir com a altima determinag%o da Soma Algébrica dos Erros, cujas coordenadas sao: Tony, (SAE) 3 A sua equag%o ficaré: Stn? - CSAED, = © CFRI YH =D en ou Stn> = o CFRD ¥=CH =D + CSAED ca A condig#o que a Soma Algébrica dos Erros CSAE> deve satisfazer 6: ICSAED | < Jo CFRD Y=CH= AT + CSAED | co Rearranjando teremos, finalmente: |¢SAED | - CSAED Yana = < | CFR Y= AD | 10> Devemos observar que o segundo termo desta inequagao representa uma parabola com um dnico parametro, fung®o apenas dos riscos a e ff e nfo mais do Desvio Padrao Cod; logo, inteiramente independente dos dados do item.aw a wa ao ww aa wo ww ee oe yo ey ee Com esta condi¢%o imposta pela express&o C10) completamos o algoritmo que nos possibilitaré comparar cada item, periodo a periodo, buscando aqueles cuja evolus%o da Soma Algébrica dos Erros nto se enquadre na Pardbola de vértice coincidente com o sua Gitima determinate, isto ¢, CSAED. 7 ~ Seles%o dos riscos para determinag&o da Parébola. A base teérica do sistema tem seu alicerce em um teste estatistico, ent&o devemos atentar para o fato de que ao se efetuar esse teste, corre-se o risco de cometer erros de duas espécies: * Erro de primeira espécie, que consiste em rejeitar a hipétese quando ela 6 verdadeira; ** Erro de segunda espécie, que consiste em acitar a hipétese quando ela 6 falsa. Na selec%o dos parametros ae fi necessarios para o célculo do coeficiente da Parabola e que definem os riscos de rejeitar a hipétese verdadeira ou de aceitar a falsa, devemos observar os dois principios seguintes, ditados por Pearson e por Neyman: 1) Seja pequena a probabilidade de rejeitar a hipétese verdadeira se ela € certa, ou seja, deveré ser pequeno o nivel de significancia do teste. Isto quer dizer, que dever& ser pequena a Probabilidade de se cometer um erro de primeira espécie. @ Seja grande a probabilidade de rejeitar a hipétese quando ela € falsa. Isso quer dizer que seja pequena a probabilidade de se cometar um erro de segunda espécie. Diz-se que um teste 6 bom quando © conjunto eritico satisfizer essas duas condigtes. 7 - Calcule do Desvio Padr&io das Demandas. © Apéndice B noes apresenta varios métodos de célculo do Desvio Padraic de uma série de dados. No entanto, devemos observarque o Desvio Padr&o nada mais ¢ do que a raiz quadrada da Variancia da mesma sucess%o de dados. Resta-nos, portanto, lembrar © conceite de Variancia, 10www we se i i i 4 Warianctmy @ a média da soma dos quadrados dos desvios que cada um dos elementos componentes da secess%o apresentam em relago & média da referida sucess¥o. Para ficar mais claro o conceito, diremos que numa sucess&o de n termos, a = Soma_dos quadrados dos desvios em relac3o A média Sense Numero de termos da sucessio Em notag%o matematica teremos: = 2 ae i 2 o Como dissemos acima, o Desvio Padr&o Co) 6 a raiz quadrada da Variancia. 11www wa eee eww ww ww Ca Be ee a we ae ow Ww es es goo Exemplost Para esclarecer os conceitos contidos nesta proposta, faremos dois exemplos com dados numéricos colhidos da amostra de itens que que empregamos para o teste do método. pBxemplo Seja co item CSA 075469 cujos dados de demanda, de sua Previs%o CMortalidade?, bem como os dados de cAlculo constam da planilha abaixo. Devemos notar que: Erro = Demanda - Mortalidade SAE = Soma Algébrica dos Erres CErro>® = Erro x Erro SAEr = SAE dividida pelo Desvio Padr&o PARABOLA= ordenadas do ramo superior da Paraébola Envolvente SITUAGAO= Mostra a comparago de SAEr com as ordenadas da Pardbola. 12i FORMA (RS) SA PLANILHA DE CALCULO DE AJUSTE DO ITEM CSD 078489 MES DEM 4 4 2 6 3 4 4 2 5 £ é 2 a 8 5 9 1 10 = 14 1 1B 048 SOMA DOS QUAD DOS ERROS ~> DESVIO PADRAO ~ ERRO 14k 3.41 14d ~0.89 1.59 ~0,59 8.41 2.44 1.59 1.59 ~1.59 19.41 SAE 1.43 4.82 6.23 5.64 4.08 3.46 31.87 14.28 12,69 11.10 9.54 24.92 3.61 3.36 3.47 3.75 3.86 2.35 1.1 2.20 2.48 2.77 0.00 LINHA CASE FR = 2.38 PARAB 7.89 758 7.14 6.73 6.30 5.85 5.32 4.76 4.12 3.37 2.38 9.00 SITUACAD DENTRO DENTRO DENTRO DENTRO DENTRO DENTRO DENTRO DENTRO DENTRO. DENTRO FORA DENTROw ww hee eee ee eee ee ee eee eee Soma Alg dos Erros Red Item CSD 075489 Linha CASE PONTO FORA -8 - J FevgoMar Abr Mai Jun Jul Ago Set Out Nov Dez Jang MESES —+- linha sup de contr —*- linha inf de contr Ma eeExemplo 2 Idem ao anterior com os dados do item CSD 050077. 13FORMAG (RS) 8A LINHA CASE PLANILHA DE CALCULO DE AJUSTE DO ITEM CSD 050077 SAEr PARAE SITuAacao 1 7 9.98 4.78 36170 4678 4.14 7.89 DENTRO 2 8 9.38 2.78 76750 4.86 3.61 9 7,.83 DENTRO 3 14 8.69878 77.09 13,34 1.92 7.14 DENTRO 4 @ 10.28 2.78 7.73 1612 1.39 6473 DENTRO 5 5 9.60 -0.22 9.05 15.90 1,43 DENTRO 6 ge Re 14.29 19,68 0.71 5.83 DENTRO 7 18 12.78 163.33 32.46 1475 32 DENTRO a 2 10.30 -3,22 10.37 29.24 1,13 4.76 DENTRO 9 3 6.64 +22 4.93 27,02 0.70 4,42 DENTRO 10 3 6,98 122 4.93 24.80 0.28 3.37 DENTRO it 3 5.77 2.22 4.93 22.58 0,15 2.38 DENTRO 12 6 8.22 0.78 0.61 23 0,00 DENTRO SOMA DOS GUAD DOS ERROS -> 299.14 DESVIO FADRAD 5.24 ELE Le TT Een ee Me ca eeSoma Alg dos Erros Red Item CSD 050077 Linha CASE se Sik Seine abit ne treees ave 8: T T r T T T T T Fevg0 Mar Abr Mai Jun’ Jul Ago Set Out Nov Dez Jang1 MESES | —*- Linha Sup Controle —— Linha Inf Controle LE eee RORSS ea © ~ Resultados dos testes efetuados com a Amostragem. Para a efetivas%o dos testes, foi buscada uma amostra aleatériamente colhida entre os itens que constam dos arquivos do Sistema de Estimativa da Demanda no mes de Fevereiro de 1091. Isto equivale a dizer que o universo do qual a amostra foi extraida, 6 composto dos itens das Linhas CASE e KOMATSU, que tiveram pelo menos uma frequéncia de procura nos Ultimos doze meses antecedentes. Foi julgado suficiente um tamanho de amostra equivalente a 10% do total de itens que comptem o universo acima citado. N&o importando qual a ordenag%o dos itens no arquivo mantido pela RAM, Jjulgamos obter uma amostra de caracter aleatéric, Selecionando itens na memsa ordem do arquivo, tomando-os de 10 em 10. Em face do Sistema guardar dados referentes a Demanda e sua estimativa, defazados no tempo, fomos obrigados a inicialmente, reformular os arquivos. Isto posto, encontramos uma amostragem composta de 684 itens das duas linhas citadas. Desta amostra retiramos os itens que apresentavam menos de trés frequéncias de procura nos ultimos 12 meses, uma vez que julgamos desnecess4ria a operagao sébre itens cuja frequéncia est& abaixo da base minima comumente encontrada na maioria dos pontos de venda da Formac. Esta filtragem reduziu a amostra a 286 itens. Primeiro teste. Adotando-se ambos os riscos, a @ 3, como sendo 1% apenas, foram rejeitados © itens, com frequéncias variando entre 3 e 6. Portanto, a rejeig%o para este nivel de risco apresenta um percentual de 3,15%, sébre a amostra filtrada. A listagem referente a este teste ¢ apresentada como Anexo I. Segundo teste. Com os riscos a = @% e i = 95% foram rejeitados 31 itens, com frequéncias variando entre 3 e 46, e dando um percentual de 10,84% sobre a amostra filtrada. 14A listagem deste segundo teste consta do Anexo II. Observando=se os resultados deste dois testes, verificamos que, através da variag%o dos riscos a e 7, podemos dar tratamento diferenciado para os diversos grupos, sendo mais rigoroso com os mais importantes e menos com os outros. No entanto, julgamos Recessaria para se adotar um critério a este respeito, a observagio pratica do emprégo do método. 15gq Eeisans 01/00/01 Pagina Wo. i FORMAC (RS) - Fornecedora de Maquinas SA SISTEMA DE ESTIMATIVA DA DEMANDA a ITENS DE INADEQUADA PREVISAD DA DEMANDA NECESSITAM DE REVISAO DE METODO i covreo —WES1_—=«MES2_—=sMESS.«=OMESH. MESS. «MESHES? «MESHES. MESLO. ESI Bs cite SH OM NN a ¥ ss ous BB AR cc BAP SIV OAR RR SIR 2 i tae ¥ ose oss BAR eB a a i SE 063357 AE TE a ORE I TA CRO a a i ¥006040-06513 1-170 7700 EB SOAK i ROLSO-HOISS0 67 GAT BT AT RT BT ONT i a ee i OES a ead EO ge 405 2490 i KOLA5-13-22670 4.85 ABS 4.85 ABD ABS BS 890 oa Ge i HOL95-15-18220 6.98 6.989872 9B ATH S.O3 120.8 i i TOTAL DE ITENS LISTADDS: 9 i i 1 i i i i i : i i ‘ i i .Enissao: 02/04/51 Pagina ho, 1 ' { FORMAC (RS) - Fornecedora de Maquinas 5A i SISTEMA DE ESTIMATIVA DA DEMANDA i 1 i ITENS DE INADEQUADA PREVISAD DA DEMANDA NECESSITAM DE REVISAD DE METODO congo) MES! =—MESZ=MESS. EG WES? MESIO. ESI SFR ce 015042 a a Tosa o1ssze SAF BNF SP BP BMS SOLIS S02 095 3 | csa ostz74 4 4 42 42 AM A 638 ID 3,08 1.07 1.40 3 Tose o7ses1 AB 6MB 6B AB MBIT BB SZ 2H ATL O70 ‘ 1 csp os00ss CC a 4 csp ovos4e 490 498 49GB kL Vosp o7saey 1.9) 10h 28s 3088s 38 1 ese ooss7 EMM LM RM AM Th TY 1 ose osze08 Ai breseha8s LB OUT NN TE A EA 4 ese oosss7 TAB TMB 7188.87 SOLOS | ose osseoe 40 RAL SE Babe SBS CORRE SO Sag Oe ag 1 se os7952 82 482 482 888 BOSS RAT SO ' se os7a4s 192 92 92 L482 OBS OBS STDS " ose assize a a a eC ' tse issues Ale Wb AS SST "se asszue AAT AST OST SPAS kT ' ese asrase SSMS S50 "8k 620121 OAS 08k 3218S 2B Mh | osx gasers 553555 7.807158 5.835.98 222k LR ¥ osx oases a a a a Ce ' ppoxs-ooese $2 4b BLT ZT 2805 " oouoso-ces1s 0 " eoorcon-osso BAD 9S 6B BZ SZ, BTS ak " roo7000-15150 Cy |2 FORMAC (RS) - Fornecedora de Maquina SISTEMA DE ESTIMATIVA DA DEMANDA ITENS DE INADEQUADA PREVISAD DA DEMANDA NECESSITAM DE REVISAO DE METODO Copiso MES! —ES2-—=MESS.—EGH MESS WESH MEST ESE = OWESD=—RESLO. «ESL. SER. Sy te a EE ee Oe Ra ae Oe SR OT SRR NO A ek ae ote Re Tey Le SL Re aa OT GRE ERE Co pig ROA A BRD A OR Ra OS Eee aga IE Re «gg ca Se eT ee eee Re A OR OO oo aes a ey So.ss-13-16220 0490 82D LTB SO} Zag 06127-71-3231 HSL ASL ASL ASE SL SL el 588 BudAPENDICE A - DETECGKO DE PONTOS DE DESVIO. INTRODUGAO Se uma série temporal ¢ gerada por um processo est4vel, embora a ocorréncia de ruides randémicos dificulte observastes especificas, os coeficientes no modélo desse Processo podem ser determinados por técnicas convencionais, tais como o método dos minimos quadrados. © modélo pode ent&o ser usado para prever futuras cbservacSes do mesmo processo. Se 0 rufdo nas observages possuir alguma correlac%o estével, as técnicas de andlise espectral podem recuperar o modéle do processo b&sico. Quando o processo, em si, apresenta mutagSes lentas, métodos de adaptacHo como os de Brown [4] e de Box-Jenkins [2], podem revisar continuamente as estimativas des coeficientes no modélo, a fim de dar-lhe uma previs&o utilizavel. Neste artigo, consideramos um problema mais complexc, no qual o processo subjacente sofre mudancas abruptas. Tem havido inumeras tentativas, principalmente baseadas em Trigg [11], para arquitetar esquemas de previsto que, automAticamente, ajustem-se a este tipo de mudanga. Aqui nos ateremos a objetivo bem mais limitado, qual seja: o de detectar a ocorréncia da mudanca e de estimar o que ela provavelmente tenha sido. Os sistemas de previs&o e de contréle apresentam varias espécies de problemas, para os quais € de. suma importancia registrar a trajetéria de um sinal de trilha, quei i | | | Permita a interveng%o da geréncia, a fim de alterar parametros e constantes. Nico basta que um subsistema de previs%o funcione acuradamente em todos os tipos de mudanca: & necessério que haja um balizamento do trajeto, Per exemplo, um crescimento constante dos registros do sinal de trilhi no caso de um inventaério de pecas de reposig¢%o, era conclusive e! confirmar, para uma grande emprésa fabricante, uma predicXo econométrica da recess&o de 1958. Mais tarde. a direc&o dessa emprésa disse que se tivessem tido suficiente percepcio, teriam agido efetivamente com varios planejamentos semestrais, mais cedo do que o fizeram. Mesmo quando o sistema de previs%o faz parte de um sistema de contréle de estoques, as regras de decis%o de Feposig&o, em periodos de demanda normal, podem ser diferentes das adotadas em periodos de demanda em processo de mudanga. Assim, a constatag%o de mudangas significativas, aciona o gatilho que desencadeia acBes modificaderas do sistema em si. Para que se possa considerar o problema de previsao geral de uma série temporal estavel, como tendo sido bem resolvido, podemos nos referir a outra série de média zero: a que resulta dos erros de previs%o da série original. Ent&o a mudanga, na série de origem, aparecera quando a média dos erros de previs%o deixar de ser zero. Para simplificar, consideraremos que a mudanga aparece quando surge algum outro valor constante, positive ou negative. Devemos estar interessados em detectar pequenas mudangas Cque requerem umt i owe Se razo4vel numero de evidéncias no mesmo sentido? bem como as grandes mudangas Cque podem ser répidamente detectaveis>. © processo se verifica em presenga de rufdo. Presumiremos, para efeito das dedustes, que a distribuigto seja normal Cde Gauss), com variancia constante e conhecida e finalmente, que as sucessivas amostras n&o apresente: correlagao. Existem um sem numero de séries econémicas ¢ industriais que satisfazem bastante bem a essas suposigtes, a ponto das técnicas resultantes produzirem efeitos proveitosos.ee = ow = owe ew we BASE MATEMATICA. A técnica aqui proposta consiste em armazenar a soma algébrica dos erros de previs¥o (SAE), de acordo com cada uma das observastes sucessivas Cveja Woodward [14]). Se o modélo de previs%o for adequado, a soma algébrica dos erros de previs%o deveraé flutuar no entérno de zero Cveja Brown [3] e [4]), uma vez que os erros de sinal negativo compensar&%o os de sinal positivo. Quando o erro médio atingir valores diferentes de zero, indicara @ preponderancia de erros de mesmo sinal que fazem com que o somatério cresga, em valor abscluto, acima de zero. Inferiremos uma méscara parabélica, de vértice coincidente com a ordenada do Ultimo valor do SAE, cujo eixo ¢ Paralelo ac de contagem do tempo e cujos ramos apontam para tras no tempo. A parabola assim situada, fica definida pelo comprimento de seu LATUS RECTUM como uma fung%o da raz&o de probabilidades, ou seja, o risco de rejeitar uma mudansa real eo de aceitar uma falsa. A dedus&e comega com a andlise sequencial de Wald [13), obtendo as m&scaras em forma de V, propostas por Barnard [1]. A parabola € a envolvente de todas as m4scaras em V, para todos os montantes possiveis de mudancas a serem detectadas. ANALISE SEQUENCIAL. : Suponha que na conduta de um experimentc, obtenhamos uma série de n observagtes: x,, x... + x. A hipétese nula © que estas observag8es procedam de uma populag&o de médiu 4,. A hipétese alternativa 6 a que elas venham de outra populacio de média ,. Ambas as populasSes tem a mesma variancia o” e S%o supostas normais. As suas amostras so consideradasindependentes, no sentido de n&o apresentarem nenhuma correlag%o serial. A probabilidade de observacio precisa deste conjunto de obser vases Cem qualquer ordem 6: nee p, = oan? exp ~CECx,-H > 2 20") CAD j = Opara a hipétese nula j = 1 para a hipétese alternativa. A raz&o de verossimilhanga fica definida por: exp ~ cae? exp ~ < Ay, antes de decidir hé que continuar a amostragem, para obter mais informagBes. : Wald demonstrou que este esquema permite a decis&o, com riscos especificos, utilizando-se, em média, menos amostras do que os procedimentes que consideram o tamanhonecess4rio e suficiente da amostragem, a priori. Agora deixemes que o risco do produtor, de aceitar a hipétese alternativa quando a média da populagHo 6 realmente Hg: seja designada por a e o risco do consumidor, de aceitar a hipotese nula quando a média da populagio ¢ realmente 4,, seja designada por (@. © livro de Wald mostra que os limites eriticos seriam aproximadamente: AQ EClrovp eA CI -ve cAB> Um modo conveniente de se fazer o teste € resolver a express%o da razo de verossimilhanga da amostra, expressando o valor da soma acumulada das obser vases: wo*in Bo. Ex = my Cut Hy? a4? Esta € a equag%o de uma reta, em relac%o ao tamanho n da amostra. Em face disto, o gréfico usual de aceitagio da amostragem sequencial apresenta-se como na figura 1. Quando a soma acumulada, plotada em conson4ncia com os nimeros das amostras, ultrapassa um dos dois limites, a decis%o estatistica 6 passivel de configurago.aa aa MASCARAS EM V. Agora suponhamos que ao inves de observacBes, tenhames erros de um processo de previsko. A hipétese nula indica que estes erros foram amostras randémicas de uma Populag&o de média , = 0, © que significa dizer que as previstes n&o so tendencios: Uma hipétese alternativa indica que esses erros s¥o provenientes de outra populasio que apresenta tendéncia de um montante y, = ko. © teste 6 na realidade simétrico, uma vez que pode também ser relacionado com a descoberta de previstes que apresentem tendéncias no sentido oposto, isto 6, uf = - to. Desta maneira, © esquema de aprovago possui regives de decis%o em forma de V, como mostra a figura 2. Note-se que o lado interno do V 6 tracejado, para indicar que devemos continuar as previstes, a medida que necessitarmos de mais informagGes para decidir se s&o tendenciosas ou n&o. Isso vem a dar no mesmo caso, donde se conclui que os limites internos no apresentam importancia. No entanto, nunca podemos estar seguros de que o Precesso em observag&o no substitui uma populas&o pela outra. Se houvessem evidéncias externas que indicassem o numero de vezes em que tais substituig8es possam’ ter ocorrido, mudariamos os limites de aceitac%o, como indicado na figura 3. A contribuig&o do Professor Barnard [1] consistiu em fazer girar de 160° a mascara em V, centrando-a sempre no dado mais recente do somatéric dos erros, como mostra a figura 4. Por via de geometria elementar, fica claro que, se o somatério seSitua fora do ramo da mascara em V, no ponto A da figura 4, ent%o a mascara de Wald, uma vez centrada em A, determinaria a decis%o para a mesma amostra. MASCARAS PARABOLICAS, A inovag%o, contida neste artigo, consiste no uso de uma mascara envolvente, em relagio ao parametro k, de todas as mascaras em V. Desde que tenhamos tomado u, = 0 e 4, = + ko, as equages que representam os dois limites das regites de aceitagto de Wald, slo: to unlC1-A>7a1 nko = tie cas? A figura 5 traz um exemplo de mascara parabélica. Se a dltima mudanca for grande Ck » 02, ent&o o parametro linear Cintersec¢%o) da mascara em V € pequeno e o seu parametro angular Cinclinag%o> 6 grande: a detecg%o ocorre mais cedo, com pequena evidéncia. Situag&o inversa verifica-se quando a Gltima mudanga detectada ¢ bastante pequena Ck + 02, isto ¢, intersecc%o grande, ent#o tal mudanca € impossivel de ser detectada rapidamente; mas a inclinag%o dos ramos da mascara em V € menor, consequentemente, uma mudanga pequena pode ser detectada. © ponto forte da par4bola envolvente consiste em gue ela detectar&4 mudangas de qualquer magnitude, com riscosespecificados. A interseccs%o da linha depende da raz%o de probabilidade critica e do tamanho, ko, da mudanca a set detectada. A inclinag&o da linha, ko/2, depende do tamanho da mudanga a ser detectada. Poder{amos usar a mascara em V se apenas estivéssemos desejando a deteccio de mudancas important mas, em geral, estamos interessados em determinar qualquer tamanho de mudanga. A enyolvente de todas as m4scaras em V em relas%o ao parametro k é uma pardbola Cver nota do tradutor): sin =o Vein = M7 Yn cAe> A tabela 1 mostra como o LATUS RECTUM de uma parabola depende dos riscos do produtor e do consumidor. ENVOLVENTE PARABOLICA DAS MASCARAS EM V peweneeeewunwvwueweeeee eee 2 ee Pe eee eee Figura 5 Petecc®s Numero de Amostras 4a tendénciaLatus Rectum da Parabola Risco de Rejeitar uma Mudanca Real a 0,01 0,02 0,04 0,08 0,18 0 32 0,02 3,03 2,79 2,53 2,24 1,81 1,50 0,02 3,03 2,79 2,53 224 1,00 41,50 0,04 3,02 278 252 2,23 1,89 1,48 0,08 3,08 2.77 2,50 2,21 1,87 1,45 0.16 2.08 2,73 247 217 1,82 1,39 0,32 2,00 2,66 2,38 2,07 1,70 1,23 Tabela 1 10eee eee eee ee eee eee eee eee eee eee REFERENCIAS: { 1) Barnard, G.A., Control Charts and Stochastic Process. Journal of Royal Statistical Society, Vol 21, pp 230-271. { 2) Box G.E.P, @ G.M. Jenkins, Time Series Analysts Forecasting and Control, Holden Day, 1970. [ 3) Brown, R.G., Statistical Forecasting for Inventory Control, McGraw-Hill, 1959, pp 63-65, 101-104. L 4) Brown, R.G., Smoothing, Forecasting and Prediction, Prentice- Hall, Inc, 1963, pp 287-290. { 5) Brown, R.G., Decision Rules for Inventory Management, Holt, Rinehart & Winston, 1967, Capitulo 12, pp 150-160. {£ 61 Cootner, P.H., Random Character of Stock Market Prices, The M.I.T Press, 1960. L 7) Ewan, W.D. e K.W. Kemp, Sampling Inspection of Continuous Processes vith no Autocorrelation Between Successive Results, Biometrika, Vol. 47, 1960, pp 363-380. { 6) Foster, E., Sales Forecasts and the Inventory Cycle, Econometrica, Vol 31, No. 3, 1963, pp 400-421. [ 91 Johnson, N.I., A Simple Theortcat Approach to Cumulative Sum Charts, Journal of the American Statistical Association, Vol. 56, 1961, pp. 835-840. [10] Page, E.S., Continuous Inspection Schemes, Biometrika, Vol 41, 1954, pp 100-115. [11] Trigg, D.W., Monitoring a Forecast System, Operational Research Quarterly, Vol. 15, 1964, No. 3, pp 271-274. 12) Trigg. D.W., Exponential Smoothing with an Adaptive Response Rate, Operatinal Research Quarterly, Vol. 18, No. 1, 1967, pp. 53-59. [13] Wald, A., Sequential Analysis, John Wiley & Sons, Inc., 1047. [14] Woodward, R.J. @ P.L. Goldsmith, Cunulative Sum Techniques, Oliver and Boyd, Edinburgh, Scotland, 1964. FeyNotas do Tradutor. © traduter considera de bom alvitre a introdusio das presentes notas, nas quais procura facilitar o trabalho do leitor ne sentido de explicitar certas transformacSes matematicas. 1 - Passagem da express¥o A2 para A4 do texto do Apéndice Para proceder a passagem primeiramente fagamos a transformago de Az para: ee ere LE_¢x,-H,277207) -t hs Aplicando-se logaritmos neperianos na express&o acima, teremos: Ind - 1E¢x,-H277207) + LE_Gx,-H,2* 72073 =0 ou, desenvol vendo as expressdes entre as chaves z ieee Saye eee 2 2 Fim - beg - axy, + WP + BLE GH exH, + HD =O Reduzindo termos semelhantes e simplificando, teremos: 2 * 4 2 oF tm + CH? EGap - bn CUD = 0 Tirando-se o valor de £.¢x> 22 n Cue-pe> Finalmente é n -o? Und uot = te et cAs> Be BS Equas%o de uma reta cujos pardmetros linear e angular sao, respectivamente 122 ~ Determinagko da equac%o da envol vente. Para executarmos a determinas%o da envolvente, fagamos na equagKo A5 a seguinte substitui¢Ko, para maior comodidade de célculo: InlC1-—7ed = L © a equas8o ficar4 como abaixo: ¥ = St oe 1 © cujo parametro angular 6 ko —_ Trata-se de uma familia por que, variando-se k aparecer4 uma série de retas, cujo parametro linear varia inversamente com a varias3o de k, © © angular ao contrério, varia direta e proporcionalmente com k. Para determinar a equag%o da envolvente de uma familia de retas em relas&o a um parametro, ha que se resolver o sistema formado pela equag’o e a sua primeira derivada, em relag& ao pardmetro, igualada a zero, isto ¢ fen.y.k2 = 0 e f'Cn,y.k2 = 0 lege on. 7 ° ou + 2oL + k¥on = 0 ‘ Tirando-se o valor de k, teremos: ic ce ee SE vn 13Substituindo em C1) © simplificando, te! ye PE tev Finalmente y= oe Yn ou substituindo L pelo seu valor yeoVeinitipar Yn que € a equas%o de uma parabola de eixo de simetria coincidente com 0 eixo dos ne vértice & origem. 3 - Construgo da Tabela 1. Com a expressio Y2 Inti-—7al construimos uma Tabela de dupla entrada, em a e f, que definir& o valor da express%o de acérdo com es riscos de rejeitar uma mudanga verdadeira e o de aceitar uma falsa mudanga. CVide Tabela 1.>. 14ss x W | | I ‘ t I t ! t t ' I ' tL Familia: b&_.RE7AS CuTA ENVOLVENTE E° A PARABOLA who Zl) = z Ele) = oft bla Ja CPoreble) (Betas) to dnlo- pyre TE t