estudo de caso po - paschoeto4bim

FACULDADE ESTADUAL DE CIÊNCIAS E LETRAS DE CAMPO MOURÃOCURSO DE ENGENHARIA DE PRODUÇÃO AGROINDUSTRIAL

DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO AGROINDUSTRIALDISCIPLINA DE PESQUISA OPERACIONAL APLICADA

Cristiane Teixeira BarbosaDiego Alberto Villa

Joice Kelli MenegardeLuis Henrique Nogueira Marinho

Roberto Carmassio

Aplicação de Técnicas de Pesquisa Operacional na indústria de Vinhos Paschoeto

CAMPO MOURÃO

2010

1

Cristiane Teixeira BarbosaDiego Alberto Villa

Joice Kelli MenegardeLuis Henrique Nogueira Marinho

Roberto Carmassio

Aplicação de Técnicas de Pesquisa Operacional na indústria de Vinhos Paschoeto

Trabalho apresentado como requisito básico para obtenção de nota parcial no 3° bimestre na disciplina de Pesquisa Operacional Aplicada do curso de Engenharia de Produção Agroindustrial, ministrada pela Professora Msc Márcia de Fátima Morais.

CAMPO MOURÃO 2010

2

LISTA DE QUADROS

Quadro 1 – Determinação dos limites de números aleatórios para a previsão do vinho tinto suave de 4,6L

35

Quadro 2 – Simulação da demanda para o Vinho Tinto Suave de 4,6L para o 36

Quadro 3 - Determinação dos limites de números aleatórios para a previsão do vinho tinto seco de 4,6L

36

Quadro 4 - Simulação da demanda para o Vinho Tinto seco de 4,6L 37

Quadro 5 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave de 4,6L

37

Quadro 6 - Simulação da demanda para o Vinho branco suave de 4,6L 38

Quadro 7 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco de 4,6L

38

Quadro 8 - Simulação da demanda para o Vinho branco seco de 4,6L 39

Quadro 9 - Determinação dos limites de números aleatórios para a previsão do vinho Rose suave de 4,6L

39

Quadro 10 - Simulação da demanda para o Vinho Rose suave de 4,6L para o 09/2010 a 09/2011

40

Quadro 11 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto Suave com 6x2000mL

40

Quadro 12 - Simulação da demanda para o vinho Tinto Suave com 6x2000mL 41

Quadro 13 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto seco com 6x2000mL

41

Quadro 14- Simulação da demanda para o vinho Tinto vinho Tinto seco com 6x2000mL

42

Quadro 15 - Determinação dos limites de números aleatórios para a previsão do vinho Branco suave 6x2000mL

42

Quadro 16 - Simulação da demanda para o vinho Tinto vinho Branco suave 6x2000mL 43

Quadro 17 - Determinação dos limites de números aleatórios para a previsão do vinho Branco seco 6x2000mL

43

Quadro 18 - Simulação da demanda para o vinho Tinto vinho Branco seco 6x2000mL 44

Quadro 19 - Determinação dos limites de números aleatórios para a previsão do vinho rose

44

Quadro 20 - Simulação da demanda para o vinho rose com 6x2000mL 45

Quadro 21 - Determinação dos limites de números aleatórios para o vinho Tinto Suave com 12 x720 mL

45

Quadro 22 - Simulação da demanda para o vinho Tinto Suave com 12x720 mL 46

Quadro 23 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto seco com 12x720 mL

46

Quadro 24 - Simulação da demanda para o vinho Tinto seco com 12x720 mL 47

Quadro 25 - Determinação dos limites de números aleatórios para a previsão do vinho 47

3

branco suave com 12x720 mLQuadro 26 - Simulação da demanda para o vinho branco suave com 12x720 mL 48

Quadro 27 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco com 12x20 mL

48

Quadro 28 - Simulação da demanda para o vinho branco seco com 12x720 mL 49

Quadro 29 - Determinação dos limites de números aleatórios para a previsão do vinho rose com 12x720 mL

49

Quadro 30 - Simulação da demanda para o vinho rose com 12x720 mL 50

Quadro 31 - Determinação dos limites de números aleatórios para a previsão do vinho tinto suave com 12x880 mL

50

Quadro 32 - Simulação da demanda para o vinho tinto suave com 12x880 mL 51

Quadro 33 - Determinação dos limites de números aleatórios para a previsão do vinho tinto seco com 12x880 mL

51

Quadro 34 - Simulação da demanda para o vinho tinto seco com 12x880 mL 52

Quadro 35 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave com 12x880 mL

52

Quadro 36 - Simulação da demanda para o vinho branco suave com 12x880 mL 53


53


Quadro 39 - Determinação dos limites de números aleatórios para a previsão do vinho rose suave com 12x880 mL

54


Quadro 41 - Determinação dos limites de números aleatórios para a previsão dovinho tinto suave, caixa 12x880 mL

55

Quadro 42 - Simulação da demanda para vinho tinto suave, caixa com 12x880 mL 56

Quadro 43 - Determinação dos limites de números aleatórios para a previsão dovinho tinto seco, caixa 12x880 mL

56

Quadro 44 - Simulação da demanda para vinho tinto seco, caixa com 12x880 mL 57

Quadro 45 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave, caixa 12x880 mL

57

Quadro 46 - Simulação da demanda para vinho branco suave, caixa com 12x880 mL 58

Quadro 47 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco, caixa 12x880 mL

58

Quadro 48 - Simulação da demanda para vinho branco seco, caixa com 12x880 mL 59

Quadro 49 - Determinação dos limites de números aleatórios para a previsão do vinho rose, caixa 12x880 mL

59

Quadro 50 - Simulação da demanda para vinho rose, caixa com 12x880 mL 60

Quadro 51 - Determinação dos limites de números aleatórios para a previsão do vinho tinto suave, caixa 12x970 mL

60

Quadro 52 - Simulação da demanda para vinho tinto suave, caixa com 12x970 mL 61

Quadro 53 - Determinação dos limites de números aleatórios para a previsão do vinho tinto seco, caixa 12x970 mL

61

Quadro 54 - Simulação da demanda para vinho tinto seco, caixa com 12x970 mL 62

Quadro 55 - Determinação dos limites de números aleatórios para a previsão do vinho 62

4

branco suave, caixa 12x970 mL

Quadro 56 - Simulação da demanda para vinho branco suave, caixa com 12 embalagens de 970 mL

63

Quadro 57 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco, caixa 12x970 mL

63

Quadro 58 - Simulação da demanda para vinho branco seco, caixa com 12 x970 mL 64

Quadro 59 - Determinação dos limites de números aleatórios para a previsão do vinho rose, caixa 12x970 mL

64

Quadro 60 - Simulação da demanda para vinho rose, caixa com 12x970 mL 65

Quadro 61 - Determinação dos limites de números aleatórios para a previsão do vinho tinto, fardo 6x2000 mL PET

65

Quadro 62 - Simulação da demanda para vinho tinto, fardo com 6 embalagens de 2000 mLx

66

Quadro 63 - Determinação dos limites de números aleatórios para a previsão do suco tinto, com 6x2000 mL

66

Quadro 64 - Simulação da demanda para suco tinto, com 6x2000 mL 67

Quadro 65 - Determinação dos limites de números aleatórios para a previsão do suco tinto, com 12x500 mL

67

Quadro 66 - Simulação da demanda para suco tinto adoçado, com 12x500 mL 68

Quadro 67 - Determinação dos limites de números aleatórios para a previsão do Cooler Rosado de 4,6L

68

Quadro 68- Simulação da demanda para Cooler Rosado de 4,6L 69

Quadro 69 - Determinação dos limites de números aleatórios para a previsão do Cooler Rosado, caixa de 6x2000mL

69

Quadro 70 - Simulação da demanda para Cooler Rosado caixa de 6x2000mL 70

Quadro 71 - Determinação dos limites de números aleatórios para a previsão do Cooler Rosado, grade de 12x880mL

70

Quadro 72 - Simulação da demanda para Cooler Rosado grade de 12x880mL 71

Quadro 73 - Determinação dos limites de números aleatórios para a previsão do Cooler, caixa de 12x880mL

71

Quadro 74 - Simulação da demanda para Cooler caixa de 12x880mL 72

Quadro 75 - Determinação dos limites de números aleatórios para a previsão do vinho Bourdeaux, caixa de 12x720 mL.

72

Quadro 76 - Simulação da demanda para vinho Bourdeaux, caixa de 12x720 mL 73

Quadro 77- Determinação dos limites de números aleatórios para a previsão do vinho Bourdeaux seco, caixa 12x720 mL.

73

Quadro 78 - Simulação da demanda para vinho Bourdeaux, caixa de 12x720 mL 74

Quadro 79 - Determinação dos limites de números aleatórios para a previsão para o Cooller de Morango, grade de 12x880 mL.

74

Quadro 80 - Simulação da demanda para Cooller de Morango, grade de 12x880 mL 75

Quadro 81 - Determinação dos limites de números aleatórios para a previsão para o Cooller de Morango, grade de 12x880 mL.

75

5

Quadro 82 - Simulação da demanda para Cooller de Morango, grade de 12 embalagens de 880 mL

76

Quadro 83 - Determinação dos limites de números aleatórios para a previsão para o Bourdeux suave com 6x720mL.

76

Quadro 84 - Simulação da demanda para Bourdeux suave com 6 embalagens de 720mL

77

Quadro 85 - Determinação dos limites de números aleatórios para a previsão para o Bourdeux demiseco 6x720mL.

77

Quadro 86- Simulação da demanda para Bourdeux demiseco com 6 embalagens de 720mL

78

Quadro 87 - Determinação dos limites de números aleatórios para a previsão para o Bourdeux seco com 6x720mL.

79

Quadro 88 - Simulação da demanda para Bourdeux seco com 6x720mL 79

Quadro 89 - Determinação dos limites de números aleatórios para o Cooller Rosado com 12x720mL

80

Quadro 90- Simulação da demanda para Cooller Rosado com 12x720mL 80

Quadro 89 - Determinação dos limites de números aleatórios para a previsãodo Cooller Rosado de Morango com 12x720mL.

81

Quadro 92 - Simulação da demanda para Cooller Rosado de morango com 12x x720mL

81

Quadro 93 - Determinação dos limites de números aleatórios para a previsão para o Vinagre d Vinho Tinto Clássico

82

Quadro 94 - Simulação da demanda para Vinagre de Vinho Tinto Clássico 82

Quadro 95 - Determinação dos limites de números aleatórios para a previsão para o Suco Tinto Adoçado com 12x1L.

83

Quadro 96 - Simulação da demanda para Suco Tinto Adoçado com 12x1L 83

Quadro 97 - Determinação dos limites de números aleatórios para a previsão para o Coquetel de Catuaba com 6x880mL.

84

Quadro 98 - Simulação da demanda para Coquetel de Catuaba 6x880mL 84

Quadro 99 - Determinação dos limites de números aleatórios para a previsão para Espumante Moscatel caixa 6x720 mL.

85

Quadro 100 - Simulação da demanda para Espumante Moscatel caixa 6x720 mL 85

Quadro 101 - Determinação dos limites de números aleatórios para a previsão do vinho tinto suave 12x370 mL

86

Quadro 102 - Simulação da demanda para vinho tinto suave 12x370 mL 86

6

SUMARIO

LISTA DE QUADROS.....................................................................................................2

1 INTRODUÇÃO............................................................................................................11

2 VINHOS PASCHOETO..............................................................................................13

2.1 HISTÓRICO DA VINHOS PASCHOETO..............................................................13

2.1 CARACTERIZAÇÃO DA EMPRESA....................................................................14

2.2 DESCRIÇÃO DO FLUXO DE INFORMAÇÃO.....................................................15

2.3 DESCRIÇÃO DO PROCESSO................................................................................16

3 TEORIA DE BASE......................................................................................................18

3.1 PREVISÃO DE DEMANDA....................................................................................18

3.1 MÉTODOS DE PREVISÃO DE DEMANDA.........................................................19

3.1.1 Métodos Qualitativos..............................................................................................19

3.1.1.1 Opiniões de Executivos.......................................................................................20

3.1.1.2 Opinião de Força de Vendas................................................................................21

3.1.1.3 Pesquisa Junto a Consumidores...........................................................................21

3.1.1.4 O método Delphi.................................................................................................22

3.1.2 Séries Temporais....................................................................................................23

3.1.2.1 Técnicas para previsão da média.........................................................................23

3.1.2.1.1 Média Móvel....................................................................................................23

3.1.2.1.2 Média Exponencial Móvel...............................................................................24

7

3.1.2.2 Técnicas para a previsão da Tendência...............................................................24

3.1.2.3 Técnicas para a previsão da Sazonalidade...........................................................25

3.1.3 Previsão de demando através da Simulação...........................................................25

3.2 SIMULAÇÀO DE MONTE CARLO.......................................................................27

4 REVISÃO DE LITERATURA....................................................................................29

5 APLICAÇÃO DA SIMULAÇÃO DE MONTE CARLO PARA PREVISÃO DA DEMANDA: O CASO DA ENGARRAFAORA DE BEBIDAS PASCHOETO..........34

5.1 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE DE 4,6 L..........................................................................................................................35

5.2 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO DE 4,6 L..........................................................................................................................36

5.3 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE DE 4,6 L............................................................................................................37

5.4 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO DE 4,6 L...............................................................................................................38

5.5 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE DE 4,6 L..........................................................................................................................39

5.6 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE DE 6 EMABALAGENS DE 2000 mL............................................................................40

5.7 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO DE 6 EMABALAGENS DE 2000 mL............................................................................41

5.8 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE DE 6 EMABALAGENS DE 2000 mL.............................................................42

5.9 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO DE 6 EMABALAGENS DE 2000 Ml.................................................................43

5.10 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE DE 6 EMABALAGENS DE 2000 Ml..............................................................44

8

5.11 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMABALAGENS DE 720 Ml..........................................................45

5.12 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO COM 12 EMABALAGENS DE 720 Ml.........................................................................46

5.13 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE COM 12 EMABALAGENS DE 720 Ml..........................................................47

5.14 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO COM 12 EMABALAGENS DE 720 Ml..............................................................48

5.15 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE COM 12 EMABALAGENS DE 720 Ml..........................................................49

5.16 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMABALAGENS DE 880 Ml..........................................................50

5.17 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO COM 12 EMABALAGENS DE 880 Ml.........................................................................51

5.18 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SUAVE COM 12 EMABALAGENS DE 880 Ml.........................................................................52

5.19 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SECO COM 12 EMABALAGENS DE 880 Ml...................................................................................53

5.20 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O ROSE SUAVE COM 12 EMABALAGENS DE 880 Ml...................................................................................54

5.21 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O TINTO SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml...........................................................55

5.22 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O TINTO SECO CAIXA COM 12 EMABALAGENS DE 880 Ml.........................................................................56

5.23 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml...........................................................57

5.24 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SECO CAIXA COM 12 EMABALAGENS DE 880 Ml...........................................................58

9

5.25 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml.............................................59

5.26 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml.............................................60

5.27 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO CAIXA COM 12 EMABALAGENS DE 970 Ml...........................................................61

5.29 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO CAIXA COM 12 EMABALAGENS DE 970 Ml................................................63

5.30 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml.............................................64

5.31 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE O FARDO COM 6 EMABALAGENS PET DE 2000 Ml................................65

5.32 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 6 EMABALAGENS DE 2000 mL...................................................66

5.33 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 12 EMABALAGENS DE 500 mL...................................................67

5.34 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE 4,6L...........................................................................................................................68

5.35 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE 6 EMABALAGENS DE 2000mL.............................................................................69

5.36 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO GRADE DE 12 EMABALAGENS DE 880mL..............................................................70

5.37 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO CAIXA DE 12 EMABALAGENS DE 880mL...............................................................71

5.38 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BOURDEUX COM 12 EMBALAGENS DE 720mL............................................................................72

5.39 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BOURDEUX SECO COM 12 EMBALAGENS DE 720mL.................................................................73

10

5.40 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER DE MORANGO GRADE COM 12 EMABALAGENS DE 880 mL...................................74

5.41 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER DE MORANGO CAIXA COM 12 EMABALAGENS DE 880 mL.....................................75

5.42 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX SUAVE COM 6 EMBALAGENS DE 720mL..............................................................................76

5.43 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX DEMI-SECO COM 6 EMBALAGENS DE 720mL...................................................................77

5.44 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX SECO COM 6 EMBALAGENS DE 720mL..............................................................................78

5.45 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO COM 12 EMBALAGENS DE 720mL............................................................................79

5.46 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE MORANGO COM 12 EMBALAGENS DE 720mL................................................80

5.47 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINAGRE DE VINHO TINTO CLASSICO.........................................................................................................81

5.48 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 12 EMABALAGENS DE 1L...........................................................82

5.49 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COQUETEL DE CATUABA COM 6 EMBALAGENS DE 880 mL........................................................83

5.50 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O ESPUMANTE MOSCATEL COM 6 EMABALAGENS DE 720mL....................................................84

5.51 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMBALAGENS DE 370mL.............................................................85

CONSIDERAÇÕES FINAIS..........................................................................................87

REFERENCIAS..............................................................................................................89

11

1 INTRODUÇÃO

O mercado globalizado tem forçado as empresas a se tornarem mais

competitivas para se manterem, logo a eficácia da gestão de um sistema de produção faz

a diferença quando se objetiva qualidade, agilidade, flexibilidade, confiabilidade e

baixos custos. Assim a Engenharia de Produção através das diferentes interfaces age de

forma a executar técnicas que interagem com diversas funções na empresa, porem

respeitando a estrutura organizacional da organização.

Fleury In Batalha (2008) define a Engenharia de Produção de Acordo com a

Americam Industrial Engineering Association como a responsável por abordar projetos,

aprimoramento e implantação de sistemas integrados de pessoas, recursos, informações

e energia, que possibilitem a produção de bens e serviços, com baixos custos e

respeitando os preceitos éticos e sociais.

De acordo com a ABEPRO (Associação Brasileira de Engenharia de Produção)

a Grande área da Pesquisa Operacional esta relacionada há resolução de Problemas

relacionados à Tomada de Decisão, através de técnicas que envolvem conhecimentos

multidisciplinares, que introduzem elementos de racionalidade e objetividade, sem

negligenciar os elementos subjetivos e ajuste organizacional, os quais são características

dos problemas.

Este estudo de caso visa aplicar uma técnica de Pesquisa Operacional, a qual vai

determinar a melhor alocação dos recursos para o sistema produtivo escolhido através

da Simulação de Monte Carlo que utiliza de modelos para analise de variáveis

12

probabilísticas de um sistema, a qual utiliza de números aleatórios para geração de

valores das variáveis relevantes do processo.

13

2 VINHOS PASCHOETO

2.1 HISTÓRICO DA VINHOS PASCHOETO

A indústria de Vinhos Paschoeto tem suas origens através de Luiz Paschoeto que

nasceu em Ribeirão Preto em 1913, descendente de Italianos, o qual veio para o estado

do Paraná já casado com Raquel Grande, primeiramente residindo na cidade de

Cornélio Procópio.

Por volta do ano de 1947 através da Companhia de Melhoramentos Norte do

Paraná, adquiriu seu primeiro domínio, um terreno coberto por mata virgem no

município de Maringá. Desbravou a mata e ali construiu sua moradia e se estabeleceu

com sua família já composta por oito filhos, a partir de então cultivaram videiras e

frutas que posteriormente vieram a ser comercializadas.

Com os conhecimentos da arte de produzir vinhos Luiz Paschoeto

primeiramente produzia apenas para família e amigos próximos. Mais tarde seus filhos

José Paschoeto e Francisco Paschoeto deram inicio a comercialização e as frutas

próximo a primeira estrada aberta pela Companhia Melhoramentos e seus

colonizadores.

A qualidade do vinho garantiu a expansão do comércio, sendo mantida até

hoje.este vinho é encontrado em diversos pontos do Brasil.

14

2.1 CARACTERIZAÇÃO DA EMPRESA

A empresa tem como razão social Paschovino Comércio e Engarrafadora de

Bebidas Ltda. Por nome fantasia é apresentada como Paschovino Comércio e

Engarrafadora ou Vinhos Paschoeto. Sua inscrição estadual é 70114293-48, já seu

CNPJ 81483026/0001-30.

A empresa encontra-se instalada na Rodovia PR – 317 KM 109, bairro Gleba

Pingüim, Parque Industrial na Cidade de Maringá (PR). Com contato através do

Telefone/Fax: (44) 3266 – 2288, ou através do endereço eletrônico

http://www.paschoeto.com.br, e também através da caixa postal 593, CEP 87065-005.

Contando com 40 funcionários, a organização segue uma rotina de trabalho de

Segunda a Sexta-feira com turnos de 07h45min às 12h00min horas, 13h30min às

16h00min com intervalo e retorno às 16h15min, 16h15min às 18h00min horas.

O principal insumo para a Vinícola Paschoeto é o vinho bruto proveniente da

cidade de Bento Gonçalvez no estado do Rio Grande do Sul.

Produzindo diversas variedades de vinho, hoje não só engarrafa como também

produz sucos, vinagres e espumante. A distribuição é feita através de frota própria da

empresa. A planta industrial tem capacidade para produzir 25 mil litros/dia.

A respeito de programas de qualidade apenas pratica as Boas Práticas de

Fabricação - BPF e os efetua os testes de analises em laboratório próprio, e em conjunto

com o ministério da Agricultura e INMETRO.

15

2.2 DESCRIÇÃO DO FLUXO DE INFORMAÇÃO

Ao ser emitida uma ordem de pedido já são efetuadas ordens de produção para

repor. Essas ordens seguem a disponibilidade de produto em estoque, que de acordo

com a Vinícola Paschoeto são estabelecidas de duas formas por campo fiscal e campo

manual. Através do balanço de massa e comparação dos dados de cada termino do

processo de determinado lote, assim determinando a quantidade de estoque para cada

variedade. A matéria-prima é recebida na vinícola com base no controle de estoque, ou

seja, só é pedido o necessário para suprir determinada demanda, porém de acordo com

um dos proprietários, Francisco Paschoeto, enfrentam problemas com o espaço físico do

estoque em determinados períodos, falta espaço para alocação dos produtos, recém

produzido até sua saída para o mercado.

A empresa trabalha com estoques das diversas variedades de bebidas, sendo

estas classificadas quanto ao tipo de vinho e seu volume onde L são Litros e mL

militros:

- Vinho Branco de mesa suave - 4,6 L; 2 L; 720 mL; 880 mL

- Vinho Tinto de mesa seco – 4,6 L; 2 L; 720 mL; 880 mL

- Vinho Branco de mesa Suave – 4,6 L; 2 L; 720 mL; 880 mL; 970 mL

- Vinho Branco de mesa Seco – 4,6 L; 2 L; 720 mL; 880 mL; 970 mL

-Vinho Rosado de mesa Suave – 4,6 L; 2 L; 720 mL; 880 mL; 970 mL

-Cooler de Vinho Rosado com suco de pêssego – 4,6 L; 2 L; 720 mL; 880 mL

- Cooler de Vinho Rosado com Suco de Uva e Morango – 720 mL; 880 mL

- Vinho Bourdeaux Tinto de Mesa Suave – 720 mL

- Vinho Bourdeaux Tinto de Mesa Seco – 720 mL

Recebimento do Vinho BrutoArmazenagem vinho Bruto Filtro de Celulose Filtro de Placas

Recolhe AmostraTanque de GravidadeEngarrafadoraRotuladora

Embalagem Papelão Estoque Distribuição

16

- Vinho Bourdeaux Tinto de Mesa Semi-Seco – 720 mL

- Suco de Uva Tinto Adoçado – 500 mL; 1 L, 2 L

- Suco de Uva Tinto Integral 1,5 L; 2L

- Coquetel de Vinho com extrato de Catuaba e Xarope de Maçã – 880 mL

- Vinho Moscatel Espumante – 750 mL

- Vinagre de Vinho Tinto – 750 mL

2.3 DESCRIÇÃO DO PROCESSO

O processo produtivo da Vinícola Paschoeto encontra-se ilustrado de forma

genérica, ou seja, o processo básico para qualquer tipo de vinho na Figura 1 a seguir.

Figura 1 - Fluxograma de Descrição do Processo – genérico

Elaborado pelos Autores, 2010.

17

Logo o processamento básico da vinícola se inicia com a chegada do caminhão

graneleiro, que transporta o vinho até a empresa, o caminhão é recepcionado. Em

seguida o caminhão é descarregado e o vinho bruto é acondicionado em tanques de

armazenagem. Na etapa seguinte o vinho é filtrado pelo filtro de celulose e depois pelo

filtro de placas, é recolhida uma amostra do produto onde é verificado a presença de

impurezas que possam deteriorar o vinho e diminuir seu tempo de prateleira, caso seja

encontrado o vinho retorna a etapa de filtragem até não existir mais impurezas, caso o

vinho esteja livre de impurezas segue para os tanques de gravidade, onde a partir deste

ponto o vinho é engarrafado, rotulado, embalado em caixas de papelão e seguem para

estoque e distribuição.

O processo descrito é uma forma genérica de estabelecer as etapas de processo

do vinho, pois devida a grande variedade da bebida que a empresa oferece foram

apresentadas as etapas básicas para o processo. Assim como para o vinho suave é

adicionado açúcar antes da filtragem, já para os Coolers o suco é adicionado após o teste

onde é verifica a presença ou não de leveduras, caso não apresente o vinho segue para o

tanque de armazenagem onde é adicionado o suco da fruta de acordo com a variedade

do Cooler. No caso do vinho branco, esse já vem da sua origem com essa qualidade

passando apenas pelos processos básicos ao chegar à vinícola.

Para o vinagre é adicionado um fermento no vinho par que acorra a fermentação.

18

3 TEORIA DE BASE

3.1 PREVISÃO DE DEMANDA

No cenário atual onde as empresas se encontram inseridas se tornam de extrema

importância o planejamento e o controle dos recursos e o uso dos mesmos de modo que

venha a aperfeiçoar o sistema e alcançar o desejo de seus clientes alcançando assim

maiores lucros e diminuição de possíveis perdas. Sendo assim visto a necessidade de

presumir o rumo das atividades a serem elaboradas.

A Previsão pode ser definida como uma direção e a extensão, partindo-se do

conhecimento presente e do passado, baseado em hipóteses sobre o futuro de acordo

com o Glossário Econômico do Ministério da Fazenda. Essa previsão se deve a

demanda a qual se caracteriza pela busca de um determinado bem ou serviço o qual os

consumidores desejam adquirir por um preço definido pelo mercado por um

determinado período de tempo de acordo com Almeida (2003).

De acordo com Moreira (2009) a Previsão de Demanda é um processo racional

que busca informação sobre o valor das futuras vendas de um item ou conjunto de itens.

Esta atividade deve fornecer informações sobre qualidade e localizações futuras dos

produtos.

19

Possibilitando através desta técnica abranger e avaliar caminhos, estabelecer um

referencial futuro compondo o trâmite adequado e reavaliar toda a metodologia a que o

planejamento se designa.

3.1 MÉTODOS DE PREVISÃO DE DEMANDA

3.1.1 Métodos Qualitativos

Os métodos Qualitativos Segundo Moreira (2009) são aprimorados no

julgamento e conhecimento de pessoas que através de características próprias e

conhecimentos, emitem opiniões a respeito de ocorrências futuras de interesse. Sendo

assim o julgamento pessoal não se limita as previsões de demanda, sendo este também

aproveitado para diferentes analises como comercio internacional, tecnologias,

tendência para novos produtos, futuras condições econômicas e políticas.

Sendo algumas das técnicas descritas adiante.

20

3.1.1.1 Opiniões de Executivos

Caracterizado por um grupo geralmente pequeno segundo Moreira (2009) se

reúnem para discutir em conjunto o desenvolvimento de uma previsão. Este grupo é

formado por executivos das diversas áreas funcionais com o interesse de previsões a

longo prazo envolvendo alguns aspectos do planejamento estratégico, desenvolvimento

de novos produtos, processos e planejamento de manufatura. Este artifício apresenta

eficiência devido a reunião de diversos habilidades e visões a respeito do assunto

tratado, podendo obter precisão e qualidade sobre a harmonia da decisão que venha a

ser tomada.

Ainda em Moreira (2009) este processo apresenta desvantagens, devido a

pessoas que apresentem características de personalidade forte, exercendo

exageradamente influencia sobre o grupo impondo graus a sua opinião.

21

3.1.1.2 Opinião de Força de Vendas

Moreira (2009) relata que o pessoal envolvido com vendas aparenta uma

alternativa favorável, pois estão em contato direto com os produtos assim como os

consumidores, acompanham o desenvolvimento histórico e acompanham as evoluções

do mercado. No entanto alguns problemas podem aparecer como falta de discernimento

a respeito do que os clientes “gostariam de fazer” e do que eles “realmente farão”,

influencias por eventos passados recentes, caso as vendas se apresentem boas

superestimem a demanda, se ruim subestimem a demanda, existem casos que utilizem

as previsões para estimar cotas mínimas para cada vendedor ou equipe de vendedores,

criando um conflito de interesses, onde talvez, seja interessante apresentar baixas

estivas de demanda por parte dos vendedores

3.1.1.3 Pesquisa Junto a Consumidores

O fator determinante para o mercado são os consumidores e Moreira (2009)

retrata que essa pesquisa é elaborada através de um grupo, ou seja, uma amostra onde é

aplicada uma pesquisa de mercado. Para tal atividade, pesquisa de mercado, exige certas

requisitos como conhecimentos técnicos para seu planejamento. Para montar a estrutura

22

da pesquisa, instrumentos para coleta de dados, planejarem a execução, explanar os

resultados exige profissionais sobre o assunto. Logo tomando os devidos cuidados,

levando em consideração que a empresa possui recursos financeiras e/ou humanos para

prosseguir a pesquisa de mercado, o método pode oferecer resultados compensadores.

3.1.1.4 O método Delphi

Este método segundo Moreira (2009) consiste a respeito de um grupo de pessoas

que opinam sobre determinado assunto. Sendo Este comitê formado por pessoas que

participaram do processo, sendo estes, especialistas no assunto tratado e nos que estão

correlacionados. De maneira que algumas opiniões não se sobreponham as outras, é

elaborado um questionário onde são expressas as opiniões, em seguida é apresentado

um sumário é preparado com as opiniões dos participantes onde são discutidas e uma

atenção maior as opiniões que causam divergências. A parte seguinte desse método

consiste de oferecer a chance aos componentes do gripo para reverem suas previsões a

respeito dos novos resultados. Sendo esse processo repetido inúmeras vezes até que o

grupo chegue a opiniões que não sejam variadas. Sendo possível um consenso por volta

da terceira ou quarta rodada do método.

23

3.1.2 Séries Temporais

De acordo com Tubino (2009) as previsões baseadas em séries temporais parte

do principio de que a futura demanda será fundamentada em seus valores passados,

onde não será apresentado influencias do passado.

3.1.2.1 Técnicas para previsão da média

3.1.2.1.1 Média Móvel

Segundo Tubino (2009) essa técnica utiliza dados de um determinado numero de

períodos, considerando normalmente os mais recentes. Para cada novo período é

substituído o dados mais antigo pelo mais recente, assim é determinado sua

sensibilidade com relação aos dados mais recentes. Apresenta como vantagem em

previsões devido a simplicidades e facilidade no entendimento, logo sua apresenta

desvantagem devido a necessidade de conter grande números de dados. Essa técnica só

fornece previsão para o período seguinte, sendo necessário usar o mesmo valor para os

períodos seguintes.

24

3.1.2.1.2 Média Exponencial Móvel

Em Tubino (2009) a previsão da Média Exponencial Móvel é a mais utilizada

para tratar de demandas médias e fazer o acompanhamento a respeito dos pequenos

movimentos a respeito da tendência. Essa técnica apresenta grande utilização em

sistemas computacionais, sendo que este modelo exige apenas armazenagem para três

dados por item sendo estes a previsão passada, a demanda e o coeficiente de

ponderação, apresenta uma operação e entendimento fácil. Assim como a média móvel

essa técnica só apresenta a previsão para o período seguinte, usando o mesmo valor para

períodos futuros devido a previsão de demandas médias.

3.1.2.2 Técnicas para a previsão da Tendência

Tubino (2009) refere-se à tendência como a movimentação gradual de longo

prazo da demanda. A Tendência é identificada através da movimentação a respeito da

plotagem dos dados que permitira a identificação. Caracterizada por uma equação, que

apresenta facilidade para aplicação. Há duas técnicas importantes que podem ser

empregadas para o tratamento de previsões de demanda com tendência linear. Uma é

baseada em uma equação linear sendo a outra baseada no ajustamento exponencial.

25

3.1.2.3 Técnicas para a previsão da Sazonalidade

Tubino (2009) caracteriza a sazonalidade pela ocorrência de variações em

intervalos regulares nas séries temporais da demanda. O período de ocorrência da

sazonalidade pode ser anual, mensal, semanal e diário. È expressa através de

quantidades, percentagem da demanda que apresenta desvios dos valores médios da

série. Tendo um valor chamado Índice de Sazonalidade onde é aplicado sobre a média e

a tendência. A sazonalidade nas previsões consiste em empregar o ultimo dado da

demanda no período que apresenta sazonalidade e assumi-lo como previsão.

3.1.3 Previsão de demando através da Simulação

A Simulação pode ser atributo ao qual se desenvolve um modelo para uma

experiência real. Em Moreira (2010) a Simulação é baseada na construção de um

modelo que se aproxima da realidade, sendo este operado diversas vezes, efetuando

analise dos resultados para uma melhor percepção, manipulação e controle. Para essa

experimentação na pratica é utilizado computadores, para uma maior precisão dos

resultados é necessário a realização de inúmeras simulações sobre o sistema em pauta.

Reis, Martins (2001) apud Oliveira, Barros, Reis (2006) os modelos de

simulação são caracterizados quanto a determinísticos e Probabilísticos. O primeiro

26

implica que os dados são obtidos com maior certeza. Já o segundo utiliza a técnica

estatística onde incorpora o comportamento probabilístico envolvido no comportamento

das variáveis no sistema.

A previsão de demanda pode ser estipulada através da simulação onde Taha

(2008) a define como uma tecnica de reprodução do comportamento real através da

estimação de medidas de desempenho.

A simulação torna possivel a realização de deduções sobre o comportamentos de

sistemas através de experimentos, segundo Andrade (1998).

Ehrlich (1985) o método da Simulação é empregado para analise do desempenho

de um sistema atraves da elaboração de modelo que aborda caracteriticas semelhantes

ao sistema original.

Através de um modelo detalhado será permitido determinar as respostas do

sistema de acordo com Harrel (2002).

Andrade (2009) ressalta que o uso da simulação serve como um primeiro teste

para o esboçar novas políticas e principios de decisão. Para formulação do problema é

necessário a coleta de dados que devem ser suficientes, qualitativamente garantidos, e

significativos ao processo de tomada de decisão.

Logo estabelecido o modelo, se torna necessário o conhecer a eficiencia

relacionado aos objetivos da simulação, os testes devem envolver os dados de maneira

que se possa constatar sua coerência, segundo Andrade (2009).

Assim através do levantamento de dados históricos é possivel criar um modelo

para estar efetuando a previsão de demanda pelo método da simulação.

27

3.2 SIMULAÇÀO DE MONTE CARLO

O método de Monte Carlo teve sua origem através do modelo probabilístico

focando simulações de fatos aleatórios, de acordo com Nascimento, Zuchi (1997) apud

Oliveira, Barros, Reis (2006)

A Origem do nome Monte Carlo é proveniente da roleta do Cassino localizado

no principado de Mônaco, assim como a criação sistemática do método por volta de

1944 quando Von Neumenn nomeou a técnica matemática para resolução d problemas

de física nuclear, a qual foi utilizada para a criação da bomba nuclear (Loesch, Hein,

2009), (Oliveira, Barros, Reis 2006).

Segundo Loesch, Hein (2009) a técnica de Monte Carlo consiste de uma roleta

hipotética que leva a resultados aleatórios, a qual é controlada de maneira que os

resultados são conduzidos a uma determinada interpretação e outros resultados

conduzem a outras interpretações.

Moreira (2010) o método de Monte Carlo foca a simulação do comportamento

ao acaso de variáveis probabilísticas, através da geração de valores das variáveis

relevantes com o auxilio de números aleatórios.

De acordo com Lustosa, Ponte, Dominas (2004) apud Oliveira, Barros, Reis

(2006) para a execução do Método de Monte Carlo, deve-se seguir algumas etapas

básicas, tais como: definir as variáveis envolvidas através de dados passados,

identificação da distribuição e possibilidade das variáveis aleatórias referentes ao

28

estudo, construção da distribuição de probabilidades para as variáveis definidas, definir

os intervalos dos números aleatórios, geração de números aleatórios e simulação do

experimento.

Para este trabalho utilizaremos uma tabela de números aleatórios onde Moreira

(2010) serão atribuídos conjuntos de números compatíveis com a extensão da faixa a

qual pertencem guardando uma relação entre o conjunto de números aleatórios e as

freqüências.

Em Morais (2010) o método de Monte Carlo é composto pelas seguintes etapas:

- Identificar as distribuições de probabilidade referentes as variáveis abordadas;

-Estabelecer as distribuições de probabilidade acumuladas pra cada variável identificada;

- Definir os intervalos de números aleatórios para cada uma das variáveis;

- Geração de Números aleatórios; e

- Simular os experimentos.

A tabela de números aleatórios onde segundo Moreira (2010) serão atribuídos

conjuntos de números compatíveis com a extensão da faixa a qual pertencem guardando

uma relação entre o conjunto de números aleatórios e as freqüências.

Assim o método de Monte Carlo será utilizado para o controle de variáveis, onde

irão ser descritas o fenômeno através de números aleatórios para criar valores para a

variante de interesse.

29

4 REVISÃO DE LITERATURA

COSTA, JÚNIOR; RODRIGUES (2010).Este estudo apresentou um método de

caráter quantitativo e econômico para auxiliar a tomada de decisão de mix de produtos a partir

da união de conceitos provindos da Pesquisa Operacional. Especificamente para o caso em

que uma empresa manufatureira operava com uma acentuada variabilidade de custos

unitários, realizou-se a aplicação da simulação de Monte Carlo. Assim, conseguiu-se

responder à pergunta de pesquisa para a qual o estudo foi direcionado.

Aragão, Santos e Ferreira (2009), realizaram um estudo para prever a demanda

diária de um determinado produto de uma empresa de produtos médico-odontologico,

onde utilizaram o método de Monte Carlo. Neste trabalho foram realizados cálculos de

demanda prevista do produto fabricado, onde obtiveram êxito nos cálculos realizados

pois a demanda prevista se aproximou da demanda espera mostrando que para este caso

o modelo de Monte Carlo foi confiável.

Estrócio, Correia (2009) atualmente uma grande parte

da energia elétrica em vários mercados é comercializada por meio de leilões de

energia. Este trabalho mostra como a simulação pode ser usada para determinar o lance

que maximiza o lucro esperado. Uma simulação de Monte Carlo pode indicar o melhor

lance para um produto, assumindo como dados o custo esperado e a distribuição de

probabilidade dos lances dos competidores, sendo esta baseada no histórico ou nos

lances dados durante o leilão. Para geradores e distribuidores de eletricidade, os leilões

30

de energia são uma parte da estratégia de comercialização em que o portfólio de

contratos é otimizado de maneira a maximizar o lucro esperado, de acordo com as

previsões de demanda e geração, bem como de preços de mercado e custos

operacionais. Contudo, devido às regras específicas do mercado brasileiro, os leilões

“ex-post” representam uma oportunidade de se aumentar o lucro sobre energia já

gerada.

BARROS (2009) Os métodos de simulação tem grande importância como

ferramenta em inúmeros projetos, sendo uma ferramenta poderosa se compreendida e

usada corretamente. Com o intuito de compreender e usar corretamente esta forte

ferramenta, um estudo considerando alguns conceitos de simulação é apresentado neste

trabalho, enfatizando, principalmente, os métodos de simulação Monte Carlo e

Bootstrap. Neste trabalho é conduzido um estudo de simulação Monte Carlo com o

intuito de avaliar o tamanho e o poder dos testes t-Student e de Wilcoxon sob diferentes

instâncias. Para o cálculo do tamanho de ambos os testes, foram realizadas B = 100000

simulações Monte Carlo com 10 diferentes tamanhos de amostras, n = 10, 20, . . . , 90,

100. Cada uma das B = 100000 amostras foram geradas das distribuições Normal,

Laplace, Uniforme, t-Student e Logística sob a hipótese nula, sem perda de

generalidades, com µ = 0. Em três exemplos, a precisão das diferentes alternativas para

obtenção dos intervalos é apresentada e discutida.

JÚNIOR (2009) o valor da célula S57, na FIG. 6, é o resultado de apenas uma

iteração, ou seja, um Lucro Operacional hipotético do produto após três meses. Através da

Simulação de Monte Carlo foram feitas 30.000 iterações para cada nível de estoque ideal com

intuito de obter resultados mais confiáveis, já que os resultados de uma grande amostra

tendem a média do fenômeno, segundo a Lei dos Grandes Números. A técnica utilizada foi a

31

da simulação por ser uma ferramenta flexível e amplamente utilizada para estimar o

comportamento de sistemas estocásticos. Cabe registrar que a ferramenta Simulação é

bastante sensível à qualidade dos histogramas de freqüência das variáveis independentes e

bastante dependente da manutenção da ambiência operacional anterior.

LIMA, VIANA, LEVINO (2008) Projetos de alta complexidade (geração de energia,

avião, jogos olímpicos, etc.), seja pela sofisticada engenharia financeira, seja pelas incertezas

inerentes, podem utilizar o Método de Monte Carlo, como valiosa ferramenta de apoio às

decisões. Projetos mais simples, com baixo grau de incerteza, podem, também, utilizar esse

método. Cabe ao gerente, ou decisor, avaliar a necessidade. A utilização do Método de Monte

Carlo é uma alternativa bastante razoável, capaz de reduzir a incerteza, sem adição

significativa de custo e tempo, necessitando, apenas, conhecimentos estatísticos para leitura

dos resultados. Pode-se, portanto, concluir que modelos determinísticos tendem a ser

substituídos pelos probabilísticos, e o nível de incerteza no processo de decisão reduzirá. Esta

redução, por sua vez, proporcionará benefícios para o processo de tomada de decisão no

gerenciamento de projetos.

OLIVEIRA (2007) partiram das constatações dos resultados, pode se inferir que o

objetivo proposto foi alcançado. A simulação de monte Carlo, portanto, mostrou se um

método apropriado para prever os custos de produção da Companhia Vale do Rio Doce, se

adequando aos impactos do fator modificativo desestatização. Sendo assim o método o

método apresenta se como possível ferramenta no auxilio a visualização de diversas situações

nos processos de decisão.

Peixoto e Pinto (2006) realizaram um trabalho utilizando a simulação para

prever a demanda, com o objetivo de gerenciar estoques, baseado em conceitos de simulação

32

eles definiram as variáveis e parâmetros do processo de decisão para reproduzi-lo em um

modelo matemático. Ainda de acordo com os mesmos autores,o estudo de caso foi

realizado em uma empresa do setor siderúrgico, foi preparado e implementado

computacionalmente um modelo matemático, tendo como objetivo reproduzir e avaliar

cenários relacionados ao processo de compra e estocagem. Neste estudo o modelo foi

considerado adequado para apoiar o processo de decisão de compra de matéria-prima.

Moore & Weatherford (2005), como alternativa, o Método de Monte Carlo, segundo

pode ser utilizado largamente na avaliação de projetos, onde os riscos envolvidos podem ser

expressos de forma simples e de fácil leitura, e as simulações auxiliam a decisão. Assim, os

indicadores deixam de ser determinísticos e passam a ser estocásticos, probabilísticos.

KUYVEN, (2004), Proposta de um método para a análise de demanda: aplicação

numa indústria de brinquedos. Supõe-se que o método proposto dê sustentação ao processo

decisório relativo às primeiras fases do desenvolvimento desses produtos. Também visa

alcançar algum nível de compreensão relativamente à influência de fatores externos e internos

nos níveis de vendas. Basicamente este método compreende três etapas próprias: análise do

ambiente externo e interno à companhia, modelagem do comportamento de demanda e suas

respectivas projeções no tempo. Esta abordagem foi aplicada a uma situação específica de

desenvolvimento de um novo produto em uma empresa de médio porte que opera como

fabricante de brinquedos.

Rogers, J S, Rogers Dany (2004) O objetivo do trabalho visa fornecer aos

gestores um instrumental que busque amenizar o risco envolvido no processo de

estimativa das variáveis que afetam o gerenciamento de custos, dando maior

flexibilidade à análise ao incluir as medidas do custeio variável dentro de um intervalo

de confiança. Neste intuito apresentar-se-á o sistema de custeio variável no processo de

33

gerenciamento de custos em condições de risco, usando para a exposição dos

argumentos, uma aplicação prática da simulação de Monte Carlo. A aplicação prática da

análise probabilística apresentada teve como objetivo o desenvolvimento do método de

Monte Carlo, como uma ferramenta do gerenciamento de custos, no intuito de se inferir

sobre as probabilidades de sucesso ou insucesso em relação às decisões propostas pelas

empresas. Segundo o desenvolvimento apresentado, a partir da análise do custeio

variável, a empresa de acordo com o seu “risco aceitável” tem a opção de flexibilizar ou

tornar mais rígido seu orçamento de custos.

Werner e Ribeiro (2003) a previsão de demanda é muito importante para ajudar

uma empresa a determinar seus recursos necessários, utilizaram a metodologia de Box-

Jenkis para obter previsões do número de atendimentos em uma empresa de assistência

técnica de computadores pessoais. Este estudo de caso, segundo Werner e Ribeiro

(2003), foi útil à empresa, pois a modelagem possibilitou uma compreensão maior do

comportamento dos clientes, além de ter fornecido informações que deram suporte às

decisões referentes a investimentos e dimensionamento da equipe técnica.

34

5 APLICAÇÃO DA SIMULAÇÃO DE MONTE CARLO PARA PREVISÃO DA DEMANDA: O CASO DA ENGARRAFAORA DE BEBIDAS PASCHOETO

Para o estudo da Previsão de Demanda baseada na Simulação de Monte Carlo

foram escolhidos 50 produtos de um total de 54, pois estes apresentavam dados

históricos suficiente para o estudo de caso.

As linhas de bebidas engarrafadas foram classificadas de acordo com a categoria

e o volume.

Quanto a categoria os produtos se enquadram em Vinho Tinto Suave, Vinho

Tinto Seco, Vinho Branco Suave, Vinho Branco Seco, Vinho Rosado Suave, Cooler de

vinho rosado com suco de uva e pêssego, Cooler de Vinho Rosado com suco de uva e

morango, Coquetel de Catuaba, Espumante e Vinagre.

Já o volume apresenta variação é de 500mL a 4,6L. Sendo ainda estes

classificados quanto ao tipo de embalagem primaria e secundaria.

O calculo da simulação de Monte Carlo para a previsão de demanda foi

elaborado por meio dos dados de vendas de cada produto que foram tabelados de acordo

com o histórico de dois anos. Foram fornecidos dados referentes às demandas do

período de 16/09/2008 a 16/09/2009 sendo este caracterizado no estudo como Ano 1 e

16/09/2009 a 15/09/2010 caracterizado aqui como Ano 2. A previsão de demanda

realizada é sugestiva ao período de 16/09/2010 a 16/09/2011, que será conhecida como

Simulação Ano 3.

As probabilidades foram consideradas iguais para os períodos. Foram realizadas

um total de dez simulações para cada produto, estabeleceu uma média, sendo esta

considerada previsão para o próximo ano.

35

Por meio dos dados históricos levantados foi observado que existe uma variação

de um período para o outro, sendo este calculado através de uma regra matemática

simples observando sua porcentagem de acréscimo ou decréscimo, sendo esta

considerada no momento da previsão de demanda para o período do Ano 3.

A geração de números e a Simulação de Monte Carlo para a linha de produtos

foram executadas através do MS Excel 2007, por meio da equação, que forneceu o valor

da demanda simulada.

=PROCV(ALEATÓRIOENTRE(inferior;superior),matriz_tabela;número_índice_colun

a;procurar intervalo)

Para a variação se aplicou uma regra de três simples e uma conta básica de

subtração para encontrar a porcentagem.

5.1 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE DE 4,6 L

Os quadros 1 e 2 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho Tinto Suave de 4,6L.

Períodos Demanda Prob % Prob % ac. Lim. N.A09/2008 a 09/2009 30406 50 50 1 50

09/2009 a 09/2010 39954 50 100 51 100

Quadro 1 – Determinação dos limites de números aleatórios para a previsão do vinho tinto suave de 4,6L

36

Exp/SimulaçãoDem. SIM

1 39954

2 30406

3 39954

4 39954

5 30406

6 39954

7 39954

8 39954

9 30406

10 30406

Dem. M. Simulada 36134,8

Quadro 2 – Simulação da demanda para o Vinho Tinto Suave de 4,6L.

5.2 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO DE 4,6 L

Os quadros 3 e 4 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho Tinto Seco de 4,6L.

Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 4714 50 50 1 50

09/2009 a 09/2010 6039 50 100 51 100

Quadro 3 - Determinação dos limites de números aleatórios para a previsão do vinho tinto seco de 4,6L

Exp/SimulaçãoDem. SIM

37

1 6039

2 4714

3 4714

4 4714

5 4714

6 4714

7 4714

8 4714

9 6039

10 6039


Quadro 4 - Simulação da demanda para o Vinho Tinto seco de 4,6L

5.3 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE DE 4,6 L

Os quadros 5 e 6 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho branco suave de 4,6L.

Períodos Demanda Fr Fa Lim de NA09/2008 a 09/2009 1629 50 50 1 50

09/2009 a 06/2010 2449 50 100 51 100

Quadro 5 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave de 4,6L

Exp/ SimulaçãoDem. SIM

1 2449

38

2 2449

3 1629

4 1629

5 1629

6 1629

7 2449

8 2449

9 2449

10 1629Dem. M. de Simulação 2039

Quadro 6 - Simulação da demanda para o Vinho branco suave de 4,6L

5.4 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO DE 4,6 L

Os quadros 7 e 8 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho branco suave de 4,6L.

Periodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 1469 50 50 1 50

09/2009 a 06/2010 2129 50 100 51 100

Quadro 7 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco de 4,6L

EXP/SimulaçãoDem. SIM

1 1469

2 1469

39

3 2129

4 1469

5 1469

6 1469

7 1469

8 1469

9 1469

10 1469

Dem. M. Simulada 1535

Quadro 8 - Simulação da demanda para o Vinho branco seco de 4,6L

5.5 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE DE 4,6 L

Os quadros 9 e 10 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Rose suave de 4,6L.


09/2009 a 06/2010 1100 50 100 51 100

Quadro 9 - Determinação dos limites de números aleatórios para a previsão do vinho Rose suave de 4,6L


1 917

2 1100

3 1100

4 917

40

5 1100

6 917

7 917

8 917

9 1100

10 1100


Quadro 10 - Simulação da demanda para o Vinho Rose suave de 4,6L

5.6 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE DE 6 EMABALAGENS DE 2000 mL

Os quadros 11 e 12 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto suave com 6 embalagens de 2000mL.


09/2009 a 06/2010 8769 50 100 51 100

Quadro 11 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto Suave com 6x2000mL


1 5938

2 8769

3 5938

4 5938

5 5938

41

6 5938

7 5938

8 5938

9 8769

10 8769


Quadro 12 - Simulação da demanda para o vinho Tinto Suave com 6 embalagens de 2000mL

5.7 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO DE 6 EMABALAGENS DE 2000 mL

Os quadros 13 e 14 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto seco com 6 embalagens de 2000mL.


09/2009 a 06/2010 866 50 100 51 100

Quadro 13 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto seco com 6x2000mL


1 866

2 608

3 608

4 866

5 608

6 608

42

7 608

8 866

9 866

10 866

Dem. M. Simualada 737

Quadro 14- Simulação da demanda para o vinho Tinto vinho Tinto seco com 6 embalagens de 2000mL

5.8 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE DE 6 EMABALAGENS DE 2000 mL

Os quadros 15 e 16 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Branco suave com 6 embalagens de 2000mL.

Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 359 50 50 1 5009/2009 a 06/2010 536 50 100 51 100

Quadro 15 - Determinação dos limites de números aleatórios para a previsão do vinho Branco suave 6x2000mL


1 536

2 536

3 536

4 359

5 359

6 359

7 359

43

8 359

9 359

10 359


Quadro 16 - Simulação da demanda para o vinho Tinto vinho Branco suave 6 embalagens de 2000mL

5.9 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO DE 6 EMABALAGENS DE 2000 Ml

Os quadros 17 e 18 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Branco seco com 6 embalagens de 2000mL.


09/2009 a 06/2010 264 50 100 51 100

Quadro 17 - Determinação dos limites de números aleatórios para a previsão do vinho Branco seco 6x2000mL


1 264

2 172

3 264

4 172

5 172

6 264

44

7 264

8 264

9 172

10 264


Quadro 18 - Simulação da demanda para o vinho Tinto vinho Branco seco 6 embalagens de 2000mL

5.10 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE DE 6 EMABALAGENS DE 2000 Ml

Os quadros 19 e 20 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose com 6 embalagens de 2000mL.


Quadro 19 - Determinação dos limites de números aleatórios para a previsão do vinho rose


1 485

2 485

3 358

4 358

5 485

6 485

7 485

45

8 358

9 485

10 485


Quadro 20 - Simulação da demanda para o vinho rose com 6 embalagens de 2000mL

5.11 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMABALAGENS DE 720 Ml

Os quadros 21 e 22 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Tinto Suave com 12 embalagens de 720 mL.


09/2009 a 06/2010 6938 50 100 51 100

Quadro 21 - Determinação dos limites de números aleatórios para o vinho Tinto Suave com 12 x720 mL


1 5039

2 6938

3 5039

4 5039

5 6938

6 6938

7 6938

8 6938

46

9 6938

10 5039


Quadro 22 - Simulação da demanda para o vinho Tinto Suave com 12 embalagens de 720 mL

5.12 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO COM 12 EMABALAGENS DE 720 Ml

Os quadros 23 e 24 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Tinto seco com 12 embalagens de 720 mL.


09/2009 a 06/2010 647 50 100 51 100

Quadro 23 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto seco com 12x720 mL


1 562

2 562

3 647

4 647

5 562

6 562

7 562

8 647

9 647

47

10 562


Quadro 24 - Simulação da demanda para o vinho Tinto seco com 12 embalagens de 720

5.13 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE COM 12 EMABALAGENS DE 720 Ml

Os quadros 25 e 26 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco suave com 12 embalagens de 720 mL.

Período Demanda Fr Fa Lim de Na09/2008 a 09/2009 659 50 50 1 50

09/2009 a 06/2010 668 50 100 51 100

Quadro 25 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave com 12x720 mL


1 668

2 668

3 668

4 668

5 659

6 668

7 668

8 668

9 659

10 668

48

Dem. M. Simulaa 666,2

Quadro 26 - Simulação da demanda para o vinho branco suave com 12 embalagens de 720 mL

5.14 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO COM 12 EMABALAGENS DE 720 Ml

Os quadros 27 e 28 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco seco com 12 embalagens de 720 mL.


09/2009 a 06/2010 163 50 100 51 100



1 259

2 259

3 259

4 163

5 163

6 259

7 259

8 259

9 163

10 259


49

Quadro 28 - Simulação da demanda para o vinho branco seco com 12 embalagens de 720 mL

5.15 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE COM 12 EMABALAGENS DE 720 Ml

Os quadros 29 e 30 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose com 12 embalagens de 720 mL.


09/2009 a 06/2010 287 50 100 51 100

Quadro 29 - Determinação dos limites de números aleatórios para a previsão do vinho rose com 12x720 mL


1 287

2 287

3 287

4 287

5 287

6 287

7 234

8 234

9 234

10 234


Quadro 30 - Simulação da demanda para o vinho rose com 12 embalagens de 720 mL

50

5.16 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMABALAGENS DE 880 Ml

Os quadros 31 e 32 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto suave com 12 embalagens de 880 mL


09/2009 a 06/2010 22455 50 100 51 100

Quadro 31 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho tinto suave com 12 embalagens de 880 mL


1 22455

2 28716

3 22455

4 22455

5 22455

6 28716

7 28716

8 28716

9 28716

10 28716


Quadro 32 - Simulação da demanda para o vinho tinto suave com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

51

5.17 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO COM 12 EMABALAGENS DE 880 Ml

Os quadros 33 e 34 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto seco com 12 embalagens de 880 mL


09/2009 a 06/2010 3615 50 100 51 100

Quadro 33 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho tinto seco com 12 embalagens de 880 mL


1 3615

2 3834

3 3615

4 3834

5 3615

6 3834

7 3834

8 3615

9 3834

10 3834


Quadro 34 - Simulação da demanda para o vinho tinto seco com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

52

5.18 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SUAVE COM 12 EMABALAGENS DE 880 Ml

Os quadros 35e 36 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco suave com 12 embalagens de 880 mL


09/2009 a 06/2010 2821 50 100 51 100

Quadro 35 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho branco suave com 12 embalagens de 880 mL


1 2821

2 2821

3 3227

4 3227

5 2821

6 2821

7 2821

8 2821

9 2821

10 2821


Quadro 36 - Simulação da demanda para o vinho branco suave com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

53

5.19 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SECO COM 12 EMABALAGENS DE 880 Ml

Os quadros 37 e 38 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco seco com 12 embalagens de 880 mL


09/2009 a 06/2010 1944 50 100 51 100

Quadro 37 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho branco seco com 12 embalagens de 880 mL


1 1944

2 1944

3 2308

4 1944

5 1944

6 2308

7 1944

8 2308

9 2308

10 1944


Quadro 38 - Simulação da demanda para o vinho branco seco com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.20 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O ROSE SUAVE COM 12 EMABALAGENS DE 880 Ml

54

Os quadros 39 e 40 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose suave com 12 embalagens de 880 mL


09/2009 a 06/2010 1796 50 100 51 100

Quadro 39 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho rose suave com 12 embalagens de 880 mL


1 1796

2 1363

3 1363

4 1796

5 1796

6 1796

7 1363

8 1363

9 1796

10 1363


Quadro 40 - Simulação da demanda para o vinho branco seco com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.21 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O TINTO SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml

55

Os quadros 41 e 42 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto suave, caixa com 12 embalagens de 880 mL


Quadro 41 - Determinação dos limites de números aleatórios para a previsão do período

09/2009 a 09/2011 para o vinho tinto suave, caixa 12 embalagens de 880 mL


1 16573

2 16573

3 22455

4 22455

5 16573

6 22455

7 22455

8 22455

9 22455

10 16573


Quadro 42 - Simulação da demanda para vinho tinto suave, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.22 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O TINTO SECO CAIXA COM 12 EMABALAGENS DE 880 Ml

56

Os quadros 43 e 44 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto seco, caixa com 12 embalagens de 880 mL



09/2009 a 09/2011 para o vinho tinto seco, caixa 12 embalagens de 880 mL


1 2693

2 2693

3 2693

4 3615

5 3615

6 2693

7 3615

8 3615

9 3615

10 3615


Quadro 44 - Simulação da demanda para vinho tinto seco, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.23 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml

57

Os quadros 45 e 46 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco suave, caixa com 12 embalagens de 880 mL


09/2009 a 06/2010 2821 50 100 51 100


09/2009 a 09/2011 para o vinho branco suave, caixa 12 embalagens de 880 mL


1 2821

2 2821

3 2821

4 2821

5 2120

6 2821

7 2821

8 2821

9 2821

10 2120

Dem. M. Simulação 2680,8

Quadro 46 - Simulação da demanda para vinho branco suave, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.24 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SECO CAIXA COM 12 EMABALAGENS DE 880 Ml

58



09/2009 a 06/2010 1944 50 100 51 100


09/2009 a 09/2011 para o vinho branco seco, caixa 12 embalagens de 880 mL


1 1944

2 1944

3 1944

4 1454

5 1454

6 1944

7 1944

8 1944

9 1944

10 1944


Quadro 48 - Simulação da demanda para vinho branco seco, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.25 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml

59

Os quadros 49 e 50 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose, caixa com 12 embalagens de 880 mL


09/2009 a 06/2010 2219 50 100 51 100


09/2009 a 09/2011 para o vinho rose, caixa 12 embalagens de 880 mL


1 2219

2 2219

3 2219

4 2219

5 1831

6 2219

7 1831

8 2219

9 1831

10 2219


Quadro 50 - Simulação da demanda para vinho rose, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.26 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml

60

Os quadros 51 e 52 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto suave, caixa com 12 embalagens de 970 mL

Periodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 5778 50 50 1 50

09/2009 a 06/2010 7732 50 100 51 100


09/2009 a 09/2011 para o vinho tinto suave, caixa 12 embalagens de 970 mL


1 7732

2 7732

3 7732

4 7732

5 7732

6 7732

7 7732

8 7732

9 5778

10 7732


Quadro 52 - Simulação da demanda para vinho tinto suave, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011

5.27 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO CAIXA COM 12 EMABALAGENS DE 970 Ml

61

Os quadros 53 e 54 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto seco, caixa com 12 embalagens de 970 mL.


09/2009 a 06/2010 567 50 100 51 100


09/2009 a 09/2011 para o vinho tinto seco, caixa 12 embalagens de 970 mL


1 567

2 477

3 567

4 567

5 567

6 567

7 567

8 477

9 477

10 477


Quadro 54 - Simulação da demanda para vinho tinto seco, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011

5.28 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml

62



09/2009 a 06/2010 640 50 100 51 100


09/2009 a 09/2011 para o vinho branco suave, caixa 12 embalagens de 970 mL


1 640

2 640

3 482

4 482

5 482

6 640

7 640

8 482

9 640

10 640


Quadro 56 - Simulação da demanda para vinho branco suave, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011

5.29 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO CAIXA COM 12 EMABALAGENS DE 970 Ml

63

Os quadros 57 e 58 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco seco, caixa com 12 embalagens de 970 mL


09/2009 a 06/2010 281 50 100 51 100


09/2009 a 09/2011 para o vinho branco seco, caixa 12 embalagens de 970 mL


1 281

2 176

3 176

4 281

5 176

6 281

7 281

8 176

9 281

10 281


Quadro 58 - Simulação da demanda para vinho branco seco, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011

5.30 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml

Os quadros 59 e 60 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose, caixa com 12 embalagens de 970 mL

64


09/2009 a 06/2010 869 50 100 51 100


09/2009 a 09/2011 para o vinho rose, caixa 12 embalagens de 970 mL


1 869

2 869

3 713

4 869

5 713

6 713

7 713

8 713

9 869

10 713


Quadro 60 - Simulação da demanda para vinho rose, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011

5.31 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE O FARDO COM 6 EMABALAGENS PET DE 2000 Ml

Os quadros 61 e 62 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto, fardo com 6 embalagens PET de 2000 mL

65


09/2009 a 06/2010 4287 50 100 51 100


09/2009 a 09/2011 para o vinho tinto, fardo 6 embalagens PET de 2000 mL


1 2618

2 4287

3 4287

4 2618

5 2618

6 2618

7 4287

8 4287

9 2618

10 4287


Quadro 62 - Simulação da demanda para vinho tinto, fardo com 6 embalagens de 2000 mL para o período de 09/2010 a 09/2011

5.32 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 6 EMABALAGENS DE 2000 mL

Os quadros 63 e 64 demonstram as etapas para a realização da simulação para prever a projeção futura do produto suco tinto, com 6 embalagens de 2000 mL


66

09/2009 a 06/2010 1567 50 100 51 100


09/2009 a 09/2011 para o suco tinto, com 6 embalagens de 2000 mL


1 1909

2 1909

3 1567

4 1909

5 1909

6 1909

7 1567

8 1909

9 1567

10 1567


Quadro 64 - Simulação da demanda para suco tinto, com 6 embalagens de 2000 mL para o período de 09/2010 a 09/2011

5.33 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 12 EMABALAGENS DE 500 mL

Os quadros 65 e 66 demonstram as etapas para a realização da simulação para prever a projeção futura do produto suco tinto, com 12 embalagens de 500 mL.


09/2009 a 838 50 100 51 100

67

06/2010


09/2009 a 09/2011 para o suco tinto, com 12 embalagens de 500 mL


1 894

2 894

3 838

4 894

5 894

6 838

7 838

8 838

9 838

10 894


Quadro 66 - Simulação da demanda para suco tinto adoçado, com 12 embalagens de 500 mL para o período de 09/2010 a 09/2011

5.34 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE 4,6L

Os quadros 67 e 68 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooler Rosado, de 4,6L


09/2009 a 06/2010 610 50 100 51 100

68

Quadro 67 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o Cooler Rosado de 4,6L


1 608

2 610

3 608

4 608

5 608

6 610

7 610

8 608

9 608

10 610


Quadro 68- Simulação da demanda para Cooler Rosado de 4,6L para o período de 09/2010 a 09/2011

5.35 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE 6 EMABALAGENS DE 2000mL

Os quadros 69 e 70 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooler Rosado, caixa de 6 embalagens de 2000mL.


09/2009 a 06/2010 257 50 100 51 100

69


09/2009 a 09/2011 para o Cooler Rosado, caixa de 6 embalagens de 2000mL


1 257

2 257

3 241

4 257

5 257

6 257

7 257

8 241

9 257

10 257


Quadro 70 - Simulação da demanda para Cooler Rosado caixa de 6 embalagens de 2000mL para o período de 09/2010 a 09/2011

5.36 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO GRADE DE 12 EMABALAGENS DE 880mL

Os quadros 71 e 72 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooler Rosado, grade de 12 embalagens de 880mL.


09/2009 a 06/2010 2252 50 100 51 100

70


09/2009 a 09/2011 para o Cooler Rosado, grade de 12 embalagens de 880mL


1 2411

2 2411

3 2411

4 2411

5 2252

6 2252

7 2252

8 2411

9 2411

10 2411


Quadro 72 - Simulação da demanda para Cooler Rosado grade de 12 embalagens de 880mL para o período de 09/2010 a 09/2011

5.37 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO CAIXA DE 12 EMABALAGENS DE 880mL

Os quadros 73 e 74 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooler, caixa de 12 embalagens de 880mL.


09/2009 a 1708 50 100 51 100

71

06/2010


09/2009 a 09/2011 para o Cooler, caixa de 12 embalagens de 880mL


1 1708

2 1521

3 1708

4 1708

5 1521

6 1708

7 1521

8 1708

9 1708

10 1708


Quadro 74 - Simulação da demanda para Cooler caixa de 12 embalagens de 880mL para o período de 09/2010 a 09/2011

5.38 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BOURDEUX COM 12 EMBALAGENS DE 720mL

Os quadros 75 e 76 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Bourdeaux, caixa de 12 embalagens de 720 mL.


72

09/2009 a 06/2010 3541 50 100 51 100


09/2009 a 09/2011 para o vinho Bourdeaux, caixa de 12 embalagens de 720 mL.


1 2704

2 3541

3 2704

4 2704

5 2704

6 3541

7 3541

8 2704

9 3541

10 2704


Quadro 76 - Simulação da demanda para vinho Bourdeaux, caixa de 12 embalagens de 720 mL para o período de 09/2010 a 09/2011

5.39 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BOURDEUX SECO COM 12 EMBALAGENS DE 720mL

Os quadros 77 e 78 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Bourdeaux seco, caixa de 12 embalagens de 720 mL.


09/2009 a 06/2010 503 50 100 51 100

73

Quadro 77- Determinação dos limites de números aleatórios para a previsão do período 09/2009

a 09/2011 para o vinho Bourdeaux seco, caixa de 12 embalagens de 720 mL.


1 503

2 428

3 503

4 428

5 428

6 503

7 428

8 428

9 503

10 428


Quadro 78 - Simulação da demanda para vinho Bourdeaux, caixa de 12 embalagens de 720 mL para o período de 09/2010 a 09/2011

5.40 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER DE MORANGO GRADE COM 12 EMABALAGENS DE 880 mL

Os quadros 79 e 80 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooller de Morango, grade de 12 embalagens de 880 mL.


09/2009 a 06/2010 604 50 100 51 100


09/2009 a 09/2011 para o Cooller de Morango, grade de 12 embalagens de 880 mL.

74


1 604

2 612

3 604

4 604

5 604

6 604

7 604

8 604

9 604

10 612


Quadro 80 - Simulação da demanda para Cooller de Morango, grade de 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.41 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER DE MORANGO CAIXA COM 12 EMABALAGENS DE 880 mL

Os quadros 81 e 82 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooller de Morango, caixa com 12 embalagens de 880 mL.


09/2009 a 06/2010 549 50 100 51 100


09/2009 a 09/2011 para o Cooller de Morango, grade de 12 embalagens de 880 mL.

75


1 412

2 549

3 549

4 412

5 412

6 412

7 549

8 412

9 549

10 412


Quadro 82 - Simulação da demanda para Cooller de Morango, grade de 12 embalagens de 880 mL para o período de 09/2010 a 09/2011

5.42 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX SUAVE COM 6 EMBALAGENS DE 720mL

Os quadros 83 e 84 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Bourdeux suave com 6 embalagens de 720mL


09/2009 a 06/2010 2993 50 100 51 100


09/2009 a 09/2011 para o Bourdeux suave com 6 embalagens de 720mL.

76


1 2993

2 2016

3 2016

4 2993

5 2016

6 2993

7 2993

8 2016

9 2016

10 2016


Quadro 84 - Simulação da demanda para Bourdeux suave com 6 embalagens de 720mL para o período de 09/2010 a 09/2011

5.43 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX DEMI-SECO COM 6 EMBALAGENS DE 720mL

Os quadros 85 e 86 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Bourdeux demiseco com 6 embalagens de 720mL


09/2009 a 06/2010 787 50 100 51 100


09/2009 a 09/2011 para o Bourdeux demiseco com 6 embalagens de 720mL.

EXP/Simulação Dem.

77

SIM

1 633

2 633

3 787

4 633

5 633

6 787

7 787

8 787

9 633

10 633


Quadro 86- Simulação da demanda para Bourdeux demiseco com 6 embalagens de 720mL para o período de 09/2010 a 09/2011

5.44 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX SECO COM 6 EMBALAGENS DE 720mL

Os quadros 87 e 88 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Bourdeux seco com 6 embalagens de 720mL.


09/2009 a 06/2010 697 50 100 51 100


09/2009 a 09/2011 para o Bourdeux seco com 6 embalagens de 720mL.


78

1 697

2 697

3 514

4 514

5 697

6 697

7 514

8 697

9 697

10 514

Dem. M Simulada 623,8

Quadro 88 - Simulação da demanda para Bourdeux seco com 6 embalagens de 720mL para o período de 09/2010 a 09/2011

5.45 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO COM 12 EMBALAGENS DE 720mL

Os quadros 89 e 90 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooller Rosado com 12 embalagens de 720mL.


09/2009 a 06/2010 90 50 100 51 100


09/2009 a 09/2011 para o Cooller Rosado com 12 embalagens de 720mL.


79

1 85

2 90

3 85

4 90

5 85

6 90

7 85

8 85

9 90

10 85

Dem. M. Simulada 87

Quadro 90- Simulação da demanda para Cooller Rosado com 12 embalagens de 720mL para o período de 09/2010 a 09/2011

5.46 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE MORANGO COM 12 EMBALAGENS DE 720mL

Os quadros 91 e 92 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooller Rosado de morango com 12 embalagens de 720mL.


09/2009 a 06/2010 54 50 100 51 100


09/2009 a 09/2011 para o Cooller Rosado de Morango com 12 embalagens de 720mL.


1 49

80

2 54

3 49

4 54

5 54

6 49

7 49

8 54

9 49

10 54


Quadro 92 - Simulação da demanda para Cooller Rosado de morango com 12 embalagens de 720mL para o período de 09/2010 a 09/2011

5.47 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINAGRE DE VINHO TINTO CLASSICO

Os quadros 93 e 94 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinagre de Vinho Tinto Clássico.


09/2009 a 06/2010 152 50 100 51 100


09/2009 a 09/2011 para o Vinagre d Vinho Tinto Clássico


1 152

81

2 152

3 152

4 152

5 152

6 152

7 110

8 110

9 110

10 110


Quadro 94 - Simulação da demanda para Vinagre de Vinho Tinto Clássico para o período de 09/2010 a 09/2011

5.48 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 12 EMABALAGENS DE 1L

Os quadros 95 e 96 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Suco Tinto Adoçado com 12 embalagens de 1L.


09/2009 a 06/2010 1015 50 100 51 100


09/2009 a 09/2011 para o Suco Tinto Adoçado com 12 embalagens de 1L.


82

1 1015

2 1015

3 1321

4 1321

5 1321

6 1015

7 1015

8 1015

9 1321

10 1015


Quadro 96 - Simulação da demanda para Suco Tinto Adoçado com 12 embalagens de 1L para o período de 09/2010 a 09/2011

5.49 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COQUETEL DE CATUABA COM 6 EMBALAGENS DE 880 mL

Os quadros 97 e 98 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Coquetel de Catuaba com 6 embalagens de 880mL.


09/2009 a 06/2010 2422 50 100 51 100


09/2009 a 09/2011 para o Coquetel de Catuaba com 6 embalagens de 880mL.


83

1 2422

2 1627

3 1627

4 2422

5 2422

6 1627

7 2422

8 1627

9 2422

10 2422


Quadro 98 - Simulação da demanda para Coquetel de Catuaba 6 embalagens de 880mL para o período de 09/2010 a 09/2011

5.50 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O ESPUMANTE MOSCATEL COM 6 EMABALAGENS DE 720mL

Os quadros 99 e 100 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Espumante Moscatel caixa com 6 embalagens de 720 mL.


09/2009 a 06/2010 127 50 100 51 100


09/2009 a 09/2011 para Espumante Moscatel caixa 6 embalagens de 720 mL.


1 63

84

2 127

3 127

4 63

5 127

6 63

7 63

8 63

9 127

10 63


Quadro 100 - Simulação da demanda para Espumante Moscatel caixa 6 embalagens de 720 mL para o período de 09/2010 a 09/2011

5.51 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMBALAGENS DE 370mL

Os quadros 101 e 102 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho tinto suave com 12 embalagens de 370 mL.


09/2009 a 06/2010 108 50 100 51 100

Quadro 101 - Determinação dos limites de números aleatórios para a previsão do período do

vinho tinto suave 12x370 mL.


1 108

85

2 65

3 65

4 108

5 108

6 108

7 108

8 65

9 65

10 65


Quadro 102 - Simulação da demanda para vinho tinto suave 12x370 mL

86

CONSIDERAÇÕES FINAIS

Após o conhecimento do fluxo de informação e processo da vinícola, a técnica

de pesquisa operacional a ser aplicada será de Simulação de Estoques, visto que a

dificuldade da organização esta em seu espaço físico para tal. Enfrentam dificuldades

para atingir sua demanda em períodos de festas, já se encontram com projetos ainda não

implantados para o aumento de sua área industrial e estocagem.

A simulação através do método de Monte Carlo possibilitara a criação de um

modelo o qual auxiliara na melhor decisão a respeito da demanda, descrever o

comportamento do estoque da Vinícola Paschoeto buscando alcançar através de testes

de hipóteses e critérios de decisão a melhor alternativa para solucionar o problema de

alocação do estoque.

A Simulação é uma ótima ferramenta de visualização de projeções futuras para

inúmeras atividades de produção. Possibilita a criação de um modelo o qual auxilia na

melhor decisão a respeito da demanda, descrever o comportamento do estoque da

Engarrafadora de Bebidas Paschoeto buscando alcançar a melhor alternativa para

solucionar o problema de alocação do estoque.

Através do modelo composto por dados histórico de vendas dos produtos

engarrafados, pode-se obter um ensaio a respeito da demanda anual para o próximo

período. Ao analisar os dados pode-se observar uma variação onde em alguns produtos

foram notados acréscimo na demanda e em outros decréscimos. Através desta simulação

de previsão de demanda podem-se projetar as vendas futuras, assim como propostas de

melhorias e ganho de mercado.

87

O método de Monte Carlo se mostrou confiável para essa atividade, devido que

a experiência demonstrou que a projeção da possível demanda futura previstas estava

próximas demandas históricas.

88

REFERENCIAS

ANDRADE, E. L. Introdução à pesquisa operacional: métodos e técnicas para análise de decisão. Rio de Janeiro: LTC, 2009

ARAGÃO, SANTOS, FERREIRA. Previsão de Demanda Utilizando Simulação de Monte Carlo: Estudo de Caso na Empresa Cristófoli Biossegurança. Encontro Brasileiro de Engenharia de Produção Agroidustrial – EBEPA, (Campo Mourão), 2009.

Associação Brasileira de Engenharia de Produção (ABREPO). Áreas da Engenharia de Produção. Disponível em < http://www.abepro.org.br/interna.asp?p=399&m=424&s=1&c=362 > Acesso em 17 de Junho de 2010.

Barros, Emílio Augusto Coelho; APLICAÇÕES DE SIMULAÇÃO MONTE CARLO E BOOTSTRAP, UEM, 2009. Disponível em: http://www.des.uem.br/graduacao/resumos.htm. Data de acesso: 16/08/2010.

COSTA, R.; JÚNIOR.; RODRIGUES, M. Simulação de Monte Carlo Aplicada à Decisão de Mix de Produtos. Disponível em: http://seer.ufrgs.br/index.php/ProdutoProduçao. Data de acesso: 15/08/2010.

E JUNIOR. Otimização dos Estoques em Pequena Empresa do Varejo. Disponível em: http://www.ufpi.br/reges/uploads/edicao2/artigo2.pdf. Data de acesso: 16/08/2010.

Fleury, A. O que é Engenharia de Produção?.In Batalha, M. O. Introdução a Engenharia de Produção. Rio de Janeiro: Elsevier, 2008. P. 1.

89

J. P. ESTRÓCIO, P. B. CORREIA, Simulação de Monte Carlo e aversão a risco aplicada a leilões de energia. Unicamp, São Paulo, 2009. Disponível em: http://webcache.googleusercontent.com/search?q=cache:Gukjdd:webserver.eln.gov.br/ Data de acesso: 16/08/2010.

Kuyven, Patrícia, Sorgatto. Proposta de um método para a análise de demanda: aplicação numa indústria de brinquedos, 2004. Disponível em: http://hdl.handle.net/10183/3455 Data de acesso: 16/08/2010.

LIMA, E.; VIANA, J.; LEVINO, N. Simulação de Monte Carlo Auxiliando a Analise de Viabilidade Econômica de Projetos. Disponível em: http://www.excelenciaemgestao.org/portals/2/documents/cneg4/t7_0033_0196.pdf. Data de acesso: 14/08/2010.

Loesch, C; Hein, N. Pesquisa Operacional: fundamentos e métodos. São Paulo: Saraiva, 2009.

MORAIS. M. F. Pesquisa Operacional Aplicada - Apostila. Curso de Engenharia de Produção Agroindustrial. Fecilcam: Campo Mourão, 2009.

MOREIRA, D. Administração da Produção e Operações. 2 ed. São Paulo: Cengage Learning, 2009.

MOREIRA,D. A. Pesquisa Operacional: Curso Introdutório. 2 Ed. São Paulo: Cengage Learning, 2010.

OLIVEIRA, BARROS, REIS. Aplicabilidade do Método da Simulação de Monte Carlo na Previsão dos Custos de Produção de Companhias Industriais: O caso Companhia Vale do Rio Doce. Congresso Universidade de São Paulo, VII, São Paulo. 2006.

90

OLIVEIRA, P. Aplicabilidade do Método de Simulação de Monte Carlo na Previsão de Produção de Companhias Industriais: O Caso da Companhia Vale do Rio Doce. Disponível em: http://www.congressousp.fipecafi.org/artigos72007/537.pdf. Data de acesso: 14/08/2010.

PEIXOTO, Eduardo Carrara; PINTO, Luiz Ricardo. Gerenciamento de Estoques via Previsão de Vendas Agregadas Utilizando Simulação. Produção, v.16, n.3, p. 569-581, 2006. disponível em: < http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65132006000300016&lng=pt&nrm=iso>. Acessado em

Rogers, Pablo; José dos Santos, Eduardo; Rogers Dany; Gerenciamento de custos em situações de risco: uma abordagem do custeio variável aplicando o Método de Monte Carlo. Disponível em: http://www.abepro.org.br/biblioteca/ENEGEP2004_Enegep0302_1300.pdf. Data de acesso: 16/08/2010.

TUBINO, D. F. Planejamento e Controle da Produção: Teoria e Pratica. 2 ed. São Paulo: Atlas, 2009

WERNER, Liane; RIBEIRO, José Luis Duarte. Previsão de Demanda: uma Aplicação dos Modelos Box-jenkins na Área de Assistência Técnica de Computadores Pessoais. Gestão & Produção, v.10, n.1, p.47-67, 2003. Disponível em: <http://www.scielo.br/pdf/gp/v10n1/a05v10n1.pdf>. Acessado em

estudo de caso po - paschoeto4bim

Documents