Planejamento, Programao e Controle da Produo - PPCPII. PREVISO DA DEMANDA

1. Introduo Para uma melhor compreenso do significado sobre Previso de Demanda, precisamos conceituar trs palavras, planejamento, predio e previso: Planejamento: processo lgico que descreve as atividades necessrias para ir do ponto no qual nos encontramos at o objetivo definido; Predio: processo para determinao de um acontecimento futuro baseado em dados subjetivos e sem uma metodologia de trabalho clara; Previso: processo metodolgico para determinao de dados futuros baseados em modelos estatsticos, matemticos ou economtricos ou ainda em modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida. Planejar uma atividade comum a qualquer tipo de empresa, independentemente de tamanho ou de ramo a que se dedique. Constantemente, todas as reas esto envolvidas com planejamento, de maneira formal ou informal. H um sem-nmero de decises que compem o prprio planejamento ou so dele derivadas, como, por exemplo: Quanto de seve fabricar de cada linha de produtos nos prximos dias, semanas ou meses; Tipos de produtos e/ou servios a oferecer daqui a dois, trs ou dez anos; Evoluo da tecnologia nos prximos anos; Necessidade de investimentos futuros; Adoo de novos processos e tecnologias; Contrataes futuras de pessoal e treinamento (Programao da fora de trabalho - a fora de trabalho deve ser alterada para cima ou para baixo para atender as demandas por produtos e servios durante um determinado perodo de tempo.); Projetar e construir uma nova fbrica, ou ainda e implementar um aumento da capacidade, bem como novo processo de produo; Planejamento de materiais (as previses permitem que os materiais sejam adquiridos na hora certa, alm de definir polticas de nveis de estoques.); Planejamento de produo (os ndices de produo devem ser alterados para cima e para baixo para atender as demandas por produtos e servios que variam de ms a ms.); Necessidades de matrias-primas, etc. Como podemos facilmente perceber, alm de haver vrios tipos de planejamento, tratando com assuntos diferentes, conforme a rea em que sejam gerados (Finanas, Recursos Humanos, Produo, etc.), os horizontes de tempo (perodo coberto pelo planejamento) tambm so variveis. H necessidade de se planejar para cinco ou dez anos no futuro, tanto quanto h necessidade de se planejar os prximos dias ou semanas, embora o grau de detalhes seja muito diferente nos dois casos. De uma forma geral, quanto maior o perodo coberto pelo planejamento, menor a preciso com que podemos contar, com a eliminao cada vez maior de detalhes. No obstante as eventuais diferenas, h pelo menos uma grande e importante base comum a todo o planejamento, que a previso da demanda. necessrio saber quanto a empresa planeja vender de seus produtos ou servios no futuro, pois essa expectativa o ponto de partida, direto ou indireto, para praticamente todas as decises. As vendas podem depender de muitos fatores aumento vegetativo da populao, situao da economia mundial, movimentao de mercados internacionais, esforos para aumentar a participao da empresa no mercado etc. -, mas uma previso, por mais imperfeita que seja, sempre necessria. Podemos conceituar como a capacidade de planejar as necessidades futuras, de maneira que se tenha algum tipo de Viso, para que hoje se possa tomar as decises adequadas que produzem o efeito desejado no futuro. As organizaes necessitam de previses de longo prazo para tomar decises estratgicas a respeito de produtos, processos e instalaes. Tambm necessitam de previses de curto prazo para ajud-las a tomar decises a respeito de questes de produo imediatas. A previso uma parte integrante do planejamento dos negcios. As entradas so processadas por meio de modelos ou mtodos de previso.Prof. Ramo Carlos Gomes Pgina 12

Planejamento, Programao e Controle da Produo - PPCPAs previses de demanda se tornam entradas tanto para a estratgia de negcios como para previso dos recursos de produo. 2. Mtodos de Previso: Algumas Caractersticas Para se obter uma previso, existem vrios mtodos disponveis, que em princpio podem ser usados em quaisquer circunstncias, dependendo de certos fatores. Os principais so: a. Disponibilidade de dados, tempo e recursos: h certos mtodos, mais sofisticados, normalmente envolvendo modelos matemticos, que exigem, alm de dados numricos com certa abundncia, tambm a existncia de computadores, dependendo do nmero e da variedade dos produtos, ser altamente desejvel. b. Horizonte de previso: h mtodos que se mostram melhores para previses de longo prazo (vrios anos no futuro), enquanto outros so rotineiramente aplicados s previses para perodos mais curtos, como meses, semanas ou mesmo dias. Por outro lado, os mtodos de previso possuem algumas caractersticas que so comuns a todos eles. Entre elas, podem-se citar: I. Os mtodos de previso geralmente assumem que as mesmas causas que estiveram presentes no passado, configurando a demanda, continuaro presentes no futuro. Isso quer dizer que o comportamento do passado a base para se inferir sobre o comportamento do futuro. II. Os mtodos no conduzem a resultados perfeitos, e a chance de erro tanto maior quanto mais nos aprofundamos no futuro, ou seja, quanto maior seja nosso horizonte de previso. 3. Classificao dos Mtodos de Previso possvel classificar os mtodos de previso por critrios variados, mas a classificao mais simples provavelmente aquela que leva em conta o tipo de abordagem usado, ou seja, o tipo de instrumentos e conceitos que formam a base da previso. Por esse critrio, os mtodos podem ser: I. Qualitativos (ou baseados no julgamento): so mtodos que repousam basicamente no julgamento de pessoas que, de forma direta ou indireta, tenham condies de opinar sobre a demanda futura, tais como gerentes, vendedores, clientes, fornecedores etc. No se apiam em nenhum modelo especfico, embora possam ser conduzidos de maneira sistemtica. So muito teis, por exemplo, quando da ausncia de dados (ou presena de dados no confiveis) ou do lanamento de novos produtos. Podemos relacionar os seguintes: Consenso de Comit Executivo: previses de compromisso e no de tendncias, bastante comum nas empresas para projeo de vendas com estabelecimento de metas; Mtodo Delphi: utilizado para obter consenso dentro de um comit, atravs de respostas questionrios e revisados pelo grupo at o consenso final. Pesquisa da Equipe de Vendas: estimativas obtidas junto aos membros das equipes regionais de vendas e ao final do processo de anlise se tornam metas. Mtodo bastante comum para empresas que vendem diretamente a clientes e com bom canal de comunicao. Analogia Histrica: mtodo bastante til principalmente para lanamento de novos produtos. Basea-se no histrico do ciclo de vida de produtos similares. Pesquisa de Mercado: so utilizados Questionrios por correspondncia, entrevistas telefnicas ou de campo e seus resultados formam a base para testar hipteses sobre mercados reais. II. Matemticos (ou Quantitativos): so aqueles que utilizam modelos matemticos para se chegar aos valores previstos. Permitem controle do erro, mas exigem informaes quantitativas preliminares. Os mtodos matemticos subdividem-se em: a. Mtodos Causais- Este modelo pressupe que a previso de demanda amplamente correlacionada com alguns fatores conjunturais, como por exemplos temos: situao econmica, taxa de juros, taxa de natalidade, taxa de mortalidade, ndices de casamentos, etc. Os modelos de previso causais estabelecem essa correlao entre demanda e fatores conjunturais e utilizam as estimativas de quais sero esses fatores conjunturais para prever a demanda futuraPgina 13

Prof. Ramo Carlos Gomes

Planejamento, Programao e Controle da Produo - PPCPb. Sries Temporais: a anlise de sries temporais nada exige alm do conhecimento de valores passados da demanda (ou, de forma geral, da varivel que se quer prever). O termo srie temporal indica apenas uma coleo de valores da demanda tomados em instantes especficos de tempo, geralmente com igual espaamento. A expectativa a de que o padro observado nos valores passados fornea a informao adequada para a previso de valores futuros da demanda. Dentro das duas categorias de modelos matemticos citadas, contam-se algumas subdivises. No caso dos modelos causais, um dos mais populares da regresso da demanda sobre a (s) varivel (eis) causal (is). Na regresso, tenta-se descobrir, utilizando pares de valores da demanda e da (s) varivel (eis) causal (is), alguma lei que as ligue, lei essa expressa por uma equao matemtica. Por sua vez, dentro das sries temporais, so muito conhecidas e usadas algumas classes de mdias que podem ser extradas de valores passados da demanda. Frise-se que os modelos que foram rapidamente comentados nem de longe esgotam a possibilidades. Vrios outros modelos existentes so muito importantes, mas esto alm dos objetivos deste texto. 4. Mtodos das Mdias O conjunto de modelos que estamos denominando genericamente de mtodos das mdias possui algumas peculariedades dignas de nota: a. A previso sempre obtida por meio de algum tipo de mdia que leva em conta valores reais anteriores da demanda. b. Ao contrrio do que acontece com as regresses, s podemos prever um perodo frente, embora seja possvel conceber adaptaes para se obter um maior nmero de previses futuras. c. As mdias so mveis, o que significa que, a cada nova previso, so abandonados (ou mais francamente ponderados) os valores mais antigos da demanda real e incorporados os mais novos. A forma de clculo das mdias permite a distino entre vrios modelos. So particularmente importantes os seguintes: a. Mdia Mvel Simples (MMS) b. Mdia Mvel Ponderada (MMP) Mdia Mvel Simples (MMS) A regra fundamental desse modelo a seguinte: A previso para o perodo t, imediatamente futuro, obtida tomando-se a mdia aritmtica dos n valores reais da demanda imediatamente passados. Exemplo Temos a seguir as demandas reais de um produto, em milhares de unidades, de junho at setembro. Em termos de tempo, estamos situados exatamente no incio de outubro, ms para om qual queremos estimar a demanda. Ms Demanda Real (1.000 unidades) Junho 10 Julho 12 Agosto 15 Setembro 14 Antes de mais nada, devemos escolhe o valor de n. Essa escolha relativamente arbitrria. Como regra geral, quanto maior n, mais os efeitos sazonais sero suavizados. Suponhamos em nosso exemplo que n=3, o que indica dizer que a demanda prevista para qualquer ms ser sempre a mdia aritmtica das demandas reais dos trs ltimos meses. Temos: Previso (Outubro)= (12 + 15 + 14)/3= 13,7 Dois casos particulares merecem ser mencionados. Se n=1, a previso se resume a tomar simplesmente o valor da ltima demanda real verificada; se n=12, isso corresponde a anular completamente todos os efeitos sazonais distribudos ao longo do ano.Prof. Ramo Carlos Gomes Pgina 14

Planejamento, Programao e Controle da Produo - PPCPComo regra geral, a mdia mvel simples pode ser um mtodo eficiente quando a demanda estacionria, ou seja, quando ela varia em torno de um valor mdio. Para demandas crescentes ou decrescentes ao longo do tempo, a tendncia que a previso fornecida por MMS esteja sempre em atraso em relao aos valores reais. Alm disso, o mtodo no muito eficiente para captar as variaes sazonais, podendo mesmo acobert-las quase que completamente, dependendo do valor escolhido para n. Mdia Mvel Ponderada (MMP) A mdia mvel ponderada possui em comum com a MMS o fato de tomar n valores reais anteriores da demanda para a composio da mdia. Diferentemente da MMS, porm,, os valores recebem pesos diferentes, geralmente refletindo uma maior importncia dada aos valores mais recentes da demanda. No exemplo anterior, poderamos adotar o sistema de pesos 02:0,3:0,5 (neste caso, n=3) para as demandas reais de julho, agosto e setembro respectivamente. A previso para outubro seria: Previso (Outubro)= 0,2(12) + 0,3(15) + 0,5(14)= 13,9 Note que a soma dos pesos deve ser igual a 1. Tal como no caso da MMS, a escolha de n arbitrria, tal como o a escolha dos pesos. A vantagem da MMP sobre a MMS que os valores mais recentes da demanda, que podem estar revelando alguma tendncia, recebem uma importncia maior. Entretanto, valem aqui as mesmas observaes quanto ao valor de n: quanto maior for, mais a previso suavizar os efeitos sazonais e mais lentamente responder a variaes na demanda. 5. Mtodos Causais Mtodo da Correlao Linear Este mtodo para previso de demanda baseado na utilizao de ndices. Em muitos casos, as empresas descobrem a existncia de uma relao direta entre as vendas de alguns produtos a essas condies. Indicadores apropriados proporcionaro a empresa meios de estimar quais sero as suas vendas. Exemplos de alguns indicadores: Taxa de inflao ndices de empregos Produo industrial Nmero de casamentos ndice de mortalidade ndice de natalidade Renda Per capita etc. Coeficiente de correlao Estes coeficientes tm a finalidade de verificar a intensidade do relacionamento apontado pela reta dos mnimos quadrados. Como regra temos:Grau 0,90 a 1,00 0,70 a 0,89 0,40 a 0,69 0,20 a 0,39 0 a 0,19 Intensidade Correlao Muito Forte Correlao Forte Correlao Moderada Correlao Fraca Correlao Mnima

Para determinarmos o coeficiente de correlao temos a seguinte frmula: R = xy___ x2 * y2 Exemplo Uma empresa deseja projetar suas vendas para o ms de outubro. Ao verificar suas vendas atravs dos ltimos 5 meses, observou a seguinte correlao com ndices de inflao:Prof. Ramo Carlos Gomes Pgina 15

Planejamento, Programao e Controle da Produo - PPCPMs Mai Jun Jul Ago Set R = xy x2*y2 R = 80,70 7,05 *946 Vds 10 13 15 14 16 nd Inflao- x 1,20 1,00 1,10 1,20 1,40 5,9 y 10 13 15 14 16 68 xy 12 13 16,5 16,8 22,4 80,7 x 1,44 1 1,21 1,44 1,96 7,05 y 100 169 225 196 256 946

= 80,70 . = 80,70 = 0,99 Correlao Muito Forte 6669,30 81,67

Mtodo dos Mnimos Quadrados Este mtodo usado para determinar a melhor linha de ajuste que passa mais perto de todos os dados coletados, ou seja, a linha de melhor ajuste que minimiza as diferenas entre a linha reta e cada ponto de consumo levantado. Esta linha definida pela equao da reta y = a + bx Onde: Y = valor previsto ou o que se quer achar, em um tempo x medido em incrementos, tais como ano-base. O objetivo determinar a e b, onde b a inclinao da reta. Y

B= inclinao da reta

a As equaes para encontrarem os valores de b e a so as seguintes: b= ( y . x ) ( n . xy ) = ( x ) - ( n . x ) a= xy b . x = x

X

Exemplo Calcular a tendncia de atendimentos em um posto de troca de mercadorias de um grande magazine varejista para os prximos quatro exerccios, 2010, 2011, 2012 e 2013. Apresentar grfico.ANO 2006 2007 2008 2009 QUANTIDADE/UNID 14.400 17.600 17.850 18.120

Ano 2006 2007 2008 2009 Prof. Ramo Carlos Gomes

Atendim. 14400 17600 17850 18120 67970

x 1 2 3 4 10

y 14400 17600 17850 18120 67970

xy 14400 35200 53550 72480 175630

x 1 4 9 16 30

Var % 0 22,2% 1,4% 1,5%

Pgina 16

Planejamento, Programao e Controle da Produo - PPCPb= (y * x) (n * xy) ( x ) - ( n *x) b= (10 * 67970) (4 * 175630) (10) - (4 * 30) b= 679700 - 702520 100 120 b= 22820 = 1141 20 a= xy b * x x a= 175630 1141 * 30 10 a= 175630 - 34230 10 a= 141400 = 14140 10 y= a + b * x y= 14140 + 1141 * 5 y = 19845 (ano 2010) y= 14140 + 1141 * 6 y = 20986 (ano 2011) y= 14140 + 1141 * 7 y = 22127 (ano 2012) y= 14140 + 1141 * 8 y = 23268 (ano 2013)20986 22127 2326825% 20% 15% 10% 5%

25000 20000 15000 10000 5000 0

22,2% 14400 17600 17850 18120

19845

0,0% 2005 2006

1,4% 2007

1,5% 2008 Hist/Proj 2009 2010 Var % 2011 2012

0%

Bibliografia: Gaither & Frazier, Administrao da Produo e Operaes. Daniel A. Moreira, Administrao da Produo e Operaes. Formatao: Jos de Assis Pereira Coordenador curso de Tecnologia em Logstica Uninove Ramo Carlos Gomes Professor cursos de Tecnologia em Logstica e Administrao Geral Uninove

Prof. Ramo Carlos Gomes

Pgina 17