É POSSÍVEL ACREDITAR EM PREVISÕES?

Infelizmente, na maioria dos casos, os processos produtivos não são capazes de fornecer resposta
instantânea à demanda, o que implica no fato que as empresas não podem começar a produzir apenas
depois de o cliente manifestar seu interesse pelo produto (a não ser no caso de vendas sob encomenda).
Por isso, a produção precisa ser accionada antes de se ter um conhecimento absoluto das quantidades e da
variedade de produtos que serão solicitados pelos clientes, o que torna essencial a realização de algum tipo
de previsão.
Ainda assim, existe forte dose de cepticismo, principalmente nas pequenas e médias empresas brasileiras,
quanto à possibilidade de se prever eficazmente a demanda, ou seja, quanto à capacidade de se prever
como vão se comportar as vendas. Alguns profissionais se equivocam ao comparar a dificuldade de realizar
boas previsões de demanda com a dificuldade de acertar a previsão do tempo . O equívoco é duplo, porque,
ao contrário do que pensam, o grau de acerto pode ser elevado, em ambos os tipos de previsão, desde que
se utilizem técnicas adequadas e se respeite um horizonte temporal compatível. Vai longe o tempo em que
previsões meteorológicas, fruto de tecnologia inadequada da época, não eram confiáveis. Há várias décadas
que a artrite do avo deixou de ser referência para previsão de chuva. Também faz muito tempo que técnicas
estatísticas poderosas e de grande eficácia na previsão de demanda foram desenvolvidas.
Talvez seja interessante tratarmos da previsão de demanda como previsão de vendas. O assunto vendas
está sob responsabilidade directa da área comercial, que ainda é a área mais forte na maioria das empresas.
Em grande número de empresas, os profissionais da área de vendas, infelizmente, não dão grande
importância aos desafios enfrentados pela área de produção para conseguir atender à demanda
aparentemente flutuante e incontrolável. Conta-se que, em certa ocasião, o director comercial de uma
respeitável empresa, ao ser cobrado pelo gerente de produção recém - contratado, que gostaria de ter uma
previsão de vendas mais detalhada, apontou pela janela do escritório na direcção de um cidadão que
passava na rua dizendo: pergunte isto para ele, é ele quem faz a previsão, não sou eu. Também não é
incómodo se ouvir nas empresas o comentários, desestimulador, de que se basear em previsões é o mesmo
que dirigir um automóvel olhando apenas para o espelho retrovisor, em uma alusão ao fato de que as
previsões se baseiam (também, mas não só) em dados históricos de vendas.
Como se pode observar no destaque abaixo, de acordo com diversos autores, é preciso haver uma
orientação para que a administração da produção possa trabalhar e a previsão de vendas oferece esta
orientação. É importante que as áreas comerciais se responsabilizem (e sejam responsabilizadas) pela
declaração de demanda anunciada, sem se refugiar demasiadamente no argumento da “falta da bola de
cristal”. Em que pese a área de produção ser uma actividade de apoio às vendas (ainda que fundamental!),
a ela não pode ser atribuída culpa por vendas perdidas, atrasos na entrega, elevação do custo de produção
e demais consequências de previsões distorcidas ou da falta de previsão.
CONCEITO OU DEFINIÇÃO
Segundo alguns autores se tem algumas formas de conceber a previsão da demanda futura:
- É a base para todas as decisões estratégicas e de planeamento em uma cadeia de suprimento.
- Ajudam os gerentes a reduzir parte das incertezas permitindo-lhes desenvolver planos mais realistas. Uma
previsão é uma declaração sobre o futuro.
- São vitais para todas as organizações e para cada decisão administrativa significativa. É a base para o
planeamento corporativo de longo prazo.
- O planeamento eficaz da demanda do cliente é um dos principais responsáveis pelo sucesso da cadeia de
suprimentos, que se inicia com previsões precisas.
- É importante para utilizar as máquinas de maneira adequada, para realizar a reposição dos materiais no
momento e na quantidade certa, e para que todas as demais actividades necessárias ao processo industrial
sejam adequadamente programadas.
PRINCIPAIS CUIDADOS COM AS PREVISÕES
Os factores responsáveis pela demanda passada podem mudar Alguns métodos de previsão, como será
mostrado mais adiante, buscam encontrar uma tendência de comportamento com base nas demandas
anteriores.
Desta forma, existe uma pressuposição de que as mesmas causas do comportamento da demanda passada
vão se repetir no futuro. A previsão de demanda baseada em fatos anteriores pode apresentar maiores ou
menores distorções, isto vai depender, principalmente, do tipo de produto com que a empresa trabalha e

1
do grau de profundidade da mudança dos factores que determinaram o comportamento da demanda
passada.
Alguns tipos de produto são mais susceptíveis à mudança dos factores determinantes do comportamento,
como, por exemplo, produtos do vestuário. Sua demanda é muito dependente do factor clima, um Inverno
mais benigno do que o esperado pode ocasionar menor venda de roupas mais quentes, quebrando as
previsões de uma empresa do ramo têxtil ou de confecção, que resolveu apostar em um frio mais rigoroso
para a estação. Por outro lado, a previsão de demanda de produtos de alimentação básica apresenta maior
imunidade a factores externos. É importante que a empresa conheça, da melhor forma possível, quais são
os factores e o seu grau de influência no comportamento da demanda. Com isto, ela é capaz de preparar
cenários mais optimistas e mais pessimistas, decidindo sua estratégia e preparando-se para possíveis
contingências (ou seja, as coisas não saírem como esperado). As simulações de demanda podem ser uma
ferramenta bastante útil para auxiliar no desenvolvimento da estratégia da empresa para o atendimento do
mercado.
Alguns factores determinantes da demanda a serem considerados são: alterações meteorológicas, alteração
da política de impostos, acções dos concorrentes como a mudança das características de preço, promoções
de vendas não previstas, inflação, conjuntura económica do país, nível de desemprego, proximidade de
épocas eleitorais, lançamento de produtos ou matérias-primas substitutos no mercado e assim por diante.
O erro de previsão precisa ser conhecido
As previsões não são perfeitas, sempre haverá um erro na previsão e, portanto, é fundamental que este
erro seja medido, explicitado e avaliado. Quando as discrepâncias forem além do que se julga aceitável, é
necessário apurar as razões e atribuir responsabilidades, com o intuito de melhorar no futuro.
As técnicas de previsão baseadas em modelos estatísticos permitem medir o grau de erro incorrido, mas
para isto os dados de entrada devem ser criteriosamente colectados, analisados e criticados. A previsão de
demanda precisa ser feita por equipa especializada multidisciplinar, com treinamento e conhecimento no
assunto. Lamentavelmente, não é raro encontrar empresas que elaboram previsões em reuniões em que
nenhum dos participantes conhece algum modelo básico de previsão. Economias nesta área podem trazer
consequências desastrosas para a empresa. É preciso ser perfeccionista com relação às previsões,
esforçando-se para que elas sejam cada vez mais fidedignas.
Empresas que desistem de realizar previsões por sentirem que não conseguem acertar podem estar
aceitando uma perigosa acomodação das actividades comerciais que acarretarão em enorme estresse para
as actividades de produção.
O grau de agregação dos produtos deve ser adequado
Quanto maior o grau de agregação dos produtos, mais precisa será a previsão da demanda. Por outro lado,
uma previsão de demanda altamente agregada, em pouco ou em nada auxilia o planeamento das
actividades de produção.
É comum a previsão, oriunda da área comercial, mencionar a quantidade de produtos a ser vendida de
forma na totalidade. O grau de acerto da quantidade total é alto, porém, o grau de acerto das famílias e
modelos, quando existe tal estimativa, se demonstra precário. Por outro lado, uma previsão rica demais em
detalhes pode não ser necessária e, seguramente, não apresentará a precisão adequada. Assim, a equipa de
previsão deve procurar obter uma relação de compromisso em suas estimativas: não deve ser muito
generalista, porque previsões vagas com relação aos detalhes, embora seguras, não tem grande valor. Por
outro lado, se tiver muitos detalhes, também deixa de ser útil porque dificilmente será precisa.
As previsões de demanda são o insumo para o planeamento agregado da produção. Por isso, revisões que
não respeitem o detalhe mínimo para permitir o planeamento agregado não têm valor significativo. A área
comercial deve concentrar esforços para realizar boas previsões e, posteriormente, para vender o mix de
produtos que foi definido no planeamento agregado, em função de suas previsões. Não basta se contentar
apenas em atingir as metas de vendas no que tange à quantidade. É fundamental que se venda aquilo que
se produziu.
O horizonte de tempo da previsão deve ser adequado
Quanto maior o horizonte da previsão, menor a precisão obtida. Em outras palavras, quanto maior o tempo
para o qual se deseja prever, mais difícil, senão impossível se torna acertar. Quanto menor o horizonte de
tempo da previsão, maior será a precisão obtida. Em geral, previsões de curto prazo estão sujeitas a menos
incertezas, daí sua menor margem de erro. O tempo estipulado no plano de produção de cada empresa vai
depender do grau de flexibilidade possível para atender alterações de demanda. Para se ter um exemplo,

2
empresas do ramo metalúrgico são, normalmente, incapazes de realizar grandes alterações no planeamento
de produção no prazo de um mês, sem que isto cause grande impacto nos custos de produção. Outros
negócios podem ser mais flexíveis, podendo voltar a programar a produção dos próximos dias, ou mesmo
horas, sem grande inconveniente.
As previsões de demanda de longo prazo, de um a cinco anos geralmente, são altamente agregadas, com
considerável margem de erro, e servem como apoio às decisões do planeamento da capacidade da empresa
em longo prazo, em carácter estratégico.
As previsões de médio prazo, com cerca de um ano em geral, têm menor índice de agregação e vão servir
para apoio às decisões do planeamento agregado de produção.
As previsões de curto prazo com horizonte de tempo de cerca de um a três meses, são mais precisas e
possuem o maior índice de desagregação possível. É nelas que se baseia o planeamento e a execução das
actividades de produção.
A DISNEY E SUA VISÃO SOBRE A IMPORTÂNCIA DA PREVISÃO DE DEMANDA (Trata-se de DISNEYLANDIA o
maior parque de diversões do mundo)
Uma operação que processa os próprios consumidores, como é o caso da Disney, precisa saber, com a
máxima precisão, qual será a sua demanda, dia após dia. Existem inúmeros factores que contribuem para
que o número de visitantes seja bastante variável ao longo do tempo, mas a maior parte desses factores
possui comportamento cíclico ou sazonal, que pode ser modelado. A empresa investe muitos recursos em
previsão e planeamento por acreditar que respostas para perguntas do tipo: “quantas pessoas virão?”,
“quanto tempo vão ficar?” e “o que pretendem fazer enquanto estiverem aqui?” são vitais para o seu
negócio.
Previsões são feitas para os próximos 5 anos, dia a dia. Neste plano de 5 anos, são levadas em conta
projecções económicas, questões demográficas, feriados, calendários escolares (de mais de 3000 escolas
dos EUA) e histórico dos anos anteriores. Esta previsão é utilizada principalmente para definir grandes
incrementos de capacidade nos parques, como a implantação de novos brinquedos principais. Uma previsão
mais detalhada é feita com um ano de antecedência, também com discriminação diária. Para esta previsão,
a tolerância é de 5%. Ou seja, se houver discrepância superior a 5% entre o público que foi previsto há um
ano para um determinado dia e o que realmente visitou o parque, as pessoas envolvidas na previsão
precisarão rever o seu modelo e, possivelmente, terão que se explicar para o chefe. Por fim, há previsões de
curto prazo e a verificação do que está ocorrendo na prática. Todos os dias, às 11 horas da manhã é feita
uma reunião da equipa de planeamento, já com os dados referentes ao número de pessoas que estão nos
parques, para fazer os últimos ajustes de capacidade para o dia.
Mas prever com antecipação a quantidade de pessoas que vai visitar os parques em um determinado dia de
nada adiantaria se a operação não dispusesse de flexibilidade para se ajustar às flutuações da demanda,
que pode variar em até 4 vezes entre um dia de grande movimento nas férias de verão e um dia calmo no
meio do ano escolar.
Em suas medições da satisfação dos clientes, a empresa percebeu que os visitantes ficam satisfeitos depois
de terem experimentado, em média, 10 atracões em um dia. Como a capacidade instalada é rígida, no curto
prazo, isto é, não é possível construir e colocar novas atracções em funcionamento da noite para o dia, é
importante fazer boas previsões de demanda (forecasting) para o longo prazo. No curto prazo, é importante
decidir quais brinquedos serão paralisados para manutenção preventiva, e em que dias e horários. Com
base nas previsões de demanda e no cálculo do número de pessoas que passaram pelas torniquetes de
entrada dos parques, a gerência pode optar ainda por expandir o número de horas durante
as quais os parques permanecerão abertos em dias de movimento particularmente elevado, para permitir
que as pessoas visitem mais atracções (ao menos as 10 que as deixarão satisfeitas) e saiam do parque com
a sensação de que a experiência valeu a pena e justificou o dinheiro gasto com o ingresso.
Não transformar a previsão de demanda em meta de venda ou produção
Em muitas ocasiões, pressionadas por resultados, tanto a área comercial como a área de produção
confundem previsão de demanda com meta de facturação e meta de produção. A situação actual de
constantes mudanças de cenário já comporta incertezas suficientes para tornar difícil uma boa previsão de
vendas. Adicionar mais um fato, no caso uma meta a ser alcançada, torna a previsão motivo de acirradas
discussões sobre sua precisão. É preciso que os gestores da área comercial e da área de produção separem
devidamente o que é meta do que é previsão e tenham coragem suficiente para aceitar e discutir as metas
impostas pela alta administração ou pela área financeira. Apenas metas de vendas cuidadosamente

3
estudadas, com planos de acção específicos para atingi-las, poderão ser, se for o caso, incorporadas à
previsão pela área comercial. Caso contrário, a área de produção planejará e executará a produção de itens
que ficarão “encalhados” por falta de demanda para eles.

MÉTODOS DE PREVISÃO DE DEMANDA

Existem vários modelos de previsão de demanda, amplamente divulgados na literatura. Há quatro grandes
grupos principais de modelos:
- Modelos qualitativos;
- Modelos quantitativos;;
- Modelos de decomposição de séries temporais;
- Modelos de previsão causais; e
- Modelos de simulação de demanda.
Na prática, pode ser difícil para as empresas se decidir por um ou outro modelo. Como nenhum modelo é
completo e todos apresentam vantagens e desvantagens, na prática as empresas buscam a utilização de
diversos deles conjuntamente. Também é importante observar que os modelos utilizados também não são
estáveis. A confrontação das previsões de demanda com as vendas efectivamente realizadas, ao longo do
tempo, contribui para que a empresa vá desenvolvendo o melhor composto de modelos a ser adoptado
para suas previsões futuras.

MODELOS QUALITATIVOS
Os modelos qualitativos são, essencialmente, subjectivos. Estes modelos podem ser apropriados quando
não existem dados históricos a serem analisados como base para a previsão. Geralmente dependem de
profissionais e especialistas com larga experiência de mercado. As técnicas de previsão, por meio de dados
qualitativos, baseados no julgamento de dados subjectivos, saem do objectivo desta disciplina mas serão
descritos brevemente.
Modelos qualitativos de previsão de demanda são ampla e minuciosamente descritos na literatura da área
de marketing. A seguir, é dada uma descrição, de forma bastante concisa, dos modelos qualitativos mais
citados na literatura:

Predição
Na verdade não se trata de um método científico, mas sim de um processo para a determinação de um
acontecimento futuro com base em dados completamente subjectivos, de natureza altamente duvidosa. É
uma aposta no futuro, com grande risco e sujeita à sorte. A predição faz parte do estilo empreendedor e é,
muitas vezes, interpretada como visão. O empreendedor visionário parece dominar a técnica da predição,
percebendo oportunidades de demanda incapazes de serem percebidas pelos métodos tradicionais.
Por exemplo:
PREDIÇÃO: “PREMONIÇÃO” DE DEMANDA?
Certa vez uma empresa de confecções, detentora de um marca de potencial, após reestruturação societária
com grande aporte de capital, decidiu triplicar sua produção de um mês para outro, com base apenas no
sentimento eufórico de crescimento. A empresa nunca tinha produzido mais que 20 mil peças mensalmente.
De uma hora para outra, se viu produzindo 60 mil peças. Foi criado um turno de produção adicional e
contratados os serviços de 12empresas de serviço de confecção, conhecidas como facção neste ramo, tudo
de um mês para o outro. A demanda acabou não se confirmando e a empresa tive sérias dificuldades.

Opiniões de executivos
São previsões baseadas no julgamento e opinião de um pequeno grupo de executivos de alto nível,
geralmente ligados às áreas comercial, financeira e de produção. É preciso cuidar para que a previsão não
seja mais uma vez confundida com meta de vendas ou de facturação a ser alcançado. A previsão pode não
ser o consenso do grupo mas a opinião de quem detém o maior nível hierárquico, experiência, ou força de
persuasão. Outro problema com este tipo de previsão é que pode ocorrer a diluição da responsabilidade
pela previsão. É importante perceber que este método é útil quando não ser têm dados históricos
anteriores de demanda.
Muitas reuniões para planeamento de vendas nas organizações podem dar a impressão de se basearem
exclusivamente na opinião dos executivos, mas, na verdade, a previsão advém da média móvel de vendas,

4
utilizada com menor formalidade e ajustada pela opinião dos envolvidos. Talvez seja esta a metodologia
mais utilizada para previsão de demanda nas pequenas e médias organizações.

Método Delphi
O método tem seu nome em homenagem ao oráculo de Delfos na Grécia, tendo sido criado pela Rand
Corporation, em 1948. Desde sua criação, o método tem sido utilizado para uma série de situações, nem
sempre apenas relacionadas com a previsão de demanda. A essência do método consiste em fazer com que
as opiniões sobre determinado assunto, no caso especifico a previsão de demanda, não sejam influenciadas
pela opinião do grupo. Quando se discute a previsão de demanda em uma reunião com vários
participantes, existe a tendência de prevalecer a opinião dos que são mais extrovertidos, que possuem
maior poder hierárquico, ou que, por natureza, têm personalidade mais forte. A opinião do grupo acaba
sendo muito influenciada pelo poder de persuasão de alguns poucos.
O método Delphi procura eliminar este tipo de interferência comum nas decisões que envolvem diversas
pessoas. A metodologia, de forma bastante resumida, consiste nos seguintes passos:
1. Propõe-se ao grupo, a discussão de um assunto, no caso especifico, a previsão de demanda. A escolha
correcta dos membros que vão participar do processo está directamente ligada à qualidade do resultado
obtido ao final.
2. As opiniões são colectadas de forma sigilosa, actualmente por meio de questionários respondidos por e-
mail, ou outra forma similar, sem que um membro saiba a opinião do outro. Os membros podem, inclusive,
estar em diversas localidades distantes umas das outras. É importante que cada membro tenha confiança
no sistema para dar seus pareceres legítimos, livres de pressão por resultados ou qualquer outra
interferência.
3. Um coordenador do processo recebe todas as informações, faz uma tubulação dos dados obtendo um
primeiro resultado tratado estatisticamente.
4. O resultado é enviado para os membros para que possam reavaliar sua opinião, se considerarem
adequado, em função dos argumentos dos demais, apresentados de forma agregada. O processo é repetido
inúmeras vezes até que se obtenha o grau de convergência desejado das opiniões. Se considera que pelo
menos deve ser repetido 5 vezes.
A política é parte integrante do convívio social. Existe em qualquer organização e a opinião exposta em
público nem sempre é a mesma que o profissional exprimiria, se estivesse protegido pelo anonimato, ou se
não estivesse sobre a influência de colegas mais “persuasivos”. Para se perceber como as pessoas se
comportam de forma diferente, quando precisam emitir suas opiniões em público de quando podem fazê-lo
de forma velada, basta ver o que acontece no Congresso Nacional, quando os deputados e senadores
realizam votações abertas e quando realizam votações fechadas.
Por isso é um método muito utilizado, as pessoas emitem sua opinião livremente.

Opiniões da equipe de vendas

Este método consiste em solicitar directamente à força de vendas que forneça a estimativa de vendas em
cada uma das regiões de actuação. Estas estimativas são agregadas em um composto que passa a
representar a previsão global de vendas. De forma geral, a equipe de vendas é composta por: gerentes e
supervisores de vendas, representantes comerciais, agentes de representantes, vendedores etc. É
necessário, mais uma vez, que a empresa tenha o cuidado de evitar a manipulação de previsões. A previsão
estabelecida independentemente pelos diversos membros da equipe de vendas normalmente acaba sendo
transformada em meta de vendas. A experiência demonstra duas tendências de comportamento que
originam sesgos (viés), quando é adoptada esta forma de previsão: um possível comportamento, por parte
do quadro de funcionários da empresa, é subestimar as previsões como forma de se proteger de metas
audaciosas que possam vir a ser impostas em decorrência de previsões optimistas; um outro possível
comportamento, típico de representantes comerciais, é super estimar as vendas, para garantir que não
faltem mercadorias, caso as vendas sejam boas, principalmente considerando-se que quem vai amargar o
prejuízo dos stocks encalhados, no caso de o cenário favorável não se configurar, será a empresa e não os
seus canais de venda.

Pesquisas de mercado

5
Esta metodologia é imprescindível para a colocação de um novo produto no mercado. Uma pesquisa é
qualquer investigação organizada executada para se obter informações para solução de problemas. Ela
proporciona informações sistematizadas capazes de orientar as decisões, podendo envolver estudos
informativos, descritivos, explicativos ou preditivos. A pesquisa de mercado é uma pesquisa preditiva para
levantar a intenção de compra directamente do mercado consumidor. Trata-se de um estudo sistemático
que deve seguir determinadas regras estatísticas. A literatura da área de marketing costuma tratar este
assunto com a abrangência e profundidade necessárias, discorrendo também sobre as limitações e
cuidados que devem ser observados.
Algumas das principais limitações decorrem de que as pesquisas de mercado se tratam de intenções de
compra, que nem sempre se concretizam no futuro. Também é preciso considerar a influência das
promoções de marketing e a fase do ciclo de vida do produto. Em outras palavras, a demanda inicial, pelo
poder de influência de campanhas de marketing e a novidade do produto, pode não se manter após certo
período a partir do seu lançamento. Um exemplo disto aconteceu numa dada empresa do ramo alimentício
que, após várias pesquisas encomendadas, lançou no mercado um novo biscoito tipo wafer com sabor de
goiaba. As vendas iniciais foram óptimas, porém, declinaram abruptamente passada a fase de
experimentação do público consumidor.

Analogia com produtos similares

Uma forma bastante utilizada para o lançamento de um produto é buscar dados históricos de vendas de
produtos similares, quando estes existem. Neste caso, deve-se atentar para o grau de similaridade do
produto de comparação.

Pelo momento vamos centrar a atenção no primeiro método quantitativo

MODELOS DE DECOMPOSIÇÃO DE SÉRIES TEMPORAIS

Estes modelos são amplamente utilizados e se baseiam no estudo da demanda acontecida no passado para
projectar a demanda futura. Naturalmente, são válidos apenas para produtos já existentes e cujo histórico
de vendas forneça dados suficientes para a realização da projecção. Estes modelos são mais adequados
quando já se atingiu um padrão estável de demanda e o produto se encontra na fase de maturidade do seu
ciclo de vida em que o padrão de consumo não sofre variações significativas de um período para outro. Por
questões de sazonalidade, costuma-se adoptar períodos de um ano, neste tipo de análise.
Apesar de não ser perfeito (lembre-se que nenhum método de previsão é infalível), o uso de séries
temporais é considerado um bom ponto de partida para auxílio nas estimativas de demanda futura. Mas
como o futuro é cada vez mais incerto e mutável, métodos que se apoiam demais no desempenho passado
devem ser utilizados em conjunto com outros modelos de previsão. Afinal, não estão de todo errados
aqueles que criticam previsões baseadas unicamente no passado, afirmando que é como dirigir um carro
olhando apenas para o retrovisor, conforme se falou no início do capítulo.
Uma série temporal de demandas passadas geralmente pode apresentar quatro componentes ou
características:
Nível ou Componente cíclica (C): o nível da demanda traduz um patamar do volume de vendas da série
temporal das demandas passadas, desconsiderando variações de sazonalidade e variações aleatórias. O
componente de nível pode se apresentar estacionado ou estar sofrendo alteração ao longo da série
temporal que está sendo interpretada.
Tendência (T): os dados históricos, representados pela demanda ocorrida em cada período, podem
apresentar uma tendência crescente, estabilizada ou decrescente. A tendência pode apresentar forma
linear ou não linear. É importante entender bem a distinção entre o nível e a tendência da demanda, para se
poder realizar previsões.
Sazonalidade ou componente sazonal (S): a sazonalidade de uma demanda representa um padrão de
variação que se repete com o passar do tempo, podendo ser interpretado e previsto. Não são variações
aleatórias e sim um padrão repetitivo. A demanda de determinados produtos pode apresentar pouca, ou
nenhuma, sazonalidade. Produtos como arroz, feijão, farinha e artigos de higiene, por exemplo, apresentam
demanda pouco influenciada pela época do ano. Brinquedos, cobertores, agasalhos etc., são exemplos de
produtos muito mais susceptíveis às influências de determinados períodos.

6
Aleatoriedade o componente residual/errática/irregular: devido a numerosos factores, a demanda
apresenta componentes aleatórios, que não podem ser previstos pelos modelos de previsão.
Porém, é possível comparar o erro que existe entre o modelo de previsão construído e a demanda passada
realmente ocorrida. Por meio da avaliação deste erro, é estatisticamente possível prever o erro esperado da
aplicação do modelo quando é feita uma projecção para o futuro. Um bom método de previsão de
demanda vai apresentar um erro estatístico comparável à característica de aleatoriedade da demanda,
permitindo que se tenha uma noção da dimensão desta variabilidade.
Em resumo, tem-se que toda série temporal pode ser analisada e decomposta em uma parte sistemática,
composta por nível, tendência e sazonalidade, e outra parte não sistemática composta pela aleatoriedade.
A figura seguinte ilustra a decomposição de uma série temporal.

Figura1
Objectivo: Procurar identificar os componentes sempre que estes estejam presentes, “decompondo” a série
de forma que o que fica por explicar sejam apenas movimentos irregulares e sem padrão, com propriedades
estatísticas adequadas (próximas do “ruído branco”).
Esta perspectiva é apresentada de uma forma sistematizada e intuitiva. Formalmente, esta análise traduz-se
no modelo genérico:
yt = f(Tt; St; Ct; t), em que a previsão de yt é feita a partir duma decomposição, e depois a uma
“recomposição” na fase de previsão mediante a aplicação de diferentes métodos em correspondência com
as características da série.
A componente t é essencial em todo o processo de modelação e previsão. Assim, é através de testes às
hipóteses/premissas relativas ao comportamento de t que se avalia a adequação do modelo estimado.
Dado que a componente residual não é observada, socorremo-nos das suas estimativas (os resíduos do
modelo) para efectuar esses testes. Se estas estimativas se afastarem dessas hipóteses, significa que algo
está a escapar ao analista, pois as flutuações não serão erráticas. Será necessário retomar a fase inicial de
modelação. Contudo, é usual concentrar a atenção apenas nos indicadores condensados que nos dão uma
medida dos erros de previsão.
Para fazer operacional este método, distinguem-se três tipos de modelo:
(1) Modelo Aditivo (os efeitos não são interdependentes, adicionando-se simplesmente):
yt = Tt + St + Ct + t
(2) Modelo Multiplicativo (efeitos interdependentes, p.e., sazonalidade crescente/decrescente ao longo do
tempo):
yt = Tt.St.Ct. t
(3) Modelo Misto: yt = Tt.St + Ct + t
A escolha do tipo de modelo prende-se sobretudo com o padrão da sazonalidade (constante ou variável
com o tempo). Tomar as diferenças entre máximo e mínimo para cada ano, fazendo depois uma regressão
sobre as médias anuais da variável. Se a correlação for significativa, então um modelo multiplicativo é o
mais adequado.
Previsão para séries sem sazonalidade
No que segue vamos considerar fundamentalmente a previsão da demanda, por isso em lugar de y t vamos
utilizar Dt nas fórmulas que se utilizam.

7
MODELO DA MÉDIA MÓVEL SIMPLES
A média móvel simples é facilmente calculada. Ela consiste na média aritmética dos n últimos períodos da
demanda observada. A fórmula seguinte representa o cálculo da previsão da demanda por meio da média
móvel simples.
Fórmula Previsão de demanda pela média móvel simples.
n
 Di
P j  i 1
n

Onde:
i = número de ordem de cada período mais recente
n = número de períodos utilizados para apurar (pesquisar) a média móvel
Di = demanda ocorrida no período i
Pj = previsão de demanda para o período j
É importante observar que, quanto maior o valor de n, maior será a influência das demandas mais antigas
sobre a previsão. Por isso, na prática, muitas vezes se realiza o cálculo da média móvel simples incluindo
apenas os 3 últimos períodos.
O modelo de previsão de demanda da média móvel simples é o mais elementar dentre os modelos de
previsão quantitativos e deve ser aplicado apenas para demandas que não apresentem tendência ou
sazonalidade, em outras palavras, em situações em que a demanda observada no passado apresente pouca
variação em seu comportamento, não havendo crescimento ou diminuição ao longo do tempo, tampouco
flutuações periódicas. Este tipo de demanda ocorre para produtos em sua fase de maturidade, do género
de alimentação básica, como arroz, feijão, macarrão, sal etc., ou produtos de higiene básica como sabão,
sabonetes, dentifrícios etc. Cabe lembrar que tais exemplos não constituem regra. A demanda pode ser
afectada por factores externos como promoções de vendas, acções da concorrência, panorama económico,
além de outros, que não devem ser desconsiderados e precisam ser incluídos na análise para a previsão.
O quadro seguinte, apresenta, como exemplo, a demanda de dois produtos ao longo dos últimos doze
meses. Apesar da média das vendas dos últimos doze meses dos dois produtos serem iguais, o produto “A”
apresenta maior variação na demanda que o produto “B”, como se pode perceber analisando-se o valor dos
desvios padrão e os respectivos gráficos da Figura 2 e da Figura 3.

Quadro Demandas dos produtos A e B

Figura 2 Gráfico vendas do produto A

Figura 3 Gráfico vendas do produto B

8
Significado do desvio padrão: enquanto a média aritmética é uma medida de tendência central de uma
série de dados, o desvio padrão fornece a média dos afastamentos dos dados em torno desta média.
As fórmulas seguintes fornecem o cálculo da média e do desvio padrão:
n onde: x = média aritmética
Cálculo da média x:  i x xi = cada uma das observações
x i  1
n = número de observações
n O desvio padrão é uma das medidas mais comummente
n usadas para distribuições, e desempenha papel relevante
Cálculo do desvio padrão S:  ( x i  x )2 em toda a estatística. Cabe notar que a unidade do desvio
S  i 1 padrão é a mesma da média.
n 1
Quanto maior o desvio padrão da sequência da demanda
real observada, maior será a amplitude do erro de previsão, ao se utilizar o método da média móvel
simples, uma vez que o desvio padrão da série está directamente ligado ao comportamento aleatório da
demanda.
Se forem utilizados todos os doze meses para realizar a previsão para o próximo mês, adoptando-se o
método da média móvel simples, obtém-se 244 unidades, para ambos os produtos. O fato de a demanda do
produto A apresentar um desvio padrão menor para a média significa que existe menos variação na série
temporal da demanda por esse produto. Uma decisão que pode ser tomada, em função da diferença de
magnitude do desvio padrão, neste caso, é manter um stock de segurança maior para o produto B e um
stock de segurança menor para o produto A.

Cálculo dos erros de previsão

Toda demanda sempre possui um componente aleatório. Este comportamento aleatório pode ser captado,
conforme foi dito anteriormente, por meio da medição dos erros de previsão. Em outras palavras, um bom
modelo de previsão capta o comportamento sistemático da demanda e indica o comportamento aleatório
pela amplitude do erro. A medida dos erros também faz parte do resultado da previsão e é fundamental por
duas razões:
- Os erros demonstram o quanto o modelo de previsão utilizado é adequado: conforme já mencionado, a
aplicação do modelo de previsão às demandas passadas observadas permite estimar as variações ocorridas
entre a demanda real e a demanda estimada pelo modelo. Quanto menor o erro, melhor a captação do
componente sistemático da demanda pelo modelo de previsão. Se o acompanhamento sistemático dos
erros de previsão, à medida que as demandas reais vão sendo obtidas se mantiver compatíveis com as
estimativas históricas, tem-se um indicativo de que o modelo de previsão adoptado continua válido;
- Os erros de previsão são importantes para o planeamento logístico: a estimativa da amplitude dos erros
de previsão, representada principalmente pelo seu desvio padrão, aliada ao nível de serviço ao cliente que a
empresa pretende oferecer vão determinar o volume dos stocks de segurança necessários. Quanto maior a
variação aleatória da previsão de demanda (maior o desvio padrão), maior deverá ser o stock de segurança
para manter o mesmo nível de serviço no atendimento ao cliente.
As características dos erros de previsão mais importantes de serem acompanhadas são: sua amplitude e a
tendência de viés.

9
Cálculo da média móvel simples utilizando o Excel
A seguir, utilizaremos uma folha de cálculo para exemplificar a previsão de demanda pelo modelo da média
móvel simples. A Figura a seguir mostra uma folha de cálculo no Excel com os cálculos necessários para a
previsão de demanda baseada no modelo da média móvel simples.
FIGURA4

Entrada de dados: na coluna A3:A15 foram digitados os números dos períodos, considerando o primeiro
período como o período número um. Os períodos de um a 12 possuem demanda ocorrida conforme
apresentado nas células B3:B14, o período 13 é aquele cuja previsão de demanda se deseja obter.
Previsão: para obter a previsão de demanda pelo modelo da média móvel simples, digite a fórmula
=MÉDIA(B3:B5) na célula C6 e arraste (copie) para todas as células do intervalo C6:C15. Desta forma se
obtêm os valores previstos pelo modelo das demandas já ocorridas (períodos quatro a 12) e a demanda
prevista para o período 13. a tabela de previsão para o produto B é montada de forma análoga à tabela para
o produto A.
Amplitude dos erros
A amplitude dos erros indica o tamanho da variação aleatória. São várias as formas de mensurar e
acompanhar a amplitude dos erros de previsão. Talvez a forma mais popular seja comparando-se o desvio
padrão da série das demandas observadas com o desvio padrão da previsão da demanda. Para encontrar o
desvio padrão de um modelo de previsão, os seguintes passos e cálculos devem ser feitos:
Cálculo do erro simples: o erro simples de previsão é a diferença entre a demanda real e a demanda
prevista. Na folha de cálculo, conforme mostrado na Figura 80, digite a fórmula =B6-C6 na célula D6 e copie
para todas as células da faixa D6:D14, arrastando com o rato.
Fórmula do Erro simples de previsão
Ei = D i – P i
Onde:
Ei = erro simples de previsão cometido no período i
Di = demanda observada no período i
Pi = previsão para o período i
Cálculo do erro absoluto: o erro absoluto é dado pelo módulo do erro simples (desconsiderando o sinal).
Digite a fórmula =ABS(D6) na célula E6 e arraste para as células E6:E14.
Fórmula Erro absoluto de previsão
EAi  E i
Onde:
EAi = erro absoluto cometido no período i

10
Ei = erro simples cometido no período i
Cálculo de desvio médio absoluto: representa a média acumulada dos erros absolutos dos últimos
períodos. Para calcular o desvio médio absoluto, digite a fórmula =MÉDIA($E$6:E6) na célula F6 e arraste
para todas as células da faixa F6:F14. O desvio médio absoluto resultante é o apresentado na célula F14,
pois representa a média dos doze períodos em que o modelo de previsão se baseou (na verdade utilizam-se
dados de nove períodos, porque não havia dados para calcular a média móvel simples para os períodos 1, 2
e 3).
Fórmula Desvio médio absoluto
n
1
DMAn 
n  EA
i 1
i

Onde:
DMAn = desvio médio absoluto do período n
EAi = erro absoluto cometido no período i
Cálculo do desvio padrão dos erros da previsão: desde que o componente aleatório da demanda seja
distribuído normalmente, o desvio padrão dos erros de previsão é definido pela fórmula seguinte Para
calcular o desvio padrão resultante, digite a fórmula =DESVPAD(D6:D14) na célula F17, conforme ilustrado
na Figura. É importante ressaltar que este desvio padrão representa o desvio da diferença entre a demanda
ocorrida e a demanda prevista através do modelo, o que é diferente do desvio padrão da série de
demandas observadas mencionado anteriormente.
Fórmula Desvio padrão da previsão

 e 
n

i e
i 1
S
ni
Onde:
S = Desvio padrão de n períodos
e i = Erro simples do período i
e = Média dos erros simples de n períodos

Tendência de viés
O erro de viés ocorre quando as variações da demanda efectivamente ocorridas, quando comparadas com
as previsões, apresentam um comportamento estatisticamente não aleatório. Em outras palavras, as
diferenças aparecem tendenciosamente para cima ou para baixo dos valores reais de uma série temporal, o
que pode indicar que a previsão da demanda está sendo consistentemente optimista ou pessimista demais.
Para acompanhar a ocorrência de viesses de previsão, digite a fórmula =SOMA($D$6:D6)/F6 na célula G6 e
arraste para as células da faixa G6:G14, conforme ilustrado na Figura acima
Fórmula Erro de viés
n

E
i 1
i
TS n 
DMAn
Onde:
TSn = tendência de viés (tracking signal) do período n
DMAn = desvio médio absoluto do período n
Ei = erro simples de previsão do período i
O valor da tendência de viés (TS) encontrado para cada período deve permanecer entre -4 e +4 (alguns
autores admitem variação entre -6 e +6).
Valores superiores ou inferiores indicam que há uma grande probabilidade de estar acontecendo erros de
viés. A causa do erro de viés deve ser analisada e identificada para cada período ou intervalo de períodos
em que isto aconteceu.

11
O ideal é colocar os valores da tendência de viés em um gráfico para melhor visualização, conforme feito na
figura seguinte
FIGURA 5

Gráfico de acompanhamento de viés

A aplicação do modelo da média móvel simples para o produto A resultou em um desvio padrão das
previsões de 32,6 unidades do produto. Os índices de viés variaram entre – 1,81 e + 1,39. Estes valores
demonstram que a aplicação deste método de previsão para o produto A é estatisticamente satisfatória.
Por outro lado, a aplicação do modelo da média móvel simples para o produto B resultou em um desvio
padrão das previsões de 168,2 unidades de produto. Os índices de viés variaram entre – 2,00 e + 4,86. Estes
valores demonstram que a aplicação deste método de previsão para o produto B não é estatisticamente
satisfatória. Por meio dos gráficos da Figura 2 e da Figura 3 é fácil perceber que a série de demandas do
produto B apresenta tendência de crescimento e ciclos de sazonalidade, o que contra-indica a utilização
deste modelo.

Fevereiro Março Abril Maio Junho Julho Agosto Setembro Outubro Novembro
Dezembro
Palavras:
Benigno, concorrentes, suprimentos, treinamento, agregação, sazonal, apuração, catracas, facturação
precisão, fogem do escopo, amargou, apurar
Benigno, competidores, suministros, entrenamiento, agregação, estacional, cálculo, torniquetes,
facturación, precisión, huyen del objetivo, amargó, calcular

12