Este trabalho descreve - por meio do estudo de um caso - o problema da previsão de demanda de chamadas para um determinado produto no call center de uma grande empresa brasileira do setor - a Contax - e como ele foi abordado com o uso de Regressão Múltipla com variáveis dummy. Depois de destacar e justificar a importância do tema, o estudo apresenta uma breve revisão de literatura acerca de métodos de previsão de demanda e de sua aplicação em call centers. O caso é descrito, contextualizando, inicialmente, a empresa estudada e descrevendo, a seguir, a forma como ela lida com o problema de previsão de demanda de chamadas para o produto 103 - serviços relacionados à telefonia fixa. Um modelo de Regressão Múltipla com variáveis dummy é, então, desenvolvido para servir como base do processo de previsão de demanda proposto. Este modelo utiliza informações disponíveis capazes de influenciar a demanda, tais como o dia da semana, a ocorrência ou não de feriado e a proximidade da data com eventos críticos, como a chegada da conta à residência do cliente e seu vencimento; e apresentou ganhos de acurácia da ordem de 3 pontos percentuais para o período estudado, quando comparado com a ferramenta anteriormente em uso.

This work describes - with the aid of a case study -a demand forecast problem for a specific product reported to the call center of a large Brazilian company in an industry called Contax, and the way it was approached with the use of Multiple Regression using dummy variables. After highlighting and justifying the studied matter relevance, the article presents a small literature review regarding demand forecast methods and their use in the call center industry. The case is described presenting the studied company and the way it deals with the Forecasting Demand for a telephone all center regarding telephone services products. Therefore, a Multiple Regression with dummy variables model was developed to work as the basis of the proposed demand forecast process. This model uses available data capable of influencing the demand such as the week day, occurrence of holidays, and the date of critical events such as the date on which the bill is sent and the date of payment collect. The model presented an improvement of Demand Forecasting Accuracy of 0.3% in the studied period when compared to the previously tool in use

O objetivo deste trabalho é o de avaliar o efeito da dimensionalidade e da probabilidade de exercício de uma opção de compra européia, no ganho de precisão obtido com o uso da Amostragem Descritiva no apreçamento destas opções através de Simulação Monte Carlo, em lugar da abordagem tradicional da Amostragem Aleatória Simples. Após confirmar a ausência de viés nas estimativas, sua precisão foi avaliada pelo erro padrão destas estimativas. Os resultados obtidos mostram que a eficiência estatística das duas técnicas não é afetada pelo aumento da dimensionalidade do problema, não sofrendo perda de precisão com esta variação. No entanto, em relação ao preço de exercício, embora a Amostragem Descritiva tenha se mostrado mais eficiente do que a Amostragem Aleatória Simples, observou-se uma redução do ganho de precisão à medida que a probabilidade de exercício diminui. Embora os resultados aqui apresentados se atenham ao caso particular de uma opção européia, há evidências de que o mesmo tipo de comportamento em relação à dimensionalidade do problema e à probabilidade de exercício também se manifeste nos demais tipos de opção.

The purpose of this paper is to evaluate the effect of dimensionality and probability of exercise of a European call option on the precision improvements obtained by the usage of Descriptive Sampling on a Monte Carlo Simulation to price such derivative as opposed to the use of traditional Simple Random Sampling. After verifying the absence of bias, the precision of the estimates was assessed by their standard error. The results show that the statistical efficiency of both techniques is unaffected by an increase of dimensionality and maintain their level of precision. However, as to the exercise price, although Descriptive Sampling proved to be more efficient than Simple Random Sampling, the improvement weakens as the option’s exercise probability declines. Although this work relates to European options, other options should behave similarly in regard to dimensionality and exercise price.

A literatura de operações permanece sem concluir sobre a abordagem mais adequada de previsão de vendas (Top-Down ou Bottom-Up) para o dimensionamento de estoques de segurança. Nesse manuscrito são apresentados os resultados analíticos para a variância dos erros de previsão no tempo de resposta com amortecimento exponencial nessas duas abordagens. Os resultados apontam dois impactos complementares na variância do erro de previsão, e conseqüentemente, nos níveis de estoque de segurança: Efeito Portifólio e Efeito Ancoragem. O primeiro depende do coeficiente de correlação da demanda entre os produtos e o segundo, da constante de amortecimento e da participação das vendas do produto nas vendas totais. É analisado sob quais condições essas variáveis favoreceriam uma abordagem de previsão em detrimento da outra.

The operations literature continues on inconclusive as to the most appropriate sales forecasting approach (Top-Down or Bottom-up) for the determination of safety inventory levels. This paper presents the analytical results for the variance of the sales forecasting errors during the lead-time in both approaches. The forecasting method used was the Simple Exponential Smoothing and the results led to the identification of two supplementary impacts upon the forecasting error variance, and consequently, upon safety inventory levels: the Portfolio Effect and the Anchoring Effect. The first depends upon the correlation coefficient of demand between two individual items and the latter, depends upon the smoothing constant and upon the participation of the individual item in total sales. It is also analysed under which conditions these variables would favour one forecasting approach instead of the other.

As premissas comumente consideradas nos modelos de estoques - aderência da demanda no lead-time de suprimento à Distribuição Normal, média e desvio-padrão conhecidos e lead-time de suprimento discreto - são freqüentemente irrealistas e podem implicar substanciais distorções na gestão dos estoques de novos produtos, sobretudo nos custos totais e nos indicadores de nível de serviço. Considerando que as empresas simultaneamente estocam os novos produtos e aprendem ao longo do tempo sobre as características da distribuição da demanda no lead-time de suprimento, é desenvolvida nesse artigo a solução do modelo (Q,r) - tamanho de lote e ponto de pedido - para o caso da demanda e do lead-time de suprimento com Distribuição Uniforme. Por ser definida por meio de dois parâmetros mais intuitivos que a média e o desvio-padrão - máximo e mínimo - e representar situações em que qualquer resultado tem igual probabilidade de ocorrência, a premissa da Distribuição Uniforme pode constituir uma primeira abordagem prática para a gestão de estoques de novos produtos.

The premises commonly adopted in inventory management models - adherence of lead-time demand to Normal Distribution, known average and standard deviations, and discrete lead time - are often unrealistic and can lead to considerable distortions in new product inventories, particularly insofar as total costs and service level indicators are concerned. Considering that companies stock new products while simultaneously learning about the characteristics of lead-time demand distribution, this paper proposes the solution to the (Q,r) - order quantity and reorder point - inventory model for uniform demand and lead-time. The premise of Uniform Distribution is defined by two parameters that are more intuitive than mean and standard deviation - maximum and minimum - and it can also be applied when a result shows the same probability of occurring. Therefore, its adoption may be the first practical approach for new product inventory management.

O principal objetivo deste trabalho é avaliar a complementação do uso de técnicas de previsão de vendas com Redes Neurais Artificiais. Como aplicação, foi analisada a demanda industrial no setor de cerveja da Austrália. A maioria dos modelos de previsão atuam de forma isolada, ou seja, tratando problemas por enfoques que se excluem. A sugestão deste trabalho é utilizar estes métodos de forma cooperativa, buscando alcançar melhores resultados que aqueles obtidos individualmente. O trabalho inicia-se com considerações sobre previsões de séries temporais, caracterização breve sobre redes neurais e outros métodos de previsão. A seguir, o estudo de caso: uma série histórica de vendas de cerveja na Austrália. Encerra-se com uma conclusão e recomendações, e lista de referências bibliográficas.

The main goal of this article is to evaluate the complementation between forecasting techniques, in particular Neural Networks. The environment of the application is a foreign industrial sector, sales of beer in Australia. Most of the forecasting models act in a separate way, that is, treating problems through different views that exclude one another. The suggestion of this work is to use the methods in a cooperative way, looking forward to achieve better results. The article begins with some considerations on Time Series Studies, followed by a brief characterization of Neural Networks and the other methods used on this work. Continuing, the case is presented and discussed and finishing, conclusions and a list of references.