aplicaÇÃo de tÉcnicas de previsÃo de demanda em...

115
UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA COMISSÃO PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA Autor: Henrique Cury Casula. APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM MANUFATURA: ESTUDO DE CASO EM UMA INDÚSTRIA DE LAMINADOS Campinas, 2012 35/2012

Upload: lyque

Post on 09-Nov-2018

228 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA MECÂNICA

COMISSÃO PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA

Autor: Henrique Cury Casula.

APLICAÇÃO DE TÉCNICAS DE PREVISÃO

DE DEMANDA EM MANUFATURA:

ESTUDO DE CASO EM UMA INDÚSTRIA

DE LAMINADOS

Campinas, 2012

35/2012

Page 2: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

i

Henrique Cury Casula

APLICAÇÃO DE TÉCNICAS DE PREVISÃO

DE DEMANDA EM MANUFATURA:

ESTUDO DE CASO EM UMA INDÚSTRIA

DE LAMINADOS

Dissertação de mestrado acadêmico apresentado à

comissão de Pós Graduação da Faculdade de

Engenharia Mecânica, como requisito para a

obtenção do título de mestre em Engenharia

Mecânica.

Área de Concentração: Materiais e Processos de

Fabricação

Orientador: Prof. Dr. Antonio Batocchio.

Campinas

2012

Page 3: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

ii

FICHA CATALOGRÁFICA ELABORADA PELA

BIBLIOTECA DA ÁREA DE ENGENHARIA E ARQUITETURA - BAE - UNICAMP

C179a

Casula, Henrique Cury

Aplicação de técnicas de previsão de demanda em

manufatura: estudo de caso em uma indústria de

laminados / Henrique Cury Casula. --Campinas, SP:

[s.n.], 2012.

Orientador: Antonio Batocchio.

Dissertação de Mestrado - Universidade Estadual de

Campinas, Faculdade de Engenharia Mecânica.

1. Previsão de vendas. 2. Análise de séries temporais.

3. Programação não linear. 4. Demanda (Teoria

econômica). 5. Oferta e procura. I. Batocchio, Antonio.

II. Universidade Estadual de Campinas. Faculdade de

Engenharia Mecânica. III. Título.

Título em Inglês: Application of techniques for forecasting demand in

manufacturing: a case study in an industry of rolled laminates

Palavras-chave em Inglês: Sales Forecasting, Time series analysis, Nonlinear

programming, Demand (Economic theory), Supply and

demand

Área de concentração: Materiais e Processos de Fabricação

Titulação: Mestre em Engenharia Mecânica

Banca examinadora: João Mauricio Rosario, Marcos Ricardo Rosa Georges

Data da defesa: 25-01-2012

Programa de Pós Graduação: Engenharia Mecânica

Page 4: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

iii

UNIVERSIDADE ESTADUAL DE CAMPINAS

FACULDADE DE ENGENHARIA MECÂNICA

COMISSÃO PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA

DEPARTAMENTO DE ENGENHARIA DE FABRICAÇÃO

DISSERTAÇÃO DE MESTRADO ACADÊMICO

APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE

DEMANDA EM MANUFATURA: ESTUDO DE

CASO EM UMA INDÚSTRIA DE LAMINADOS

Autor: Henrique Cury Casula.

Orientador: Prof. Dr. Antonio Batocchio.

Campinas, 25 de Janeiro de 2012

Page 5: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

iv

Dedicatória:

Dedico esse trabalho aos meus pais que devido ao suporte, empurrões e amor

tornaram tudo possível.

Page 6: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

v

Agradecimentos

As oportunidades e conquistas de hoje são graça ao voto de confiança dado pelo

orientador, mestre e amigo professor Antonio Batocchio, meus sinceros agradecimentos por

todas as oportunidades e a porta sempre aberta.

A CAPES pelo suporte financeiro durante essa jornada.

Aos colaboradores da companhia Norte, sem os mesmos esse trabalho não seria

possível da maneira como o é.

Há pessoas que fazem seu caminho mais fácil, há as que apontam o caminho e as que

te deixam tropeçar para te ver levantar mais forte. Há ainda aquelas que te ensinam a

aprender, as que caminham ao seu lado, as que passam correndo e te dão um empurrão, as

que só cruzam o seu caminho, há também as que simplesmente pegam sua mão e andam um

pedaço dele com você para depois tomar outra direção. A todas elas meu agradecimento.

Pois, contribuíram e contribuem para as minhas próprias decisões. Dessas, gostaria de citar

algumas poucas aqui:

Aos professores, amigos, funcionários, colegas e companheiros da Unicamp, minha

casa em muitos momentos desses últimos 8 anos. Muito obrigado!

Aos amigos de faculdade em ordem de quem primeiro apareceu em meu caminho:

Caio Frizzone, Luiz Matheus, Gustavo Panosso, Felipe Gorla, Bruno Tibério, Maurílio

Cassiani, Guilherme Mello, Cassio Murillo, Eduardo Becker, Leonardo Massaguer, Matheus

Pascoal...

E em especial ao meu Pai Nelson Casula, por ter sido sempre referência e porto seguro

e a minha mãe Maria Christina, pelo amor, pelos puxões de orelha e incentivo. A minha irmã

Ligia que é em muitos aspectos o que eu deveria ser. E a todas as minhas outras irmãs,

irmãos, pais e mães da minha fantástica família.

Page 7: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

vi

Somos o que queremos ser, “a excelência não é um ato, mas um hábito”.

Aristóteles

Page 8: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

vii

Resumo

A previsibilidade é uma importante ferramenta que os tomadores de decisão buscam nas

suas escolhas. Entende-se a tomada de decisão como o processo de identificação de um

problema ou de uma oportunidade e a seleção de uma linha de ação para resolvê-la ou de

alteração dos objetivos e metas a fim de superá-las. Visando o auxilio a decisões de

dimensionamento da cadeia de suprimentos será apresentado um estudo de caso de aplicação de

modelos estatísticos em séries temporais para gerar cenários futuros, os riscos inerentes e os erros

de previsão. Os dados matemáticos foram ajustados com os especialistas da empresa em estudo

que acrescentaram informações não presentes nas séries temporais, como informações de

mercado, gerando assim a previsão fim para as decisões. O trabalho foi aplicado em uma

manufatura para o auxilio no dimensionamento do seu centro de distribuição para comportar o

crescimento de longo prazo.

Palavras chave: Previsão de vendas; Análise de séries temporais; Programação não linear;

Demanda (teoria econômica); Oferta e procura.

Page 9: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

viii

Abstract

Predictability is an important tool for decision makers in their choices. The decision-

making is the process of identifying a problem or an opportunity and the selection of a course of

action to solve it or change the goals and objectives in order to overcome them. In order to help

of design decisions in the supply chain will be presented to the application of statistical models in

time series to generate future scenarios, the risks and the forecast errors. The mathematical data

were fitted with the company's experts added information not present in time series, such as

market information, thereby generating the prediction order for decisions. The method was

applied in a manufacturing to design your distribution center to accommodate the long-term

growth.

Key Words: Sales Forecasting; Time series analysis; Nonlinear programming; Demand(Economic

theory); supply and demand.

Page 10: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

ix

Lista de Figuras

Figura 1 – Classificação da demanda (adaptado de BALLOU, 2006) ........................................................... 9

Figura 2 – ‘a’, ‘b’ e ‘c’ mostram os tipos de demandas regulares e ‘d’ um exemplo de demanda irregular.

(Adaptado de BALLOU, 2006) .................................................................................................................... 10

Figura 3 – Modelos de previsão de demanda (Adaptado de Davis 2003). ................................................... 17

Figura 4. Demanda histórica mensal de um produto consistindo de um crescimento com tendência, fator

cíclico e demanda sazonal (Davis 2003) ...................................................................................................... 20

Figura 5. Tipos básicos de tendências (Davis 2003) .................................................................................... 21

Figura 6 – Processo de tomada de decisão (LACHTERMARCHER 2009). ............................................... 33

Figura 7 – Processo de resolução de um problema ( Lanchtermacher, 2009), ............................................. 37

Figura 8 – Exemplo generalizado de método cientifico estudo de caso (JUNG 2009). ............................... 49

Figura 9 - Envolvidos na implantação da previsão de vendas (adaptado de Fragoso 2009) ........................ 53

Figura 10 – Passos para previsão de demanda de vendas na tomada de decisão (próprio autor). ................ 64

Figura 11 – Organograma resumido da empresa. Apresentando as posições mais envolvidas no estudo. .. 66

Figura 12 – Levantamento dos dados históricos de janeiro de 2004 a junho de 2010 para a Família 12. ... 71

Figura 13 – Levantamento dos dados históricos dos últimos 6,5 anos para a Família 14. É de fácil

observação que a sua demanda é irregular ou especial. ............................................................................... 72

Figura 14 – Levantamento dos dados históricos dos últimos 6,5 anos para a Família 27 e Identificação dos

valores espúrios para a sua posterior substituição pelas médias do ano. ...................................................... 73

Figura 15 – Gráfico de barras e de linhas para a família 12, o período escolhido foi anual para

identificação de possíveis sazonalidades da demanda. ................................................................................ 74

Figura 15 – Função objetiva a ser otimizada e variáveis de otimização. ..................................................... 80

Figura 16 – Equacionamento no solver do Excel. ........................................................................................ 80

Figura 17 - Regressão linear corrigida para a família 1. .............................................................................. 82

Figura 18 – Modelo de Winter para a família 1. .......................................................................................... 82

Figura 19 – Previsão agregada matemática x previsão ajustada das famílias para o centro de trabalho 1. .. 84

Figura 20 – Previsão agregada matemática x previsão ajustada das famílias para o centro de trabalho 2. .. 85

Figura 21 – Previsão agregada matemática x previsão ajustada das famílias para o centro de trabalho 3. .. 85

Page 11: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

x

Lista de Tabelas

Tabela 1 – Disposição dos dados históricos (em metros lineares) em uma única coluna, a figura mostra a

família de número 1. .................................................................................................................................... 76

Tabela 2 – Aplicação da função Projelin do Excel, nos dados da tabela 1, para o retorno do nível e

tendência da série. ........................................................................................................................................ 77

Tabela 3 – Exemplo de alguns modelos matemáticos utilizados. ................................................................ 78

Tabela 4 – Erro médio para as diversas famílias de produtos. ..................................................................... 81

Tabela 5 – Previsão matemática agregada para a família de produtos 2 e previsão já ajustada. .................. 83

Tabela 6 – Analise dos erros puramente quantitativos para os últimos 6 meses de 2010. Comparação entre

os dados da previstos e os dados reais. ......................................................................................................... 86

Lista de Figuras Anexo A

Figura A 1 – Equacionamento da regressão linear corrigida para fator de sazonalidade 12 no Excel®. ..... 97

Figura A 2 – Equacionamento para a suavização exponencial dupla de Holt no Excel®............................ 97

Figura A 3 – Winter Passo 1 - Equacionamento para a o modelo de Holt-Winter para período sazonal de

12 meses no Excel®. ................................................................................................................................... 98

Figura A 4 – Winter Passo 2 - Equacionamento para a o modelo de Holt-Winter para período sazonal de

12 meses no Excel®. ................................................................................................................................... 98

Figura A 5 – Winter Passo 3 parte 1- Equacionamento para a o modelo de Holt-Winter para período

sazonal de 12 meses no Excel®. ................................................................................................................. 99

Figura A 6 – Winter Passo 3 parte 2- Equacionamento para a o modelo de Holt-Winter para período

sazonal de 12 meses no Excel®. ................................................................................................................. 99

Page 12: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

xi

Lista de Abreviaturas e Siglas

Letras Latinas

D – demanda real de determinado período

F – previsão final para um determinado período

I – índice de sazonalidade para um determinado período

L – período completo de observação da sazonalidade

N – número de períodos considerados

S – Previsão inicial sem tendência para determinado período

T – tendência para um determinado período

t – período de tempo atual

Letras Gregas

α – constante de ponderação exponencial

β – coeficiente de ponderação para a tendência

γ – coeficiente de ponderação para a tendência

Abreviações

DMAIC – Define, Measure, Analyze, Improve, Control

ERP – Enterprise Resource Planning

Page 13: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

xii

MRP – Materials Resource Planning

S&OP – Sales and Operation Planing - (Planejamento de Vendas e Operações)

PCP – Planejamento e Controle da Produção

PCM – Planejamento e Controle de Materiais

PIB – Produto Interno Bruto

VBA – Visual Basic for Aplication

DAM – Desvio Absoluto Médio

MNQ – Mínimos Multiplos Quadrados

Page 14: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

xiii

SUMÁRIO

1 INTRODUÇÃO ....................................................................................................................... 1

1.0 Caracterização do ambiente da proposta ....................................................................... 1

1.1 Formulação do problema ............................................................................................... 2

1.2 Objetivo Geral ............................................................................................................... 2

1.3 Objetivos Específicos .................................................................................................... 2

1.4 Justificativa .................................................................................................................... 3

1.5 Plano de trabalho, viabilidade e importância. ................................................................ 4

2 REVISÃO DA LITERATURA ................................................................................................ 6

2.0 Introdução ...................................................................................................................... 6

2.1 Da Demanda .................................................................................................................. 7

2.2 Da Capacidade ............................................................................................................. 11

2.2.1 A Capacidade e a Demanda ................................................................................. 11

2.3 Da Previsão de vendas e o planejamento da demanda ................................................. 12

2.4 Técnicas de Previsão de demanda ............................................................................... 16

2.4.1 Modelo Qualitativo .............................................................................................. 17

2.4.2 Modelos Causais .................................................................................................. 19

2.4.3 Modelos Quantitativos ......................................................................................... 19

2.4.4 A utilização de técnicas subjetivas no fechamento do modelo quantitativo ........ 30

2.5 Programação Linear e Não Linear na Tomada de Decisão .......................................... 31

2.5.1 Tomada de Decisão. ............................................................................................. 32

2.5.2 A Programação Linear ......................................................................................... 34

2.6 S&OP ........................................................................................................................... 42

2.7 A Cadeira de Suprimentos ........................................................................................... 46

Page 15: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

xiv

3 METODOLOGIA .................................................................................................................. 48

3.0 Método cientifico ......................................................................................................... 49

3.1 Iniciativa ...................................................................................................................... 51

3.2 Definição do problema ................................................................................................ 52

3.3 Formação da equipe de previsão .................................................................................. 53

3.2.1 Patrocinador ............................................................................................................... 53

3.2.2 Consultor externo ....................................................................................................... 53

3.2.3 Facilitador .................................................................................................................. 54

3.2.4 Equipe ........................................................................................................................ 55

3.4 Levantamento das informações ................................................................................... 56

3.5 Análise preliminar ....................................................................................................... 58

3.6 Escolha do pacote computacional e modelagem para a programação linear ............... 59

3.7 Modelos matemáticos .................................................................................................. 60

3.8 Previsão matemática otimizada e validação do(os) modelo(os) .................................. 61

3.9 Ajuste e revisão............................................................................................................ 61

3.10 Reunião de fechamentos e decisões ............................................................................. 63

4 RESULTADOS E DISCUSSÃO ........................................................................................ 65

4.0 Introdução .................................................................................................................... 65

4.1 Empresa objeto do estudo ............................................................................................ 65

4.2 Aplicando a Metodologia ............................................................................................ 66

4.2.0 Iniciativa .............................................................................................................. 66

4.2.1 Definição do problema......................................................................................... 67

4.2.2 Definição da equipe de previsão .......................................................................... 68

4.2.3 Levantamento das Informações ........................................................................... 70

4.2.4 Analise Preliminar ............................................................................................... 71

4.2.5 Escolha do pacote computacional voltado à programação linear. ....................... 75

4.2.6 Modelos Matemáticos .......................................................................................... 75

Page 16: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

xv

4.2.7 Previsão Matemática Otimizada e Validação do Modelo .................................... 78

4.2.8 Ajuste e revisão .................................................................................................... 83

4.2.9 Reunião de fechamento e decisões ...................................................................... 87

5 CONCLUSÃO E SUGESTÕES DE TRABALHOS FUTUROS .................................... 88

5.0 Conclusão .................................................................................................................... 88

5.1 Sugestões de trabalhos futuros ..................................................................................... 89

REFERÊNCIAS ............................................................................................................................ 91

ANEXO A ...................................................................................................................................... 97

Page 17: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

1

1 INTRODUÇÃO

1.0 Caracterização do ambiente da proposta

A particularidade que cada linha de produto de uma companhia apresenta em

relação ao mercado leva a utilização de diversos modelos de previsão de demanda, desde

regressões lineares simples, passando por modelos mais complexos de sazonalidade e

redes neurais e com isso, a dificuldade de se ajustar os modelos de previsão de demanda,

como na escolha de suas constastes de suavização, tendência e de nível, fazendo-se cada

vez mais necessário a utilização de um suporte a decisão, quanto mais segmentado o seu

mercado e quanto mais de cada linha de produto a empresa possui.

Este trabalho propõe um estudo de aplicação de métodos de previsão de demanda

de vendas, utilizando o ambiente Excel™ no desenvolvimento de modelos matemáticos

de projeções de séries históricas. Os modelos de projeção de séries históricas adotados

buscam a melhor aderência dos dados e foram formatados para aplicação de programação

não linear.

A partir dos modelos criados de previsão de demanda de vendas e do seu resultado

final, pretende-se auxiliar o empreendedor na tomada de decisões coorporativas de

dimensionamentos. As decisões baseiam-se em uma lógica simples, como por exemplo,

no dimensionamento da produção necessária para atender a projeção de venda, das

matérias primas que serão necessárias para atender a produção e do estoque físico

necessário para garantir o fornecimento dentro da política de estoque da companhia, giro

e prazo de entrega.

Por fim o método constitui-se um sistema de suporte à decisão do negócio que é a

base para solução de diversos problemas de dimensionamento nas empresas.

Page 18: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

2

1.1 Formulação do problema

Através da previsão de demanda de vendas deve-se solucionar problemas de

decisões na companhia relacionados principalmente ao dimensionamento da sua cadeia de

suprimentos no nível matéria prima, produção e estoque. O estudo de caso foi a aplicação

de diversos métodos para dimensionar um centro de distribuição real onde a principal

variável é o número de posições de paletes do seu estoque.

1.2 Objetivo Geral

O objetivo é através da sistematização da aplicação de métodos previsão de

demanda de vendas dar suporte ao responsável por projetos de expansão da companhia á

tomada de decisão. O modelo utiliza apenas séries temporais, as variáveis mercadológicas

e de planejamento de investimentos deverão ser contempladas em reunião entre o

departamento comercial, planejamento e produção e serão um ajuste ou limitante externo

a previsão puramente matemática.

Este trabalho busca, ainda, aplicar os conceitos de previsão de demanda com

auxilio de ferramentas e algoritmos de pesquisa operacional, particularmente de

programação não linear, como ferramenta para otimização e ajuste das curvas, a partir de

dados reais.

1.3 Objetivos Específicos

Identificar alguns dos métodos de previsão de demanda mais comuns, e suas

possíveis aplicações.

Aplicação de diversas metodologias existentes para auxilio na tomada de decisão

de dimensionamento em uma companhia (metodologias quantitativas).

Page 19: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

3

Coleta dos dados necessários ao modelo como: dados históricos de vendas dos

diferentes tipos de produtos ou famílias da companhia.

Modelagem matemática de séries temporais de modo a comportarem otimizações

nas suas constantes de nível, tendência e sazonalidade.

Aplicação de dados qualitativos como auxilio no fechamento do modelo

matemático objetivando a maior precisão ao se agregar inteligências intrínsecas as

variáveis da companhia, como variáveis de produção, variáveis financeiras e extrínsecas

como variáveis mercadológicas (inteligência de mercado), entrada de novos players,

novos produto, entre outros.

1.4 Justificativa

Todos os anos, semestres, ou meses, os executivos de companhias se deparam com

os mesmos questionamentos: ‘que metas deveremos ter para o próximo período?’ ‘Como

alcançá-las?’ ‘Como dimensionar com maior precisão meus futuros investimento e

controlar meu orçamento?’ Para tanto, muitas empresas reconhecem a importância da

previsão de demanda em todos os níveis de uma organização. Está diretamente

relacionada a quase todos os tipos de planejamento da companhia, desde os níveis mais

altos, onde é a base para realizar o planejamento estratégico a longo prazo. Nas áreas

funcionais de finanças e de contabilidade, a previsão de demanda fornece a base para o

planejamento orçamentário e controle de custos. As funções de administração da

produção utilizam as previsões para tomar decisões periódicas envolvendo seleções de

processos, planejamento de capacidade, melhorias de leiaute (layout), e para decisões

contínuas sobre planejamento da produção, da programação e do estoque. O setor de

marketing confia na previsão de vendas para planejar novos produtos, premiar os

vencedores, e tomar outras importantes decisões. Operadores de serviços têm utilizado as

técnicas de previsão para conhecer a demanda de seus clientes ou projetos, conseguindo,

desta forma, atendê-los melhor e, ao mesmo tempo, controlar seus custos e margem de

lucro.

Page 20: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

4

Muitas vezes essas previsões exigem um gerenciamento de esforços enormes por

parte da organização. Quanto maior o número de famílias de produtos que a empresa

possui, as sazonalidades do mercado, as imprecisões dos modelos e como tratá-los, as

variáveis externas, os planejamentos anteriores de investimentos. Visando diminuir este

esforço o presente trabalho procurou estudar e desenvolver uma metodologia que servirá

como um guia simples para a solução deste problema complexo.

Cabe ressaltar que as previsões de demanda terão grande chance de sucesso (boa

precisão) quando alinhadas com as demais áreas e acima disso com o planejamento

estratégico da empresa, sendo fundamental, o comprometimento de toda a empresa com

os objetivos organizacionais, atingido sempre, com uma comunicação clara, objetiva e de

penetração como nos mostra Batocchio e Biagio (2005).

1.5 Plano de trabalho, viabilidade e importância.

Os modelos de demanda foram aplicados para prever a venda em uma indústria de

laminados sintéticos. Graças o comprometimento com o projeto, a empresa forneceu os

dados para sua aplicação real. Optou-se pela planilha eletrônica Excel™, pois é

largamente difundido no ambiente empresarial (LANCHESMASCHER, 2009). Existe

restrições quanto ao número de variáveis do modelo, mas vale ressaltar que a versão

básica do Solver™ (módulo do Excel) foi suficiente para as soluções. Segundo o

SEBRAE (2003), o Excel™ está presente em 70% das empresas que são informatizadas

(PUPULIN, 2008). Por apresentar uma interface mais acessível ao usuário foi à

ferramenta escolhida.

A empresa em questão é uma produtora de rolos de laminados sintéticos utilizados

em revestimentos em geral (couros sintéticos, produtos de revestimento de calçados,

indústria moveleira, revestimentos de piscinas, paredes, impermeabilizantes de solos, etc).

Page 21: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

5

Foi então proposta a metodologia de previsão de demanda de vendas para auxilio

aos seus executivos na tomada de decisões. Assim pode-se estimar a produção agregada

total a longo prazo, verificar quando a capacidade máxima fabril seria atingida, estimar

novos investimentos e a partir daí, projetar um centro de distribuição que comportará a

nova capacidade máxima da empresa. Foram testados diversos modelos matemáticos para

cada família de produto sendo que os escolhido foi o que apresentou melhor aderência, ou

seja, menor erro na família em questão.

Page 22: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

6

2 REVISÃO DA LITERATURA

2.0 Introdução

Este trabalho traz a busca de soluções para as decisões de curto e longo prazo na

organização. Para estes horizontes de tempo não há definição na literatura precisa dos

limites que os definem. Segundo Makridakis (1987) considera que o curto prazo é de 1 a

3 meses, médio prazo de 3 meses a 2 anos e longo prazo é maior que 2 anos. Outros

autores domo Dias (1998) definem curto prazo como algo em torno de 3 meses, médio

prazo de 4 meses a 2 anos e longo prazo maior que 2 anos.

O trabalho traz modelos matemáticos para previsões estatísticas que englobam os

três horizontes de planejamento. Média móvel para curto prazo. Exponencial simples,

método de Winter e exponencial dupla, além de regressão linear simples e ajustada para

previsões de médio prazo. E como a metodologia leva em consideração o fechamento do

planejamento da demanda com os especialistas de marketing e produção também engloba

o horizonte de longo prazo.

O fechamento do modelo puramente matemático com os especialistas, ou a

chamada revisão gerencial, pode ocorrer nas sistemáticas de reunião do S&OP.

Os dados finais da previsão da demanda, já chamada de planejamento da demanda,

servem para o planejamento das restrições que irão alimentar o MRP da organização.

Tipos de restrições essas que podem ser desde armazéns de estocagem aquém da

capacidade necessária prevista, falta de insumos para o processo produtivo, falta de

capacidade instalada para a produção ou excesso da mesma.

Sendo assim este capitulo de revisão bibliográfica irá abordar os seguintes tópicos

sobre a Demanda, Capacidade, Previsão de vendas, Técnicas de previsão de

Page 23: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

7

Demanda de Vendas, S&OP. Também possuirá um tópico sobre a tomada de decisão e

a programação não linear. Pois alguns modelos retirados da literatura de previsões

estatísticas dos dados históricos fornecem melhor aderência quando suas constantes são

otimizadas por um software.

2.1 Da Demanda

A demanda é a procura, de um bem ou serviço que os consumidores desejam

adquirir (REBELLATO, 2004), é uma necessidade por um item ou componente

específico (APICS DICTIONARY, 1995). A demanda pode vir de várias fontes, como

pedidos dos clientes, previsões, necessidades de outras plantas, etc. No nível de produtos

finais, as informações de demanda são geralmente diferentes das informações de vendas,

porque a demanda não necessariamente resulta em vendas, por exemplo: se não houver

estoque, não haverá a venda, se não houver capacidade produtiva suficiente para atender a

demanda, ou se houver falhas nesta capacidade (Adaptado de BARBEIRO, 2005). A

cadeia produtiva tem apenas um ponto em que a demanda pode ser dita 100%

independente: a quantidade de produtos demandado pelo usuário final da cadeia.

Independente se o cliente final estar comprando os produtos em uma loja, shopping ou

online, ou empresas comprando produto em outras empresas para ser transformado por

suas manufaturas, este cliente final é quem determina a real demanda que deve fluir por

toda a cadeira produtiva (MENTZER, 2005 apud FRAGOSO, 2009).

A demanda segundo Ballou (2006) deve ser analisada de acordo com algumas

classificações apresentados na sequência:

I – Temporalidade

Segundo Fragoso (2009), a primeira análise que se faz sobre a demanda de

determinado produto é relativa à temporalidade. Trata-se, basicamente, de verificar se

determinado produto está sendo pedido uma única vez, unitariamente ou num

Page 24: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

8

determinado lote, em condições especiais que tornem sua demanda única. Estas demandas

são chamadas de especiais, para estas, não há mais classificação. Todos os outros

produtos, que possuem algum histórico de demanda passada e expectativa de demanda

futura, possuem demanda denominada temporal (BALLOU, 2006).

Com relação à previsão de demanda, quando se trata da especial, é mais fácil para

as organizações prever onde e quando elas vão acontecer, de modo a se planejarem para

suprir tal necessidade. Já com relação às chamadas temporais, estas são resultado de

diversos fatores como taxa de vendas, sazonalidade e outras flutuações gerais. Estas séries

de tempo, ou temporais, são base para a maioria dos métodos de previsão de demanda

(FRAGOSO, 2009).

II – Regulariedade

De acordo com Ballou (2006), com relação às demandas temporais, cabe uma nova

análise para determinar como se comporta tal demanda, trata-se da regularidade. Têm-se

basicamente demanda regular e irregular. A demanda regular é aquela que acontece

continuamente durante o tempo, sem interrupções. A demanda regular, por sua

continuidade, pode se apresentar com ou sem tendência, aleatória ou contínua, com ou

sem sazonalidade.

A demanda pode ser também irregular, ou nebulosa. Neste caso, em alguns

períodos ela pode ser nula. Para estes tipos, é extremamente difícil para os gestores

determinar uma previsão de demanda segura utilizando as técnicas mais comuns. Quando

esta demanda representa um percentual significativo do volume de vendas de certa

empresa, representam um problema especial.

III - Dependência

A última maneira, de classificação da demanda é quanto à dependência (BALLOU

2006). Uma demanda é dita dependente, ou derivada, quando depende exclusivamente das

Page 25: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

9

exigências especificadas em uma programação da produção já conhecida. Isto acontece

normalmente quando a demanda de determinado produto se dá a partir da demanda já

conhecida de outro produto. Um exemplo clássico é o de um fabricante de pneus. Quando

este vende pneus exclusivamente a uma montadora de veículos, sabe-se que o número de

pneus será cinco vezes o número de carros produzidos. Considerando que o programa de

produção de carros está pronto, a demanda será um múltiplo definido do número de carros

produzidos(SLACK, 2002 apud FRAGOSO, 2009).

Quando a demanda é dita independente, isto quer dizer que ela é dada a partir das

demandas de diversos clientes diferentes pelo mesmo produto. Neste caso, dada a sua

aleatoriedade, os métodos conhecidos de previsão baseados em estatística são

recomendados (SLACK, 2002).

Figura 1 – Classificação da demanda (adaptado de BALLOU, 2006)

DEMANDA

Temporal

Regular Irregular Dependente Independente

Especial

Page 26: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

10

Figura 2 – ‘a’, ‘b’ e ‘c’ mostram os tipos de demandas regulares e ‘d’ um exemplo de demanda irregular. (Adaptado de

BALLOU, 2006)

Page 27: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

11

2.2 Da Capacidade

A capacidade é uma habilidade ou uma característica inerente ao objeto ou pessoa.

Pode ser a habilidade de se fazer, conter, prender, absorver ou produzir. Esta última nos

leva ao termo Capacidade Produtiva, que no contexto empresarial é do interesse da

dissertação. Trata da quantidade máxima de peças, produtos ou serviços que uma

empresa, sem investimentos em novos recursos, consegue entregar ao longo de um

período específico.

2.2.1 A Capacidade e a Demanda

A capacidade produtiva e a demanda de mercado são assuntos amplamente

debatidos. Com o mercado aquecido, (entenda-se como ‘Demanda’ maior que

‘Capacidade’), as empresas podem então, tentar melhorar seus processos afim de

aumentar o fluxo produtivo e consequentemente a capacidade. Taish Ohno (1988)

apresentou as técnicas da Toyota para reduzir custos, cativar os clientes por meio da

qualidade a preços justos e por fim aumentar a Capacidade de Produção sem

investimentos significativos, reduzindo os desperdício da linha produtiva, usando o bom

senso de se pensar de maneira diferente, de questionar-se sobre o estado atual. O bom

senso de Ohno é ótimo para o aumento da eficiência da fábrica, mas tem um limite. E

para superá-lo são necessários investimentos, como em máquinas e pessoas para aumento

da Capacidade, para gerar mais receitas e, consequentemente, lucro. Todo o investimento

possui um ‘lead time’ para geração de capacidade, nas indústrias de energia e de base

pode levar até dezenas de anos.

Por outro lado, manter uma empresa com capacidade em excesso é perder dinheiro

aumentando os custos dos produtos comercializados e perdendo competitividade. Os

Page 28: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

12

investimentos têm que chegar na hora certa. Sendo assim a previsão da demanda é de

fundamental importância aos ajustes de capacidade da fábrica maximizando a sua receita.

2.3 Da Previsão de vendas e o planejamento da demanda

Segundo Barbeiro (2005) Uma vez no mercado, a empresa precisa preparar

previsões de demanda rigorosas. Estas previsões são usadas pelo departamento financeiro

para levantar o dinheiro necessário aos investimentos e operações; para o departamento de

manufatura estabelecer a capacidade e níveis de produção; para o departamento de

compras adquirir os suprimentos que serão utilizados e para o departamento de recursos

humanos contratar o pessoal necessário.

O planejamento da demanda é o processo de, continuamente, recolher, compilar, e

rever os dados da demanda para criar um único Plano de Demanda que seja usado para

direcionar as necessidades de suprimentos, distribuição e da manufatura.

Muitas empresas têm a produção e a distribuição fora de sincronização com

demanda. O planejamento de demanda oferece um método melhorado para continuamente

coletar e comunicar a demanda do cliente, o que permite que se aumente a exatidão das

previsões.

As previsões de vendas e o planejamento da demanda não são apenas estimativas

sobre qual será a demanda no futuro, e implica também nas ações necessárias para

influenciar a demanda e fazê-la acontecer (PALMATIER e CRUM, 2003). É importante

porque (CORREA, GIANESI e CAON, 1997):

Poucas empresas são tão flexíveis que possam, de forma eficiente, alterar de forma

substancial seus volumes de produção ou a combinação de produtos produzidos de

Page 29: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

13

um período para outro, de forma a atender as variações de demanda,

principalmente no curto prazo;

Para muitas empresas, principalmente aquelas multi divisionais, parte da demanda

não vem do ambiente externo, mas de outras divisões ou de subsidiárias, o que

permite esforços de administração desta demanda;

Empresas que têm relações de parcerias com seus clientes podem negociar

quantidade e momento da demanda por eles gerada, de modo a melhor adaptá-la a

suas possibilidades de produção;

A demanda de muitas empresas, principalmente as que produzem produtos de

consumo, pode ser criada ou modificada, tanto em termos de quantidade como de

momento, através de atividades de marketing, promoções, propaganda, esforço de

venda, entre outros. Mesmo empresas que produzem outros tipos de produtos, que

não de consumo, podem exercer influência sobre a demanda através de esforço de

venda, através de sistemas indutores de comportamento de seus vendedores e

representantes comerciais (sistemas de cotas e comissões variáveis, por exemplo).

Resumidamente, têm-se que os objetivos da previsão e planejamento da

demanda são:

Um único e consensual plano global de demanda para direcionar as atividades de

manufatura, suprimentos e distribuição;

Monitoramento contínuo e acompanhamento das mudanças para garantir que o

Plano de Demanda é corrente e dinâmico;

Foco nos requerimentos dos clientes chave assim como nos planos totais por

produtos.

O resultado é um serviço ao cliente melhor e a redução de ordens atrasadas, além

da redução dos investimentos em inventário. Adicionalmente, o planejamento bem

sucedido da demanda resulta nestas circunstâncias favoráveis:

Page 30: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

14

As necessidades dos clientes são mais visíveis;

Um conjunto de números direciona a manufatura;

Papéis e responsabilidades mais claros e melhores definidos;

Confiança e Trabalho em equipe é desenvolvido;

Melhoria de Produtividade;

Aumento de Vendas.

A gestão da demanda inclui atividades em cinco áreas principais (CORREA,

GIANESI e CAON, 1997):

Habilidade para prever a demanda: é muito importante que a empresa saiba utilizar

todas as ferramentas disponíveis para conseguir antecipar a demanda futura com

alguma precisão. Pode ser necessário formar e manter uma base de dados

históricos de vendas, assim como informações que expliquem suas variações e

comportamento no passado; utilizar modelos matemáticos adequados que ajudem a

explicar o comportamento da demanda; compreender como os fatores ou variáveis

internas (promoções, etc.) e externas (clima, condições econômicas, etc.)

influenciam o comportamento da demanda; coletar informações relevantes do

mercado e ser capaz de derivar daí uma estimativa da demanda futura;

Canal de comunicação com o mercado: normalmente as pessoas que mantém

contato com os clientes (vendedores e representantes de vendas) estão preocupadas

somente em vender, desprezando uma função extremamente importante: a de trazer

informações dos clientes e do mercado para a empresa, numa base continua e

permanente. De fato, não se pode censurá-las, já que poucas empresas colocam

explicitamente nas suas atribuições essas funções, ou vinculam o desempenho

nesta atividade a algum sistema de remuneração ou reconhecimento. Enquanto o

trabalho de previsão estiver sendo feito apenas com base em dados históricos ou

contando com o apoio apenas do pessoal que mantém pouco ou nenhum contato

Page 31: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

15

com o mercado, a empresa estará desperdiçando uma fonte inestimável de

informações;

Poder de influência sobre a demanda: além de tentar prever o comportamento da

demanda, é fundamental que a empresa procure influenciá-lo. Esta influência pode

se dar não só sobre a demanda já manifesta, negociando o parcelamento da entrega

com os clientes, por exemplo, como também sobre a demanda que ainda vai

acontecer, incentivando vendedores e representantes de vendas a oferecerem ao

mercado uma determinada combinação de produtos que melhor ocupe a

capacidade instalada e disponível, ou ainda através de promoção e propaganda. Em

qualquer circunstância é importante que as ações praticadas pela empresa para

influenciar sua demanda sejam conhecidas e levadas em conta na previsão de

vendas futuras. Apesar de óbvia, nem sempre esta preocupação está presente,

fazendo com que as previsões incorporem incertezas geradas pelo

desconhecimento que os responsáveis pelas previsões têm das ações da área

comercial;

Habilidade de prometer prazo: importante para garantir desempenho em

confiabilidade de entregas, a atividade de promessa de prazo também é de

responsabilidade de quem faz a gestão da demanda;

Habilidade de priorização e alocação: o objetivo do planejamento é criar condições

para que a empresa consiga atender toda a demanda dos clientes. Contudo, se

ocorre de não haver produtos suficientes ou se os recursos e materiais necessários

não estão disponíveis, é preciso decidir quais os clientes serão atendidos total ou

parcialmente e quais terão que esperar.

Page 32: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

16

2.4 Técnicas de Previsão de demanda

Segundo Fildes et al (2009) e Lawrence (2006) A previsão de demanda é um

aspecto crucial do processo de planejamento nas empresa. A correta abordagem para a

previsão de demanda das empresas envolve a utilização de um sistema informatizado de

previsão ou um software estatistico cada vez mais acessivel (WRIGHT et al, 1996) para

produzir previsões iniciais e o posterior julgamento e ajuste destas previsões pelos

planejadores da empresa, e para ter em conta circunstâncias excepcionais esperadas ao

longo do horizonte de planejamento a ostensiva revisão dessas previsões, envolvendo

gestão de esforços e tempo com o intuito de melhorar a precisão. Sendo essencial para

tomada de decisão sobre investimentos respondendo a questões estratégicas como quanto

e como investir (LAWRENCE et al, 2006).

Davis et al (2003) dividiu os métodos de previsão de demanda em três categorias,

qualitativas, quantitativas e causais, outras publicações unem os dois últimos, o autor

deste trabalho irá apresentar rapidamente as três categorias, e na metodologia aprofundar

um pouco mais os modelos quantitativos unidos com os causais e qualitativos para a

previsão. Os métodos de previsão quantitativos utilizam séries históricas para estabelecer

uma relação de nível e tendência com o que será projetado no futuro, e os métodos

qualitativos de tendência usam as experiências e julgamentos para estabelecer as

previsões futuras, já os causais tentam compreender o sistema que envolve o item a ser

previsto. Na figura 3 são apresentados alguns dos modelos.

Page 33: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

17

Figura 3 – Modelos de previsão de demanda (Adaptado de Davis 2003).

2.4.1 Modelo Qualitativo

Segundo Slack et al (2008, 2009) e Davis et al (2003) os modelos qualitativos são,

essencialmente, subjetivos ou opinativos, ou seja, baseados em intuição, em estimativas e

em opiniões. Estes modelos podem ser apropriados quando não existem dados históricos a

serem analisados como base para a previsão. Geralmente dependem de profissionais e

especialistas com larga experiência de mercado. As técnicas de previsão por meio de

dados qualitativos se baseiam no julgamento de dados subjetivos. Métodos qualitativos

costumam apresentar um baixo grau de precisão, sendo, mesmo assim, os mais utilizados

por empresas, apesar da difusão dos métodos quantitativos impulsionada pelo avanço na

capacidade de processamento e armazenamento de dados computacionais. A extensa

utilização de métodos qualitativos parece estar relacionada ao fato das previsões por eles

Page 34: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

18

geradas corresponderem às metas de demanda estabelecidas pelas empresas (PELEGRINI

2001). Na sequência será apresentado alguns métodos qualitativos:

2.4.1.1 O método de Pesquisa de Mercado

Demonstra como coletar dados de várias maneiras (levantamentos, entrevistas,

etc.) para testar hipóteses sobre o mercado. È tipicamente utilizada para realizar previsões

de longo prazo e para a venda de novos produtos (DAVIS, 2003).

2.4.1.2 O método de Analogia Histórica

Relacionada com a previsão de demanda de um produto similar. É importante no

planejamento de novos produtos, no qual uma previsão é derivada da trajetória de um

produto similar existente (DAVIS, 2003).

2.4.1.3 O método Delphi

A técnica Delphi foi criado na Rand Corporation em Santa Mónica, California,

onde em 1966 o pesquisador Helmer da Rand publicou o relatório “The use of Delphi

technique in problems of educational innovations”. De acordo com Helmer (1966) o

objetivo do método era apresentar o estudo do futuro em áreas específicas. Tendo sua

origem na pesquisa para defesa militar em plena guerra fria. O método Delphi (pronuncia-

se délfi) é baseado no principio de que estimativas de um grupo estruturado de

especialistas são mais precisas do que as estimativas derivadas de um grupo informal ou

de indivíduos isolados (OLIVEIRA 2008). Constitui de rodadas sistemáticas e interativas

de estimativa envolvendo um grupo de especialistas que respondem a um questionário.

Um mediador reúne os resultados e fórmula um novo questionário, o qual é apresentado

ao mesmo grupo (DAVIS 2003). Após cada ciclo, o mediador provê um sumário anônimo

das estimativas de cada especialista no ciclo, bem como as razões sobre as quais cada um

baseou sua estimativa. Os especialistas são então encorajados a revisar suas estimativas

anteriores com base nas opiniões dos demais participantes. Busca-se durante este processo

que ocorra uma convergência das estimativas. Finalmente, o processo é encerrado com

Page 35: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

19

base em um critério predefinido de finalização (ou seja, um número de ciclos ou de

atingimento do consenso, ou estabilidade de resultados) quando a média ou mediana do

ciclo final estabelece o resultado final. Baseia-se portanto em quatro pilares: O

Anonimato, o uso de especialistas, a aplicação de rodadas interativas e com feedback, e a

busca por consenso (OLIVEIRA, 2008 apud SÁFADI, 2001).

2.4.2 Modelos Causais

Segundo Davis (2003) este tipo de modelagem tenta compreender o sistema que

envolve o item a ser previsto Por exemplo, a vendas podem ser afetadas pela propaganda,

pela qualidade, pela concorrência, por uma política promocional, por uma retração do

mercado, por um mal planejamento do estoque de matérias primas.

2.4.2.1 Analise de Regressão

Semelhante ao método dos mínimos quadrados das séries temporais, mas pode

apresentar múltiplas variáveis. O fundamental é que a previsão é causada pela ocorrência

de outros eventos.

2.4.2.2 Modelo de Entrada/Saída

Enfoca as vendas de cada indústria para outras empresas e governos. Indica as

mudanças nas vendas que uma indústria de produção pode esperar devido a mudanças de

demanda de outra indústria.

2.4.2.3 Principais Indicadores

Estatísticas que se movem na mesma direção das sérias previstas mas se alteram

após as séries, como quando um aumento no preço do combustível indica um declínio

futuro nas vendas de carros grandes.

2.4.3 Modelos Quantitativos

Page 36: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

20

O uso de técnicas de previsão quantitativos juntamente com os outros já estudados,

nas organizações tem sido um tema de interesse na literatura. Tem sido estudado por

exemplo para o planejamento da cadeia de suprimentos (FILDES et al, 2009 e

ASIMAKOPOULOS et al, 2011), a estimativa do tamanho do mercado versus

planejamento financeiro, tipo de indústria de consumo, por exemplo, contra bens

industriais, tamanho da empresa pequenas versus grandes (SANDERS 2001), horizonte

de tempo, curto versus longo prazo (FILDES E HASTINGS, 1994), a previsão de nível, o

tipo de mercado dos países desenvolvidos versus o Terceiro Mundo

(DIAMANTOPOULOS 2003). Na sequência será apresentado alguns dos modelos de

previsão de demanda dentre eles: Média Movel Simples; Média Móvel Ponderada; Média

Ponderada Exponencial; Média Ponderada Exponencial com efeitos tendenciosos;

Regressão Linear; Regressão Linear com Sazonalidade; Método de Winter; Exponencial

Dupla; Redes Neurais, além de um tópico expecífico para as medição e

acompanhamentos de erros.

Figura 4. Demanda histórica mensal de um produto consistindo de um crescimento com tendência, fator

cíclico e demanda sazonal (Davis 2003)

Page 37: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

21

Figura 5. Tipos básicos de tendências (Davis 2003)

2.4.3.1 Método da média móvel

O desenvolvimento dos métodos 2.4.3.1 ao 2.4.3.7 encontram-se no livro de

Chopra & Meindl, (2004).

Utiliza-se o modelo de média móvel quando a demanda não apresenta tendência ou

sazonalidade. Nessa situação, aplica-se a seguinte equação:

Componente sistemático de demanda = nível

Nesse modelo, estima-se o nível no período t pela média da demanda durante os

períodos N mais recentes. Isso representa uma média móvel para o período N. Assim,

tem-se o seguinte:

Page 38: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

22

(2.1) NNDDDL tttt /1...1

Onde:

Dt = demanda no período t e Lt = nível do período t

A previsão atual para todos os períodos futuros é a mesma e baseia-se na

estimativa de nível atual. A previsão é formulada assim:

(2.2) tt LF 1 e tt LNF

Onde Ft + n é a previsão para os períodos futuros.

Após a observação da demanda para o período t + 1, revisa-se as estimativas da

seguinte maneira:

(2.3) tt LL 1 e NNDDDL tttt /2...11 e 12 tt LF

Isso significa que para computar a nova média móvel, simplesmente adicionamos a

mais recente observação e descartamos a mais antiga. A média móvel revisada serve

como a próxima previsão.

2.4.3.2 Método da Regressão linear

A regressão linear é um método muito utilizado baseado nos mínimos quadrados,

sua formulação é simples é a base para as previsões iniciais dos demais métodos aqui

apresentados, trata-se da regressão linear de uma demanda D em um período t:

(2.4) Dt = at + b

Page 39: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

23

A formulação é:

(2.5)

22

2

ttn

ttDtDttbNível

(2.6)

22

ttn

DtttDtnaTendência

E a previsão no período t se torna:

(2.7) btaFt *

2.4.3.3 Regressão Linear Corrigida

A regressão linear corrigida, serve para se aproximar de sazonalidades. Nada mais

é que um fator de sazonalidade no período de tempo t que multiplica a regressão linear

simples.

(2.8) Ft =( at + b)*Fator Sazonal do período.

O Fator sazonal é a média da porcentagem de variação da soma da demanda pela

previsão no período. Ex.: Se a sazonalidade se repete a cada 12 meses e se a série

histórica é de 36 meses. Deve-se dividir a Demanda Real Dt observada do mês 1 pelo

valor da regressão linear Ft no mês1, somar todos esses valores do mês 1. E após isso

fazer à média.

T = repetição da sazonalidade dentro da série histórica;

=Período 1 de n períodos possíveis dentro do período sazonal;

(2.9)

Page 40: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

24

Assim, para cada período da regressão linear, se tem um ajuste médio sazonal.

2.4.3.4 Método da suavização exponencial simples

O modelo de suavização exponencial simples é adequado quando a demanda não

apresenta tendência ou sazonalidade. Nesse caso, aplica-se a seguinte equação:

Componente sistemático de demanda = nível

A estimativa inicial de nível L0, e feita com a média de todos os dados históricos

porque supôs-se que a demanda não apresentasse tendência ou sazonalidade. Dadas as

informações sobre demanda para os períodos 1 a n, obtém o seguinte:

A previsão atual para todos os períodos futuros é igual à estimativa atual do nível e

é dada dessa maneira:

(2.10) Ft + 1 = Lt e Ft + n = Lt

Após a observação da demanda, Dt + 1, para o período t + 1, revisa-se a estimativa

do nível assim:

(2.11) Lt + 1 = α Dt + 1 + (1 – α) Lt

Onde α é uma constante de suavização para o nível, 0 < α < 1. O valor revisado do

nível é a média ponderada entre o valor observado do nível (Dt + 1) no período t + 1 e a

antiga estimativa do nível (Lt) no período de t. Utilizando a equação acima, podemos

expressar o nível em um determinado período como uma função entre a demanda atual e

o nível no período anterior. Pode-se assim reescrever a equação acima como vê-se a

seguir:

Page 41: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

25

(2.12)

A estimativa atual do nível é a média ponderada de todas as observações anteriores

de demanda, com observações recentes com peso maior que as antigas observações. Um

valor mais alto de α corresponde a uma previsão mais responsiva a observações recentes,

ao passo que um valor mais baixo de α representa uma previsão mais estável e menos

responsiva a observações recentes.

2.4.3.5 Método da suavização exponencial dupla de Holt.

Este modelo é adequado quando a demanda possui um nível e uma tendência no

componente sistemático, mas não apresenta sazonalidade. Nesse caso, tem-se o seguinte:

Componente sistemático da demanda = nível + tendência

Obtemos uma estimativa inicial de nível e tendência executando a regressão linear

entre a demanda D e o período de tempo t da seguinte maneira:

(2.13) Dt = at + b

Nesse caso, a execução da regressão linear entre demanda e períodos de tempo é

aconselhável porque supomos que a demanda possui uma tendência, mas não apresenta

sazonalidade. A relação fundamental entre a demanda e tempo é assim: A constante b

mede a estimativa de demanda no período t = 0, e é uma estimativa de nível inicial L0. A

inclinação ‘a’ mede a taxa de mudança na demanda por período e é a estimativa inicial de

tendência T0.

No período t, dadas as estimativas de nível L e de tendência T, a previsão para os

períodos futuros é expressa assim:

Page 42: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

26

(2.14) Ft + 1 = Lt + Tt e Ft + n = Lt + nTt

Após a observação da demanda para o período t, revisamos as estimativas de nível

e de tendência dessa maneira:

(2.15) Lt + 1 = α Dt + 1 + (1 – α) (Lt + Tt)

(2.16) Tt + 1 = β (Lt + 1 – Lt) + (1 – β) Tt

Onde, α é a constante de suavização para o nível, 0 < α < 1, e β é a constante de

suavização para a tendência, 0 < β < 1. Observe que em cada uma das atualizações, a

estimativa revisada (de nível e de tendência) é a média ponderada entre o valor observado

e a antiga estimativa.

2.4.3.6 Método de Holt Winter

É utilizado quando há sazonalidade na demanda. Considera variações relacionadas

a tendência e a sazonalidade.

De maneira análoga ao método da exponencial dupla de hotel, podemos obter uma

estimativa inicial ou de base através da regressão linear entre a demanda D e o período de

tempo t da seguinte maneira:

(2.17) Dt = at + b

Relembrando:

S = Valor da base no instante T;

L = o número de períodos em que a sazonalidade se repete (por exemplo, L será 12

se a previsão for mensal e a sazonalidade anual);

It = Índice de sazonalidade;

Page 43: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

27

bt = Índice da tendência;

Yt = Valor da série no instante t se o instante t for passado, então o valor de Y é

um valor já observado, ou seja, um valor realizado. Se o instante t for futuro

então o valor de Y é uma previsão.

m = períodos de previsão ou tamanho do período

(2.18)

(2.19)

(2.20)

(2.21)

α é a constante de suavização para o nível, 0 < α < 1, e β é a constante de

suavização para a tendência, 0 < β < 1. E é a constante de suavização para a

sazonalidade.

É desaconselhável utilizar α com valores próximos de 1, pois a previsão pode-se

tornar reativa, ou seja, toda a variação da demanda acaba incorporada a previsão (DIAS

1998).

2.4.3.7 Medidas de erro das previsões

Os gerentes devem fazer análises completas dos erros em uma previsão por dois

motivos:

1. Os gerentes podem utilizar as análises de erros para determinar se o modelo de

previsão adotado está prevendo detalhadamente o componente sistemático da demanda.

2. Os gerentes estimam o erro da previsão porque qualquer plano de contingência

deve ser responsável por tal erro.

Page 44: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

28

Se a empresa observa um erro que está muito além das estimativas históricas, essa

descoberta pode indicar que o modelo de previsão adotado deixou de ser adequado. Se

todas as previsões da empresa costumam superestimar ou subestimar a demanda, isso

também pode ser um sinal de que a empresa deve alterar seu modelo de previsão.

Conforme definido anteriormente, o erro de previsão para o período t é dado por

Et, e expressa-se assim:

(2.22) Et = Ft – Dt

Isso significa que o erro no período t é a diferença entre a previsão para o período t

e a demanda real no período t. É importante que o gerente estime um erro de uma

previsão feita com uma antecedência equivalente ao lead time exigido de maneira que ele

possa tomar qualquer decisão para a qual a previsão foi designada. Por exemplo, se a

previsão vai ser usada para determinar o tamanho de um pedido e se o lead time de

fornecedor é de seis meses, o gerente deve estimar o erro para uma previsão feita seis

meses antes que a demanda surja. Em uma situação com um lead time de seis meses, não

há razão para estimar erros para uma revisão feita com um mês de antecedência.

Uma das medidas de erro de previsão é o erro quadrático médio (EQM), para o

qual se aplica o seguinte:

(2.23)

O EQM estima a variação do erro de previsão.

Definição do desvio absoluto no período t, At, como sendo o valor absoluto do erro

no período t, ou seja, o seguinte:

Page 45: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

29

(2.24) At = |Et|

Definimos desvio absoluto médio (DAM) como sendo a média do desvio absoluto

em todos os períodos, expressa dessa maneira:

(2.25)

O DAM pode ser usado para estimar o desvio-padrão do componente aleatório,

supondo que o componente aleatório seja distribuído normalmente. Nesse caso, o desvio-

padrão do componente aleatório é:

(2.26) σ = 1,25 DAM

Estimamos a partir daí que a média do componente aleatório e 0 e que o desvio-

padrão do componente aleatório da demanda é σ.

O erro absoluto médio percentual (EAMP) é o erro absoluto médio como

porcentagem de demanda e se expressa assim:

(2.27)

Para determinar se o modelo de previsão consistentemente superestima ou

subestima a demanda, pode-se utilizar a soma dos erros de previsão para avaliar o viés da

previsão, resumindo assim:

(2.28)

Page 46: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

30

O viés da previsão (VP) oscilará em torno de 0 se o erro for verdadeiramente

aleatório e não enviesado de uma forma ou de outra. O ideal é que, se plotar todos os

erros, a inclinação da reta seja 0.

A razão de viés (TS) é a razão entre o viés da previsão e o DAM e é formulada da

seguinte maneira:

(2.29)

Se o TS em qualquer período estiver fora da faixa ± 6, isso significa que a previsão

está enviesada e que pode estar sub (razão de viés abaixo de - 6) ou superestimada (razão

de viés acima de + 6). Nesse caso, a empresa deve optar pela escolha de um novo modelo

de previsão.

2.4.4 A utilização de técnicas subjetivas no fechamento do modelo quantitativo

Gerentes necessitam de previsões para tomar diversos tipos de decisões como a

expansão de uma planta, o desenvolvimento de novos produtos, ou mesmo para mudança

do currículo de um curso. Esse tipo de decisão requer previsões de longo prazo, mais

agregadas como vendas anuais, tendências de mercado. "Virtualmente todas as atividades

são baseadas em previsões, desde as atividades de vendas até os fornecedores"

(BRANDER, 1995 apud DIAS,1998).

Tomadas em conjunto, a evidência empírica mostra que as técnicas subjetivas são

populares para todos os tipos de situações de previsão (isto é, em todos os horizontes

temporais e os níveis de previsão). As empresas maiores são mais propensas a recorrer a

técnicas estatísticas que as pequenas empresas (SANDERS e MANRODT, 1994),

enquanto o uso de técnicas de previsão de julgamento é mais difundido entre os gestores

com maior experiência de trabalho. Há evidências substanciais da literatura de que

Page 47: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

31

previsões estatísticas econômicas podem ser mais exatas, quando os especialistas a

ajustam, tendo em conta os efeitos de eventos especiais e as alterações que não foram

incorporados ao modelo estatístico. No entanto, poucos estudos têm investigado o ajuste

de julgamento no âmbito das previsões da empresa. As exceções de alguns estudos, todos

baseados na mesma empresa, por Diamantopoulos (2003). Estas mostraram que os ajustes

de julgamento tendem a melhorar a precisão, embora às vezes só marginal, mas que eles

também podem introduzir viés.

Para as previsões agregadas são utilizadas relações causais e ferramentas

estatísticas, como regressão e correlação. Os julgamentos gerenciais também são

amplamente utilizados nesses casos. Pois não se deve imaginar que apenas o passado será

um bom referencial para as previsões. Há situações em que o passado não existe ou não

está disponível e de novos variáveis podem interferir na previsão como a entrada de novos

concorrentes no mercado, promoções, mudanças na legislação, avanços tecnológicos, etc.

Hoje, esse tipo de ruptura entre o padrão passado e o presente é bastante importante

devido a grande velocidade com que as mudanças têm ocorrido. Isso torna necessária uma

revisão gerencial das previsões que agregue informações sobre mudanças no

comportamento da demanda.

2.5 Programação Linear e Não Linear na Tomada de Decisão

A programação linear já é amplamente utilizada na pesquisa operacional, em

programas na solução de problemas para operadores logísticos, como roteirização, na

otimização de sistemas, problemas de localização, de carteira de investimento, de

alocação de pessoas, previsão e planejamento, alocação de verbas e mídia. Lachtermacher

(2009) nos mostra que o Management Sciences (MS) é uma área de estudos que utiliza

computadores, estatísticas e matemática para a solução de problemas de negócios. Sendo

uma importante ferramenta na tomada de decisão. A tomada de decisão será definida na

sequência.

Page 48: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

32

2.5.1 Tomada de Decisão.

Segundo Lachtermacher (2009), podemos entender a tomada de decisão como o

processo de identificação de um problema ou de uma oportunidade e a seleção de uma

linha de ação para resolvê-lo. Um problema ocorre quando o estado atual de uma situação

é diferente do desejado. Já uma oportunidade ocorre quando as circunstâncias oferecem a

chance de um individuo ou de uma organização ultrapassar ou alterar seus objetivos ou

metas.

De acordo com o autor Pupulin (2008) diversos fatores afetam a tomada de decisão

tais como:

Tempo disponível;

Importância da decisão;

Ambiente de decisão;

Certeza/incerteza e risco da decisão;

Agentes decisores;

Conflito de interesses.

O processo de tomada de decisão segundo Angeloni (2003) tem como subsídios

essenciais o dado, a informação e o conhecimento, definindo dado como um elemento

bruto, sem significado e desvinculado da realidade, já a informação consiste em um dado

dotado de significado, apresentando assim relevância e propósito; o conhecimento por fim

é considerado como a informação processada pelo indivíduo, ou seja, convertida em um

conjunto de ações a serem implementadas.

Assim, quando os gerentes se veem em uma situação na qual uma decisão deve se

tomada entre uma série de alternativas conflitantes e concorrentes, duas opções básicas se

apresentam: (1) usar apenas a intuição gerencial; e (2) realizar um processo de

modelagem da situação e exaustivas simulações dos mais diversos cenários de maneira a

estudar mais profundamente o problema (LACHTERMACHER 2009). A intuição dos

Page 49: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

33

especialistas para decidir depende de habilidade e experiência e é de extrema importância

quando se tem pouco tempo. Segundo Welch (2005) depende também da qualidade

chamada estofo, na qual o líder, com base na sua experiência e das informações que

foram possíveis colher consegue prever o desenrolar dos fatos e tomar uma decisão rápida

e na maioria dos casos assertiva. Essa opção na tomada de decisão tem o viés dos dados,

informações e conhecimentos estarem dispersos, fragmentados e armazenados na mente

dos especialistas (ANGELONI, 2003).

Quando se há tempo hábil, e perante a dificuldade em identificar e organizar os

dados encontrados no ambiente de decisão atual Lachtermacher (2009) sugere a

construção de modelos computacionais como uma alternativa em situações na qual estão

presentes propostas conflitantes e concorrentes, nas quais a opção usual seria somente o

uso de um modelo mental preexistente do especialista. Assim o mesmo autor recomenda a

utilização das duas opções conjuntamente para melhorar ainda mais o processo de tomada

de decisão, como mostrado na figura 6. Por modelos computacionais entende-se um

conjunto de relações matemáticas e hipóteses lógicas, implantadas em um computador de

tal forma a representar um problema real de tomada de decisão (PUPULIN, 2008).

Figura 6 – Processo de tomada de decisão (LACHTERMARCHER 2009).

Page 50: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

34

2.5.2 A Programação Linear

Segundo Pupulin (2008) a programação linear nada mais é que um aprimoramento

de uma técnica de resolução de sistema de equações lineares via inversões sucessivas de

matrizes, com a vantagem de incorporar uma equação linear adicional representativa de

um dado comportamento que deva ser otimizado.

Para a formulação do problema, segundo o autor, existem alguns passos básicos,

como:

a) Deve ser definido o objetivo básico do problema – que a princípio deve ser único

– com respeito a otimização a ser perseguida. Por exemplo: maximização do

lucro, ou de eficiência, ou de bem-estar social; minimização de custos, ou de

tempos, ou de perdas, e assim por diante. Tal objetivo será assim representado

por uma função objetivo, a ser maximizada ou minimizada;

b) Para que essa função objetivo possa ser matematicamente especificada, as

alternativas possíveis para a ocorrência de tal otimização – as chamadas variáveis

de decisão envolvidas – deverão ser definidas. Por exemplo, os tipos de cultura

e/ou área a serem explorados; as classes de investimento à disposição de um

tomador de decisão, alocação de hora-máquina, etc. Normalmente, convenciona-

se que todas essas variáveis possam assumir somente valores positivos;

c) Tais variáveis podem estar sujeitas a uma série de limitações – também

conhecidas restrições do problema -, normalmente representadas por inequações.

Por exemplo, limitações referentes à área total disponível, às exigências

nutricionais para determinado rebanho, à disponibilidade de capital e mão-de-

obra, etc (PUPULIN 2008).

2.5.2.1 O processo de modelagem

Durante o processo de decisão sempre existe a situação onde uma decisão deve ser

tomada entre uma série de alternativas conflitantes e concorrentes. Nesse caso, duas

Page 51: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

35

opções básicas se apresentam, que seria utilizar a intuição gerencial ou realizar um

processo de modelagem da situação e realizar exaustivas simulações dos mais diversos

cenários de maneira a estudar mais profundamente o problema (PUPULIN, 2008).

A primeira opção até recentemente se constituía uma única alternativa viável pois

os dados e informações muitas vezes não eram confiáveis ou muitas vezes não existiam e

também não havia poder computacional para equacionar os problemas. Com o surgimento

dos microcomputadores e com o aprimoramento da tecnologia de banco de dados, esta

deixou de ser a única opção para os tomadores de decisão. Um número cada vez maior de

empresas e tomadores de decisão começaram a optar pela segunda opção que seria a

elaboração de modelos para auxiliar o processo devido principalmente a complexidade

dos fatores envolvidos e o grande número de variáveis (PUPULIN 2008).

Segundo (LACHTERMARKER, 2009) a realidade, atualmente, o que está

ocorrendo é o inverso do que ocorreu 20 anos atrás. A maioria dos tomadores de decisão

está tomando a segunda maneira de agir devido a dois fatores principalmente:

Excesso de informações disponíveis. Com a internet, o problema é o contrário do

que acontecia anteriormente, a quantidades de informação é tão grande que é

necessário filtrar as informações necessárias e relevantes de maneira a modelar a

situação para poder analisá-la.

Muitos gerentes acabam tomando suas decisões sempre com base nos dados e

respostas de modelos e deixam de utilizar a sua intuição e esta base de

conhecimentos intrínseca aos tomadores de decisão acaba sendo desperdiçada.

Portanto, é importante utilizar um modelo para equacionar todas as variáveis e

restrições de um problema, desde que o conhecimento do gerente do processo ou tomador

de decisão na oportunidade sirva para a geração de cenários e análise das soluções

encontradas.

2.5.2.2 Processo de Resolução de um Problema

Page 52: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

36

O processo de resolução de um problema apresenta cinco etapas consecutivas que

podem, entretanto, se repetir dependendo da situação. Cada uma das etapas é essencial

para o processo.

A primeira etapa é a etapa de identificação do problema. Apesar de parecer uma

etapa simples, esta é fundamental, pois uma definição inadequada do problema não levará

a resposta alguma do modelo ou a conduzirá a uma solução que não seja contundente ou

ótima com a realidade em questão.

A segunda etapa é a formulação dos modelos. A formulação do modelo consiste na

seleção dos dados relevantes e necessários obtidos na identificação do problema e

montagem do problema em si. A segunda etapa representa uma visão de quem modela o

problema que representa a realidade.

A terceira etapa é a análise de cenários. Nesta etapa é de vital importância que o

usuário operador do software ou modelo de programação tenha experiência e

conhecimento prévio sobre o problema para poder gerar cenários que sejam contundentes

e que reflitam a realidade no intuito da resolução do problema. O modelo normalmente

considera dados passados e presentes para analisar e decidir sobre situações futuras,

portanto associadas a incertezas. A geração de cenários procura identificar caminhos

frente a esta incerteza.

A quarta etapa é a interpretação de resultados. Nesta etapa, os decisores analisam

os resultados das iterações feitas e julgam a decisão correta ou conveniente.

A última etapa é a implementação e monitoração. Geralmente as variáveis dos

problemas apresentam mutabilidade e sempre existe a necessidade de rever as variáveis,

restrições e gerar novos cenários para acompanhamento da situação.

(LACHTERMACHER, 2009).

Page 53: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

37

Figura 7 – Processo de resolução de um problema ( Lanchtermacher, 2009),

Uma situação problemática em um cenário real apresenta variáveis que se

transformam e precisam ser avaliadas rotineiramente. Assim, é necessário adequar as

variáveis e restrições no intuito de manter a solução do problema sempre contundente

com a realidade. Seria um processo de feedback que está representado pelas setas que

retornam aos processos antecessores representados acima.

2.5.2.3 Fundamentos da programação linear e não linear

A programação linear foi estabelecida em termos matemáticos por G. B. Dantzig

em 1947 para ajudar a resolver problemas de logística da Força Aérea Americana.

Page 54: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

38

Posteriormente, para generalizar os procedimentos de solução aplicada a grande número

de variáveis e restrições, pode-se utilizar o Método Simplex (ANGELONI 2003). Este

método trata de um procedimento algébrico que pode fornecer uma solução factível para

um problema de Programação Linear, caso contrario o problema possui solução não

factível pelo método ou infinitas soluções.

A difusão da técnica de Programação Linear foi bastante rápida, principalmente

com o advento do computador. O uso da PL permitiu alcançar um considerável aumento

na eficiência dos recursos dos processos de produção. Sem dúvida, é a técnica de

otimização mais empregada na indústria, no comércio, na agricultura e no setor público,

chegando a render um prêmio Nobel na área de Economia, em 1975, na resolução de um

problema econômico de alocação de recursos (PUPULIN, 2008).

Segundo Reis (2010) a otimização é uma importante área da matemática aplicada

cujos resultados são largamente utilizados na ciência de tomadas de decisão e na análise

de sistemas físicos. Para usa-la, devemos primeiro identificar alguma funções que

represente o desempenho sob estudo. Tal função pode ser o lucro, tempo, energia

potencial, e a meta é encontrar valores das variáveis que otimizam o valor desta função

objetivo. Frequentemente as variáveis devem satisfazer algumas condições, denominadas

restrições. Por exemplo, quantidades tais como densidade de elétrons de uma molécula ou

as taxa de juros de um empréstimo não podem ser negativas.

O processo de identificar o objetivo, variáveis e restrições para um dado problema

é conhecido como modelagem. Construir um modelo apropriado é o primeiro passo

algumas vezes o mais importante no processo de otimização. Se o modelo for muito

simples, pode não representar o problema original, mas se for muito complexo, pode se

tornar muito difícil, ou mesmo impossível numericamente, de resolver (REIS, 2010).

Page 55: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

39

Lachtermacher (2009) assim descreve um problema de programação linear:

Otimizar: z= f(x1,x2, ... , xn)

Sujeito a: g1(x1, x2, ... , xn) b1

g2(x1, x2, ... , xn) b2

gm(x1, x2, ... , xn) bm

Onde: f(x1, x2, ... , xn) = c1x1 + c2x2 + ... + cnxn

gi(x1, x2, ... , xn) = ai1x1 + ai2x2 + ... + ainxn, para i = 1, .... , m

Nesta descrição temos que z é a função objetivo a ter o seu valor otimizado (quer

por minimização ou maximização), g1 a gm representam as inequações das restrições, que

limitam assim a solução do problema, b1 a bm representam os valores das restrições, n

corresponde ao o número de variáveis de decisão (x1 a xn), m ao número de restrições do

problema, i ao índice de uma determinada restrição, os termos c1 a cn representam

coeficientes aplicados a cada uma das variáveis de decisão na função objetivo, já ai1 a ain

representam os coeficientes aplicados a cada uma das variáveis de decisão nas inequações

das restrições.

Já Reis (2010) descreve a modelagem do sistema em questão de maneira mais

generalista, de como que também seja possível a programação não linear.

N modelagem pode-se expressar as variáveis como um vetor e o objetivo

como uma função

Page 56: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

40

(2.30)

,

Onde é uma função cujas componentes Ci(x); i = 1 : : :m são funções

continuamente diferenciáveis e as componentes dos vetores l e u fornecem os limitantes

inferiores e superiores, respectivamente, as componentes de x. A solução de um

problema de otimização como o (2.30), também chamada de minimizador e o local se

para qualquer x pertencente a uma vizinhança de x contida no domínio de f

e global se , para qualquer x pertencente ao domínio de f. Para esse tipo de

problema podemos empregar métodos que trabalham exclusivamente com pontos que

pertencem a os serão chamados de pontos

viáveis. A preferência por métodos de pontos viáveis vem da necessidade de satisfazer

restrições que se referem, por exemplo, a alguma lei física que não pode ser violada, pois

uma solução inviável não faria sentido. Mas, dependendo da curvatura de C, fica

impraticável usar estratégias de pontos viáveis, pois a busca por um novo ponto viável

pode resultar em um passo pequeno, o que pode deixar o método muito lento (REIS,

2010).

Temos como exemplo de métodos viáveis o método de pontos interiores e o

método Simplex usados para problemas de otimização linear e o método de restrições

ativas para problemas com restrições lineares. Existem métodos que trabalham com

pontos não necessariamente viáveis, como os de Penalização, Lagrangiano Aumentado e

Programação Quadrática Sequencial (NOCEDAL, 1999 apud REIS, 2010).

Segundo Reis (2010) problemas de otimização não linear são frequentemente

abordados com métodos que utilizam somente pontos viáveis. O motivo é que para

aplicações práticas é mais interessante determinar soluções viáveis não ótimas, que

satisfaçam restrições que modelam limites inerentes ao problema, tais como: massa e

Page 57: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

41

tempo positivos, conservação de energia, a soma de diferentes investimentos de um

portfólio menor ou igual a um determinado capital inicial, ou ainda um limite inferior e

superior para produção de uma indústria, e que portanto são uteis em aplicações da

engenharia, física, química, finanças e outras áreas. Uma solução que se aproxime mais

da solução ótima, mas que não seja viável, pode perder seu significado e portanto a sua

utilidade. Não é de importância para este estudo descrever detalhadamente os métodos de

otimização, lineares quanto não lineares e sim descrever como modelar o sistema de

modo a poder empregar um software de otimização não linear.

A modelagem que buscamos será a minimização do desvio absoluto médio

(DAM), otimizando as variáveis de nível, tendência e sazonalidade. Conforme:

(2.31)

Sujeita as variáveis

α, β e γ das equações do modelo de Holt-Winter:

Sujeitas as restrições:

α, β, γ >0;

Basicamente as técnicas de otimização possuem uma estrutura bastante simples,

para representação do modelo. Seguem abaixo, alguns conceitos básicos empregados:

Função objetivo (Fo): são funções analíticas das variáveis de decisão e parâmetros

que expressam o objetivo a ser alcançado.

Variáveis de decisão: representam os aspectos do problema que podem ser

controlados.

Conjunto de restrições: é o conjunto de equações ou inequações que devem ser

satisfeitas pelas condições do problema, representando as limitações dos recursos

Page 58: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

42

disponíveis ou exigências que devem ser controladas durante a resolução do

problema.

Soluções factíveis: são aquelas que satisfazem o conjunto de restrições do

problema, delimitando a região onde todas as exigências são cumpridas.

Solução ótima: é a que melhor satisfaz o conjunto de restrições, dentre as soluções

factíveis.

2.6 S&OP

Segundo Barbeiro (2008) o Planejamento de Vendas e Operações (do inglês S&OP

– Sales and Operations Planning) é o processo que confere à administração a habilidade

de direcionar seus negócios para atingir a vantagem competitiva de forma contínua,

através da integração dos planos de marketing focados nos clientes com a gestão da

cadeia de suprimentos, para produtos novos e já existentes. Este processo reúne todos os

planos do negócio (vendas, marketing, desenvolvimento, manufatura, compras e

financeiros) num único conjunto integrado de planos. É realizado ao menos uma vez por

mês e revisado pela administração num nível agregado (família de produtos). Deve

reconciliar os planos de suprimento, demanda e novos produtos tanto no nível detalhado

quanto no agregado e verificar sua aderência ao plano de negócio. É a elaboração

definitiva dos planos organizacionais para os períodos próximos e intermediários

cobrindo um horizonte suficiente para o planejamento de recursos e para suportar o

processo de planejamento de negócios. A condução apropriada do Planejamento de

Vendas e Operações conecta o plano estratégico de negócio com sua execução e revisão

de desempenho a fim de garantir a melhoria contínua (APICS Dictionary, 1995).

O desafio do Planejamento de Vendas e Operações é equilibrar demanda com

suprimento, a fim de evitar falta ou excesso de produtos. Segundo Ling e Goddard (1988),

S&OP é um processo através do qual, o gerente geral de um negócio ou empresa se reúne

Page 59: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

43

com seus gerentes de forma regular e freqüente, para atualizar os planos dos

departamentos. Os planos consideram as projeções realizadas pelos departamentos de

marketing, os recursos disponíveis na manufatura, engenharia, compras e finanças e são

direcionados para atingir os objetivos da Companhia. Este processo é realizado num nível

agregado de produtos e cobre um período de tempo suficiente para assegurar que os

recursos necessários serão disponibilizados. Os planos agregados aprovados direcionam,

então, os planos detalhados de cada departamento. Cada mês, ou mais com maior

freqüência, se o mercado for muito volátil, os representantes se encontram novamente,

para verificar se os planos estão em andamento, para verificar o nível de realização dos

planos e para ajustá-los de acordo com as mudanças do mercado e da Companhia.

Deste modo, segundo Correa, Gianesi e Caon (1997), um dos principais objetivos

do S&OP é gerar planos de demanda, produção, financeiros e de introdução de novos

produtos que estejam alinhados uns com os outros e coerentes com os objetivos da

empresa. Sendo estes objetivos conseguidos através de um processo onde participam

elementos das principais áreas da empresa: gerência geral, vendas, operações, finanças,

desenvolvimento de produtos, etc.

É nesse nível de planejamento que as estratégias de manufatura (custos baixos,

velocidade de entrega, etc) devem ser colocadas, condicionando as decisões de

planejamento. Os níveis de estoque, a variação da carga de trabalho e a alocação de

recursos, entre outros, são definidos no nível do S&OP, considerando as prioridades

estratégicas. A partir destas definições, as de finições do S&OP são desagregadas nos

níveis inferiores de planejamento (MRP), ligando as decisões estratégicas de manufatura

com os planos operacionais(BARCEIRO 2008).

O S&OP é um processo que envolve tanto a média administração como o grupo de

executivos, sendo realizado em grupos agregados (famílias ou categorias de produtos) e

focando numa revisão de:

Page 60: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

44

Desempenho do passado recente: compara o desempenho real contra o

Plano de Demanda, de Produção, de Atendimento aos Clientes, de Inventário, do

registro dos pedidos pendentes ou atrasados e ressalta os desvios. Este controle de

desempenho aumenta a responsabilidade na realização dos planos;

Perspectiva para o futuro: as previsões novas e atualizadas de demanda e os

planos de operações resultantes (planos de produção) são desenvolvidos,

modificados onde necessários, e aprovados.

Os benefícios quantitativos do Planejamento de Vendas e Operações

incluem (WALLACE, 2005):

Para empresas de produção para estoque: melhor nível de atendimento aos

clientes, e, ao mesmo tempo, inventário quase sempre menores;

Para empresas de produção sob encomenda: melhor nível de cumprimento

de prazos e, prazos de entrega, quase sempre mais curtos;

Ritmos de produção mais estável e redução de horas extras, com aumento de

produtividade;

Redução de obsolescência;

Redução de fretes especiais.

Um dos benefícios não quantitativos é a melhoria do trabalho em equipe, tanto no

nível executivo quanto no operacional principalmente pela visão holística que o processo

permite aos seus integrantes. Outro benefício é o aumento de controle sobre o negócio,

uma vez que as decisões são conhecidas por todos e operacionalizadas nos vários níveis

da organização. Um outro benefício não quantitativo é que o S&OP provê uma janela

para o futuro, e, portanto, um processo de decisão avançado, permitindo aos executivos e

gerentes a visão das alterações de demanda com uma antecedência maior do que era

possível no passado. Segundo o Aberdeen Group, que em 2004 que desenvolveu uma

tabela chamada S&OP.

Page 61: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

45

Competitive Framework (Inventory Management Report, 2004) , relacionando as

características que, combinadas, definem a efetividade e eficiência de uma estratégia de

S&OP , existem certos fatores comuns que ajudam as empresas a obterem maiores benef

ícios com a estratégia. São eles:

Planejar e medir considerando os lucros e não somente o equilíbrio entre

demanda e suprimentos;

Incluir os elementos de decisão internos e externos à empresa;

Verificar e melhorar sistematicamente as premissas e o Processo S&OP em

face aos resultados;

Dar poder às equipes S&OP de alterar os planos iniciais de Demanda

Suprimentos;

Integrar sistemas de Inteligência de Negócio, de Suporte às Decisões e

sistemas transacionais;

como parte da infra-estrutura do processo;

Desenvolver planos de simulação e formulação de cenários alternativos.

O S&OP Competitive Framework é apresentado na tabela 2.7: Quadro de

Competitividade S&OP.

O próximo nível de execução de S&OP, que está sendo apontado por

especialistas envolve as seguintes capacidades (WALLACE, STAHL, 2005):

Simulações rápidas e abrangentes;

Ligação direta e sem barreiras entre planos detalhados e agregados;

Integração financeira abrangente; Suporte ao Sarbanes-Oxley e outros requisitos

para fins de auditoria;

Combinação de informações de diversas fontes para a tomada de decisões.

Os desafios mais freqüentes na implantação do Processo estão relacionados a

fatores internos, como estrutura organizacional não alinhada, restrições de recursos, falta

de suporte executivo ativo, falta de “benchmarks” competitivos credíveis (Inventory

Page 62: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

46

Management Report, 2004) . As ações necessárias para a superação destas dificuldades

recaem em três categorias: diretiva executiva, colaboração com parceiros e suporte à

equipe multifuncional interna de implementação.

Um outro ponto a ser observado é que a implementação de um Processo S&OP

custa pouco (Wallace, 2000). Uma vez que envolve dezenas de pessoas (e não centenas)

numa empresa de porte médio, os custos de educação e treinamento são baixos.

Normalmente não exige uma equipe ou um gerente de projeto, em tempo integral. Além

disso, os custos computacionais são moderados.

2.7 A Cadeira de Suprimentos

A cadeia de suprimentos, e os seus níveis de atuação possíveis a uma empresa é

um dos pontos competitivos fundamentais no mundo globalizado, onde as distâncias

tendem a ser cada vez menores, do ponto de vista de tempo e custos. A integração dos

fornecedores das matérias primas, passando pelas indústrias de base, até as de

transformação, manufaturas até os distribuidores, chegando finalmente ao cliente ou tendo

outras etapas, garante o menor tempo de resposta, a melhor qualidade de serviço e

assegura a melhor margem. Portanto para uma empresa operar em uma economia de alto

nível, uma boa gestão das atividades logísticas é vital. Os mercados podem até ter

amplitude nacional ou internacional, enquanto que a produção pode estar concentrada em

alguns poucos pontos. As atividades logísticas fornecem a ponte entre o local de produção

e os mercados que estão separados pelo tempo e pela distância. Sendo a logística

empresarial um campo de estudo relativamente novo da gestão integrada. A novidade no

campo da movimentação e armazenagem resulta do conceito de gerenciamento

coordenado das atividades relacionadas, ao contrário da prática história de coordená-las

separadamente, e do conceito de que a logística adiciona valor aos produtos ou aos

Page 63: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

47

serviços que são essenciais para as vendas e a satisfação das necessidades dos clientes

(Ballou, 2004).

A grande maioria das cadeias de suprimento são projetados para a excelência na

redução de custos através de um foco em processos de back-end, como de compra,

fabricação e distribuição física. Isto pode se traduzir em cadeias de abastecimento

eficientes que muitas vezes não verdadeiramente suportam a estratégia global de negócios

da companhia. As novas estratégias para o gerenciamento das cadeias de suprimentos irão

apoiar melhorias contínuas na produtividade, mas também irá conduzir ao melhor nível de

serviço com um forte foco no cliente (COHEN, 2005).

O bom gerenciamento da cadeia de suprimentos é de importância para a

competitividade da empresa. Pois pode-se tanto aumentar a margem, como melhorar o

nível de atendimento ao cliente através de uma estruturada com base em contratos bem

elaborados, com as empresas realizando alianças com outras da cadeia, objetivando uma

redução de custos de transação de maneira sistêmica (na cadeia), com a conseqüente

elevação destes custos para seus concorrentes. Assim o gerenciamento da cadeia de

suprimentos alinha todas as atividades de produção de forma sincronizada, visando

reduzir custos, minimizar ciclos e maximizar o valor percebido pelo cliente final por meio

do rompimento das barreiras entre departamentos e áreas (LEAL, 2005).

Page 64: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

48

3 METODOLOGIA

Relembrando a afirmação dessa dissertação que “podemos entender a tomada de

decisão como o processo de identificação de um problema ou de uma oportunidade e a

seleção de uma linha de ação para resolvê-lo. Um problema ocorre quando o estado

atual de uma situação é diferente do desejado. Já uma oportunidade ocorre quando as

circunstâncias oferecem a chance de um individuo ou de uma organização ultrapassar ou

alterar seus objetivos ou metas.” Será sistematizado a aplicação de métodos de previsão

de demanda de vendas em uma empresa de modo que tragam informações valiosas para a

tomada de decisão na organização. Tomada de decisão relacionadas a motivações

diversas, as quais estão descritas no tópico ‘3.1 Iniciativa’, logo na sequencia. Assim, a

elaboração de um sistema de previsão, segundo Pelegrini (2001) demanda conhecimento e

habilidade em quatro áreas básicas:

(i) Identificação e definição dos problemas a serem tratados na previsão;

(ii) aplicação dos métodos de previsão;

(iii) procedimentos para seleção do método apropriado a situações específicas;

(iv) e suporte organizacional para adaptar e usar os métodos de previsão

requeridos.

Um sistema de previsão deve estabelecer relações entre previsões feitas pelas

diferentes áreas de gerenciamento. Existe um alto grau de dependência entre essas

previsões; o perfeito entendimento da natureza da dependência define o sucesso na

implantação do sistema de previsão.

A aplicabilidade dessa metodologia de previsão de vendas depende de três

condições:

(i) disponibilidade de informações históricas;

Page 65: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

49

(ii) possibilidade da transformação de informações históricas em dados

numéricos;

(iii) e suposição da repetição de padrões observados em dados passados no

tempo futuro. Esta última consideração é conhecida como suposição de

continuidade. Tal condição é uma premissa básica para a utilização de

métodos quantitativos de previsão, bem como de diversos métodos

qualitativos.

3.0 Método cientifico

Segundo Silva et al (2001) o método científico é o conjunto de processos ou

operações mentais que se devem empregar na investigação. É a linha de raciocínio

adotada no processo de pesquisa. Que pode ser do tipo estudo de caso Figura 8.

Figura 8 – Exemplo generalizado de método cientifico estudo de caso (JUNG 2009).

Page 66: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

50

Este estudo utilizará a pesquisa bibliográfica a respeito dos conceitos de métodos

de previsão de demanda de vendas. Estes métodos depois de aplicados serão

direcionadores para o planejamento da organização quanto o dimensionamento da sua

cadeia de suprimentos. Este trabalho se caracteriza como estudo de caso em uma empresa

de laminados sintéticos. Este terá como objetivo aplicar as técnicas de previsão de

demanda de vendas que foram abordadas na revisão bibliográfica, assim como a

sistematização da etapa de otimização das variáveis α, β e λ. De modelo de gestão de

estoques que mais satisfatoriamente se aplica à realidade da empresa.

Para esta dissertação pode-se dizer que a pesquisa bibliográfica, bem como o

estudo de caso, podem ser classificados como pesquisas do tipo aplicada, ou seja, se

preocupam com a aplicação da teoria à solução de problemas e têm a intenção de dar

suporte à tomada de decisão em relação a duas ou mais proposições. (SILVA, 2001 e

MORETTI, 2005). Também pode ser classificada como pesquisa teórico-conceitual, ou

seja, é produto de reflexões a partir de um fenômeno observado ou relatado pela literatura,

compilação de idéias e opiniões de diferentes autores ou ainda simulação e modelagem

teórica (BERTO & NAKANO, 2000 apud MORRETI, 2005). Além disso, trata-se de uma

pesquisa histórica, ou seja, envolve o estudo, o entendimento e a explicação de eventos no

passado. O objetivo da pesquisa histórica é chegar à conclusões sobre eventos do presente

ou prever eventos futuros baseados em causas, efeitos e tendências do passado.

O estudo de caso é uma forma de pesquisa empírica que visa investigar fenômenos,

considerando o contexto real do fenômeno estudado, geralmente quando as fronteiras

entre o contexto e o fenômeno não estão bem definidas. Os estudos de caso podem ser

usados para cumprir diversos objetivos: fornecer descrição sobre o tema, testar a teoria, e

gerar teoria (MORETTI, 2005). Neste trabalho o estudo de caso servirá para testar a teoria

já abordada e gerar os dados reais necessários para as analises fim.

Page 67: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

51

3.1 Iniciativa

Segundo Fragoso (2009) a primeira etapa para a criação de um processo de

previsão de vendas deve ser realizada pela alta gestão da empresa, por tratar-se de uma

iniciativa que envolve custos e mudanças. Toda mudança em uma organização requer

grandes esforços, e seu sucesso está completamente atrelado ao envolvimento dos

executivos nesta iniciativa como forma de sustentar a mudança de cultura, tanto com

recursos como com a definição clara dos objetivos da empresa. Dessa maneira, faz-se

necessário o entendimento completo, por parte do comando da empresa, dos benefícios e

implicações da previsão de vendas que se pretende implantar.

Esta iniciativa deve estar de acordo com o planejamento estratégico da empresa. E

geralmente parte por motivações que variam de oportunidades a problemas, e irão gerar

no final um processo decisório, dentre os quais, pode-se citar:

(i) planejamento dos investimento em capacidade da empresa de médio e longo

prazo, desde aquisições de novas máquinas a construção de novas unidades;

(ii) dimensionamento de centros de distribuições, pois esse tipo de investimento

requer um horizonte grande de tempo;

(iii) maior poder de barganha na compra de matérias primas, já que se tem a

previsibilidade de quanto será necessário e quando;

(iv) e se antecipar em ações para garantir a participação e crescimento no

mercado, frente a novos produtos de concorrentes, novos entrantes,

mudanças culturais, mudanças na conjuntura econômica, entre outros.

Page 68: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

52

3.2 Definição do problema

Diversos fatores devem ser analisados nesta etapa: como e onde a previsão será

usada, onde será usada e como se enquadra dentro da organização. A definição do nível

de detalhe requerido para o sistema é influenciada por diversos fatores, tais como

disponibilidade de dados, acurácia, custo da análise e preferências gerenciais. O custo da

previsão está diretamente ligado à acurácia requerida. Uma vez que o aumento da

acurácia diminui as perdas resultantes dos processos decisórios, a relação entre o custo da

previsão e as perdas causadas pela incerteza forma um trade-off. Assim, após um

determinado ponto o aumento dos recursos investidos não implica em aumento expressivo

na acurácia do sistema de previsão (PELLEGRINI, 2001).

Uma segunda classe de decisões envolve elementos temporais: o período,

horizonte e intervalo da previsão. O período é a unidade básica de tempo em que a

previsão é requerida, podendo ser expresso em meses ou semanas, dependendo do espaço

de tempo em que os dados de demanda estão armazenados. A magnitude do período é o

fator que mais influencia na escolha do modelo estatístico a ser utilizado na modelagem

das séries. O horizonte é o número de períodos futuros cobertos pela previsão, sendo

expresso na mesma unidade temporal do período. Ele está relacionado com a capacidade

de resposta da organização. Quanto menos ágil for à organização, maior será o horizonte.

Recomenda-se que o horizonte da previsão seja, no mínimo, igual ao maior tempo de

resposta da organização (DIAS, 1998). O intervalo é a frequência com a qual novas

previsões são preparadas. Na definição desta frequência, existe um trade-off entre o risco

de não se identificar uma mudança na série temporal e os custos na revisão da previsão.

Assim, o intervalo depende da estabilidade do processo, das consequências de se estar

usando uma previsão obsoleta, e dos custos da previsão e do replanejamento. Geralmente

o intervalo é igual ao período; assim, modelos são revistos a cada período, usando a

demanda do período mais recente (MONTGOMERY et al, 1990).

Page 69: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

53

3.3 Formação da equipe de previsão

Figura 9 - Envolvidos na implantação da previsão de vendas (adaptado de Fragoso 2009)

Apresenta-se a seguir a descrição das responsabilidades e papéis de cada envolvido

no processo:

3.2.1 Patrocinador

A previsão de demanda, apesar de geralmente iniciada com o pessoal de marketing,

freqüentemente requer a participação de pessoas de vendas, atendimento ao cliente,

logística, produção e qualquer outra área que possa ter contato com o cliente ou ter

informações relevantes. Dessa maneira, o líder do projeto, também conhecido como

patrocinador, deve ter influência sobre todas as áreas que serão envolvidas como forma de

garantir que os esforços necessários vão ser realizados.

3.2.2 Consultor externo

Page 70: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

54

Segundo Fragoso (2009) o consultor externo pode ser representado por uma pessoa

propriamente dita, ou uma empresa de consultoria. O papel deste personagem é auxiliar

com os conceitos e experiências passadas na implantação da metodologia, tornando-se

uma espécie de guia e fonte de informações. É bastante recomendável a utilização de uma

figura externa à organização principalmente quando

• A empresa, de uma maneira geral, tem pouco ou nenhuma experiência com

implantação de processos de qualquer natureza;

• A pessoa designada para ser facilitadora, apesar de atender os requisitos do perfil,

não tem conhecimentos sobre gestão ou métodos de previsão de demanda;

• For identificado que a posição de destaque que o facilitador foi colocado pode

causar o fracasso do processo pela concorrência interna dos integrantes da equipe. Neste

caso, a figura do consultor vai tirar o foco de atenção sobre o trabalho do dono do

processo sem, no entanto, “concorrer” com os demais.

3.2.3 Facilitador

O facilitador é a pessoa geralmente nomeada pelo patrocinador, possui dentre suas

responsabilidades destacam-se:

• Participar na definição da equipe que fará parte da previsão de vendas;

• Coordenar e operacionalizar a implantação do processo de previsão de vendas

através da metodologia que está sendo proposta;

• Garantir as execuções sistemáticas da previsão após completamente implantada e

definida, atuando junto à equipe;

• Acompanhar o desempenho do processo de previsão, promovendo ações de

melhoria contínua para que os resultados sejam satisfatórios.

Page 71: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

55

O perfil do facilitador do projeto ou processo de previsão de vendas também deve

ser definido com bastante cuidado, devido à variedade de tarefas que este desempenha.

Deve possuir excelente habilidade de relacionamento interpessoal, experiência

administrativa, capacidade de liderar equipes e reuniões e Conhecimento a respeito dos

produtos e clientes da empresa. Por tudo isso, é altamente desaconselhável que o dono do

processo seja terceirizado ou recém-contratado pela empresa, deve-se preferir um

funcionário (adaptado de FRAGOSO 2009 e SEBRAE 2011).

3.2.4 Equipe

Montar a equipe de previsão de vendas é um desafio muito grande para o

Patrocinador, Facilitador e demais executivos da empresa. A composição dela vai ser

determinante para o sucesso ou insucesso do projeto de implantação da previsão. É

recomendável que se monte uma equipe com representantes de todas as áreas envolvidas

com o planejamento de vendas. Dentre elas, Fragoso (2009) sugere:

• Envolvimento das áreas que participam do desenvolvimento de novos negócios

com os clientes. Em uma empresa em que a venda é técnica, usualmente os vendedores

são a própria fonte de informações referentes aos prazos em que os negócios serão

concretizados e, consequentemente passados para a fase de produção.

• Envolvimento das áreas que estão no atendimento dos clientes, quanto aos

produtos de carteira. Isto pode variar de acordo com a organização da estrutura de

atendimento ao cliente de cada empresa. Se o próprio vendedor é incumbido de passar o

pedido para dentro da empresa, ele deve estar envolvido.

Outras organizações têm, por sua vez, um time de atendimento ao cliente para

receber as ordens de compra dos clientes.

• Envolvimento dos influenciadores do comportamento dos clientes. Qualquer ação

que for desenvolvida na empresa que possa influenciar o comportamento do cliente, como

uma promoção ou aumento de preço, deve ser conhecida com antecedência para a

Page 72: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

56

previsão de vendas. Sendo assim, o time de marketing estratégico também deve ser

envolvido.

• Envolvimento da área de produção, de preferência especialistas que tem total

conhecimento da capacidade produtiva e as peculiaridades de produção de cada produto.

As informações desses dão suporte aos desdobramentos que a previsão pode gerar;

• Envolvimento do pessoal de Tecnologia da Informação. Em todo processo, e

principalmente no de previsão de vendas, faz-se necessário o uso de suporte de softwares

para auxílio no fluxo de informações. Por isso é de extrema importância que o TI esteja

ciente e engajado no processo, ou que alguém apto a extrair informações do banco de

banco de dados da companhia.

• Por fim, deve-se ainda analisar a empresa como um todo para que se possam

identificar outras fontes de informação a respeito do comportamento das vendas. Como

algumas áreas poucos usuais as previsões podem ter informações preciosas como a

expedição, qualidade, logística, dentre outras.

3.4 Levantamento das informações

O sistema de previsão tem como base modelos quantitativos, pelo menos dois tipos

de informações devem estar disponíveis na elaboração de um sistema de previsão

(MAKRIDAKIS et al, 1998 apud PELLEGRINI, 2001):

(i) dados estatísticos (geralmente numéricos);

(ii) e dados subjetivos oriundos de julgamento e perícia de especialistas

(empregado também na avaliação da qualidade dos dados a serem

utilizados no sistema). Dados estatísticos são utilizados na modelagem

Page 73: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

57

matemática da previsão; opiniões de especialistas permitem a validação

prática das previsões geradas pelo sistema.

• Montagem do Banco de Dados

Os dados estatísticos a serem utilizados na previsão da demanda são usualmente

armazenados em um banco de dados. O banco de dados deve conter, além da série

temporal (representada por produtos e sua demanda a cada período), informações que

possibilitem a estratificação dos dados. A atualização do banco de dados deve ser feita a

cada período, incorporando-se, assim, informações mais recentes aos modelos de

previsão.(PELLEGRINI 2001)

• Classificação dos Produtos

Em certos sistemas de previsão, centenas de produtos podem estar em estudo.

Porém, nem sempre se faz necessária, para fins gerenciais, a análise de todos os produtos

individualmente. Muitos deles podem ser agregados, através de critérios pré-

determinados, em uma mesma série temporal, e analisados conjuntamente.

A metodologia mais aplicada para a agregação de produtos é a classificação ABC,

a qual determina a importância do produto, relacionando demanda e seu faturamento

(NAHMIAS, 1993). Sugere-se a utilização dessa classificação como critério de definição

do nível de detalhamento a ser adotado na modelagem de séries temporais. Neste

contexto, os produtos aos quais estão associadas as séries temporais em estudo podem ser

classificados em 3 classes:

Classe A – Representa 80% do faturamento e cerca de 20% dos produtos vendidos

pela empresa. A previsão de demanda é feita individualmente para produtos nesta classe.

Estratificações das séries temporais de demanda conforme região, cliente ou vendedor,

por exemplo, podem também ser de interesse gerencial. De forma geral, somente

estratificações nas séries da classe A justificam-se economicamente.

Page 74: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

58

Classe B - Representa 15% do faturamento e cerca de 30% dos produtos vendidos

pela empresa. A previsão de demanda é feita individualmente para cada produto, porém

estratificações nas séries não são, via de regra, necessárias.

Classe C - A classe C contempla 5% do faturamento e cerca de 50% dos produtos

vendidos pela empresa. Para os produtos nesta classe, o mais indicado é a realização de

uma previsão agregada única de demanda.

Um outro método de agregação que também pode ser utilizado nesta etapa é a

classificação dos produtos por família. Neste método, produtos com as mesmas

características são agrupados em uma única série temporal, reduzindo significativamente

o número de séries a serem analisadas. Um exemplo de aplicação deste método de

agregação é apresentado no estudo de caso, no capitulo 4.

3.5 Análise preliminar

Nesta etapa, dados históricos são agrupados e representados graficamente. Desta

maneira, pode-se identificar possíveis valores espúrios na série temporal, o que

dificultaria a sua modelagem. Valores espúrios podem ser causados por erros de

digitação, falta de produtos, promoções esporádicas e variações no mercado financeiro,

entre outras causas. Para o tratamento destes valores, sugerem-se os seguintes

procedimentos:

Procedimento A - Quando o valor espúrio encontra-se no final da série temporal e

existem valores suficientes para gerar um modelo de previsão, substitui-se o valor espúrio

pela previsão relativa ao período correspondente ao dado excluído.

Procedimento B - Quando o valor espúrio encontra-se no início da série temporal,

o procedimento descrito anteriormente torna-se inviável. Uma sugestão para tal situação é

Page 75: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

59

fazer a substituição do valor espúrio pelo média das observações imediatamente

adjacentes a ele, e gerar um modelo de previsão. Uma vez feita a previsão, o valor espúrio

é substituído pela previsão relativa ao período correspondente.

Uma vez retirados os valores espúrios, analisam-se fatores como padrões,

tendências e sazonalidades que podem estar presentes na série em estudo. A análise

gráfica preliminar fornece subsídios auxiliares na escolha dos modelos quantitativos a

serem utilizados na modelagem matemática das diversas séries de dados (PELLEGRINI e

FOGLIATO 2001).

3.6 Escolha do pacote computacional e modelagem para a programação linear

Deverá se escolher um pacote computacional que permita a modelagem

matemática entradas dos modelos e permita a utilização de programação linear. As opção

conhecidas pelo autor são o Matlab, e o Excel. O Matlab tem a vantagem de aceitar

qualquer tipo de modelo, é uma poderosa ferramenta computacional, capaz de se resolver

qualquer problema técnico. Possui uma família de aplicativos específicos (“toolboxes”),

que são coleções de funções usadas para resolver determinados problemas tais como:

otimização, manipulação algébrica, redes neurais, processamento de sinais, simulação de

sistemas dinâmicos, entre outros. A desvantagem é que requer maior tempo para

modelagem e conhecimento prévio de programação. E o custo de aquisição pela empresa

do programa e as licenças dos toolboxes pode passar de dezenas de milhares de reais.

O Excel não é uma ferramenta tão poderosa para simulações e modelagens

matemáticas como o MatLab. Mas possui a vantagem de ser amplamente utilizado nas

organizações, baixo custo de aquisição, e exige pouco ou nenhum conhecimento em

programação (para conhecimento a programação do Excel é em VBA – Visual Basic For

Application) e permite a rápida modelagem dos sistemas computacionais.

Page 76: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

60

Também a disposição dos pesquisadores softwares livres, são opções que poderiam

ser avaliadas mas não foram utilizadas nesse trabalho.

É necessário conhecimento prévio de modelagem para programação linear. Livros

de pesquisa operacional podem oferecer a lógica necessária, veja o livro de Gerson

Lachtermacher (2009), Pesquisa Operacional.

No capítulo 4 foi utilizado pelo autor o ambiente Excel para a modelagem.

3.7 Modelos matemáticos

Escolhido o pacote, deve-se então entrar com as equações dos modelos

quantitativos, nesta etapa quanto mais modelos melhor são os resultados finais da

previsão. No estudo de caso do capitulo 4, foram utilizados a regressão linear, a regressão

linear ponderada, a média móvel, dupla exponencial de Holt e método Winter. O objetivo

é para cada série histórica previamente analisada, gerar diversas previsões simultâneas e

os seus respectivos desvios para posterior analise e escolha. È importante levar em

consideração que:

• Características da série temporal - a previsão futura de uma série temporal pode

ser feita através das previsões de seus componentes (sazonalidade, tendência, etc.). A

previsão da sazonalidade, em virtude da sua regularidade, pode ser feita de maneira

adequada por um grande número de modelos. Muitas séries, inclusive, podem ser

modeladas de forma mais acurada se removido o componente sazonal (MAKRIDAKIS&

HIBON, 1997); sem o componente sazonal, o domínio de um dos componentes sobre os

demais na série pode definir o modelo a ser utilizado (PELLEGRINI e FOGLIATO

2001).

• Agregação temporal dos dados - o grau de agregação influencia na seleção do

modelo, pois, de maneira geral, a aleatoriedade diminui com o agrupamento dos dados.

Page 77: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

61

Assim, dados dispostos anualmente possuem pouca aleatoriedade e um forte componente

de tendência; por outro lado, dados diários possuem grande aleatoriedade. Modelos mais

complexos produzem melhores resultados em agregações intermediárias (mensais ou

quadrimensais), já que estas podem exibir fortes componentes cíclicos e de tendência.

3.8 Previsão matemática otimizada e validação do(os) modelo(os)

Após se gerar os diversos modelos, deve-se utilizar a otimização linear nos

modelos que possuem as constantes de nível, tendência e sazonalidade, a fim de

aperfeiçoa-las e melhorar o ajuste da curva do modelo à série histórica, minimizando o

desvio absoluto médio, da sigla DAM. A não utilização da otimização linear nesta etapa

condiciona a acurácia dos modelos o fator humano, onde as escolhas são muitas vezes

subjetivas, a velocidade do processo de previsão seria prejudicado e os resultados muitas

vezes ótimos.

Assim, a escolha do modelo de previsão apropriado a cada série temporal levará

em conta puramente a sua acurácia, ou o menor DAM percentual. Para cada série

histórica podemos ter diferentes modelos qualitativos apresentando a melhor

aproximação.

Após escolhido o modelo de previsão quantitativo, entra o fechamento qualitativo.

3.9 Ajuste e revisão

Segundo Fragoso (2008) esta é a fase que dá início a entrada de informações de

base qualitativa, que possam influenciar o volume de vendas para os períodos seguintes.

Page 78: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

62

Vale lembrar que a partir deste ponto, consideram-se apenas os produtos classificados

como B e A anteriormente.

Dependendo do grau de maturidade da companhia, a reunião de revisão da

previsão de demanda pode ser realizada juntamente com as reuniões do S&OP, como

mostrado bor Barbeiro (2005). Caso a companhia ainda não possua essa sistemática,

deve-se proceder de maneira geral, conforme descrito na sequência:

O time de previsão de vendas deve reunir-se para levantar possíveis informações

que possam impactar nas vendas futuras como promoções, ajustes de preço, fatores de

mercado, ofertas e outros, com a finalidade de refinar o número gerado estatisticamente

pela previsão baseada em dados históricos.

Com o intuito de ajustar a previsão estatística com as variáveis e com os dados não

históricos, é feita então uma reunião com os especialistas de marketing e de produção.

Ambos em mãos com o modelo de previsão puramente matemático. Irão ponderar sobre

os efeitos que as variáveis passadas tiveram sobre os dados históricos, e os possíveis

efeitos que as variáveis futuras terão sobre a demanda.

Assim a área comercial ajusta o modelo de acordo com o conhecimento de

aspectos que podem influenciar a demanda, como, por exemplo, promoções ou

campanhas promocionais, é de extrema importância para o processo de previsão. Através

deste tipo de informação, pode-se fazer com que a previsão, com o uso da análise

subjetiva, se ajuste a casos particulares (PELLEGRINI 2002).

Outros variáveis que influenciam a previsão são relacionados à conjuntura

econômica do país e das demais nações nas quais possuem relações comerciais. Também

informações passadas por clientes, como grande demanda de determinado produto,

informações sobre novos entrantes no mercado, campanhas e ações de marketing e de

concorrentes.

Page 79: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

63

A produção por sua vez, de acordo com os investimentos previstos ou o tempo de

resposta para o aumento da sua capacidade produtiva informa se pode atender a demanda

prevista ou se em determinado período deverá fazer um corte na previsão de vendas por

falta de capacidade produtiva, para posterior crescimento da curva.

3.10 Reunião de fechamentos e decisões

Uma vez tendo-se os modelos e seus parâmetros estimados apropriadamente, sua

utilização na predição da demanda futura pode ser testada. Para tanto deve-se reunir os

responsáveis pelo comercial e produção, para alinhamento das diretrizes dos seus planos,

para que ambos caminhem em paralelo, sem detrimentos e visando as diretrizes gerais do

planejamento estratégico da companhia. (adaptado de BATOCCHIO & BIAGIO 2005).

Neste ponto, o processo de implantação do sistema de previsão é considerado

concluído, é aconselhável aqui dar início o a fase de manutenção da previsão, com a

revisão do sistema a cada período de tempo previamente definido. Assim, decisões de

dimensionamento da companhia e sua cadeia de suprimentos terão sempre dados

atualizados para se amparar, e pode-se reavaliar os modelos estatísticos inicialmente

selecionados para sua previsão futura. Pois quanto maiores são os valores, ou as

mudanças envolvidas nas decisões mais importantes são a acurácia da previsão.

Page 80: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

64

Figura 10 – Passos para previsão de demanda de vendas na tomada de decisão (próprio autor).

Page 81: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

65

4 RESULTADOS E DISCUSSÃO

4.0 Introdução

Será apresentado neste capítulo a aplicação da metodologia proposta para o auxilio

na tomada de decisão de uma companhia real. O autor participou ativamente na

implantação da metodologia na empresa, também será apresentada a empresa foco desse

estudo.

4.1 Empresa objeto do estudo

A empresa do estudo é de capital Brasileiro, e o seu segmento objeto dessa

dissertação é o de fabricação de laminados sintéticos. Suas atividades tiveram inicio na

década de 60 em sua sede no interior do estado de São Paulo. Hoje possui mais de 100

mil metros quadrados de área produtiva, atuando nos setores plástico, químico e não-

tecidos. A atuação se estende a diversos segmentos de mercado como: calçados, bolsas e

acessórios, utilidades domésticas, impermeabilização, móveis, vestuários, automotivo,

puericultura, mineração, esporte e lazer, brindes, escolar e comunicação visual. Líder de

mercado no seu segmento. Formando uma gama de diversificados produtos para atender

clientes totalmente distintos.

Na figura 11 é apresentado o organograma resumido da empresa.

Page 82: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

66

Figura 11 – Organograma resumido da empresa. Apresentando as posições mais envolvidas no estudo.

4.2 Aplicando a Metodologia

4.2.0 Iniciativa

A companhia estava em face de um problema. Os armazéns de estocagem já

tinham passado do limite, os produtos acabados estavam sendo estocados nos corredores

de circulação. Novas máquinas estavam sendo instaladas frente ao plano de produção para

Presidente

Diretor Financeiro Diretor de TI Diretor de

Desenvolvimento Diretor Comercial

Ger. Vendas

Diretor de Produção

Ger. logística

Ger. PCP

Ger. produção

Ger. qualidade

Consultoria

Page 83: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

67

atender em parte a força de vendas, com o comercial prometendo prazos apertados e ao

mesmo tempo vendendo produtos que seriam entregues só meses depois comprometendo

ainda mais os estoques abarrotados. Além disso, novos produtos iriam entrar em

circulação e as expectativas eram animadoras.

A solução era investir um novo armazém, e a decisão se baseava no tamanho ideal

para comportar de maneira aproximado o crescimento da companhia nos próximos 10

anos. Pela intuição de especialistas da empresa, uma armazém de 10.000m2 seria o

suficiente para atendê-los, segundo cotações da época, o custo de construção seria em

torno de 10 milhões de reais. Mas atenderia até que horizonte de tempo? Sendo que cada

metro quadrado de construção a mais impactaria em mil reais (R$1.000,00) de recursos

adicionais que poderiam ser empregados em atividades rentáveis da companhia.

4.2.1 Definição do problema

Consiste na estimativa da previsão de demanda de vendas da companhia nos

próximos 10 anos afim de se dimensionar o seu centro de distribuição.

Diversos fatores devem ser analisados nesta etapa: como e onde a previsão será

usada, onde será usada e como se enquadra dentro da organização.

A previsão deverá atuar sobre o histórico de faturamento dos produtos da

companhia que se destinaram ao CD.

Os produtos para tanto serão agregados em famílias, depois será feita análise

individual da série histórica de cada uma das famílias para a classificação das suas

demandas, pois só as demandas temporais regulares é do interesse desse estudo.

Como a previsão que será necessária é de longo prazo será utilizado a

periodicidade mensal para os cálculos dos modelos e para gerar a previsão quantitativa.

Mas para o fechamento com o corpo de especialistas, a previsão será agregada em anos.

Page 84: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

68

Dentre os modelos selecionados na metodologia já se descarta a média móvel, pois só é

aconselhável para previsões de curto prazo, assim não foi estudado o seu efeito nas séries

em questão.

Com base previsão de longo prazo se tem um crescimento das vendas dos produtos

e por conseguinte do estoque. O critério para o cálculo do estoque escolhida foi o tempo

de permanência médio de cada uma das famílias de produtos em dias multiplicado pela

produção média em dia gerada pela previsão de faturamento média dia.

4.2.2 Definição da equipe de previsão

Tomada à decisão de prosseguir com o trabalho pela alta gestão da empresa, faz

necessário à definição do time de previsão de vendas. Naturalmente o patrocinador tende

a ser o alto executivo que tem a decisão em mãos, mas para o sucesso do projeto, o

mesmo precisa ter influência sobre as demais áreas da companhia. Assim a escolha fica

restrita aos diretores ou a algum gerente muito influente dentro da estrutura.

Neste caso a escolha foi natural e a responsabilidade ficou sobre o Gerente de

Produção.

No caso da consultoria, esta é aconselhável quando a companhia não domina as

técnicas desta metodologia ou não possui força de trabalho para levar o projeto. Isso

implica que, os consultores contratados, seja uma única pessoa, ou uma empresa

especializada, deva dominar o assunto em profundidade, às ferramentas utilizadas e seja

capaz de disseminar o conhecimento para a empresa, de modo que a mesma consiga nos

anos subsequentes dar continuidade a previsão de demanda. A escolha se acabou sendo

óbvia e recaiu sobre o próprio autor e a sua equipe. O autor, na figura da consultoria foi o

principal agente de mudanças.

Page 85: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

69

O Facilitador, quando não há a figura da consultoria deve assumir todo o papel de

principal agente do projeto. Neste trabalho em específico sua figura foi de extrema

importância e fator crítico para o sucesso. O mesmo possuía profundo conhecimento da

companhia e das pessoas. Fazia os contatos e provinham às informações necessárias as

analises da consultoria. Fez várias buscas de informações ao banco de dados ou as

solicitou para a equipe de TI. Devido a grande quantidade de informações demandadas

durante todo o projeto e a responsabilidade sobre a veracidade dos dados, ficou definido

não 1, mas 2 facilitadores. O primeiro seria o gerente de qualidade devido principalmente,

o mesmo ter trabalhado no PCP da companhia e ter vasto conhecimento de cada um dos

produtos e o gerente de logística, principal afetado com o resultado final do projeto e

devido ao mesmo ser um funcionário antigo da companhia, conhecendo as peculiaridades

de armazenamento de cada tipo de produto.

Juntamente com os facilitadores e patrocinador deverá ser definido os restantes da

equipe de projeto. Ela deveria envolver multiáreas, logo já foi envolvido o Diretor de

Produção para dar maior credibilidade e comprometimento dos integrantes da equipe ao

projeto. Basicamente, se buscou os maiores especialistas nos produtos e no mercado. Pois,

os mesmo deveriam prover informações e trabalhar em conjunto com os facilitardes e

patrocinador, para realizar os ajustes da previsão quantitativa e validar os números finais.

Assim foi definido como parte da equipe:

Diretor Comercial e Gerente de Vendas são as pessoas que possuem a maior

quantidade de informações sobre a tendência do mercado, sobre os clientes e

concorrentes. Os mesmos participam de todas as decisões estratégicas da companhia que

possam influenciar o comportamento dos clientes.

O Diretor Financeiro também tem experiência no mercado, nas suas oscilações e

pode trazer importantes informações a respeito da demanda que não estavam sendo

consideradas pelos demais integrantes.

Page 86: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

70

Diretor de Tecnologia da Informação é responsável com a sua equipe pela extração

de alguns dados e o seu tratamento.

4.2.3 Levantamento das Informações

A companhia possui diversas linhas de produtos, algumas das linhas não há lote

mínimo de compra e são produtos feitos Make to Stock. Mas nada impede que se a

quantidade do pedidos for muito grande gerar uma ordem de produção específico para o

cliente, caracterizando a segunda classificação de produtos da companhia, os Make to

Order que há lote mínimo de compra e necessariamente vão gerar uma ordem de

produção, são geralmente produtos muito específicos mas na sua maioria são os mesmos

produtos Make to Stock, mas personalizados para o cliente ou simplesmente com o

acabamento final como coloração, estampa ou texturas diferentes dos produzidos Make to

Stock.

O portfólio de produtos da companhia ultrapassa 2000 agrupados em centenas de

famílias e reagrupados em 40 macro famílias. Há grandes clientes para famílias

específicas, mas como já dito não há lote mínimo de compra para os produtos de estoque.

Decidiu-se que as macro famílias seriam suficientes para o estudo pela forma de trabalho

da companhia e devido a isso a facilidade das informações pois a empresa já as possuía.

Uma agregação maior não seria interessante devido a perda de informação e uma

agregação menor levaria muito tempo de avaliação dos dados, modelagem e

posteriormente ajustes. Sendo assim as macro famílias foram suficientes para o estudo.

• Montagem do Banco de Dados

A montagem do banco de dados se deu com o auxilio dos colaboradores de TI, os

quais levantaram relatórios do faturamento de todos os produtos entre janeiro de 2004 a

junho de 2010, totalizando 6,5 anos.

Page 87: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

71

Para o posterior tratamento estatístico foi preciso estratificar os dados anuais do

faturamento pelas famílias. Incumbência dos coordenadores de logística e produção que

conheciam muito bem cada um dos produtos e suas classificações. O resultado é mostrado

para a família 12, e foi feito para as demais 28 famílias de produtos (28 pois no próximo

passo a analise dos dados mostrou que algumas famílias não apresentavam demanda

regular).

Na figura 12 a seguir há um exemplo do levantamento dos dados históricos de

faturamento.

Figura 12 – Levantamento dos dados históricos de janeiro de 2004 a junho de 2010 para a Família 12.

4.2.4 Analise Preliminar

Nesta fase entra o julgamento subjetivo dos dados de cada família de produtos.

Deve-se analisar cada uma das séries, principalmente para a definição do seu tipo de

demanda, se é ou não uma demanda temporal, se é regular ou irregular. Pois os modelos

qualitativos, base do estudo, têm a restrição de só trabalharem com demandas temporais

regulares.

Page 88: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

72

Também é nesta fase a retirada dos valores espúrios, em alguns casos específicos

essa retirada possibilidade a transformação de uma demanda irregular em regular.

Também é possível identificar tendências e sazonalidades de cada família de produto, já

antecipando os modelos estatísticos que apresentaram a melhor aderência.

No próprio levantamento dos dados históricos é possível observar demandas

irregulares, como mostrado na figuras 13 e também identificar valores espúrios, que

podem ser do início do ciclo de vida do produto, ou mesmo por falhas da força de vendas,

como os mostrado na figura 14 e assim, para posterior substituição do valor espúrio por

sua média do ano.

Figura 13 – Levantamento dos dados históricos dos últimos 6,5 anos para a Família 14. É de fácil observação

que a sua demanda é irregular ou especial.

Page 89: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

73

Figura 14 – Levantamento dos dados históricos dos últimos 6,5 anos para a Família 27 e Identificação dos

valores espúrios para a sua posterior substituição pelas médias do ano.

Essas análises foram feitas, por decisão do autor para cada uma das 40 famílias de

produtos, não utilizando a principio da classificação da curva ABC. O que a principio foi

um erro, pois das 40 famílias, apenas 28 possuíam demandas regulares e eram aptas a

aplicação dos modelos qualitativos.

As famílias número 4, 14, 17, 23, 24, 30, 33, 35, 38 e 40 não possuem demanda

regular. Não podendo assim ter previsões estimadas com base na metodologia e ficaram

de fora do estudo, pois também não eram significativas, sendo na classificação ABC

classificadas como uma das ultimas do item C.

Para as demais famílias, foram gerados gráficos como os apresentados na figura

15, para a análise de possíveis tendências e sazonalidades dos produtos. Foi identificado

que as famílias 21 e 22, além de possuir demanda decrescente já tinham alcançado o fim

do ciclo de vida e só não eram descontinuadas pois alguns clientes específicos ainda as

adquiriam. E também foram excluídas do estudo.

Page 90: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

74

Figura 15 – Gráfico de barras e de linhas para a família 12, o período escolhido foi anual para identificação de

possíveis sazonalidades da demanda.

Page 91: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

75

4.2.5 Escolha do pacote computacional voltado à programação linear.

A escolha foi natural e desde o principio já havia sido tomada, apesar de o autor

dominar a linguagem do MatLab®, os seus custos de licença comercial e a dificuldade de

continuidades da sua utilização na empresa o inviabilizaram. Já o Minitab®, outra

poderosa ferramenta estatística muito difundida não possuía o suporte para a programação

linear, e se a mesma não fosse objeto do estudo, no Minitab® só é possível analisar uma

série de dados por vez com múltiplos modelo.

Assim a escolha recaiu sobre o Excel®. Devido a sua penetração nas industrias e a

familiaridade do autor com a ferramenta. Este permite a analise de varias séries de dados

ao mesmo tempo e com diversos modelos quantitativos. O Excel vem com uma versão

básica de uma software de otimização chamado SOLVER®, muito utilizado por

profissionais de pesquisa operacional. A versão básica apesar de limitada a menos de 50

variáveis foi suficiente para este estudo.

4.2.6 Modelos Matemáticos

Assim, após a análise preliminar, os dados históricos que foram mostrados na

figura número 12 foram colocados em uma mesma coluna do Excel®, e os modelos

matemáticos foram criados e replicados para todas as 28 famílias estudadas. Cada família

então passou a possuir uma planilha específica no Excel, como exemplificado na tabela 1.

Page 92: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

76

Tabela 1 – Disposição dos dados históricos (em metros lineares) em uma única coluna, a figura

mostra a família de número 1.

Após a criação de uma planilha para cada série histórica devera-se entrar com os

modelos matemáticos.

O primeiro passo é criar uma estimativa inicial para o nível e tendência para os

demais modelos (com exceção da média móvel que a não utiliza). Esta estimativa inicial

será obtida através de uma regressão linear simples da série histórica para o período t, de

Page 93: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

77

acordo com Chopra e Meindl (2006), já citado na revisão bibliográfica. O Excel já possui

uma função matricial específica que pode retornar a informação desejada. A função é a

Projelin mostrada na Tabela 2, que foi aplicada na série histórica da Tabela 1.

Tabela 2 – Aplicação da função Projelin do Excel, nos dados da tabela 1, para o retorno do nível

e tendência da série.

TENDÊNCIA NIVEL

`=PROJ.LIN(D13:D90;C13:C90;6) `=PROJ.LIN(D13:D90;C13:C90;6)

O primeiro modelo matemático a ser aplicado já está resolvido e são as projeções

através da regressão linear simples, mostrado na Tabela 3 como a coluna MNQ. Apesar

dessa mesma tabela apenas mostrar mais 2 modelos MNQ Corrigido e Média Movel, para

o aplicativo também foi usado a suavização exponencial dupla de Holt e o modelo de Holt

Winter. Os demais modelos matemáticos e o seu equacionamento no Excel serão

mostrados no Anexo A.

Page 94: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

78

Tabela 3 – Exemplo de alguns modelos matemáticos utilizados.

4.2.7 Previsão Matemática Otimizada e Validação do Modelo

O objetivo da otimização é melhorar o máximo possível os ajustes das constantes

de nível, tendência e sazonalidade, minimizando assim o DAM. Sendo assim a lógica de

otimização é apresentada como:

Objetivo: Minimizar a função objetiva;

Page 95: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

79

Função objetiva: DAM;

Variáveis: α (alpha), β (beta) e λ (gama).

Vale lembrar que a otimização só é possível para os modelos quantitativos de

HOLT e HOLT-WINTER, pois só os mesmos neste estudo apresentam as constantes.

Na figura 16 em amarelo tem-se as funções objetivas a serem minimizadas. E em

laranja são as variáveis a serem encontradas. Na figura de número 17 tem-se a tela do

solver do Excel já com os dados da tabela mostrado na figura 16. Ainda na figura 17, no

círculo vermelho são apresentadas as restrições e no circulo azul tem-se a escolha da

opção de minimização.

Na sequência segue o equacionamento já apresentado no capitulo 2, (conjunto de

equações 2.31):

Minimizar a função objetiva:

Otimizando as variáveis α, β e γ das equações do modelo de Holt-Winter:

Sujeitas as restrições:

α, β, γ >0;

Como o solver só possui a opção maior ou igual, menor ou igual, substituímos o

zero por 0,01. Também se faz necessário no solver marcar os campos “presumir não

negativas” e “presumir modelo não linear”.

Page 96: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

80

Para a otimização das constantes para cada uma das séries históricas. A escolha do

modelo final que irá gerar a previsão de vendas se baseou-se no menor DAM. Conforme

mostrado na Tabela 4 para alguns dos produtos mais representativos.

Figura 16 – Função objetiva a ser otimizada e variáveis de otimização.

Figura 17 – Equacionamento no solver do Excel.

Page 97: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

81

Tabela 4 – Erro médio para as diversas famílias de produtos.

ERRO

MNQ

Erro MNQ

Corrigido –

periodicidade

12

Erro Exp.

Dupla de

HOLT

Erro

WINTER

periodicidade

12

Modelo

escolhido DAM

Familia 1 39% 29% 36% 29% WINTER 29%

Familia 2 31% 22% 30% 22% MMQ 22%

Familia 5 76% 60% 67% 54% WINTER 54%

Familia 8 30% 21% 32% 23% MMQ 21%

Familia 10 38% 31% 37% 30% WINTER 30%

Familia 12 19% 15% 18% 16% MNQ 15%

Familia 13 30% 12% 28% 12% MNQ 12%

Familia 15 28% 16% 27% 15% WINTER 15%

Familia 16 33% 35% 28% 23% WINTER 23%

Familia 20 20% 16% 20% 18% MMQ 16%

Erro médio 24%

É nítido que pela tabela 4 os modelos que apresentaram maior aderência são os que

levam em conta variações sazonais. É importante dizer que no caso do modelo de Holt-

Winter após feita a otimização das suas constantes, em todas as famílias de produtos essa

constante tendeu a zero. Ou seja, apesar das séries históricas apresentarem certa

sazonalidade, essa não tem um período específico, se tornando irregular.

Tomou-se como critério para escolha do modelo no caso que há empate dos erros,

sempre optar pelo modelo que apresentava menor Viés, como esse fato só ocorreu para o

Winter e MNQ (mínimos quadrados) Corrigido, coincidentemente o MNQ Corrigido

apresentou o menor viés na maioria dos casos.

Page 98: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

82

As figuras 18 e 19 mostram os modelos de MNQ Corrigido e Winter para a família

de número 1. Repare que pela tabela 4 os modelos tem o mesmo DAM, mas visualmente

percebe-se que a aderência do modelo de Winter esta melhor. Isso se confirma quando

verificamos o viés da previsão, a qual é a soma dos erros.

Figura 18 - Regressão linear corrigida para a família 1.

Figura 19 – Modelo de Winter para a família 1.

0

50000

100000

150000

200000

250000

300000

350000

0 10 20 30 40 50 60 70 80

Tendência Real MNQ Corg

0

50000

100000

150000

200000

250000

300000

350000

400000

450000

0 10 20 30 40 50 60 70 80 90

Tendência Real WINTER

Page 99: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

83

Após a escolha do modelo com a maior aderência e menor DAM foi feita as

projeções com periodicidade mensal, e depois as mesmas foram agregadas em anos de

2011 até 2020, para o fechamento dos especialistas da empresa, que ocorrerá no próximo

passo.

4.2.8 Ajuste e revisão

Aqui ocorre a entrada dos dados das variáveis não quantitativas. A equipe de

previsão de vendas fez os ajustes finais necessários a previsão quantitativa para cada uma

das famílias de produtos, como exemplificado na Tabela 5 para a família 02.

Tabela 5 – Previsão matemática agregada para a família de produtos 2 e previsão já ajustada.

Volume 2009

Volume 2010

Volume 2011

Volume 2012

Volume 2013

Volume 2014

... Volume

2021

Fa

milia

02

Previsão Matemática

Volume(metros) 4.845.884 5.924.872 6.258.781 6.820.073 7.267.673 7.715.273 ... 10.848.474

Crescimento Anual

22% 8% 7% 7% 6% ... 4%

Crescimento Progressivo

22% 32% 41% 50% 59% ... 124%

Previsão Ajustada

Volume(metros) 4.845.884 5.924.872 7.347.461 7.900.000 9.186.338 9.204.321 .. 9.310.000

Crescimento Anual 22% 24% 8% 16% 0% ... 0%

Crescimento Progressivo 52% 63% 90% 90% ... 92%

O autor não teve acesso às considerações finais desses ajustes. Mas é possível fazer

algumas analises. Pois como as fabricas são divididas em 3 centros de trabalho, pode-se

gerar as figuras 20, 21 e 22 que mostram a previsão matemática de vendas agregada para

cada um dos centros de trabalho e compara com a previsão ajustada pelos especialistas da

empresa. Com base na observação dessas figuras, fica claro que o ajuste feito pelos

especialistas da empresa, levaram em consideração apenas as definições estratégicas de

investimentos em capacidade para os produtos já existentes e para o investimento nos

novos produtos. Ou seja, foi feito ajustes na curva de acordo com a nova capacidade a ser

instalada. Nota-se também pela observação das curvas que apesar da previsão matemática

Page 100: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

84

ter sido feita para o horizonte de 10 anos, foi efetuado um corte na previsão ajustada a

partir do ano de 2015, ou seja, horizonte de 5 anos. Sendo este o limite do atual

planejamento estratégico da empresa e dos seus planos de investimento, visto que no ano

de 2010, ano do estudo, a empresa estava trabalhando com a capacidade máxima

produtiva e estava para entrar em operação as primeiras de algumas novas máquinas.

Na figura 21, observa-se a discrepância dos dados matemáticos para os dados

ajustados da companhia. Isso se dá devido ao enorme investimento que será em novas

máquinas para esse centro de trabalho, devido à entrada de um novo produto, que promete

ser muito promissor. Visto que a previsão matemática foi muito conservadora em relação

ao ajuste. Pois os dados referentes a essa nova linha são puramente qualitativos.

Figura 20 – Previsão agregada matemática x previsão ajustada das famílias para o centro de trabalho 1.

14%

21%

30%

38%

46%

54%

62%

70%

78%

86%

94% 98%

34% 41%

60% 63%

69% 73% 74% 74% 76% 76% 75%

0%

20%

40%

60%

80%

100%

120%

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021

Previsão Matemática Previsão Ajustada

Page 101: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

85

Figura 21 – Previsão agregada matemática x previsão ajustada das famílias para o centro de trabalho 2.

Figura 22 – Previsão agregada matemática x previsão ajustada das famílias para o centro de trabalho 3.

3% 10%

17% 24%

31% 39%

46% 53%

60% 68%

75% 82%

32%

60%

91%

101%

115% 116% 119% 119% 119% 118% 119%

0%

20%

40%

60%

80%

100%

120%

140%

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021

Previsão Matemática Previsão Ajustada

21% 27%

34% 40%

47% 53%

60% 66%

72% 79%

87%

96%

27% 34%

54% 55% 55%

55% 55% 55% 55% 55% 55%

0%

20%

40%

60%

80%

100%

120%

2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021

Previsão Matemática Previsão Ajustada

Page 102: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

86

Ainda foram coletados dados pelo autor de 6 meses após os ajustes finais nos

dados, ou seja até o fechamento do ano de 2010. Infelizmente não é possível comparar

esses dados com a previsão ajustada pelos especialistas, pois os mesmos iniciaram o

estudo a partir de 2011. Sendo assim conclui-se que as previsões para o fechamento do

ano de 2010 foram puramente quantitativas e nos permitem analisar o erro com resultados

reais. A analise de erros é mostrado na tabela 6, para as previsões puramente quantitativas

que apresentaram melhor ajuste a cada uma das famílias.

Tabela 6 – Analise dos erros puramente quantitativos para os últimos 6 meses de 2010.

Comparação entre os dados da previstos e os dados reais.

DAM Familia1 Familia2 Familia5 Familia8 Familia10 Familia12 Familia13 Familia15 Familia16 Familia20

Julho 9% 9% 88% 64% 95% 8% 2% 8% 30% 45%

Agosto 13% 1% 33% 1% 43% 6% 69% 0% 59% 0%

Setembro 47% 10% 136% 3% 28% 29% 44% 14% 14% 17%

Outubro 28% 8% 29% 8% 33% 7% 18% 1% 33% 63%

Novembro 10% 10% 53% 9% 153% 3% 5% 2% 63% 9%

Dezembro 16% 42% 50% 16% 34% 52% 24% 20% 71% 0%

Dam

Médio 21% 13% 65% 17% 64% 18% 27% 7% 45% 22%

Da tabela 6 percebe-se que as famílias que apresentaram maior erro foram a 5 e a

10, sendo que já erra esperado pela analise da tabela 4, pois as mesma já haviam

apresentado maior erro individual. Mostra que os modelos de previsão adotados ou a

periodicidade para essas duas famílias não estavam adequados e necessitariam revisão ou

que a demanda dessas famílias apesar de ser regular apresenta fatores irregulares.

Esse erro é absoluto, pode-se também analisar o viés de cada uma das famílias com

o intuito de se escolher um método quantitativo que apresenta viés negativo para quando

se deseja salvar recursos no dimensionamento ou baseados em um viés positivo quando se

deseja aumentar a margem de segurança. No estudo de caso em questão, a escolha do

método quantitativo que iria gerar a previsão base foi baseada puramente no menor DAM,

Page 103: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

87

sendo que ao final da analise foi incluído um coeficiente de segurança definido junto com

o facilitador e patrocinador do projeto de 15%.

4.2.9 Reunião de fechamento e decisões

A reunião serve para comprometimento dos altos executivos com os dados

gerados, suas consequências e tomada à decisão de prosseguir com os planos de

dimensionamento da cadeia de suprimentos da companhia.

Foi realizadas duas dessas reuniões no estudo de caso, a primeira validou os dados

ajustados pela equipe de previsão de vendas. Foi dado início então pelo pesquisador o

trabalho de dimensionamento do centro de distribuição da companhia, e o resultado foi

apresentado novamente para os altos executivos para a decisão final de construção.

Assim obteve-se um método que sistematiza o auxilio nas decisões de

dimensionamento de itens da cadeia de suprimentos da companhia.

Page 104: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

88

5 CONCLUSÃO E SUGESTÕES DE TRABALHOS FUTUROS

5.0 Conclusão

Considerando o desenvolvimento deste trabalho, com o estudo e levantamento de

métodos de previsão de demanda de vendas e a aplicação prática dos mesmos em um

estudo de caso real, seguido da posterior analise dos dados para o dimensionamento da

cadeia de suprimentos da companhia. E como no estudo de caso o método proposto

auxiliou uma companhia na sua tomada de decisão de dimensionamento, de maneira

sistemática, confiável e com erros controlados, conclui-se que o trabalho obteve êxito

Notou-se que apesar da aleatoriedade dos dados, os métodos sazonais com

periodicidade doze como o de winter e a regressão linear corrigida apresentaram melhores

ajustes e assim menores erros. Apesar de que os mesmos em alguns casos ainda se

encontravam altos, muito provavelmente devido a grandes mudanças nas séries históricas

que nenhum dos métodos estudados conseguiu prever.

Quando do fechamento das previsões puramente matemáticas com os especialistas

em relação à previsão mais imediata, mais próxima do presente, Ficou evidente que

fatores externos não presentes nas séries históricas estavam afetando a mesma. Nota-se

isso devido o ajuste feito pelos especialistas consideravam um aumento das vendas maior

que as previsões puramente matemática. Isso muito provavelmente se deu devido a

existência de uma demanda reprimida que diminuiu a tendência de crescimentos da

previsões matemáticas. Essa demanda reprimida devido à falta de capacidade foi

solucionada nos meses posteriores provocando um grande crescimento das vendas.

Page 105: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

89

Notou-se também que os especialistas da empresa ajustaram a previsão final

abaixo dos dados matemáticos. Também ficou evidente que eles não quiseram assumir

nenhum crescimento acima dos planos de investimentos já previstos para a empresa.

Com relação aos objetivos específicos propostos neste trabalho, estes foram

também cumpridos. Na revisão bibliográfica procurou-se levantar principais

metodologias de previsões de demanda e suas aplicações dentro de horizontes de tempo

específicos.

Os métodos quantitativos de previsão foram modelados no Excel® de modo que

permitissem a otimização das constantes de nível, tendência e sazonalidade nos modelos

que as possuem, utilizando o software Solver que permite a programação não linear.

Quanto as aplicações dos modelos matemáticos e seus ajustes, agregando variáveis

aleias as séries temporais como informações intrínsecas da companhia (variáveis de

produção e financeira) e variáveis extrínsecas como mercadológicas, foi alcançada a partir

da validação dos modelos pelos especialistas da companhia que formaram a equipe de

vendas. Foi feito ainda uma discussão sobre os erros e comparado à previsão com dados

reais obtidos

5.1 Sugestões de trabalhos futuros

Como trabalho futuro sugere-se a criação de aplicativo computacional para a

previsão de demanda de vendas, que utilize otimização nas constantes de suavização de

nível, tendência e sazonalidade. Este aplicativo deverá ser intuitivo de modo que

empresas com pouco conhecimento das técnicas de previsão de demanda e pesquisa

operacional consigam manuseá-lo, tirando proveito do conhecimento acadêmico. O

aplicativo pode inclusive ser desenvolvido no próprio Excel. Sugere-se também o

Page 106: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

90

incremento do método com outras formas de previsão mais complexas como redes neurais

que não foi abordada neste trabalho.

Outra possibilidade de trabalhos futuros é a inclusão de uma metodologia mais

complexa que incluiria a previsão de demanda para séries irregulares não abordadas neste

trabalho pois os métodos quantitativos estudados tem as mesmas como restrições de sua

aplicação.

Page 107: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

91

REFERÊNCIAS

APICS Dictionary; APICS - the American Production and Inventory Control

Society. Falls Church,VA.8th ed. 1995.

ANGELONI, Maria Terezinha; Elementos Intervenientes na Tomada de Decisão; Ci. Inf.,

Brasília, v. 32, n. 1, p. 17-22, jan./abr. 2003.

ASIMAKOPOULOS, Stavros; Alan Dix, Robert Fildes Using hierarchical task

decomposition as a grammar to map actions in context: Application to forecasting

systems in supply chain planning Int. J. Human-Computer Studies 69 p234–250.

2011.

BATOCCHIO, Antonio; Biagio, Luiz A.; Plano de Negócios - Estratégia para Micro e

Pequenas Empresas. Barueri, SP: Manole, 2005

BALLOU, Ronald H. Gerenciamento da Cadeia de Suprimentos: planejamento,

organização e logística empresarial. 5. ed. Porto Alegre, RS: Bookman, 2004.

BARBEIRO, Francisco Miguel, Metodologia de Implementação de Planejamento de

Vendas e Operações: Estudo de Caso em Manufatura de Produção para Estoque,

Campinas: Faculdade de Engenharia Mecânica, Universidade Estadual de

Campinas, 2005. 140 p.

BERTO, R.M.V.S., Nakano, D.N., Metodologia de pesquisa e a engenharia de produção.

In (CDROM): XVIII Encontro Nacional de Engenharia de Produção (ENEGEP) e

IV International Congress of Industrial Engineering (ICIE), Niterói, RJ,

UFF/ABEPRO, outubro 1998.

COHEN, Shoshanah; Roussel, Joseph., Strategic Supply Chain Management – The Five

Disciplines for Top Performance. MC Graw Hill 1.ed. 2005.

Page 108: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

92

CORREA, H. L., Gianesi, I. G. N., Caon, M. Planejamento, programação e controle da

produção: MRPII/ERP: conceitos, usos e implantação. 1a ed. São Paulo: Gianesi

Correa e Associados: Atlas, 1997, 361 p.

DALRYMPLE, DJ. Sales forecasting practices. Int J Forecas;3:379–91. 1987.

DAVIS, Mark M.; Aquilano, Nicholas J.; Chase, Richard B. Fundamentos Da

Administração da Produção. Bookman, 3ed. 2003.

DIAS George P. P., Proposta de Processos de Previsão de Vendas para Bens de

Consumo. Anais do XVI ENEGEP - 16º Encontro Nacional de Engenharia de

Produção, Rio de Janeiro, 1998.

DIAMANTOPOULOS A., WINKLHOFER H., Export sales forecasting by UK firms

Technique utilization and impact on forecast accuracy. Journal of Business

Research 56 pages: 45– 54, 2003.

FILDES, Robert; Goodwin, Paul; Lawrence, Michael; Nikolopoulos , Konstantinos.;

Effective forecasting and judgmental adjustments: an empirical evaluation and

strategies for improvement in supply-chain planning. International Journal of

Forecasting 25 pages: 3–23, 2009.

FILDES R; Hastings R. The organization and improvement of market forecasting. J Oper

Res Soc; 45:1– 16. 1994.

FRAGOZO, Bruno Barreira. Métodos para a Criação de um Processo de Previsão de

Demanda de Vendas. Campinas: Faculdade de Engenharia Mecânica, Universidade

Estadual de Campinas, 121p. Dissertação (Mestrado). 2009.

GREENE , William H., ECONOMETRIC ANALYSIS. New York University. Prentice

Hall. Upper Saddle River, New Jersey, 2003.

Page 109: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

93

LAWRENCE Michael., Goodwin Paul., O’Connor Marcus., O¨ nkal Dilek.., Judgmental

forecasting: A review of progress over the last 25years. International Journal of

Forecasting 22 pages: 493– 518. 2006.

LANCHTERMARCHER, Gerson., Pesquisa Operacional na Tomada de Decisões.

Prentice Hall, São Paulo, 220 p. 2009.

LEAL, Lydiane Abdon, Avaliação da Aplicabilidade da Teoria da Gestão da Cadeia de

Suprimentos no Setor Elétrico. / Lydiane Abdon Leal, --Campinas, SP: 2005.

MAKRIDAKIS S, Wheelwright SC. The handbook of forecasting: a manager’s guide.

2nd ed. New York: Wiley, 1987.

MENTZER, John T.; Moon, Mark A. Sales Forecasting Management. SAGE

Publications, 347p, 2005.

HAMILTON, J. D. Time series analysis, Princeton Univ. Press, Princeton, NJ. 1994.

HELMER, O. The use of Delphi technique in problems of educational innovations. Santa

Mônica, Rand Coorporation, Report 3499. 1966.

HILL, T. Manufacturing strategy: text and cases, 2ª ed., Irwin, Boston, MA. 1994.

MAKRIDAKIS, S. & HIBON, M. ARMA models and the Box-Jenkins methodology.

Journal of Forecasting, v. 16, n. 3, p. 147-163, may 1997.

MAKRIDAKIS, S., WHEELWRIGHT, S. C. & HYNDMAN, R. J. Forecasting –

methods and applications, 3ª ed., John Wiley, New York. 1998.

MENTZER, J. T. & COX Jr., J. E. Familiarity, application, and performance of sales

forecasting techniques. Journal of Forecasting, v. 3, n. 1, p. 27-37, jan. 1997.

MONTGOMERY, D. C., JOHNSON, L. A. & GARDINER, J. S. Forecasting and time

series analysis, 2ª ed., McGraw-Hill, Inc., New York, 1990.

Page 110: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

94

MORETTI, Diego de Carvalho Gestão de suprimento em um operador logístico / Diego

de Carvalho Moretti. -Campinas, SP: [s.n.], 2005

NAHMIAS, S. Production and operations analysis, 2ª ed., Irwin, Illinois. 1993

NOCEDAL, J. & Wright, S. J., Numerical Optimization, Springer Series in Operation

Researchs, 1999.

OHNO, Taiichi (1988), Toyota Production System: Beyond Large-Scale Production,

Productivity Pres.

OLIVEIRA, Joelma Souza Passos de; Murrieta, Maira; Costa, Marina Ferreira de Castro

Wille; Marchiori, Patricia Zeni.; Introdução Ao Método Delphi, Curitiba:Mundo

Material 16p. 2008.

PALMATIER, G.E., Crum, C. Enterprise sales and operations planning. 1ed. Florida:

Ross Publishing, Inc, 2003. 266 p.

PELLEGRINI, Fernando R; Fogliatto, Flávio S.; Passos para implantação de sistemas de

previsão de demanda - técnicas e estudo de caso - Revista PRODUÇÃO, v. 11 n.

1, Junho, 2001.

PELLEGRINI, Fernando R; Fogliatto, Flávio S.; Metodologia Para Implantação De

Sistemas De Previsão De Demanda - Revista PRODUÇÃO, v. 11 n. 1, Novembro,

2001.

PUPULIN, Ricardo P., Sistema de Apoio Para Programação de Colheita em Usina de

Cana de Açúcar de Médio Porte. Campinas: Faculdade de Engenharia Mecânica,

Universidade Estadual de Campinas. Dissertação (Mestrado). 2008.

REBELATTO, Dayse. Projeto de Investimento. Barueri-SP, Ed Manole, 2004.

Page 111: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

95

REIS, Diego Derivaldo dos; Análise computacional do método de restauração inexata

para problemas de otimização com restrições de igualdade e de canalização --

Campinas, [S.P. : s.n.], 2010.

SÁFADI, C.M.Q. Delphi: Um estudo sobre sua aceitação. In: V SEMEAD, 2001. São

Paulo: Anais ...SEMEAD FEA-USP, 2001.

SAMNDERS, NR., Manrodt KB. Forecasting practices in US corporations: survey

results. Interfaces; 24(2):92 –100. 1994.

SANDERS, N. R.; RITZMAN, L. P. Judgmental Adjustment of Statistical Forecasts. In:

ARMSTRONG, J. S. Principles of Forecasting: A Handbook for Researchers and

Practitioners. Kluwer Academic Publishers, 2001.

SILVA, Edna Lúcia da Metodologia da pesquisa e elaboração de dissertação/Edna Lúcia

da Silva, Estera Muszkat Menezes. – 3. ed. rev. atual. – Florianópolis: Laboratório

de Ensino a Distância da UFSC, 2001. 121p.

SLACK, Nigel.; Chambers, Stuart.; Johnston, Robert.; Betts, Alan.; Gerenciamento de

Operações e Processos. Bookman 5ed. 2008.

SLACK, Nigel.; Chambers, Stuart.; Johnston, Robert. Administração da Produção. 3.ed.

São Paulo, Atlas, 2009.

WALLACE, T. W., Stahl, R. Sales and operationa planning. The next generation.

December, 2005.

WATKINS, D. S., Fundamentals of Matrix Computations, 2a Ed, Wiley, 2002.

WELCH, Jack – Paixão por vencer: winning / Jack Welch com Suzi Welch – Rio de

Janeiro: Elsevier, 2005.

WRIGHT G, Lawrence MJ, Collopy F. The role and validity of judgment in forecasting.

Int J Forecast;12:1–8. 1996.

Page 112: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

96

Referências consultadas na Web:

ALEXANDER, Ruy; Notas de Aula da disciplina Previsão de demanda, disponível em

.http://ruyalexandre.zzl.org/ Ultimo acesso: 04/05/2010.

JUNG, Carlos Fernando; Metodologia Cientifica e Tecnológica. Módulo 4 – Método

Cientifico, Faculdade de Engenharia Elétrica e Eletrônica. 2009. Disponível em

http://www.dsce.fee.unicamp.br/~antenor/mod4.pdf Ultimo acesso: 01/03/2012.

SEBRAE, A informação nas MPEs paulistas : relatório de pesquisa / coordenador

Marco Aurélio Bedê. São Paulo 1ed, 2003. Disponível em:

http://201.2.114.147/bds/BDS.nsf/F864F1EEEFFADD30832572B30065BABC/$F

ile/NT00035132.pdf Ultimo acesso 10/02/2012.

SEBRAE, Gerenciamento de venda. Disponível em

http://www.sebrae.com.br/customizado/acesso-a-mercados/venda-melhor/equipe-

de-vendas Ultimo acesso 10/10/2011.

Page 113: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

97

ANEXO A

Figura A 1 – Equacionamento da regressão linear corrigida para fator de sazonalidade 12 no Excel®.

Figura A 2 – Equacionamento para a suavização exponencial dupla de Holt no Excel®.

Page 114: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

98

Figura A 3 – Winter Passo 1 - Equacionamento para a o modelo de Holt-Winter para período sazonal de 12 meses

no Excel®.

Figura A 4 – Winter Passo 2 - Equacionamento para a o modelo de Holt-Winter para período sazonal de 12 meses

no Excel®.

Page 115: APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM …repositorio.unicamp.br/bitstream/REPOSIP/265652/1/Casula_Henrique... · Aplicação de técnicas de previsão de demanda em

99

Figura A 5 – Winter Passo 3 parte 1- Equacionamento para a o modelo de Holt-Winter para período sazonal de 12

meses no Excel®.

Figura A 6 – Winter Passo 3 parte 2- Equacionamento para a o modelo de Holt-Winter para período sazonal de 12

meses no Excel®.