modelo de previsÃo de demanda: anÁlise da … · ou apoio de modelos de previsão de demanda....
TRANSCRIPT
MODELO DE PREVISÃO DE DEMANDA:
ANÁLISE DA PRODUÇÃO EM UMA EMPRESA
DO SETOR CERÂMICO DO RIO GRANDE DO
NORTE
Julia Lorena Marques Gurgel (UFRN)
Tuira Morais Avelino Pinheiro (UFRN)
Izabelle Virginia Lopes de Paiva (UFRN)
Lycia Nascimento Rabelo (UFRN)
Francisco Firmino da Silva Neto (UFERSA)
A indústria de cerâmica destaca-se por exercer de um papel importante na
economia brasileira, atraindo altos investimentos, custos de instalações e
tecnologia aplicada. Porém, as empresas instaladas no nordeste ainda
precisam atuar mais efetivamente na programação de produção, uma
realidade observada em pequenas indústrias produtora de cerâmica
vermelha. Nesse contexto, para trazer condições para a tomada da decisão o
objetivo deste artigo é desenvolver um modelo de previsão de demanda em
uma pequena indústria, avaliando sua capacidade produtiva para identificar
oportunidades de investimento. Para realização desse estudo foi utilizada a
pesquisa bibliográficas com a finalidade de demonstrar a previsão de
demanda, bem como os erros de previsão e uma contextualização sobre a
cerâmica vermelha. A aplicação do método de previsão analisou a
sazonalidade e tendência, que permitiram desenvolver um modelo de
previsão de demanda com dados confiáveis e reais, demonstrando que o
crescimento da demanda será acompanhado pelo crescimento da produção
cerâmica.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
2
Palavras-chave: Previsão de demanda; Indústria de Cerâmica; Programação
da Produção; Modelo de Previsão
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
3
1. Introdução
A forte pressão para o aumento da competitividade, faz com que a qualidade seja uma
característica já inserida ao produto. Nesse cenário, a inovação e eficiência dos processos é
uma das condições necessárias para sobrevivência de uma empresa. Logo, a capacidade de
controlar os processos, inserir melhorias e gerar resultados de inovação é considerado um
grande diferencial para alcance de vantagem competitiva.
De acordo com a Associação Paulista de Revestimento Cerâmico (ASPACER, 2015), nos
últimos anos, o setor cerâmico de revestimento tem tido crescimento em sua produção na
ordem de dois dígitos. Para 2015, a ASPACER considera que o setor continuará crescendo,
porém um pouco acima do crescimento do PIB do país. Portanto, pode-se afirmar que o
crescimento em produção será na ordem de 4% e a expectativa para as vendas é que haja o
escoamento da produção.
Mesmo em fase de expansão, grande parte desta indústria possui um baixo grau de
conhecimento para fazer a programação de produção, sendo esta realizada sem base científica
ou apoio de modelos de previsão de demanda. Porém, de maneira geral, as previsões de
demanda desempenham uma função de destaque para diversos setores da gestão das
empresas, dentre os quais o gerenciamento da produção é uma das áreas das organizações que
mais sofre influências das previsões (PELLEGRINI, 2000).
Desta forma, a previsão da demanda é capaz de influenciar fortemente para o sucesso ou
fracasso, já que direciona decisões estratégicas de longo prazo e em médio prazo, quando
baseia-se nessa análise para investir ou não na compra de melhores máquinas. Para tanto, são
inúmeras as técnicas de previsão disponíveis às empresas, das mais simples (geralmente, as
técnicas subjetivas, como aquelas baseadas no conhecimento empírico) às mais complexas
(métodos probabilísticos e estatístico-matemáticos); todavia, todas essas técnicas possuem um
mesmo objetivo: prever o que será demandado das organizações. Portanto, os modelos
mostram-se necessários para que se possa acompanhar esse crescimento e tomar decisões
baseadas em informações reais.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
4
Tendo em vista a importância das ferramentas de previsão de demanda para este setor, o
artigo tem o objetivo de desenvolver um modelo de previsão de demanda para auxiliar no
planejamento de longo prazo de uma empresa de cerâmica vermelha, especificamente telhas.
A partir desta serão quantificadas as estimativas de evolução dos mercados e de vendas, uma
vez serão feitas as projeções financeiras (receitas, custos de distribuição e de produção,
despesas).
Inicialmente, será apresentada o referencial teórico acerca de modelos de previsão de
demanda, seguindo com a apresentação da indústria da cerâmica vermelha. Posteriormente, é
apresentada o método do estudo de caso realizado. Por fim, são apresentados os resultados e
as considerações finais do trabalho.
2. Previsão de Demanda
Todo planejamento surge por uma mesma base comum que é a previsão de demanda. A
previsão de demanda é o ponto de partida para quase todas as decisões que necessitam serem
tomadas dentro de uma organização e pode ser definida como uma busca de informações a
respeito das vendas futuras de um determinado item ou grupo de itens (MOREIRA, 2004).
Esse planejamento de produção é embasado em três conceitos básicos, que por meio deles é
possível fazer um planejamento e controle da produção de forma confiável, são eles: previsão
de demanda, verificação da capacidade de produção e controle de estoques.
De acordo com Tubino (2008), as previsões possuem destacada função dentro de uma
organização, visto que permitem aos gestores das empresas anteverem o futuro e assim
planejem adequadamente suas ações. O autor sugere ainda um modelo de previsão pode ser
dividido em cinco etapas, conforme a figura 01.
Figura 01: Modelo de previsão da demanda
Fonte: Adaptado de Tubino, 2008.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
5
Não é sempre que a oferta equivale à demanda efetiva de um produto. Portanto, o autor do
modelo enfatiza que a previsão de demanda serve para orientar a alocação dos recursos de
produção ao longo de determinado período de tempo. Na primeira etapa, são necessários que
sejam definidos os objetivos do modelo de previsão e qual a utilidade do mesmo. Em seguida,
é preciso averiguar qual a disponibilidade de dados, onde deve ser identificada uma série
histórica que servirá de base no modelo de previsão. Deve-se cuidar, não só na coleta das
informações, mas também na escolha da técnica, estabelecendo uma prática racional para
identificar, entre os métodos, o mais adequado ao caso (BALLOU, 2005).
Assim, a escolha do modelo de previsão se dá em função dos dados coletados. Quando se
obtém uma série histórica da produção do produto em questão, utilizam-se modelos baseados
em séries temporais. Quando não se possui um histórico dos dados, podem-se utilizar
modelos baseados em correlação, onde os dados que são levados em consideração são de uma
variável independente, na qual a previsão ficará baseada. Com o modelo escolhido, obtém-se
as previsões, que devem ser monitoradas a fim de reduzir os erros na previsão (CARMO, et
al., 2009).
Existem diversas técnicas que podem se utilizadas para a realização da previsão. De acordo
com Bowersox e Closs (2001) essas técnicas consistem em cálculos matemáticos ou
estatísticos usados para transformar parâmetros numéricos de dados históricos em quantidades
previstas. A Figura 3 mostra o processo de elaboração de uma previsão de demanda e seus
clientes. Pela Figura, pode-se observar que este processo se baseia em histórico de vendas dos
produtos ou de outros produtos que tenham relação com o produto comercializado com a
empresa. Estes dados históricos são trabalhados através de técnicas e os resultados obtidos são
utilizados por diversos setores da empresa.
Figura 02 – Modelo de previsão de demanda
Fonte: Bowersox e Closs (2001)
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
6
O modelo de previsão adotado nesse artigo é o modelo baseado em séries temporais, que será
mais detalhado no tópico a seguir.
3.1.1. Modelos baseados em séries temporais
Entre os modelos baseados em séries temporais, existem diversas técnicas, que podem ser
divididas em três grupos: técnicas para previsão da média, técnicas para previsão de tendência
e as técnicas para previsão da sazonalidade (TUBINO, 2008).
Os primeiros modelos são os que fazem a previsão de média, classificadas em média móvel
simples, média móvel ponderada e média móvel exponencial. A primeira usa dados de um
número predeterminado de períodos, normalmente os mais recentes, para realizar a previsão.
Ela consiste na média aritmética dos “n” últimos períodos da demanda observada.
É importante observar que, quanto maior o valor de “n”, maior será a influência das demandas
mais antigas sobre a previsão. Por isso, na prática, muitas vezes se realiza o cálculo da média
móvel simples incluindo apenas os três últimos períodos (TUBINO, 2008). A Equação 1
ilustra este modelo.
Figura 03 - Equação 1 média simples
Fonte: Tubino (2008)
A grande vantagem de se utilizar este método é sua simplicidade operacional e facilidade de
entendimento. O modelo de previsão de demanda da média móvel simples é o mais elementar
dentre os modelos de previsão quantitativos e deve ser aplicado apenas para demandas que
não apresentem tendência ou sazonalidade.
O modelo de previsão de demanda pela média móvel ponderada é uma variação da média
móvel simples, que também deve ser aplicado apenas para demandas que não apresentem nem
tendência nem sazonalidade. A diferença entre este modelo e o da média móvel simples é que
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
7
agora se considera um peso maior para o último período de demanda, um peso ligeiramente
menor para o penúltimo período e assim por diante até o último período que se vá utilizar para
a estimativa. A Equação 2 ilustra este modelo.
Figura 04 - Equação 2 Média ponderada
Fonte: Tubino (2008)
O modelo de previsão de demanda baseado na média móvel com suavização exponencial é
uma variação da média móvel ponderada que também deve ser aplicado apenas para
demandas que não apresentem tendência nem sazonalidade. Adota-se um peso de ponderação
que se eleva exponencialmente quanto mais recentes são os períodos (Equação 3).
Figura 05- Equação 3 Média ponderada exponencial
Fonte: Tubino (2008)
Caso a demanda apresente sazonalidade e tendência, há necessidade de incorporar estas duas
características no modelo de previsão. A sazonalidade caracteriza-se pela ocorrência de
variações, para cima ou para baixo, a intervalos regulares nas séries temporais da demanda. A
tendência refere-se ao movimento gradual de longo prazo da demanda. O cálculo da mesma é
realizado pela identificação da equação que descreva esta reta. Este tipo de modelo é baseado
no modelo de regressão simples.
Para a adoção deste modelo, é necessário que sejam tomadas algumas suposições (TRIOLA,
1999):
a) Investigação de relações lineares;
b) Para cada valor x, é uma variável aleatória com distribuição normal.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
8
Dispondo de dados amostrais, devem-se obter dados estimados dos parâmetros populacionais,
calculados pelas equações 4 e 5.
Figura 06 – Parâmetros populacionais
Fonte: Tubino (2008)
O cálculo é realizado pela identificação da equação que descreva esta reta. Trata-se de uma
equação linear, γ = b0 + b1x (γ = variável dependente; x = variável independente). Assim,
com a incorporação destas características, o modelo de previsão é realizado, segundo a Figura
08.
Figura 07: Processo de previsão de demanda
Fonte: Adaptado de Tubino, 2008
Para a obtenção dos índices de sazonalidade, inicialmente, é calculado as médias móveis
centradas para os ciclos definidos, onde o ciclo corresponde um comportamento parecido dos
dados. Em seguida, as médias de cada período são divididas pelos dados históricos
correspondentes de cada período, obtendo-se, assim, os índices de sazonalidade por período.
3.1.2 Erros de Previsão
Com a técnica de previsão, Tubino (2008) entende que há necessidade de acompanhar o
desempenho das previsões e confirmar sua validade perante a dinâmica atual dos dados,
devido aos fatores de mercado não controlados, como crises de mercado, por exemplo.
O monitoramento é realizado pelo cálculo e acompanhamento do erro da previsão, que é dado
pela diferença que ocorre entre o valor real da demanda e o valor previsto. Para melhor
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
9
atender às demandas do mercado, a organização deve definir uma política de capacidade que
minimize os impactos das oscilações de demanda, tenha agilidade e baixo custo de operação.
Segundo Slack et al. (2009), há três opções puras e disponíveis para lidar com essas
variações: ignorar as flutuações e manter os níveis das atividades constantes (políticas de
capacidade constante); ajustar a capacidade para refletir as flutuações da demanda (política de
acompanhamento da demanda); tentar mudar a demanda para ajustá-la à disponibilidade da
capacidade (gestão da demanda).
A política de gestão da demanda busca conduzir a demanda de modo a levá-la para um nível
próximo da capacidade constante do processo. A aplicação de cada uma das políticas citadas
acima de forma isolada é muito rara e as empresas obtêm melhores resultados quando fazem
uma combinação destas.
Seja pelos altos custos de investimentos em ativos (máquinas, equipamentos e instalações), ou
pela dificuldade em recrutar e treinar mão-de-obra em intervalos de tempo relativamente
curtos, a maior parte dos processos de manufatura opta por trabalhar, majoritariamente, com
uma política de capacidade constante, mesclada com as outras duas políticas citadas
(MAGALHÃES, 2008).
Nos casos em que há excesso de capacidade instalada, a fábrica pode facilmente atender ao
surgimento de demanda não prevista, no entanto, haverá baixa utilização da capacidade,
aumentando os custos de capital empregados. Por outro lado, havendo uma alta ocupação do
parque fabril, trabalhar com a manutenção de estoques de segurança é fundamental, fazendo
com que se tornem relevantes as decisões sobre o que e quanto produzir, já que há uma
demanda a ser atendida, ao mesmo tempo em que um estoque de segurança deve ser
financiado. Gerados pelo descompasso (proposital ou não) entre ritmo de produção e a
demanda, os estoques são encontrados em todos os sistemas de produção, sejam de bens ou de
serviços.
3. A Cerâmica Vermelha
3.1 Contextualização
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
10
As indústrias de fabricação de cerâmicas são importantes para o desenvolvimento econômico
das regiões onde atuam. O fator determinante para a localização dessas empresas é,
principalmente, a disponibilidade de matéria – prima, ou seja, a proximidade em que se
encontram as jazidas. No entanto, apesar de sua importância e dos benefícios trazidos por esse
setor, a maioria tem dificuldade em utilizar as novas técnicas e tecnologias propostas, ficando
as margens dos avanços tecnológicos do mercado.
Os produtos cerâmicos são caracterizados por possuírem um processo de produção simples,
em sua totalidade, e isso além de desvalorizar a cultura técnica ocasiona um grave erro no que
diz respeito às empresas desse setor. Pois estas precisam ser versáteis e efetuar todas as fases
de processamento até chegar ao produto final, sendo que cada uma dessas etapas poderá
influenciar diretamente na etapa posterior.
Segundo a ANFACER (2012), em 2011 o Brasil fechou o ano com o melhor resultado da
história, onde, a produtividade no setor cerâmico apresentou crescimento de 12,5%,
alcançando um volume de 844,32 milhões de m² e deixando o país na posição de segundo
maior produtor mundial, ficando à frente dos polos produtivos da Europa, Itália e Espanha.
As vendas no mercado interno aumentaram 10,73%, atingindo um volume de 774,68 milhões
de m², sendo o segundo maior país em mercado consumidor. Isso se deve a vários programas
de estímulo do governo quanto à fomentação do mercado imobiliário, incluindo-se os
programas de habitação, tendo como exemplo o Minha Casa, Minha Vida (ANFACER,
2012).
4. Metodologia
A metodologia aplicada é composta, inicialmente, por pesquisas bibliográficas, que, conforme
Gil (2002, p. 44), são desenvolvidas com base em material já elaborado, constituído,
principalmente de livros e artigos. Esse levantamento buscou relevantes sobre o setor de
cerâmica e a previsão de demanda, contemplando conceitos e técnicas aplicáveis para
mensurar qualitativamente e quantitativamente, métodos de previsão de demanda.
Realizou-se uma abordagem de pesquisa do tipo estudo de caso, na qual se realiza a análise
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
11
aprofundada em uma empresa de cerâmica, fazendo uso de instrumentos de coleta de dados e
intensa interação do pesquisador com o objeto de pesquisa.
Quanto à técnica de coleta de dados, será utilizada na pesquisa de campo métodos de
observação indireta. Os dados serão feitos e analisados, a partir da leitura e interpretação do
material disponibilizado pela empresa. Portanto, será feita por meio de uma técnica da análise
documental e entrevistas.
A aplicação do modelo de previsão será realizada pelos seguintes passos: primeiramente,
serão definidos os objetivos do modelo de previsão e a utilidade do mesmo. Em seguida, com
os dados coletados, será definida qual a disponibilidade dos mesmos, analisando as
características. Posteriormente, selecionar-se-á a técnica de previsão adequada, observando,
por exemplo, a existência ou não de sazonalidade e/ou tendência. A partir disso, será
implementado o modelo de previsão, tratando os dados conforme for estabelecido pelo
mesmo. Assim, obtêm-se os resultados que deverão ser analisados e interpretados.
Por fim, será realizado o monitoramento do modelo de previsão adotado, no qual será
definido um erro aceitável e em seguida será analisado na forma de gráfico, plotando esses
erros e avaliando se o erro do modelo está dentro das especificações. E só então, pode-se
analisar se a capacidade instalada é capaz de absorver o incremento da demanda.
5. Estudo de Caso
5.1. Caracterização da Empresa
A empresa está localizada no município de Russas, no estado do Ceará, atuando no ramo de
cerâmica vermelha há, aproximadamente, onze anos. Produz telhas naturais e tijolos de seis
furos, sendo 95% de sua produção de telhas e 5% de tijolos.
Apresenta uma produção média de 25 mil telhas diariamente. Utiliza o processo de secagem
natural e conta com dois fornos de queima do tipo intermitente com capacidade para 90.000
peças cada e dois fornos do tipo abóboda com capacidade individual de 45.000 peças. Entre o
total de produtos comercializados, apenas uma pequena parcela destina-se ao próprio estado,
sendo os principais consumidores os estados da Bahia, Paraíba, Piauí, Sergipe e Maranhão.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
12
5.2. Desenvolvimento do modelo
Inicialmente, foram coletados os dados da empresa. Os dados utilizados para este trabalho
foram referentes aos anos de 2006 a 2008, sendo coletados a partir dos recibos de vendas, pois
não havia muito controle do que era produzido. Atualmente, porém, já existe uma maior
preocupação em relação a este aspecto. A empresa vem desenvolvendo uma política para
coleta de dados. Este trabalho é de extrema importância, pois com um modelo de previsão de
demanda, para ser bem realístico, precisa se apoiar em uma base sólida de dados confiáveis.
Figura 09: Dados sobre a demanda
2008 2007 2006
JAN 278 324 286
FEV 238 253 220
MAR 136 143 222
ABR 184 232 121
MAI 220 248 196
JUN 365 110 251
JUL 244 278 257
AGO 278 270 246
SET 160 245 349
OUT 500 354 342
NOV 388 303 316
DEZ 284 172 344
TOTAL DE VENDAS
3275 2932 3150
Tabela 1 – Demanda Real de Telhas
FIGURA 5 – Gráfico de Demandas (2006 a 2008)
Fonte: Dados da empresa de cerâmica
A etapa seguinte do estudo é a análise dos dados. Observaram-se os períodos de maiores
oscilações na demanda, sendo identificados alguns motivos: nos períodos chuvosos há uma
queda na produção de telhas, pois em uma das etapas de produção, a telha deverá passar por
um processo de secagem. Sendo no caso, interrompido se houver chuva, e posterior estrago da
telha que deveria ter passado por este processo. Outro fator é que as pessoas preferem
construir e compram em maiores quantidades em períodos não-chuvosos, já que isso pode
acarretar prejuízos na qualidade da telha e continuidade da obra.
Uma análise interessante observado pelo gráfico apresentado na figura 09 é a tendência de
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
13
crescimento no consumo deste produto. Apesar da grande variação apresentada pela
componente sazonalidade, é possível considerar uma discreta tendência de crescimento dos
dados.
Dessa forma, percebe-se que essa demanda apresenta sazonalidade, devido à ocorrência de
variações, para cima ou para baixo em intervalos regulares, nas séries temporais da demanda;
e apresenta também a componente tendência, referente ao movimento gradual ao longo da
demanda, já que a empresa produz um bem que é utilizado no ramo de construção civil,
possivelmente tendendo para um crescimento de sua demanda. Como há sazonalidade e
tendência ocasiona a necessidade de incorporar essas duas características no modelo de
previsão.
Com base nas análises iniciais, foi realizada a soma dos dados dos 12 primeiros meses e
divididos por 12. Sendo que, para a segunda MMCP, foi realizada a soma do segundo
período, fevereiro, até o décimo terceiro, janeiro do ano seguinte, e foram divididos por 12,
até onde os dados permitiam. Assim, no gráfico da figura 10, estão plotadas as curvas de
demanda nos períodos de 12 meses para os anos 2006, 2007 e 2008.
Figura 10: Curvas de demanda
Fonte: Elaborado pelos autores (2015)
Em seguida, foram calculados os índices de sazonalidade em cada um dos períodos,
apresentados na Tabela 01. O índice médio de sazonalidade é encontrado por meio da média
aritmética dos índices de sazonalidades de cada período (mês). Como os dados fornecidos são
referentes a 3 anos, calcula-se o IS a partir do mês de julho de 2006 ao mesmo mês de 2008.
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
14
Com o cálculo dos índices de sazonalidade médios, é necessário retirar este componente da
série de dados para que se possa calcular uma equação que represente a tendência dos dados.
A partir desses dados, denominados tendência, calcula-se a equação linear para a
representação deste componente. E obtém-se a seguinte equação: Y= 252,880 + 0,258X
Nessa nova tabela, calcula-se uma nova tendência a partir da equação acima, substituindo os
períodos na variável X, obtendo os valores da coluna Tendência*. E para encontrar-se a
demanda prevista, deve-se efetuar o seguinte calculo: D. Prevista = Tend. + (Tend x (IS – 1))
Tabela 01: Tendência e Sazonalidade.
Fonte: Elaborado pelos autores
Com, o modelo desenvolvido, a etapa seguinte é a implantação do mesmo, apresentado no
tópico seguinte.
6. Análise dos Resultados
O modelo foi implantado para o desenvolvimento das previsões para os anos de 2010 à 2012.
Esta previsão obtida é apresentada na Tabela 02.
Tabela 02 – Previsão de Demanda de 2010 a 2012
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
15
Fonte: Elaborado pelos autores
Com os dados da tabela 02, pode-se observar uma tendência de crescimento no consumo por
cerâmica vermelha nos próximos dois anos.
Segundo o administrador da empresa, houve apenas uma ampliação do forno, onde se
fabricam as telhas e tijolos. Contudo, não houve compra de novas máquinas nem contratação
de novos funcionários. Além disso, a máquina que a empresa possui permite a produção de 25
milheiros por dia.
Como a média mensal de produção é de aproximadamente 540 milheiros, com a ampliação do
forno tem-se que ao menos para os próximos 10 anos a capacidade produtiva da empresa
poderá atender a demanda prevista.
O gráfico da Figura 11 faz um comparativo das vendas no período de 2006 a 2008 com a
demanda prevista para o período de 2010 a 2012.
Figura 11: Gráfico de vendas (2006 a 2008) versus demandas (2010 a 2012)
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
16
Fonte: Elaborado pelos autores
Verifica-se no gráfico o mesmo ciclo para os dois períodos, mantendo-se a sazonalidade dos
dados. Portanto, a curva de demanda prevista se ajusta muito bem às características de vendas
dessa empresa.
7. Considerações Finais
A previsão de demanda é de fundamental importância para o funcionamento e gerenciamento
de uma empresa. Pois por meio desta ferramenta pode ser feito o planejamento orçamental e
de capital, possibilitando melhor alocação de recursos físicos nos processos operacionais.
O modelo de previsão aplicado foi a técnica para previsão de sazonalidade. Por meio deste
método foi analisada a demanda e identificada um crescente aumento da demanda condizente
com a capacidade produtiva da empresa.
Uma sugestão de trabalho futuro é realizar um estudo sobre a busca por soluções para a
questão do aumento do desmatamento e da poluição, em consequência ao aumento da
demanda por cerâmica vermelha, alcançando, estrategicamente, uma posição de destaque em
relação à acirrada concorrência atual.
Portanto, propõe-se a alocação de um maior numero de recursos físicos, seja na ampliação do
local de trabalho, seja na compra de novas maquinas e na contratação de funcionários, além
de obter maior controle sobre a produção e procurar produzir em períodos não chuvosos,
considerando o fator sazonalidade e tendência.
REFERÊNCIAS
ANFACER. Associação Nacional dos Fabricantes de Cerâmica para Revestimento, Louças Sanitárias e
Congêneres. Números confirmam melhor ano para o setor de cerâmicas para revestimento, 2012. Disponível em:
Acesso em: 03 mai. 2015.
ASPACER. Associação Paulista das Cerâmicas de Revestimento. Representantes de entidades, governo e
mercado revelam suas expectativas para 2015. São Paulo, 2015. Disponível em: <
http://www.aspacer.com.br/2015/01/23/representantes-de-entidades-governo-e-mercado-revelam-suas-
expectativas-para-2015/> Acesso em: 03 mai. 2015.
ASSUNÇÃO, F. de O.; SICSÚ, A. B. Capacitação, inovação local e competitividade da indústria de
XXXV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
Perspectivas Globais para a Engenharia de Produção
Fortaleza, CE, Brasil, 13 a 16 de outubro de 2015.
17
cerâmica vermelha no Nordeste. Disponível em
http://www.abepro.org.br/biblioteca/ENEGEP2001_TR80_0680.pdf. Acesso em 20 de agosto de 2011.
CLOSS, David J. Logística empresarial: o processo de integração da cadeia de suprimento. São Paulo:
Atlas, 2001.
BALLOU, R. Gerenciamento da cadeia de suprimentos. P. Alegre: Bookman, 2005.
CHASE, R. B., JACOBS, R. F., AQUILANO, N.J. Operations management for competitive advantage with
global cases. 11 ed. Editora New York McGRAW – Hill – International Edition, 2006.
GIL, A. C. Como elaborar projeto de pesquisa. 4. ed. São Paulo: Atlas, 2002
MAGALHÃES, J. A. M. Otimização do tamanho e sequenciamento de lotes de produção numa fábrica de
alimentos. Fortaleza: UFC, 2008. Monografia de Conclusão de Curso em Engenharia de Produção Mecânica,
Universidade Federal do Ceará, Fortaleza, 2008.
MOREIRA, D. A. Administração da produção e operações. São Paulo: Pioneira, 2004.
PELLEGRINI, F. R. Metodologia para Implementação de Sistemas de Previsão de Demanda. Porto Alegre:
UFRGS, 2000. Dissertação (Mestrado). Programa de Pós-Gradiação em Engenharia de Produção, Universidade
Federal do Rio Grande do Sul, Porto Alegre, 2000.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 2ª Ed. São Paulo: Atlas, 2009.
TRIOLA, M., F. Introdução à estatística. Ed.: Rio de Janeiro. Rio de Janeiro: LTC, 1999.
TUBINO, D. F. Planejamento e Controle da Produção – teoria e prática. São Paulo: Atlas, 2008.