Escolar Documentos
Profissional Documentos
Cultura Documentos
So Carlos
2015
v.1
Trabalho de Concluso de
Curso apresentado Escola
de Engenharia de So Carlos
da Universidade de So Paulo,
para obteno do ttulo de
Engenheiro Mecnico.
So Carlos
2015
II
III
AGRADECIMENTOS
Aos meus pais, por me proporcionaram esses anos de aprendizado e pela confiana
em mim depositada de que concluiria esta etapa.
s minhas irms, que sempre torceram por mim mesmo estando longe, sempre
acreditando no meu potencial e me ajudando quando necessrio.
Agradeo aos meus amigos, que me acompanharam em todos os momentos,
fossem eles alegres e vitoriosos ou de dificuldades. Com certeza sentirei saudades
destes momentos de alegria.
Ao meu orientador Iris Bento da Silva, pela oportunidade, orientao e suporte
durante as pesquisas e o trabalho.
RESUMO
FAVERO, E. P. Mtodos de previso de vendas: um estudo de caso numa rede
varejista. 2015. 45 f. Trabalho de concluso de curso Escola de Engenharia de
So Carlos, Universidade de So Paulo, So Carlos, 2015.
VI
ABSTRACT
FAVERO, E. P. Sales forecasting methods: a case study in a retailer. 2015. 45 p.
Graduation thesis Engineering School of So Carlos, University of So Paulo, So
Carlos, 2015.
VII
LISTA DE FIGURAS
Figura 1 - Propagao do Erro de Demanda (adaptado MENTZER e MOON, 2005)
.................................................................................................................................. 15
Figura 2 - Fluxograma do Mtodo Delphi. Fonte: MENTZER e MOON, 2005. .......... 20
Figura 3 - Organograma da rea de Gesto de Estoques......................................... 29
Figura 4 - Organizao dos dados histricos ............................................................ 34
Figura 5 - Modelagem de mdia mvel (um ms) ..................................................... 35
Figura 6 - Constantes de suavizao do mtodo de Holt .......................................... 36
Figura 7 - Medio de erro ....................................................................................... 37
Figura 8 - Otimizao do mtodo de Holt Winters com auxlio do Solver .................. 38
Figura 9 - Diferenas entre as constantes, por famlia .............................................. 42
VIII
LISTA DE GRFICOS
Grfico 1 - Padres de demanda (adaptado LUSTOSA et al., 2008) ....................... 17
Grfico 2 - Resultado consolidado ............................................................................ 40
IX
LISTA DE TABELAS
Tabela 2.1 - Mtodos de previso ............................................................................. 18
Tabela 4.1 - Comparao dos erros entre os mtodos, por produto ......................... 39
Tabela 4.2 - Comparao dos erros entre os mtodos, por famlia ........................... 41
NOMENCLATURA
F
TI
Tecnologia da Informao
SQL
MMS4
MMS8
MMS12
SE
XI
SUMRIO
1.
2.
INTRODUO.............................................................................................................. 13
1.1.
1.2.
Objetivos................................................................................................................ 13
1.3.
1.4.
REVISO BIBLIOGRFICA.......................................................................................... 15
2.1.
2.2.
2.3.
2.3.1.
2.3.2.
2.3.3.
2.4.
2.4.1.
2.4.2.
2.4.3.
2.5.
3.
Introduo.............................................................................................................. 29
3.2.
3.3.
Iniciativa................................................................................................................. 30
3.4.
3.5.
3.5.1.
3.5.2.
3.5.3.
Dificuldades .................................................................................................... 32
3.6.
XII
3.7.
4.
5.
3.7.1.
3.7.2.
3.7.3.
3.7.4.
3.7.5.
3.7.6.
3.7.7.
3.7.8.
4.2.
4.3.
4.4.
Concluses ............................................................................................................ 43
5.2.
REFERNCIAS ................................................................................................................... 45
13
1. INTRODUO
1.1. Contexto e justificativa
1.2. Objetivos
de
dados
histricos
para
aplicao
dos mtodos de
projeo
dos
mtodos
histrica,
com
14
Este trabalho traz, inicialmente, uma reviso dos atuais mtodos de previso
de vendas, desde os qualitativos, marcados pela subjetividade; at mtodos que
utilizam grande esforo computacional, com grandes bancos de dados e complexas
regresses lineares.
Num segundo momento, realizou-se um estudo de caso numa empresa
nacional varejista, de forma a testar os diferentes mtodos apresentados para
produtos com diferentes padres de demanda, buscando encontrar o melhor mtodo
para cada padro de demanda.
Por fim, so apresentadas as concluses do trabalho, junto com suas
limitaes e potenciais novos estudos para complement-lo.
15
2. REVISO BIBLIOGRFICA
2.1. Importncia da previso de vendas
16
17
18
Natureza
Mtodo
Pesquisa de mercado
Qualitativos
Projees Histricas
Causais
19
Ballou (2001) ainda atenta ao fato de que por serem mtodos de natureza no
cientfica, difcil conseguir uma padronizao e validao em termos de acurcia.
De acordo com Ballou (2001), tal tcnica deve ser empregada somente se os
vendedores estiverem prximos do cliente, e se as condies para a realizao da
estimativa forem boas. Na opinio de Mentzer e Moon (2005), a fora de vendas
deve participar da previso de vendas em apenas duas situaes: quando o fluxo do
produto at o cliente responsabilidade do vendedor ou quando contratos de
fornecimento contnuo so fechados, caso em que extremamente importante saber
quando os fornecimentos acontecero.
A utilizao desta tcnica vista por Mentzer e Moon (2005) como vantajosa,
pois incorpora nas previses o conhecimento das pessoas prximas aos clientes, ao
mesmo tempo em que gera uma maior responsabilidade nos vendedores, j que
eles sero um dos maiores impactados com possveis erros nas previses de
demanda.
Ainda segundo os autores, interessante fazer com que a gerao de
previses seja parte do trabalho dos vendedores, previamente capacitados para
20
2.3.1.3. Delphi
O mtodo Delphi foi criado durante a Segunda Guerra Mundial, com o intuito
de prever avanos tecnolgicos na rea militar. O nome do mtodo faz referncia ao
orculo de Delfos, aonde as pessoas iam, na Grcia Antiga, para obter
ensinamentos e previses do futuro. Sua principal virtude se encontra no fato de ter
um processo formalizado, algo muito difcil em mtodos qualitativos. Hoje em dia
uma tcnica amplamente utilizada em empresas, no apenas para previso de
vendas, mas tambm para soluo de problemas tcnicos (LUSTOSA et al., 2008).
O processo pode ser dividido em duas etapas. A primeira, em que os
participantes emitem suas opinies individuais em relao ao tema, as quais so
coletadas pelo mediador. A segunda parte se d pela busca do consenso nas
opinies em reunio com todos os participantes, atravs de novas rodadas de
perguntas pertinentes (LUSTOSA et al., 2008).
A Figura 2 apresenta os passos do processo, por Mentzer e Moon (2005):
21
Uma vez que se tem em mos uma quantidade razovel de dados histricos,
e a tendncia e variaes sazonais so estveis e bem definidas, projetar estes
dados pode ser uma boa forma de previso (BALLOU, 2001). A premissa a de que
o padro observado no passado se repetir no futuro, e por isso, podemos fazer as
previses (LUSTOSA et al., 2008).
Para Ballou (2001), tais mtodos so reativos por natureza, se adaptando s
mudanas assim que os dados se tornam disponveis para as prximas previses.
Contudo, uma de suas desvantagens que esta mudana no ser sinalizada antes
de sua ocorrncia. Mas ainda segundo o autor, para horizontes curtos de tempo,
exceto em casos com mudanas drsticas, isto no uma sria limitao.
Na sequncia, alguns dos mtodos de projees histricas mais comuns.
22
anteriores. Este procedimento recebe o nome de mdia mvel, pois a cada novo
valor adicionado sria histrica, o valor mais antigo descartado (LUSTOSA et al.,
2008).
A Equao 2.1 representa o mtodo:
(2.1)
Onde:
F = previso para um determinado perodo
D = demanda real de determinado perodo
t = perodo de tempo atual
n = nmero de perodos considerados para a srie histrica
Apesar da simplicidade do mtodo, tanto para Chopra (2003) quanto para
Lustosa et al. (2008), o mtodo de mdia mvel indicado apenas quando a
demanda no apresenta tendncia ou sazonalidade. Para estes casos, mtodos de
suavizao so os mais indicados.
23
quanto maior seu valor, maior o peso colocado nos perodos mais recentes da srie,
fazendo com que o modelo responda mais rapidamente s mudanas. Contudo, ao
aumentar a constante, mais nervosa ficar a previso, seguindo variaes
aleatrias ao invs de mudanas fundamentais (BALLOU, 2001). Adiante neste
trabalho ser abordada a otimizao da constante de ponderao com o auxlio de
medidas de erro de previso e softwares especiais.
Com relao primeira previso, para um perodo t, outro mtodo histrico
deve ser utilizado, como a mdia mvel, por exemplo (FRAGOSO, 2009).
24
Onde:
S = previso inicial para o perodo;
T = tendncia para o perodo;
= constante ponderada de tendncia.
Assim como para a constante , devemos otimizar com o auxlio de
softwares. O mesmo vale para a primeira previso (S0), que deve ser calculada com
outro mtodo (a mdia mvel funciona, novamente).
Makridakis e Hibon (1991) mostraram que a escolha dos valores iniciais no
tem grande influncia no resultado da previso, podendo serem calculadas com
mtodos simples, ou at mesmo igualadas zero nas primeiras previses. Por outro
lado, Lustosa et al. (2008) diz que os valores das constantes de suavizao ( e )
tm bastante influncia no resultado, estando a calibrao do modelo concentrada
nestes parmetros.
25
(2.8)
(2.9)
Onde:
= constante de ponderao sobre o ndice sazonal;
I = ndice sazonal para o perodo;
L = perodo de tempo para uma estao completa.
A resoluo do mtodo funciona da mesma forma que os anteriores, agora
com os novos componentes a serem calculados.
Segundo Lustosa et al. (2008), uma das complicaes do mtodo a
necessidade de srie histrica mais longa, de pelo menos trs ciclos sazonais
completos, 36 meses, no caso de anos.
que
estudos
empricos
provem
que
previses
por
modelos
26
Funciona da mesma forma que o mtodo anterior, mas agora com mais de
uma varivel independente. O mtodo de obteno dos coeficientes o mesmo que
para a regresso linear simples, o mtodo dos mnimos quadrados, por exemplo
(LUSTOSA et al., 2008).
27
Nesta medida, erros maiores tm maior peso, e o contrrio ocorre com erros
menores. Sua frmula , segundo Lustosa et al. (2008), como em 2.14.
28
(2.14)
Uma desvantagem do mtodo que sua unidade no a mesma que a dos
dados de demanda.
(2.15)
29
3. ESTUDO DE CASO
3.1. Introduo
30
3.3. Iniciativa
31
32
3.5.3. Dificuldades
33
34
Famlias 1
Cod Material
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria - com pico
Estacionria - com pico sazonal
Estacionria - com pico
Produto 1
Produto 2
Produto 3
Produto 4
Produto 5
Produto 6
Produto 7
Produto 8
Produto 9
Produto 10
Produto 11
Produto 12
1.073
966
974
1.489,00
1.583
1.477
1.435
1.269
1387
1427
1.344
594
566
504
498
7719
7953
7632
7431
1.854,00
1.530,00
1.632,00
1.955,00
4.173,00
3.744,00
3.196,00
3.150,00
2.130,00
2.396,00
2.412,00
2.410,00
6.313,00
6.171,00
5.688,00
5.326,00
2297
1826
1883
1818
2769
2048
1860
1445
2132
2182
2687
2674
35
Previso
Famlias 1
Cod Material
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria - com pico
Estacionria - com pico sazonal
Estacionria - com pico
Produto 1
Produto 2
Produto 3
Produto 4
Produto 5
Produto 6
Produto 7
Produto 8
Produto 9
Produto 10
Produto 11
Produto 12
979
1.038
1.496
1.547
1.357
1.411
541
536
7.684
7.710
1.743
1.792
3.566
3.160
2.337
2.400
5.875
5.707
1.956
1.833
2.031
1.662
2.419
2.616
36
Famlias 1
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria - com pico
Estacionria - com pico sazonal
Estacionria - com pico
Cod Material
Cte Level
0,0400
Produto 1
0,0348
Produto 2
0,0650
Produto 3
0,0051
Produto 4
0,6162
Produto 5
0,1884
Produto 6
1,0000
Produto 7
0,3732
Produto 8
1,0000
Produto 9
0,9573
Produto 10
0,9011
Produto 11
1,0000
Produto 12
0<x<1
Cte Trend
0,0616
1,0000
0,0062
0,3089
0,0087
0,0011
-
Uma vez as previses feitas, atravs dos diferentes mtodos, o erro das
mesmas precisa ser calculado, para que, dessa forma, pudesse ser feita uma
comparao dos desempenhos.
37
Como nos primeiros doze meses (52 semanas) no existem previses para o
mtodo de Holt Winters, a medio de erro ser feita apenas para os ltimos doze
meses, de forma a se comparar o mesmo perodo de tempo para todos os mtodos.
O mtodo utilizado para a medio de erro foi o Erro Percentual Absoluto
Mdio (EPAM), j apresentado na Reviso Bibliogrfica, de acordo com a frmula
(2.15). Esta medio foi escolhida por ter seus resultados em percentual, o que
facilita na comparao, e tambm mais fcil de ser interpretado. Outro ponto
positivo do EPAM que por ser percentual, no leva-se em considerao a
magnitude dos valores de vendas, que pode variar bastante entre os produtos.
Para a medio do erro, inicialmente calculado o erro absoluto, e depois
calculado o EPAM, conforme pode ser visto na Figura 7.
Abs Erro
Semana 102 Semana 103 Semana 104 Semana 105
EPAM
259
363
222
6,8%
228
243
147
5,5%
208
180
97
379
5,7%
21
100
88
8,9%
263
177
583
987
4,7%
333
84
346
7,6%
140
183
386
295
4,0%
123
45
298
467
5,1%
232
1.381
207
77
5,7%
192
134
349
216
8,2%
51
985
2.232
723
38,3%
46
54
40
362
6,8%
124
299
775
7,0%
38
Note que cada material possui uma constante de nvel e uma de tendncia,
como foi explicado no captulo anterior. Tais constantes so delimitadas por zero e
um (restries), e so elas tambm as clulas variveis. A clula de destino que
deve ser minimizada ser a medida de erro, EPAM, das previses deste produto.
39
A comparao dos erros das previses para cada produto, atravs dos
diferentes modelos, pode ser vista na Tabela 4.1, extrada do Excel.
Tabela 4.1 - Comparao dos erros entre os mtodos, por produto
Famlia
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria
Estacionria - com pico
Estacionria - com pico sazonal
Estacionria - com pico
Estacionria - com pico sazonal
Estacionria Sazonal
Estacionria Sazonal
Estacionria Sazonal
Estacionria Sazonal
Estacionria Sazonal
Estacionria Sazonal
Estacionria Sazonal
Estacionria Sazonal
Tendncia
Tendncia
Tendncia
Tendncia
Tendncia
Tendncia Sazonal
Tendncia Sazonal
Tendncia Sazonal
Tendncia Sazonal
Material
Produto 1
Produto 2
Produto 3
Produto 4
Produto 5
Produto 6
Produto 7
Produto 8
Produto 9
Produto 10
Produto 11
Produto 12
Produto 13
Produto 14
Produto 15
Produto 16
Produto 17
Produto 18
Produto 19
Produto 20
Produto 21
Produto 22
Produto 23
Produto 24
Produto 25
Produto 26
Produto 27
Produto 28
Produto 29
Produto 30
MMS4
MMS8
MMS12
SE
Holts
Winters
7,6%
7,3%
6,9%
6,8%
6,8%
7,8%
6,2%
5,9%
5,6%
5,5%
5,5%
4,9%
6,3%
6,0%
5,7%
5,7%
5,7%
6,2%
9,5%
9,6%
9,6%
9,2%
8,9%
7,1%
5,0%
5,3%
5,8%
4,7%
4,7%
5,9%
9,0%
9,6%
10,6%
8,1%
7,6%
11,3%
4,7%
5,4%
5,7%
4,0%
4,0%
8,9%
5,0%
5,3%
5,6%
5,1%
5,7%
5,6%
7,8%
8,0%
7,9%
5,7%
5,7%
8,8%
11,0%
14,8%
18,7%
8,3%
8,2%
11,4%
53,2%
71,5%
103,6%
38,4%
38,3%
37,9%
8,9%
10,5%
11,9%
6,8%
6,8%
9,2%
7,6%
8,0%
8,2%
7,0%
7,0%
8,1%
17,4%
23,4%
26,9%
11,5%
11,7%
20,4%
14,6%
19,9%
23,1%
9,6%
9,6%
12,6%
17,0%
23,7%
27,7%
9,4%
9,4%
14,3%
14,8%
18,7%
21,0%
8,7%
8,7%
14,2%
10,5%
14,2%
16,9%
7,2%
7,2%
9,1%
19,5%
25,7%
28,2%
12,7%
12,7%
18,0%
38,5%
70,9%
108,8%
22,1%
20,6%
21,6%
11,9%
12,8%
14,2%
10,3%
10,3%
10,0%
4,8%
4,8%
4,9%
4,5%
4,5%
8,9%
8,5%
10,3%
11,4%
8,3%
8,2%
15,0%
6,7%
5,4%
5,9%
6,5%
5,3%
5,2%
9,1%
10,6%
12,4%
8,9%
8,9%
9,3%
11,1%
11,9%
12,5%
10,4%
10,3%
11,6%
14,7%
14,9%
16,5%
13,8%
13,8%
19,3%
13,8%
18,0%
21,2%
11,6%
11,4%
10,0%
11,2%
14,5%
17,4%
8,3%
8,3%
9,1%
15,8%
12,7%
21,9%
16,3%
26,4%
20,1%
9,6%
9,6%
9,6%
9,5%
13,1%
11,9%
40
Pela Tabela 4.1 e pelo Grfico 2, podem-se tirar algumas concluses acerca
dos mtodos utilizados neste trabalho:
A concluso mais clara a de que realmente a escolha do mtodo tem
grande impacto no resultado. Para alguns produtos a diferena entre eles
chega a ser de mais de 80 pontos percentuais;
No existe o mtodo ideal. Nos trinta produtos analisados, cinco mtodos
tiveram o melhor resultado para pelo menos um dos produtos;
Em mdia, o mtodo de Holt (melhor geral) tem erro 6,8 pontos percentuais
menor que o mtodo de mdia mvel com 8 semanas de histrico
(atualmente utilizado pela empresa);
Os mtodos de mdia mvel (4 semanas, 8 semanas e 12 semanas)
apresentam bons resultados para itens de demanda estacionria, porm,
ao analisar-se os itens com outro padro de demanda, em especial
sazonais, estes modelos tm desempenho bastante inferior aos mtodos
de suavizao;
Os mtodos de suavizao exponencial simples e suavizao exponencial
de Holt tm desempenho muito semelhante;
O mtodo da suavizao exponencial de Holt Winters no apresentou, na
maioria dos casos, desempenho superior aos outros dois mtodos de
suavizao.
41
# de
Erro Atual
produtos (MMS8)
9
6,9%
MMS4
6,8%
MMS8
6,9%
MMS12
7,0%
SE
6,1%
Holts
6,1%
Mtodo Reduo do
Winters escolhido erro (p.p.)
7,4%
Holts
0,9%
12,6%
9,9%
12,6%
15,3%
7,6%
7,5%
10,3%
Holts
5,1%
39,7%
30,4%
39,7%
55,9%
22,7%
22,6%
23,0%
Holts
17,1%
Estacionria Sazonal
26,2%
18,0%
26,2%
33,3%
11,4%
11,3%
15,0%
Holts
14,9%
Tendncia
8,7%
7,8%
8,7%
9,6%
7,5%
7,4%
10,3%
Holts
1,3%
Tendncia Sazonal
17,3%
13,9%
17,3%
20,4%
10,8%
10,8%
12,9%
Holts
6,6%
42
Fica claro que quanto mais constante a demanda, menores os valores das
constantes, de forma a dar um peso maior ao histrico. Enquanto que ao olhar para
os valores das constantes nos produtos de demanda estacionria sazonal, v-se
que a constante de nvel sempre prxima de um, dando um grande peso para as
ltimas previses, praticamente copiando as mesmas, minimizando, assim, o erro.
43
obteve
provavelmente
por
conta
da
44
45
REFERNCIAS
BALLOU, R. H. Gerenciamento da cadeia de suprimentos: planejamento,
organizao e logstica empresarial. 4. ed. Porto Alegre: Bookman, 2001.
FILDES, R.; HIBON, M.; MAKRIDAKIS, S.; MEADE, N. Generalising about univariate
forecasting methods: Further empirical evidence. International Journal of
Forecasting, v. 14, p. 339-358, 1998.
46
MAKRIDAKIS, S.; HIBON, M. Exponential smoothing: The effect of initial values and
loss functions on post-sample forecasting accuracy. International Journal of
Forecasting, v. 7, p. 317330, 1991.