View
213
Download
0
Category
Preview:
Citation preview
COMPARAÇÃO DE TÉCNICAS DE
PREVISÃO DE DEMANDA PARA
CONTROLE DE ESTOQUES DE
EMBALAGEM PARA COMPUTADORES
UBIARA MARQUES BEZERRA OLIVEIRA (UESC )
ubiara.bezerra@gmail.com
Fabricio Lopes de Souza Carvalho (UESC )
fabriciolsc@gmail.com
O presente artigo apresenta uma estrutura de previsão de demanda
voltada para o controle estoque de insumos para caixas de
armazenagem de computadores. O objetivo principal foi utilizar de
métodos quantitativos de previsão de demanda para aauxiliar na
tomada de decisão e manter níveis de estoques de insumos reduzidos.
Foram analisados e revisados os principais métodos difundidos
atualmente, sendo seguidas etapas sugeridas para uma boa previsão.
Dentre as técnicas usadas, foram escolhidas a Média Móvel, Média
Móvel Ponderada e Regressão Linear, voltadas para atendimento
específico das características da demanda estudada e, assim,
escolhesse aquela que projetasse a real necessidade de insumos para a
fábrica, focando-se no produto com maior demanda. Com os
resultados obtidos, pôde-se determinar que as subjetividades das
previsões de demanda para controle de estoques exigem que os
métodos sejam monitorados com uma certa frequência, confirmando o
exposto pelos autores estudados.
Palavras-chaves: Previsão de demanda, Controle de estoque, Métodos
Quantitativos
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
A tendência global de estoques reduzidos e produção puxada impulsiona as fábricas do ramo
de informática a buscarem alternativas para encontrar um diferencial competitivo em relação
a seus concorrentes, voltando-se para um maior planejamento e controle de estoques. O
grande problema desta busca por esta diferenciação, segundo Slack et al. (2009), são as
incertezas e subjetividades da demanda, que tornam um planejamento e controle produtivo
uma questão complicada.
As técnicas de previsão de demanda servem como alicerce para um planejamento estratégico
de produção (TUBINO, 2008), buscando antecipar a utilização dos bens de produção assim
como seus insumos, fazendo com que muitas empresas consigam atingir esta diferenciação
que traga resultados positivos para a empresa.
Segundo Gaither; Frazier (2005), a primeira etapa para um correto planejamento é a de se
realizar estimativas com base em previsões de qual será a demanda futura de produtos e os
recursos que serão necessários para produzi-los. Desta forma, otimizam-se as tomadas de
decisões em todos os horizontes de planejamento, uitas vezes através de diversos tipos de
previsões. (SLACK et al., 2009)
Sendo assim, a gestão da demanda representa uma atividade fundamental tanto para o
Planejamento da Produção como para o controle eficiente dos estoques. Através das técnicas
de previsão, a tomada de decisão é facilitada, proporcionando a utilização de todos os
recursos da fábrica de forma eficaz (GODINHO; FERNANDES, 2010). A utilização eficiente
desta atividade tende a proporcionar vantagens competitivas para as empresas, que
conseguem viabilizar decisões mais rápidas e seguras.
Em função do contexto apresentado, este trabalho tem como objetivo mostrar a importância,
através da análise de três métodos quantitativos, da correta aplicação de previsão de demanda
para controle de estoque, visando mensurar qual a necessidade de insumos (caixas para
embalagem) com menor índice de erro, auxiliando assim no processo de tomada de decisão.
Para isso, foram seguidas as etapas propostas por Tubino (2008) para uma boa previsão,
mostrando que para se conseguir uma previsão bem estrutura deve-se definir qual o objetivo
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
da análise; coletar e analisar os dados; selecionar a técnica apropriada; aplicar os métodos e
por fim monitor o modelo.
Através dos resultados obtidos, pôde-se determinar que as subjetividades das previsões de
demanda para controle de estoques exigem que os métodos sejam monitorados com uma certa
frequência, confirmando o exposto pelos autores estudados.
2. A Importância da Logística e da Cadeia de Suprimentos
Para que um produto chegue até o cliente, é necessário todo um sistema logístico e de um
eficaz Gerenciamento da Cadeia de Suprimentos. Gaither; Frazier (2005) mostram que se
torna cada vez mais necessário que o fluxo de mercadorias que vão desde os fornecedores até
o cliente final seja um sistema gerenciado. Desta forma, se consegue observar em que ponto
há existência de desperdício de tempo, dinheiro, espaço e desta forma propor alternativas e
melhorias.
Para Harrison (2005), a dimensão tempo é primordial para que o sistema logístico se torne
eficiente. O autor reitera que para se evitar o acúmulo nos estoques, o fluxo de mercadoria
deve ser coordenado. Logo, a meta é se ter um fluxo contínuo de mercadoria de forma
sincronizada. Sendo assim, Ballou (2006) afirma que o especialista em Logística precisa saber
“onde” e “quando” irá se manifestar a demanda. Isso servirá como base, por exemplo, para
determinar o balanceamento de seus estoques assim como otimizar seus recursos de
transporte. Ainda segundo o autor torna-se necessário também que os profissionais da
Logística se atentem as diversas características da demanda, realizando um correto controle
entre custos de estoque e disponibilidade.
2.1. Disponibilidade do Produto Através do Gerenciamento de Estoques
O intuito primordial de um estoque é armazenar determinado material para que se esteja
disponível no menor tempo possível. Segundo Ballou (2006), estoques são espaços que
surgem em numerosos pontos do canal de produção e logística que visam acumulações de
matérias-primas, componentes, materiais em processo e produto acabado. Ainda segundo o
autor, são inúmeros os motivos que justificam o gerenciamento dos estoques e sua
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
manutenção. Porém, a sua utilização eficiente permite melhorar os serviços ao cliente e
economizar em compras e transporte.
Com os custos gerados pela manutenção de estoques, há uma busca do ponto ideal de
disponibilidade/quantidade de itens em estoque. Por este motivo a tendência mundial é a
utilização de estoques enxutos, que armazenem a quantidade de material mínimo necessário
baseado em uma previsão bem sucedida. Desta forma, a previsão de demanda tem
participação efetiva para a busca de estoques enxutos, auxiliando na mensuração da
necessidade de material, auxiliando no planejamento de produção e controle de estoques.
3. Previsão de Demanda
As técnicas de previsão têm função fundamental para as organizações no processo de
planejamento dos sistemas de produção, permitindo que os líderes planejem ações antecipadas
(TUBINO, 2008). Determinar qual será a necessidade de insumos, mão de obra, aparatos
logísticos, etc. será baseada numa previsão determinada (de forma intencional ou não) pela
demanda. Desta forma, pode-se dizer que “Previsão é a arte de especificar informações
significantes sobre o futuro”. (NARASIMHAN et al.., 1995 apud GODINHO; FERNANDES,
2010) Tubino (2008) completa, em relação aos diferentes horizontes de planejamento de uma
organização, sendo que pode-se usar as previsões para decisões de longo prazo (decisões
estratégicas), a médio prazo (decisões táticas) ou curto prazo (decisões operacionais).
3.1 Etapas Para Previsão Estruturada
Tubino (2008) caracteriza em cinco as etapas necessárias para uma previsão de demanda
eficaz. (Figura 1).
Figura 1 – Etapas para uma previsão
a) Objetivo do Modelo
b) Coleta e análise dos dados
c) Seleção da técnica de previsão
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
d) Obtenção das previsões
e) Monitoração do modelo
Fonte: Adaptado de Tubino (2008), pág. 16
Segundo o autor, para que os gestores obtenham uma previsão de demanda bem estruturada,
primeiramente se faz necessário definir qual a razão pela qual se necessita da previsão (Etapa
a). Com o objetivo definido, deve-se realizar a obtenção dos dados e identificar quais as
técnicas de previsão que melhor se adaptem ao estudo (Etapa b). Após os dados terem sidos
coletados e analisados, escolhem-se e aplicam-se as técnicas mais apropriadas, podendo ser de
caráter qualitativo ou quantitativo (Etapa c).
Após a escolha e aplicação da técnica adequada, conseguem-se obter projeções futuras da
demanda chegando, finalmente, à previsão (Etapa d). Tem-se como última etapa do processo,
a realização de um acompanhamento da extensão do erro entre a demanda real e a prevista,
com o objetivo de verificar se a técnicas e os parâmetros utilizados ainda permanecem válidos
(Etapa e).
3.2 Métodos de Previsão
Godinho; Fernandes (2010) afirmam que os métodos de previsão de demanda apresentam
algumas características comuns e que os líderes devem entendê-las e aplica-las:
Comportamentos do passado se refletem no futuro;
Exatidão de previsões diminui com o aumento do horizonte de planejamento;
Confiabilidade do sistema de previsões é fundamental;
Devem-se adotar os métodos mais simples de entender e usar;
Erros de duas naturezas: inconstância do mercado e de escolha do método (deve ser
minimizado);
Desta forma, a escolha do método de previsão deve ser entre os Qualitativos e Quantitativos.
Para o estudo, foi utilizado o segundo método.
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
3.2.1 Métodos Quantitativos
“Métodos quantitativos são os métodos de previsão baseados em séries de dados históricos
nas quais se procura, através de análises, identificar padrões de comportamento para que estes
sejam então projetados para o futuro” (CORRÊA et al.., 2004).
Segundo Tubino (2008), as técnicas quantitativas podem ser subdivididas em dois grandes
grupos: técnicas baseadas em séries temporais e as séries baseadas em correlações. Gaither;
Frazier (2005) destacam cinco técnicas de previsão utilizadas através de um modelo
quantitativo. Dentre elas, foram utilizadas as técnicas abaixo descritas.
3.2.2.1 Média Móvel
Esta técnica assume que a melhor estimativa do futuro é dada pela média dos n últimos
períodos (CORRÊA et al.., 2004), representada pela Equação (1). Para Tubino (2008) essa
técnica colabora para que valores historicamente altos e valores historicamente baixos se
combinem, gerando um valor com menor variabilidade.
(1)
Onde: MMn – Média Móvel de n períodos;
Di – Demanda ocorrida no período i;
n – números de períodos;
i – índice do período
3.2.2.2 Regressão Linear
Para Gaither; Frazier (2005) a análise de Regressão Linear relaciona uma variável dependente
com uma ou mais variáveis independentes. Se os dados compreenderem uma série temporal, a
variável independente é o tempo e a variável dependente será o que tiver a ser previsto.
(2)
Segundo o autor, a Equação (2) é chamada equação de regressão linear, em que y é a variável
dependente e a variável a ser prevista, x é a variável independente. Os valores da inclinação (a
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
e b) podem ser encontrados pelas equações (3) e (4) abaixo, sendo n o número de
observações:
(3)
b = (4)
Neste estudo foi aplicada a técnica de Regressão Linear para séries Sazonais com
dessazonalização onde, segundo Gaither; Frazier (2005), deve-se primeiramente remover os
padrões sazonais da demanda e depois de utilizar a regressão reaplicar os índices de
sazonalidade.
3.2.2.3 Exponencial Móvel
Segundo Gaither; Frazier (2005), através de um ajuste se faz uma relação com o período
anterior (Ft-1) para se obter a previsão (Ft) através deste método. Este ajuste é realizado
multiplicando-se o erro de previsão do período anterior, com os dados reais (At-1) por uma
constante que está entre zero e um (constante de amortecimento α), conforme equação 5
abaixo:
(5)
Ainda segundo Godinho; Fernandes (2010) a escolha do valor de α é de extrema importância
para aplicação do método de suavização: para valores altos da constante, deseja-se dar um
maior peso ao erro; já valores mais baixos, ndicam que se deve dar mais importância aos
dados passados da demanda.
3.3. Erros de Previsão
Para Godinho; Fernandes (2010) os erros de previsão não devem desestimular a utilização dos
métodos, já que a acuracidade deve ser determinada baseada nos concorrentes. Ainda segundo
os autores, existem duas formas para que estes “erros” sejam gerados: O erro referente à
própria aleatoriedade do mercado, que se torna inevitável e de difícil controle, e o erro
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
derivado de falhas no processo de escolha ou utilização dos métodos de previsão, que devem
ser foco de melhorias e intervenções.
Assim, o erro de previsão pode ser encontrado através da diferença entre a demanda real e a
demanda prevista. Segundo Corrêa et al.. (2004) é importante acompanhar a amplitude
(tamanho) do erro de previsão e os “viés” dos erros, que ocorrem quando existe uma
tendência para um determinado lado de forma sistemática, ou seja,as previsões podem estar
superdimensionadas ou subdimensionadas.Isso ocorre devido a variáveis que a princípio
foram deixadas fora do modelo, mas que têm influência para a demanda e precisam ser
controladas. Uma vez identificado os “viés”, eles devem ter suas causas identificadas e
eliminadas.
3.3.1. Sinal de Rastreabilidade (TrackingSignal)
O sinal de rastreabilidade (SR), segundo Godinho; Fernandes (2010), fornece meios para que
se possa identificar se os desvios ou os viés que estão ocorrendo na previsão são de ordem
aleatória ou por causa determinada.
Para uma previsão sem “viés”, os valores do SR devem estar distribuídos em torno de zero. Se
existir um valor de SR num intervalo de -1 a +1, têm-se que 57% dos erros encontram-se
nestes limites. Se um valor encontra-se num intervalo de -2 a +2, 89% dos erros estarão
dentro dos limites. Um valor SR entre -3 e +3, indica que 98% dos erros estão dentro do
intervalo, e por fim se um valor de SR estiver no intervalo de -4 a +4, existirá 99,9% dos erros
com interferências aleatórias dentro deste do limite. (GODINHO; FERNANDES, 2010). Se
os valores de SR estiverem fora dos limites, há interferências não aleatórias influenciando os
desvios da previsão.
4. Estudo de Caso
A empresa em questão encontra-se no Polo de Informática de Ilhéus, possuindo estrutura que
permite atender vários tipos de clientes: pessoa física, profissionais liberais, grandes empresas
do comércio varejista ou órgãos governamentais. Possui lojas próprias e assistências técnicas
em diversos locais no nordeste. A fábrica estudada produz desktops, notebooks e netbooks e
tem uma capacidade de produção diária de 600 computadores.
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
Em relação ao processo de produção, a empresa trabalha quase em sua totalidade com
mentalidade puxada. As ordens de produção só são programadas se todos os insumos
necessários no pedido estiverem disponíveis em estoque, o que ainda não era realizado de
maneira controlada pela organização. Neste caso em especial, há um Lead Time de entrega
das caixas de mais de 10 dias úteis.
4.1. Método de Pesquisa
Como etapa inicial, foi realizada uma pesquisa exploratória, que possibilitou conhecer o
conceito de previsão de demanda, sua importância e seu significado como vantagem
competitiva para as empresas. Tomou-se como referência os passos demonstrados por Tubino
(2008) demonstrados na Figura 3 anterior.
Assim, foi mensurada qual a quantidade de Caixas para embalar Desktop e Notebook seria
necessária num intervalo de tempo. Isso porque até aquele momento todos os pedidos eram
realizados de forma aleatória baseada em uma perspectiva altamente subjetiva do que poderia
ser a demanda. Esta análise acarretava em estoques muitas vezes altos e em determinados
momentos insuficientes, gerando impactos na produção.
Após uma investigação empírica coletou-se através de Relatórios da Programação diária,
disponibilizados no Sistema de Gestão da empresa os dados de produção de Maio/2010 a
Julho/2012, a fim de se obter a demanda de computadores por mês e se “plotou” os resultados
dos três anos em um mesmo gráfico por tipo de caixa. Desta forma, conseguiu-se mensurar
qual foi a quantidade de caixas para embalagem necessárias no período e o foco seria dado
para aquela que possuísse a maior demanda.
Posteriormente à coleta de dados, foi realizada a análise do comportamento da demanda
buscando identificar características de Sazonalidade e Tendência das caixas. A obtenção das
características da demanda na fábrica facilitou na escolha do método de previsão mais
adequado.
Foram identificadas características Sazonais na análise do comportamento da demanda.
Através de análises dos métodos de previsão existentes que utilizassem processos de análise
em perfis sazonais, foram selecionados três dos diversos métodos de previsão mencionados
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
por Gaither; Frazier (2005): Média Móvel, Exponencial móvel e Regressão Linear com
Sazonalidade.
Aplicaram-se os métodos, relacionando a demanda aos erros de previsão, analisando de que
forma as variáveis aleatórias influenciavam na previsão. Baseado no acompanhamento de
possíveis erros do tipo “viés”, proposto por Corrêa et al.. (2004), buscou-se mensurar o SR
para cada modelo escolhido.
Baseado nos erros de previsão encontrados foi determinado qual método forneceria com
maior acuracidade a necessidade futura das Caixas, isto baseado no histórico da demanda. As
análises também foram realiadas através de gráficos plotados.
Após identificar qual o método prevê a demanda de caixa com menores índices de erros
absolutos, se propôs realizar o levantamento da demanda real do trimestre subsequente ao
último mês analisado. Desta forma, coletou-se a real necessidade dos meses de Agosto/2012,
Setembro/2012 e Outubro/2012, com o objetivo de validar o método proposto. Segue abaixo
descrição detalhada do estudo.
4.2. Coleta, Tratamento e Análises dos dados
Detectou-se a princípio que existiam três caixas com maiores necessidades mensais. Estas
caixas eram a Ad. Parda que comportava os Gabinetes modelo S com Acessórios (teclado,
mouse e caixa de som), o modelo WN com Acessórios e o modelo El. com Acessórios. A
Caixa S Parda que tinha dimensão para embalar os Gabinetes Modelo S sem Acessórios, WN
sem Acessórios e AOp (máquinas para Licitação). E por fim as Caixas que levavam todos os
Notebooks, conhecida como Parda Notebook.
Foram analisadas graficamente as demandas das três caixas para se observar alguma
sazonalidade. A Caixa Ad. Parda é a que possui as maiores dimensões. Ela é utilizada na
maioria dos pedidos que possuem periféricos, como representado na Figura 2.
Figura 2 – Comportamento da demanda – Caixa Ad. Parda
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 Caixa Parda Notebook possui demanda e dimensões menores. Ela comporta todos os
modelos de notebook produzidos e a Figura 3 representa o comportamento da sua demanda.
Figura 3 – Comportamento da demanda – Caixa Parda Notebook
A Caixa S Parda, conforme figura 4, é a caixa com maior demanda da fábrica e por este
motivo foi o foco do estudo. Esta caixa possui dimensões intermediarias e comporta em sua
maioria pedidos sem periféricos.
Figura 4 – Comportamento da demanda – Caixa S Parda
Comparando-se os anos de forma semestral, observou-se que no segundo semestre de 2010 e
2011 a demanda para todas as caixas tiveram crescentes nos meses de Agosto e Setembro e
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
baixas em Novembro e Dezembro. Já comparando o primeiro semestre de 2011 com o de
2012 a demanda apresentou características crescentes em Março e Abril e baixas em Junho.
Através de análises dos gráficos e a sua caracterização de perfil de Sazonalidade, foram
aplicados três métodos quantitativos de previsão: A Média Móvel, a Média Exponencial
Móvel e a Regressão Linear com Sazonalidade.
4.3. Resultados – Aplicação dos Modelos
Os três métodos de previsão escolhidos foram aplicados de forma especifica para cada tipo de
caixa a ser controlada. Para o estudo em questão, é apresentado em seguida de forma
detalhada os três métodos quantitativos aplicados à Caixa S Parda.
4.3.1. Aplicação do método de previsão: Média Móvel
Foi aplicado primeiramente o modelo de média móvel, relacionando trimestralmente (n=3) a
previsão, já que desta forma conseguiu-se chegar a níveis de previsão mais aceitáveis e pelo
comportamento sazonal da demanda.
Para este método, a demanda do mês subsequente (Julho/2012) foi de 5.520 Caixas. Baseado
nos valores obtidos, foi traçado um gráfico (Figura 5) comparativo entre a demanda real e a
previsão de demanda:
Figura 5: Demanda Real x Demanda Prevista (Caixa S Parda) – Média Móvel
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
Pôde-se mensurar qual o erro absoluto que atinge a demanda e realizar análises comparativas
da acuracidade do método. Após análise empírica do gráfico, buscou-se encontrar o valor do
SR para avaliar qual a incidência dos fatores não aleatórios.
Figura 6: Comportamento SR (Caixa S Parda) – Média Móvel
Desta forma, através do gráfico acima gerado (Figura 6), pôde-se evidenciar que existem
poucas interferências não aleatórias agindo sobre a demanda através deste método de
previsão.
4.3.2. Aplicação do método de previsão: Exponencial Móvel
Segundo Moreira (2002), a previsão é “suavizada” em relação à demanda real através de α, ou
seja, a previsão absorve quedas ou elevações bruscas da demanda real. Como a demanda é
sazonal, com inconstâncias periódicas, foi utilizado valor alto de α = 0,8. Encontrada a
demanda prevista através da equação (1), foi traçado um gráfico comparativo entre as duas
demandas, representado pela Figura 7.
Figura 7: Demanda Real x Demanda Prevista (Caixa S Parda) – Ajustamento Exponencial
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
Novamente, após uma análise do gráfico se validou o valor de SR e se traçou o gráfico para
visualização do comportamento de SR para o Ajustamento Exponencial (Figura 8).
Figura 8: Comportamento SR (Caixa S Parda) – Ajustamento Exponencial
Percebe-se que a demanda sofre em sua maioria de influências aleatórias para os seus desvios,
apenas no mês de Setembro que SR esteve no limite superior adotado (+4), no entanto como
aparentou ser uma exceção dentro do comportamento dos resultados, não necessitará de uma
abordagem posterior.
Sendo assim, através do método de Exponencial Móvel a previsão de demanda para o mês de
Agosto de 2012 será de 6.145 caixas.
4.3.3. Aplicação do método de previsão: Regressão Linear com Sazonalidade
Utilizou-se o conceito aplicado por Gaither; Frazier (2005) para aplicação deste método.
Primeiramente tem-se o índice de sazonalidade de cada mês, chegando-se à demanda sem
nenhuma interferência da Sazonalidade, dividindo a demanda real pelo índice de
sazonalidade. Desta forma, pode-se enfim aplicar a regressão linear, calculando-se através das
equações (2), (3) e (4) anteriores.
Aplicando o gráfico de análise SR, consegue-se observar que existem interferências não
aleatórias na previsão, já que os valores do SR se comportam hora acima do limite superior
estabelecido (+4), hora abaixo do limite inferior (-4) repetidas vezes.
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
Figura 9: Comportamento SR (Caixa S Parda) – Regressão
Segundo Corrêa et al.. (2004), neste caso deve-se investigar mais detalhadamente a
abordagem, já que o modelo escolhido pode estar gerando previsões “enviesadas”.
Sendo assim, através do método de Exponencial Móvel a previsão de demanda para o mês de
Agosto de 2012 será de 5.971 caixas.
4.4. Comparação dos Métodos
Pode-se então realizar uma análise comparativa das três abordagens e definir-se dentre estes
quais obtêm nível de acuracidade mais satisfatório. Foi realizada então uma análise de erro
absoluto para cada método, representado pela Figura 10 abaixo:
Figura 10: Analise Comparativa dos índices de erro
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
Em relação ao erro absoluto, apesar da análise de SR ter sido negativa para a Regressão
Linear, o método foi o que desempenhou melhor função quando comparado seu índice de erro
com a demanda real do período. Desta forma, para concluir-se a análise, segundo Tubino
(2005), deve-se monitorar o uso para validação do modelo.
4.5. Validação do Modelo
Com o intuito de validar o método proposto, foram coletados os dados da demanda real dos
três meses subsequentes ao ultimo mês analisado (Agosto/2012; Setembro/2012;
Outubro/2012). A Figura 11 representa o comportamento do erro absoluto.
Figura 11: Validação da Análise Comparativa dos Métodos
Desta forma, consegue-se visualizar uma incidência menor do erro da previsão através do
método de Ajustamento Exponencial, com aproximadamente 944 caixas.
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
Sendo assim, a definição da Regressão Linear, definido anteriormente não se aplica como o
melhor resultado.
5. Considerações Finais
Através deste trabalho buscou-se mostrar como os métodos de previsão de demanda podem
colaborar no processo de tomadas de decisão para controle de estoque. Foi evidenciado que
devido a atual tendência de estoques enxutos, a acuracidade dos métodos apresnta um fator
fundamental para que se consiga mensurar de forma adequada qual será a necessidade não só
de componentes, mas também de embalagens para um determinado período.
Foi utilizado um estudo de caso para evidenciar a importância da previsão no controle de
caixas para embalagem, numa empresa do ramo de informática em Ilhéus. Através da
aplicação de três métodos quantitativos de previsão, pôde-se analisar cada previsão dada e
compararem-se entre eles, através de parâmetros que variaram desde análises gráficas a
desvios e erros de previsão.
Pelo primeiro parâmetro, o método de Regressão Linear com Sazonalidade apresentou-se com
menores níveis de erro absoluto. No entanto, a análise do SR identificou valores divergentes
dos limites estabelecidos.
Tubino (2008) mostra que para que a previsão de demanda seja consistente se torna
necessária, como última etapa, a monitoração do método de previsão, com o intuito de avaliar
se o método proposto ainda atende as características sazonais da demanda. Este
monitoramente foi aplicado coletando-se a demanda real de três meses subsequentes ao mês
estudado e analisando-se com as suas possíveis previsões. Com esta análise comparativa, foi
verificado que o método de Ajustamento Exponencial atendeu a previsão com menores
índices de erros absolutos. Sendo assim, pode-se concluir que as subjetividades e
aleatoriedades que atingem a demanda de insumos exigem uma constante monitoração do
método utilizado.
Propõe-se investigar como trabalhos futuros maiores detalhes relativos às interferências que
atingem as previsões de insumos nas indústrias do ramo de informática e verificar-se os
resultados de outros métodos e suas influências na demanda de insumos do setor.
REFERÊNCIAS
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.
18
BALLOU, Ronald H. Gerenciamento da Cadeia de Suprimentos/Logística Empresarial.
5ª edição, Editora: Bookmark, 2006.
CORRÊA, Henrique L.; CORRÊA, Carlos A. Administração de produção e operações:
manufatura e serviços: uma abordagem estratégica. São Paulo: Editora Atlas S.A., 2004.
FERNANDES, Flavio C. F; FILHO, Moacir Godinho. Planejamento e Controle da
Produção: Dos Fundamentos ao Essencial. 1ª edição, São Paulo: Editora Atlas S.A., 2010.
GAITHER, Norman; FRAZIER, Greg. Administração da Produção e Operações.
Tradução: Jose Carlos Barbosa dos Santos. 8ª edição. São Paulo: Editora Pioneira Thomson
Learning, 2005.
HARRISON, Alan; HOEK, Remko Van.Estratégia e gerenciamento de Logística. São
Paulo: Editora Futura, 2003.
MOREIRA, Daniel Augusto. Administração da produção e operações. São Paulo: Editora
Thomson Learning, 2002.
SLACK, Nigel; CHAMBERS, Stuart; JOHNSTON, Robert.Administraçãoda Produção. 2ª
edição, São Paulo: Editora Atlas S.A., 2009.
TUBINO, Dalvio F. Planejamento e controle da produção: Teoria e Prática. São Paulo:
Editora Atlas S.A.,2008.
Recommended