Prof. Márcio Luiz Ribeiro Disciplina: Administração de Produção II Curso de Graduação em Administração (CCSA) Universidade Estadual do Oeste do Paraná (UNIOESTE) Introdução • Algumas previsões são precisas. Sabemos exatamente a que horas o sol aparecerá no horizonte em qualquer lugar da Terra, amanhã ou um dia qualquer do próximo mês ou mesmo do próximo ano. • Mas a previsão em um ambiente de negócios é muito mais difícil (sujeita a erros). Não sabemos com precisão quantos pedidos receberemos ou quantos clientes entrarão amanhã por nossa porta, no próximo mês ou ano. • As previsões são necessárias para ajudar os gerentes a tomar decisões sobre como reunir recursos para a organização no futuro. Previsão – Quais opções considerar? • Simplesmente saber que a demanda por seus produtos ou serviços está aumentando ou diminuindo não é suficiente. • Conhecer a taxa de mudança é com certeza vital para o planejamento do negócio. • ESCRITÓRIO DE ADVOCACIA: decisão sobre a contratação de mais um sócio (processo de recrutamento). • GERENTE DE FÁBRICA: compra de novos equipamentos para lidar com o crescimento da demanda. • GOVERNO: planejamento de novos aeroportos; construção de pistas de aterrissagem; decisão de como as escolas de ensino fundamental serão construídas e quantas serão. Exemplo sobre o que considerar na previsão • Um passo-chave em previsão é conhecer as opções possíveis e os tempos de espera exigidos para cada uma. • Conhecendo as várias opções, os gerentes podem decidir a escala de tempo para suas previsões. De fato, várias previsões podem ser necessárias a curto, a médio ou a longo prazo. Em essência, a previsão é simples • Para saber quantas crianças poderão aparecer na escola amanhã, você pode usar o número de crianças que apareceu hoje. • A longo prazo, para prever quantas crianças em idade escolar irão aparecer em uma escola daqui a cinco anos, é necessário, simplesmente, examinar as estatísticas de nascimento para aquele ano em determinado distrito escolar. Mas essas abordagens simples estão sujeitas a problemas: existem muitas variáveis contextuais • Pode ser a taxa de mortalidade infantil entre o nascimento e os cinco anos de idade. Isso pode depender de localização, com taxas de mortalidade maiores em áreas mais pobres em comparação a áreas mais ricas. • Outro fator mais significativo abrange imigração e emigração, conforme as pessoas mudam de um lugar para outro. Tal fator será afetado por disponibilidade de moradia e por novos projetos habitacionais, pelo fluxo e refluxo de empregos e por variações na prosperidade econômica da área. Abordagens para a previsão • MÉTODOS QUALITATIVOS • Às vezes, os gerentes usam métodos qualitativos baseados em opiniões, na experiência passada e mesmo nas melhores suposições. • MÉTODOS QUANTITATIVOS • Há também uma variedade de técnicas quantitativas de previsão disponíveis para ajudar os gerentes a avaliar tendências e relacionamentos causais e a fazer previsões sobre o futuro. As técnicas de previsão quantitativa podem ser usadas para modelar dados. • Qual é a melhor opção? • Embora nenhuma abordagem ou técnica resulte em previsão exata, uma combinação de abordagens qualitativas e quantitativas pode ser usada com ótimo efeito para integrar pareceres especializados e modelos preditivos. Métodos qualitativos • Uma abordagem qualitativa envolve coletar e avaliar julgamentos, opções, inclusive boas suposições de “especialistas” em fazer previsões. • Há várias formas para se fazer isso: • Abordagem de painel; • Método Delphi; • Planejamento de cenário. Abordagem de painel • Assim como painéis de especialistas em futebol reúnem-se para especular sobre prováveis resultados, também o fazem políticos, líderes empresariais, analistas de mercado de capitais, bancos e linhas aéreas. • O painel atua como um grupo de foco e permite que todos falem aberta e francamente. Embora haja grande vantagem de vários cérebros juntos serem melhor do que um, pode ser difícil chegar a um consenso ou, às vezes, as visões de quem fala mais alto ou tem status mais elevado predominam (efeito adesão). • Embora mais confiável do que as visões de uma pessoa isolada, a abordagem de painel ainda apresenta a fraqueza de que mesmo os especialistas podem estar errados. Método Delphi • Gera previsões usando especialistas. Esse é um método mais formal, que tenta reduzir as influências dos procedimentos dos encontros face a face. • Emprega um questionário que é enviado pelo correio ou por e-mail a especialistas. As respostas são analisadas, resumidas e retornam anonimamente para todos os especialistas. • Cada membro do grupo é solicitado a reconsiderar sua resposta original à luz das respostas e argumentos elaborados por outros especialistas. • Esse processo é repetido várias vezes para concluir com um consenso ou, no mínimo, com uma faixa de decisões mais estreita. • Um aperfeiçoamento desta abordagem é atribuir pesos aos indivíduos e suas sugestões, baseados, por exemplo, em sua experiência, seu sucesso anterior com previsões ou visões de terceiros sobre suas habilidades. • Os problemas evidentes associados a esse método são como elaborar um questionário adequado, selecionar um painel de especialistas apropriado e tentar lidar com seus vieses inerentes. Planejamento de cenário • Um método de lidar com situações de incerteza maior ainda é o planejamento de cenário. Geralmente, é aplicado a previsões de longo prazo, novamente usando um painel. • Os membros do painel geralmente são solicitados a imaginar vários cenários futuros. Cada cenário pode então ser discutido, e os riscos inerentes, considerados. • Diferentemente do método Delphi, o planejamento de cenário não implica necessariamente se chegar a um consenso, mas examinar a possível variedade de opções e planejar para tentar evitar os cenários menos desejados, adotando ações para seguir os mais desejados. Métodos quantitativos • Há duas abordagens principais para a previsão quantitativa: a análise de séries temporais e as técnicas de modelagem causal. • As SÉRIES TEMPORAIS examinam o padrão de comportamento passado de um único fenômeno ao longo do tempo, levando em consideração as razões para a variação de tendência, de modo a usar a análise para prever o comportamento futuro do fenômeno. • A MODELAGEM CAUSAL é uma abordagem que descreve e avalia os relacionamentos complexos de causa e efeito entre variáveis-chave. Análise de séries temporais • As séries temporais simples mapeiam uma variável ao longo do tempo e, ao remover as variações subjacentes com causas assinaláveis, usam extrapolação para prever o comportamento futuro. • Ponto fraco: simplesmente olha o comportamento passado para prever o futuro, ignorando as variáveis causais que são levadas em consideração em outros métodos. Exemplo de Séries Temporais • Suponha que uma empresa esteja tentando prever as vendas futuras de um produto. As vendas dos últimos três anos, trimestre a trimestre, são mostradas na Figura S5.3(a). • Essa série de vendas passadas pode ser analisada para indicar as vendas futuras. • Na série pode haver uma tendência de aumento linear nas vendas. Se isso for eliminado dos dados, como na Figura S5.3(b), ficamos com uma variação sazonal cíclica. • O desvio médio da linha de tendência para cada trimestre pode ser considerado agora para calcular o desvio sazonal médio. O que resta é a variação aleatória das linhas de tendências e de sazonalidades, como na Figura S5.3(c). Previsão baseada na Média Móvel • Abordagem para a previsão que considera os dados da demanda real dos n períodos anteriores, calcula a demanda média nesses n períodos e usa essa média como previsão para a demanda do próximo período.
• Nenhum dado mais antigo do que o dos n períodos tem
influência na previsão do período seguinte. O valor de n pode ser definido em qualquer nível, mas normalmente está na faixa de 4 a 7.
• Ex.: A Tabela S5.2 mostra a demanda semanal de uma
empresa de entrega de encomendas. A demanda semanal é medida em termos do número de encomendas que recebe para entregar. Cada semana, a demanda da semana seguinte é prevista pela média móvel da demanda real das quatro semanas precedentes. Logo, se a previsão de demanda para a semana t for Ft e a demanda real para a semana t for At, então: Ajuste exponencial (ou “suavizamento exponencial”) • Dois inconvenientes da previsão por média móvel: 1) em sua forma básica, atribui peso igual a todos os n períodos prévios usados nos cálculos (pode ser resolvido atribuindo-se pesos diferentes a cada um dos n períodos); 2) não usa dados fora dos n períodos com os quais é calculada a média móvel. Esses problemas são resolvidos por ajuste exponencial.
• Com ajuste exponencial, é prevista a demanda no próximo período
considerando a demanda real no período atual e a previsão feita anteriormente para o período atual. Segue-se a fórmula, onde α é a constante de ajuste.
• A constante de ajuste α é o peso atribuído à última informação
disponível a quem faz a previsão. Outra expressão na fórmula inclui a previsão para o período atual, que inclui a demanda real do período precedente e assim por diante.
• Assim, todos os dados prévios têm efeito (mais reduzido quanto
mais antigos forem) na próxima previsão. A Tabela S5.3 mostra os dados para as previsões usando esse método de ajuste exponencial, onde α = 0,2. Por exemplo, a previsão para a semana 35 é: Ajuste exponencial • O valor de α determina o equilíbrio entre a capacidade de resposta das previsões às mudanças na demanda e a estabilidade das previsões. • Quanto mais próximo α estiver de zero, mais as previsões serão amortecidas pelas previsões anteriores (não muito sensíveis, porém mais estáveis). A Figura S5.4 mostra os dados de volume da empresa para uma média móvel de quatro semanas, ajuste exponencial com α = 0,2 e com α = 0,3. Modelos causais • Modelos causais empregam técnicas para entender a força do relacionamento entre um conjunto de variáveis e o impacto que uma variável exerce sobre a outra.
• Modelos de regressão simples tentam determinar a expressão
de “melhor ajuste” entre duas variáveis.
• Ex.: suponha que um fabricante de sorvete esteja tente prever
suas vendas futuras. Depois de examinar a demanda precedente, percebe que a principal influência sobre a demanda na fábrica é a temperatura média da semana anterior.
• Para ver essa relação, a empresa faz um gráfico da demanda em
função das temperaturas da semana anterior (Figura S5.5).
• Pelo gráfico, a empresa pode fazer uma previsão razoável da
demanda, conhecendo a temperatura média, desde que as outras condições existentes no mercado permaneçam razoavelmente estáveis.
• Se elas não o forem, outros fatores que influenciaram a
demanda precisam ser incluídos no modelo de regressão. Considerações finais • Os modelos de previsão são amplamente usados na tomada de decisões gerenciais, embora o desempenho dos modelos esteja longe de ser impressionante. • Em geral, não é bom o desempenho obtido por previsões, tanto usando julgamentos subjetivos como sofisticados métodos matemáticos. • Porém determinadas técnicas de previsão têm melhor desempenho sob certas circunstâncias. • Na previsão a curto prazo existe inércia na maioria dos fenômenos econômicos e naturais. Assim, métodos relativamente simples, como os usados nas previsões de séries temporais, em geral, podem fazer previsões detalhadas a curto prazo. • Os métodos de previsão a longo prazo parecem ser mais adequados para uma abordagem causal objetiva. Métodos econométricos oferecem previsões a longo prazo mais exatas do que as opiniões de especialistas ou análises de séries temporais. • Nas próximas aulas veremos outras abordagens e teremos exercícios práticos sobre “Previsão”. Referência SLACK, N.; BRANDON-JONES, A.; JOHNSTON, R. Administração da produção. São Paulo: Atlas, 2018 (Suplemento do Cap. 5). Obrigado! Bons estudos. E-mail: marcio.ribeiro2@unioeste.br