FACULDADE DE CINCIA E TECNOLOGIA REA 1 ENGENHARIA DE PRODUO

Gesto de Suprimentos Tcnicas de Previso de Demanda

Salvador-BA 2012

Gustavo da Cruz Rosane Lopes Caldas Tiago Fonseca

Gesto de Suprimentos Tcnicas de Previso de Demanda

Trabalho apresentado na faculdade de Cincia e Tecnologia, no Curso de Engenharia de produo disciplina Logstica Empresarial, ministrada pelo MSc. Prof Joo Carlos Domingos da Silva.

Salvador-BA 2012

SUMRIO
INTRODUO 2. RESUMO 3. EVOLUO HISTRICA 4. CONCEITOS BSICOS RELEVANTES PARA GESTO DE SUPRIMENTOS E PREVISES DE DEMANDA 4.1 CADEIA DE SUPRIMENTOS (SUPPLY CHAIN) 4.1.1 VANTAGENS DA IMPLEMENTAO DO GERENCIAMENTO DA CADEIA DE SUPRIMENTOS 7 9 10 12 12 12

4.1.2 DESVANTAGENS DA IMPLEMENTAO DO GERENCIAMENTO DA CADEIA DE SUPRIMENTOS 13 4.1.3 CADEIA DE SUPRIMENTOS: EXEMPLO DE UMA INDSTRIA DE SUCO DE LARANJA 4.2 DEMANDA 4.3 LOGSTICA 4.4 DIFERENA ENTRE CADEIA DE SUPRIMENTOS E LOGSTICA 4.5 DIFERENA ENTRE CADEIA DE SUPRIMENTOS E CADEIA PRODUTIVA 4.6 CANAL DE DISTRIBUIO 5. TCNICAS DE PREVISO DE DEMANDA 5.1 OS MTODOS DE PREVISO DE DEMANDA 5.1.1 QUANTITATIVOS 5.1.1.1 MTODOS CAUSAIS/ANLISE DE CORRELAO 5.1.1.1.1 REGRESSO SIMPLES 5.1.1.1.2 COEFICIENTE DE CORRELAO E DETERMINAO 5.1.1.1.2.1 CALCULO DIRETO DE R2 5.1.1.1.3 REGRESSO MLTIPLA 5.1.1.2 SRIES TEMPORAIS 5.1.1.2.1 TCNICAS DE PREVISO DA MDIA 5.1.1.2.1.1 MDIAS MVEIS 5.1.1.2.1.2 MDIA EXPONENCIAL MVEL 5.1.1.2.2 TCNICAS DE PREVISO DA TENDNCIA 5.1.1.2.2.1 EQUAO LINEAR PARA A TENDNCIA 5.1.1.2.2.2 AJUSTAMENTOS PARA A TENDNCIA 5.1.1.2.3 TCNICAS PARA PREVISO DA SAZONALIDADE 5.1.2 QUALITATIVOS 5.1.2.1 OPINIES DE EXECUTIVOS 13 14 14 15 15 15 15 19 19 20 20 21 21 21 22 23 23 24 25 25 25 26 27 27

5.1.2.2 OPINIO DA FORA DE VENDAS 5.1.2.3 PESQUISA JUNTO AO CONSUMIDOR 5.1.2.4 MTODO DELPHI 6. MANUTENO E MONITORAO DO MTODO DE PREVISO 7. CONCLUSO 8. REFERNCIAS

28 28 28 29 31 32

INTRODUO
A gesto do setor de suprimentos constituda por elementos essenciais para um bom funcionamento dentro da organizao desde a aquisio de um material sua destinao final e at mesmo para a contratao de um servio. Devido concorrncia entre as empresas e as exigncias do mercado econmico, se faz necessrio que a gesto de suprimentos seja bem elaborada e executada de forma correta e sequenciada. Partindo desse pressuposto, sabendo que o mercado no possui um perfil esttico e est exposto a alteraes e oscilaes aleatrias e incontrolveis, a previso da demanda se faz indispensvel a todos os setores do ramo produtivo, com ateno especial ao Supply Chain Management (Gesto da Cadeia de Suprimentos, em ingls), que est incumbido de dinamizar e tornar mais eficiente o processo de troca de informaes e sincronizao de dados entre todos os participantes da cadeia produtiva, desde os fornecedores bsicos e essenciais, at o consumidor final. Com o passar do tempo, com a tarefa cada vez mais complexa de adequar a produo demanda de mercado, ferramentas foram sendo desenvolvidas e aperfeioadas com o intuito de reduzir o grau de erro desta relao e reduzir tambm a aplicao indevida de recursos na produo insuficiente, ou exagerada de produtos, e o afastamento no relacionamento entre a gesto dos centros de produo e seus fornecedores, alm do desperdcio de recursos com a manuteno de estoques, que geram custos. Apesar da constante alterao nos perfis consumidores, as empresas mantm a tarefa constante deixando um padro de imagem positivo, frente ao mercado consumidor, sobretudo, passando pela confiabilidade nos prazos de entrega. No geral, as tcnicas de previso de demanda utilizadas para guarnecer o Supply Chain Management podem ser classificadas como qualitativas (principalmente o Mtodo Delphi) ou quantitativas dependendo da natureza dos dados. Temos ainda, dentro do grupo das tcnicas quantitativas, as previses baseadas na anlise de sries temporais, e as previses baseadas em correlaes, e fatores de influncia causais, classificados como principais mtodos de previso de demanda utilizados atualmente pelas organizaes, no implicando na afirmao da inexistncia de outros mtodos, alguns at particularmente desenvolvidos para empresas especficas, embora utilizados em menor escala. A variedade dos

mtodos e tcnicas de previso de demanda visa fornecer suporte as mais variadas circunstncias nas quais as previses sero efetuadas, ou seja, a escolha da melhor tcnica/mtodo depende de fatores como: presena ou no de dados histricos, perodo da anlise em questo, alcance da previso, importncia do produto ou grupo de produtos envolvidos na previso (Curva ABC), grau de oscilao comum do mercado, dentre outros. Outro fator importante para manter e/ou melhorar a acuracidade das previses ao longo do tempo, o monitoramento da margem de erro de cada previso e a sua adequao a eventuais tendncias e outros fatores externos que possam representar uma ameaa ao grau de confiabilidade do mtodo utilizado. Em casos extremos, pode ser necessria a substituio do mtodo empregado em primeiro caso. As previses de demanda abrangem tanto as reas operacionais, quantos as reas encarregadas de nortear a estratgia das empresas, e so muito mais comuns do que se imagina mesmo quando no h uso de softwares ou modelos matemticos, alm de serem feitas atravs de mtodos qualitativos que so baseados no conhecimento e experincia daquele que est encarregado de fazer a previso. Por muitas vezes, as previses so a garantia do sucesso ou extino de organizaes mercado afora e devem ser tratadas com tecnicidade e importncia que realmente lhes so devidas, principalmente por que muitas operaes empresariais tm como ponto de partida, as previses, e o cumprimento da funo objetivo do Supply Chain Management depende de um sistema de planejamento capaz de desenvolver previses confiveis.

2. RESUMO
O gerenciamento do setor de suprimentos um conjunto de atividades seguindo uma regra bsica, ou seja, mtodos aplicados para um bom funcionamento e integrao nas redes de fornecimentos de matria-prima, transportes, estoques, centros de distribuio, varejistas, produtos em transio e produtos acabados. Visa estabelecer regras de melhorias no mbito de produo, distribuio e venda de forma integrada, com o objetivo de reduzir custos e melhorar a qualidade. Encontrar a melhor maneira de minimizar o vale temporal entre o momento da necessidade do cliente e a fabricao do produto, gerando a necessidade de estocagem nos diversos pontos do canal de distribuio, e adequar essas circunstncias a necessidade de manter estoques a nveis baixos, para reduzir a imobilizao de capital, extrapolao de validades e depreciao dos produtos, so os motivos que tornam as previses de demanda importantssimas e indispensveis para a Gesto da Cadeia de Suprimentos. Sabendo da importncia da execuo das previses, torna-se indispensvel manter um padro aceitvel de confiabilidade para estas previses, j que grande parte das operaes do canal de distribuio, sobretudo quando se usa a Gesto da Cadeia de Suprimentos, dependem intimamente dos dados encontrados pelos setores de planejamento, encarregados pelas previses. O uso de previses aplicadas nos processos de Gesto da Cadeia de Suprimentos, apesar de hoje em dia ser indispensvel e muito comum, no foi uma constante em toda a histria da relao Indstria - Cliente Final. Assim como o prprio processo de Gesto da Cadeia de Suprimentos, o uso das previses surgiu e se consolidou por conta da complexidade, e pelo nmero de participantes no processo logstico Fornecedor Centro de Produo Centros de Distribuio Pontos de Venda Cliente Final. Com o aumento das exigncias dos consumidores e das capacidades de produo da indstria mundial, sincronizar o processo logstico assegurando qualidade e eficincia visando a satisfao do cliente tornouse muito difcil, primeiramente por que as regras de mercado deixaram de ser impostas pelas fbricas e passaram a basear-se nas demandas, e em consequncia disso as oscilaes de mercado passaram a ser muito mais dinmicas e constantes, surgindo ento o conceito de tendncias. Do mesmo modo, fatores como inovao,

10

criatividade e comodidade, passaram a ganhar importncia progressivamente, no tocante a satisfao das demandas, o que exigiu ainda mais eficincia das indstrias e aumentou exponencialmente o processo de concorrncia interempresarial e, consequentemente, a busca por diferenciais mercadolgicos. As Previses de Demanda conceitualmente so um prognstico da situao futura das necessidades do mercado em relao a um produto, um conjunto de produtos, ou a uma cadeia produtiva, frequentemente aplicada com base em mtodos que podem ser classificados como: Qualitativos e Quantitativos. Antes de iniciar as previses, preciso conhecer os fatores que alteram a demanda, separando fatores internos (aos quais voc tem controle: preo, qualidade, gastos em publicidade, novos pontos de venda, introduo de produtos substitutos, etc.) e externos (preo do concorrente, economia, moda, regulamentao governamental, gostos do consumidor, etc.). Esta distino importante para incluir nos modelos causais tanto as variveis internas quanto as externas.

3. EVOLUO HISTRICA
O Conceito de Cadeia de Suprimentos surgiu da necessidade do homem produzir, armazenar e transportar materiais e produtos. Um exemplo de cadeia de suprimento nos tempos remotos o do arteso que recebia o pedido, por possuir as ferramentas e matrias-primas, confeccionavam e vendiam. No incio da era industrial os produtos eram praticamente empurrados para os clientes, como por exemplo, a Ford que confeccionava os veculos de um mesmo modelo e cor. Com o passar dos anos as exigncias dos clientes foram aumentando e o mercado se modificando, logo surgiu necessidade de se adequar a satisfao do cliente. Houve uma evoluo industrial, onde se passou a confeccionar de acordo com vontade e necessidade do cliente. O crescimento da populao mundial e da capacidade produtiva das indstrias, alm do advento da globalizao potencializou a competitividade das empresas e consequentemente, os processos logsticos empresariais ganharam uma complexidade sem precedentes. Produzir na quantidade e momentos mais adequados, manter estoques mnimos, e um bom

11

relacionamento com clientes e fornecedores, tornou-se cada vez mais complicado e mais vital para a sobrevivncia e perpetuao das empresas. Com as demandas sendo ditadas pelos consumidores, e o surgimento das chamadas tendncias mercadolgicas, o mercado consumidor passou a ser cada vez mais oscilante e mutvel, e atender as suas necessidades se tornava uma misso cheia de percalos. Fatores como criatividade, inovao, comodidade, qualidade, servios associados e, mais recentemente, sustentabilidade passaram a serem os mais importantes diferenciais de competitividade, deixando para trs aspectos como capacidade produtiva, multinacionalidade e status da marca. O conceito de qualidade, que vinha se maturando em paralelo com o processo de desenvolvimento da Cadeia Produtiva Industrial, passa a assumir a definio de satisfao ao cliente, e todos os setores do canal de distribuio passam a ter intrnseca responsabilidade. Em meio a todas essas mudanas, como se pode perceber pelo contexto histrico, saber hoje o que o mercado vai aspirar para amanh passou a ser uma tarefa de muita complexidade, e apesar disso de importncia fundamental para as empresas. a partir dessa necessidade e da importncia deste fator, que surgem as previses de mercado, dentre as quais a previso da demanda faz parte, sendo uma das mais importantes. Historicamente falando, a previso de demandas surge, quando o fluxo de venda de produtos passou a ser ditado pelo mercado consumidor, e no pela produo massiva, e evoluiu de acordo com a complexidade contnua que a cadeia de suprimento vem assumindo ao longo do tempo e do acrscimo de atividades e participantes neste processo. A previso da demanda a base do planejamento estratgico da produo, vendas e finanas de qualquer empresa. A partir delas as empresas podem desenvolver os planos de capacidade, de fluxo de caixa, de produo e estoque, de vendas, de compras, de mo-de-obra, entre outros. Tais previses tm importante funo no processo produtivo, pois permitem que os gestores do processo antevejam o futuro e planejem adequadamente as suas aes.

12

4. CONCEITOS BSICOS RELEVANTES PARA GESTO DE SUPRIMENTOS E PREVISES DE DEMANDA

Considerando que as Tcnicas de previso aplicadas na Gesto da Cadeia de Suprimentos, apresentam vrios conceitos e elementos especficos das reas de logstica, gesto da produo, marketing, entre outras, se faz necessria definio de alguns conceitos que devem ser amplamente empregados e explorados nesta obra, alm de esclarecer eventuais classificaes inadequadas de termos e expresses inerentes a estes temas.

4.1 CADEIA DE SUPRIMENTOS (SUPPLY CHAIN)

O Supply Chain Management (SCM) uma forma eficaz com a qual as empresas podem obter vantagens competitivas atravs da integrao desde a fabricao e abastecimento da matria-prima at a entrega do produto acabado ao consumidor. O SCM uma forma integrada de planejar, controlar e otimizar o fluxo de bens ou produtos, informaes e recursos, desde os fornecedores at o cliente final, gerenciando as relaes logsticas na cadeia de suprimentos, que representa uma rede de organizaes, ligadas nos dois sentidos, e os diferentes processos e atividades que produzem valor na forma de produtos e servios disponveis ao consumidor final.

4.1.1 VANTAGENS DA IMPLEMENTAO GERENCIAMENTO DA CADEIA DE SUPRIMENTOS

DO

Havendo uma boa comunicao entre colaboradores e fornecedores h uma melhora significativa nos processos, proporcionando relaes mais fortes e durveis;

Aplicando o sistema Just in time, manter o nvel de estoque baixo, ajudando a reduzir custos proporcionando mais economia.

Comprometimento e esforo;

13

Possibilidade de mudar o fornecedor caso este venha a falhar; Desenvolver vrias fontes de conhecimento e desenvolvimento.

4.1.2

DESVANTAGENS

DA

IMPLEMENTAO

DO

GERENCIAMENTO DA CADEIA DE SUPRIMENTOS

A demanda do cliente varia de um ms para outro, tornando o projeto de produo mais complexo; Pode haver variao dos produtos fabricados devido s adaptaes do mercado quanto ao clima, moda, melhorias e etc, forando a busca de novas adaptaes no que se refere a satisfazer o cliente melhorando preos e qualidade;

Perda de cargas por falta de infraestrutura nos ferrovirios, rodovias; exemplo, o de transbordo, h plataforma que s recebe os produtos e redireciona-os podendo gerar gargalos ou falta dos produtos, gerando desequilbrios dos fluxos.

Nas distribuies via martima podem ocorrer vrios problemas como, por

4.1.3 CADEIA DE SUPRIMENTOS: EXEMPLO DE UMA INDSTRIA DE SUCO DE LARANJA

Fornecedores Defensivos Fertilizantes Tratores Implementos Mudas Irrigao Fazenda Coleta de transportes

14

Indstria Recebimento de Estoque

Engarrafador

Consumidor Final = Cliente

Estoque e Armazenagem Distribuidor Transporte

4.2 DEMANDA
a quantidade de um bem ou servio que os consumidores desejam adquirir por um preo definido em um dado mercado, durante uma unidade de tempo. A demanda pode ser interpretada como procura, mas nem sempre como consumo, uma vez que possvel demandar (desejar) e no consumir (adquirir) um bem ou servio. A quantidade de um bem que os compradores desejam e podem comprar chamada de quantidade demandada.

4.3 LOGSTICA
Segundo o Council of Supply Chain Management Professionals apud Novaes (2001), Logstica o processo de planejar, implementar e controlar de maneira eficiente o fluxo e armazenagem dos produtos, bem como os servios e informaes associados, cobrindo desde o ponto de origem, at o ponto de consumo, com o objetivo de atender requisitos do consumidor (2001, p.36).

15

4.4 DIFERENA ENTRE CADEIA DE SUPRIMENTOS E LOGSTICA

A cadeia de suprimentos se refere integrao dos processos de negcios desde o consumidor final at o fornecedor primrio, a logstica se refere aos processos de cadeia que liga clientes e fornecedores.

4.5 DIFERENA ENTRE CADEIA DE SUPRIMENTOS E CADEIA PRODUTIVA

A cadeia de suprimentos parte de uma ou vrias cadeias produtivas relacionadas com planejamentos, movimentos e armazenamentos dos materiais. A cadeia produtiva determina um conjunto de atividades de um segmento de mercado como, por exemplo, cadeia produtiva de alimentos, txtil e etc.

4.6 CANAL DE DISTRIBUIO

Conjunto de unidades organizacionais, instituies e agentes, internos e externos, que executam as funes que do apoio ao marketing de produtos e servios de uma determinada empresa. Dentre as funes de suporte ao marketing incluem-se compras, vendas, informaes, transporte, armazenagem e estoque, programao da produo, e financiamento. Qualquer unidade organizacional, instituio ou agente, que execute uma ou mais funes de suporte ao marketing, considerado um membro do canal de distribuio.

5. TCNICAS DE PREVISO DE DEMANDA

16

As tcnicas de previso de demanda so ferramentas utilizadas pela equipe de planejamento e/ou de marketing das organizaes, com o objetivo de planejar as vendas futuras, bem como de obter informaes suficientes sobre as futuras movimentaes mercadolgicas, alm de avaliar fatores como qualidade do produto, de forma a atender as necessidades do mercado. No ato da utilizao de uma tcnica de previso de demanda, precisa-se enquadrar o modelo de previso a um grupo mnimo de etapas bem definidas que vo nortear o sucesso da previso, caso o modelo esteja bem estruturado, ou que vo dar o indicativo do ponto de partida para a readaptao do modelo a sua devida funcionalidade. As etapas de um modelo de previso se estruturam conforme a figura a seguir:

Figura 1: Etapas do modelo de Previso da Demanda Fonte: http://www.eps.ufsc.br/disserta98/erley/cap3.html

No processo de execuo das etapas de adequao de um modelo de previso, logicamente, a coleta de dados histricos sobre os perfis de demanda imprescindvel para selecionar o melhor mtodo de previso, ou seja, o que melhor se adapte as circunstncias em que as previses sero desenvolvidas. Mesmo nos

17

mtodos onde no h o uso de modelos matemticos, as previses so feitas com base em experincias passadas, ou no sucesso das tcnicas utilizadas em primeiro plano. Alguns cuidados devem ser tomados na coleta e anlise de dados, dentre eles os seguintes: Quanto mais dados histricos forem coletados e analisados, mais confivel a tcnica de previso ser; Os dados devem buscar a caracterizao da demanda pelos produtos da empresa, que no necessariamente igual as vendas passadas, pois pode ter ocorrido falta de produtos, postergando as entregas, ou deixando de atende-las; Variaes extraordinrias de demanda como promoes especiais ou greves, devem ser analisadas e substitudas por valores mdios, compatveis com o comportamento comum da demanda;

O tamanho do perodo de consolidao dos dados (semanal, mensal, trimestral, anual etc.) tem influncia direta na escolha da tcnica de previso mais adequada, assim como na anlise das variaes extraordinrias. Uma vez que os dados so coletados, levando-se em conta todas as

premissas descritas anteriormente, pode-se optar pelo mtodo de previso mais adequado para a demanda em questo. Cada mtodo tem seu campo de ao e a sua aplicabilidade, e nenhum deles pode ser considerado universal. Dentre os fatores que devem ser levados em considerao para a escolha do melhor mtodo para uma determinada previso, a relao custo/acuracidade figura entre as mais importantes. Tcnicas que levam a uma acuracidade maior so normalmente as mais caras na elaborao. Deve-se ter em mente qual a disponibilidade de investimento da empresa para esse fim, e quanto custa o erro decorrente de uma previso incorreta. Com base na relao custo/acuracidade, deve-se primeiramente escolher o melhor mtodo. Nem sempre o modelo mais caro, ou mais acurado, o mais adequado para determinada previso. Normalmente para questes estratgicas, o investimento em previso pode representar um investimento mais robusto, enquanto que para questes operacionais os investimentos em previses so reduzidos. Outros fatores que merecem destaque na escolha do mtodo de previso so: Disponibilidade de dados histricos;

18

Disponibilidade de recursos computacionais; Experincia passada com aplicao de determinada tcnica; Disponibilidade de tempo para coletar, analisar e preparar os dados e a previso; Perodo de planejamento para o qual necessitamos da previso. Alm disto, podemos listar algumas caractersticas que, em geral, esto

presentes em todos os mtodos de previso, e so inerentes s caractersticas especficas que determinam as escolhas para cada previso e suas circunstncias. So elas:

Suposio de que as causas comuns que influenciaram a demanda passada continuaro a agir no futuro; As previses no so perfeitas, pois no somos capazes de prever todas as previses aleatrias que ocorrero; A acuracidade das previses diminui com o aumento de tempo entre a concepo da previso e o evento da demanda; A previso para grupos de produtos mais precisa do que para produtos individualmente, visto que agrupados, os erros individuais se minimizam. Contextualizando, a Gesto da Demanda na Cadeia de Suprimentos

configura-se como a pea incumbida de proporcionar a integrao entre os processos de demanda e a suprimentao do sistema, deste modo, faz-se fundamental para a Cadeia de Suprimentos que trata da gesto da estrutura entre processos integrados e segmentos de clientes. Estes dois fatores apenas podem gerar uma boa interatividade e sincronizao, se pautados no bom relacionamento de trabalho entre o marketing e a Gesto da Cadeia de Suprimentos, como exposto na figura a seguir:

19

5.1 Os Mtodos de Previso de Demanda

O processo de previso de demanda classificado em diversos mtodos, mas nesta obra, sero citados os principais, onde so classificados em quantitativos e qualitativos. O que os diferenciam so as bases de dados, para os quantitativos, a base de dados so ndices histricos, j para os mtodos qualitativos, a base de dados utilizada a experincia e conhecimento de especialistas e profissionais da rea em questo que podero opinar a respeito da demanda futura. Alm destes, existe os mtodos causais que alguns autores classificam como mtodo quantitativo e ser exposto nessa obra da mesma forma.

5.1.1 Quantitativos
Tambm chamados de modelos matemticos, devido ao fato de utilizarem modelos matemticos para obter os valores previstos, permitindo o controle do erro. Este mtodo subdividido em: anlise de sries temporais, e anlise de correlao ou mtodos causais.

20

5.1.1.1 Mtodos Causais/Anlise de Correlao

Consiste na demanda de determinado item ou conjunto deste, que se relaciona com uma ou mais variveis, seja ela interna ou externa organizao. Essas variveis so conhecidas como variveis causais, contudo sua escolha realizada atravs de uma ligao lgica com a previso da demanda. Neste modelo matemtico existem subdivises, que tem como mais utilizado a regresso da demanda sobre a varivel causal, em que se tenta descobrir atravs do uso de valores da demanda e variveis causais, com base em equaes matemticas. A regresso pode ser classificada em regresso simples em que se considera a demanda ligada a apenas uma varivel; e regresso mltipla que considera duas ou mais variveis causais supostamente ligadas demanda. Classificada como modelo do mtodo causal, a regresso simples representada pela seguinte funo Y=f(x), onde Y a varivel dependente (a demanda) e x a varivel causal. O smbolo f(x) indica que os valores de Y s podem ser determinados se existirem valores de x, logo Y uma funo de x. J para regresso mltipla, tem-se Y=f(x1, x2,...,xn), onde x1, x2,..., xn, o conjunto de n variveis independentes das quais Y poder ser expresso com funo.

5.1.1.1.1 Regresso Simples

Atravs da utilizao da regresso simples, onde a varivel dependente est ligada somente a uma varivel independente, pode-se obter vrias possibilidades para o formato da funo Y=f(x). Exemplos: Y=a+bx, onde se obtm uma regresso linear simples; Y=abx, em que a regresso exponencial; Y=a+bx+cx2, em que a regresso parablica. Neste tipo a, b e c so parmetros que devem ser determinados, sendo que c que determinar se a parbola ser cncava ou convexa. Para os exemplos acima, a, b e c so valores numricos constantes.

21

5.1.1.1.2 Coeficiente de correlao e determinao

O coeficiente de correlao pode ser utilizado para medir a maior ou menor perfeio do relacionamento entre as variveis X e Y. Este coeficiente pode sumir valores que varia de -1 a +1, sendo que quando r=+1, a correlao esta perfeita, contudo os valores Y so obtidos com preciso por meio de X, bem como as variveis variam no mesmo sentido. Se r=-1, indica que as variveis so inversamente relacionadas, quando aumenta o valor de uma, a outra diminui. Quando o valor de r se aproxima de 0, a correlao entre X e Y se torna mais fraca.

5.1.1.1.2.1 Calculo direto de r2

O calculo do coeficiente de determinao r2, pode ser feito sem a necessidade de se ter o valor do coeficiente de correlao. Para isso, basta utilizar a seguinte formula:

5.1.1.1.3 Regresso Mltipla

Neste tipo de regresso, as possibilidades ficam vagas, devido formato da funo, bem como ao nmero de variveis independentes que se quer considerar. Em sua larga utilizao, deve-se destacar a regresso linear mltipla, representada da seguinte forma:

22

5.1.1.2 Sries Temporais

Para este mtodo necessrio que se tenha conhecimento de valores passados da demanda, ou da varivel que se deseja prever. O termo srie temporal nos indica uma coleo de valores da demanda tomados em instantes especficos de tempo, normalmente com intervalos iguais. O objetivo adquirir informaes adequadas para previso de valores futuros da demanda com base nos valores passados. Atravs dos valores passados, podem-se encontrar as mdias utilizveis para previses. Para a utilizao de um mtodo de previso com srie temporal, necessrio plotar os dados passados e identificar os fatores que esto implcitos nas caractersticas da curva obtida pela projeo. Uma curva temporal pode conter fatores de interferncia como tendncia, sazonalidade, variaes irregulares e variaes randmicas (ao acaso). Conceituando, a tendncia consiste num movimento gradual de longo prazo, direcionando os dados. A sazonalidade refere-se a variaes cclicas de curto prazo, relacionadas ao fator tempo, como a influncia de alteraes climticas ou festas e frias de fim de ano. As variaes aleatrias, como o prprio nome evidencia, so alteraes da demanda passada resultantes de fatores excepcionais, imprevisveis, e que no podem ser inclusos nos modelos. Dados de variaes aleatrias devem ser excludos da srie temporal, e substitudos por mdia coerentes com o perodo em questo. A previso executada atravs de srie temporal efetivamente executada, quando trata-se a interferncia de cada um dos fatores citados anteriormente, e agrupa-se o conjunto de resultados em uma nica previso. Este

23

tipo de previso pode ser, ento, subdividida em partes que consistem no tratamento de cada fator, atravs das ferramentas citadas a seguir:

5.1.1.2.1 Tcnicas de previso da mdia

Normalmente dados histricos possuem componentes randmicos, ou interferncias que prejudicam a previso exata da demanda. Esses fatores so de difcil controle, e a extino dessas influncias impossvel, porm, o tratamento matemtico das mdias pode minimizar o efeito negativo desses fatores. Este tipo de tratamento faz com eu valores historicamente altos, ou vice-versa, se combinem gerando uma previso mdia com menos variabilidade, quando comparada a capacidade de previso dos dados originais. As tcnicas para a previso das mdias buscam privilegiar dados mais recentes que, logicamente, representam mais fielmente a situao presente dos dados. Apesar da boa aplicabilidade, o tratamento das mdias funciona de maneira mais satisfatria quando os dados histricos variam em torno de uma mdia. As tcnicas de previso das mdias mais utilizadas (mdias mveis, e mdias exponenciais mveis) sero citadas a seguir.

5.1.1.2.1.1 Mdias mveis

A mdia mvel utiliza os dados de um nmero predeterminado de perodos, normalmente os mais recentes, para gerar suas previses. A cada novo perodo de previso percorrido, este inserido, e o mais antigo da srie, retirado. A equao das mdias mveis a seguinte:

Onde: Mmn = Mdia mvel de n perodos; Di = Demanda ocorrida no perodo i;

24

n = Nmero de perodos; i = ndice do perodo (i = 1, 2, 3,... n)

5.1.1.2.1.2 Mdia exponencial mvel

Na media exponencial mvel a importncia de cada observao decresce no tempo, sendo que em progresso geomtrica ou exponencialmente. Segundo Tubino, (2000), Em sua forma de apresentao mais simples, cada nova previso e obtida com base na previso anterior, acrescida do erro cometido, corrigido por um coeficiente de ponderao. A equao est representada a seguir:

Onde: Mt = Previso para o perodo t; Mt-1 = Previso para o perodo t-1; a = Coeficiente de ponderao; Dt-1 = Demanda no perodo t-1. O coeficiente de ponderao a e fixado dentro de uma faixa que varia de 0 a 1. Quanto maior seu valor, mais rapidamente o modelo reagira a uma variao real da demanda. Se for muito grande, as previses ficaro muito sujeitas s variaes aleatrias da demanda; se for muito pequeno, as previses podero ficar defasadas da demanda real. Normalmente variam-se os valores de entre 0,05 a 0,50. Os pacotes computacionais que trabalham com estes modelos incluem simulaes para ajustar o nvel de a de maneira a reduzir o erro de previso. As previses baseadas na mdia exponencial mvel so as mais utilizadas, principalmente em sistemas computacionais, pois seu modelo exige a armazenagem de apenas 3 dados por item (previso passada, demanda e coeficiente de ponderao), e de fcil entendimento.

25

5.1.1.2.2 Tcnicas de previso da tendncia

A tendncia refere-se ao movimento gradual de longo prazo da demanda e o clculo de sua estimativa realizado pela identificao de uma equao que descreva tal movimento. A plotagem dos dados passados permitira a identificao desta equao, que pode ser linear ou no (exponencial, parablica, logartmica, etc.) (TUBINO, 2000). Para tratar previses de demanda que apresentam tendncia existem 2 tcnicas mais empregadas, sendo uma baseada em equao linear e outra no emprego do ajustamento para obteno de seu componente.

5.1.1.2.2.1 Equao Linear para a Tendncia

Uma equao linear possui o formato: Y = a + bX Onde: Y = Previso da demanda para o perodo X; a = Ordena origem, ou intercepo no eixo dos Y; b = Coeficiente angular; X = Perodo (partindo de X = 0) para previso.

5.1.1.2.2.2 Ajustamentos para a Tendncia

MARTINS & LOUREIRO (2004) afirmam que consiste no tratamento de demandas que apresentam tendncia, de maneira que os dados resultantes da previso considerem essa variao. A plotagem de dados passados permite identificar uma equao que pode ser linear ou no linear (exponencial, polinomial, logartmica, etc.). Tal plotagem pode ser feita com o auxilio de clculos matemticos ou softwares computacionais que determinem uma equao de ajustamento para a tendncia.

26

Devido facilidade de uso e maior aplicabilidade, comumente utiliza-se softwares como o MS Excel na identificao desta equao. O ajustamento confivel quando seu valor de R-quadrado prximo ou o prprio 1. Quando se ajusta uma linha de tendncia a seus dados, o Excel automaticamente calcula o Rquadrado. Na tabela a seguir, podemos verificar a interpretao de cada modelo plotado de tendncia.

5.1.1.2.3 Tcnicas para previso da sazonalidade

27

A sazonalidade expressa em termos de uma quantidade, ou de uma percentagem, da demanda que desvia-se dos valores mdios da srie. Caso exista tendncia, ela deve ser considerada. O valor aplicado sobre a mdia, ou a tendncia, conhecido como ndice de sazonalidade. Exemplo: ndice de Sazonalidade de cervejas em janeiro = 1,30, ou seja, 30% maior que a mdia anual. A forma mais simples (e menos acurada) de considerar a sazonalidade nas previses da demanda consiste em empregar o ltimo dado da demanda, no perodo sazonal em questo, e assumi-lo como previso. Exemplo: Venda de casacos em julho/2009 = Vendas em 28 julho/2008 + tendncia Geralmente, a tcnica de tratamento da sazonalidade mais eficaz e aplicada pelas empresas consiste em obter o ndice de sazonalidade para os diversos perodos, empregando a mdia mvel centrada, e aplic-los sobre o valor mdio (ou tendncia) previsto para o perodo em questo. O ndice de sazonalidade obtido dividindo-se o valor da demanda no perodo pela mdia mvel centrada neste perodo. O perodo empregado para o clculo da mdia mvel o ciclo da sazonalidade. Quando se dispem de dados suficientes, calculam-se vrios ndices para cada perodo e tira-se uma mdia.

5.1.2 Qualitativos
Os mtodos qualitativos so mtodos baseados no julgamento e experincia de pessoas, que tenham condies de opinar sobre a demanda futura, atravs de suas prprias caractersticas, bem como seus conhecimentos. So muito utilizados que no se tm dados ou quando h lanamento de novos produtos. Nesta obra citaremos as tcnicas mais comuns deste modelo.

5.1.2.1 Opinies de executivos

28

composto por um grupo pequeno de executivos de diversas reas da empresa que se rene para desenvolver uma previso. O objetivo deste grupo fazer previses de longo prazo, envolvendo o planejamento estratgico da empresa, bem como o desenvolvimento de novos produtos, processo. Este mtodo tem como vantagem reunir talentos com diferentes vises do assunto, o que proporciona qualidade e preciso do que venha se obter. J como desvantagem que um profissional com forte personalidade poder influenciar de forma exagerada sobre o grupo, impondo em maior ou menor grau sua prpria opinio.

5.1.2.2 Opinio da Fora de Vendas

Neste mtodo as previses so realizadas com base na opinio dos profissionais envolvidos na parte de vendas, pois os mesmos tem contato dirio com os produtos da empresa, bem como com os consumidores, alem de conhecer a evoluo do mercado.

5.1.2.3 Pesquisa junto ao consumidor

Obter opinio dos consumidores essencial para as organizaes, pois eles so os principais responsveis para que se possa determinar a demanda. Devido a quantidade excessiva de consumidores, na maior parte dos casos, pesquisar a opinio de cada um em particular se torna invivel, contudo as empresas fazem uso da pesquisa de mercado, a qual procede-se por amostragem. Mas vale lembrar que este tipo de pesquisa requer tecnicidade, alem de detalhes minuciosos no seu planejamento.

5.1.2.4 Mtodo Delphi

Atravs do uso do mtodo quantitativo, pode-se destacar o mtodo Delphi, pois consiste na reunio de um grupo de pessoas, nos quais devero opinar sobre o

29

assunto com base nas regras determinadas para coleta e depurao das opinies. Geralmente, utilizado em situaes em que os dados se tornam escassos ou inexistentes, em alguns casos, tendo como alternativa o julgamento pessoal para se fazer as previses. Os participantes deste mtodo so profissionais, especialistas no assunto, alm disso, as opinies so expostas atravs de um questionrio prestabelecido, onde evitando possveis sobreposies entre os participantes. A principal vantagem do mtodo Delphi, deve-se ao fato de proporcionar obter opinies pessoais sem que haja intervenes por parte do grupo, o que poderia distorcer os resultados. Contudo muito sensvel a qualidade do instrumento de coleta de opinies.

6. MANUTENO E MONITORAO DO MTODO DE PREVISO

Depois da escolha e implementao do mtodo de previso da demanda, se faz necessrio o acompanhamento do desempenho das previses executadas e a avaliao de sua confiabilidade de acordo com a variao dos dados. O Monitoramento pode ser feito por meio de clculos especficos, acompanhamento da incidncia de erro (variao entre o valor efetivo e o valor previsto), ou das duas formas conjuntas. A manuteno e monitoramento de um modelo de previso de um mtodo de previso tm o objetivo de: Verificar a acuracidade dos valores previstos; Identificar, isolar e corrigir variaes anormais; Permitir a escolha de tcnicas, ou parmetros mais eficientes.

Uma das formas de monitorar o desempenho de um modelo analisar o erro acumulado, que deve tender a zero, j que o esperado para os modelos so valores alternados entre acima e abaixo do valor real, em propores semelhantes, o que significaria a anulao deles entre si. O erro acumulado deve ser comparado a um mltiplo do desvio mdio absoluto, denominado Mean Absolute Deviation (MAD). Geralmente a comparao feita com o valor de 4 MAD. Caso o modelo extrapole

30

esse limite, o problema deve ser identificado e o modelo deve ser revisto. A frmula do MAD :

Onde: x i = Demanda ocorrida no perodo; m(X) = Demanda prevista no perodo; n = Nmero de perodos. Uma caracterstica do MAD, admitindo-se que os erros distribuem-se de forma aleatria, que MAD = Desvio padro/1,25. Alm da anlise do erro acumulado com o uso do MAD, pode-se analisar a efetividade de um mtodo atravs da plotagem grfica das previses, utilizando limites superior e inferior de controle de dados (LSC e LIC, respectivamente) que, comumente, equivalem a um intervalo de 4 MAD (correspondentes a 3 desvios padro), onde pode-se visualizar a adequao do mtodo empregado com os dados a esses parmetros. A cada previso, o novo erro dever ser plotado, e caso ele extrapole algum dos limites, medidas corretivas devem ser empregadas.

Exemplo de grfico de controle para o erro de previso. De uma forma geral, so muitos os fatores que podem afetar o desempenho de um mtodo de previso, dentro das suas circunstncias de aplicao, sendo que as ocorrncias mais comuns so:

31

O mtodo de previso pode estar sendo utilizado de forma incorreta, ou sendo mal interpretado;
O mtodo de previso perdeu a validade devido mudana de uma varivel

importante, ou devido ao aparecimento de uma nova varivel; Variaes irregulares de demanda podem ter acontecido em funo de eventos extraordinrios; Aes estratgicas da concorrncia, que venham a afetar a demanda; Variaes aleatrias inerentes aos dados da demanda. Um modelo de mtodo de previso da demanda funciona de maneira adequada, quando apenas fatores aleatrios e do ambiente externo lhes causam alteraes substanciais. Quando h a interferncia de outros tipos de erro, eles devem ser investigados para a identificao das causas, e posterior correo de anomalias.

7. CONCLUSO

32

O estudo realizado nos proporcionou o entendimento da ligao existente entre o gerenciamento da cadeia de suprimentos e as tcnicas utilizadas para realizar previses de demanda, onde atravs da gesto de suprimentos, as organizaes se tornam mais competitivas, devido a sua eficincia no processo de integrao existente na cadeia produtiva, em que se obtm informaes do processo desde a aquisio da matria prima at a aceitao do produto final pelo consumidor final. Logo para que a empresa possa atender as necessidades de consumo mercadolgicas, torna-se necessrio realizar previses, onde ser possvel visualizar demanda futura, com base nos dados histricos existentes na empresa, que se faz uso da demanda quantitativa ou em experincias j adquiridas pelos profissionais e especialistas da rea, atravs do mtodo qualitativo. Com base nas previses de demanda, as organizaes podero verificar a aceita de seu produto no mbito mercadolgico, onde se torna possvel prever se o mesmo far com que a empresa continue no mercado, contribuindo para o desenvolvimento do fabricante, bem como poder observar se organizao ir entrar no processo de declnio e at mesmo a sua extino, mas para que se obtenham essas informaes, sero necessrios que os dados utilizados para fazer as previses sejam confiveis e bem planejados pelos gestores, pois aparentar ter uma importncia extrema para as empresas.

8. REFERNCIAS

33

MOREIRA, Daniel Augusto. Administrao da produo e operaes. 2Ed. Ver. E ampl. So Paulo: Cengage Learning, 2011.

http://www.eps.ufsc.br/disserta98/erley/cap3.html http://www.simpep.feb.unesp.br/anais/anais_13/artigos/984.pdf http://botelhojk.vilabol.uol.com.br/armp/armp-1semestre/Apostilas/previsaoaula-teoria.htm http://www.logisticadescomplicada.com/controle-de-estoques-logistica-eprevisao-de-demanda/ http://www.nortegubisian.com.br/onde-atuamos/logistica-e-gestao-da-cadeiade-suprimentos/139-metodos-de-previsao-de-demanda http://pt.wikipedia.org/wiki/Gest%C3%A3o_da_cadeia_log%C3%ADstica

TUBINO, Dalvio Ferrari. Manual de planejamento e controle da produo. Dalvio Ferrari Turbino.-2.ed. - 7. reimpr.- So Paulo; Atlas 2006