MODELO DE PREVISÃO DE DEMANDA PARA UMA MALHARIA COM TRÊS

FAMÍLIAS DE TECIDO BASEADO EM SÉRIES TEMPORAIS (MÉDIA, TÊNDENCIA E

SAZONALIDADE).

Gibrahn Franquini – gibrahn.francio@gmail.com

Resumo
Decisões gerenciais são de extrema importância, já que envolvem o planejamento e
dimensionamento de recursos de diferentes horizontes de tempo. Com isso verifica-se a
necessidade de previsões de demanda mais precisas, permitindo assim, o melhor
planejamento de operações de compra de insumos e serviços logísticos a um custo mais
baixo. O presente artigo tem como objetivo principal escolher a melhor previsão para três
famílias de tecidos (Malha Fria, Tactel e Tricoline) de uma malharia, com histórico de dados
de 36 meses. Considerando a análise dos erros, desenvolvendo um modelo de previsão
da demanda para cada uma das três famílias, baseado em séries temporais de média,
tendência e sazonalidade e montar um gráfico com a demanda histórica e a demanda
prevista para os doze próximos períodos. Assim sendo, através da análise de previsão da
demanda, tarefa e atividade da situação proposta, foi possível verificar o método mais
indicado a previsão de cada família nos próximos 12 períodos.

Palavras – chave: Previsão de Demanda, Média Móvel, Tendência

1 Introdução

As decisões gerenciais desempenham um papel de extrema importância, já que

envolvem o planejamento e dimensionamento de recursos de diferentes horizontes de
tempo (curto, médio e longo prazo), no mundo onde cada vez mais precisa-se reduzir
custos e otimizar a produção para evitar desperdícios.
Uma área que contribui para o desenvolvimento competitivo de uma organização é
Planejamento e Controle de Produção (PCP). Segundo Tubino (2009), o PCP visa aplicar
e gerenciar os recursos produtivos para atender os planos estabelecidos nos níveis
Estratégico Tático e Operacional, buscando o melhor desempenho.
O nível estratégico define as políticas estratégicas de longo prazo, e nesse
contexto, o PCP gera um planejamento estratégico da produção e, consequentemente, um
plano de produção para determinado período (TUBINO, 1999). No nível tático são
realizados planos de médio prazo para a produção, sendo o PCP responsável pelo
desenvolvimento do planejamento-mestre da produção.
Os dados históricos de demanda utilizados na aplicação dos métodos foram
fornecidos por uma empresa de tecelagem e, adaptados para preservar a mesma. A
malharia confecciona três famílias de tecidos (Malha Fria, Tactel e Tricoline). Considerando
a análise dos erros, desenvolvendo um modelo de previsão da demanda para cada uma
das três famílias, baseado em séries temporais de média, tendência e sazonalidade
prevista para os 36 períodos pré-determinados. Assim sendo, através da análise de
previsão da demanda, foi possível verificar o método mais indicado a previsão de cada
família nos próximos 12 períodos. A estrutura do estudo divide-se em cinco seções:
introdução, fundamentação teórica, metodologia, resultados e discussões e conclusão.

2 Fundamentação Teórica

2.1 Média Móvel

O método da Média Móvel (Equação 1) é amplamente utilizado pela sua facilidade

de implementação e manutenção e pela necessidade de poucos dados históricos para a
sua aplicação. No entanto, este método é apropriado somente para previsões de curto
prazo e para dados históricos irregulares, onde o padrão da série temporal não apresenta
tendência e sazonalidade (MAKRIDAKIS;WHEELWRIGHT;HYNDMAN,1998).
Este método parte do pressuposto que a média aritmética simples é uma boa
estimativa de previsão para os períodos seguintes:

(1)

Onde:
Pt+1 - Previsão para o período t+1
Rt - Demanda real ocorrido em t
n - número total de registros ou ocorrências passadas

Uma das características deste tipo de modelo é que todos os dados possuem o
mesmo peso ou importância no cálculo de previsão, o que pode ser inoportuno, caso a
intenção seja dar às observações mais antigas menor impacto.

2.2 Técnica para a previsão da tendência

A tendência é o movimento gradual em longo prazo da demanda. O cálculo da

previsão ocorre através da identificação de uma equação que descreve o movimento, onde
esta equação e identificada através da plotagem dos dados passados (TUBINO,2009).
3.3.2.1 Equação linear para a tendência segundo TUBINO (2009), é possível gerar uma
equação de uma reta crescente ou decrescente, no formato Y=a+bX, através dos dados
históricos da demanda.
2.2.1 Ajustamento exponencial para a tendência

Martins e Loureiro (2004) diz que consiste no tratamento de demandas que

apresentam tendência, de forma que os dados resultantes da previsão considerem essa
variação. A plotagem gráfica dos dados passados permite identificar uma equação que
pode ser linear ou não-linear. Tal plotagem pode ser feita com o auxílio de cálculos
matemáticos ou softwares computacionais que determinem uma equação de ajustamento
para a tendência.

2.2.2 Técnicas para a previsão de sazonalidade

São variações que ocorrem, para cima ou para baixo em intervalos regulares. Existe
uma razão para a ocorrência, e repetições das variações. A sazonalidade pode ser anual,
mensal, semanal ou até mesmo diário. Essa sazonalidade e expressa em quantidade ou
percentagem, onde a demanda sofre um desvio dos valores médio da série
(TUBINO,2009). 3

3 Erros de Previsão

De acordo com Fernandes e Godinho (2010), vários fatores podem ocasionar erros
na Previsão de Demanda, sendo os principais fatores a aleatoriedade do mercado,
inevitável e difícil de controlar, e a falha no processo de escolha ou modelagem das
técnicas de previsão. Uma vez escolhida a técnica de Previsão de Demanda, é necessário
monitorá-la, para verificar se ela continua válida apesar da atualização dos dados. A
manutenção e monitoração do modelo também pode buscar verificar a acuracidade dos
valores previstos, identificar variações anormais e permitir a escolha de técnicas mais
eficientes através de comparações (TUBINO, 2009). Segundo Tubino (2009), o erro
acumulado deve tender a zero, e corresponde à diferença entre o valor da demanda real e
da demanda prevista. O autor apresenta outra forma de monitorar o modelo de previsão,
o MAD (Mean Absolute Deviation), conforme a Equação 2:

(2)
 Em que Datual é a demanda ocorrida no período, Dprevista é a demanda prevista no
período e n o número de períodos. O erro acumulado deve ser comparado com o múltiplo
do desvio médio absoluto, o 4 MAD. Quando ultrapassar esse valor, o problema deve ser
identificado e o modelo deve ser revisto (TUBINO, 2009). Se o valor do 4 MAD der abaixo
do erro de previsão, o modelo de previsão para a demanda escolhido funciona
adequadamente, apresentando apenas erros decorrentes de variações aleatórias.

4 Metodologia

Para o cálculo de previsões de demanda utilizam-se de maneira geral métodos

quantitativos e qualitativos (MONTGOMERY; JOHNSON; GARDINER 1990). Os métodos
quantitativos são baseados em séries temporais históricas e na previsão de eventos futuros
(SPENDDING; CHAN, 2000), já os métodos qualitativos envolvem estimações subjetivas,
buscando compreender a realidade apresentada por meio das entrevistas com
especialistas ou consumidores. No presente artigo utilizou-se uma abordagem quantitativa,
para a escolha do método de previsão de demanda utilizando histórico de 36 meses para
três famílias de tecidos com variações randômicas apenas, utilizando as técnicas Método
Exponencial Móvel, o Método de Equação linear e pela técnica de sazonalidade com
Tendência, sendo estas escolhidas devido a projeção de gráficos das demandas passadas.
Por fim comparou-se o resultado do MAD da aplicação de cada método e verificou-se o
menor valor, o qual demonstra o método com menor erro, ou seja, o mais indicado para a
estimação da demanda prevista para os próximos 12 meses.

5 Resultados e discussões
Para a escolha do método de Previsão de Demanda foram coletados dados de
demanda de 36 meses anteriores que estão dispostos na Tabela 1.

Tabela 1 - Aplicação do Método da Média Móvel

 Fonte: elaborado pelo próprio autor, 2019.

Com os dados dispostos na Tabela 1 monta-se o Gráfico 1, que facilita a

visualização da variação de demandas para então escolher o melhor método de previsão
para cada família.

Gráfico 1 - Demanda real das três famílias de tecidos

9,000
8,000
7,000
6,000
5,000 Malha Fria
4,000 Tactel
3,000 Tricoline
2,000
1,000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35

Fonte: elaborado pelo próprio autor, 2019.

Assim, observou-se no Gráfico 1 que a família Malha Fria (Verde) apresentou

variações randômicas apenas, utilizou-se as técnicas de média móvel, e ajustamento
exponencial. Nesta última, utilizando o solver para definir o coeficiente alfa que minimize o
MAD. Para a família Tactel (Azul) foi observado uma característica de tendência, sendo
utilizadas as técnicas de equação linear, e ajustamento exponencial para a tendência,
nesta última, utilizando o solver para definir os coeficientes de alfa que minimizem o MAD.
Na família Tricoline (vermelho) notou-se característica de sazonalidade, portanto foi
utilizado a técnica com os índices sazonais.

Seguindo a metodologia para a família Malha Fria (Verde), utilizou-se as técnicas

de média móvel, e ajustamento exponencial, dos 36 meses mais a previsão dos próximos
12 meses, conforme a tabela 2
Tabela 2 – Previsão pela Média x Exponencial Móvel (Malha Fria)
Mm 3 M. Exp. Móvel a = 0,10748265
Período D.Real D.Prev Erro Abs(Erro) D.Prev Erro Abs(Erro)
1 4.790
2 4.841 4.795 46 46
3 5.923 4.800 1.123 1123
4 4.584 5.185 -601 601 4.921 -337 337
5 4.584 5.116 -532 532 4.885 -301 301
6 5.253 5.030 223 223 4.852 401 401
7 4.841 4.807 34 34 4.896 -55 55
8 5.356 4.893 463 463 4.890 466 466
9 4.944 5.150 -206 206 4.940 4 4
10 5.459 5.047 412 412 4.940 519 519
11 4.996 5.253 -257 257 4.996 0 0
12 5.717 5.133 584 584 4.996 721 721
13 5.047 5.391 -344 344 5.073 -26 26
14 5.408 5.253 155 155 5.071 337 337
15 4.944 5.391 -447 447 5.107 -163 163
16 5.408 5.133 275 275 5.089 319 319
17 4.584 5.253 -669 669 5.124 -540 540
18 5.717 4.979 738 738 5.066 651 651
19 5.047 5.236 -189 189 5.136 -89 89
20 5.202 5.116 86 86 5.126 76 76
21 5.047 5.322 -275 275 5.134 -87 87
22 5.202 5.099 103 103 5.125 77 77
23 4.429 5.150 -721 721 5.133 -704 704
24 5.099 4.893 206 206 5.057 42 42
25 4.584 4.910 -326 326 5.062 -478 478
26 4.584 4.704 -120 120 5.011 -427 427
27 4.584 4.756 -172 172 4.965 -381 381
28 4.841 4.584 257 257 4.924 -83 83
29 5.150 4.670 480 480 4.915 235 235
30 5.820 4.858 962 962 4.940 880 880
31 4.532 5.270 -738 738 5.035 -503 503
32 5.871 5.167 704 704 4.981 890 890
33 5.253 5.408 -155 155 5.076 177 177
34 5.305 5.219 86 86 5.095 210 210
35 5.047 5.476 -429 429 5.118 -71 71
36 5.717 5.202 515 515 5.110 607 607
37 5.176
38 5.176
39 5.176
40 5.176
41 5.176
42 5.176
43 5.176
44 5.176
45 5.176
46 5.176
47 5.176
48 5.176
Erro Acumulado 103 3.536
MAD 378 343

Fonte: elaborado pelo próprio autor, 2019.

 Observa-se na Tabela 2 onde foi comparado a previsão pela Média e previsão
exponencial Móvel para a família Malha Fria, obteve-se os seguintes valores de MAD,
(Tabela 3):

Tabela 3 - MAD comparativo Mm3 x M.Exp.Móvel

MAD Mm 3 M. Exp. Móvel

378 343

Fonte: elaborado pelo próprio autor, 2019.

Como pode-se ver na Tabela 3, o Método Exponencial Móvel obteve o menor MAD,
que é a diferença entre o valor real da demanda e o valor previsto do modelo para dado
período, ou seja, o menor erro para a previsão da demanda futura.

Para a família Tactel (Azul), foi observado no Gráfico 1 uma característica de

tendência, sendo utilizadas as técnicas de equação linear, e ajustamento exponencial para
a tendência, nesta última, utilizando o solver para definir os coeficientes de alfa que
minimizem o MAD, conforme mostra a tabela 4.
 Tabela 4 – Previsão equação linear x Ajustamento Exponencial Tendência
a = 5459,9 b = 50,589 0,105011 0,023761955
Equação Linear (Excel) Ajustamento Exponencial Tendência
Período D.Real D.Prev Erro Abs(Erro) Mt a = 0,6 Tt a = 0,5 D.Prev t+1 Erro Abs(Erro)
1 5.155 5.510 -355 355
2 5.483 5.561 -78 78
3 5.202 5.612 -410 410 5.202 24 5.226
4 5.253 5.662 -409 409 5.228 24 5.252 28 28
5 6.103 5.713 390 390 5.341 24 5.365 851 851
6 5.989 5.763 226 226 5.430 26 5.456 624 624
7 6.337 5.814 523 523 5.549 27 5.576 881 881
8 6.455 5.865 590 590 5.668 29 5.698 879 879
9 6.516 5.915 601 601 5.784 32 5.815 818 818
10 5.082 5.966 -884 884 5.738 34 5.772 -733 733
11 6.456 6.016 440 440 5.844 32 5.876 684 684
12 5.297 6.067 -770 770 5.815 34 5.848 -579 579
13 7.065 6.118 947 947 5.976 32 6.008 1.217 1217
14 6.013 6.168 -155 155 6.009 35 6.044 5 5
15 5.503 6.219 -716 716 5.987 35 6.022 -541 541
16 6.876 6.269 607 607 6.112 34 6.146 854 854
17 7.318 6.320 998 998 6.269 36 6.305 1.172 1172
18 5.777 6.371 -594 594 6.249 39 6.288 -528 528
19 5.761 6.421 -660 660 6.233 38 6.270 -527 527
20 6.006 6.472 -466 466 6.243 36 6.279 -264 264
21 5.662 6.522 -860 860 6.214 36 6.250 -617 617
22 7.501 6.573 928 928 6.381 34 6.415 1.251 1251
23 6.961 6.623 338 338 6.472 37 6.510 546 546
24 7.356 6.674 682 682 6.598 39 6.637 846 846
25 6.259 6.725 -466 466 6.597 41 6.638 -378 378
26 6.241 6.775 -534 534 6.596 40 6.636 -397 397
27 7.190 6.826 364 364 6.694 39 6.733 554 554
28 7.038 6.876 162 162 6.765 40 6.805 305 305
29 6.321 6.927 -606 606 6.754 41 6.795 -484 484
30 6.795 6.978 -183 183 6.795 40 6.835 0 0
31 6.706 7.028 -322 322 6.821 40 6.861 -129 129
32 7.620 7.079 541 541 6.940 39 6.980 759 759
33 6.229 7.129 -900 900 6.901 41 6.942 -751 751
34 7.882 7.180 702 702 7.041 39 7.080 940 940
35 6.839 7.231 -392 392 7.055 42 7.097 -241 241
36 8.001 7.281 720 720 7.192 41 7.233 904 904
37 7.332
38 7.382
39 7.433
40 7.483
41 7.534
42 7.585
43 7.635
44 7.686
45 7.736
46 7.787
47 7.838
48 7.888
Erro Acumulado -1 7.950
MAD 542 615

Fonte: elaborado pelo próprio autor, 2019.

Observa-se na Tabela 4 onde foi comparado a previsão pela equação linear e pelo
ajustamento Exponencial de Tendência, obteve-se os seguintes valores de MAD, (Tabela
5):
Tabela 5 - MAD comparativo Equação Linear x Ajustamento Exponencial Tendência

Equação linear A. Exponencial

Tendência
MAD
542 615

Como pode-se ver na Tabela 5, o Método de Equação linear apresentou o menor

MAD, ou seja, o menor erro para a previsão da demanda futura.

No caso da família Tricoline (Vermelho), foi observado pelo gráfico 1, que ela se
comporta com sazonalidade, portanto para análise da mesma foi usado ciclo de 6 períodos,
portanto teremos 6 valores IS médio, como foi feito em ciclos pares, precisou-se fazer
interpolação. Períodos correspondentes ao mesmo ponto do ciclo de sazonalidade terão o
mesmo IS na tabela "Cálculo Tendência" e "Previsão". Ou seja, o IS nessas tabelas do
período 1 será igual ao dos períodos 7, 13, 19, etc.

Tabela 6 – Cálculo de IS para Tricoline.

Cálculo IS 4.998
Período D. Real MMc1/2 MMC IS 19 4.695 5.066 0,9267
1 3.705 5.135
2 4.980 20 5.552 5.193 1,0692
3 5.558 5.251
4.376 21 6.557 5.247 1,2498
4 4.991 4.399 1,1347 5.242
4.422 22 5.997 5.214 1,1502
5 3.922 4.444 0,8826 5.186
4.466 23 5.118 5.230 0,9786
6 3.097 4.466 0,6935 5.275
4.466
24 3.534 5.255 0,6725
7 3.983 4.470 0,8911
5.235
4.474
25 4.355 5.248 0,8299
8 5.243 4.524 1,1589
5.260
4.575
26 6.087 5.292 1,1502
9 5.559 4.616 1,2044
5.324
4.656
27 6.321 5.331 1,1858
10 5.039 4.684 1,0759
5.337
4.711
11 4.527 4.729 0,9574 28 6.146 5.373 1,1438
4.746 5.409
12 3.587 4.769 0,7521 29 5.500 5.397 1,0191
4.792 5.385
13 4.311 4.804 0,8974 30 3.614 5.437 0,6647
4.815 5.489
14 5.454 4.806 1,1347 31 4.788 5.463 0,8764
4.798 5.438
15 5.835 4.798 1,2163 32 5.941 5.435 1,0930
4.798 5.433
16 5.178 4.830 1,0722 33 6.942 5.475 1,2679
4.862 5.518
17 4.420 4.870 0,9077 34 5.844
4.878 35 5.466
18 3.587 4.938 0,7264 36 4.124

Fonte: elaborado pelo próprio autor, 2019.

Tabela 7 – Resultado cálculo IS médio.

 Período IS Médio
1 0,8843
2 1,1212
3 1,2248
4 1,1153
5 0,9490
6 0,7019

Após verificado IS médio para os 6 períodos foi montado a planilha para determinar
a tendência, que é dado pela demanda real sem o efeito da sazonalidade, ilustrando
portanto somente a tendência existente, no gráfico 2, no histórico de 36 meses.

Tabela 8 – Cálculo da Tendência

Calculo Tendência
Período D. Real IS Médio Tend
1 3.705 0,8843 4.190 19 4.695 0,8843 5.309
2 4.980 1,1212 4.442 20 5.552 1,1212 4.952
3 5.558 1,2248 4.538 21 6.557 1,2248 5.353
4 4.991 1,1153 4.475 22 5.997 1,1153 5.377
5 3.922 0,9490 4.133 23 5.118 0,9490 5.393
6 3.097 0,7019 4.413 24 3.534 0,7019 5.035
7 3.983 0,8843 4.504 25 4.355 0,8843 4.925
8 5.243 1,1212 4.676 26 6.087 1,1212 5.429
9 5.559 1,2248 4.539 27 6.321 1,2248 5.161
10 5.039 1,1153 4.518 28 6.146 1,1153 5.510
11 4.527 0,9490 4.770 29 5.500 0,9490 5.795
12 3.587 0,7019 5.111 30 3.614 0,7019 5.149
13 4.311 0,8843 4.875 31 4.788 0,8843 5.414
14 5.454 1,1212 4.864 32 5.941 1,1212 5.299
15 5.835 1,2248 4.764 33 6.942 1,2248 5.668
16 5.178 1,1153 4.643 34 5.844 1,1153 5.240
17 4.420 0,9490 4.657 35 5.466 0,9490 5.759
18 3.587 0,7019 5.111 36 4.124 0,7019 5.876
Fonte: elaborado pelo próprio autor, 2019.

Gráfico 2 - Demanda real e demanda real sem efeito da sazonalidade (Tend)

 Demanda real e demanda real sem efeito da sazonalidade
(Tend)
8,000
7,000
6,000
5,000
4,000
3,000
2,000
1,000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Período

Tend D. Real

Fonte: elaborado pelo próprio autor, 2019.

Para finalmente obter a previsão de demanda para os próximos 12 meses, pela

técnica de sazonalidade com Tendência, utilizando 4MAD/-4MAD para família Tricoline. Os
resultados da Previsão deste modelo encontram-se na Tabela 9.
Tabela 9 - Previsão pela Sazonalidade com Tendência (Tricoline)
Previsão
Período D. Real Tend IS Médio D. Prev Erro Abs(Erro)
1 3.705 4.307 0,8843 3.809 -104 104
2 4.980 4.346 1,1212 4.873 107 107
3 5.558 4.386 1,2248 5.372 186 186
4 4.991 4.425 1,1153 4.936 55 55
5 3.922 4.465 0,9490 4.237 -315 315
6 3.097 4.504 0,7019 3.161 -64 64
7 3.983 4.543 0,8843 4.018 -35 35
8 5.243 4.583 1,1212 5.138 105 105
9 5.559 4.622 1,2248 5.661 -102 102
10 5.039 4.661 1,1153 5.199 -160 160
11 4.527 4.701 0,9490 4.461 66 66
12 3.587 4.740 0,7019 3.327 260 260
13 4.311 4.780 0,8843 4.227 84 84
14 5.454 4.819 1,1212 5.403 51 51
15 5.835 4.858 1,2248 5.951 -116 116
16 5.178 4.898 1,1153 5.463 -285 285
17 4.420 4.937 0,9490 4.686 -266 266
18 3.587 4.977 0,7019 3.493 94 94
19 4.695 5.016 0,8843 4.436 259 259
20 5.552 5.055 1,1212 5.668 -116 116
21 6.557 5.095 1,2248 6.240 317 317
22 5.997 5.134 1,1153 5.726 271 271
23 5.118 5.173 0,9490 4.910 208 208
24 3.534 5.213 0,7019 3.659 -125 125
25 4.355 5.252 0,8843 4.645 -290 290
26 6.087 5.292 1,1212 5.933 154 154
27 6.321 5.331 1,2248 6.530 -209 209
28 6.146 5.370 1,1153 5.990 156 156
29 5.500 5.410 0,9490 5.134 366 366
30 3.614 5.449 0,7019 3.825 -211 211
31 4.788 5.489 0,8843 4.854 -66 66
32 5.941 5.528 1,1212 6.198 -257 257
33 6.942 5.567 1,2248 6.819 123 123
34 5.844 5.607 1,1153 6.253 -409 409
35 5.466 5.646 0,9490 5.358 108 108
36 4.124 5.685 0,7019 3.990 134 134
37 5.725 0,8843 5.062
38 5.764 1,1212 6.463
39 5.804 1,2248 7.109
40 5.843 1,1153 6.517
41 5.882 0,9490 5.583
42 5.922 0,7019 4.156
43 5.961 0,8843 5.271
44 6.001 1,1212 6.728
45 6.040 1,2248 7.398
46 6.079 1,1153 6.781
47 6.119 0,9490 5.807
48 6.158 0,7019 4.322
Erro Acumulado -24
MAD 173

Fonte: elaborado pelo próprio autor, 2019.

 Após escolhidas os melhores modelos de previsão de cada família de tecido da
malharia, foi realizado seu planejamento estratégico da produção para o próximo ano (12
períodos). Fazendo o somatório de todas as famílias, e determinando o valor máximo,
conforme mostra a tabela 10.

Tabela 10 - Demanda Real Total das 3 Famílias

Demanda Real
Período Tactel Tricoline Malha Fria ∑
1 5.155 3.705 4.790 13.650
2 5.483 4.980 4.841 15.304
3 5.202 5.558 5.923 16.683
4 5.253 4.991 4.584 14.828
5 6.103 3.922 4.584 14.609
6 5.989 3.097 5.253 14.339
7 6.337 3.983 4.841 15.161
8 6.455 5.243 5.356 17.054
9 6.516 5.559 4.944 17.019
10 5.082 5.039 5.459 15.580
11 6.456 4.527 4.996 15.979
12 5.297 3.587 5.717 14.601
13 7.065 4.311 5.047 16.423
14 6.013 5.454 5.408 16.875
15 5.503 5.835 4.944 16.282
16 6.876 5.178 5.408 17.462
17 7.318 4.420 4.584 16.322
18 5.777 3.587 5.717 15.081
19 5.761 4.695 5.047 15.503
20 6.006 5.552 5.202 16.760
21 5.662 6.557 5.047 17.266
22 7.501 5.997 5.202 18.700
23 6.961 5.118 4.429 16.508
24 7.356 3.534 5.099 15.989
25 6.259 4.355 4.584 15.198
26 6.241 6.087 4.584 16.912
27 7.190 6.321 4.584 18.095
28 7.038 6.146 4.841 18.025
29 6.321 5.500 5.150 16.971
30 6.795 3.614 5.820 16.229
31 6.706 4.788 4.532 16.026
32 7.620 5.941 5.871 19.432
33 6.229 6.942 5.253 18.424
34 7.882 5.844 5.305 19.031
35 6.839 5.466 5.047 17.352
36 8.001 4.124 5.717 17.842
Valor máximo 19.432
Fonte: elaborado pelo próprio autor, 2019.
 O próximo passo foi fazer a previsão para as três famílias de tecido, considerando
o histórico de 36 meses da empresa, realizando seu planejamento estratégico da produção
para o próximo ano (12 meses), utilizando os dados dos melhores modelos propostos para
cada tecido, como mostra a tabela 11.

Tabela 11 - Demanda Prevista dos três tecidos para os próximos 12 meses.

Demanda Prevista
Período Tactel Tricoline Malha Fria ∑
1 5.510 3.809 9.319
2 5.561 4.873 4.795 15.230
3 5.612 5.372 4.800 15.784
4 5.662 4.936 4.921 15.519
5 5.713 4.237 4.885 14.835
6 5.763 3.161 4.852 13.777
7 5.814 4.018 4.896 14.727
8 5.865 5.138 4.890 15.892
9 5.915 5.661 4.940 16.516
10 5.966 5.199 4.940 16.105
11 6.016 4.461 4.996 15.474
12 6.067 3.327 4.996 14.390
13 6.118 4.227 5.073 15.418
14 6.168 5.403 5.071 16.642
15 6.219 5.951 5.107 17.276
16 6.269 5.463 5.089 16.821
17 6.320 4.686 5.124 16.129
18 6.371 3.493 5.066 14.929
19 6.421 4.436 5.136 15.992
20 6.472 5.668 5.126 17.266
21 6.522 6.240 5.134 17.897
22 6.573 5.726 5.125 17.424
23 6.623 4.910 5.133 16.667
24 6.674 3.659 5.057 15.390
25 6.725 4.645 5.062 16.431
26 6.775 5.933 5.011 17.719
27 6.826 6.530 4.965 18.320
28 6.876 5.990 4.924 17.790
29 6.927 5.134 4.915 16.976
30 6.978 3.825 4.940 15.742
31 7.028 4.854 5.035 16.916
32 7.079 6.198 4.981 18.257
33 7.129 6.819 5.076 19.025
34 7.180 6.253 5.095 18.529
35 7.231 5.358 5.118 17.707
36 7.281 3.990 5.110 16.382
37 7.332 5.062 5.176 17.570
38 7.382 6.463 5.176 19.021
39 7.433 7.109 5.176 19.717
40 7.483 6.517 5.176 19.176
41 7.534 5.583 5.176 18.292
42 7.585 4.156 5.176 16.916
43 7.635 5.271 5.176 18.082
44 7.686 6.728 5.176 19.589
45 7.736 7.398 5.176 20.310
46 7.787 6.781 5.176 19.743
47 7.838 5.807 5.176 18.820
48 7.888 4.322 5.176 17.386
Valor máximo 20.310

Fonte: elaborado pelo próprio autor, 2019.

 Através do comparativo entre a máxima demanda real e a máxima demanda prevista,
mostrado na tabela 12, pode-se observar que a indústria tende a aumentar sua produção.

Tabela 12 – Comparativo Demanda Real x Demanda Prevista.

Valores máximos
Demanda Real 19.432
Demanda Prevista 20.310
Fonte: elaborado pelo próprio autor, 2019.

Gráfico 3 – Comparação Demanda Real x Demanda Prevista.

Demanda Real x Demanda Prevista

25,000

20,000

15,000

10,000

5,000

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47

D. Real D. Prevista

Fonte: elaborado pelo próprio autor, 2019.

Deste modo, observando-se os valores através do gráfico 3, e o comparativo entre os

valores máximos da demanda (demanda máxima real = 19.432 e demanda máxima
prevista = 20.310), que a demanda prevista é maior que a demanda já produzida, chegando
a conclusão que para a empresa conseguir atender as suas futuras demandas, ela terá
que aumentar sua capacidade produtiva.

6 Conclusão

A previsão de demanda é uma importante ferramenta utilizada para planejar

recursos, a produção e a mão de obra necessária para produção. O objetivo principal desse
artigo foi a aplicação de métodos quantitativos para a previsão da demanda de forma a
identificar o melhor método a ser utilizado, na tarefa em questão, e realizar a previsão de
demanda futura, para os próximos 12 meses de produção. Foram analisados dados
históricos de demanda de uma malharia que confecciona três famílias de tecidos (Malha
Fria, Tactel e Tricoline), e a partir deles foi determinado o melhor modelo de previsão da
demanda para cada uma das três famílias. Baseado no histórico de demanda real de 36
meses, conclui-se que para o tecido Malha Fria o melhor modelo selecionado foi o Método
Exponencial Móvel, já para o tecido Tactel o melhor modelo observado foi Método de
Equação linear, e para o tecido Tricoline o modelo utilizado foi o de Previsão pela
Sazonalidade com Tendência. Após determinados os modelos, foi realizado a previsão da
demanda futura de cada família para os próximos 12 meses e feita a comparação da
demanda real com a prevista.
Com essa comparação, pode-se perceber nos valores máximos da demanda
máxima real e demanda máxima prevista, que a demanda prevista é maior que a demanda
já produzida, chegando à conclusão que para a empresa conseguir atender as suas futuras
demandas, ela terá que aumentar sua capacidade produtiva. Desta forma, sugere-se que
os responsáveis pela empresa busquem adotar ferramentas matemáticas para análise das
demandas futuras, pois assim a organização poderá evitar falta ou sobra dos tecidos,
otimizando a produção. Também sugere-se que após as análise das demandas seja feito
um monitoramento, verificando constantemente a eficiência dos métodos de previsão
adotados pela empresa.

7 Bibliografia

TUBINO, D. F.; Sistemas de produção: a produtividade no chão de fábrica. Ed. Bookman.

1999. Porto Alegre.

TUBINO, D. F.; Planejamento e controle da produção: teoria e prática. Atlas, 2009.

ARCHER, B. Forecasting Demand: Quantitative and Intuitive Techniques. International

Journal of Tourism Management. v. 1, n.1, p. 5-12, 1980.

ARMSTRONG, J. Research Needs in Forecasting. International Journal of Forecasting.

v.4, n. 3, p. 449-4465, 1988.

KRAJEWSKI, L. J.; RITZMAN, L. P. Operations Management: Strategy and Analysis. 6.

ed., New Jersey: Prentice-Hall, 2002.

RASMUSSEN, R. On Time Series Data and Optimal Parameters. Omega. v. 32, n.2, p.
111-120, 2004

MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: Methods and

Applications. 3.ed., New York: John Wiley & Sons, 1998.

TAYLOR, J. W. Exponetial Smoothing with a Damped Multiplicative Trend. International

Journal of Forecasting. v. 19,n. 4, p. 715-725, 2003.
MONTGOMERY, D.; JOHNSON, L.; GARDINER, J. Forecasting and Time Series
Analysis. New York: McGraw-Hill, 1990.

WINTERS, P. R. Forecasting Sales by Exponentially Weighted Moving Avarage.

Management Science. v. 6, p. 324-342, 1960.

SPEDDING, T; CHAN, K. Forecasting Demand and Inventory Management Using Bayesian

Time Series. Integrated Manufacturing Systems. v. 11, n. 5,p. 331-339, 2000.

MOON, M; MENTZER, J.; SMITH. C.; GARVER, M. Seven Keys to Better Forecasting.
Business Horizons. v. 41, n. 5,p. 44-52, 1998.