1. Início
  2. Faculdade de Ciências e Tecnologia
  3. Engenharia e Gestão Industrial
  4. Técnicas de Previsão

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

Horas

Semanais - 4

Totais - 56

Idioma de ensino

Português

Pré-requisitos

A disponibilizar brevemente

Bibliografia

Shmueli, G. (2018) Practical Time Series Forecasting. A Hands-on Guide. 3rd ed., Axelrod Schnall Publishers.

Keating B. e Wilson J.H. (2019) Forecasting and Predictive Analytics. Boston, McGraw Hill Education.

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, 3rd ed., Englewood Cliffs, Prentice-Hall.

Método de ensino

Os conceitos são discutidos nas aulas teóricas, usando predominantemente exemplos de aplicação. 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 desta unidade curricular inclui duas componentes:

  • Avaliação teórico-prática (testes T1 e T2) – 50% da nota final

  • Avaliação laboratorial (4 trabalhos de grupo) – 50% da nota final

Cálculo da nota final com as respetivas ponderações:

         Nota final = 0,25 T1 + 0,25 T2 + 0,10 Trb1 + 0,10 Trb2 + 0,20 Trb3 + 0,10 Trb4

A nota de cada componente de avaliação é arredondada às centésimas.

Datas: T1 – 3 de novembro      e     T2 – 2 de dezembro          (sujeitas a confirmação).

Frequência: obtida se a média dos trabalhos de grupo for pelo menos 9,5 valores.

Aprovação: o estudante tem de obter pelo menos 9,5 valores na avaliação teórico-prática; caso contrário, terá ainda a possibilidade de realizar o Exame de Recurso.

Conteúdo

  1. 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.
  2. Séries cronológicas de vendas. Identificação de componentes. Tratamento de valores extremos.
  3. Avaliação da precisão da previsão. Medidas do erro de previsão absolutas e relativas. Autocorrelação e funções de autocorrelação (ACF).
  4. Métodos univariados sem tendência e sem sazonalidade. Médias móveis simples. Médias móveis ponderadas. Alisamento exponencial simples.
  5. Métodos univariados com tendência e sem sazonalidade. Método de regressão linear. Estimativa da tendência com diferenças. Modelo de Brown. Modelo de Holt.
  6. 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.
  7. Modelos e aplicações ARIMA.Considerações especiais da previsão.