Técnicas de Previsão
Objetivos
A UC tem como objetivo dotar os estudantes de conhecimentos relativos à aplicação de técnicas de previsão, fundamentalmente para apoiar a tomada de decisão ao nível da gestão. Compreende uma introdução à teoria e aos métodos de previsão. Tem um cariz essencialmente de aplicação, pelo que são usados exemplos, análise de casos de estudo e resolução de problemas.
Pretende-se que no final da lecionação da UC os estudantes tenham adquirido competências que lhes permitam compreender como é que a aplicação de técnicas de previsão contribui positivamente na eficácia e na eficiência da gestão das organizações, ter uma visão geral de um conjunto abrangente de técnicas de previsão e uma perceção dos pontos fortes e fracos de cada técnica e, ainda, que desenvolvam aptidões que lhes permitam selecionar os modelos de previsão mais adequados à especificidade quer dos dados a modelar quer dos objetivos que se pretendem da previsão. Pretende-se igualmente que os estudantes sejam capazes de identificar quer a importância da previsão da procura na gestão da cadeia de abastecimento quer os aspetos relevantes no que diz respeito aos problemas de implementação e operacionalização de sistemas de previsão de larga escala quando utilizados na gestão eficiente de produtos e serviços.
Caracterização geral
Código
7201
Créditos
6.0
Professor responsável
Ana Paula Ferreira Barroso, António Carlos Bárbara Grilo
Horas
Semanais - 4
Totais - 61
Idioma de ensino
Português
Pré-requisitos
A disponibilizar brevemente
Bibliografia
Hanke J. E. e Wichern D. W. (2009) Business Forecasting. Pearson International Edition.
Wilson J.H., Keating B. e Galt J. (2009) Business Forecasting with ForecastX. McGraw Hill.
Hoshmand A. R. (2010) Business Forecasting. A practical approach. Routledge, Taylor & Francis Group.
DeLurgio S. A. (1998) Forecasting Principles and Applications. Irwin McGraw-Hill.
Box G.E.P., Jenkins G.M. e Reinsel G. C. (1994) Time Series Analysis, Forecasting and Control, 3th ed., Englewood Cliffs, Prentice-Hall.
Método de ensino
Os conceitos são apresentados nas aulas teóricas, adotando fundamentalmente o método expositivo. Frequentemente são colocadas questões, para estimular a participação dos estudantes e avaliar e controlar a aquisição de conhecimentos.
Nas aulas práticas são resolvidos casos de estudo e exercícios, adotando o método experimental. São utilizadas aplicações informáticas e o método ativo. A análise dos trabalhos é frequentemente efetuada em aula.
Método de avaliação
A avaliação da unidade curricular inclui duas componentes de avaliação, avaliação teórico-prática (testes, T1 e T2) e avaliação laboratorial (3 trabalhos em grupo, TGr1, TGr2, TGr3), com a ponderação na nota final de 50 e 50%, respetivamente.
Nota final = 0,25 T1 + 0,25 T2 + 0,15 TGr1 + 0,10 TGr2 + 0,25 TGr3
A nota de cada componente de avaliação é arredondada às décimas.
Para dispensar de exame final, a nota da componente de avaliação teórico-prática deverá ser no mínimo de 9,5 valores.
A frequência, válida por 1 ano, é obtida pela presença em pelo menos 9 aulas teóricas e 9 aulas práticas e nota média superior a 9,5 valores nos trabalhos TGr1, TGr2 e TGr3.
Conteúdo
- Importância da previsão no planeamento. Tipos de previsão. Métodos de previsão qualitativos e quantitativos. Metodologia de desenvolvimento de um modelo de previsão. Elementos estatísticos para a previsão.
- Séries cronológicas de vendas. Identificação de componentes. Tratamento de valores extremos.
- Avaliação da precisão da previsão. Medidas do erro de previsão absolutas e relativas. Autocorrelação e funções de autocorrelação (ACF).
- Métodos univariados sem tendência e sem sazonalidade. Médias móveis simples. Médias móveis ponderadas. Alisamento exponencial simples.
- Métodos univariados com tendência e sem sazonalidade. Método de regressão linear. Estimativa da tendência com diferenças. Modelo de Brown. Modelo de Holt.
- Métodos univariados com tendência e sazonalidade. Modelo de Holt-Winters. Modelos de decomposição clássica do tipo multiplicativo e do tipo aditivo. Decomposição de uma série usando regressão linear múltipla.
- Modelos e aplicações ARIMA.