relatÓrio final dados de identificaÇÃogep/2001/potencialdevendas.pdf · finais de semana, sendo...

RELATÓRIO FINAL

DADOS DE IDENTIFICAÇÃO

.NOME: FERNANDO CAETANO NOTARGIACOMO

.LOCAL DE TRABALHO: UNIVERSIDADE REGIONAL INTEGRADA

DO ALTO URUGUAI E DAS MISSÕES – URI- CAMPUS DE SANTO

ÂNGELO

. TÍTULO DO PROJETO: AVALIAÇÃO DO POTENCIAL DE VENDAS

DE POSTOS DE GASOLINA NA REGIÃO DE SANTO ÂNGELO

ATRAVÉS DO USO DE REGRESSÃO MÚLTIPLA NÃO-LINEAR .

. PALAVRAS-CHAVES: VOLUME DE VENDAS, REGRESSÃO

MÚLTIPLA NÃO-LINEAR, HOMOCEDASTECIDADE.

. GRUPO DE PESQUISA: GRUPO DE PESQUISA EM ESTATÍSTICA

APLICADA À ENGENHARIA DE PRODUÇÃO – GEP.

. LINHA DE PESQUISA: REGRESSÃO E CORRELAÇÃO

. TIPO DE BOLSA OU AUXÍLIO: BIC/FAPERGS

. VIGÊNCIA: MARÇO/01 A FEVEREIRO/02

. COORDENADOR DO PROJETO OU ORIENTADOR:

-ORIENTADOR: M. Eng. NORBERTO OTMAR ILGNER

-CO-ORIENTADORES: Dra. MARIA EMÍLIA CAMARGO

M. Sc. SUZANA LEITÃO RUSSO

INTRODUÇÃO

Este trabalho contempla a continuidade da pesquisa AVALIAÇÃO DO

POTENCIAL DE VENDAS DE POSTOS DE GASOLINA NA REGIÃO DE

SANTO ÂNGELO ATRAVÁES DO USO DE REGRESSÃO MÚLTIPLA

NÃO-LINEAR desenvolvida durante o período de março/2000 a

fevereiro/2001, onde objetivou-se avaliar o potencial de vendas do

combustível gasolina nos postos de combustíveis na região de Santo Ângelo

com o uso de regressão múltipla não linear. Na oportunidade foram usadas as

variáveis: tráfego de veículos, postos concorrentes, média de bicos de

gasolina, velocidade dos veículos a gasolina e volume de litros de

combustível, usando-se na variável combustível a gasolina, por ter o maior

volume de vendas do posto em questão. No decorrer do projeto notou-se que o

volume de vendas de óleo diesel também era significativo, principalmente por

Santo Ângelo estar situada numa região essencialmente agrícola.

Considerando-se os dois tipos de combustível poderia haver uma sensível

melhora na equação representativa ao volume de vendas, o que traduzir-se-ia

num coeficiente de determinação mais exato que os 88,14% encontrado no

primeiro ano de pesquisa.

Aprovado a renovação do projeto, executou-se esta nova fase, no

período de março/2001 a fevereiro/2202, de acordo com o plano de trabalho,

obtendo-se uma nova equação representativa do volume de vendas de

combustíveis.

O projeto ainda em fase de desenvolvimento agora agregando os dois

tipos de combustíveis mais vendidos, isto é gasolina e diesel foi apresentado

nos seguintes eventos: em Belo Horizonte, na 9ª ESTE- ESCOLA DE SÉRIES

TEMPORAIS E ECONOMETRIA realizado no período de 7 a 10 de agosto

de 2001, evento realizado pela ABE- Associação Brasileira de Estatística

junto com a UFMG Universidade Federal de Minas Gerais; na 1ª Mostra de

Iniciação Científica e de Pós-Graduação no período de 13 e 14 de dezembro

de 2001, realizado na cidade de Vacaria-RS, pela UCS Universidade de

Caxias do Sul; CRICTE- XVI Congresso Regional de Iniciação Científica e

Tecnologia em Engenharia e 2ª Feira de Protótipos, realizado pela UNIJUÍ-

Universidade Regional do Noroeste do Estado do Rio Grande do Sul, no

período de 29 a 31 de agosto de 2001, na cidade de Ijuí – RS; VII

SEMINÁRIO INSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, VII

MOSTRA DE INICIAÇÃO CIENTÍFICA E V SEMINÁRIO DE

INTEGRAÇÃO DE PESQUISA E PÓS GRADUAÇÃO, realizado pela URI-

Universidade Regional Integrada do Alto Uruguai e das Missões no período

de 24 a 26 de outubro de 2001, na cidade de Erechim – RS.

RESULTADOS

Os trabalhos já concluídos referem-se as seguintes etapas:

- Revisão bibliográfica;

- Levantamento dos dados;

- Inclusão dos dados em planilha eletrônica;

- Interpretação dos dados;

- Análise dos dados na Metodologia Regressão Múltipla Não-Linear.

- Modelagem da Equação Representativa dos postos.

REVISÃO BIBLIOGRÁFICA:

Através do trabalho de DIXON (1995) é que se pode averiguar um

estudo próximo do que está sendo desenvolvido neste projeto, servindo como

principal base literária.

Em seu trabalho, foi inicialmente testados 100 variáveis explicativas,

dentre elas o número de bicos, volume de tráfego, área e aparência das

instalações, dentre outras. Após alguns testes DIXON (1995) chegou a um

modelo não-linear composto por trinta variáveis explicativas. O poder de

explicação deste modelo pode ser considerado bom, sendo o R2 ajustado de

80%, 72% e 71% para Durban, Cidade do Cabo e Gauteng respectivamente,

todas na África do Sul onde foi realizado seu trabalho. O autor evidencia que

o uso dos termos quadráticos no modelo melhora significativamente seu poder

de explicação.

Para previsão de vendas de combustíveis em postos situados ao longo

de rodovias, FERNANDES (1997), desenvolve um projeto. A fórmula por ele

adotada para explicar as vendas agregadas de combustíveis, ou seja o

potencial de um mercado, de uma determinada área foi a seguinte:

V=K1 . X1K2 . X2

K3

onde V é o somatório das vendas de todos os postos da área, X1 é o somatório

das áreas e X2 é o número de habitantes da área. O poder de explicação deste

modelo é elevado, sendo R2 ao quadrado ajustado de 94,9% para o potencial

da área. Posteriormente, os autores utilizaram modelos gravitacionais para

análises sobre as vendas individuais de cada posto.

O modelo que está sendo desenvolvido é baseado na análise não linear

múltipla, levando em consideração variáveis dependentes e independentes.

Para as empresas distribuidoras de combustível que operam no Brasil, a

rede de postos de combustível constitui o coração de seu negócio e sua maior

fonte de receita. Por outro lado, um posto de combustível é um investimento

de centenas de milhares de dólares, englobando não apenas a sua instalação,

mas também sua continuidade de operação.

ESTATÍSTICA

Segundo TANAKA(1990), a estatística tem sido usada desde a

antigüidade como uma ferramenta auxiliar de todas as ciências; ela utiliza

números para coleta, organização, resumo e apresentação de dados e também

para obtenção de conclusões e a tomada de decisões razoáveis.

REGRESSÃO MÚLTIPLA NÃO -LINEAR

Usa-se a Regressão Múltipla Não-Linear quando os dados não forem

muito bem ajustados por outros tipos de funções , fato denunciado pelo baixo

coeficiente de correlação obtido. Nesse caso, ou novas variáveis são incluídas

na equação , sugeridas pelas características dos dados ou dos problemas em

estudo,ou funções mais complexas devem ser consideradas.

ANÁLISE DE RESÍDUOS

Dentre os objetivos da análise residual do modelo linear múltiplo,

destacamos a exploração da existência ou não de multicolineralidade entre as

variáveis explic, a identificação de outliers (valores aberrantes) e das

observações com elevados coeficientes de alavancagem (h) de acordo com

FRESS (1996). Também serão analisadas as distâncias de Cook conforme

FRESS (1996) de cada uma das observações com relação as demais, bem

como será avaliada condição de homocedasticidade e normalidade dos

resíduos.

Um ponto com elevada alavancagem é uma observação que contém um

conjunto incomum de valores para as variáveis explicativas, capaz de exercer

forte influência sobre o resultado (coeficientes) da regressão, em virtude de

seu jeito desproporcional (alavancado), se comparado às demais observações.

POSTOS DE GASOLINA

A maioria dos postos de gasolina da cidade de Santo Ângelo são

caracterizados por manterem um padrão, que não é modificado a um certo

período, não sendo o caso do posto de referência, que foi reformulado, tendo

inclusive loja de conveniência, o que vem a se tornar um atrativo a mais para

seus clientes.

Os postos de gasolina que passam por estas modificações, na maioria

das vezes, exigência das distribuidoras, além de modernizarem suas

instalações, fazem com que seus funcionários atualizem-se em cursos

oferecidos pela empresa ou mesmo distribuidoras fazendo com isto, que seu

cliente tenha um nível de satisfação maior.

A empresa deve passar por reformulações de tempos em tempos para

adequar-se aos modelos de vendas de combustíveis recorrendo a modelos

gravitacionais e investigações operacionais conforme FERNANDES (1997).

OBTENÇÃO DOS DADOS

Os dados foram obtidos junto ao posto de referência, localizado no

município de Santo Ângelo, RS.

VARIÁVEIS INDEPENDENTES

As variáveis independentes são os dados levantados, que não tem

dependência direta junto ao posto referência. Sendo em torno de suas

instalações.

HORÁRIO (H)

O posto referência opera em regime de tempo integral ( 24 horas/dia ),

durante sete dias da semana.

Neste trabalho dividiu-se os horários da seguinte forma:

Turno 1 - correspondendo ao horário de 00:00 às 06:00 horas







TRÁFEGO (T)

A cada turno foram levantados o número de veículos que transitaram

nas vias de acesso ao posto referência, durante os dias semanais bem como

finais de semana, sendo que a primeira tabela refere-se ao ano de 2000, com

contagem de veículos que usam gasolina como combustível, e a segunda

tabela com veículos a diesel coletada no ano de 2001.

Os dados obtidos podem ser verificados junto a tabela abaixo:

Tabela 1 – Fluxo Diário de Veículos a Gasolina na Via de Acesso do Posto de Referência

DIVISÃO DIÁRIA QUANTIDADE DE VEÍCULOS NAS VIAS DE ACESSO Turno Horário Segunda Terça Quarta Quinta Sexta Sábado Domingo 01 – Manhã 00 – 06 151 146 133 140 1427 942 143 02 – Manhã 06 – 08 637 603 611 584 593 321 178 03 – Manhã 08 - 12 2423 2564 2278 2371 2434 1126 632 04 – Tarde 12 – 14 1672 1650 1583 1458 3389 1316 176 05 – Tarde 14 – 18 2937 2912 3070 3041 3108 1117 896 06 – Noite 18 – 20 1611 1636 1597 1624 1837 898 626 07 – Noite 20 - 24 1215 1154 978 941 1313 963 777

Tabela 2 – Fluxo Diário de Veículos a Diesel na Via de Acesso do Posto de Referência


POSTOS CONCORRENTES (P)

Foram cadastrados um total de seis postos concorrentes, isto excluindo

o posto de referência, no raio de um quilômetro, conforme pode ser

identificado na tabela e mapa abaixo:

Tabela 3 – Levantamento dos Postos Concorrentes no Raio de 1 km

ÍNDICE NOME DO POSTO A Posto de Referência B Posto Moirão C Posto Atlantic Brittes D Posto Alemão E Posto Charrua F Posto Flach G Posto Tigrão

Mapa de Localização do Posto de Referência e dos Postos Concorrentes

MÉDIA DE BICOS DE GASOLINA E DIESEL

Foi verificado a média dos bicos de gasolina e diesel dos postos

concorrentes, fazendo-se a soma do total dos bicos; posteriormente dividindo-

se o total da soma pelo total de postos concorrentes, como pode-se verificar

tabela abaixo:

Tabela 4 – Média de Bicos de Gasolina e Diesel dos Postos Concorrentes

Nome dos postos

concorrentes

Número de bicos de

gasolina

Numero de bicos de

diesel

Posto Moirão 2 2

Posto Atlantics Brittes 2 1

Posto Alemão 4 3

Posto Charrua 3 1

Posto Flash 3 2

Posto Tigrão 4 1

Total de Bicos dos

Postos

18 10

Média de Bicos/Posto 18/6= 3 10/6=1,66

O total de bicos de gasolina dos postos concorrentes é de dezoito

unidades e de diesel de 10 bicos A média de bicos de gasolina dos postos

concorrentes é de três unidades e de diesel de 1.66 unidades.

No levantamento efetuado no posto de referência verificou-se que o

mesmo possui um total de cinco bicos de gasolina e dois bicos de diesel,

mantendo-se acima da média dos postos concorrentes.

VELOCIDADE (V)

A média de velocidade dos veículos (km/h), destes englobando

automóveis, motocicletas e caminhões, foi feita através de uma média durante

os dias da semana e uma média dos dias de finais de semana.

Para obtenção da velocidade média, inicialmente entrou-se em contato

com a Delegacia da Polícia Rodoviária Federal mais próxima, localizada na

BR 285, Km 462, no município de Ijuí, RS.

Esta delegacia atende as rodovias BR-285, BR-392, BR-158, BR-472,

BR-468 e BR-377, numa área de abrangência regional de vinte e três

municípios. Solicitou-se a possibilidade de cedência para o projeto, de um

controlador de velocidade (radar), para medição de velocidade nas vias de

acesso ao posto de referência. Tendo tido uma resposta negativa, devido a

existência de apenas um controlador de velocidade (radar), para controle das

rodovias federais existentes entre os vinte e três municípios da região, optou-

se medir a velocidade média dos veículos por outro método.

Efetuou-se a medição de velocidade através da seguinte maneira:

conseguiu-se por meio de cedência junto à universidade, uma trena e um

cronômetro. Determinou-se uma medida de cem metros (100 m), e efetuou-se

a contagem de tempo medido no cronômetro, que os veículos necessitaram

para percorrer esta distância, obtendo-se assim o tempo. Dividindo-se a

distância percorrida pelo tempo, obteve-se a velocidade dos veículos em m/s,

e aplicando o coeficiente de transformação, obteve-se a velocidade em km/h,

tanto nos dias de semana, quanto nos finais de semana, conforme pode ser

observado na tabela a seguir.

Tabela 5 – Velocidade Média nos Dias Úteis Veículos a Gasolina Horário Distância(m) Tempo (s) Veloc. (m/s) Veloc. (km/h)

00:00 06:00 100 14.90 06.70 24 06:00 08:00 100 9.32 11.10 40 08:00 12:00 100 9.47 10.55 38 12:00 14:00 100 11.34 08.80 32 14:00 18:00 100 10.59 09.44 34 18:00 20:00 100 12.04 8.30 30 20:00 24:00 100 13.20 7.57 27

MÉDIA 32

Tabela 6 – Velocidade Média nos Finais de Semana Veículos a Gasolina Horário Distância (m) Tempo (s) Veloc. (m/s) Veloc. (km/h)

00:00 06:00 100 15.62 6.4 23 06:00 08:00 100 12.82 7.8 28 08:00 12:00 100 13.51 7.4 27 12:00 14:00 100 14.49 6.9 25 14:00 18:00 100 14.08 7.1 25 18:00 20:00 100 14.92 6.7 24 20:00 24:00 100 13.69 7.3 26

MÉDIA 25

Tabela 7 – Velocidade Média nos Dias Úteis de Veículos a Diesel Horário Distância(m) Tempo (s) Veloc. (m/s) Veloc. (km/h)

00:00 06:00 100 6,54 15,27 55 06:00 08:00 100 6,92 14,44 52 08:00 12:00 100 8,37 11,94 43 12:00 14:00 100 6,20 16,11 58 14:00 18:00 100 9,00 11,11 40 18:00 20:00 100 8,57 11,66 42 20:00 24:00 100 11,26 8,88 32

MÉDIA 46

Tabela 8 – Velocidade Média nos Finais de Semana de Veículos a Diesel Horário Distância (m) Tempo (s) Veloc. (m/s) Veloc. (km/h)

00:00 06:00 100 10,28 9,72 35 06:00 08:00 100 9,47 10,55 38 08:00 12:00 100 12,87 7,77 28 12:00 14:00 100 13,85 7,22 26 14:00 18:00 100 13,33 7,50 27 18:00 20:00 100 12,00 8,33 30 20:00 24:00 100 10,91 9,16 33

MÉDIA 31

VARIÁVEL DEPENDENTE

É a variável que tem vínculo direto com o posto referência ou seja,

obtida a partir dele. Esta variável de volume de vendas em litragem foi

extraída junto a administração do posto referência a partir do mês de março de

1999 até o mês de junho de 2000.

Tabela 9 - Total do Volume de Vendas Mensal

Mês/Ano Gasolina (L) DIESEL (L) Mar/99 151774 91637 Abr/99 141615 93519 Mai/99 144140 85186 Jun/99 146512 85243 Jul/99 146273 87763

Ago/99 139038 78702 Set/99 132807 76702 Out/99 132433 75846 Nov/99 124994 74654 Dez/99 140560 91667 Jan/00 117750 68781 Fev/00 112775 74474 Mar/00 110650 88070 Abr/00 121464 91224 Mai/00 118797 78450 Jun/00 118568 72897

INTERPRETAÇÃO DOS DADOS

TRÁFEGOS Tabela 10 - Fluxo Diário de Veículos a Gasolina na Via de Acesso do Posto de Referência

DIVISÃO DIÁRIA QUANTIDADE DE VEÍCULOS NAS VIAS DE ACESSO Turno Horário Segunda Terça Quarta Quinta Sexta Sábado Domingo

Manhã 01 0 – 6 151 146 133 140 1427 942 143 Manhã 02 8 – 12 637 603 611 584 593 321 178 Manhã 03 8 – 12 2423 2564 2278 2371 2434 1126 632 Tarde 04 8 – 12 1672 1650 1583 1458 3389 1316 176 Tarde 05 14 – 18 2937 2912 3070 3041 3108 1117 896 Noite 06 18 – 20 1611 1636 1597 1624 1837 898 626 Noite 07 20 – 24 1215 1154 978 941 1313 963 777

Observa-se na tabela acima, que comparativamente a cada horário o

fluxo de veículos é semelhante de segundas-feiras à sextas- feiras,

observando-se um decréscimo significativo nos sábados, atingindo seu valor

mínimo aos domingos.

TRÁFEGO

0

500

1000

1500

2000

2500

3000

3500

4000

Segunda Terça Quarta Quinta Sexta Sábado DomingoDIAS SEMANAIS

NÚ

ME

RO

DE

VE

ÍCU

LOS

0 - 68 - 128 - 128 - 1214 - 1818 - 2020 - 24

Tabela 11 – Fluxo Diário de Veículos a Diesel na Via de Acesso do Posto de Referência


Observa-se na tabela acima, que comparativamente a cada horário o

fluxo de veículos é semelhante de segunda- feira à sexta- feira, observa-se um

decréscimo significativo nos sábados, atingindo o mínimo aos domingos.

Verifica-se no caso dos veículos a diesel, uma tendência semelhante aos

veículos a gasolina, isto é um decréscimo no fluxo de tráfego , nos finais de

semana.

TRÁFEGO

0

100

200

300

400

500

600

700

Segunda Terça Quarta Quinta Sexta Sábado Domingo

DIAS SEMANAIS

NÚ

ME

RO

DE

VE

ÍCU

LO

S

00 – 06

06 – 08

08 – 12

12 – 14

14 – 18

18 – 20

20 - 24

ANÁLISE DOS DADOS NA METODOLOGIA REGRESSÃO

MÚLTIPLA NÃO-LINEAR

Dentre os objetivos da análise residual do modelo linear múltiplo,

destaca-se a exploração da existência ou não de multicolineralidade entre as

variáveis explicativas, a identificação de outliers (valores aberrantes). bem

como a condição de homocedasticidade e normalidade dos resíduos.

Na Figura 1 abaixo, apresenta-se o volume de vendas (variável dependente) em (m3/mês) de combustível.

Figura 1 - Gráfico representativo do Volume de vendas em (m3/mês)

Meses

Vol

ume

de V

enda

s (m

3/m

es)

110

115

120

125

130

135

140

145

150

155

1 2 3 4 5 6 7 8 9 10 11 12

Foram testados vários modelos, para regressão não-linear múltipla

(Piecewise linear regression, através do método de Quase-Newton) e o modelo

que melhor se ajustou aos dados foi:

V=0,429165+0,40362X1 + 1,086026X2+0,836529X3 +3,872030X4 + Erro

R²=91,35%.

Onde: V= Volume de Vendas (m3/mês)

X1 = Tráfego (veículos/dia)

X2 = Média de Bicos por Posto Concorrrente

X3 = Velocidade (Km/h)

X4 = Horário (h/dia)

A variância dos resíduos é homecedástica.

Na Figura 2 abaixo, apresenta-se a série residual, obtida através do

modelo ajustado.

FIGURA 2 – Gráfico representativo dos resíduos obtidos através do modelo ajustado no período de janeiro a dezembro de 2001.

Meses

Val

ores

-12

-8

-4

0

4

8

12

1 2 3 4 5 6 7 8 9 10 11 12

Na Figura 3 abaixo, apresenta-se a série real do volume de vendas e os

valores previstos através do modelo ajustado Figura 3 – Gráfico representativo dos valores observados e previstos do volume de vendas em m3/mes

Valores Observados

Valores previstos

Meses

Vol

ume

de V

enda

s (m

3/m

ês)

110

115

120

125

130

135

140

145

150

155

1 2 3 4 5 6 7 8 9 10 11 12

MATÉRIA ENCAMINHADA PARA PUBLICAÇÃO

O presente trabalho foi apresentado nos seguintes eventos:

- 9ª ESCOLA DE SÉRIES TEMPORAIS E ECONOMETRIA- 9ª ESTE, da

ABE- Associação Brasileira de Estatística e Departamento de Estatística da

Universidade Federal de Minas Gerais - UFMG, realizado no período de 7

a 10 de agosto de 2001, no município de Belo Horizonte – MG;

- CRICTE 2001- XVI Congresso Regional de Iniciação Científica e

Tecnologia em Engenharia e 2ª Feira de Protótipos, realizado pela UNIJUÍ-

Universidade Regional do Noroeste do Estado do Rio Grande do Sul, no

período de 29 a 31 de agosto de 2001, na cidade de Ijuí – RS

- VII SEMINÁRIO INSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, VII

MOSTRA DE INICIAÇÃO CIENTÍFICA E V SEMINÁRIO DE

INTEGRAÇÃO DE PESQUISA E PÓS GRADUAÇÃO, realizado pela

Universidade Regional Integrada do Alto Uruguai e das Missões no

período de 24 a 26 de outubro de 2001, na cidade de Erechim – RS;

- 1º MOSTRA DE INICIAÇÃO CIENTÍFICA E DE PÓS- GRADUAÇÃO,

realizado pela Universidade de Caxias do Sul- UCS, no período de 13 e 14

de dezembro de 2001, na cidade de Vacaria – RS, ( não foi recebido ainda

o certificado referente a esta mostra, portanto não segue em anexo)

Os respectivos certificados referentes aos eventos acima encontram-se

no anexo .

CONCLUSÃO

Todas as etapas realizadas através das análises gráficas e numéricas

tornam resumidas a equação montada. Nota-se no gráfico do volume de

vendas em litros, uma certa divergência entre valores

estimados e reais. Observa-se uma convergência maior na segunda equação,

em relação a equação encontrada na primeira etapa do trabalho, o que traduz-

se numa melhor representatividade da equação sobre o volume de vendas real

obtido por levantamento. A equação nos dá uma resposta com boa margem de

precisão, considerando-se que os dois tipos de combustíveis representam o

maior volume de vendas do posto em questão.

Tendo em vista que a pesquisa encontrou o modelo representado por

X1(localização), X2 (velocidade média Km/h), e X3 (número de bicos), que

explicam 91,35 % do volume de vendas do posto usado como referência,

este modelo pode ser aplicado para analisar o comportamento do volume

de vendas de outros postos da região, utilizando-se das mesmas

variáveis, mas com os valores referentes a cada posto em análise.

Aconselha-se uma previsão a curto prazo, de no máximo

seis meses, bem como a atualização do modelo de equação encontrada, com

novas informações referentes às variáveis analisadas.

A análise de viabilidade econômica será tema para próximos

trabalhos.

BIBLIOGRAFIA

DIXON, E-C., The Manager of a Service Station Network; Decision Support

Services Programs - CSIR Information Services, Pretoria, South Africa, 1995.

FERNANDES, C., THEMIDO, I., Modelação de Vendas de Combustíveis

Líquidos Recorrendo a Modelos Gravitacionais; Investigação Operacional v

17 n 1 junho 1997 pp 41-60.

FREES, E-W., Data Analysis Using Regression Models - The Business

Perspective. 1 ed. New Jersey, 1996, Prentice Hall International.

MILONE, G. Estatística Aplicada. Ed. Atlas S.P. 1995.

TANAKA, O.K., PEREIRA, W., Estatística Conceitos Básicos, Ed.

MacGraw-Hill, 1990.

PAPOULIS, A ., Probality e Statistics, Ed.Prentice-Hall International, 1990.

ILGNER, NORBERTO O.; CAMARGO, MARIA EMÍLIA; RUSSO,

SUZANA L.; NOTARGIACOMO, FERNANDO C., Avaliação do Potencial

de Vendas de Postos de Gasolina na Região de Santo Ângelo através do uso

de Regressão Múltipla Não- Linear, 2000.

PERSPECTIVA DE CONTINUIDADE

Os postos de combustíveis mantém hoje uma estratégia de

competitividade agressiva no mercado, pois além de combustíveis adotam

outras estratégias de mercado, com o intuito do cativar clientes. Além do

oferecimento do serviço de venda de combustíveis nas 24 horas diárias,

oferecem produtos para veículos tais como, aditivos, ceras, graxas e outros,

bem como uma vasta linha de produtos voltados ao ser humano, através da

instalação de lojas de conveniência.

Estes serviços colocados a disposição do cliente, além do fato de

servirem como item adicional para cativar o cliente, servem também para

aumentar significativamente o faturamento do estabelecimento, traduzindo-se

a este fato em lucro agregado.

Nestes considerandos, as perspectivas de evolução deste trabalho, são

de realizar-se um levantamento amplo dos produtos adicionais ofertados e tirar

qual sua importância na lucratividade do estabelecimento, para determinar o

potencial de vendas dos postos de combustíveis como um todo, e não apenas

no item combustíveis.

relatÓrio final dados de identificaÇÃogep/2001/potencialdevendas.pdf · finais de semana, sendo...

Documents