Escolar Documentos
Profissional Documentos
Cultura Documentos
2
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
1. Introdução
3
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
2. Referencial teórico
De acordo com Tubino (2007), para realizar uma previsão de demanda eficaz há cinco
etapas que devem ser seguidas que serão listadas na figura 1 abaixo. Em seguida será descrita
cada umas delas.
4
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
5
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
6
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
possível extrapolar os valores das projeções futuras) (PEINADO; GRAEML, 2007); e) Holt -
uma adaptação do método Amortecimento Exponencial Simples, com a diferença de que neste
há dois coeficientes de ponderação: um é utilizado para ajustar o nível da série e o outro para
ajustar a tendência (WANKE; JULIANELLI, 2006); f) Box-Jenkins - ajusta tanto para fatores
sazonais como fatores de tendência, utilizando um algoritmo matemático complexo, com
termos auto-regressivos e de média móvel, cujo resultado conceberá o modelo matemático
mais adequado para a série temporal em análise (BALLOU, 2001); g) Winter - é uma
adaptação do método Amortecimento Exponencial Simples, todavia, neste caso há três
coeficientes de ponderação: o primeiro é utilizado para ajustar o nível da série; o segundo é
utilizado para ajustar a tendência; e o último é utilizado para ajustar a sazonalidade (WANKE;
JULIANELLI, 2006).
Apesar de cada método ser recomendado para situações diferentes, a utilização dos
dois métodos em conjunto, isto é, a integração das duas abordagens, gera uma previsão mais
acurada e mais confiável quando comparadas às previsões realizadas por métodos individuais
(STAUDT; GONÇALVES; RODRIGUEZ, 2016). O método integrado se resume no ajuste
qualitativo das previsões realizadas pelos métodos quantitativos (WERNER; RIBEIRO,
2006). A justificativa para esta integração é que há vários fatores que não são contemplados
pelos métodos quantitativos como ações de concorrentes, campanhas publicitarias, etc. e
devem ser admitidos por especialistas em algum momento (KRAJEWSKI; RITZMAN;
MALHOTRA, 2009).
7
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
Percentual Absoluto Médio (MAPE), que é a média dos erros em percentuais absolutos
(WANKE; JULIANELLI, 2006). Todavia estes cálculos utilizam o mesmo peso para desvios
pequenos ou grandes, distorcendo os resultados (DAVIS; AQUILANO; CHASE, 2001). Uma
maneira de sanar este problema é utilizar a Raiz do Erro Quadrático Médio (RMSE). A
vantagem desta abordagem é que ela penaliza mais um sistema com poucos erros grandes do
que outro com um grande número de erros pequenos (BOWERSOX; CLOSS; COOPER,
2006).
3. Metodologia
8
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
Em posse dos dados, o comportamento da demanda de cada produto foi analisado via
gráfico no Microsoft Excel. Logo após, os dados foram submetidos a alguns métodos
quantitativos de previsão a fim de apurar o método mais adequado para cada produto, sendo
que, o método escolhido foi aquele que apresentou as melhores medidas de acurácia.
Posteriormente, os resultados foram discutidos e apresentados à empresa, com o intuito
implantar o modelo bem como gerar melhorias.
4. Estudo de caso
Após a coleta dos dados, estes foram tabulados e analisados por meio de gráficos,
como mostra a figura 2 abaixo.
9
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
Por meio da figura acima, percebe-se que foram analisados 18 períodos (meses) que
estão destribuidos em 2 anos, iniciando em maio de 2015 e finalizando em novembro de 2016.
Nota-se que não há o período referente ao mês de dezembro em nenhum dos anos, já que em
ambos os períodos não houveram vendas. Enquanto o eixo horizontal dos gráficos mostra os
períodos, o eixo vertical mostra o volume de vendas em quilos.
Através dos gráficos identifica-se, a princípio, que a demanda dos produtos apresenta
um comportamento relativamente irregular, pois, conforme Ballou (2001), este
comportamento é percebido quando os padrões da demanda apresentam muita variação
aleatória. Todavia é constatado um padrão de tendência decrescente a partir do nono período
de 2015 em todos os produtos, que é explicado, segundo o entrevistado da empresa, por
problemas financeiros de seu cliente exclusivo.
Para apurar o método mais adequado, todos os produtos foram submetidos aos
seguintes métodos de previsão: Média Móvel Simples, Média Movel Ponderada,
Amortecimento Exponencial Simples, Regressão Linear e Método de Holt. O método de
Winter não foi utilizado, pois este, segundo Chopra e Meindl (2011), é mais apropriado à
demandas que possuem o comportamento sazonal.
No método da Média Móvel Simples foram utilizados entre 2 e 6 períodos para cáclulo
da média, pois acima disso, o indicador de Sinal de rastreabilidade apontou um viés na
previsão muito acima do aceitável. No método da Média Móvel Ponderada foram utilizados
entre 2 e 6 pesos de ponderação, que, assim como o método da Média Móvel Simples, acima
dessa quantidade, o indicador de Sinal de rastreabilidade também apontou um viés na
previsão muito acima do aceitável. A fim de otimizar o valor dos pesos do método da Média
Móvel Ponderada, bem como os parâmetros (Alpha e/ou Beta) dos métodos de
Amortecimento Exponencial Simples e Método de Holt, foi utlizado o suplemento Solver do
Excel, visando minimizar o Erro Médio Absoluto do último período. O método de Regressão
Linear foi calculado com base na equação da linha de tendência gerada pelo próprio Excel.
Após a realização dos testes, houve a avaliação dos modelos por meio dos indicadores
de desempenho com o intuito de decidir qual método é mais adequado a cada produto. Tanto a
amplitude como o viés dos erros foram considerados na avaliação. Por meio da tabela 1
abaixo podemos visualizar o resultado do produto 1.
10
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
Produto 1
Erro Sinal de
Métodos MAD MPE MAPE RMSE
Médio Abs. Rastreabilidade
Média Móvel Simples P5 11.015,10 15.251,68 131,19% 140,44% 21.775,62 X
Amortecimento Exponencial 16.881,00 16.881,00 73,59% 107,84% 24.902,88 OK
Média Móvel Ponderada P2 17.499,25 19.686,65 59,67% 105,30% 27.621,89 OK
Regressão Linear 18.225,32 18.225,32 144,23% 174,93% 25.288,82 OK
Método de Holt 18.225,32 18.225,32 144,23% 174,93% 25.288,82 OK
Fonte: Elaborado pelo autor.
Produto 2
Erro Sinal de
Métodos MAD MPE MAPE RMSE
Médio Abs. Rastreabilidade
Média Móvel Simples P5 4.485,16 6.210,22 107,69% 113,44% 8.476,29 X
Regressão Linear 7.354,41 7.354,41 76,76% 103,45% 9.978,15 OK
Método de Holt 7.354,41 7.354,41 76,76% 103,45% 9.978,15 OK
Amortecimento Exponencial 7.586,73 7.586,73 74,10% 97,32% 10.510,05 OK
Média Móvel Ponderada P2 7.936,73 8.928,82 53,23% 95,34% 11.503,97 OK
Fonte: Elaborado pelo autor.
Produto 3
Métodos Métodos Métodos Métodos Métodos Métodos Métodos
Média Móvel Simples P5 5.053,69 6.997,42 207,97% 215,60% 8.951,64 X
Regressão Linear 7.393,36 7.393,36 106,63% 133,41% 10.083,78 OK
Método de Holt 7.393,36 7.393,36 106,63% 133,41% 10.083,78 OK
Média Móvel Ponderada P2 7.420,08 8.347,59 70,29% 103,16% 11.203,60 OK
Amortecimento Exponencial 7.542,71 7.542,71 94,48% 120,08% 10.202,46 OK
Fonte: Elaborado pelo autor.
11
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
Produto 4
Métodos Métodos Métodos Métodos Métodos Métodos Métodos
Média Móvel Simples P6 4.522,73 6.784,10 203,60% 213,27% 8.012,00 X
Média Móvel Ponderada P3 5.657,86 6.789,43 94,82% 114,87% 9.704,94 OK
Regressão Linear 7.070,53 7.070,53 247,72% 277,35% 8.946,46 OK
Método de Holt 7.070,53 7.070,53 247,72% 277,35% 8.946,46 OK
Amortecimento Exponencial 7.411,35 7.411,35 125,20% 152,11% 10.116,61 OK
Fonte: Elaborado pelo autor.
Para o produto 4 o método mais adequado para gerar previsões é o método da Média
Móvel Ponderada P3, visto que seu Erro Médio Absoluto é o segundo menor, situando-se
logo após ao método da Média Móvel Simples P6 (método descartado devido ao Sinal de
Rastreablidade), além de possuir os menores indices de amplitude dos erros.
Através da figura 3 abaixo, podemos visualizar a relação entre as vendas reais
ocorridas e previsão de demanda gerada pelo método escolhido para cada produto.
5. Conclusão
12
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
Por fim, a partir deste estudo, foi sugerido à empresa a implementação dos modelos de
previsão, com o intuito de gerar melhorias em suas operações. Para pesquisas futuras, sugere-
se que sejam coletados mais dados; que sejam aplicados mais métodos quantitativos, como os
métodos causais, Box-Jenkins, etc. e que sejam utlizados métodos qualitativos para otimizar
os resultados.
Referências
BALLOU, R. H. Gerenciamento da cadeia de suprimentos: planejamento, organização e logística empresarial.
4. ed. Porto Alegre: Bookman, 2001.
BARROS, A. J. S; LEHFELD. N. A. S. Fundamentos de metodologia científica. 3. ed. São Paulo: Pearson
Prentice Hall, 2007.
BOWERSOX, D. J; CLOSS, D. J; COOPER, M. Gestão logística de cadeias de suprimentos. 1. ed. Porto
Alegre: Bookman, 2006.
CHOPRA, S; MEINDL, P. Gestão da cadeia de suprimentos: estratégia, planejamento e operação. 4. ed. São
Paulo: Pearson Prentice Hall, 2011.
COBRA, M. Administração de marketing no Brasil. 3. ed. Rio de Janeiro: Elsevier, 2009.
CONSUL, F. B; WERNER, L. Avaliação de técnicas de previsão de demanda utilizadas por um software de
gerenciamento de estoques no setor farmacêutico. XXX Encontro Nacional de Engenharia de Produção, São
Carlos, out. 2010.
CORRÊA, H. L; CORRÊA, C. A. Administração de produção e operações: manufatura e serviços: uma
13
XXIV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Contribuições Da Engenharia De Produção Para Uma Economia De Baixo Carbono
Bauru, SP, Brasil, 8 a 10 de novembro de 2017
14