Escolar Documentos
Profissional Documentos
Cultura Documentos
Bens de Consumo
Bens de Consumo
1 INTRODUO
No ambiente empresarial as previses de demanda so importantes, sobretudo para racionalizao dos recursos e para o planejamento correto do nvel de atendimento aos clientes. Toda atividade de planejamento requer previses sobre um fato futuro. Quanto melhor for essa previso, melhor sero as hipteses utilizadas para o planejamento.
Esse trabalho tem como objetivo, com base na literatura e na prtica, propor um processo de previso de vendas que atente no s a escolha e ajuste das tcnicas de previso, mas para a funo de previso como um todo. O Processo de Previso deve ser entendido como o conjunto de todas atividades envolvidas na gerao dos nmeros finais de previso, desde a definio de quais dados coletar at a ltima reviso da previso, passando pela coleta de dados, pelo seu tratamento, pela escolha dos modelos apropriados, pela anlise de erros, etc.
C om ponentes do Sistem a de Prev iso
L IT E R A TU R A
Processo de Previso
P e sq u is a de Cam po
( S oftw are)
2 MTODO DE PESQUISA
A pesquisa foi estruturada com o intuito de obter
P es qu isa d e C am po
elementos que enriqueam o processo de previso a ser sugerido. Para isso ela foi dividida em trs grandes blocos, veja Figura 1. A reviso da bibliogrfica, uma pesquisa junto aos desenvolvedores de softwares de previso e outra com empresas que elaboram previses. Cada uma dessas etapas ser descrita a seguir.
(Em presas )
S ug es to de P ro ce sso de P rev is o
3 REVISO BIBLIOGRFICA
3.1 O PROCESSO DE PREVISO
Em geral os trabalhos encontrados na literatura sobre previso concentra-se nas questes quantitativas. S mais recentemente tem se dado mais ateno ao tratamento do processo de previso como um todo. Citamos duas fontes que mostram as abordagens existentes para o tema. O processo de previso descrito a seguir proposto por BRANDER (1995) e est esquematizado na Figura 2. 1. Coletar e analisar os dados. Aps digitados no sistema os dados devem ser avaliados, ou seja, necessria uma anlise exploratria dos dados para que possveis distores sejam retiradas dos histricos. Essas distores podem ser causadas por: erro na digitao dos dados; falta de produtos; especulao do mercado sobre variaes de preo; eventos espordicos que tm relao com a demanda; expectativas de promoes, etc. Alm disso, para previso importante trabalhar com dados de demanda e no de entregas ou faturamento. Isso exige outro filtro manual" dos dados na entrada do sistema de previso.
2. Fazer a previso quantitativa - recurso computacional. Esse o momento em que as tcnicas quantitativas de previso devem ser aplicadas aos dados. As tcnicas quantitativas podem ser classificadas em duas categorias: as Sries Temporais e os Modelos Causais. A principal diferena est nas premissas dos modelos: os modelos causais procuram relaes do tipo "causa e efeito" para explicar o comportamento da varivel. J as Sries Temporais se baseiam na hiptese de que o futuro ser uma continuao ou repetio do passado. Atualmente, o computador tem tido papel fundamental para a aplicao de tais tcnicas.
Coletar e analisar os dados Mdulo de previso Clculo da previso N Reviso da previso Previso final OK Revisar o modelo Os erros esto satisfatrios? S
3. Revisar a previso. Para rever as previses algumas questes devem ser respondidas: Resultado do modelo matemtico factvel? As premissas adotadas na construo do modelo continuam vlidas? As informaes sobre os consumidores, concorrentes, distribuidores,..., esto disponveis? Sem elas os dados histricos no passam de um amontoado de nmeros, que muitas vezes no ajudam a entender a demanda e, portanto a prev-la. Existe algum esforo especial de Marketing? Se existe, qual o resultado esperado? Ocorrer algum evento que afete a demanda como Natal ou Dia das Mes?
4. Monitorar o erro. O erro de previso vai sempre existir devido componente aleatria da demanda. Entretanto importante acompanha-lo para garantir que esteja dentro de limites aceitveis, e para evitar o vis.
Uma outra abordagem apresentada por KRESS; SNYDER (1994). Sua sugesto est apresentada a seguir e est esquematizada na Figura 3. 1. Definir o propsito da previso. Porque a previso necessria? Como os resultados sero usados? Que tipo de deciso ser tomada com a previso? Essas questes iro influir nas caractersticas chaves da previso descritas a seguir. 2. Identificar as caractersticas chaves da previso. Qual a agregao por regio? A previso deve ser feita para cada regio ou para o pas como um todo? Qual o nvel de detalhe necessrio? Qual a agregao por produto? A previso deve ser feita por produto, famlia de produtos, modelos? Qual a extenso dos perodos de previso? As previses devem ser feitas por ms, quinzena, semana, dia? Qual o horizonte de previso? Quantos perodos so necessrios de antecedncia? 3. Identificar foras internas e externas. Fatores que influenciam a demanda como as foras internas so mais fceis de identificar como mudanas na planta da fbrica, lanamento de novos produtos, dados histricos de vendas, etc. J as foras externas como nvel de atividade econmica, aes do governo, aes dos competidores, etc. so mais difceis de obter, mas tambm podem ser valiosas fontes de informao previso. 4. Selecionar o modelo mais apropriado. A seleo do modelo mais apropriado funo de seis fatores: horizonte de previso, acurcia desejada, padres da demanda, custo da tcnica, disponibilidade de dados e complexidade dos modelos. 5. Fazer uma previso inicial: depois que as foras internas e externas foram consideradas e o modelo foi selecionado, ento a previso inicial deve ser elaborada. Na construo da previso inicial as condies de mercado e o plano de marketing devem ser considerados. Com a utilizao de informaes que inserem as previses em seu contexto, as distores sero evitadas. 6. Revisar previso com base na percepo dos usurios da previso: A previso deve ser revisada pelo responsvel pelas decises e se este tiver uma justificativa, ento a previso deve ser ajustada. 7. Fazer a previso formal: a previso formal estabelecida aps a reviso dos responsveis pelas decises ou at pela alta gerncia.
8. Monitorar o erro: A ltima etapa do processo de previso o monitoramento dos erros. Como os erros de previso afetam vrias funes de uma empresa, eles devem ser acompanhados de perto para que quando necessrio, aes corretivas no processo sejam tomadas rapidamente.
3-Identificar foras internas e externas 4-Selecionar o modelo mais apropriado 5-Fazer uma previso inicial 6-Revisar a previso com os usurios 7-Fazer a previso formal 8-Monitorar o erro
Figura 3 Processo de Previso de KRESS; SNYDER (1994)
como a empresa elabora sua previso. Os tpicos foram: anlise da demanda, estruturao do processo de previso, uso da inteligncia de vendas, uso dos modelos de previso, papel dos software, organizao do banco de dados.
empresa antecipadamente, pois assim ela poderia se preparar para entrevista com antecedncia.
de deciso so coerentes, entretanto, a elaborao das previses se torna problemtica quando o nvel de detalhe muito grande. Quando a demanda desagregada por produto, por regio e s vezes at por vendedor, no h mais padro e os dados de demanda tornam-se muito irregulares. Anlise dos erros de previso: esse outro ponto pouco tratado pelas empresas. No se encontrou a prtica acompanhamento dos erros de previso para tomada de aes corretivas. 5.5.3 INTELIGNCIA DE VENDAS O papel da inteligncia de vendas distorcido pelos problemas descritos no item anterior. Entretanto, pode-se dizer que quanto maior a concentrao das vendas por cliente, maior o peso dado a fora de vendas no processo de previso. Informaes como tendncias de mercado, aes da concorrncia e nveis de estoque dos clientes so trazidas pela fora de vendas. 5.5.4 MODELOS Neste tpico, verificou-se qual o grau de entendimento dos modelos quantitativos, por parte dos responsveis por prever e pelos usurios da previso. Apenas uma das empresas explora as tcnicas quantitativas. As outras tambm utilizam as tcnicas disponveis nos software, mas o peso maior da previso final est nos dados qualitativos. As previses so apresentadas como nmeros exatos, em tabelas. Vale ressaltar, que nenhuma empresa trabalha com intervalos de confiana e sua probabilidade de ocorrncia. O nvel de compreenso das tcnicas utilizadas superficial. O entendimento detalhado das tcnicas no tido como importante pela maior parte dos responsveis por prever. Isso de alguma forma dificulta a compreenso das relaes de causa e efeito do modelo. O usurio no capaz de interferir nele de modo a ajust-lo ou corrigi-lo. Essas constataes so indcios de que as empresas no tm explorado as oportunidades de melhorar a acurcia atravs do uso adequado dos modelos quantitativos de previso. verdade que os modelos so aproximaes da realidade, mas a utilizao apenas de tcnicas qualitativas traz uma srie de problemas as previses, como o vis do julgamento, a grande influncia dos eventos mais recentes, correlaes ilusrias, etc. 5.5.5 SOFTWARE Na pesquisa com as empresas verificou-se que os software tm sido utilizados basicamente como uma ferramenta de clculo e de validao das previses qualitativas. Pode-se dizer que, em geral, as previses quantitativas servem apenas "para dar uma base" para as qualitativas. 5.5.6 ORGANIZAO DO BANCO DE DADOS Na avaliao de quais dados so utilizados e como so registrados os tpicos analisados foram:
Tipo de dados utilizados: em geral, as empresas utilizam apenas os dados histricos de vendas. Em alguns casos so utilizados dados secundrios, uma das empresas utiliza dados de procura por um produto com demanda complementar ao seu, enquanto outra usa os dados Nielsen.
Os dados qualitativos para explicar o comportamento da demanda so pouco explorados, mas encontramos a prtica de registro sistemtico desse tipo de informao por uma das empresas que registra explicaes para alteraes inesperadas no comportamento de sua demanda.
Confiabilidade dos dados histricos: um problema encontrado que eles refletem aquilo que a empresa entregou e no o que o mercado gostaria de ter recebido. Para aqueles produtos que a empresa tem uma procura maior do que sua capacidade de oferta, os dados ficam distorcidos e pouco inconsistentes para prever.
empresa. Quanto menos flexvel for a empresa maior dever ser esse horizonte. Por outro lado, quanto mais gil a empresa, menor o horizonte necessrio. O horizonte deve ser, no mnimo, igual ao maior tempo de resposta da empresa (ou maior Lead Time acumulado). O perodo da previso para empresas de bens de consumo em geral de 1 ms podendo ser subdividido em semanas ou at dias dependendo da deciso. 6.1.3 IDENTIFICAR AS FORAS INTERNAS E EXTERNAS Antes de comear a prever fundamental identificar as foras internas e externas que interferem ou explicam o comportamento da demanda. Deve-se descrever detalhadamente todas as variveis que possam interferir na demanda da empresa KRESS; SNYDER (1994). 6.1.4 BOM ENTENDIMENTO DO MERCADO O bom entendimento do mercado til, sobretudo nos momentos em que so feitos os ajustes nas previses. Para isso, a empresa pode segmentar seu mercado segundo suas necessidades, canal de distribuio, regio, comportamento de compra, etc. Como foi verificado na pesquisa de campo - empresas esse tpico merece ateno especial daquelas empresas que tm suas vendas concentradas em poucos clientes. Nesse tipo de situao o mais lgico assumir uma abordagem de parceria, com os grandes clientes participando diretamente do processo. 6.1.5 SELEO DO MODELO Ainda antes do processo de previso, importante que se tenha cuidado na seleo do modelo mais apropriado sua demanda. Como sugerido por KRESS; SNYDER (1994) a seleo do modelo deve considerar os seguintes fatores: Horizonte de previso cada modelo indicado para previses em determinados horizontes; Perfil da demanda caso a demanda tenha algum tipo de particularidade como concentrao em poucos clientes, ou demanda irregular, isso deve ser considerado para selecionar o modelo; Componentes da demanda - cada modelo trata de forma diferente cada componente da demanda (mdia, sazonalidade, tendncia, aleatoriedade e ciclicidade) Custo custos de coleta de dados, custo de manuteno e desenvolvimento do modelo e custo para monitorar e atualizar as previses. Facilidade de entendimento as tcnicas mais complexas podem eventualmente at gerar resultados melhores. Entretanto, sua validao junto ao usurio da previso difcil se ele no entender e validar o mtodo.
6.1.6 PARTICIPANTES DO PROCESSO O processo de previso deve contar com a participao daqueles departamentos que tm contato direto com o mercado. Garantindo-se assim a utilizao das informaes mais recentes para prever. Os usurios das previses tambm devem participar do processo, pois assim podem compartilhar informaes na formulao das hipteses usadas para prever e validar os nmeros finais. A sua participao contribui para que todos se comprometam com os mesmos nmeros finais de previso. Assim aumenta-se a chance de que as decises das vrias reas da empresa tornem-se mais coerentes entre si. Essa uma prtica que foi encontrada nas empresas que tm processo de previso mais estruturado (item 5.5.2).
Para que as previses quantitativas geradas pelos software possam ser mais teis ao processo de tomada de deciso, indispensvel o entendimento e a validao do modelo pelo usurio da previso. Quando os modelos so compreendidos, os usurios podem avaliar seus pontos fortes e fracos e o software deixa de ser uma caixa mgica e passa a ser uma ferramenta til anlise da demanda.
Dados histricos; registro de excees; aes prvias sobre a demanda; regras de desagregao dos dados; etc. Variveis que atuam sobre a demanda, a conjuntura econmica, os dados dos clientes, da concorrncia, etc.
4.2.1
Coletar e analisar os dados
4.2.2
Mdulo de previso
4.2.3
Clculo da previso
4.2.5
Reviso gerencial Previso Quantitativa
4.2.4
Ajuste da Previso
sim
no
Previso final da gerncia
4.2.6
Tomada de aes sobre a demanda Reviso dos impactos das aes sobre a Previso da fora de vendas
4.2.7
Reviso da previso pela fora de vendas
4.2.8
Definio da previso final
Meta de vendas; aes tomadas para atuar sobre a demanda; outras informaes que a empresa julgar relevante
Previso Final
4.2.9
Monitoramento dos erros
Demanda Real
6.2.3 CLCULO DA PREVISO O clculo da previso o resultado da aplicao dos modelos quantitativos. Essa etapa pode se tornar crtica quando: H muitos itens para prever; O perodo de previso pequeno exigindo que os clculos sejam feitos freqentemente; A complexidade do modelo utilizado exige muitos clculos.
Em geral, o clculo deve ser executado pelo software de previso. O que foi notado na pesquisa de campo com as empresas que o rpido avano na informtica tem ajudado a diminuir os problemas acima citados. 6.2.4 AJUSTE DA PREVISO Aps o clculo das previses, deve-se fazer um outro filtro para identificar aqueles itens para os quais o modelo foi ineficaz. Faz-se, ento, um ajuste das previses para evitar que valores irreais continuem no processo. Esse filtro pode ser feito, por exemplo, com a definio de valores mximos e mnimos para cada produto, ou mesmo com a reviso de cada item se isso for vivel. Novamente o registro desse tipo de ajuste importante, pois pode ser til para correes futuras no mdulo de previso. Essa etapa do processo foi baseada na prtica de uma das empresas participantes da pesquisa. 6.2.5 REVISO GERENCIAL DA PREVISO Por mais completo que seja o modelo utilizado, a realidade , em geral, mais complexa do que um modelo pode representar. Por esta razo, as revises qualitativas so necessrias. Isto posto, depois de calculadas e ajustadas, deve ser feita uma anlise qualitativa das previses. Essa anlise gerencial deve contar com as informaes sobre o mercado que chegam at a empresa, ou que a prpria empresa prospecta. Deve ser considerada toda informao das variveis que atuam sobre a demanda como, a conjuntura econmica, os dados dos clientes e da concorrncia, etc. Para isso essas informaes devem ser sistematicamente coletadas e registradas. Uma diretriz a ser seguida nas revises qualitativas das previses dar nfase aos fatos, quelas observaes j consolidadas sobre o comportamento do mercado. Segundo CORRA et al. (1997) apesar dessas revises trabalharem com informaes qualitativas, um requisito fundamental para que elaboremos uma boa previso trabalhar com fatos e no apenas com meras opinies. Isso no quer dizer que as opinies so proibidas, mas que quando possvel devem ser evitadas.
6.2.6
COMPARAO ENTRE AS PREVISES INICIAIS E AS METAS CORPORATIVAS E TOMADA DE AES SOBRE A DEMANDA Essa atividade fruto das distores observadas na pesquisa de campo quando no h uma separao clara entre as metas e as previses e ocorrem os problemas citados no item 5.5.2. Uma vez definidas as previses, a direo da empresa deve decidir se os resultados esperados (previses) so compatveis com aquilo que se deseja (metas). Desta anlise so definidas as aes da empresa para influir na demanda como promoes, alteraes de preo, campanhas de vendas, etc. Definidas estas aes, as previses devem ser novamente ajustadas. Nesse momento as metas da fora de vendas devem ser estabelecidas. importante que essas metas sejam definidas antes da fora de vendas participar do processo de previso, caso contrrio, suas previses sero distorcidas. Essa distoro, como foi constatado na pesquisa de campo, ser fruto do conflito de interesses para estabelecer as metas. 6.2.7 REVISO DA PREVISO PELA FORA DE VENDAS Est atividade tambm surgiu para contornar os problemas observados na pesquisa de campo (item 5.5.2 e 5.5.3) que impedem a participao isenta da fora de vendas no processo de previso. Agora, a fora de vendas deve ser notificada de: Quais so as aes da empresa para influir na demanda; e, Qual sua meta.
Essas duas informaes so fundamentais para que cada vendedor possa elaborar sua previso de vendas. As aes da empresa influiro na demanda de cada vendedor. A sua meta tambm deve influir na sua previso, pois esta se relaciona ao "esforo de venda" que a empresa espera dele. Portanto, aps receber estas duas informaes cada vendedor deve elaborar a previso para sua carteira de clientes. A forma como ser elaborada, e as informaes adicionais que sero disponibilizadas para que os vendedores faam suas previses dependem da empresa. O que precisa ficar claro para fora de vendas, que suas previses no sero utilizadas no estabelecimento de suas metas. As metas devem ser estabelecidas antes da fora de vendas entrar no processo de previso, caso contrrio sua participao estar comprometida. Depois da fora de vendas participar do processo de previso, a empresa no poder mais rever suas aes para influir na demanda. Isso iria inserir uma nova distoro na previso da fora de vendas, porque em geral, esta deseja que os esforos para influir na demanda sejam os maiores possveis. A informao da fora de vendas deve ser utilizada apenas ao planejamento das outras reas.
6.2.8 DEFINIO DA PREVISO FINAL Uma vez definidas as previses da gerncia e da fora de vendas, preciso que se convirja para um nmero, que ser utilizado pela empresa como a previso final daquele perodo. Na definio da previso final a principal tarefa a comparao da previso da gerncia e da fora de vendas. Na Figura 5 esto representadas as situaes que podem ocorrer quando essa comparao feita. Na situao C as duas previses so coerentes, logo, a previso final pode ser definida na interseco da previso da gerncia com a da fora de vendas. J nas situaes A e B, a empresa deveria investigar as razes que originaram as diferenas entre as previses. Caso no haja nenhum indcio de que uma das previses est errada, a empresa dever definir a previso final como uma combinao das duas previses. O peso dado a cada previso vai depender de uma anlise crtica da empresa, de qual previso mais confivel. Essa escolha de quais pesos dar a cada previso, no incio pode ser difcil, mas com a repetio do processo e o acompanhamento dos erros, provavelmente ocorrer um aprendizado na sua definio. SITUAO A SITUAO B SITUAO C
ou
Previso da Gerncia
Obs.: Outro ponto ressaltado na Figura 5 que a previso deve ser determinada como uma faixa de valores provveis. O ideal que a empresa trabalhe com a previso de intervalos associados sua probabilidade de ocorrncia (item 5.5.4). Vale ressaltar que o processo de previso proposto foi elaborado com a premissa de que a fora de vendas uma rica fonte de informaes. Essa premissa foi assumida com base nas constataes feitas na pesquisa de campo. Entretanto, se a empresa considerar que a fora de vendas dispensvel previso, ento o processo termina com a elaborao da previso da gerncia.
6.2.9 MONITORAMENTO DOS ERROS Como sugerido por BRANDER (1995) e por KRESS; SNYDER (1994) o monitoramento dos erros serve a realimentao do processo de previso. com base nele que medidas corretivas sero tomadas. Sua insero na atividade de melhoria do processo de previso pode ser visualizada na Figura 6. O monitoramento dos erros til para direcionar aes de melhoria em cada uma das etapas do processo de previso. Por isso importante que se acompanhe a acurcia das previses em cada etapa: na previso quantitativa, previso final da gerncia, previso da fora de vendas e previso final. importante trabalhar com indicadores que avaliem tanto a magnitude como o vis dos erros. Entretanto, o monitoramento no deve se restringir ao clculo da acurcia. As melhorias s sero possveis quando as fontes dos erros forem identificadas. Por isso, essa etapa do processo tem como sada alm das medidas de acurcia, as razes associadas a cada erro de previso. A funo de monitoramento dos erros , na verdade, o momento no qual a empresa analisa o comportamento de sua demanda, e verifica quais foram as hipteses assumidas durante na elaborao da previso, que no se concretizaram. Uma questo presente nas empresas a definio de quando um erro de previso deve gerar uma reviso do processo. Qual deve ser o limite? Infelizmente, essa pergunta no tem uma resposta geral. Cada empresa deve ter um limite e esse limite est associado com sua capacidade de lidar com o erro de previso e as caractersticas do mercado no qual atua.
No h um procedimento timo para monitorar previses. O mtodo usado por uma empresa depende de fatores como a sazonalidade das vendas de seus produtos, sua habilidade de se ajustar rapidamente aos erros de previso, o nmero e tipos de produtos a serem monitorados, e a intensidade da competio no setor. (KRESS; SNYDER, 1994, p.203). Figura 6 Papel do Monitoramento dos Erros
necessrio cuidado na definio do perodo de monitoramento. Aes corretivas no podem ser tomadas a cada semana, pois muitas vezes o erro de previso est associado a um evento ou a aleatoriedades da demanda. Por outro lado as aes corretivas no podem esperar muito para serem tomadas, pois o processo pode estar com algum desvio.
7 BIBLIOGRAFIA
ADVANCED PLANNING SYSTEMS, INC. Internet, http://www.optiplan.com/optiplan.htm, nov. 1998. ARNOLD, T.J.R. Introduction to Materials Management. Prentice Hall, New Jersey, 1998. BELHUMEUR, P. SmartForecasts For Windows: Forecasting Software for P&IC Professionals. APICS - The Performance Advantage v.6, n.12, p.67-70, 1996. BRANDER, A. Forecasting and Customer Service Management. Helbing & Lichtenhahn, Frankfurt, 1995. CLONINGER, J. Internet, http://www.acgi.com/salesfcs.htm, mar. 1998. CHAMBERS, J.C.; MULLICK, S.K.; SMITH, D.D. How To Choose The Right Forecasting Technique. Harvard Business Review. v. 49, n.1, p. 45-74, 1971.(july-august) CHASE, R.B.; AQUILANO, N.J.; JACOBS, R. Production and Operations Management: Manufacturing and Services. McGraw-Hill, Boston, 1998. CORRA, H.L.; GIANESI, I.G.N. e CAON, M. Planejamento, Programao e Controle da Produo: MRPII/ERP Conceitos, Uso e Implantao. Atlas, So Paulo, 1997. CORRA, H.L.; GIANESI, I.G.N. Just in Time, MRPII e OPT: Um Enfoque Estratgico. Atlas, So Paulo, 1993. DIAS, G.P. Processo de Previso. So Paulo, 1998. 121p. (Trabalho de Formatura) Escola Politcnica, Universidade de So Paulo. ENGINEERING MANAGEMENT CONSULTANTS. Internet, http://polaris.net/~fourcast/, nov. 1998. GARDNER, E.S.; ANDERSON, E.A. Focus Forecasting Reconsidered. International Jounal of Forecasting. v.13, p.501-508, 1997. HOFF, J.C. A Pratical Guide to BOX-JENKINS Forecasting. Lifetime Learning Publications, California, 1983. KAMAKURA, W.A. Mtodos de Previso de Vendas: Um Estudo Comparativo. So Paulo, 1979. 254p. Dissertao (Mestrado) Escola Politcnica, Universidade de So Paulo. KRESS, G.J.; SNYDER, J. Forecasting and Market Analysis Techniques: A Pratical Approach. Quorum, Connecticut, 1994. KOEHLER, A. Software Reviews. International Jounal of Forecasting. v.13, p.567-582, 1997. LEVENBACH H. The Art And Science Of Forecasting: How To Achieve Excellence In Demand Planing. APICS The Performance Advantage v.6, n.12, p.43-45, 1996. LOGISTICS PLANNING ASSOCIATES, LLC Internet, http://www.webspawner.com/users/PSIPLANNER/, ago 1998. MAKRIDAKIS, S.; WHEELWRIGHT, S.C.; McGEE, V.E. Forecasting: Methods and Applications. John Wiley & Sons, New York, 1983. MAKRIDAKIS, S. Forecasting: Its Hole And Value For Planning And Strategy. International Jounal of Forecasting. v.12, p.513-537, 1996. MATIAS, J.B. Previso de Vendas em Marketing: Um Modelo Conceitual e a Verificao de sua Aplicabilidade no Mercado Industrial. So Paulo, 1993. 185p. Dissertao (Mestrado) Faculdade de Economia Administrao e Contabilidade, Universidade de So Paulo. MIRSKY, M. Demand Management: Bringing It Under Control. APICS - The Performance Advantage v.8, n.4, p.64-69, 1998. MONEYWORDS 1999 EDITION GLOSSARY. Internet, http://www.moneywords.com/glossary/full.cfm?Letter=F, out. 1998. MONTGOMERY, D.C.; JOHNSON L.A. Forecasting and Time Series Analysis. McGraw-Hill, New York, 1976. OR/MS TODAY. Internet, http://www.lionhrtpub.com/software-surveys.shtml, jun.1998. PAKER, G.C.; SEGURA, E.L. How to Get A Better Forecast. Harvard Business Review. v.49, n.2, p. 99-109, 1971.(march-april)
PALMATIER, G.E.; SHULL, J.S. The Marketing Edge: The New Leadership Role of Sales & Marketing in Manufacturing. John Wiley & Sons, New York, 1989. RHODES, P. Forecasting: Its Not Just Algorithms. APICS - The Performance Advantage v.8, n.4, p.70-72, 1998. SANDERS, N.R. The Status of Forecasting in Manufacturing Firms. Production and Inventory Management Journal v.38, n.2, p.32-36, 1997. SANDERS, N.R.; MANRODT, K.B. Forecasting Practices in US Corporations: Survey Results. Interfaces, v.24, n.2, p.92-100, 1994. VOLLMANN, T.E.; BERRY, W.L.; WHYBARK, D.C. Manufacturing Planing and Control Systems. Irwin, Illinois, 1988. WALLACE, T. Eliminate Bias. APICS - The Performance Advantage v.8, n.7, p.68-69, 1998. WALLACE, T. Forecasting - What, Where, And How Often. APICS - The Performance Advantage v.7, n.1, p.7071, 1997. WALLACE, T. Forecasting 101. APICS - The Performance Advantage v.6, n.3, p.80-81, 1996. WHEELWRIGHT, S.C.; MAKRIDAKIS, S. Forecasting Methods for Management. John Wiley & Sons, New York, 1977. WOILER, S.; WASHINGTON, F.M. Projetos: Planejamento, Elaborao e Anlise. Atlas, So Paulo, 1996.