View
3
Download
0
Category
Preview:
Citation preview
ANÁLISE DA DEMANDA POR SAL
REFINADO DE COZINHA: ESTUDO DE
CASO NUMA EMPRESA
MOSSOROENSE
Priscila Goncalves Vasconcelos Sampaio (UFERSA )
prisamp@yahoo.com.br
hugo dantas da silva ribeiro (UFERSA )
hugodantas88@hotmail.com
O presente artigo tem como objetivo propor um modelo de previsão de
demanda para uma empresa do setor salineiro, para os anos de 2011
até 2020, em relação às vendas do sal de refinado de cozinha de 1 Kg,
com base nos dados históricos de demmanda dos anos de 2013 até
2022. A escolha deste produto se deu pela importância que o setor
salineiro tem para Mossoró e região, bem como pela importância que
este tipo de sal representa para a empresa em estudo, já que é um dos
produtos que apresenta maior lucratividade/rentabilidade para a
mesma. Em um primeiro momento coloca-se uma breve descrição da
produção do sal, bem como do conceito de previsão de demanda e de
cada uma das técnicas de previsão utilizáveis nas organizações
segundo autores como Tubino (2009) e Moreira (1999). Em seguida
realiza-se a análise dos dados, aplicação do modelo de previsão,
interpretação dos resultados e análise da capacidade produtiva.
Palavras-chaves: Previsão de demanda; Capacidade produtiva; Sal
refinado.
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
2
1. Introdução
O Rio Grande do Norte responde por quase 95% de todo o sal bruto e refinado do Brasil. A
maior parte dessa produção está concentrada em Areia Branca, que possui as maiores salinas e
também o mais importante canal de escoamento do que é produzido em abundância no
município e na região: o Porto-Ilha. A importância no sal no contexto econômico e social de
Mossoró e região se devem ao fato do mesmo gerar divisas e empregos direto e indireto
mantendo o setor aquecido.
Devido ao crescimento do setor, a competitividade entre as empresas salineiras tende a
aumentar cada vez mais. Com isso as empresas precisam ser competitivas e, para tanto,
buscam colocar no mercado produtos de qualidade que atendam a demanda e às necessidades
dos seus clientes. As variações da demanda apresentam-se como um dos principais fatores
que determinam esta competitividade e provocam mudanças no planejamento das indústrias
em geral. Para controle dos sistemas de produção, as empresas desafiam suas limitações de
capacidade produtiva e financeira buscando soluções em máquinas e equipamentos como
alternativa para seu desenvolvimento e atendimento da demanda.
A previsão de demanda é de fundamental importância na gestão de estoques e no
planejamento e controle da produção. Para Werner e Ribeiro (2006) esta importância se dá,
pois a previsão gera informações para que as empresas consigam dimensionar o volume de
bens ou serviços que irão produzir, estocar e expedir, de modo a suprir a demanda dos
clientes.
Diante do exposto acima, o presente artigo tem como objetivo propor um modelo de previsão
de demanda para uma empresa do setor salineiro, para os anos de 2013 até 2022, em relação
às vendas do sal de refinado de cozinha de 1 Kg, com base nos dados históricos de demanda
dos anos de 2008 até 2013. A escolha deste produto se deu pela importância que o setor
salineiro tem para Mossoró e região, bem como pela importância que este tipo de sal
representa para a empresa em estudo, já que é um dos produtos que apresenta maior
lucratividade/rentabilidade para a mesma. Em um primeiro momento coloca-se uma breve
descrição da produção do sal, bem como do conceito de previsão de demanda e de cada uma
das técnicas de previsão utilizáveis nas organizações segundo autores como Tubino (2009) e
Moreira (1999). Em seguida realiza-se a análise dos dados, aplicação do modelo de previsão,
interpretação dos resultados e análise da capacidade produtiva.
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
3
2. Referencial teórico
Essa seção apresenta o referencial teórico sobre o conceito de previsão de demanda, os
modelos de previsão e as medidas de acurácia utilizadas para identificar a precisão do modelo
ou para selecionar o melhor modelo para cada caso.
2.1. Previsão de demanda
As previsões de demanda são de suma importância no processo de planejamento da produção
no planejamento da capacidade produtiva, no estudo de lançamento de novos produtos etc.
Segundo Martins e Laugeni (2006) previsão de demanda consiste na determinação de dados
futuros com base em modelos estatísticos, matemáticos ou econométricos. Para Dias (1993)
previsão de demanda significa estimar com antecedência o volume de vendas num
determinado período, levando em consideração uma margem de erro.
De acordo com Tubino (2009) um modelo de previsão de demanda pode ser dividido em
cinco etapas básicas, conforme Figura 1.
Figura 1 - Etapas do modelo de previsão
Fonte: Tubino 2009
Na primeira etapa deve-se definir o motivo pelo qual se esta fazendo a previsão. Uma vez
definido o objetivo do modelo de previsão, deve-se coletar e analisar os dados históricos do
produto, com intuito de identificar e desenvolver a técnica de previsão que melhor se adapte.
Quanto mais dados históricos forem coletados e analisados, mais confiável será a técnica de
previsão. É importante observar que variações extraordinárias de demanda, como promoções
especiais ou greves, devem ser analisadas e substituídas por valores médios, compatíveis com
o comportamento normal da demanda. O tamanho do período de consolidação de dados
(semanal, mensal, trimestral, etc.) tem influência direta na escolha da técnica de previsão mais
adequada, bem como na análise das variações extraordinárias.
A terceira etapa é a decisão pela técnica mais apropriada. Existem alguns fatores que
merecem destaque na escolha da técnica de previsão: disponibilidade de recursos
computacionais, disponibilidade de dados históricos, experiência passada com aplicação de
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
4
determinada técnica, disponibilidade de tempo para coletar, analisar e preparar os dados e a
previsão, entre outros.
A etapa seguinte é a obtenção da previsão propriamente dita, uma vez que já se definiu a
técnica de previsão e a aplicação dos dados passados. Quanto maior for o horizonte
pretendido, menor a confiabilidade da demanda prevista.
No decorrer do tempo as previsões vão sendo alcançadas pela demanda real. Surge então a
última etapa de um modelo de previsão que é o monitoramento do modelo. Deve-se monitorar
a extensão do erro entre a demanda real e a prevista, para averiguar se a técnica e os
parâmetros usados são válidos. Um ajuste nos parâmetros do modelo é suficiente, em
situações normais, para que reflita as tendências mais recentes. Em situações mais críticas,
uma reavaliação de todo modelo (desde o objetivo do modelo) pode ser necessária, incluindo
um novo exame dos dados e a escolha de uma nova técnica de previsão.
2.2. Modelos de previsão
A previsão de demanda pode ser feita por meio de modelos qualitativos, quantitativos ou
através da combinação dos dois modelos.
Os modelos qualitativos são baseados no julgamento e na experiência de especialistas. Tais
modelos são utilizados principalmente quando não existem dados disponíveis ou quando os
dados históricos são insuficientes para a modelagem matemática (MOREIRA, 1999).
Os modelos quantitativos de previsão podem ser divididos em séries temporais e técnicas de
correlação. A previsão baseada nas séries temporais é aquela em que a futura demanda não
sofrerá influencia de outras variáveis e será um espelho de valores passados. Podem ser
subdividas em média móvel, média exponencial móvel, equação linear para tendência,
ajustamento exponencial para tendência, sazonalidade simples, sazonalidade com tendência e
correlação.
- Média Móvel: É indicada quando não há tendência ou sazonalidade. É baseada na média
aritmética de valores passados:
(1)
Pt+1 - Previsão para o próximo período;
Rt - Valor real observado no período t;
n - Número de períodos no histórico de
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
5
vendas passadas;
- Média Exponencial: A média móvel exponencial é uma extensão da média móvel simples e
utiliza suavização da mesma para reduzir quantidade de sinais de compra ou de venda. O
cálculo é feito da seguinte forma: Mt = Mt-1 + α (Dt-1 – Mt-1) (2)
Onde: Mt= previsão para o período t; Mt-1= previsão para o período t-1; α= coeficiente de
ponderação (este coeficiente é fixado pelo analista numa faixa que varia de 0 a 1); Dt-1=
demanda do período t-1.
- Equação Linear para tendência: Refere-se ao movimento gradual de longo prazo da
demanda. A equação poderá ser linear, ou não, porém, nosso estudo, limitou-se somente a
tendência linear, onde, calculamos a equação da seguinte forma:
Y= a + bX (3)
Onde: Y= previsão da demanda para o período X; a = ordenada à origem, ou intercessão no
eixo dos Y; b = coeficiente angular; X= período (partindo de X = 0) para previsão.
- Ajustamento exponencial para tendência: O ajustamento exponencial para tendência consiste
em fazer a previsão com base em dois fatores: a previsão da média exponencial móvel da
demanda e uma estimativa exponencial da tendência.
O calculo é feito da seguinte forma:
Pt-1 = Mt + Tt (4)
Sendo que:
Mt = Pt + a1 (Dt – ; (5) / Tt = Tt-1 + a2 (( Pt – Pt-1)- Tt-1) (6)
Onde: Pt+1 = previsão da demanda para o período t+1; Pt = previsão da demanda para o
período t; Pt-1= previsão da demanda para o período t-1; Mt = previsão da média exponencial
móvel da demanda para o período t; Tt = previsão da tendência exponencial móvel para o
período t; Tt-1= previsão da tendência para o período t-1; a1 = coeficiente de ponderação da
média; a2 = coeficiente de ponderação da tendência; Dt = demanda do período t.
- Sazonalidade simples: A técnica consiste em obter o índice de sazonalidade (que é obtido
dividindo-se o valor da demanda no período pela média móvel centrada nesse período) para
cada um dos períodos da série e aplicá-lo em cima da previsão média em cada um desses
períodos.
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
6
- Sazonalidade com tendência: Aplica-se para o caso da demanda apresentar sazonalidade
com tendência, sendo necessário aplicar essas duas características no modelo de previsão.
- Correlação: As previsões com correlação têm como objetivo prever a demanda de
determinado produto com base na previsão de outra variável que esteja relacionada com o
produto. O cálculo é feito da seguinte maneira:
Y= a + bX, (7)
Onde: Y= previsão da demanda para o item dependente; a = ordenada à origem, ou
intersecção no eixo dos Y; b = coeficiente angular; X= valor da variável independente.
E os coeficientes de a e b podem ser calculados da seguinte forma:
(8) (9)
Onde n, é o número pares de XY.
2.3. Erros de previsão
No estudo dos modelos de previsão de demanda as medidas de precisão são uma aplicação de
extrema importância. Assim, é fundamental incluir informação acerca da medida em que a
previsão pode desviar-se do valor real da variável. Este conhecimento adicional fornece uma
melhor percepção sobre o quão precisa pode ser a previsão (STEVENSON, 2001).
Chopra e Meindl (2003), calculam o erro de previsão como sendo a diferença entre a previsão
para o período t e a demanda real neste mesmo período.
Et = Ft – Dt (10)
onde, Et = erro de previsão para um período t; Ft = previsão para o período t; Dt = demanda
real para o período t.
O desvio médio absoluto (DMA) é uma das medidas mais comuns de erro de previsão Para
calcular o DMA, subtrai-se o valor da previsão ao valor real em cada período de tempo, tendo
em conta que o resultado deverá ser positivo, ou seja, sempre em módulo, soma-se e divide-se
pelo número de valores que foram usados para obter a soma.
(11)
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
7
Onde: | | Significa: usar o valor absoluto, ignorando a direção do desvio.
2.4. Capacidade instalada
A capacidade instalada de uma empresa é a capacidade máxima de produção que a mesma
pode alcançar, ou seja é a quantidade de produtos que a empresa consegui produzir, levando
em consideração os equipamentos e instalações que tem disponíveis. De acordo com Isaac
(2004), “sabendo analisar sua capacidade, outra iniciativa importante é saber como balancear
essa capacidade com os investimentos necessários para sua expansão, de modo a não se
investir desnecessariamente nela nem ficar despreparado para aumentos futuros e imprevistos
de demanda”.
3. Procedimento metodológico
O presente artigo tem como objetivo desenvolver um modelo de previsão para vendas de sal,
para uma empresa do setor salineiro. Para tanto, foi utilizada a estratégia de pesquisa de
natureza quantitativa, classificada também como descritiva, bem como exploratória, e que
utilizou para o desenvolvimento de seu processo a técnica do estudo de caso. O estudo de caso
que segundo Yin (2005), representa uma investigação empírica e compreende um método
abrangente, com a lógica do planejamento, da coleta e da análise de dados e da escolha do
referencial teórico. Pode incluir tanto estudos de caso único quanto de múltiplos, assim como
abordagens quantitativas e qualitativas de pesquisa.
A realização deste trabalho, conforme indica a Figura 2, consistiu inicialmente na realização
de duas visitas à empresa objeto de estudo. Em seguida foram coletados os dados históricos
de demanda do sal referentes aos anos de 2008, 2009, 2010, 2011 e 2012 em seguida foi
analisado, por meio da ferramenta Microsoft Excel, o comportamento dos dados ao longo do
tempo o que possibilitou a escolha do modelo/técnica de previsão que melhor se aderiu às
séries temporais. O modelo escolhido foi o de sazonalidade com tendência. Após a escolha do
modelo mais adequado, foi realizado o cálculo da previsão de demanda e em seguida o do
erro que tem como objetivo verificar, através de gráficos de controle, se os erros estão
normais para o modelo de previsão escolhido, ou seja, se estão sobre controle. Por último foi
feita a análise da capacidade instalada, para verificar se é possível a empresa suprir a demanda
prevista para os próximos dez anos (2013 à 2022).
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
8
Figura 2 - Procedimento metodológico
4. Estudo de caso
4.1. Processo produtivo do sal
O processo produtivo do sal refinado inicia-se, conforme ilustra a Figura 3, com a lavagem do
sal in natura (sal grosso) (1), que em seguida passa pela etapa de moagem (2), secagem (3),
seleção por peneiramento (4), adição de ferrocianeto de sódio e iodato de potássio – (5),
empacotamento (6), inspeção por amostragem (7) e enfardamento (8). Após o enfardamento
(1 fardo = 30 pacotes de 1 Kg) o fardo é encaminhado para o setor de estoque (9) para ser
posteriormente distribuído (10).
Figura 3 – Fluxograma do processo
Fonte: Autores
4.2. Caracterização da empresa
A empresa objeto de estudo, foi Criada em 1949 e tem sede administrativa em Mossoró.
Exerce a atividade de extração, beneficiamento e comercialização de sal marinho. Atende as
indústrias têxtil, alimentícia, frigorífica, siderúrgica, etc, e o consumo humano. Todas as
marcas de sal da empresa são devidamente Registradas no Ministério da Saúde. Conta com
um laboratório equipado, onde são realizadas todas as analises necessárias a verificação da
qualidade do sal produzido e industrializado.
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
9
4.3. Coleta e Análise dos dados
Os dados coletados neste trabalho, Quadro 1, foram obtidos através do resumo anual de
entrada e saída de produtos que é feito, no início do ano seguinte, pelo setor de contabilidade
da empresa.
Quadro 1 - Demanda por sal refinado de 1 Kg para os anos de 2008 á 2012
Mês Ano (2008) Ano (2009) Ano (2010) Ano (2011) Ano (2012)
Janeiro 2000 3000 3400 4100 4100
Fevereiro 2000 2900 3600 3900 3900
Março 2500 3200 3900 4100 3900
Abril 2500 3000 3950 4000 4100
Maio 2800 3500 4000 4100 4100
Junho 2600 3600 3900 4200 4000
Julho 2700 3500 4100 4300 4300
Agosto 2800 3800 3800 4100 4000
Setembro 2600 3800 3900 4100 4100
Outubro 2800 3800 3800 4200 4100
Novembro 2900 3900 4000 4200 4200
Dezembro 2700 3500 3800 4000 4000
Trimestre
1 6500 9100 10900 12100 11900
2 7900 10100 11850 12300 12200
3 8100 11100 11800 12500 12400
4 8400 11200 11600 12400 12300
Demanda real (quantidade vendida em toneladas)
Os dados foram estratificados por trimestre, o que permitiu uma melhor visualização do
comportamento da demanda ao longo dos anos analisados conforme demonstra a Figura 4.
Figura 4 - Gráfico de demanda por sal refinado de 1 Kg para os anos de 2008 á 2012
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
10
Realizada a coleta de dados, e analisados os períodos de oscilações na demanda, pode-se
destacar algumas características pertinentes:
- Nos primeiros trimestres de 2008 a demanda era baixa, pois a empresa estava iniciando no
mercado de vendas deste produto;
- Em 2012 houve uma queda nas vendas, pois o inverno foi muito rigoroso, o que
impossibilitou a estocagem da matéria-prima o que consequentemente causou a diminuição na
produção e vendas;
- Com o passar do tempo e com a evolução comercial, ou seja, com o aumento da carteira de
clientes, a demanda foi aumentando chegando ao final do último trimestre de 2012 a 12300
toneladas;
- No final de cada ano as vendas aumentam, pois há necessidade de se ter este produto em
estoque para o início do ano seguinte, devido a retração na compra por conta do fechamento
do balanço contábil;
- Em seguida (do primeiro para o segundo trimestre) as vendas crescem, pois os clientes, para
suprir a diminuição do estoque ocorrida no primeiro semestre, compram mais.
Dessa forma, percebe-se que essa demanda apresenta sazonalidade, devido à ocorrência de
variações, para cima ou para baixo em intervalos regulares, nas séries temporais da demanda.
E apresenta também a componente tendência, referente ao movimento gradual ao longo da
demanda, pois as vendas sobem a cada trimestre durante o ano.
4.4. Seleção da técnica de previsão
Segundo Tubino (2009) quando há sazonalidade e tendência, se faz necessário incorporar
essas duas características no modelo de previsão. Para tanto, ele define as seguintes etapas
para um modelo de previsão baseado em sazonalidade com tendência:
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
11
a) Obtenção dos índices de sazonalidade através da média móvel centrada;
b) Retirar o componente de sazonalidade da série de dados históricos, dividindo-os pelos
correspondentes índices de sazonalidade;
c) Desenvolver uma equação para a representação da tendência;
d) Efetuar a previsão colocando o componente da sazonalidade.
4.5. Aplicação do modelo de previsão
Seguindo as etapas descritas acima, encontra-se a média móvel centrada no meio do período
(MMC½). A MMC½ foi obtida com a soma dos dados dos 4 primeiros trimestres e dividida
pelo número de períodos, no caso 4. Para obtenção da MMC foi utilizada a equação (12) que
realiza a média de dois valores descentralizados. Por exemplo, a média móvel para o período
3 é igual a (7725 + 8375) / 2 = 8050. Em seguida devem-se obter os índices de sazonalidade
para todos os períodos através da equação (13).
(12)
Onde: MMC: Média Móvel Centrada; MMC½: Media Móvel Centrada do Meio do Período.
(13)
Com os índices de sazonalidades encontrados, devemos encontrar os índices de sazonalidade
médios através da equação (14).
(14)
Onde: IS médio: Índice de Sazonalidade Médio; ISi: Índice de Sazonalidade do período
inicial; ISn: Índice de Sazonalidade do período final; n.IS: Número de índices de
sazonalidades.
Os índices de sazonalidades médios serviram para encontrar a tendência dos dados. Essa por
sua vez informa qual equação, que melhor representa os dados em relação à tendência. A
tendência é calculada retirando-se os índices de sazonalidades dos períodos através da
equação (15).
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
12
(15)
Onde: PROD. REALi: Produção Real do Período; ISi: Índice de Sazonalidade do Período;
Desenvolvidos todos os cálculos obtiveram-se os seguintes valores, conforme indica o Quadro
2.
Quadro 2 - Cálculo da MMC, da MMC ½, do IS, do IS médio e da Tendência
Trimestre Demanda MMC1/2 MMC IS IS médio Tend
1 6500 0,979 6639
2 7900 1,011 7814
7725
3 8100 8050 1,0062112 1,02 7943
8375
4 8400 8650 0,9710983 0,993 8460
Com os dados da tendência, calcula-se a equação que melhor a represente, que nesse caso é
linear (Y = 273,95 X + 7945,85), conforme pode ver na Figura 5.
Figura 5 - Equação da tendência
Obtida a equação linear que melhor represente a tendência dos dados, essa pode ser aplicada
para encontrar a tendência de demanda para qualquer período futuro. A demanda prevista é
encontrada aplicando a equação (16). Para o presente estudo projetou-se a demanda por sal
refinado de 1 Kg para os anos de 2013 até 2022 como pode ser observada no Quadro 3.
D. Prev(x) = Y + (Y * (IS - 1)) (16)
Y = 273,95 X + 7945,85
R2 = 0,8941873
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
13
Onde: D.Prev (x): Demanda prevista para o período; Y: Tendência para o Período; (IS – 1):
Devolvendo o Índice de Sazonalidade.
Quadro 3 - Previsão demanda por sal refinado de 1 Kg para os anos de 2013 á 2022
Período Y IS Dem. Prev. Período Y IS Dem. Prev.
2013 21 13698,8 0,97911 13412,63 2018 41 19177,8 0,97911 18777,18
22 13972,75 1,01104 14127,01 42 19451,75 1,01104 19666,5
23 14246,7 1,01982 14529,07 43 19725,7 1,01982 20116,66
24 14520,65 0,99294 14418,13 44 19999,65 0,99294 19858,45
2014 25 14794,6 0,97911 14485,54 2019 45 20273,6 0,97911 19850,08
26 15068,55 1,01104 15234,91 46 20547,55 1,01104 20774,39
27 15342,5 1,01982 15646,59 47 20821,5 1,01982 21234,18
28 15616,45 0,99294 15506,2 48 21095,45 0,99294 20946,52
2015 29 15890,4 0,97911 15558,45 2020 49 21369,4 0,97911 20922,99
30 16164,35 1,01104 16342,8 50 21643,35 1,01104 21882,29
31 16438,3 1,01982 16764,11 51 21917,3 1,01982 22351,7
32 16712,25 0,99294 16594,26 52 22191,25 0,99294 22034,58
2016 33 16986,2 0,97911 16631,36 2021 53 22465,2 0,97911 21995,9
34 17260,15 1,01104 17450,7 54 22739,15 1,01104 22990,19
35 17534,1 1,01982 17881,63 55 23013,1 1,01982 23469,22
36 17808,05 0,99294 17682,33 56 23287,05 0,99294 23122,64
2017 37 18082 0,97911 17704,27 2022 57 23561 0,97911 23068,81
38 18355,95 1,01104 18558,6 58 23834,95 1,01104 24098,09
39 18629,9 1,01982 18999,14 59 24108,9 1,01982 24586,74
40 18903,85 0,99294 18770,39 60 24382,85 0,99294 24210,71
Com base nos dados do Quadro 3 construiu-se o gráfico de previsão de demanda para os anos
de 2013 a 2022.
Figura 6 - Gráfico de previsão demanda por sal refinado de 1 Kg para os anos de 2013 á 2022
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
14
Analisando as linhas que representam a demanda por sal refinado de 1 Kg no decorrer dos
anos, conseguimos ver uma clara evolução de crescimento sendo que no final de 2022 a
demanda será de 24.210 toneladas. Observando o comportamento da demanda dos anos
anteriores com a demanda para os próximos anos, pode-se observar que para os respectivos
períodos, ou seja, trimestres, há sempre um aumento da demanda de um ano para outro. E isso
também ocorre com a previsão de demanda feita, considerando a tendência e a sazonalidade.
Este aumento na demanda pode estar associado à tendência de crescimento da população, bem
como ao aumento da renda e do poder de compra dos consumidores, que à medida que
ganham mais, tendem a consumir mais produtos que levam este ingrediente na sua
composição.
4.6. Monitoramento do modelo de previsão
Segundo Tubino (2009) o monitoramento do modelo de previsão busca verificar acuracidade
dos valores previstos, identificar, isolar e corrigir as variações anormais, permitir a escolha de
técnicas, ou parâmetros mais eficientes. Este monitoramento é realizado através do
acompanhamento do erro da previsão. O cálculo é a diferença que ocorre entre o valor real da
demanda e o valor previsto pelo modelo para dado período. Como pode ser observado no
Quadro 4.
O MAD (Desvio Médio Absoluto) é encontrado através da equação (16) e representará os
limites inferiores e superiores de controle (4 x MAD).
(16)
Onde: DAtual: Demanda Ocorrida no Período; DPrevista: Demanda Prevista no Período; n:
Número de Períodos;
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
15
Quadro 4 - Erro de previsão
Demanda Prevista
(DP = Y + (Y*(IS-1)))
1 6500 8048 -1548,1295 1548 -2792,8836 2792,8836
2 7900 8587 -687,49714 687 -2792,8836 2792,8836
3 8100 8941 -841,44693 841 -2792,8836 2792,8836
4 8400 8978 -577,81989 578 -2792,8836 2792,8836
5 9100 9121 -21,043676 21 -2792,8836 2792,8836
. . . . . . .
. . . . . . .
. . . . . . .
17 11900 12340 -439,78632 440 -2792,8836 2792,8836
18 12200 13019 -819,07536 819 -2792,8836 2792,8836
19 12400 13412 -1011,5075 1012 -2792,8836 2792,8836
20 12300 13330 -1030,0764 1030 -2792,8836 2792,8836
698 MAD
2792,8836 LSC
-2792,8836 LIC
LSCTrimestre Demanda Erro Erro ABS LIC
Com o erro e o MAD construiu-se o gráfico para verificar a consistência do modelo,
conforme a Figura 7.
Figura 7 - Gráfico de controle do erro
Através deste gráfico percebe-se que o erro está sob controle, pois se encontra dentro das
especificações dos limites superior e inferior de controle. Vale ressaltar que a verificação do
erro deve ser feita para os anos seguintes a fim de verificar a consistência do modelo e caso
seja necessário adotar outro modelo.
4.7. Análise da capacidade produtiva
A capacidade produtiva é o valor máximo que define as saídas do processo produtivo
por unidade de tempo. Para a empresa em estudo esse tempo é o mês. A capacidade produtiva
para o sal refinado de cozinha de 1 Kg é de 4000 toneladas/mês, o que garante uma
capacidade trimestral de 15000 toneladas.
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
16
Figura 8 - Gráfico da demanda prevista para os anos de 2013 a 2022 X Capacidade produtiva
Com base na Figura 8, pode-se perceber que será necessário aumentar a capacidade produtiva,
pois a mesma, a partir do ano de 2013 não conseguirá atender a demanda prevista.
A fim de adequar a capacidade produtiva à demanda solicitada pelo mercado se faz necessário
a aquisição novas máquinas/equipamentos, tais como: 1- Centrifugadora; 1- Extratora; 1-
Moinho; 1- Secador; 1- Conjunto de peneiras vibratórias; 1- Empacotadeira; 1- Enfardadeira;
1- Linha de paletização. Estas máquinas/equipamentos são responsáveis respectivamente por:
expelir toda a água contida no sal, reduzindo a umidade do produto a um valor aproximado de
4%; extrair a água que retorna à cuba de lavagem; reduzir o tamanho sal, de maneira a obter
uma granulometria fina; reduzir a umidade do sal de 4% a 0,2%; preparar as diferentes
granulometrias do sal obtidas após a moagem e secagem; empacotar/ensacar o sal; colocar em
fardos os pacotes de sal provenientes da etapa anterior; colocar em paletes os fardos vindos da
enfardadeira.
Com a aquisição destas máquinas/equipamentos a empresa passa a dobrar a sua capacidade
produtiva para o sal refinado de cozinha obtendo então, uma capacidade trimestral de 30000
toneladas, o que garante o atendimento da demanda no período analisado.
5. Considerações finais
Para as empresas que almejam a competitividade a previsão de demanda é de suma
XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos
Salvador, BA, Brasil, 08 a 11 de outubro de 2013.
17
importância pelo fato de gerar dados que fornecem informações que irão apoiar a empresa no
seu planejamento estratégico e nas tomadas de decisões.
O objetivo deste artigo foi propor um modelo de previsão para uma empresa do setor
salineiro, para os anos de 2013 até 2022, em relação às vendas do sal de refinado de cozinha
de 1 Kg, com base nos dados históricos de demanda dos anos de 2008 até 2022.
O modelo de previsão adotado foi a técnica para previsão de sazonalidade com tendência,
visto que a demanda para este produto é crescente ao longo dos trimestres e possui
sazonalidade durante esses períodos.
Através deste método verificou-se um aumento da demanda para os anos de 2013 até 2022.
Este aumento ocasionou à necessidade do aumento da capacidade produtiva, pois a mesma, a
partir de 2013, não conseguirá atender a demanda prevista. Logo, foram indicadas algumas
máquinas/equipamentos, como: Centrifugadora, Extratora, Moinho, Secador, Conjunto de
peneiras vibratórias, Empacotadeira, Enfardadeira, Linha de paletização, a fim adequar esta
capacidade à solicitação do mercado. Com o aumento da capacidade a produção da empresa
passará de 15000 toneladas/ trimestre para 30000/trimestre, o que garantirá o atendimento da
demanda no período analisado.
Referências
CHOPRA, S.; MEINDL, P. Gerenciamento da cadeia de suprimentos. São Paulo: Pearson Prentice Hall, 2003.
DIAS, M. A. P. Administração de Materiais: uma abordagem logística. São Paulo: Atlas, 1993.
ISAAC, M. Capacidade instalada - uma análise sistêmica. Revista Tecnologística - Dezembro 2004.
MARTINS, P. G.; LAUGENI, F. P. Administração da Produção. 2ª ed. São Paulo: Saraiva, 2006.
MOREIRA, D. A. Administração da Produção e operações. 4ª ed. São Paulo: Pioneira, 1999.
SLACK, N. et al. Administração da Produção. 2ª ed. São Paulo: Atlas, 2002.
TUBINO, D. F. Manual de Planejamento e Controle da Produção. 2ª ed. São Paulo: Atlas, 2009.
YIN, R. K. Estudo de Caso: planejamento e método. Porto Alegre: Bookman, 2005.
Recommended