6. Configuração estatística manual

Neste treinamento, você configurará um modelo estatístico para os papéis Sulfite (Papel branco) e outro para os papéis da família Tissue. Em seguida, validará uma versão preliminar do forecast sem ainda gerar efetivamente um plano de demanda.

Para isso, usará o perfil mensal criado no capítulo 5 com as duas combinações formadas no capítulo 4.

1. Abrir as configurações estatísticas por combinação

Abra Demand Planning > Cluster-Level Configuration.

Nesta tela, Product Cluster é o rótulo exibido para o cluster de materiais.

1. Selecione Execution Profile = PD_MENSAL_TUTORIAL.
2. Selecione Location Cluster = Default Location Cluster. Ele é cluster padrão de locations, que pela ausência de clusters mais específicos inclui todas as locations cadastradas.
3. Selecione Product Cluster = Produtos acabados de papel branco.
4. Aguarde a configuração salva ser carregada antes de editar.

Depois da terceira seleção, a plataforma carrega os parâmetros salvos para a combinação. Só então os blocos Forecast Split, Forecast Model Parametrization, Sales History and Coverage e Simulation Parameters aparecem para edição e teste.

Configurações estatísticas por combinação de clusters

• Unit of Measure TON: converte o histórico de Vendas (carregado em KG) para unidade selecionada através da conversão global carregada de 1 TON = 1.000 KG, permitindo analisar o forecast em toneladas.
• Holt-Winters: representa nível, tendência e sazonalidade mensal. Consulte o catálogo interno de modelos e o material conceitual sobre métodos sazonais.
• Histórico de 1.095 dias: cobre aproximadamente os três anos do cenário.
• Split por Historical Sales: é o modelo disponível na Community para desagregar o forecast agregado até material-location.

Ao abrir Forecast Model, a Edição Community apresenta cinco opções manuais: Moving Average, Rolling Moving Average, ARIMA, Holt-Winters e Exponential Smoothing. Os campos com selo PRO ficam visíveis para contextualizar a tela, mas permanecem bloqueados e não fazem parte deste exercício.

2. Configurar o modelo estatístico de papel branco

Preencha os campos Community:

Com Holt-Winters selecionado, os controles Alpha, Beta e Gamma aparecem logo abaixo do modelo. Mantenha os três em Automatic selection.

Clique Save Parameters e aguarde a mensagem de sucesso.

3. Gerar a prévia do forecast para papel branco

1. Em Reference Period, selecione December / 2026.
2. Clique Generate Forecast Preview.
3. Confirme a mensagem Forecast preview generated for 48 material-location series.
4. Em Forecast Lag (# periods) for Error Calculation, mantenha Lag 0 — 2026-12-31.
5. Leia os quatro cartões e os dois gráficos antes de abrir a tabela detalhada.

Esta execução executa o modelo de forecast para um período passado e permite uma validação retroativa da qualidade do modelo. Com December / 2026 como referência, o modelo usa as vendas até novembro de 2026 para produzir o baseline de dezembro. As vendas reais de dezembro não entram na geração do forecast; são usadas depois apenas para medir o erro.

No resultado reproduzido para papel branco:

O gráfico Forecast Preview conecta o histórico à projeção e evidencia a direção estimada pelo modelo. Seasonality Comparison coloca os meses dos anos lado a lado para revelar se o padrão sazonal projetado continua coerente com o histórico. A tabela abaixo dos gráficos permite descer do cluster para cada DFU material-location e localizar onde o erro se concentra.

Como o forecast é distribuído entre produtos e clientes individuais?

Uma DFU (Demand Forecasting Unit) é cada combinação material-location que representa o nível mais desagregado do plano de demanda. Neste tutorial, as vendas estão registradas em seis locations do tipo End Client; cada DFU combina um produto com uma dessas locations. Uma location pode representar um cliente ou uma região de demanda, conforme o cadastro. O modelo calcula primeiro o forecast agregado no nível cluster (e.g. Default Location Cluster x Produtos acabados de papel branco). Em seguida, o split Historical Sales distribui cada período entre as DFUs de acordo com suas proporções no histórico configurado.

flowchart TB
  A["Série agregada no nível cluster<br/><strong>Jan 100 · Fev 120 · Mar 110 · Abr 130 TON</strong>"] --> S["Split Historical Sales<br/><span style='font-size:10px;color:#64748b'>proporções históricas aplicadas a cada período</span>"]
  S --> D1["DFU: Produto A × Cliente Norte · 45%<br/><strong>Jan 45 · Fev 54 · Mar 49,5 · Abr 58,5 TON</strong>"]
  S --> D2["DFU: Produto A × Cliente Sul · 35%<br/><strong>Jan 35 · Fev 42 · Mar 38,5 · Abr 45,5 TON</strong>"]
  S --> D3["DFU: Produto B × Cliente Norte · 20%<br/><strong>Jan 20 · Fev 24 · Mar 22 · Abr 26 TON</strong>"]

  classDef aggregate fill:#0b1b2e,stroke:#00bcd4,color:#ffffff,stroke-width:2px;
  classDef split fill:#e8f8f5,stroke:#00a98f,color:#0f172a,stroke-width:2px;
  classDef dfu fill:#f2efff,stroke:#7c5cff,color:#0f172a;
  class A aggregate;
  class S split;
  class D1,D2,D3 dfu;

Os percentuais são ilustrativos. O ponto central é que a soma das DFUs-filhas permanece igual à série agregada que as originou. Como as proporções vêm da base de vendas históricas, o planejador deve revisar o resultado quando houver lançamentos, descontinuações ou mudanças relevantes no mix de clientes e produtos.

Para aprofundar o método, consulte níveis de forecast e clusters, modelos estatísticos e modelos de split.

4. Repetir a configuração para tissue

1. Troque apenas Product Cluster para Produtos acabados de papel tissue.
2. Aguarde a configuração da nova combinação ser carregada.
3. Repita os mesmos valores de modelo, UOM, janelas e cobertura.
4. Clique Save Parameters.
5. Gere a prévia do forecast para December / 2026 e confirme a mensagem Forecast preview generated for 12 material-location series.
6. Confira o resultado agregado de tissue: 470,9 TON de vendas, bias de -91,8 TON, bias percentual de -19,5% e % MAPE de 19,6%.

A prévia atual de tissue subestima dezembro em 19,5% e tem erro maior que o papel branco. O cenário mantém o modelo para ensinar a comparação; esses indicadores não constituem aprovação do forecast para uso operacional.

Interpretação e governança

Os dois clusters começam com o mesmo modelo para permitir comparação controlada. Isso não prova que Holt-Winters seja o vencedor permanente. Em uma rotina madura, o planner compara o erro fora da amostra, investiga viés e estabilidade, registra exceções e revisa parâmetros quando o comportamento da demanda muda.

Falhas de unidade, ausência de histórico ou cluster vazio devem interromper a validação. Não aceite uma prévia zerada como sucesso silencioso.

Checkpoint

• perfil PD_MENSAL_TUTORIAL mensal e com 12 períodos salvo como configuração geral;
• duas configurações estatísticas separadas, uma para cada combinação do Default Location Cluster com os clusters de papel branco e tissue;
• parâmetros Holt-Winters e Unidade de Medida TON salvos em ambas as configurações;
• Alpha, Beta e Gamma em seleção automática;
• prévias retroativas do forecast para dezembro de 2026 geradas e lidas sem criar Demand Plan;
• execução do plano ainda fora do escopo.

No próximo capítulo, você usará as configurações validadas para gerar efetivamente o Demand Plan de janeiro de 2027. Volte ao mapa do curso ou continue para 7. Executar o Demand Plan.