Escolar Documentos
Profissional Documentos
Cultura Documentos
2
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
1. Introdução
3
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
2. Revisão Bibliográfica
4
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
Segundo Peinado e Graeml (2007), este é um método simples e muito utilizado para
previsões de curto prazo. Conforme Makridakis, Wheelwright e Hyndman (1998), Ballou
(1999) e Peinado e Graeml (2007), ele é adequado quando o padrão da série temporal tem
dados irregulares, ou seja, não apresenta tendência ou sazonalidade. Tem-se a seguinte
equação para a média móvel:
5
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
um período futuro através de ajustes do período atual com erro de previsão. Veríssimo et al.
(2013) argumenta que, se a série temporal se mantém constante sobre um nível médio, então
uma suavização exponencial simples pode ser usada para previsão de dados futuros da série.
Assim, Ballou (1999) ressalta que o método é indicado se tendência e sazonalidade não
representam variações substanciais. Tem-se a seguinte equação para o método:
Nível:
Tendência:
6
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
sentido, Elsayed e Boucher (1984) sugerem a utilização do Desvio Médio Absoluto (DMA)
para o cálculo da acurácia. Schwitzky (2001) aponta que o DMA mostra a variação que os
métodos apresentam durante um determinado período, dado pela média das diferenças
absolutas entre a demanda observada e a prevista. Já Carbone e Armstrong (1982) ressaltam
que o Erro Quadrático Médio (EQM) é a medida de acurácia preferida dos estudos empíricos.
Assim, Pellegrine (2000) aponta que o modelo de previsão da demanda mais adequado será
aquele com o menor erro associado.
O erro é calculado da seguinte forma:
3. Metodologia
Vianna (2001) cita que a metodologia se refere a ciência que descrever os métodos
utilizados, a fim de se alcançar os objetivos propostos. Assim, buscando avaliar diferentes
métodos de previsão de demanda para o RU da UFV/CRP, a pesquisa é de natureza aplicada,
de forma que, segundo Silva e Menezes (2000), tem por objetivo gerar conhecimento para
aplicação prática, voltada para solução de problemas específicos. A forma de abordagem é de
cunho quantitativo, pois de acordo com Silva e Menezes (2000) requer o uso de técnicas e
modelos estatísticos. O objetivo de estudo é descritivo, que segundo Gil (1991) visa descrever
as características de determinado fenômeno ou o estabelecimento de relações entre as
variáveis. Por fim, quanto aos procedimentos técnicos, trata-se de um estudo de caso visto
que, conforme Cauchick Miguel (2007), esse considera um determinado fenômeno, dentro de
um cenário real da vida, quando os limites entre o contexto e fenômenos em que ele se junta
não são notoriamente definidos.
7
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
4. Resultados e Discussão
8
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
ela, uma estimativa é feita de maneira subjetiva, de forma que nos dias de terça, quarta e
quinta são os dias em que há maior saída de refeições e consequentemente maior quantidade
preparada. Quando há sobras de alimentos dentro da cozinha, elas são utilizadas na
preparação do cardápio do jantar. Porém, quando falta comida durante o almoço, os alunos
precisam ficar esperando na fila até que uma nova quantidade seja preparada.
Assim, os dados quanto ao número de refeições servidas no almoço para o mês de
setembro de 2017 se encontram na Tabela 1.
Com base nos dados, gerou-se o Gráfico 1, conforme o sugerido por Makridakis
(1996), a fim de encontrar tendência e sazonalidade, e analisar o padrão da demanda.
9
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
Após plotados os dados como visto no Gráfico 1, foi gerada a linha de tendência.
Assim, pode-se verificar uma leve tendência de crescimento do número de refeições servidas
a cada dia no almoço. Foram identificados outliers nos dias 7 e 8 de setembro, visto que se
tratou de feriado com recesso, em que muitos estudantes se ausentaram de Rio Paranaíba.
Assim, a demanda desses dois dias foi desconsiderada para aplicação dos métodos. Quanto à
sazonalidade, não foi identificada no gráfico.
Na Gráfico 2 é possível observar a previsão da demanda utilizando o método da média
móvel.
10
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
11
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
DMA EQM
Média Móvel 33,11458 1850,35
Tendência Linear 21,26 806,83
Suavização 23,0706 972,6882
Exponencial Simples
Suavização 31,33 1628,848
Exponencial Linear de Holt
Após análise dos resultados do DMA e EQM dos métodos testados, verifica-se que o
método com menor DMA e EQM é o da tendência linear. Justifica-se pelo fato de que o
método é adequado para séries temporais que apresentam tendência, mas não apresentam
sazonalidade, o que foi identificado na análise dos dados coletados, conforme já descrito.
Dessa forma, dentre os modelos ele é o mais adequado para o Restaurante Universitário da
UFV/CRP.
Quanto aos outros métodos, o segundo mais eficiente foi a suavização exponencial
simples, visto que é um método indicado para dados que não possuam tendência e
sazonalidade com variações substanciais. Isso foi identificado nos dados visto que não há
sazonalidade e a linha de tendência não possui uma inclinação elevada. Em seguida, tem-se o
método da suavização exponencial linear de Holt, que é adequado para dados com tendência
linear, mas sem sazonalidade. Por fim, o modelo com menos eficiência foi o da média móvel
que, como visto no referencial teórico, não trabalha bem com dados que apresentam
sazonalidade e tendência, fazendo com que a previsão esteja sempre em atraso em relação aos
valores reais, o que pode ser verificado analisando o gráfico do modelo.
5. Considerações Finais
12
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
Referências
ARMSTRONG, J. S.; BRODIE, R. J. Forecasting for marketing. In: HOOLEY, G. J.; HUSSEY, M. K.
Quantitative methods in marketing. 2 ed, London: International Thompson Business Press, 1999.
ABIA. Associação Brasileira das Indústrias da Alimentação. Coletiva de Imprensa: ABIA divulga balanço do
setor de alimentos e bebidas. Disponível em:
<http://www.abia.org.br/vsn/tmp_2.aspx?id=319#sthash.i2HlPd1F.dpbs>. Acesso em 09 de novembro de 2017.
ANDIFES. Associação Nacional dos Dirigentes das Instituições Federais de Ensino Superior, F. II Perfil
Socioeconômico e Cultural dos Estudantes de Graduação das Instituições Federais de Ensino Superior. 2004.
Disponível em:
<http://unb2.unb.br/administracao/decanatos/dac/fonaprace/perfil/2004/IFES/fonaprace_com_linhas.pdf>.
Acesso em 09 de novembro de 2017.
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos: Logística Empresarial . 4. ed. Porto Alegre: Editora
Bookman, 1999.
BERMÚDEZ, J. D.; SEGURA, J. V.; VERCHER, E. A decision support system methodology for forecasting of
time series based on soft computing. Computational Statistics & Data Analysis, v. 51, p.177-191, 2006.
CARBONE, R.; ARMSTRONG, J. S. Evaluation of explorative forecasting methods: Result of a survey of
academicians and practitioners. Journal of Forecasting, v. 1, n. 2, p.215–217, 1982.
CAUCHICK MIGUEL, P. A. Estudo de caso na engenharia de produção: estruturação e recomendações para sua
condução. Production, v. 17, n. 1, p. 216-229, 2007.
ELSAYED, E. A.; BOUCHER, T. O. Analysis and control of production systems. 2. ed. New Jersey: Prentice
Hall, 1994.
GARCIA, R. A. Análise dos Métodos de Previsão de Demanda: estudo de caso em unidades distintas de uma
escola de idiomas. Programa de Graduação. Departamento de Engenharias e Computação, Universidade Federal
do Espírito Santo, São Mateus, 2011.
GIL, A. C. Como elaborar projetos de pesquisa. São Paulo: Atlas, 1991.
KURRLE, M.A. Métodos para previsão da demanda de veículos novos: estudo de caso em um concessionária
de automóveis. Dissertação (Mestrado) — Programa de Pós-Graduação em Engenharia de Produção,
Universidade Federal do Rio Grande do Sul, 2004.
KRAJEWSKI, L.; RITZMAN, L; MALHOTRA, M. Operations Management: Processes and Value Chain,
Eight Edition, Pearson Prentice Hall, 2007.
13
XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018
14