XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

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

ANLISE DE DEMANDA EM UMA

COMPANHIA DE GUA MINERAL DA
REGIO METROPOLITANA DE BELM
UTILIZANDO MODELOS DE SRIE
TEMPORAL DE HOLT-WINTERS
Diktherman Viana da Silva (UNAMA)
dikengpro@hotmail.com
Claudio Mauro Vieira Serra (UNAMA)
cmvserra@uepa.br
Andr Clementino de Oliveira Santos (UNAMA)
acos@superig.com.br
Andr Cristiano Silva Melo (UNAMA)
acsmelo@yahoo.com.br

O presente artigo tem como objetivo analisar tcnicas de previso de

demanda capazes de auxiliar na tomada de deciso dos executivos, em
uma companhia de gua Mineral da Regio Metropolitana de Belm
(RMB). So analisados os modelos de Holtt-Winters aditivo e
multiplicativo e sazonalidade aditiva e multiplicativa. Em um primeiro
momento apresentam-se conceitos iniciais e uma breve caracterizao
de mtodos de previso. Em seguida, so definidos os modelos mais
adequados, considerando parmetros como: fcil entendimento,
aplicao no dispendiosa e testes computacionais estatsticos. Ao
final deste artigo, conclui-se que a previso de demanda uma
atividade de suma importncia para o planejamento operacional e
estratgico de organizaes de diversos setores, pois uma boa
coerncia entre capacidade e demanda pode gerar reduo de
desperdcios e clientes satisfeitos.
Palavras-chaves: Previso de Demanda,Sries Temporais,Modelos de
Holt-Winters

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

1. Introduo
Toda organizao precisa, de alguma forma, saber dimensionar suas capacidades produtivas
da forma que estas se encaixem de modo perfeito s demandas, evitando assim o desperdcio
de tempo, material e energia, ou a falta de produtos para atender o mercado.
Segundo Martins e Laugeni (2006), previso o processo metodolgico para determinao
do futuro, baseado em modelos estatsticos, matemticos ou economtricos ou ainda em
modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida.
A previso de demanda entre outras estatsticas assume um fator importante no processo
decisrio, tanto no nvel estratgico quanto no operacional. Os planos de capacidade,
atividades de infra-estrutura, vendas, fluxo de caixa, estoques, gerenciamento da mo-de-obra
(frias, contrataes), e compras so todos baseados na previso de demanda.
Os modelos de sries temporais so ferramentas importantssimas e tm sido largamente
utilizadas nos mais diversos campos do conhecimento. Fogliatto (2003), enfatiza que as
vantagens desta tcnica estendem-se desde auxilio ao planejamento de infra-estrutura a
capacidade, reduzindo riscos inerentes ao processo decisrio das atividades.
Kotler (2000) comenta que as previses so utilizadas no departamento de finanas com o
objetivo de determinar o caixa da empresa necessrio aos investimentos, as operaes pelo
departamento de produo, com o objetivo de estabelecer os nveis de capacidade e de
produo, departamento de compras visando adquirir suprimentos, alm do departamento de
recursos humanos, contratando funcionrios, quando necessrio.
Portanto, prever nveis de demanda vital empresa como um todo, porque fornece as
entradas bsicas para planejamento e controle de todas as reas funcionais, incluindo a
logstica, o marketing, a produo e as finanas (BALLOU, 2001. Dessa forma, permite que
os administradores destas organizaes antecipem o futuro e planejem de forma mais
conveniente suas aes (TUBINO, 2000).
De acordo com Tubino (2000) as empresas, de uma ou de outra maneira, direcionam suas
atividades para o rumo em que acreditam que seu negcio andar, assim as tcnicas de
previso so fundamentais.
Nesse sentido, este trabalho busca avaliar o uso dos modelos de sries temporais para anlise
de demanda do produto Garrafo 20L, de uma companhia de guas minerais da Regio
Metropolitana de Belm. Para tanto, foram utilizados modelos de previso quantitativos
baseado em sries temporais, mais especificamente os modelos de Holt-Winters
multiplicativos e aditivos atravs do uso do software CrystalBall. A srie coletada
corresponde aos dados mensais dos anos de 2004 a 2007, sendo que os ltimos seis meses
dessa srie foram utilizados para validar o modelo escolhido, isso foi feito atravs dos
clculos dos erros entre os valores estimados pelo modelo e o valor real da srie.
2. Sries temporais
Srie temporal qualquer conjunto de observaes ordenadas no tempo (MORETTIN &
TOLOI, 2004). Se estas observaes consecutivas so dependentes uma das outras, possvel
conseguir-se uma previso e assim fornecer bases para compreender o comportamento do
evento ao qual est se analisando. Nessa tcnica, conhecer o comportamento das variveis do
estudo muito importante no processo de deciso, pois ajudar no planejamento gerencial e

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

no estratgico. Empresas podero reduzir seus estoques e fazer novos empreendimentos a

partir do conhecimento futuro da demanda.
De acordo com Tubino (2007), Uma das consideraes para o uso de modelos de sries
temporais, partir do princpio de que a demanda futura ser uma projeo dos seus valores
passados, no sofrendo influncia de outras variveis.
Cita Morettin & Toloi (2004), que ao se realizar um estudo de sries temporais, pode-se estar
interessado em:
a) Investigar o mecanismo gerador da srie temporal;
b) Fazer previses de valores futuros da srie;
c) Descrever apenas o comportamento da srie, como tendncias e sazonalidades, por
exemplo;
d) Procurar periodicidades relevantes nos dados.
Os mesmos autores ressaltam que os modelos devem ser simples, com o menor nmero de
parmetros possveis, e sua utilizao no deve apresentar dificuldades s pessoas
interessadas em manipul-los, entendendo-se por modelos uma descrio probabilstica de
uma srie temporal.
Morettin & Toloi (2004) classificam os modelos de sries temporais em: paramtricos, cuja
anlise feita no domnio do tempo; e os no paramtricos cuja anlise realizada no
domnio da freqncia.
De acordo com as caractersticas dos dados da srie e do objetivo da anlise, h um conjunto
de modelos que podem ser usados, variando dos mais simples e intuitivos at os mais
complexos, que precisam de conhecimentos especializados e softwares mais sofisticados.
3. Mtodos de Previso
Na escolha do modelo de previso, devem-se considerar aspectos como o horizonte da
previso, disponibilidade de dados, preciso necessria e disponibilidade de recursos
(SLACK, 2002). As previses de demanda so elaboradas atravs de mtodos quantitativos,
qualitativos ou da mistura dos dois tipos.
Os mtodos quantitativos utilizam dados histricos para prever a demanda em perodos
futuros. A previso futura da demanda requer a construo de modelos matemticos e
estatsticos que utilizam os dados disponveis ao longo do tempo (srie temporal). Os mtodos
quantitativos dividem-se em: Sries Temporais (ou projees de tendncia) que podemos
destacar os modelos de Suavizao Exponencial, Mtodo de Holt-Winters, Mdias Mveis,
Box-Jenkins, (ARMA, ARIMA, SARIMA), Redes Neurais; e Mtodos Causais (ou
explicativos) que compreendem as Correlaes, Regresses e Modelos Economtricos. J os
mtodos qualitativos baseiam-se nas opinies, julgamentos, intuio, pesquisas ou tcnicas
comparativas, a fim de produzir estimativas quantitativas sobre o futuro. Dividem - se em:
Avaliao subjetiva, que pode ser pesquisa de opinies de vendedores, jri de executivos e ou
especialistas, pesquisa de mercado com consumidores finais; Exploratrios, que englobam
mtodos de construo de cenrios, Mtodo Delphi e mtodos de analogia. (BALLOU, 2006).
O terceiro modelo seria uma mistura que considera a opinio de especialistas e utiliza alguma
modelagem matemtica para a resoluo de um problema (LARSON, 2004). O Quadro 1
ilustra as principais tcnicas de cada mtodo de previso e suas caractersticas:

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

Tcnica

Horizonte de
Tempo

Complexidade

Preciso do
Modelo

Dados
Necessrios

Qualitativos

Mtodo Delphi

Longo

Alta

Variavel

Muitos

Mdia Mvel

Curto

Muito baixa

Mdia

Poucos

Mdia Ponderada

Curto

Baixa

Adequada

Muito pouco

Regresso Linear

Curto

Mdia Baixa

Mdia alta

Muitos

Anlise de Regresso

Longo

Adequada

Alta

Muitos

Quantitativos

Mtodo

Fonte: Adaptado de Ballou (2006)

Quadro 1 Comparao das tcnicas de previso de demanda

4. Modelos de Previso
A partir dos objetivos da anlise e das caractersticas da srie temporal, so escolhidos os
modelos a serem utilizados. No propsito deste artigo mencion-los, e sim, apenas os
modelos de Holt-Winters, uma vez que este foi o modelo utilizado nesse trabalho.Para leitores
interessados em conhecer outros modelos sugere-se a leitura de Morettin & Toloi (2004),
Ragsdale (2004), Pellegrini & Fogliatto (2000), Makridakis, Wheelwright & Hyndman
(1998), Tubino (2000), Tubino(2007), Ballou (2006) etc.
4.1

Modelos de Holt-Winters

Os modelos de Holt-Winters (HW) descrevem apropriadamente dados de demanda em que se

verifica a ocorrncia de tendncia linear, alm de uma componente de sazonalidade
(PELLEGRINI & FLOGIATTO, 2000). Caso a amplitude da variao sazonal mantenha-se
constante, diz-se que o modelo aditivo (Figura 1), caso aumente com o tempo, diz-se que o
modelo multiplicativo (Figura 2).
Morettin & Toloi (2004) comentam que as vantagens desse modelo so: fcil entendimento,
aplicao no dispendiosa, adequados para srie com padro de comportamento mais geral. J
suas desvantagens so: dificuldades em determinar os valores mais apropriados das constantes
de suavizao e/ou impossibilidade de estudar as propriedades estatsticas, tais como mdia e
varincia de previso e, conseqentemente, a construo de um intervalo de confiana.

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

Figura 1 - Modelo aditivo de Holt-Winters. Fonte: Ragsdale (2004)

Figura 2 Modelo multiplicativo de Holt-Winters. Fonte: Ragsdale (2004)

Os modelos matemticos para as variaes desse mtodo podem ser vistos a seguir:

Holt-Winters Aditivo: utilizado quando a amplitude da variao sazonal mantm-se

constante, ou seja, a diferena entre o maior e o menor ponto de demanda nos ciclos
permanece constante com o passar do tempo.

Holt-Winters Multiplicativo: utilizado quando a amplitude da variao sazonal

aumenta com o tempo, ou seja, a diferena entre o maior e o menor ponto de demanda nos
ciclos cresce com o passar do tempo.
A seguir Tabela 1 apresenta as equaes bsicas para os dois modelos:
Holt-Winters Aditivo

Nvel

L = (Yt S t s ) + (1 )(Lt 1 + bt 1 )

Tendncia

bt = (Lt Lt 1 ) + (1 )bt 1

Sazonal
idade

St = (Yt Lt ) + (1 )St s

Previso

Ft +m = (Lt + bt m )St s+m

Holt-Winters Multiplicativo

Lt =

Yt
+ (1 )(Lt 1 + bt 1 )
Sts

bt = (Lt Lt 1 ) + (1 )bt 1
Y
St = t + (1 )St s
Lt
Ft +m = (Lt + bt m )St s+m

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

Tabela 1 Equaes do Modelo de Holt Winters

Onde:

S Comprimento da Sazonalidade
Lt Nvel da Srie
bt Tendncia
St Componente Sazonal
Ft+m Previso para o perodo m
Yt Valor Observado

, e so parmetros exponenciais alisadores do nvel, da tendncia e da sazonalidade,

respectivamente.
5. Metodologia

Para a realizao desse trabalho seguiu-se a metodologia sugerida por Makridakis,

Wheelwright & Hyndman (1998) que recomendam um estudo de sries temporais com os
seguintes passos: definio do problema, coleta de informaes, anlise preliminar dos dados,
escolha e ajuste do modelo, uso e avaliao do modelo de previso.
5.1 Definio do problema

O objeto de estudo desse trabalho uma companhia de gua mineral da Regio Metropolitana
de Belm, mais especificamente na demanda do produto Garrafo 20 litros, com o intuito de
fazer previses futuras dessa demanda, analisar perodos de sazonalidade, tendncias e outras
estatsticas descritivas.
5.2 Coleta de informaes

Os dados foram cedidos pela companhia objeto de estudo. Coletou-se dados de 4 anos.
Segundo autores, o ideal so cinco anos de informaes para anlises consistentes de modelos
de previso, porm, dois anos so suficientes para uma anlise preliminar.
5.3 Anlise Preliminar dos Dados

A anlise iniciou-se pela classificao ABC, ou curva de Pareto, a qual consiste em separar
itens em classes de acordo com sua importncia relativa (TUBINO, 2000).
A ordenao dos itens segundo seu valor relativo ao total normalmente resulta, segundo
Tubino (2000), em uma tabela onde uma pequena parte dos produtos, ou itens classe A,
corresponde a uma grande parcela do valor total, ficando grande parte dos itens na classe C,
correspondendo a apenas uma parcela nfima do valor total. Na faixa intermediria, esto os
itens classe B.
O parmetro utilizado na classificao ABC, foi o percentual de receita bruta de cada produto
para a empresa. Aps a tabulao dos dados, plotou-se o grfico representando a demanda do
produto Garrafo 20L em funo dos meses. Assim, torna-se possvel avaliar o
comportamento da srie com relao estacionaridade, tendncia (crescimento ou
decrescimento), sazonalidade ou ciclos.
5.4 Escolha e ajuste do modelo

Aps a anlise preliminar dos dados, verificou-se que a srie modelvel. A partir da,

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

passou-se fase de realizao das previses com modelos definidos. Procuraram-se modelos
simples, porm com capacidade de predio significativa, que pudessem ser manipulados
pelos tcnicos da COMPANHIA atravs de planilhas eletrnicas. Para tanto, utilizou-se o
software CBPredictor da Crystal Ball Inc., que um programa que funciona no ambiente do
Microsoft Excel.
Os modelos de previso selecionados foram os seguintes: Holt-Winters Multiplicativo e HoltWinters Aditivo. Tal escolha vem da prpria caracterstica dos dados, objetivos do estudo,
bem como facilidade de utilizao desses modelos.
5.5 Uso e avaliao do modelo

Os ltimos seis meses dessa srie foram utilizados para validar o modelo escolhido, isso foi
feito atravs dos clculos dos erros entre os valores estimados pelos modelos e o valor real da
srie. Para avaliar qual modelo proporciona os melhores resultados foram utilizados alguns
indicadores, tais como: (MAD) desvio mdio absoluto, (RMSE) Raiz quadrada do erro mdio
quadrado, (MAPE) erro percentual mdio absoluto. Klassen e Flores (2001) apontam uma
pesquisa em que o MAPE um dos mtodos mais populares e um dos mais utilizados nas
empresas que utilizam critrios matemticos para a comparao de modelos. A estatstica U
de Theil, tambm foi utilizada como mtodo de avaliao.
Segundo Freiman (2004), a estatstica U de Theil um indicador que mostra quanto os
resultados esto melhores do que uma previso ingnua ou trivial.
De acordo com Makridakis, Wheelwright & Hyndman (1998) quanto mais se prxima de 0
(zero) o valor dessa estatstica for, melhor ser a tcnica de previso, ou seja, o modelo gera
um erro menor do que o erro ingnuo. Caso o valor fique acima de 1 sugerido que se adote
outro modelo, pois o erro gerado por este maior do que o erro ingnuo.
Outro parmetro utilizado o teste de Durbin-Watson. Segundo Rasgdale (2004) a estatstica
de Durbin-Watson descreve a autocorrelao na srie temporal, ou seja, mostra o nvel de
correlao entre um dado anterior na srie temporal e um dado do prximo perodo. Esta
estatstica possui uma faixa que vai de 0 a 4. Se o valor for menor do que 1 indica
autocorrelao positiva, enquanto que valores superiores a 3 indicam autocorrelao negativa,
e os valores prximos de 2 indicam que no h autocorrelao nos dados (RASGDALE,
2000). Uma vez aprovado o modelo, torna-se possvel realizar as previses.
6. Aplicao

Os dados da demanda do produto podem ser vistos na Tabela 2.

Anos

Ms
2004

2005

2006

2007

Janeiro
Fevereiro

285.415
222.345

264.992
217.215

263.476
246.032

308.800
254.372

Maro

256.340

230.285

268.551

287.009

Abril

275.002

221.445

234.624

287.802

Maio

299.278

242.060

272.293

313.644

Junho

286.993

247.228

297.754

318.706

Julho

275.957

247.228

295.487

304.607

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

Agosto

290.028

247.228

330.433

331.040

Setembro

300.056

285.392

325.459

325.104

Outubro

288.113

271.392

342.649

341.717

Novembro

270.776

264.144

315.422

341.788

Dezembro

269.067

271.452

302.526

322.460

FONTE: COMPANHIA (2007)

Tabela 2 - Demanda mensal do produto Garrafo 20L

Que pode ser representada graficamente conforme os grficos 1 e 2:

400.000

Quantidade

350.000
300.000
250.000
200.000
150.000
100.000
50.000
0
0

12

15

18

21

24

27

30

33

36

39

42

Srie Temporal

Grfico 1 - Demanda do produto Garrafo 20L ao longo dos anos de 2004 at 2007

400.000
350.000

Quantidade

300.000
250.000

2004

2005

2006

2007

200.000
150.000
100.000
50.000

o
Ag
os
to
Se
te
m
br
o
O
ut
ub
ro
No
ve
m
br
De
o
ze
m
br
o

Ju
lh

Ju
nh
o

ai
o
M

Ab
ril

Ja
ne
iro
Fe
ve
re
iro
M
ar
o

Meses

Grfico 2 - Esboo da Demanda mensal em cada ano do produto Garrafo 20L (2004-2007)

Pelos dados expostos no Grfico 2, percebe-se que existe uma leve tendncia de crescimento
de um ano para o outro, fato que s no ocorreu em 2005, onde houve uma queda de 10,28 %
na demanda (de 3.319.370 para 3.010.061 unidades). O crescimento na demanda de 2004 at

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

2007 foi de 11,18%. A taxa de crescimento no contnua em relao ao ano anterior

variando em mdia 3,36%.
A comparao do ms com seu antecessor em cada ano foi o parmetro adotado para analisar
os crescimentos e decrescimentos na demanda do produto Garrafo 20L. A Tabela 3 ilustra as
variaes durante a srie.
Meses

2004

Janeiro

2005

2006

2007

-1,54%

-3,03%

2,03%

Fevereiro

-28,37%

-22,00%

-7,09%

-21,40%

Maro

13,26%

5,68%

8,39%

11,37%

Abril

6,79%

-3,99%

-14,46%

0,28%

Maio

8,11%

8,52%

13,83%

8,24%

Junho

-4,28%

2,09%

8,55%

1,59%

Julho

-4,00%

0,00%

-0,77%

-4,63%

Agosto

4,85%

0,00%

10,58%

7,98%

Setembro

3,34%

13,37%

-1,53%

-1,83%

Outubro

-4,15%

-5,16%

5,02%

4,86%

Novembro

-6,40%

-2,74%

-8,63%

0,02%

Dezembro

-0,64%

2,69%

-4,26%

-5,99%

Tabela 3 Variao da demanda em (%) em cada ms em todos os anos da srie

Percebe-se que os meses de maro e maio apresentam bons percentuais de crescimento em

todos os anos, pois apresentam mdia de 9,67% e 9,68% respectivamente. J o ms de
fevereiro apresenta mdia de 19,71% de queda durante a srie temporal. Nota-se ainda, ao
longo da srie, que a maior demanda foi 342.649 unidades, ocorrida no ms de Outubro/2006,
e a menor foi 217.215 unidades, em fevereiro/2005. Durante a srie, a mdia de demanda
corresponde a 282.525 unidades ao ms. Os demais meses do ano, apresentaram oscilaes
entre acrscimos e decrscimos de demanda. Contudo nesse trabalho adotou-se uma
sazonalidade de 12 meses.
De acordo com as caractersticas da srie devem-se selecionar os mtodos probabilsticos
mais adequados para se fazer previso de demandas futuras. Como um dos objetivos usar
mtodos mais acessveis, com clculos auxiliados por planilhas eletrnicas, optou-se por
trabalhar com os mtodos Holt-Winters, seja o Aditivo ou o Multiplicativo. Ressalta-se que o
modelo SARIMA (auto-regressivos integrados e de mdias mveis com sazonalidade) poderia
apresentar um melhor resultado, todavia precisaria de conhecimentos mais especficos e de
softwares especializados por parte dos usurios (funcionrios da COMPANHIA), e por isso
foi preterido nesse trabalho.
Assim, com a utilizao do software Excel e do Cb-Predictor calculou-se a srie. Para efeito
de anlise dos resultados fez-se o clculo considerando valores de janeiro de 2004 at Junho
de 2007, sendo que os meses de julho a dezembro de 2007 serviram para comparao dos
resultados previstos do modelo com os dados reais. A Tabela 4 mostra os resultados para os
dois mtodos:

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

Mtodos

Rank

RMSE

MAD

MAPE

Durbinatson

Theils
U

Alpha

Beta

Gamma

18997

15954

5,958

1,692

0,84

0,54

0,001

0,726

18879

15664

5,805

1,628

0,832

0,511

0,001

0,607

Holt-Winters
Additive
Holt-Winters
Multiplicative

Tabela 4 - Resultados da aplicao dos modelos de Holt-Winters Aditivo e Multiplicativo

Verifica-se ento que ambos os mtodos podem ser considerados adequados, devido aos
baixos erros percentuais (MAPE) que apresentaram. No caso do modelo Aditivo esse erro foi
de 5, 958% e no caso Multiplicativo o erro foi de 5, 805%.
A estatstica U de Theil para ambos os modelos tambm pode ser considerada satisfatria,
uma vez que seus valores ficaram abaixo de 1, e de acordo com Markridakis et. al. (1998)
quando mais prxima de 0 (zero) o valor dessa estatstica melhor ser a tcnica de previso
usada. Caso o valor fique acima de 1 (um) sugerido procurar outro modelo para representar
a srie.
O Grfico 3 mostra o ajuste dos dados reais utilizando o modelo de Holt-Winters
Multiplicativo, uma vez que esse apresentou o menor erro percentual mdio.
ColumnA
400.000
Data
350.000
Fitted
300.000

Forecast

250.000

Upper: 95%

200.000

Lower: 5%

150.000
100.000
50.000

Period 47

Period 45

Period 43

Period 41

Period 39

Period 37

Period 35

Period 33

Period 31

Period 29

Period 27

Period 25

Period 23

Period 21

Period 19

Period 17

Period 15

Period 13

Period 11

Period 9

Period 7

Period 5

Period 3

Period 1

Grfico 3 - Ajuste da srie pelo modelo Holt-Winters Multiplicativo

Os valores previstos para os meses de julho at dezembro de 2007 podem ser vistos na Tabela
5. Para montagem do intervalo de confiana foi considerado um nvel de 95%. Verifica-se,
portanto, uma boa capacidade de previso, na qual todos os valores reais esto dentro dos
limites do valor previsto pelo modelo.
Meses

Limite inferior
(5%)

Previsto

Limite superior
(95%)

Dados
reais

Dentro do
intervalo?

Julho

280.920

311.975

343.031

304.607

Sim

Agosto

287.724

325.398

363.072

331.040

Sim

10

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

Setembro

292.255

334.387

376.520

325.104

Sim

Outubro

280.581

327.307

374.032

341.717

Sim

Novembro

254.170

302.390

350.610

341.788

Sim

Dezembro

247.136

296.830

346.523

322.460

Sim

Tabela 5 - Comparao dos valores previstos com os dados reais

7. Concluso

Realizar previso de demanda uma atividade importante, pois pode revelar as tendncias de
mercado e contribuir para o planejamento estratgico da empresa. Nesse sentido, diversas
tcnicas vm sendo desenvolvidas ao longo do tempo, dando-se destaque s tcnicas de
sries temporais. As previses de demanda tambm auxiliam a soluo de problemas mais
imediatos, como a definio da escala de produo suficiente para atender todos os clientes e
ainda manter um estoque de segurana em nvel que no gere grandes custos de estocagem
para a empresa.
Para alcanar tais objetivos, este trabalho utilizou a metodologia de Holt-Winters aditivo e
multiplicativo e sazonalidade aditiva e multiplicativa. As escolhas desses mtodos foram
baseadas tanto nas caractersticas da srie, entre elas tendncia de crescimento e
sazonalidade, quanto na facilidade de operao por parte dos tcnicos que iriam utilizar o
modelo. A aderncia dos modelos foi avaliada por meio de um estudo de caso dirigido ao
setor de gua mineral da Regio Metropolitana de Belm (RMB). No estudo de caso
desenvolvido, a metodologia foi direcionada a demanda do produto Garrafo 20L, observado
como produto classe A, de acordo com a Classificao ABC ou Curva de Pareto. A aplicao
da metodologia de Holt-Winters requer do pesquisador muita ateno e prtica para escolher
o modelo que melhor define o comportamento temporal dos dados.
Ambos os mtodos (Holt-Winters aditivo e multiplicativo) apresentaram um baixo erro
percentual mdio (MAPE), e foram considerados satisfatrios para serem utilizados em
previses futuras da demanda do produto. Contudo, foi utilizado o modelo de Holt-Winters
Multiplicativo para realizar tais previses, pois este apresentou o menor erro percentual
mdio (5,805%).
Os dados reais da demanda de julho a dezembro de 2007 foram comparados com os dados
previstos por esse modelo, e observou-se que, dos seis meses avaliados, todos os resultados
gerados estavam dentro do intervalo de confiana previsto pelo modelo, o que, portanto
confirma que o mtodo tem boa capacidade de previso.
A utilizao desse modelo de previso para os anos de 2008, por exemplo, poderia gerar
discrepncias significativas, principalmente se a demanda se comportar tal qual a de 2007,
(crescimento em todos os meses do ano em relao ao ano anterior com exceo de setembro
e outubro e preparando-se para o forte crescimento em maro e decrescimento em fevereiro).
Por fim, vale ressaltar que o trabalho realizado foi de grande utilidade para a empresa,
principalmente por dois motivos: a modelagem permitiu maior entendimento do
comportamento do produto; e os resultados foram assimilados pela empresa, constituindo
fonte adicional de informao no suporte s decises referentes a investimentos e
dimensionamento do processo produtivo, dessa forma, contribuindo para reduo de gastos

11

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO

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

desnecessrios, mais especificamente de nveis de estoque, os quais so amarrados

diretamente previso.

8. Referncias
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos: Planejamento, Organizao e Logstica
Empresarial. 4 ed. Porto Alegre: Bookman, 2001.
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos/Logstica empresarial. 5 ed. Porto Alegre:
Bookman, 2006.
COMPANHIA. Relatrios internos de indicadores da demanda do produto analisado. 2007.
FOGLIATTO, F. Previso de Demanda. Apostila do Curso de graduao em Engenharia de Produo e
Transporte. Porto Alegre, 2003.
KOTLER, P. Administrao de Marketing: a edio do novo milnio. Prentice Hall. So Paulo, 2000.
LARSON, R.; FARBER, B,. Estatstica Aplicada. 2 ed. So Paulo: Presidente Hall, 2004.
MARTINS, P. G.; LAUGENI, F. P. Administrao da produo. So Paulo: Saraiva, 2006.
MAKRIDAKIS, S.; WHEELWRIGHT, S. & HYNDMAN, R.J. Forecasting Methods and Applications. John
Wiley & Sons. 3a Edio. New York, 1998.
MORRETTIN, P. A.; TOLOI, C. M. C. Previso de sries temporais. 2. ed. So Paulo: Atual Editora, 1987.
PELLEGRINI, F.R. & FOGLIATTO, F. Estudo comparativo entre modelos de Winters e de Box-Jenkins
para a previso de demanda sazonal. Revista Produto & Produo. Vol. 4, nmero especial, 2000, p.72-85.
RAGSDALE, C. Spreadsheet modeling & decision analysis. Thompson. 4a edio. Cincinnati, 2004.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da Produo. 2 ed. So Paulo: Atlas, 2002.
TUBINO, D. F. Manual de Planejamento e Controle da Produo. So Paulo: Atlas, 2000.
TUBINO, D. F. Planejamento e Controle da Produo: teoria e prtica. So Paulo: Atlas, 2007.

12