Escolar Documentos
Profissional Documentos
Cultura Documentos
Estudo comparativo da
aplicao de modelos clssicos de
previso de demanda no agronegcio
Classic models of comparative studies in
forecast of demand in agri-business
ODAIR OLIVA DE FARIAS*
MRIO DE SOUZA NOGUEIRA NETO**
CARLOS CSAR SALES NOGUEIRA***
RESUMO
* (FATEC-BS) odairof@yahoo.com.br
**(FATEC-BS) mariong@sc.usp.br
*** (FATEC-BS) sousa@bignetcom.br
220
E STUDO
ABSTRACT
INTRODUO
Os sistemas de produo tm, desde sua origem at os tempos
atuais, buscado adaptao s novas regras de negcio impostas pela
evoluo natural das relaes humanas.
At a primeira metade do sculo XX puderam ser observadas
duas grandes revolues de conceito em manufatura. A primeira que
pode ser citada a revoluo industrial, ocorrida na segunda metade
do sculo XVIII, como marco da mecanizao da produo, contribuindo para a substituio da produo artesanal pelas primeiras
unidades fabris. No incio do sculo XX pode ser observada outra
grande transformao por meio das teorias desenvolvidas e aperfeioadas por Henry Ford, introduzindo o conceito da linha de
montagem, gerando ganhos considerveis em relao aos sistemas
produtivos utilizados anteriormente. A partir desse marco de desenOrganizaes em contexto, Ano 2, n. 3, junho 2006
221
ORGANIZAES EM CONTEXTO
2. PREVISO
DE DEMANDA
222
E STUDO
c) Previso de demanda
a) Influncia sobre o mercado
e) Promessa de prazos
d) Gesto de demanda
f) Priorizao e alocao
Figura 1 Principais elementos da gesto de demanda, adaptado de Corra, H.; Gianesi, I.;
Caon, M. (2003)
MTODOS OU MODELOS DE PREVISO
1) ENTRADAS Condies de Mercado
Aes dos concorrentes
Preferncias do consumidor
Ciclos de vida dos produtos Estao
Planos dos clientes
Panorama Econmico
Status do ciclo comercial
Principais indicadores
Outros Fatores
Legais
Polticos
Sociolgicos
Culturais
2) Erros de previso
disponveis
P
R
O
C
E
S
S
A
D
O
R
3) Pesquisas
3) Resultados da pesquisa
5) Estratgia de Negcios
Plano de Marketing Plano de Produo
Plano Financeiro
5) PREVISES DE RECURSOS DE
PRODUCO Longo Prazo
Capacidades de Fbrica
Fundos de Capital
Necessidades de instalao
Outros
Mdio Prazo
Fora de trabalho
Capacidades departamentais Materiais comprados
Estoques
Outros
Curto Prazo
Mo-de-obra por classe de habilidade
Capacidades de mquina
Dinheiro vivo
Estoques outros
Pde ser observado que a previso de demanda tem forte ligao com os setores de planejamento da
empresa ligados tanto a o campo produtivo como administrativo e financeiro.
223
ORGANIZAES EM CONTEXTO
E STUDO
b) Mtodos Quantitativos
Gaither (2002) define os modelos quantitativos de previso
como modelos matemticos baseados em dados histricos. Podem
ser ressaltados os modelos clssicos descritos a seguir:
b.1) Sries temporais
Regresso linear e correlao: um modelo de previso que
estabelece uma relao entre uma varivel dependente e uma ou
mais variveis independentes.
Mdia mvel simples: um tipo de modelo de previso com srie
temporal de curto prazo, que prev vendas para o perodo seguinte.
Mdia mvel ponderada: semelhante ao modelo de mdia
mvel, exceto que, ao invs de uma mdia aritmtica de vendas
passadas, a mdia ponderada das vendas passadas a previso
para o perodo de tempo seguinte.
Exponencial mvel: tambm um modelo de previso com srie
temporal de curto prazo, que prev as vendas para o perodo
seguinte. Neste mtodo, as vendas previstas para o perodo passado
so modificadas pela informao a respeito do erro previsto do
ltimo perodo.
Exponencial mvel com tendncia: o modelo exponencial mvel,
mas modificado para acomodar dados com um padro de tendncia.
b.2) Mtodos causais
Anlise de regresso: semelhante ao mtodo dos mnimos
quadrados das sries temporais, mas pode apresentar mltiplas
variveis.
Modelos de entrada/sada: enfoca as vendas de cada indstria
para outras empresas e governos.
Principais indicadores: estatsticas que se movem na mesma
direo das sries previstas, mas se alteram aps as sries, como
quando o aumento do preo da gasolina indica um declnio futuro
nas vendas de carros grandes.
Davis (2000) descreve uma comparao das tcnicas de
previso de demanda conforme tabela na pgina seguinte.
3. METODOLOGIA
UTILIZADA
Para desenvolver este estudo foram analisados os dados provenientes do plo industrial de Cubato, e terminais e fertilizantes
Organizaes em contexto, Ano 2, n. 3, junho 2006
225
ORGANIZAES EM CONTEXTO
Horizonte
de tempo
Complexidade
do modelo
Preciso do
modelo
Dados
necessrios
Longo
Alta
Varivel
Muitos
Curto
Curto
Longo
Muito baixa
Baixa
Mdia alta
Mdia
Adequada
Mdia alta
Poucos
Muito poucos
Muitos
Longo
Adequada
Alta
Muitos
226
E STUDO
227
ORGANIZAES EM CONTEXTO
suas previses s so satisfatrias onde a srie no tem uma sazonalidade regular e sim eventos aleatrios simtricos.
Pt = (Vt-l +Vt-2 +...+Vt-n)/N
Onde; V = valor real, Pt = previso e N = nmero de perodos
ou extenso da mdia, assim neste estudo utilizamos N=2.
3.3.2. Mtodo percentual da tendncia ou decomposio da tendncia
Este modelo decompe a srie em quatro componentes
sistemticos:
St = dado real dessazonalizado;
I.S. = ndice sazonal preestabelecido;
Rt = nvel estabelecido pela reta de regresso;
Tt = coeficiente sazonal mdio decorrente do efeito cclico.
Desta forma, o modelo aplicado se comps das seguintes etapas:
a) Primeiramente foram dessazonalizados os dados reais e,
conseqentemente, foram obtidos ndices sazonais (I.S.) para os
meses de cada perodo.
b) Fez-se a regresso dos dados dessazonalizados, obtendo-se
uma equao da reta, em funo do tempo (Rt = a + bt).
c) Foram estabelecidos coeficientes sazonais mdios para cada
ms do ciclo (T fi).
d) Foi calculada a previso para os meses subseqentes
(P(25,36) = Rt x T m).
e) Finalmente, a previso obtida foi resazonalizada (P = Pt x I.S.).
3.3.3. Mtodo de suavizao exponenciaI dupla ou exponencial mvel
(Box-Jenkins) (GAITHER 2001)
A exponencial mvel um caso especial do modelo BoxJenkins onde aplicada uma funo matemtica aos dados,
utilizando-se as seguintes variveis: Pt = previso amortecida no
perodo t, St = dados reais dessazonalizados, Tt = tendncia no
perodo t, FTt = previso com tendncia no perodo t, a = constante
de amortecimento sazonal ( 0< a <1) e = constante de
amortecimento da tendncia (0< <1).
As funes aplicadas foram:
FTt= P t-l + T t-l
Pt = FTt + a(St FTt)
Tt = T t-l + (FTt - FT t-l T t-l )
228
E STUDO
4. RESULTADOS
OBTIDOS
229
ORGANIZAES EM CONTEXTO
5. ANLISE
DOS RESULTADOS
230
E STUDO
0,002
42900201
9,48
Decomp.
0,500
209972247
22,47
BJ
HW
P.Anual
0,0138
9791704
5,21
0,023
127559269
16,06
0,100
69129563
15,87
MM 12
0,869
6567117
14,49
Decomp.
0,943
14642123
12,34
BJ
0,8283
1334502
10,62
HW
0,948
5162145
12,19
P.Anual
0,505
53494091
32,83
231
ORGANIZAES EM CONTEXTO
R quad
EQM
EAMP
Produto C
MM12 Decomp.
BJ
HW
0,7996
0,8752
0,9028 0,9058
15946977 11788052 4182139 23853184
21,08
18,10
7,21
23,74
Demanda Nacional
P.Anual MM12 Decomp
BJ
HW
0,870
0,964
0,992
0,973 0,988
8492332 139162
34235
38515 66251
12,65
15,60
10,04
6,98 15,47
DNF
BJ
0,91
0,01
** min
Produto B
HW
0,01
0,62
0,83
** min
Produto C DNF
HW
HW
0,87
0,01
0,01
0,26
0,38
0,55
*maxR *maxR
Os recursos da pesquisa operacional possibilitaram, no transcorrer do estudo, estimar as melhores constantes de amortecimento,
de modo a obter as melhores medidas de erro para os perodos com
dados conhecidos, o que conseqentemente nos levou a previses
mais precisas.
6. COMENTRIOS
FINAIS
E STUDO
REFERNCIAS
BIBLIOGRFICAS
233