Escolar Documentos
Profissional Documentos
Cultura Documentos
do segmento de autopeas
1. Introduo
1
da capacidade).
Previses de demanda no setor de autopeas, despertaram os interesses e foram objetos
de estudos de alguns autores, dentre os quais destacam-se os trabalhos de Lopes (2002); Mine
(2010) e Fernandes (2010). Nos trabalhos destes trs autores, o objetivo principal foi avaliar os
desempenhos das tcnicas de previso e fazer uso da que melhor se ajustou aos dados histricos
para prever a demanda de vendas em perodos futuros.
Diante deste contexto, o objetivo deste trabalho realizar a estruturao de um processo
de previso de demanda em uma empresa do segmento de autopeas baseando-se em uma
metodologia clara e objetiva para auxiliar nos processos de suprimentos e gesto de estoques,
visando a reduo de custos, aumento do nvel de servio e melhoria na qualidade do
atendimento.
O artigo est dividido em cinco sees, incluindo esta introduo. Na seo 2,
apresentada a reviso bibliogrfica, que traz os principais conceitos utilizados no trabalho. A
seo 3 apresenta a metodologia do estudo. Na seo 4, so apresentados e discutidos os
resultados. Por fim, a seo 5 traz as consideraes finais do artigo.
2. Reviso bibliogrfica
2.1 Previso da demanda
A previso da demanda de suma importncia para qualquer empreendimento. Isto por
que segundo Tubino (2009), ela tem como objetivo planejar estrategicamente a produo,
vendas e finanas das organizaes.
Para Moreira (2014, p. 293), a previso de demanda pode ser definida como um
processo racional de busca de informaes acerca do valor das vendas futuras de um item ou
conjunto de itens. J para Martins e Laugeni (2009, p. 226), a previso um processo
metodolgico para definio de dados futuros baseados em modelos estatsticos, matemticos
ou economtricos ou ainda em modelos subjetivos apoiados em uma metodologia de trabalho
clara e previamente definida.
Segundo Mesquita (2008), as tcnicas de previso de demanda podem ser classificadas
em dois grupos de acordo com o contexto da anlise a ser realizada e disponibilidade de
informaes, sendo elas: as tcnicas quantitativas e qualitativas.
As tcnicas quantitativas, so aquelas utilizadas para prever a demanda atravs de
frmulas matemticas e/ou estatsticas, em situaes onde possvel obter informaes
passadas do comportamento do mercado. Os modelos quantitativos utilizados podem ser
classificados em: i) modelos de sries temporais que englobam Mdia mveis, Suavizao
exponencial, Projeo de tendncias, Decomposio, Box Jenkins (ARIMA) e; ii) modelos de
correlao onde se enquadram a regresso simples, regresso mltipla e mtodos
economtricos.
Por sua vez, as tcnicas qualitativas so comumente usadas em casos onde h poucas ou
nenhuma informaes histricas, como por exemplo, um novo produto. Neste caso, o processo
de previso realizado atravs de opinies e julgamentos de pessoas experientes da
organizao, especialistas de mercado, tendncias e comportamento do mercado. De acordo
com Mesquita (2008), as metodologias mais utilizadas nesta situao so o mtodo Delphi,
pesquisa de mercado, simulao de cenrios, dentre outras.
A Figura 1 apresenta a classificao das tcnicas de previso de demanda, bem como os
modelos utilizados em cada uma delas.
2
Mtodos de
Previso
Quantitativos Qualitativos
Regresso Pesquisa de
Mdias mveis simples mercado
Projeo de Mtodos
tendncias economtricos
Decomposio
Box Jenkins
(ARIMA)
Figura 1: Classificao dos modelos de previso de demanda
Fonte: Mesquita (2008, p. 57)
3
analisado (STEVENSON, 2001). importante ressaltar que o coeficiente de ajustamento ao
possuir um valor muito pequeno, tende prever uma demanda muito abaixo da demanda real, e
o oposto (valor alto) tende a ter uma resposta mais sensvel variao da demanda.
J o modelo linear de Holt, tambm conhecido como suavizao exponencial dupla,
utilizado sempre que houver dados que apresentem uma tendncia linear de crescimento ou
decrescimento, considerando duas constantes de suavizao ( e ) e trs equaes (MARTINS
e LAUGENI, 2009).
Por fim, tm-se o modelo de Holt-Winters. Este mtodos possui como diferencial o fato
de se trabalhar com dados que possuem tendncia e sazonalidade, apresentando duas formas
distintas de abordagem (multiplicativa e aditiva), as quais dependem da forma como acontece
a sazonalidade, sendo a atuao dos ndices sazonais a principal diferena nos modelos. A forma
multiplicativa usada em sries temporais em que a amplitude do ciclo sazonal aumenta, isto
, a disparidade entre ponto maior e menor deste ciclo tende a aumentar com o tempo. J a
forma aditiva utilizada em sries temporais em que a amplitude constante ao longo do tempo
(MAKRIDAKIS et al., 1998).
As equaes utilizadas para obter previses pelos modelos de mdia mvel simples e de
suavizao exponencial so apresentadas na Tabela 1. Na Tabela 1, MM a mdia mvel, F
o valor da observao prevista, Y corresponde demanda real, L a estimativa do nvel da srie
temporal, b corresponde estimativa de tendncia da srie temporal, S o ndice sazonal da
srie temporal, , e so constantes de suavizao (com valores entre 0 e 1, no
correlacionados, que controlam o peso relativo ao nvel, tendncia e sazonalidade,
respectivamente), n o nmero de perodos (n = 1, 2, 3...), t o instante de observao no tempo
(t = 1, 2, 3...) e, por fim, m so os perodos frente que se deseja obter previses (m = 1, 2, 3...).
+ = +
+ = ( + ) + +
= ( ) + (1 )(1 + 1 )
Modelo de Holt-Winters
(mtodo aditivo) = ( 1 ) + (1 )1
= ( ) + (1 )
4
2.3 Medidas de acurcia
No processo de previso de demanda h necessidade de fazer uso de mecanismos para
averiguar a preciso de um modelo de previso. Segundo Tubino (2009, p. 33), isto necessrio
para acompanhar o desempenho das previses e confirmar sua validade perante a dinmica
atual dos dados. No presente trabalho foram utilizados as seguintes medidas de acurcia para
avaliar a preciso dos modelos analisados: i) Erro Absoluto Mdio ou Mean Absolute Error
(MAE); ii) Erro Quadrtico Mdio ou Mean Squared Error (MSE); iii) Erro Percentual
Absoluto Mdio ou Mean Absolute Percentage Error (MAPE). As equaes utilizadas para
obter estas medidas de acurcia so apresentadas na Tabela 2.
3. Procedimentos metodolgicos
Quanto sua natureza, este trabalho pode ser considerado com uma pesquisa aplicada,
que segundo Andrade (2010, p. 111), dispensa a originalidade, mas no o rigor cientfico.
Trata-se de pesquisa fundamentada em trabalhos mais avanados, publicados por autoridades
no assunto.
J em relao abordagem, o estudo classificado como uma pesquisa quantitativa. De
acordo com Mezzaroba et al. (2007), este tipo de pesquisa tem como objetivo prestar medio,
devendo-se esta ser interessante para o resultado final da investigao.
Quanto aos objetivos, a pesquisa qualificada como exploratrio, pois segundo Andrade
(2010, p. 112), o primeiro passo de todo trabalho cientfico e conforme Gil (2010, p. 27)
tm como propsito proporcionar maior familiaridade com o problema, com vista a torn-lo
mais explcito ou a construir hipteses.
Por fim, em relao aos procedimentos utilizados, o trabalho caracterizado como uma
pesquisa bibliogrfica, que segundo Bervian et al. (2007, p. 60) procura explicar um problema
a partir de referncias tericas publicadas em artigos, livros, dissertaes e teses, tendo como
nfase o estudo de caso, que de acordo com Gil (2010, p. 37), consiste no estudo profundo e
exaustivo de um ou poucos objetos, de maneira que permita seu amplo e detalhado
conhecimento.
Para atingir os objetivos propostos, o presente trabalho foi desenvolvido seguindo seis
etapas, conforme apresentado da Figura 2. Na sequncia, so descritas mais detalhadamente
cada uma dessas etapas.
5
1) Coleta e anlise de dados
1 Etapa coleta e anlise dos dados: o processo de coleta de dados foi realizado atravs dos
relatrios fornecidos pelo software de gesto empresarial que a empresa faz uso. Primeiramente,
foram coletados dados referentes ao faturamento de cada produto no ano de 2014 para realizar
a classificao ABC e, em seguida, coletou-se dados mensais das unidades vendidas dos
produtos para realizar o processo de previso de demanda.
2 Etapa priorizao dos produtos: de posse das informaes do faturamento dos produtos,
a segunda etapa do trabalho consistiu em realizar a priorizao dos produtos atravs da curva
ABC, onde foi possvel identificar os produtos que possuem maior representatividade em
termos de retorno financeiro para a empresa (itens da classe A).
3 Etapa agrupamento dos produtos da classe A: aps identificar os produtos de maior
representatividade, realizou-se o agrupamento dos mesmos devido ao grande nmero de
produtos pertencente esta classe. Este processo teve por objetivo reduzir o tempo demandado
no processo de previso e identificar um padro na demanda agregada visando aumentar a
acurcia. Para isto, os produtos da classe A foram classificados em seis grupos, sendo eles:
Grupo 1 Motor; Grupo 2 Suspenso; Grupo 3 Freio; Grupo 4 Cmbio; Grupo 5
Acessrios; Grupo 6 Diferencial.
4 Etapa modelagem e previso de demanda agregada: de posse de dados das demandas
agregadas, representadas em unidades vendidas mensalmente dos ltimos cinco anos (janeiro
de 2010 a dezembro de 2014), realizou-se a modelagem e previso de demanda. Para isto, foram
aplicados os modelos de mdia mvel simples, suavizao exponencial simples, suavizao
exponencial com tendncia (modelo linear de Holt) e, por fim, suavizao exponencial com
tendncia e sazonalidade (modelo de Holt-Winters) nas formas aditiva e multiplicativa. A
previso de demanda agregada foi ento obtida pelo modelo que apresentou as melhores
medidas de acurcia empregadas, sendo elas: MAE, MSE e MAPE.
5 Etapa obteno dos ndices de participao dos produtos: nesta etapa o objetivo foi
encontrar um ndice de participao de cada produto dos seis grupos para que fosse possvel
fazer o rateio da previso de demanda agregada e, ento, obter a previso de cada produto. Para
6
isto, realizou-se a diviso da demanda de cada produto mensalmente pela demanda total de cada
grupo no ano de 2014 que o perodo mais recente. Ento, para obter o ndice de participao
de um determinado produto no ms de janeiro de 2015, dividiu-se a demanda deste produto no
ms de janeiro de 2014 e pela demanda total de janeiro deste mesmo ano do grupo ao qual ele
pertence. Este mesmo procedimento foi realizado para obter os ndices de participao dos
demais meses de 2015.
6 Etapa obteno da previso individual: a previso para cada produto foi obtida
multiplicando-se a previso de demanda agregada pelo ndice de participao do produto para
cada ms analisado.
4. Apresentao e discusso dos resultados
A empresa onde foi realizado este estudo de caso, atua desde 1988 no setor de auto peas
na cidade de Rondonpolis-MT, sempre visando o melhor atendimento ao cliente. At o
momento da realizao deste estudo, no havia na empresa um processo estruturado de previso
de demanda, sendo a reposio de itens feita considerando a mdia dos ltimos trs perodos e
com quantidades suficientes para cobertura de estoque de trs meses. Deste modo, o presente
trabalho auxiliar os gestores a tomarem decises quanto reposio baseando-se no modelo
que melhor se ajuste aos dados histricos.
Tendo em vista ao grande nmero de itens que a empresa comercializa, sendo 8.758 ao
todo, realizar o processo de modelagem e previso de demanda para todos eles requer um tempo
considervel. Deste modo, houve a necessidade de realizar a classificao destes produtos
conforme a curva ABC e desenvolver o processo de previso para os itens da classe A que
possuem maior representatividade para a empresa em termos de faturamento. A Tabela 3,
apresenta os resultados obtidos da classificao ABC dos produtos da empresa considerando o
faturamento do ano de 2014.
De posse das informaes referente aos produtos pertencente classe A, foi realizado o
agrupamento dos mesmos em seis grupos com o intuito de realizar a previso da demanda
agregada. A Tabela 4, apresenta o nmero de produtos que se enquadram em cada grupo.
7
Aps realizar o agrupamento dos produtos conforme apresentado na Tabela 4, foi
realizado a modelagem e previso de demanda para cada um dos seis grupos com o auxlio do
software MINITAB 16.0. A Tabela 5, apresenta os resultados das trs medidas de acurcia
(MAE, MSE e MAPE) de todos os modelos de previso analisados para os seis grupos. Os
modelos destacados em negrito, foram os que apresentaram os menores erros de previso e,
consequentemente, foram utilizados para obter a previso de demanda para o prximo perodo.
8
veculos em oficinas e concessionrias de automveis. J para o grupo 4, o modelo que
apresentou o melhor desempenho foi o de suavizao exponencial simples.
A Figura 3 apresenta os ajustes das previses (linhas vermelhas) dos modelos que
apresentaram as melhores medidas de acurcia aos dados histricos da demanda (linhas pretas)
para cada um dos seis grupos.
6000
2500
DEMANDA
DEMANDA
5000
2000
4000
1500
3000
1000
2000
1 6 12 18 24 30 36 42 48 54 60 1 6 12 18 24 30 36 42 48 54 60
PERODOS PERODOS
DEMANDA
300
500
250
400 200
300 150
200 100
1 6 12 18 24 30 36 42 48 54 60 1 6 12 18 24 30 36 42 48 54 60
PERODOS PERODOS
1400 40
1200
DEMANDA
DEMANDA
30
1000
800 20
600
10
400
0
200
1 6 12 18 24 30 36 42 48 54 60 1 6 12 18 24 30 36 42 48 54 60
PERODOS PERODO
Figura 3: Ajuste das previses aos dados histricos de demanda dos seis grupos
9
e ltimo produto de cada grupo, de modo que a soma dos ndices de participao iguais a
100% e a soma das demandas individuais iguais s demandas agregadas (A).
(B) (A x B)
1 6314 OLEO MOTOR 15W40 SL 1011554 6,36% 294,00
. . . . .
760 8974 MANGUEIRA RAD VW 1015 0,02% 1,00
TOTAL 100,00% 4.620,00
(B) (A x B)
1 7445 AMORTECEDOR D. VW CT30826 0,89% 20,00
. . . . .
563 10959 KIT AMORTECEDOR VW MB4158 0,00% 0,00
TOTAL 100,00% 2.216,00
(B) (A x B)
1 4200 JG SAPATA FREIO FIAT FI91CP 1,10% 6,00
. . . . .
211 3070 REPARO PINCA GM/FORD 0,27% 2,00
TOTAL 100,00% 570,00
(B) (A x B)
1 7421 KIT EMBREAGEM FIAT 6267 5,12% 16,00
. . . . .
147 8026 ANEL SINCRONIZADO FIAT 1972 0,00% 0,00
TOTAL 100,00% 303,00
10
TABELA 10 - Obteno das previses individuais Grupo 5
Previso Agregada (Janeiro 2015) = 1.092,00 unidades (A)
ndice de Previso
Seq. Cdigo Produto participao Individual
GRUPO 5
(B) (A x B)
1 6147 BATERIA MARELLI 60A PL60DR-E 2,32% 25,00
. . . . .
88 8393 PEITO ACO VW GP457 0,15% 2,00
TOTAL 100,00% 1.092,00
(B) (A x B)
1 3517 COROA PINHAO MB 7X43 06350006 2,63% 1,00
. . . . .
36 2721 LUVA SINCRONIZADORA 14330022 0,00% 0,00
TOTAL 100,00%
11
Com a aplicao dos modelos de previso na etapa de modelagem e previso de
demanda, constatou-se que o grupo 1 (motor), grupo 2 (suspenso), grupo 3 (freio), grupo 5
(acessrios) e grupo 6 (diferencial) apresentam comportamento sazonal de vendas com
comprimento sazonal de 12 meses, pois ocorrem picos de vendas todo ms de dezembro. Logo
para estes grupos o modelo que apresentou o melhor desempenho foi o Holt-Winters que
considera as tendncias e sazonalidades das sries temporais.
J para o grupo 4 (cmbio), o modelo que melhor se ajustou aos dados histricos foi o
de suavizamento exponencial simples. Estes modelos que apresentaram os menores erros de
previso para cada um dos seis grupos, foram utilizados para obter as previses de demandas
agregadas e, posteriormente, as previses individuais considerando o ndice de participao de
cada produto em relao ao grupo que ele pertence.
Por fim, para trabalhos futuros recomenda-se que os estudos sobre previses de
demanda sejam estendidas aos demais produtos das classes B e C. Alm disso, sugere-se que
os resultados oriundos deste estudo sejam integrados a outros trabalhos de polticas de gesto
de estoques encontradas na literatura, tais como reviso contnua e peridica.
Referncias
ANDRADE, M. M. Introduo Metodologia do Trabalho Cientfico. 10.ed. So Paulo, Atlas S.A., 2010.
BERVIAN, P. A.; DA SILVA, R.; CERVO, A. L. Metodologia Cientfica. 6.ed. So Paulo, Pearson Prentice Hall,
2007.
FERNANDES, F. Integrao de Mtodos Quantitativos e Qualitativos para previso de demanda no setor de
autopeas. 27 f. Trabalho de Concluso de Curso (Graduao em Engenharia de Produo), Escola de Engenharia,
Universidade Federal do Rio Grande do Sul, Porto Alegre, 2010.
GIL, A.C. Como Elaborar Projetos de Pesquisa. 5.ed. So Paulo, Atlas, 2010.
LOPES, R. D. Previso de autopeas: estudo de caso em uma concessionria de veculos. 107 f. Dissertao
(Mestrado em Engenharia de Produo) Universidade Federal de Santa Catarina, UFSC, Florianpolis, 2002.
MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. J. Forecasting: Methods ans Applications . 3 ed.
New York , John Wiley & Sons, 1998.
MARTINS, P. F.; LAUGENI, F. P. Administrao da Produo e Operaes. So Paulo: Saraiva, 2009.
MESQUITA, M. A. Previso de Demanda. In: Lustosa, L.; Mesquita, M.A.; Quelhas, O.; Oliveira,
R.; Planejamento e Controle da Produo. Rio de Janeiro: Elsevier, 2008.
MEZZAROBA, O.; MONTEIRO, C. S. Manual de Metodologia da Pesquisa no Direito. 3.ed. So Paulo, Saraiva,
2007.
MINE, O. M. Previso de demanda de autopeas com redes neurais. 225 f. Dissertao de mestrado (Mestrado
em Informtica) - Universidade Federal do Esprito Santo, UFES, Vitria, 2010.
MOREIRA, D. A. Administrao da Produo e Operaes. 2.ed.So Paulo: Cengage Learning, 2014.
RITZMAN, L. P.; KRAJEWSKI, L. J. Administrao da Produo e Operaes. So Paulo: Pearson Prentice
Hall, 2004.
SILVA, R. B. Previso de demanda no setor de suplementao animal usando combinao e ajuste de previses.
2014. 64p. Dissertao (Mestrado em Engenharia de Produo), Escola de Engenharia, Universidade Federal do
Rio Grande do Sul, Porto Alegre, 2014.
STEVENSON, W. J. Administrao das Operaes de Produo. 6.ed. Rio de Janeiro: LTC, 2001.
TUBINO, D. F. Planejamento e Controle da Produo. 2.ed. So Paulo: Atlas S.A., 2009.
12