XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.

Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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

Este artigo apresenta um modelo de previso de demanda para uma

pequena empresa do setor moveleiro, tornando possvel a melhoria do
gerenciamento de estoque e controle e planejamento de produo por
meio da adoo do sistema de previso de vendas desenvolvido. A
proposio e construo do modelo partiram das necessidades
percebidas pela empresa de aumentar o horizonte de vendas e com isso
tornar mais eficiente seu sistema de gerenciamento da produo para
fazer frente ao seu crescimento, expresso por volumes sempre
crescentes de produo. Considerando as necessidades gerenciais e as
caractersticas da empresa, um pequeno empreendimento industrial,
foi desenvolvido um modelo simples que atendesse as necessidades.
O objetivo principal do trabalho foi desenvolver um sistema de
previso de demanda que suprisse a falta de previses existentes e
atravs das previses aperfeioar o planejamento da produo e o
processo de aquisio de materiais. A pesquisa se apoiou em uma
reviso da literatura para delinear os principais tpicos pertinentes ao
objetivo
O modelo desenvolvido contempla os impactos causados pelas
oscilaes de vendas e permitir uma visualizao ampla da
programao de produo e consequentemente do consumo de
materiais. O cenrio criado mediante as previses de vendas
facilmente corrigido mediante aos resultados reais, possibilitando
assim informaes mais precisas aos setores envolvidos.
O mtodo foi implementado e os resultados foram: grande aderncia
da previso aos resultados reais, alinhamento dos valores de compra
ao consumo de materiais, diminuio dos valores de compra e nmero
de pedidos e diminuio de estoques de materiais e insumos.

Palavras-chaves: Previso, planejamento e demanda

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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

Tabela 1 Resultados de vendas

Utilizando os dados descritos acima, a previso para o prximo perodo seria de 116 unidades,
(110+116+122)
ou seja,
=116 unidades
3

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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:

((122x3) + (116x2) + (110x1))

= 118 unidades
6

2.3. Suavizao exponencial

Segundo Arnold (2006), a suavizao exponencial fornece um mtodo rotineiro para
atualizao regular de previses de itens. Funciona muito bem quando se est lidando com
itens estveis. Em geral, tem sido considerado satisfatrio em previses de curto prazo. Essa
tcnica no satisfatria quando a demanda baixa ou intermitente.
A suavizao exponencial detectara tendncias, embora a previso fique para trs em relao
demanda real se existir uma tendncia definida.
Neste mtodo, a previso obtida de acordo com a ponderao dada ao ltimo perodo. Ele
procura fazer a eliminao das situaes exageradas que ocorreram em perodos anteriores.
simples de usar e necessita de poucos dados acumulados sendo auto-adaptvel, corrigindo-se
constantemente de acordo com as mudanas dos volumes das vendas. A ponderao utilizada
denominada constante de suavizao exponencial que tem o smbolo e pode variar de
0<<1.
Na prtica adota-se variando de 0,1 a 0,3 dependendo dos fatores que afetam a demanda. A
expresso para este mtodo :
P = Ra x + (1-) x Pa
- Ra = Consumo real no perodo anterior
- Pa = Previso do perodo anterior
- = Constante de suavizao exponencial
Exemplo:
A demanda antiga para maio era de 220 e a demanda real para o mesmo ms foi de 190. Se
alfa () tem valor de 0,15, calculem a previso para junho. Se a demanda de junho for de 218,
calcule a previso para julho.
Previso para junho = (0,15 x 190) + (1 0,15) x 220 = 215,5
Previso para julho = (0,15 x 218) + (1 0,15) x 215,5 = 215,9

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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 =

(0,9163 + 0,8359 + 0,9533 + 0,9669)

= 0,9182
4

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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

2.4.1.3. Modelo de previso baseado no mtodo de ajuste linear

Esse mtodo, conhecido como anlise de regresso, uma tcnica de modelagem para anlise
da relao entre uma varivel chamada de dependente e uma ou mais variveis denominadas
independentes. O objetivo dessa tcnica identificar uma funo que melhor descreva a
relao entre essas variveis, de tal modo que, conhecendo os valores das variveis
independentes, seja possvel, mediante modelagem, projetar o valor da varivel dependente.
Aplicando ndices de sazonalidade ao resultado do ajuste linear considerando perodos de trs
meses e ajustando a previso para um crescimento de 10%, tem-se a tabela 4.
Mdia Mvel
Indce de
Centrada
Sazonalidade
1
2
3
4
5
6
7
8
9
10
11
12

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

Tabela 4 Aplicao de ndices de sazonalidade

2.4.1.5. Modelo aditivo e multiplicativo

Vamos considerar o conjunto de dados histricos apresentados na tabela 5.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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

Tabela 5 Dados histricos

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

Tabela 6 Mdia dos resultados de cada ano

Com base nesses dados determinamos os aumentos ou redues trimestrais em relao a

mdia. Esses dados podem ser visualizados na tabela 7.
Trimestre
1
2
3
4

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

Tabela 7 Aumento e redues trimestrais em relao mdia

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

Tabela 8 Previso para o ano 5

2.4.1.7. Modelo multiplicativo

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

Nesse processo, o clculo do ndice multiplicativo envolve estabelecer em que percentual o

consumo de um determinado trimestre maior ou menor que o consumo mdio trimestral
calculado tomando o consumo anual dividido por quatro. Na tabela 10 pode ser visto o
consumo dos ltimos 4 anos.
Trimestre
1
2
3
4
TOTAL

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

Tabela 10 Consumo total de cada ano

Trimestre
1
2
3
4

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%

Tabela 11 ndices de sazonalidade

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

1 trimestre 2 trimestre 3 trimestre 4 trimestre TOTAL

993
785
553
870
3200
Tabela 12 Previso para o 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.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

A produo da empresa toda planejada, programada e medida em horas e no em produtos.

Esse indicador foi desenvolvido h alguns anos para estabelecer padres e dar pesos
diferentes para produtos diferentes, ou seja, quando mediam a produo apontando quantos
produtos haviam sido produzidos, uma prateleira tinha o mesmo peso de uma cmoda e no
se levava em considerao o tempo que cada uma consumia no recurso gargalo.
A tabela 13 mostra a diferena entre a medio em unidades produzidas e horas produzidas.

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

Tabela 13 Comparativo de produo entre unidades e horas

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

Tabela 14 Dados histricos de vendas em horas

4.1. Seleo da tcnica de previso

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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%

Tabela 15 Comparativo de resultados dos modelos perante ao resultado de 2006

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%

Tabela 16 Comparativo de resultados dos modelos perante ao resultado de 2006 (Continuao)

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

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

- 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

Tabela 17 Previso mensal para 2007

5. Discusso de dados e resultados

A tabela 18 mostra os resultados de 2007 comparados previso realizada para o mesmo ano.
JAN
1427
Previso
1631
Realizado
Previso Acumulada 1427
Real Acumulado
1631
Aderncia
114%

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%

SET OUT NOV

1523 2591 1693
1750 2347 1825
15801 18393 20086
15159 17506 19331
96% 95% 96%

DEZ
1179
1121
21265
20452
96%

Tabela 18 Resultados obtidos em 2007 e comparados a previso

O modelo desenvolvido atingiu um nvel de aderncia, previsto versus realizado, de 96,2%,

ou seja, o resultado de vendas atingiu 96,2% do resultado previsto.
6. CONCLUSES
O trabalho atingiu resultados satisfatrios, pois a aderncia da previso ao resultado de vendas
atingiu 96,2% do previsto, os valores de compras ficaram apenas 0,02% do valor de consumo,
o volume de compras diminui 7,49%, o nmero de pedidos realizados ficou 1% menor ao
perodo passado e os inventrios em estoque diminuram 7,98%.
Desta forma, pode-se concluir que a implantao do sistema de previso, mesmo em empresas
que trabalham com o sistema de comercializao make-to-order, apresenta nveis satisfatrios
e podem contribuir para melhorar o planejamento organizacional.
A possvel explicao para este caso que a varivel utilizada para a previso representa bem
o comportamento de vendas da empresa, o que recomenda a manuteno e melhoria do
sistema proposto.

11

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

A integrao de cadeias produtivas com a abordagem da manufatura sustentvel.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008

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