Você está na página 1de 12

Gustavo Luis Zan (UNISINOS) gustavo_lz@yahoo.com.br Rua Amplio Carlotto, 150, ap.

. 301 CEP 95185-000 Carlos Barbosa - RS Miguel Afonso Sellitto (UNISINOS) sellitto@unisinos.br

Resumo Este artigo apresenta um estudo de caso triplo, no qual foram aplicadas tcnicas de previso de demanda a trs produtos, com comportamento diferentes. Os produtos pertencem linha de fabricao de uma empresa que opera com materiais eletromecnicos. Os produtos tm, respectivamente, comportamento tendencial positivo, aleatrio e sazonal. Inicia-se com uma reviso bibliogrfica sobre previses de demanda, partindo-se para a apresentao dos casos. Dados histricos de vendas so coletados e modelados e anlise comparativas de desempenho das tcnicas so conduzidas. Melhorias na previso de demandas de itens so importantes para a empresa estudada, pois esta opera principalmente a pronta-entrega. Palavras-chave: Previso de demanda; comportamento de venda de produto; produo para estoque; modelos de previso; erros de previso. Abstracts This paper presents a triple case study, in which xx techniques of forecast in three products, with different behavior, were applied. The products belong to a manufacturing line of a company, which operates with electromechanical materials .The products have a xx positive, random and seasonal pattern, respectively. It was started by a bibliographical review on forecast, prior to the presentation of the cases. Historical data of sales were collected and shaped, and a comparative analysis of techniques performance was conducted. Improvements in the forecast are important for the studied company, for it operates mainly with make-to-stock production, which allows ready-to-delivery practice. Keywords: Forecast; product sales pattern; make-to-stock production; forecast models; forecast Errors.

Data de recebimento: 03/05/2007 Data de aprovao: 31/05/2007

Tcnicas de previso de demanda: um estudo de caso triplo com dados de venda de materiais eletro-mecnicos

Tcnicas de previso de demanda: um estudo de caso triplo com dados de venda de materiais eletro-mecnicos

1. InTROduO E ObjETIvO
GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106
Previses de demanda de produtos podem ter um papel importante no sistema produtivo de uma empresa, pois decises relevantes podem se subordinar a esta previso. Se o prazo de entrega requerido por clientes for maior do que o tempo de atravessamento de produo, no possvel esperar pelo pedido para comear a produzir. Neste caso, para manter elevado o nvel de servio, a empresa deve produzir em antecipao s demandas de clientes e uma tcnica de previso de demanda pode ser til. Considerando que o fluxo de materiais parte dos fornecedores e chega ao cliente, passando pela empresa produtora, possivelmente a atividade mais jusante seja a previso de demandas. Esta ocorre no ponto de consumo do produto e transmitida no sentido inverso dos materiais, sincronizando as atividades da cadeia ao ritmo de consumo do produto. Decises empresariais podem obter subsdios na previso de demanda do produto: nvel de produo e de distribuio; financiamento e fluxos de caixa; contratao e treinamento de recursos humanos (BALLOU, 2005). Oliveira, Marins e Dalcol (2006) afirmam que imperfeies na previso de demanda podem causar riscos e incertezas em manufatura. Previses de demanda no so isenta de erros. Quanto mais distantes no tempo, menor a verossimilhana da previso. Deve-se cuidar, no s na coleta das informaes mas tambm na escolha da tcnica, estabelecendo uma prtica racional para identificar, dentre os mtodos j propostos, o mais adequado ao caso (BALLOU, 2005). Previses de demanda podem ser usadas em vrios tipos de negcios e segundo vrios mtodos. Relatos de casos surgem na literatura. Dentre outros, citam-se: Werner et al. (2006) que usam a suavizao exponencial simples, para prever a demanda de produtos agrcolas e produzir uma estimativa da rea a ser plantada; Antonio e Pires (2005), que usam simulao computacional para a previso de demandas em cadeia de suprimentos; e Arajo, Arajo e Adissi (2005), que usam multivariveis na previso de demanda de um call-center, O objetivo deste artigo apresentar um estudo de caso triplo, conduzido em uma empresa fabricante de itens eletromecnicos. A empresa, at ento, tem confiado em mtodos qualitativos, principalmente aqueles ligados s opines de especialistas de vendas ou mtodos quantitativos menos elaborados, tais como mdias mveis simples. A empresa produz aproximadamente trs mil itens e a previso de demanda assume um papel importante, pois suporta decises de capacidade, reduo de inventrio e, conseqentemente, do tempo de atravessamento da produo. O objetivo geral da pesquisa foi testar algumas tcnicas de previso de demanda para trs produtos e auxiliar o planejamento das ordens de fabricao para a rea de programao e controle da produo (PCP) da empresa. Os objetivos especficos foram: (i) escolher alguns produtos relevantes para o resultado da empresa; (ii) realizar anlises grficas das vendas de diversos itens, em alguns meses, dos principais produtos; e (iii) escolhidos trs produtos, testar algumas tcnicas disponveis na literatura.

2. REvISO bIblIOGRfIcA
Previses de vendas auxiliam na determinao de que recursos so necessrios, na programao dos recursos existentes, aquisio de recursos adicionais e permite diminuir estoques ao longo de cadeias produtivas (VOLLMANN et al., 2006). Demandas podem ser independentes ou dependentes. Uma demanda independente no se relaciona outra demanda, enquanto a dependente se subordina demanda de outro item (ARNOLD, 1999). Em demanda dependente, um modo de previso o MRP. Demanda independente requer tcnicas de previso (DAVIS, AQUILANO e CHASE, 2001). Previses podem ser qualitativas e quantitativas. Previses qualitativas so originadas de julgamentos de especialistas ou de pessoas que possam, por experincia ou conhecimento adquirido, antever eventos de interesse ou correlacionar circunstncias, de

96

Gustavo Luis Zan; Miguel Afonso Sellitto

na qual Y = varivel dependente; a = interseco no eixo Y; b = inclinao; e X = varivel independente. O coeficiente de correlao, o erro-padro e o intervalo de confiana so indicadores da qualidade da regresso. O coeficiente de correlao r mostra a relao entre as variveis dependente e independente. Valores positivos indicam variao no mesmo sentido das variveis. Valores negativos indicam variveis inversamente relacionadas. Um valor nulo significa que no existe relao. Quanto mais prximo r estiver de + 1,00, maior a correlao. O coeficiente de determinao r2 o quadrado do coeficiente de correlao e varia de 0 a 1,00. Valores prximos a 1,00 so desejveis e indicam que as variveis dependente e independente esto fortemente correlacionadas (BUSSAB, 1998). O erro-padro da estimativa syx, mede a proximidade dos valores da varivel dependente, ao redor da linha de regresso. a diferena entre a demanda real e a previso. O intervalo de confiana considera a variabilidade da previso e dado pela equao 2 (MOREIRA, 2001).

na qual = varivel dependente calculada pela equao; e = Z nmero de desvio padro correspondente rea sob a curva normal. Alguns valores so z = 1,64 (confiana de 90%), z = 1,96 (95%) e z = 3,0 (99,7%). Os mtodos de sries temporais utilizam informaes histricas, que dizem respeito somente varivel dependente. Esses mtodos baseiam-se na hiptese de que o padro anterior da varivel dependente persistir no futuro, ou seja, os pressupostos mais importantes que explicam o passado, tambm explicaro o futuro (MARTINS e LAUGENI, 2002). Os mtodos de sries temporais que foram utilizados no caso, so: mdia mvel simples, mdia mvel ponderada, suavizao exponencial e padro sazonal. O mtodo da mdia mvel simples utilizado para estimar a mdia de uma srie temporal e filtrar variaes aleatrias. Calcula-se a mdia para os n perodos de tempo mais recentes, como na equao 3 (MOREIRA, 2001)

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106


97

modo que possa gerar uma previso das vendas em perodo futuro. Moreira (2001) cita quatro tipos de previso qualitativa: opinies de executivos; opinio da fora de vendas; pesquisas junto a consumidores; e mtodo Delphi. Este ltimo, consiste na reunio de um grupo de pessoas que deve opinar sobre vendas, dentro de regras para a coleta e tabulao das opinies e, principalmente, extrao de concluses. O nome Delphi faz referncia ao orculo de Delfos que, na antigidade, supostamente podia fazer previses. Previses quantitativas se valem de modelos matemticos e incluem o mtodo causal e a anlise de srie temporal. O mtodo causal usa dados histricos para variveis dependentes e independentes, procurando relaes causais entre fatores que influenciam a demanda de um produto, tais como, campanhas promocionais, condies econmicas e aes de concorrentes. As relaes entre o fator a ser previsto e outros fatores so expressas por funes matemticas, tais como, a regresso linear ou outras regresses. A anlise da srie temporal se baseia em dados histricos da demanda, reconhecendo tendncias e padres sazonais, que, ao serem extrapolados, auxiliam a projetar o futuro (RITZMAN e KRAJEWSKI, 2004). Na regresso linear, h um relacionamento funcional entre variveis correlacionadas. Um parmetro (varivel independente) usado para predizer outro (varivel dependente), de modo linear, como na equao 1 (RITZMAN e KRAJEWSKI, 2004).

Tcnicas de previso de demanda: um estudo de caso triplo com dados de venda de materiais eletro-mecnicos

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106

na qual Dt = Demanda real no perodo t; n = Nmero total de perodos na mdia; e Ft+1= Previso para o perodo t+1. Em alguns casos, os dados mais recentes tm uma maior importncia para se calcular a previso do que os dados mais antigos. Sendo assim, no mtodo da mdia mvel ponderada, cada demanda tem seu prprio peso e a soma dos pesos tem que ser igual a 1 (MOREIRA, 2001). Na equao 4, apresenta-se um exemplo com n = 3.

O mtodo da suavizao exponencial atribui s demandas recentes, maior peso do que s demandas iniciais e trs tipos de dados: a previso do ltimo perodo, a demanda para este perodo e um parmetro de aproximao alfa (),entre 0 e 1. A suavizao exponencial dada pelas equao 5 (MOREIRA, 2001)

na qual Dt = Demanda do perodo; e Ft = Previso calculada no ltimo perodo. O mtodo do padro sazonal usado para produtos que possuem uma venda sazonal. Essas vendas seguem padres que se repetem em intervalos denominados perodos sazonais. Pode-se usar a regresso nolinear. Nesse caso, o relacionamento das variveis segundo um polinmio de ordem superior a dois. O coeficiente de determinao r2 tem o mesmo significado que para a regresso linear. O erro de previso a diferena entre a previso e a demanda real e dado pela equao 6 (BATTERSBy, 1968; COBRA, 1994).

na qual Et = Erro de previso para o perodo t Como tcnicas de previso so sujeitas a erros, necessrio verificar sua acuracidade, atravs de indicadores. A soma cumulativa dos erros de previso CFE (cumulative sum of forecast error) mede a soma total dos erros e dada pela equao 7. O erro mdio de previso calculado pela equao 8. Pode-se ainda calcular o erro mdio ao quadrado MSE (mean squared error) e o desvio absoluto mdio MAD (mean absolute deviation), conforme as equaes 9 e 10 (MOREIRA, 2001). O sinal de monitoramento, tambm uma medida da preciso de uma previso e dado pela equao 11 (RITZMAN e KRAJEWSKI, 2004).

98

Gustavo Luis Zan; Miguel Afonso Sellitto

3. ESTudOS dE cASO
O objetivo do artigo criar previses de vendas para trs produtos de uma empresa de fabricao de materiais eltricos. Para escolher os trs produtos, foram analisados grficos de venda dos principais produtos. As informaes foram coletadas entre janeiro de 2003 a dezembro de 2005 e escolhidos trs tipos de comportamento: tendencial, aleatrio e sazonal. A escolha incluiu o conhecimento de mercado que a empresa tem, no se limitando a grafismos. O software utilizado foi o Explorer APO, um suplemento que pode ser instalado no Microsoft Excel, indicado por Ritzman e Krajewski (2004). O primeiro produto A. A engenharia de produto da empresa acredita que o produto est na fase de introduo, o que justifica o comportamento tendencial positivo apresentado. Acrescenta-se que o produto novo, tem tido aceitao no seu segmento e tem aumentado sua participao em novas aplicaes; e por ora, o preo inferior ao concorrente. Na figura 1, apresenta-se o grfico de vendas do produto. Opta-se pela srie temporal linear.
12000 10000 8000

6000 4000 2000 0


jan /0 3 m ar /0 3 m ai/ 03 jul /0 3 se t/0 3 no v/0 3 jan /0 4 m ar /0 4 m ai/ 04 jul /0 4 se t/0 4 no v/0 4 jan /0 5 m ar /0 5 m ai/ 05 jul /0 5 se t/0 5 no v/0 5

Ms
FIGURA 1 Grfico de vendas do produto tendencial. Os dados foram colocadas no Explorer APO, que ofereceu a equao 12. Os r e r2 e o erro-padro da estimativa so apresentados na tabela 1. A relao entre variveis dependente e independente positiva. Fazendo projees semestrais de vendas, com intervalo de confiana de 90% (z = 1,64) e comparando com as demandas reais, verifica-se a proximidade de resultados (tabela 2)

TABELA 1 Coeficientes de correlao, determinao e erro-padro da estimativa para o produto A.


Indicadores r r2 Syx valores 0,69 0,48 1.762,97

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106


99

Quantidade

Tcnicas de previso de demanda: um estudo de caso triplo com dados de venda de materiais eletro-mecnicos

TABELA 2 Previso de vendas para o prximo semestre do produto A. Ms Janeiro/06 Limite superior Limite inferior Limite superior Limite inferior Limite superior Limite inferior Limite superior Limite inferior Limite superior Limite inferior Limite superior Limite inferior Previso 10.258,19 4.475,65 10.415,51 4.632,97 10.572,83 4.790,29 10.730,15 4.947,61 10.887,47 5.104,93 11.044,79 5.262,25 demanda real 10.452 8.340 10.824 8.304 6.516 12.080

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106

Fevereiro/06 Maro/06 Abril/06 Maio/06 Junho/06

O segundo produto estudado, B. A empresa acredita que B esteja em maturidade e tenha comportamento aleatrio, pois (i) a venda depende do tipo de projeto desenvolvido; e (ii) a competio de mercado. Na figura 2, apresenta-se o grfico de vendas do produto. Escolheu-se a mdia mvel para a previso.
900 800 700 600

Quantidade

500 400 300 200 100


0

Figura 2 grfico de vendas do produto aleatrio.

Usa-se a mdia mvel simples, em trinta e seis observaes mensais, com n escolhido por anlise do CFE, MAD, MSE e sinal de monitoramento, com n = 2, n = 4, n = 6, n = 8 e n = 10 (figura 3). Os melhores resultados so para n = 8, apresentados na tabela 3. A equao final por esse mtodo, dada pela equao 13:

Para mdia mvel ponderada, fizeram-se clculos com n = 3, n = 4, n = 6, n = 8 e n = 10 (figura 4). Os melhores resultados foram encontrados para n = 8, apresentados na tabela 4. 100

ja n /0 3 m ar /0 3 m ai / 03 ju l /0 3 se t/0 3 no v/ 03 ja n /0 4 m ar /0 4 m ai / 04 ju l /0 4 se t/0 4 no v/ 04 ja n /0 5 m ar /0 5 m ai / 05 ju l /0 5 se t/0 5 no v/ 05

Ms

Gustavo Luis Zan; Miguel Afonso Sellitto

900 800 700 600

Demanda real n=2 n=4 n=6 n=8 n=10

Quantidade

500 400 300 200 100 0

Ms
FIGURA 3 Simulaes da mdia mvel simples.

TABELA 3 Resultados para n = 8 da mdia mvel simples.


Indicador CFE MAD MSE Sinal de Monitoramento
900 800 700 600

Valor -87,00 138,05 34.310,00 -0,63

Demanda real n=3 n=4 n=6 n=8 n=10

Quantidade

500 400 300 200 100 0


ar /0 3 m ai/ 03 jul /0 3 se t /0 3 no v/ 0 3 jan /0 4 m ar /0 4 m ai/ 04 jul /0 4 se t /0 4 no v/ 0 4 jan /0 5 m ar /0 5 m ai/ 05 jul /0 5 se t /0 5 no v/ 0 5 jan m /0 3

Ms
FIGURA 4 Simulaes da mdia mvel ponderada.

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106


101

ai/ 03 jul /0 3 se t/0 3 no v /0 3 jan /0 m 4 ar /0 4 m ai/ 04 jul /0 4 se t/0 4 no v /0 4 jan /0 m 5 ar /0 m 5 ai/ 05 jul /0 5 se t/0 5 no v /0 5

/0 jan

ar

/0 3

Tcnicas de previso de demanda: um estudo de caso triplo com dados de venda de materiais eletro-mecnicos

TABELA 4 Resultados para n = 8 da mdia mvel ponderada.


Indicador CFE MAD MSE Sinal de monitoramento valor -88,68 136,92 33.580,00 -0,65

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106

A tabela 5 apresenta os pesos timos para n = 8, obtidos por simulao computacional. O modelo dado pela equao 14. TABELA 5 Pesos das demandas da mdia mvel ponderada.
Peso 1 Peso 2 Peso 3 Peso 4 0,30 0,20 0,15 0,10

Valores dos pesos para n = 8

Peso 5 Peso 6 Peso 7 Peso 8

0,09 0,08 0,07 0,01

Fez-se a suavizao exponencial para = 0,10; 0,30; 0,50; 0,70 e 0,90 (figura 5). Os melhores resultados so para = 0,50 (tabela 6). O modelo o da equao 15.

900 800 700 600

Demanda real =0,10 =0,30 =0,50 =0,70 =0,90

Quantidade

500 400 300 200 100 0

r /0

r /0

v /0

v /0

r /0

5 t/0

t/0

t/0

ja n

ja n

ja n

ju l

ju l

ma

ma

ma

ma

ma

ma

no

no

ju l

Ms
FIGURA 5 Suavizao exponencial.

102

no

se

se

se

v /0

i/ 0

i/ 0

i/ 0

/0

/0

/0

/0

/0

/0

Gustavo Luis Zan; Miguel Afonso Sellitto

TABELA 6 Resultados para = 0,50 da suavizao exponencial.


Indicador CFE MAD MSE Sinal de monitoramento Valor -31,87 162,94 45.927,00 -0,20

O terceiro produto estudado foi C, lanado em agosto de 2003. Os acumulados vendidos nos meses dos trs anos, de 2003 a 2005, so apresentados na figura 6.

4.000 3.500 3.000 2.500 2.000 1.500 1.000 500 0


Fe ve rei ro ho ei r o Ab ril Ju lh Ma Ag os Ma Ju n Ou tu bro No ve m De ze m Se tem Ja n bro o bro bro ro io to

Figura 6 acumulado de vendas mensais do produto C, nos trs anos estudados.

C sazonal e foi planejado para ter demanda mais forte no inverno. Para verificao do comportamento, definem-se como perodos sazonais, os doze meses do ano. Verifica-se uma demanda maior nos perodos de abril. Em agosto de 2004, ocorreu uma promoo, com reduo de preo e aumento da demanda. Sendo assim, as vendas desse perodo no podem ser consideradas como uma regularidade atravs dos anos. Opta-se pela tcnica de regresso polinomial, de ordem superior a dois. Os perodos sazonais considerados so os doze meses de cada ano. Para comparao, observam-se as linhas de tendncia e o grfico de vendas, com polinmios de ordem 3, 4 e 5 (figura 7). Obtiveram-se as equaes dos polinmios e o coeficiente de determinao r2. Com as equaes, calculam-se as demandas previstas para cada perodo sazonal, substituindo-se na equao, o ms correspondente (x). Analisando-se os resultados, encontram-se os menores erros para o polinmio de ordem 4. Os meses que apresentam erros mais crticos so abril e agosto. Em agosto de 2004, ocorreu a j citada promoo. uma situao imprevisvel e espordica, que deve ser desconsiderada. Em abril, tem-se uma regularidade de demanda maior. De um modo geral, no longo prazo, o mtodo apresenta bons resultados, visto que o erro total quase nulo. Este erro acumulado quase nulo permite que se faa a previso global para o perodo, respeitada a temporalidade, ou seja, havendo uma antecipao da produo, possvel produzir o montante a ser vendido praticamente sem erro.

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106


103

Tcnicas de previso de demanda: um estudo de caso triplo com dados de venda de materiais eletro-mecnicos

4.000,000 3.500,000

Demanda real Polinmio de ordem 3 Polinmio de ordem 4 Polinmio de ordem 5

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106

3.000,000 2.500,000 2.000,000 1.500,000 1.000,000 500,000 0,000 0 2 4 6 8 10

12

14

FIGURA 7 Simulaes do produto sazonal. O modelo final para o mtodo dado pela equao 16:

4. dIScuSSO
As tcnicas de previso estudadas para os diferentes comportamentos de produtos, so pouco exploradas na empresa em estudo. Atualmente, a empresa trabalha apenas com a tcnica da mdia mvel simples, com n = 3. No produto com comportamento tendencial, o mtodo de regresso linear mostrou-se satisfatrio e parece ser adequado. Para o produto com comportamento aleatrio, que o comportamento da grande maioria de produtos da empresa, fizeram-se vrias tentativas para obter-se parmetros de comparao dos diferentes mtodos utilizados. Os mtodos que apresentaram os melhores resultados foram a mdia mvel ponderada e suavizao exponencial. Analisando-se os grficos, a suavizao exponencial teve uma resposta mais rpida, em relao demanda real, devido aos dados recentes ter um peso maior, onde os resultados mostraram-se quase como um espelho, com uma pequena defasagem. Porm, verificando-se os nmeros absolutos, a mdia mvel mostrou-se mais eficaz. Um ponto negativo que se pode encontrar nesse mtodo, a grande quantidade de armazenamento de dados e o seu tempo de processamento. Dependendo do software e investimentos aplicados, poder ser mais rentvel e aconselhvel a aplicao da tcnica de suavizao exponencial, que tambm apresentou resultados significantes. A tcnica da mdia mvel simples pode continuar sendo aplicada para os produtos que apresentam pequenas variaes. Um ponto que deve ser considerado, o fato de a empresa j utilizar esse mtodo e dessa forma, no precisar mudar suas anlises para esses produtos com pequenas variaes. Para o produto com comportamento sazonal, sugere-se dar ateno para a previso do ms sazonal de abril. Analisando-se em longo prazo, os resultados foram satisfatrios. A tcnica foi apresentada mais como aplicao cientfica. Dificilmente ser utilizada devido ao baixo nmero de produtos que apresentam esse comportamento dentro da empresa.

104

Gustavo Luis Zan; Miguel Afonso Sellitto

Estas tcnicas devem ser implementadas de forma gradativa na empresa, visto que dependem de software e treinamento de pessoal qualificado. O uso do software mostrou-se eficaz e indispensvel, devido diversidade de produtos e simulaes necessrias. Fizeram-se ajustes at se obter os melhores resultados e erros possveis. O perodo considerado para todas as previses, foi 36 meses. Dentro da realidade da empresa, esses valores podem alterar-se. No mercado que a empresa atua, exige-se entrega imediata do produto, podendo-se ter como conseqncia a perda de negcios, se no houver pronta entrega. Sendo assim, parece ser vlida a utilizao de tcnicas de previso de vendas, para aumentar a competitividade da empresa.

5. cOnSIdERAES fInAIS
Este artigo teve como objetivo testar tcnicas de previso de demanda para alguns produtos, com comportamento tendencial, aleatrio e sazonal da empresa estudada. Atravs do conhecimento de mercado e da anlise dos dados histricos dos produtos, foi definida qual tcnica melhor ajusta-se ao modelo proposto. Cada comportamento de produto ir se ajustar a uma tcnica diferente, de acordo com suas particularidades. E dependendo da aplicao e importncia dos produtos, deve-se dar uma ateno especial para a previso proposta. Os resultados obtidos foram satisfatrios, se comparados demanda real e servem para avaliar o desempenho do processo e propor modificaes no atual sistema. O perodo de previso de trinta e seis meses mostrou-se adequado para as aplicaes. Deve-se destacar a anlise para os produtos com comportamento tendencial e aleatrio, que so a quase totalidade de produtos da empresa. Para o produto tendencial, apenas a anlise de uma tcnica foi necessria para obteno de resultados satisfatrios. O intervalo de confiana escolhido definir o grau de importncia do produto dentro do sistema produtivo da empresa. Em relao ao produto aleatrio, devido s suas flutuaes e incertezas, fizeram-se necessrias vrias tcnicas para comparao de parmetros, at se obter resultados adequados s nossas finalidades. Por melhor que seja a tcnica de previso utilizada, sempre existiro erros. Fatores imprevisveis como promoes, instabilidade do mercado, aes dos concorrentes, entre outros, podem fazer com que nossas previses fiquem alm do esperado. Por isso, deve-se estar atento ao mercado e preparados para eventuais distores de valores das previses. Este estudo foi importante, haja vista que a empresa trabalha, atualmente, com a tcnica da mdia mvel simples e pretende implantar outras tcnicas para auxiliar o planejamento das ordens de fabricao dos produtos. Como sugesto para continuidade do trabalho sugere-se a anlise desses comportamentos dos produtos por outras tcnicas de previso e a verificao e validao dos resultados propostos nas previses futuras.

6. REfERncIAS bIblIOGRfIcAS
ANTONIO, D.; PIRES, S. Uma anlise da Gesto da Demanda na Cadeia de Suprimentos atravs de simulao. Anais do XXV Encontro Nacional de Engenharia de Produo, ENEGEP, P. Alegre, 2005. ARAJO, M.; ARAJO, F.; ADISSI, P. Elaborao de um modelo multivariado de previso de demanda para um call center. Anais do XXV Encontro Nacional de Engenharia de Produo, ENEGEP, P. Alegre, 2005. ARNOLD, J. Administrao de Materiais: Uma Introduo. So Paulo: Atlas, 1999. BALLOU, R. Gerenciamento da cadeia de suprimentos. P. Alegre: Bookman, 2005. BATTERSBy, A. Previso de Vendas. R. Janeiro: Zahar Editores, 1968. BUSSAB, W. Anlise de varincia e de regresso. S. Paulo: Atual, 1998.

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106


105

Tcnicas de previso de demanda: um estudo de caso triplo com dados de venda de materiais eletro-mecnicos

COBRA, M. Administrao de Vendas. S. Paulo: Atlas, 1994. DaViS, M; AQUILANO, N.; CHASE, R. Fundamentos da administrao da produo. P. Alegre: Bookman, 2001.

GEPROS. Gesto da Produo, Operaes e Sistemas Ano 2, vol. 4, jul-set/07, p. 95-106

MARTINS, P.; LAUGENI, F. Administrao da Produo. So Paulo: Saraiva, 2002. MOREIRA, D. Administrao da Produo e Operaes. So Paulo: Pioneira Thomson Learning, 2001. OLIVEIRA, U.; MARINS, F.; DALCOL, P. Seleo dos tipos de flexibilidade de manufatura versus seleo de carteira de aes: uma analogia para minimizao de riscos e incertezas no ambiente fabril. Anais do XXVI Encontro Nacional de Engenharia de Produo, ENEGEP, Fortaleza, 2006. RITZMAN, L.; KRAJEWSKI L. Administrao da Produo e Operaes. S. Paulo: Prentice Hall, 2004. VOLLMANN, T.; BERRy, W.; WHyBARK, D.; JACOBS, F. Sistemas de planejamento & controle da produo para o gerenciamento da cadeia de suprimentos. P. Alegre: Bookman, 2006. WERNER, D.; ANZANELLO, M.; LEMOS, F,; ANZANELLO, R.Estimativas de reas de plantio de sementes baseadas em previso de demanda e anlise de fatores climticos Anais do XXVI Encontro Nacional de Engenharia de Produo, ENEGEP, Fortaleza, 2006.

106