Académique Documents
Professionnel Documents
Culture Documents
DESENVOLVIMENTO DE UM MODELO
DE PREVISO DA DEMANDA EM UMA
EMPRESA MOVELEIRA DE PEQUENO
PORTE.
Jos de Souza Rodrigues (UNESP)
jsrod@feb.unesp.br
Marco Antonio Argenton (UNESP)
marcoaa@feb.unesp.br
Wallace Prudenciato (UNESP)
wallacepru@hotmail.com
1. Introduo
A previso recurso administrativo importante para o planejamento, pois este feito
considerando-se cenrios futuros provveis, para os quais so feitas estimativas do
comportamento das principais variveis que podem afet-lo. No se pode fazer nada sem
alguma forma de estimativa (ARNOLD, 2006).
Estimar a demanda futura de bens e servios condio essencial para o planejamento das
necessidades de recursos produtivos, financeiros e de materiais necessrios para a produo
deles (GONALVES, 2004).
A pesquisa aqui apresentada foi elaborada com o objetivo de montar uma estrutura de
planejamento da produo em uma empresa do setor moveleiro, na qual no havia uma
sistemtica formal para tal. Apoiada em tcnicas tradicionais de previso e por simulaes,
utilizando dados reais da empresa, determinou-se o mtodo a ser utilizado.
O tema previso de demanda foi escolhido por ter sido identificado como o principal
obstculo a ser vencido para se propor e implantar o sistema de planejamento da produo,
visto que um dos fatores chaves no processo de planejamento a capacidade de prever a
demanda de produtos para o perodo de planejamento seguinte (ano), bem como encontrar um
elemento norteador da previso, ou seja, uma varivel cujo comportamento semelhante ao
de venda e de consumo de insumos na produo.
Durante a pesquisa percebeu-se que alm de contribuir para o planejamento da produo, a
previso ajudava no planejamento das necessidades de recursos financeiros, melhorando a
qualidade do processo decisrio da empresa.
2. Previso de demanda
Os sistemas de comercializao estruturados segundo o modelo make-to-order (MTO) no
podem comear a fabricar um produto antes que o consumidor faa o pedido, mas devem ter
os recursos de trabalho e de equipamentos disponveis para suprir a demanda.
A previso da demanda base para o planejamento estratgico da produo, vendas e finanas
de qualquer empresa e, segundo Dias (2006) a previso o ponto de partida de todo
planejamento empresarial.
Com o planejamento as empresas podem desenvolver os planos de capacidade, de fluxo de
caixa, de vendas, de produo e estoques, de mo-de-obra, de compras etc (TUBINO, 2007).
Segundo Arnold (2006, p.234-235), as previses tm quatro princpios fundamentais.
- As previses geralmente esto erradas. Tentam olhar o futuro desconhecido e, a no ser por
pura sorte, erram em alguma medida. Os erros so inevitveis e devem ser esperados.
- Cada previso deve incluir uma estimativa de erro. Como j se espera que as previses dem
errado, a verdadeira pergunta , em quanto?
- As previses so mais precisas para famlias e grupos do que quando abrimos para itens
individuais.
- As previses so mais precisas para perodos de tempo mais prximos. Assim prever a
necessidade do prximo ms mais seguro do que estimar a do ano seguinte.
A definio da tcnica de previso que melhor se adapte a uma situao especifica apenas
um dos passos do modelo de previso, porm, sem dvida, o mais importante. Existe uma
srie de tcnicas disponveis, com diferenas substanciais entre elas, contudo, antes de se
apresentarem as principais (TUBINO, 2007). As caractersticas gerais que normalmente esto
presentes em todas as tcnicas de previso podem ser assim resumidas:
- Supe-se que as causas que influenciaram a demanda passada continuaro a agir no futuro;
- As previses no so perfeitas, pois no se capaz de prever todas as variaes aleatrias
que ocorrero;
- A acuracidade das previses diminui com o aumento do perodo de tempo;
- A previso para grupos de produtos mais precisa do que para os produtos individualmente,
visto que no grupo os erros individuais de previso se minimizam.
H vrios mtodos de previso, mas eles podem geralmente ser classificados em trs
categorias: qualitativos, extrnsecos e intrnsecos.
As tcnicas qualitativas so projees baseadas no discernimento, na intuio e em opinies
informadas. Por sua natureza, so subjetivas. Essas tcnicas so utilizadas para prever
tendncias gerais dos negcios e a demanda potencial de grandes famlias de produtos para
um perodo prolongado de tempo.
As tcnicas extrnsecas baseiam-se em indicadores externos (extrnsecos) relacionados
demanda dos produtos de uma empresa. Exemplos desses dados so os incios de construes,
as taxas de nascimento e a renda disponvel. A teoria subjacente que a demanda de um
grupo de produtos ou indiretamente proporcional s atividades em outro campo, ou
relacionada a elas.
As tcnicas intrnsecas de previso utilizam dados histricos. Esses dados so geralmente
registrados na empresa e esto prontamente disponveis. Entre as diversas tcnicas podem ser
destacadas: mdia mvel, mdia mvel ponderada, suavizao exponencial, sazonalidade e
regresso linear.
2.1. Mdia mvel
A palavra mvel significa movimento, visto que a tomada de valores para o clculo de mdia
varia em funo do tempo. Considerando a estimativa de demanda para o prximo ms seja a
mdia mvel aritmtica trimestral, ou seja, vamos considerar que a demanda se basear no
consumo mdio do ltimo trimestre.
Essa tcnica considera que, ligeiras tendncias sero relativamente pequenas e com isso tero
pouca influncia no calculo do valor projetado.
Para a demonstrao, vamos criar uma situao hipottica onde uma determinada empresa
teve como resultados do ano anterior os seguintes nmeros descritos na tabela 1:
Vendas
Jan
99
Fev
100
Mar
102
Abr
98
Mai
99
Jun
96
Jul
102
Ago
101
Set
104
Out
110
Nov
116
Dez
122
Utilizando os dados descritos acima, a previso para o prximo perodo seria de 116 unidades,
(110+116+122)
ou seja,
=116 unidades
3
Quanto maior o nmero de perodos utilizados para calcular a mdia simples, menor a
sensibilidade do modelo s variaes recentes da demanda, ou seja, caso a demanda se eleve
rapidamente o modelo no ir refletir este comportamento e tender levar os gestores a
subestimarem os valores a serem produzidos. Por outro lado, se houver uma queda acentuada
da demanda no curto prazo, os gestores demoraro em reduzir o ritmo de produo, gerando
estoques alm do necessrio.
2.2. Mdia ponderada
Com o objetivo de refletir o comportamento da demanda mais recente sobre a mdia atribuise pesos aos meses que compem a mdia, associando os maiores pesos aos meses mais
recentes. Para o clculo da mdia ponderada vamos utilizar os mesmos dados contidos na
tabela 1. Podemos perceber que a srie nos demonstra uma tendncia ascendente, o que isso
significa? Se aplicarmos a tcnica da mdia mvel vista anteriormente poderemos ter uma
distoro por no levarmos em considerao tendncia. Exemplo:
Mdia ponderada:
Existe um problema em selecionar o melhor fator alfa. Se for utilizado um fator baixo como
0,1, a previso antiga ter um peso grande e as tendncias mveis no sero percebidas to
rapidamente quanto seria desejvel. Se um fator maior como 0,4 for utilizado, a previso
reagira prontamente s mudanas na demanda e ser errada se houver uma flutuao aleatria
considervel.
2.4. Sazonalidade
Para Tubino (2006), a sazonalidade caracteriza-se pela ocorrncia de variaes, para cima e
para baixo, a intervalos regulares nas series temporais da demanda. Deve existir uma razo
plausvel para a ocorrncia, e posterior repetio, dessas variaes.
Conforme Gonalves (2004) so considerados fenmenos sazonais aqueles que ocorrem
regularmente de ano para ano, como, por exemplo, um aumento no consumo de um
determinado produto em certo perodo.
A sazonalidade est associada a variaes climticas, eventos e convenes sociais, por
exemplo, pscoa, natal, dia das mes, etc.
2.4.1. Tcnicas para previso da sazonalidade
A forma mais simples de considerar a sazonalidade nas previses da demanda consiste em
empregar o ltimo dado da demanda, no perodo sazonal em questo, e assum-lo como
previso. Porm, a forma mais usual de incluso da sazonalidade nas previses da demanda
consiste em obter o ndice de sazonalidade para os diversos perodos, empregando a mdia
mvel centrada, e aplica-los sobre o valor mdio (ou tendncia) previsto para em questo.
2.4.1.2. Sazonalidade simples
No caso da sazonalidade simples, a tcnica de previso consiste em obter o ndice de
sazonalidade para cada um dos perodos da srie e aplica-los em cima da previso da mdia
em cada um desses perodos.
Neste caso, o ciclo de sazonalidade de trs perodos. Na tabela 3, a mdia mvel centrada
para o perodo 2 e seu respectivo ndice de sazonalidade foram obtidas da tabela 2.
ndice de Sazonalidade
Perodo
Jan
Fev Mar Abr Mai Jun
Jul
Ago
Set
Out Nov Dez Mdia
Demanda Real 402
418
329
285
384
294
412
414
358
487
363
203
362
MMC
383
344
333
321
363
373
395
420
403
351
IS
0,0000 0,9163 1,0456 1,1673 0,8359 1,2358 0,9061 0,9533 1,1723 0,8268 0,9669 0,0000
Tabela 2 Dados de exemplo para aplicao de ndice de sazonalidade
A demanda mdia, de 362, para essa srie de dados foi obtida a partir de uma mdia de
valores levantados para as mdias mveis centradas. Como se tm dois ndices para os
perodos de sazonalidade com exceo dos perodos 3 e 4, o clculo do ndice de sazonalidade
para esses perodos do ciclo obtido a partir da mdia dos ndices encontrados, conforme
apresentado na tabela 3. Nesse caso, o ndice mdio do primeiro perodo sazonal foi calculado
conforme demonstrado abaixo, sendo os ndices para o 1,2 e 3 trimestres de 0,9182, 1,1512 e
0,9667, respectivamente.
IS1 =
Obtidos os ndices de sazonalidade para os nove perodos do ciclo sazonal da srie, a previso
da demanda com sazonalidade simples consiste em reaplicar o ndice sazonal do perodo a ser
previsto sobre a demanda mdia, conforme apresentado na tabela 3 para os dados estudados
at o momento.
Sazonalidade Simples
Perodo Demanda Mdia IS Demanda Prevista Demanda Real Erro
1
362
0,9181
333
402
69
2
362
1,1512
417
418
1
3
362
0,9667
350
329
-21
4
362
0,9181
333
285
-48
5
362
1,1512
417
384
-33
6
362
0,9667
350
294
-56
7
362
0,9181
333
412
79
8
362
1,1512
417
414
-3
9
362
0,9667
350
358
8
10
362
0,9181
333
487
154
11
362
1,1512
417
363
-54
12
362
0,9667
350
203
-147
Tabela 3 Clculo da previso da demanda aplicando a sazonalidade simples
1478
1392
1613
1663
1830
1795
1401
2172
2066
2807
1934
1093
1494
1556
1702
1762
1675
1789
1879
2348
2269
1945
0,932
1,037
0,977
1,038
1,072
0,783
1,156
0,880
1,237
0,994
Previso
2035
2076
2116
2157
2198
2239
2279
2320
2361
2402
2442
2483
Previso
(Sazonal)
2033
2138
2108
2155
2264
2230
2277
2390
2352
2399
2516
2473
Previso
(Corrigida)
1738
1827
1802
1842
1935
1906
1946
2043
2010
2051
2150
2114
Trimestre
1
2
3
4
Ano 1
500
350
250
400
Ano 2
450
350
200
300
Ano 3
550
500
400
650
Ano 4
750
600
450
700
Os terceiros trimestres de cada ano mostram uma queda de consumo ao contrrio dos
primeiros trimestres onde h um acentuado aumento de consumo.
2.4.1.6. Modelo aditivo
No modelo aditivo, a tcnica se resume a calcular a mdia trimestral em cada ano e, ento,
determinar as diferenas do consumo trimestral e respectiva mdia de cada ano, conforme
tabela 6.
Trimestre
1
2
3
4
Mdia
Ano 1
500
350
250
400
375
Ano 2
450
350
200
300
325
Ano 3
550
500
400
650
525
Ano 4
750
600
450
700
625
Ano 1
125
-25
-125
25
Ano 2
125
25
-125
-25
Ano 3
25
25
-125
125
Ano 4
125
-25
-225
75
Mdia fator
100
0
-150
50
A mdia dos valores tomada por trimestre est indicada na coluna mdia fator, tabela 8, que
representa fatores aditivos de sazonalidade.
Para projetarmos a previso para o ano seguinte, sabendo que estimamos vendas de 3200
unidades, o que significa uma mdia de 800 unidades por trimestre, aplicamos os fatores
mdios da tabela 7. A previso pode ser contemplada na tabela 8.
Trimestre
Ano 5 (Mdia)
1
2
3
4
Total
800
800
800
800
3200
Ano 5
(Previso)
900
800
650
850
3200
Mdia fator
100
0
-150
50
Ano 1
500
350
250
400
1500
Ano 2
450
350
200
300
1300
Ano 3
550
500
400
650
2100
Ano 4
750
600
450
700
2500
Ano 1
33%
23%
17%
27%
Ano 2
35%
27%
15%
23%
Ano 3
26%
24%
19%
31%
Ano 4
30%
24%
18%
28%
Mdia
31%
25%
17%
27%
Podemos projetar os valores agora calculados com a utilizao dos ndices de sazonalidade
indicados em negrito na tabela 11.
Para o ano 5 podemos projetar os valores sazonais utilizando a seguinte equao:
Projeo do trimestre = media trimestral x ndice de sazonalidade
Projetando um aumento para 3200 unidades para o ano 5, vamos ter os seguintes resultados
que esto na tabela 12:
Ano 5
3. Caracterizao da empresa
A empresa est localizada no estado de So Paulo.
Os principais itens produzidos pela empresa so camas, criados, bicamas, cmodas,
prateleiras e cabeceiras e como matria-prima e insumos so utilizados: madeiras,
compensados, ferragens, rodzios, puxadores, produtos de acabamento, radicas e lminas.
A capacidade de produo de aproximadamente 2160 horas/ms, quantidade definida pela
capacidade do setor de montagem da empresa.
3.1. Previso de vendas e planejamento agregado
A empresa nunca obteve qualquer tipo de previso, sendo de recursos ou de demanda. A
previso existente sempre foi de aumento de faturamento bruto, sem levar em considerao
qualquer aumento do volume produzido ou vendido e nem recursos consumidos por esse
aumento.
Familia
Bicama
Cama
Cmoda
Criado
Outros
Prateleira
Total:
Horas
277
2525
797
2487
6320
159
12564
2004
Unidades
184
583
94
661
1387
102
3011
Horas
345
2598
931
2407
8283
139
14702
2005
Unidades
225
570
106
635
1753
76
3365
Horas
339
3110
764
2230
8601
198
15240
2006
Unidades
226
705
87
600
1701
77
3396
Atravs da tabela 13 podemos visualizar o resultado de produo dos anos de 2004, 2005 e
2006, unidades produzidas e horas. Em 2005 foram produzidas 3365 unidades, representando
um aumento de 11,76% em unidades vendidas. No mesmo ano foram produzidas 14702
horas, representando um aumento de 17,02% em horas produzidas. O que isso significa? No
ano de 2005 foram produzidas unidades que consumiam mais horas do recurso gargalo, em
mdia uma unidade produzida no ano de 2004 consumia 4,17 horas contra 4,37 horas
consumidas em mdia no ano de 2006, ou seja, as unidades produzidas em 2006 consumiam
em mdia 4,71% mais horas que em 2005. Com esses dados empresa estabelece como
aumento de produtividade os 17,02%.
4. Desenvolvimento do modelo
A estrutura proposta e aplicada parte do seguinte princpio: Estimar a demanda futura de bens
e servios condio essencial para a elaborao de um plano de trabalho que inclui o
dimensionamento das capacidades envolvidas com a definio de equipamentos, dos recursos
financeiros, da disponibilidade de mo-de-obra e da quantidade de materiais necessrios para
a produo de bens e servios (GONALVES, 2004).
Os dados coletados foram s quantidades de horas vendidas nos ltimos 3 anos (2004, 2005 e
2006), separadas mensalmente, como pode ser verificado na tabela 14.
JAN
2004 1007
2005 1477,5
2006 1619,3
FEV
1431,5
1392,5
1538
MAR
1676,1
1616
1789,8
ABR
1269,25
1668,5
1525
MAI
1613,3
1828
2077,1
JUN
1500,3
1795
1204
JUL
1606,5
1399
1524,2
AGO
1945,5
2182,2
2472
SET
1990,5
2068,8
2194,5
OUT
2220
2806,9
2421,5
NOV
1854,1
1936,87
1062
DEZ
1340,95
1094,5
917
TOTAL
19455
21265,77
20344,4
Com estes dados foram calculadas as previses pelos mtodos da Mdia Mvel (MM), Mdia
Mvel Ponderada (MMP), Suavizao Exponencial (SE), Regresso Linear (RL) e Fatores
Multiplicativos. Os resultados obtidos so apresentados na tabela 15 e 16.
2005
Md Mv
Er MM
MMP
ErMMP
SE1
Erro SE1
2006
1.478
1770
22801
1659
1600
1770
22801
1619
1.392
1794
65536
1425
12769
1712
30276
1538
1.613
1828
1444
1371
175561
1648
20164
1790
1525
1.663
1846
103041
1517
64
1641
13456
1.830
1861
46656
1601
226576
1645
186624
2077
1.795
1864
435600
1738
285156
1682
228484
1204
1.401
1870
119716
1784
67600
1705
32761
1524
2472
2.172
1909
316969
1604
753424
1644
685584
2.066
1887
94864
1852
117649
1749
198916
2195
2.807
1872
302500
1990
186624
1813
370881
2422
1.934
1794
535824
2454
1937664
2011
900601
1062
2247
1768900
1996
1164241
917
21.241
461132
21.015
321232
20.344
1.093
1782
748225
TOTAL:
22.077
232764
ADERNCIA:
109%
104%
103%
2005
SE2
ErroSE2
IS
ErroIS
FM
EroFM
2006
1.478
1770
22801
1659
1600
1364
65025
1619
1.392
1536
1744
42436
1554
256
1538
1.613
1421
136161
1720
4900
1808
324
1790
1.663
1575
2500
1758
54289
1612
7569
1525
1.830
1645
186624
1847
52900
1892
34225
2077
1.795
1793
346921
1819
378225
1761
310249
1204
1.401
1795
73441
1858
111556
1649
15625
1524
2.172
1479
986049
1950
272484
2267
42025
2472
2.066
2033
26244
1919
76176
2227
1024
2195
2.807
2059
131769
1958
215296
2762
115600
2422
1.934
2657
2544025
2053
982081
2072
1020100
1062
1.093
2079
1350244
2018
1212201
1337
176400
917
TOTAL:
21.841
483898
22.303
283678
22.306
149035
20.344
ADERNCIA:
107%
110%
110%
Todas as previses foram maiores que o resultado real de 2006. O modelo que mais se
aproximou foi o modelo do fator multiplicativo, em no ano de 2006 tenham ocorrido fatores
externos e internos que influenciaram a demanda. Estes fatores foram:
- Copa do mundo de futebol, realizada na Alemanha, nos meses de Junho e Julho de 2006;
10
- Feriado de 20 de novembro, Dia da Conscincia Negra, que devido a sua proximidade com
outros feriados j existentes, 02 de novembro (finados) e 15 de novembro (Proclamao da
Republica), provocaram xodo da cidade de So Paulo, cidade onde se localiza o ponto de
venda da empresa.
- Nos meses de novembro e dezembro iniciou-se uma renovao do quadro de vendedores,
que de certa forma impactou no potencial de vendas da empresa.
Refazendo-se estes clculos com a excluso destes meses o modelo que mais se aproximou
dos resultados reais de 2006 foi o modelo fatores multiplicativos, evidenciado que este deve
ser o modelo adotado. Nos dois casos o erro mdio quadrtico foi a tcnica utilizada para
avaliar os modelos.
4.3. Obteno das previses
A empresa definiu como objetivo de vendas para o ano de 2007 um crescimento de 4,5%.
Aplicando a tcnica de previso baseada em fatores multiplicativos a previso para os meses
de 2007 ficou da seguinte forma, como mostra a tabela 17.
Previso
JAN
1427
FEV
1517
MAR
1768
ABR
1552
MAI
1920
JUN
1565
JUL
1902
AGO
2622
SET
1523
OUT
2591
NOV
1693
DEZ
1179
FEV
1517
1821
2945
3452
117%
MAR
1768
1468
4714
4920
104%
ABR
1552
1286
6266
6206
99%
MAI
1920
1736
8187
7942
97%
JUN
1565
1402
9752
9344
96%
JUL AGO
1902 2622
2097 1968
11655 14278
11441 13409
98% 94%
DEZ
1179
1121
21265
20452
96%
11
7. REFERNCIAS
ARNOLD, J.R.T. Administrao de materiais: uma introduo. So Paulo : Atlas, 2006.
CHOPRA, S.,MEINDL, P. Gerenciamento da Cadeia de Suprimentos. So Paulo: Prentice
Hall, 2006.
DIAS, M.P. Administrao de Materiais. Princpios, conceitos e gesto. So Paulo : Atlas,
2006.
GONALVES, P. Administrao de Materiais. Rio de Janeiro: Campus, 2004. p.299.
TUBINO, D.F. Planejamento e controle da produo. Teoria e pratica. So Paulo : Atlas,
2007.
12