Pular para conteúdo

6. Configuração estatística manual

Configurar o modelo estatístico

Acompanhe a demonstração e consulte os passos detalhados neste capítulo.

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.

Ordem de seleção do perfil, cluster de locations e cluster de materiais

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.

Manual não significa coeficiente arbitrário

Na Community Edition o modelo de forecast é escolhido manualmente mas seus parâmetros (no caso do Holt Winters, Alpha, Beta e Gamma) podem ser calculados automaticamente. Só fixe coeficientes quando houver backtest, critério de comparação e governança para sustentá-los.

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.

Opções reais de modelos estatísticos disponíveis na Edição Community

2. Configurar o modelo estatístico de papel branco

Ação necessária

Use papel branco como caso de referência: percorra todos os blocos, ajuste os campos abaixo e salve somente depois de conferir o conjunto completo.

Preencha os campos Community:

Bloco Campo Valor
Cluster Selection Execute Demand Plan ligado
Forecast Split Split Model Historical Sales
Forecast Split Days for Top-Down Split 1.095
Forecast Model Parametrization Forecast Model Holt-Winters
Forecast Model Parametrization Unit of Measure TON
Holt-Winters Alpha, Beta e Gamma Automatic selection
Sales History and Coverage Days of Historical Sales 1.095
Sales History and Coverage Consider inactive DFUs desligado
Sales History and Coverage Generate forecast for out-of-line products desligado

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

Campos Community da configuração Holt-Winters

Clique Save Parameters e aguarde a mensagem de sucesso.

3. Gerar a prévia do forecast para papel branco

Ação necessária

Ajuste o período de referência para December / 2026 e clique a ação Generate Forecast Preview destacada na captura.

  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.

Dezembro de 2026 e ação de gerar a prévia

Erro retroativo real da prévia de Papel branco

Forecast Preview real para dezembro de 2026

Seasonality Comparison real para dezembro de 2026

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:

Indicador exibido Resultado Como interpretar
Total Sales at Lag 1.794,7 TON Venda observada em dezembro de 2026
Total Bias at Lag -40,8 TON O baseline ficou abaixo do realizado agregado
% Bias at Lag -2,3% O desvio agregado equivale a 2,3% das vendas do mês
% MAPE at Lag 7,0% Erro absoluto agregado nas 48 séries material-location

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

Ação necessária

Reutilize a configuração de papel branco como referência. Troque somente o Product Cluster, confirme os mesmos parâmetros e gere a evidência própria de 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. Na execução mostrada na animação, dezembro de 2026 com Lag 0 apresenta 470,9 TON de vendas, bias de -28,7 TON, bias percentual de -6,1% e % MAPE de 9,5%. Os resultados dependem dos dados e da execução.

As imagens a seguir registram outra execução e, por isso, mostram indicadores diferentes dos apresentados na animação.

Erro retroativo real da prévia de Tissue

Forecast Preview real de Tissue para dezembro de 2026

Comparação sazonal de tissue na prévia atual

A execução da animação subestima dezembro em 6,1%. 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.