XXIV SIMPEP Art 172

PREVISÃO DE DEMANDA ATRAVÉS DE TÉCNICAS
QUANTITATIVAS: ESTUDO DE CASO EM UMA

EMPRESA DO SETOR ALIMENTÍCIO NO
MUNICÍPIO DE RIBEIRÃO PRETO-SP
GABRIEL COLLETTI MARCARI - gabriel.marcari.egp@gmail.com
CENTRO UNIVERSITÁRIO ESTÁCIO UNISEB - UNISEB
Área: 1 - GESTÃO DA PRODUÇÃO

Sub-Área: 1.2 - PLANEJAMENTO E CONTROLE DA PRODUÇÃO
Resumo: O OBJETIVO GERAL DESTE TRABALHO CONSISTIU EM DEFINIR O

MÉTODO DE PREVISÃO DE DEMANDA MAIS ADEQUADO PARA CADA PRODUTO
QUE COMPÕE UMA FAMÍLIA DE PRODUTOS DE UMA EMPRESA DO SETOR
ALIMENTÍCIO DA REGIÃO DE RIBEIRÃO PRETO. PARA TANTO, HOUVE UM
LEEVANTAMENTO BIBLIOGRÁFICO SOBRE O TEMA, VISANDO ADQUIRIR
CONHECIMENTO E PROPRIEDADE PARA SUBSEQUENTE REALIZAÇÃO DO
ESTUDO DE CASO. OS DADOS HISTÓRICOS FORAM COLETADOS, E,
POSTERIORMENTE, TRATADOS E ANALISADOS POR MEIO DE PLANILHAS
ELETRÔNICAS. A PARTIR DA ANÁLISE FEITA POR MEIO DE GRÁFICOS,
CONSTATOU-SE QUE O COMPORTAMENTO DA DEMANDA DOS PRODUTOS
APRESENTOU UM PADRÃO DE TENDÊNCIA DECRESCENTE. APÓS A APLICAÇÃO
DE VÁRIOS MÉTODOS QUANTITATIVOS EM CADA PRODUTO, HOUVE UMA
AVALIAÇÃO DE DESEMPENHO DE CADA MÉTODO. PARA O PRIMEIRO
PRODUTO, O MÉTODO QUE OBTEVE UM MELHOR DESEMPENHO FOI O DE
AMORTECIMENTO EXPONENCIAL SIMPLES; PARA O SEGUNDO E TERCEIRO
PRODUTO, O MÉTODO QUE OBTEVE UM MELHOR DESEMPENHO FOI O DE
REGRESSÃO LINEAR; E PARA O QUARTO E ÚLTIMO PRODUTO, O MÉTODO QUE
OBTEVE UM MELHOR DESEMPENHO FOI O DA MÉDIA MÓVEL PONDERADA P3.
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.
Palavras-chaves: PREVISÃO DE DEMANDA; MÉTODOS QUANTITATIVOS;

AVALIAÇÃO DE DESEMPENHO
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
DEMAND FORECAST THROUGH QUANTITATIVE

TECHNIQUES: CASE STUDY IN A FOOD
COMPANY IN THE CITY OF RIBEIRÃO
PRETO-SP
Abstract: THE GENERAL OBJECTIVE OF THIS WORK WAS TO DEFINE THE MOST
APPROPRIATE DEMAND FORECASTING METHOD FOR EACH PRODUCT THAT
MAKES UP A FAMILY OF PRODUCTS FROM THE FOOD INDUSTRY COMPANY IN
THE RIBEIRÃO PRETO-SP REGION. THEREFORE, A BIBLIOGRAPHIC SSURVEY ON
THE SUBJECT, AIMING TO ACQUIRE KNOWLEDGE AND PROPERTY FOR
SUBSEQUENT REALIZATION OF THE CASE STUDY. HISTORICAL DATA WERE
COLLECTED, AND LATER TREATED AND ANALYZED THROUGH SPREADSHEETS.
FROM THE GRAPHICAL ANALYSIS, IT WAS VERIFIED THAT THE BEHAVIOR OF
THE DEMAND OF THE PRODUCTS PRESENTED A DECREASING TREND PATTERN.
AFTER APPLYING SEVERAL QUANTITATIVE METHODS TO EACH PRODUCT,
THERE WAS A PERFORMANCE EVALUATION OF EACH METHOD. FOR THE FIRST
PRODUCT, THE METHOD THAT ACHIEVES BETTER PERFORMANCE WAS THE
SIMPLE EXPONENTIAL CUSHIONING METHOD; FOR THE SECOND AND THIRD
PRODUCT, THE METHOD THAT OBTAINS A BETTER PERFORMANCE WAS THE
LINEAR REGRESSION; AND FOR THE FOURTH AND LAST PRODUCT, THE
METHOD THAT OBTAINS A BETTER PERFORMANCE WAS THE WEIGHTED
MOVING AVERAGE METHOD P3. FINALLY, FROM THIS STUDY, THE COMPANY
WAS SUGGESTED WITH THE IMPLEMENTATION OF THE FORECAST MODELS, IN
ORDER TO GENERATE IMPROVEMENTS IN ITS OPERATIONS.
Keyword: FORECASTING; QUANTITATIVE METHODS; PERFORMANCE

EVALUATION
2
1. Introdução
O mercado, com o passar do tempo, vem se consolidando como sendo muito

dinâmico, competitivo e instável (CONSUL; WERNER, 2010), atribuindo riscos e incertezas
a qualquer tipo de empresa (LIN, 2000). Neste cenário, as empresas devem sempre buscar
melhorar o nível de satisfação de seus clientes a fim de manterem suas posições no mercado
(GOMES; SOUZA; PIATO, 2015). Contudo, para atenderem às necessidades de seus clientes,
as empresas não devem focar tão somente em produzir bens e/ou serviços com qualidade e
preço baixo, há também a questão da disponibilidade destes no mercado (WERNER, 2004).
Com o objetivo de diminuir ao máximo o espaço entre a oferta e a demanda, as
empresas estão direcionando seus esforços para buscar a constante melhoria em suas tomadas
de decisão (WERNER; LEMOS; DAUDT, 2006). De acordo com Cobra (2009), para que
uma empesa consiga otimizar suas tomadas de decisão, ela deve investir em informação com
o objetivo de adquirir conhecimento. Através do conhecimento adquirido por meio das
informações, os usuários podem gerenciar melhor suas organizações, formalizando estratégias
mais eficientes e tomando as melhores decisões (LAUDON; LAUDON, 2010). Há uma
informação em especial que forma a base para o direcionamento das ações de uma empresa
(TUBINO, 2007). Ainda para Tubino (2007), esse rumo é traçado com base em previsões,
dando ênfase à previsão de demanda.
Pellegrini e Fogliatto (2001), declaram que a previsão da demanda fornece base para
várias áreas funcionais, como vendas, finanças, recursos humanos, logística e produção
realizarem suas atividades. Tubino (2007), cita alguns exemplos dessas atividades realizadas
pelas empresas. Elas são: planejamento da capacidade produtiva, planejamento de compras,
programação da produção e de estoques, determinação do fluxo de caixa, cálculo da mão-de-
obra, metas de venda, campanhas de marketing e até a criação de novos produtos ou serviços.
Segundo Lin (2000), um outro aspecto atingido pela previsão de demanda é a redução
dos custos da empresa. Ainda para Lin (2000), quanto maior os níveis de acuracidade das
estimativas de venda, maior a capacidade de maximização da produção e menor os níveis de
estoque, concedendo, dessa forma à empresa, mais capital de giro e uma margem maior para
investimentos.
Diante do exposto acima, o objetivo geral deste trabalho consiste em definir o método
de previsão de demanda mais adequado para cada produto que compõe uma família de
produtos de uma empresa do setor alimentício da região de Ribeirão Preto-SP.
3
2. Referencial teórico
2.1 Definição e classificação de demanda
Entende-se por demanda a disposição dos clientes ao consumo de bens ou serviços

ofertados por uma empresa (SENNA; TANSCHEIT; GOMES, 2015).
Conforme Chopra e Meindl (2011), a demanda pode apresentar dois tipos de
comportamentos, ou padrões, que são denominados de componente sistemático (demanda
regular) e componente aleatório (demanda irregular). O componente sistemático mensura o
valor esperado da demanda e, segundo Krajewski, Ritzman e Malhotra (2009), pode ser
desmembrado nos seguintes componentes que estão dispostos no quadro 1 abaixo.
A demanda é constante ao longo do tempo ou apresenta pequenas variações, de tal forma que
Nivelado
podemos identificar um comportamento uniforme ao longo do tempo.
A demanda pode ser crescente ou decrescente. Ocorre quando se nota uma certa tendência ao
Tendência
aumento ou queda, respectivamente, do consumo ao longo do tempo.
A demanda sofre influência da sazonalidade, isto é, em determinadas épocas há o aumento ou
Sazonal
queda de vendas explicadas por um certo fator.
Aumentos ou reduções graduais menos previsíveis na demanda por períodos mais longos de
Cíclico tempo (anos ou décadas), sendo definidos pelo ciclo econômico e pelo ciclo de vida do
produto ou serviço
QUADRO 1 – Componentes da demanda regular. Fonte: Adaptado de Krajewski, Ritzman e Malhotra (2009).
O componente aleatório por sua vez, apresenta variações que ocorrem ao acaso
(MOREIRA, 2008). Há vários fatores, todavia nenhum possui capacidade de explicar as
variações (CORRÊA; CORRÊA, 2012). Ballou (2001) argumenta que os padrões irregulares
de demanda são difíceis de se prever com baixo nível de erro. Logo, não se deve prever o
componente aleatório, o que deve ser contabilizado é o tamanho da sua variabilidade, o que
fornecerá uma medida de erro para a previsão (CHOPRA; MEINDL, 2011).
2.2 Etapas de um modelo de previsão de demanda
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.
FIGURA 1 – Etapas do modelo de previsão de demanda. Fonte: Adaptado de Tubino (2007).
4
Na primeira etapa define-se o propósito da previsão de demanda, isto é, para qual

produto será feita a previsão (se o produto é relevante em relação à empresa; se é novo ou já
existente); quais são os recursos disponíveis para auxiliar na previsão (recursos tecnológicos e
financeiros) (TUBINO, 2007); qual será o grau de acuracidade e detalhamento (envolve a
definição do nível de agregação de dados, tal qual o horizonte de previsão: curto, médio ou
longo prazo) (CORRÊA; CORRÊA, 2012); e quais são as decisões que serão subsidiadas pela
previsão (programação da produção, compra de matéria-prima, etc.) (CHOPRA; MEINDL,
2011).
Em seguida, a próxima etapa consiste em coletar e analisar os dados estatísticos
disponíveis no banco de dados da empresa em conjunto com os dados subjetivos provenientes
do julgamento de especialistas (PELLEGRINI; FOGLIATTO, 2001). Com os dados coletados
e analisados, a técnica de previsão já pode ser selecionada, sendo que, basicamente, existem
dois tipos de técnicas: qualitativas e quantitativas. Cada uma apresenta características
diferentes entre si, bem como aplicabilidades (MOREIRA, 2008).
Com a técnica selecionada a previsão da demanda já pode ser obtida. Uma vez
implantado, o modelo deve ser monitorado constantemente através de indicadores de erros de
previsão, com o propósito de manter a qualidade das previsões (LUSTOSA et al., 2008).
2.3 Métodos de previsão de demanda
Previsões de demanda são concebidas através de métodos qualitativos, quantitativos

ou uma integração de ambos (KRAJEWSKI; RITZMAN; MALHOTRA, 2009).
Segundo Davis, Aquilano e Chase (2001), os métodos qualitativos ou subjetivos de
previsão são os que envolvem julgamentos e experiências de indivíduos com propriedade, no
sentido de transformar opiniões, conhecimentos e intuições em estimativas de venda futura.
Para Moreira (2004), os indivíduos que, geralmente, possuem capacidade de opinar sobre a
demanda futura são: executivos, gerentes, vendedores, fornecedores, clientes, etc.
Usualmente, as técnicas qualitativas são empregadas quando deseja-se prever para o
longo prazo ou quando algumas adversidades interferem no processo de previsão (CHOPRA;
MEINDL, 2011), como indisponibilidade de tempo para coletar e analisar os dados da
demanda passada; lançamento de novos produtos (ausência de dados passados aferidos) e em
algumas ocasiões nas quais a economia e a política são tão instáveis a ponto de tornar os
dados disponíveis obsoletos (TUBINO, 2007).
5
Entre os métodos qualitativos, pode-se citar: a) Júri de Executivos - utiliza do

conhecimento, experiência e opinião de um grupo composto por executivos das principais
áreas da empresa como produção, marketing, financeira, comercial, etc. para gerar uma
previsão única e concisa (PEINADO; GRAEML, 2007); b) Método Delphi - consiste na
aplicação de um questionário a um grupo de especialistas visando a obtenção de um consenso
de opiniões (DAVIS; AQUILANO; CHASE, 2001); c) Pesquisa de mercado - uma
abordagem sistemática que tem por objetivo levantar a intenção de compra do consumidor
sobre um produto ou serviço (KRAJEWSKI; RITZMAN; MALHOTRA, 2009); d) Método
Analogia Histórica, busca estimar a previsão de demanda de um produto sem dados históricos
com base em um produto similar que possui dados históricos (DAVIS; AQUILANO;
CHASE, 2001),
Em contraste, os métodos quantitativos ou objetivos de previsão são os que utilizam
modelos matemáticos, baseados em dados históricos, para estimar as vendas futuras
(GAITHER; FRAZIER, 2002). Os métodos quantitativos subdividem-se em dois tipos: séries
temporais e métodos causais (MOREIRA, 2008). Nos modelos de séries temporais, parte-se
da premissa de que a demanda está em função apenas do tempo, isto é, pressupõe-se que os
padrões de demanda do passado se repetiram no futuro (LUSTOSA et al., 2008). Esta técnica
é mais eficiente quando utilizada no curto prazo; baseando-se em uma quantidade razoável de
dados históricos; com variações estáveis e definidas (BALLOU, 2001). Já os métodos causais,
segundo Krajewski, Ritzman e Malhotra (2009), utilizam dados históricos sobre as variáveis
independentes, como preço, condições climáticas, ações dos concorrentes, situação
econômica, etc. para prever a variável dependente, a demanda. Logo, o objetivo deste método
para Wanke e Julianelli (2006), é identificar as variáveis que influenciam o comportamento da
demanda e determinar a relação existente. Segundo Davis, Aquilano e Chase (2001), os
métodos causais são mais eficientes quando utilizados no médio, longo prazo.
Entre os métodos quantitativos, pode-se citar: a) Média Móvel Simples - técnica que
assume que a previsão para o próximo mês é uma média das vendas obtidas nos meses
anteriores (WANKE; JULIANELLI, 2006); b) Média Móvel Ponderada - técnica semelhante
à anterior, porém são atribuídos pesos para os meses (DAVIS; AQUILANO; CHASE, 2001);
c) Amortecimento Exponencial Simples - obtém a previsão para um período futuro por meio
de um ajuste da previsão do período atual com o erro de previsão, corrigidos por um
coeficiente de ponderação (TUBINO, 2007); d) Regressão Linear ou Não-Linear - define a
equação que melhor representa os valores da demanda passada (partindo-se desta equação é
6
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).
2.4 Medidas de acurácia
É essencial monitorar e controlar o desempenho do método definido para prever a

demanda (GAITHER; FRAZIER, 2002), uma vez que os gestores analisam os erros aferidos
para avaliar se o método está prevendo com precisão ou não (CHOPRA; MEINDL, 2011).
Baseando-se nos erros gerados, os gestores podem alterar os parâmetros do modelo ou até
mesmo escolher um outro método mais eficiente (TUBINO, 2007).
Há dois tipos de erros de previsão que devem ser monitorados: a amplitude e o viés. O
Sinal de Rastreabilidade acompanha as possíveis ocorrências de viés na previsão (CORRÊA;
CORRÊA, 2012).
O segundo tipo de erro que deve ser monitorado é a amplitude dos erros. Para tanto,
utiliza-se o Desvio Médio Absoluto (MAD), que é a média dos Erros Absolutos aferidos nos
períodos; o Erro Percentual Médio (MPE), que é a média dos erros em percentual; e o Erro
7
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
A presente pesquisa científica é de caráter descritivo, pois, de acordo com Barros e

Lehfeld (2007), a pesquisa descritiva estuda a relação entre variáveis de um determinado
fenômeno sem a interferência do pesquisador. Este artigo apresenta uma abordagem
quantitativa, já que, segundo Godoy (1995), a abordagem quantitativa parte de hipóteses e
variáveis esclarecidas e definidas, buscando medi-las e quantifica-las a fim de analisar os
resultados através de instrumentos estatísticos. A estratégia ou o método de pesquisa
escolhido foi o estudo de caso. O estudo de caso é um estudo bem profundo e detalhado sobre
um ou poucos assuntos (GIL, 2008), com o intuito de adquirir propriedade para descrever
com profundidade o objeto de estudo, seja ele uma pessoa, uma organização ou um problema
(MASCARENHAS, 2012). Quanto à técnica de coleta de dados, será utilizada na pesquisa o
método de observação indireta.
O trabalho iniciou-se com um estudo bibliográfico, onde foi abordado a relevância da
previsão da demanda; a definição e classificação da demanda; as etapas de um modelo de
previsão; métodos qualitativos e quantitativos, os principais cuidados e as medidas de
acurácia. Este estudo visou adquirir conhecimento e propriedade para subsequente realização
do estudo de caso. Com o embasamento teórico concretizado e a empresa definida, foram
coletados, por meio de uma entrevista com o responsável pelo Planejamento e Controle da
Produção da fábrica, os históricos de vendas referentes ao período de abril de 2015 a
novembro de 2016 dos produtos pertencentes a uma família, bem como os fatores que
explicavam o comportamento da demanda. O critério de seleção da família de produtos
baseou-se no volume total vendido mensalmente. Por meio da entrevista, constatou-se que a
empresa não possuia até o momento um método quantitativo estruturado para prever a
demanda.
8
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
4.1 Empresa estudada
A empresa em que foi realizado o estudo situa-se no município de Ribeirão Preto,

interior de São Paulo. Atua no ramo alimentício há 48 anos, atendendo tanto o mercado
nacional como o internacional. Atualmente trabalha com 3 famílias de produtos, totalizando
mais de 20 produtos diferentes. O mix de produção mensal é de 60% da família na qual o
estudo foi focado, e os 40% restante, se subdivide de forma igual às outras duas famílias.
4.2 Descrição dos dados
Após a coleta dos dados, estes foram tabulados e analisados por meio de gráficos,
como mostra a figura 2 abaixo.
FIGURA 2 – Comportamento da demanda dos produtos. Fonte: Elaborado pelo autor.
9
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.
4.3 Análises e resultados
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.
TABELA 1 – Resultados referente ao Produto 1.
10
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.
Apesar do método da Média Móvel Simples P5 apresentar o menor Erro Médio

Absoluto, e os indicadores de amplitude estiverem relativamente baixos quando comparados
aos métodos de Regressão Linear e Holt, o Sinal de Rastreabilidade apontou um viés muito
alto. À vista disso, recomenda-se a utilização do método de Amortecimento Exponencial
Simples para gerar previsões de demanda para o produto 1. Na tabela 2 seguinte, será disposto
o resultado referente ao produto 2.
Produto 2
Erro Sinal de
Métodos MAD MPE MAPE RMSE
Médio Abs. Rastreabilidade
Método de Holt 7.354,41 7.354,41 76,76% 103,45% 9.978,15 OK
Analisando a tabela 2 percebemos que, assim como no produto 1, o método da Média

Móvel Simples P5 perde somente no indicador de Sinal de Rastreabilidade, porém, neste caso,
o método que melhor se adequou à demanda do produto 2 foi o método de Regressão Linear,
sendo este, o método escolhido para gerar previsões. Por meio da tabela 3 seguinte, será
disposto o resultado referente ao produto 3.
Produto 3
Métodos Métodos Métodos Métodos Métodos Métodos Métodos
Método de Holt 7.393,36 7.393,36 106,63% 133,41% 10.083,78 OK
11
O produto 3 possui um resultado, evidenciado pelos indicadores de desempenho,

muito parecido com o produto 2, justificando os dois produtos apresentarem o mesmo método
para gerar previsões. A tabela 4 abaixo mostra os resultados obtidos no produto 4.
Produto 4
Métodos Métodos Métodos Métodos Métodos Métodos Métodos
Método de Holt 7.070,53 7.070,53 247,72% 277,35% 8.946,46 OK
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.
FIGURA 3 – Vendas reais x Previsão. Fonte: Elaborado pelo autor.
5. Conclusão
12
Este trabalho objetivou, portanto, definir o método quantitativo mais adequado de

previsão de demanda para cada produto que compõe uma determinada família de uma
empresa do setor alimentício, visto que, esta não possuia nenhum método quantitativo
estruturado para realizar previsões.
Analisando os dados coletados, verificou-se que a demanda dos produtos

apresentaram, a princípio, um padrão de comportamento irregular, entretanto constatou-se,
após uma análise crítica, um padrão de comportamento de tendência decrescente a partir do
nono período.
Após a aplicação de vários métodos quantitativos em cada produto, houve uma

avaliação de desempenho de cada método, onde foram considerados tanto a amplitude como o
viés dos erros. Para o primeiro produto o método que obteve um melhor desempenho foi o
método de Amortecimento Exponencial Simples; para o segundo e terceiro produto o método
que obteve um melhor desempenho foi o método de Regressão Linear; e para o quarto e
último produto, o método que obteve um melhor desempenho foi o método da Média Móvel
Ponderada P3.
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
abordagem estratégica. 3. ed. São Paulo: Atlas, 2012.

DAVIS, M. M; AQUILANO, N. J; CHASE, R. B. Fundamentos da administração da produção. 3. ed. Porto
Alegre: Bookman, 2001.
GAITHER, N; FRAZIER, G. Administração da produção e operações. 8. ed. São Paulo: Pioneira Thomson
Learning, 2002.
GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2008.
GODOY, A. S. Introdução à pesquisa qualitativa e suas possibilidades. Revista de administração de empresas,
São Paulo, v. 35, n. 2, p. 57-63, mar/abr. 1995.
GOMES, M. S. S; SOUZA T, A; PIATO É, L. Fatores qualitativos que influenciam a previsão de demanda em
uma indústria de autopeças. Congresso Brasileiro de Engenharia de Produção, Paraná, v. 11, n. 1, p. 0-12, dez,
2015.
KRAJEWSKI, L. J; RITZMAN, L. P; MALHOTRA, M. K. Administração de produção e operações. 8. ed. São
Paulo: Pearson Prentice Hall, 2009.
LAUDON, K; LAUDON, J. Sistemas de informação gerencias. 9. ed. São Paulo: Pearson Prentice Hall, 2010.
LIN, T. Y. Estudo de modelos de previsão de demanda. Núcleo de Pesquisas e Publicações da FGV-EAESP, São
Paulo, 2000.
LUSTOSA, L; MESQUITA, M, A; QUELHAS, O; OLIVEIRA, R. Planejamento e controle da produção. 1. ed.
Rio de Janeiro: Elsevier, 2008.
MASCARENHAS, S. A. Metodologia científica. 1. ed. São Paulo: Pearson Education do Brasil, 2012.
MOREIRA, D. A. Administração da produção e operações. 2. ed. São Paulo: Cengage Learning, 2008.
PEINADO, J; GRAEkochML, A. R. Administração da produção: operações industriais e de serviços. 1. ed.
Curitiba: UnicenP, 2007.
PELLEGRINI, F. R; FOGLIATTO, F. S. Passos para implantação de sistemas de previsão de demanda: técnicas
e estudo de caso. Production, São Paulo, v. 11, n. 1, p. 43-64, 2001.
SENNA, P; TANSCHEIT, R; GOMES, A. M. Planejando o processo de previsão de demanda com auxílio da
lógica fuzzy. Revista Produção e Desenvolvimento, Rio de Janeiro, v. 1, n. 2, p. 90-103, 2015.
STAUDT, F. H; GONÇALVES, M. B; RODRIGUEZ, C. M. T. Procedimento para implantar um modelo de
previsão de demanda com incorporação de julgamento de especialistas. Production, Santa Catarina, v. 26, n. 2,
p. 459-475, 2016.
TUBINO, D. F. Planejamento e controle da produção: teoria e prática. 2. ed. São Paulo: Atlas, 2007.
WANKE, P; JULIANELLI, L. Previsões de vendas: processos organizacionais e métodos quantitativos e
qualitativos. 1. ed. São Paulo: Atlas, 2006.
WERNER, L. Um modelo composto para realizar previsão de demanda através da integração da combinação
de previsões e do ajuste baseado na opinião. 166 f. Tese (Doutorado em Engenharia de Produção) -
Universidade Federal do Rio Grande do Sul – UFRGS, Porto Alegre, 2004.
WERNER, L; LEMOS, F. O; DAUDT, T. K. Previsão de demanda e níveis de estoque uma abordagem conjunta
aplicada no setor siderúrgico. In: Simpósio de Engenharia de Produção, 13., 2006, Bauru. Anais... Bauru:
UNESP, 2006.
WERNER, L; RIBEIRO, J. L. D. Modelo composto para prever demanda através da integração de
previsões. Produção, São Paulo, v. 16, n. 3, p. 493-509, 2006.
14

XXIV SIMPEP Art 172

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

XXIV SIMPEP Art 172

Enviado por

Direitos autorais:

Formatos disponíveis

PREVISÃO DE DEMANDA ATRAVÉS DE TÉCNICAS

QUANTITATIVAS: ESTUDO DE CASO EM UMA

Área: 1 - GESTÃO DA PRODUÇÃO

Resumo: O OBJETIVO GERAL DESTE TRABALHO CONSISTIU EM DEFINIR O

Palavras-chaves: PREVISÃO DE DEMANDA; MÉTODOS QUANTITATIVOS;

DEMAND FORECAST THROUGH QUANTITATIVE

Keyword: FORECASTING; QUANTITATIVE METHODS; PERFORMANCE

O mercado, com o passar do tempo, vem se consolidando como sendo muito

2.1 Definição e classificação de demanda

Entende-se por demanda a disposição dos clientes ao consumo de bens ou serviços

2.2 Etapas de um modelo de previsão de demanda

FIGURA 1 – Etapas do modelo de previsão de demanda. Fonte: Adaptado de Tubino (2007).

Na primeira etapa define-se o propósito da previsão de demanda, isto é, para qual

2.3 Métodos de previsão de demanda

Previsões de demanda são concebidas através de métodos qualitativos, quantitativos

Entre os métodos qualitativos, pode-se citar: a) Júri de Executivos - utiliza do

2.4 Medidas de acurácia

É essencial monitorar e controlar o desempenho do método definido para prever a

A presente pesquisa científica é de caráter descritivo, pois, de acordo com Barros e

4.1 Empresa estudada

A empresa em que foi realizado o estudo situa-se no município de Ribeirão Preto,

4.2 Descrição dos dados

FIGURA 2 – Comportamento da demanda dos produtos. Fonte: Elaborado pelo autor.

4.3 Análises e resultados

TABELA 1 – Resultados referente ao Produto 1.

Apesar do método da Média Móvel Simples P5 apresentar o menor Erro Médio

TABELA 2 – Resultados referente ao Produto 2.

Analisando a tabela 2 percebemos que, assim como no produto 1, o método da Média

TABELA 3 – Resultados referente ao Produto 3.

O produto 3 possui um resultado, evidenciado pelos indicadores de desempenho,

TABELA 4 – Resultados referente ao Produto 4.

FIGURA 3 – Vendas reais x Previsão. Fonte: Elaborado pelo autor.

Este trabalho objetivou, portanto, definir o método quantitativo mais adequado de

Analisando os dados coletados, verificou-se que a demanda dos produtos

Após a aplicação de vários métodos quantitativos em cada produto, houve uma

abordagem estratégica. 3. ed. São Paulo: Atlas, 2012.

Você também pode gostar