Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
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.
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.
Média aritmética
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.
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.
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
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.
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.
Ft = α * Xt + (1 - α) * Ft-1
Onde:
α (alfa) é o fator de suavização, que determina a taxa de decaimento dos pesos. Geralmente, α
é um valor entre 0 e 1.
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.
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 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.
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.
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:
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