relatÓrio final dados de identificaÇÃogep/2001/potencialdevendas.pdf · finais de semana, sendo...
TRANSCRIPT
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
Turno 2 - correspondendo ao horário de 06:00 às 08:00 horas
Turno 3 - correspondendo ao horário de 08:00 às 12:00 horas
Turno 4 - correspondendo ao horário de 12:00 às 14:00 horas
Turno 5 - correspondendo ao horário de 14:00 às 18:00 horas
Turno 6 - correspondendo ao horário de 18:00 às 20:00 horas
Turno 7 - correspondendo ao horário de 20:00 às 24:00 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
DIVISÃO DIÁRIA QUANTIDADE DE VEÍCULOS NAS VIAS DE ACESSO Turno Horário Segunda Terça Quarta Quinta Sexta Sábado Domingo 01 – Manhã 00 – 06 25 18 22 20 23 15 23 02 – Manhã 06 – 08 64 72 58 67 61 72 33 03 – Manhã 08 - 12 549 532 562 577 623 214 17 04 – Tarde 12 – 14 205 184 215 197 193 125 84 05 – Tarde 14 – 18 568 547 583 563 524 158 53 06 – Noite 18 – 20 177 185 187 116 193 97 55 07 – Noite 20 - 24 158 183 154 170 175 78 121
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
DIVISÃO DIÁRIA QUANTIDADE DE VEÍCULOS NAS VIAS DE ACESSO Turno Horário Segunda Terça Quarta Quinta Sexta Sábado Domingo 01 – Manhã 00 – 06 25 18 22 20 23 15 23 02 – Manhã 06 – 08 64 72 58 67 61 72 33 03 – Manhã 08 - 12 549 532 562 577 623 214 17 04 – Tarde 12 – 14 205 184 215 197 193 125 84 05 – Tarde 14 – 18 568 547 583 563 524 158 53 06 – Noite 18 – 20 177 185 187 116 193 97 55 07 – Noite 20 - 24 158 183 154 170 175 78 121
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.