UNIVERSIDADE FEDERAL DE SÃO CARLOS

CENTRO DE CIÊNCIAS EM GESTÃO E TECNOLOGIA

DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO
GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

Daniel Nogueira - 801377

Felipe Rocha - 801700
Marcos Vinicius Negrão - 802227
Richard Marson - 804126

Relatório: Previsão de Demanda – Indústria de

Embalagens

[Trabalho de PCP1- Planejamento e Controle

de Produção 1, disciplina obrigatória do
curso de Engenharia de Produção – Sorocaba
da Universidade Federal de São Carlos].

SOROCABA -SP
[2023]

1
 SUMÁRIO

1. Introdução............................................................................................................. 1
2. Desenvolvimento..................................................................................................
2
2.1. Demanda......................................................................................................... 2
2.2. Média aritmética simples, ponderada e móvel.................................................
5
2.3. Suavização exponencial simples..................................................................... 6
2.4. Suavização exponencial dupla.........................................................................
7
2.5. Regressão Linear Simples ..............................................................................
8
2.6. Previsão com Sazonalidade Simples...............................................................
8
3. Conclusão ............................................................................................................ 9
4. Referências ........................................................................................................ 10

2
 1. INTRODUÇÃO

Para Oliveira (2018), a Engenharia de Produção é uma área multidisciplinar que engloba
conhecimentos de matemática, física, estatística, economia e ciências sociais aplicadas, com o objetivo
de projetar, implantar e melhorar sistemas produtivos. Dentro dela, entende-se como uma vertente de
extrema importância o planejamento e controle de produção, do qual desempenha um papel crucial nas
organizações, pois é responsável por garantir a eficiência e o sucesso dos processos produtivos. Ao
estabelecer planos e metas, dimensionar recursos, programar atividades e monitorar o desempenho, o
planejamento e controle de produção permitem a otimização dos fluxos de trabalho, a redução de
custos, a maximização da produtividade e a garantia da qualidade dos produtos. Além disso, essa
disciplina permite uma resposta ágil às demandas do mercado, facilitando a adaptação e a tomada de
decisões estratégicas.

Segundo Martins (2021), o planejamento e controle de produção desempenha um papel crucial

na engenharia de produção, pois é responsável por garantir que os recursos necessários para a
produção estejam disponíveis no momento adequado, na quantidade correta e com a qualidade
exigida. Ele envolve uma série de atividades, desde o planejamento da capacidade produtiva, a
previsão da demanda, o dimensionamento dos estoques, o sequenciamento das operações, até o
acompanhamento e a análise dos resultados.

Em vista disso, aplicando os conceitos apresentados em sala de aula, o seguinte trabalho tem
por objetivo aplicar de forma prática as noções relacionadas à previsão de demanda através do estudo
de caso baseado em um sistema de produção real de uma unidade industrial de embalagens.

As indústrias fabricantes de embalagens desempenham um papel significativo no setor

industrial nacional, fornecendo embalagens e insumos para diversas empresas produtoras. Entre essas
indústrias, é importante destacar as fabricantes de embalagens feitas com papel reciclado, não apenas
pela qualidade e viabilidade dessas embalagens, mas também pelo seu impacto ambiental positivo. No
entanto, devido à crescente competitividade nesse setor, é crucial que as empresas de embalagens de
papel reciclado mantenham altos níveis de produtividade para se manterem competitivas,
especialmente em comparação com as indústrias que utilizam materiais derivados da indústria
petroquímica, como plástico e isopor, que têm custos mais baixos do que os materiais provenientes da
reciclagem de papel.

3
 Nesse contexto, uma indústria fabricante de embalagens de papel reciclado para produtos
alimentícios busca oportunidades de melhoria e um planejamento de produção mais preciso. Com o
objetivo de reduzir custos e alcançar metas de produção, a empresa pretende realizar um estudo
aprofundado da demanda por seus produtos e propor um método mais assertivo para avaliá-la. Dessa
forma, a empresa poderá otimizar sua produção, melhorar sua eficiência e contribuir para o alcance de
seus objetivos.

2. DESENVOLVIMENTO

2.1 Demanda

De acordo com Oliveira (2018), "Cada decisão de produção deve ser baseada em uma análise
sólida da demanda, pois é a demanda que impulsiona todas as atividades da empresa, desde o
planejamento até a execução. Entender as preferências e necessidades dos clientes é fundamental para
garantir a eficiência e o sucesso das operações."

Essa citação destaca a importância da análise de demanda como base para as decisões de
produção. A demanda é o fator que direciona todas as atividades de uma empresa, e compreender as
preferências e necessidades dos clientes é essencial para garantir que os recursos sejam alocados de
forma adequada e que os produtos ou serviços atendam às expectativas dos consumidores.

A análise de demanda fornece insights valiosos sobre o comportamento dos clientes,

permitindo que as empresas identifiquem padrões, tendências e variações sazonais na demanda. Essas
informações são cruciais para o planejamento da produção, pois ajudam a determinar a quantidade
certa de produtos a serem produzidos em determinado período, evitando o desperdício de recursos e
garantindo que a empresa esteja preparada para atender às necessidades dos clientes.

Além disso, a análise de demanda contribui para o desenvolvimento de estratégias de

marketing mais eficazes. Ao compreender as preferências dos clientes, as empresas podem adaptar
suas mensagens, canais de distribuição e promoções para alcançar o público-alvo de maneira mais
direcionada, aumentando as chances de sucesso nas vendas.

2.2 Média aritmética simples; média ponderada; média móvel;

 Média aritmética

A média aritmética simples é um cálculo estatístico comumente utilizado para determinar o

valor médio de um conjunto de números. É obtida somando todos os valores e dividindo o resultado
pelo número total de elementos.

Para calcular a média aritmética simples, primeiramente somamos todos os valores do

conjunto. Em seguida, dividimos essa soma pelo número de elementos presentes no conjunto.

4
 A fórmula matemática para a média aritmética simples é a seguinte:

Para o cálculo da previsão de demanda proposta, esse método foi utilizado somando todos os
registros de demanda por período de cada produto ao longo dos 4 anos e dividindo pelo número de
períodos (no caso, 48). O resultado, então, é a previsão de demanda para o próximo período, ou seja, o
primeiro mês do ano seguinte.

 Média ponderada

A média ponderada é uma medida estatística que leva em consideração a importância ou peso
de cada elemento dentro de um conjunto de dados. Ao contrário da média aritmética simples, onde
todos os elementos têm o mesmo peso, na média ponderada, alguns elementos têm mais influência do
que outros.

Para calcular a média ponderada, cada elemento é multiplicado pelo seu respectivo peso e, em
seguida, esses produtos são somados. O resultado é dividido pela soma dos pesos para obter a média
ponderada.

A fórmula matemática para a média ponderada é a seguinte:

Como método de calcular a previsão de demanda, foi realizada uma média ponderada dos
registros históricos de demanda, em que foi atribuído peso maior para os anos mais recentes. Dessa
forma, estipulou-se que o ano 4 teria peso 4, o ano 3, peso 3, o ano 2, peso 2 e o ano 1 peso 1. Nos
casos dos itens que não possuíam registros para todos os anos, apenas os anos com registros foram
considerados no cálculo. O item k4, por exemplo, considerou apenas o ano 1 com peso 1 e o ano 2
com peso 2 e desconsiderou os anos 3 e 4. Do resultado dessa média ponderada obteve-se uma
previsão de demanda de cada produto para o primeiro mês do próximo ano.

 Média móvel

A média móvel é uma técnica estatística utilizada para suavizar flutuações em séries temporais
e identificar tendências ao longo do tempo. Ela é calculada por meio da média dos valores de um
conjunto de observações consecutivas em intervalos fixos, deslocando-se gradualmente ao longo da
série.

5
 A média móvel é calculada somando-se os valores dos últimos “n” períodos e dividindo pelo
número de períodos considerados. A média móvel é amplamente utilizada em análise de dados
financeiros, previsões de vendas, análise de séries temporais climáticas e muitas outras aplicações. Ela
ajuda a identificar padrões de comportamento e tendências em dados sequenciais, suavizando as
flutuações de curto prazo e fornecendo uma visão mais clara das variações de longo prazo.

Uma das principais vantagens da média móvel é sua capacidade de detectar mudanças de
direção em uma série de dados. Ela é particularmente útil quando se deseja observar o comportamento
de uma série ao longo do tempo, filtrando o ruído e destacando as variações mais significativas.

A fórmula matemática para a média ponderada é a seguinte:

Foi feita a média móvel, na qual é calculada a média dos períodos mais recentes. Para essa
previsão, foram utilizados os dados dos 2 períodos mais recentes em que se tem registro. Foram
observados os seguintes pontos:

 Para k11 e k13 não foi possível obter uma previsão de demanda por esses métodos já
que não se tem dados suficientes para isso
 No método da média ponderada, foram desconsiderados os anos em que não se tem
registros, não entrando para o cálculo. No caso, foram desconsiderados os anos 3 e 4
para k4 e o ano 4 para k9.
 Média movel não foi possível por insuficiência de dados para os itens que não
apresentaram registros nos dois períodos mais recentes

2.3 Suavização exponencial simples;

A Suavização Exponencial Simples (SES) é uma técnica de previsão de séries temporais usada
para suavizar dados históricos e obter uma estimativa do valor futuro. É um método simples e
amplamente utilizado que atribui um peso exponencialmente decrescente aos valores passados.

O processo de suavização exponencial simples envolve a atribuição de pesos às observações

históricas, onde os pesos diminuem exponencialmente à medida que as observações se tornam mais
antigas. O peso mais recente é maior, refletindo sua importância para a previsão.

O cálculo da suavização exponencial simples é realizado em duas etapas. Primeiro, é calculada

a média ponderada dos valores históricos, utilizando pesos decrescentes exponencialmente. Essa

6
média ponderada é usada como o valor previsto para o próximo período. Em seguida, é calculado o
erro de previsão, que é a diferença entre o valor observado real e o valor previsto.

A fórmula básica para calcular a suavização exponencial simples é a seguinte:

Ft = α * Xt + (1 - α) * Ft-1

Onde:

Ft é o valor previsto para o próximo período.

Xt é o valor observado real para o período atual.

Ft-1 é o valor previsto para o período anterior.

α (alfa) é o fator de suavização, que determina a taxa de decaimento dos pesos. Geralmente, α
é um valor entre 0 e 1.

O valor de α influencia o grau de suavização aplicado aos dados. Valores maiores de α

resultam em uma suavização menor e uma maior resposta às variações recentes nos dados. Valores
menores de α resultam em uma suavização maior e uma resposta mais lenta às variações.

No caso do trabalho desenvolvido, inicialmente o alfa escolhido foi o 0,3 e 0,4 para utilizar
nas suavizações da demanda, afinal trata-se de valores que mais se assemelham a demanda real,
especialmente o 0,3, do qual posteriormente foi escolhido para fazer todos os restantes após a primeira
testagem por melhor se encaixar nas especificações.

2.4 Suavização exponencial dupla;

A Suavização Exponencial Dupla, também conhecida como Holt-Winters, é uma técnica de

previsão de séries temporais que combina a suavização exponencial simples com a capacidade de
capturar tendências e padrões sazonais. É uma extensão da Suavização Exponencial Simples, que é
usada para suavizar os dados históricos e gerar previsões futuras. Leva em consideração dois
componentes principais: a tendência e a sazonalidade. A tendência refere-se à direção e ao padrão
geral dos dados ao longo do tempo, enquanto a sazonalidade refere-se a padrões recorrentes que
ocorrem em intervalos fixos, como diários, semanais, mensais ou anuais.

O método de suavização exponencial dupla utiliza três parâmetros principais: o nível (ou
suavização exponencial simples), a tendência e a sazonalidade. O nível é uma estimativa suavizada da
média atual dos dados, a tendência é uma estimativa da taxa de mudança dos dados ao longo do tempo

7
e a sazonalidade captura os padrões sazonais. Cada um desses componentes é atualizado a cada ponto
de dados e usado para gerar previsões futuras.

A atualização dos componentes é realizada por meio de equações de suavização exponencial,

que atribuem pesos às observações anteriores e calculam as estimativas mais recentes. A suavização
exponencial dupla leva em conta tanto os valores anteriores quanto as estimativas anteriores dos
componentes para calcular as previsões futuras.

A Suavização Exponencial Dupla pode ser aplicada a séries temporais com ou sem
sazonalidade. Se a série tiver um padrão sazonal, a suavização exponencial dupla ajustará
automaticamente os valores dos componentes de sazonalidade.

Foi necessário realizar a previsão suavizada e de tendência, ou seja, foi necessário combinar a
demanda a primeira demanda do primeiro produto no primeiro ano e a demanda do primeiro produto
no último ano e no último mês (dezembro), subtraindo uma demanda pela outra e dividiu o valor por
40, para que fosse possível calcular a estimativa de tendência. Nesta, há o beta, dos quais foram
escolhidos o 0,3 e 0,4, percebeu-se o 0,3 como uma opção mais viável e esse, foi utilizado para
realizar as contas da suavização. Após foi somada a estimativa de tendência com a suavização simples,
e assim chegar ao cálculo final.

2.5 Regressão linear simples;

A Regressão Linear Simples é uma técnica estatística utilizada para modelar a relação entre
uma variável dependente (ou resposta) e uma única variável independente (ou preditora). É chamada
de "simples" porque envolve apenas uma variável independente, ao contrário da Regressão Linear
Múltipla, que envolve várias variáveis independentes.

O objetivo da Regressão Linear Simples é encontrar a melhor linha reta que se ajusta aos
dados, de modo a minimizar a diferença entre os valores observados e os valores previstos pela linha
de regressão. A regressão linear simples permite realizar previsões e entender a relação entre as
variáveis. Além disso, os coeficientes de regressão podem ser testados para determinar se a relação
entre as variáveis é estatisticamente significativa.

No caso da regressão linear, foram utilizados os dados do ano mais recente em que se tem
registros de vendas.

Para encontrar a previsão de demanda foram colocados em uma tabela os números dos
períodos (variável dependente) e os registros de demanda do ano utilizado como base (variável
independente). Assim, foi possível obter os gráficos referentes a esse método e, a partir da equação da
reta da linha de tendência, obter a previsão de demanda do próximo período.

8
 No caso dos produtos k11 e k13 não foi possível chegar em um valor pois não se tem
registros.

2.6 Previsão com sazonalidade;

A previsão com sazonalidade é um método utilizado para prever valores futuros em séries
temporais que exibem padrões sazonais. Padrões sazonais referem-se a flutuações regulares e
previsíveis que ocorrem em intervalos fixos de tempo, como diariamente, semanalmente, mensalmente
ou anualmente. Esses padrões são influenciados por fatores sazonais, como mudanças climáticas,
feriados, eventos sazonais, comportamentos de consumo sazonais, entre outros.

A média da demanda total dos 4 anos foi somada e dividida por 48, e após calcula-se a
demanda média do mês de janeiro, e assim, soma-se as 4 demandas e às divide por 4. O alfa escolhido
na fórmula foi o 0,9, pelo mesmo motivo das suavizações, tentando descobrir o valor de alpha que se
comportasse de forma mais semelhante com as demandas originais.

3. CONCLUSÃO

A média da demanda total dos 4 anos foi somada e dividida por 48, e após calculou-se a
demanda média do mês de janeiro, e assim, soma-se às 4 demandas e às divide por 4. O alpha
escolhido na fórmula foi o 0,9, pelo mesmo motivo da suavização, tentando descobrir o valor de alpha
que se comporta de forma mais semelhante com as demandas originais.

Após ser realizado todos os cálculos de previsões de demanda com os diferentes métodos
estudados, foi realizada uma análise minuciosa para encontrar qual método combinava melhor para
cada produto, já que, por serem produtos diferentes, apresentavam diferentes demandas ao decorrer
dos anos.

Assim, foi seguida uma linha de raciocínio para a análise de cada produto, onde primeiramente
se observou a quantidade da demanda, e se caso não houvesse meses zerados ou então uma variação
muito acentuada, nesses casos o melhor método seria o de suavização dupla, já que o mesmo consegue
suavizar a demanda do produto e levar em consideração sua tendência temporal, ou seja, quanto mais
recente os dados mais peso eles terão na previsão.

Caso a primeira etapa fosse ineficaz, a segunda etapa se baseia em escolher entre os métodos
de média ponderada ou sazonalidade para os produtos que sobraram, essa escolha se baseou na relação
entre os dados históricos das demandas dos anos estudados com previsão criada, a previsão que mais
se mostrasse parecida com as demandas originais teria seu método escolhido como o melhor para o
produto.

9
 No geral, conclui-se que para essa empresa, caso fosse necessário escolher apenas um método
de previsão de demanda, o melhor seria a suavização exponencial dupla, já que a demanda da maior
parte dos produtos possui tendências parecidas. Caso fosse estabelecida um método para cada produto,
o melhor cenário seria:

 K1: Suavização exponencial dupla, 842715, 66

 K2: Suavização exponencial dupla, 644807, 34
 K3: Suavização exponencial dupla, 188419, 69
 K4: Média ponderada, 299644
 K5: Suavização exponencial dupla, 984229, 91
 K6: Suavização exponencial dupla, 159327,76
 K7: Suavização exponencial dupla, 557280,81
 K8: Método por sazonalidade, 60515,70
 K9: Média ponderada, 31000
 K10: Método por sazonalidade, 198038,92
 K11: Dados insuficientes
 K12: Média ponderada, 170075
 K13: Dados insuficientes
 K14: Média ponderada, 449625

4. REFERÊNCIAS

SANTOS, João. Por que aplicar práticas da engenharia de produção? In: Revista de
Engenharia de Produção, v. 10, n. 2, p. 50-62, 2021.

10