Periodic oUM ESTUDO SOBRE O GERENCIAMENTO DA DEMANDA NOS SISTEMAS DE PLANEJAMENTO E CONTROLE DA ENGENHARIA DE PRODUÇÃO

UM ESTUDO SOBRE O GERENCIAMENTO DA

DEMANDA NOS SISTEMAS DE PLANEJAMENTO

E CONTROLE DA ENGENHARIA DE PRODUO

CESAR MANGABEIRA BARBOSA

(Universidade Bandeirante de So Paulo)

Carlos Alberto Chaves (Universidade de Taubat)

Resumo: Este trabalho desenvolve um estudo sobre o conceito, relevncia, vantagens e fundamentos do gerenciamento da demanda, diferenciando demanda dependente versus

demanda independente, fontes e padres da demanda, consideraes referentes coleeta

de dados, tcnicas qualitativas, tcnicas quantitativas e principais indicadores de

desempenho utilizados para o acompanhamento e controle da previso. A metodologia

utilizada foi pesquisa descritiva com carter exploratrio e abordagem qualitativa com

utilizao de dados secundrios para descrever atividades atravs da compilao da

literatura existente, justificada pela busca da aplicao dos conceitos, aprofundar os

conhecimentos atuais e identificar os fatores que determinam ou contribuem para o

gerenciamento da demanda.

Palavras-chaves: Gerenciamento da Demanda, Gesto de Sistemas de Produo, Forecast

08 e 09 de junho de 2012

ISSN 1984-9354

VIII CONGRESSO NACIONAL DE EXCELNCIA EM GESTO 08 e 09 de junho de 2012

2

1. INTRODUO

O gerenciamento da demanda um processo estratgico para direcionar as decises do

presente em direo a uma posio competitiva no futuro. A compra de novas mquinas, a

reposio de materiais, a criao de um novo Centro de Distribuio (CD), a instalao de uma

nova planta, o aumento no quadro de trabalhadores, o incremento da produtividade ou a melhoria

e aperfeioamento de processos so exemplos de decises que podem ser planejadas e realizadas

com tempo hbil para evitar perdas, desperdcios ou falta de capacidade para atender a demanda

futura.

Apesar das incertezas do mercado globalizado, executivos do mundo todo tentam obter as

melhores previses do futuro da demanda para apoiar o processo decisivo empresarial da melhor

maneira possvel, pois eles precisam comprar matrias-primas, adquirir equipamentos, fazer

investimentos e contratar, treinar ou demitir pessoas. A habilidade em tratar as caractersticas da

demanda e suas variaes traz vantagens para todo o sistema produtivo da empresa, auxiliando no

processo gerencial, melhoria e preciso das previses.

A previso da demanda tem uma importncia fundamental na competitividade do sistema

produtivo, conduz solues para questes do tipo quanto, quando e o qu produzir ou

comprar, direciona profissionais de diversos segmentos para aperfeioarem suas tcnicas de

previso e leva as organizaes a um posicionamento antecipatrio para resguardar de

acontecimentos futuros.

Desde o pagamento de fornecedores at o recebimento dos clientes um efetivo gerenciamento

da demanda facilita o planejamento financeiro e operacional da cadeia de abastecimento,

possibilitando a mitigao dos riscos do negcio, aperfeioamento da operao, reduo de

backorders (BO) e aumento da satisfao de clientes. O objetivo deste artigo estudar o conceito

de gerenciamento da demanda e seus fundamentos, funo estratgica e diferencial competitivo

para as empresas que buscam atingir um nvel superior de eficincia e eficcia em relao aos

objetivos dos sistemas de planejamento e controle da engenharia de produo, disponibilizando o

produto certo, na quantidade solicitada, no lugar exato, no momento certo, na melhor qualidade

possvel e pelo menor custo possvel ao cliente.

2. METODOLOGIA

A metodologia utilizada foi pesquisa descritiva com carter exploratrio e abordagem

qualitativa com utilizao de dados secundrios e relatrios escritos para descrever atividades


3

atravs da compilao da literatura existente, justificada pela busca de aplicar os conceitos no

ambiente de engenharia de produo, aprofundar os conhecimentos atuais e identificar os fatores

que determinam ou contribuem para o gerenciamento da demanda. Este trabalho baseado em

fundamentos bibliogrficos mediante a consulta de artigos, peridicos, livros e pesquisa

documental.

Quanto ao nvel de investigao, este trabalho aplicado, pois tem como objetivo a produo

de um conhecimento que necessariamente se apresente como a soluo ou resposta para

problemas de ordem prtica que existam nas realidades pesquisadas (BARBOSA, 2004).

tambm um trabalho de objetivos exploratrios, visto que a investigao busca a clarificao de

mudanas de conceitos sobre o tema pesquisado.

Gil (2002) relata que a categoria da pesquisa exploratria tem como objetivo principal o

aprimoramento de ideias ou a descoberta de intuies de maneira flexvel que possibilitam a

considerao dos mais variados aspectos relativos ao fato estudado. Na maioria dos casos, essas

pesquisas envolvem: (a) levantamento bibliogrfico; (b) entrevistas com pessoas que tiveram

experincias prticas com o problema pesquisado; e (c) anlise de exemplos que estimulem a

compreenso. Em relao natureza metodolgica, Oliveira (1999) enfatiza que existem duas

tipologias bsicas: a quantitativa e a qualitativa. O mtodo do estudo de caso, segundo Fachin

(2003), caracterizado por ser um estudo em loco, leva-se em considerao, principalmente a

compreenso, como um todo, do assunto investigado.

Exploratrio porque seu objetivo, no consistiu em uma explorao exaustiva de um fato, mas

pelo contrrio, proporcionou uma viso geral sobre o tema. O carter descritivo do estudo, por sua

vez, est presente medida que se buscou o conhecimento sobre uma realidade especfica a partir

da descrio das caractersticas de seu processo dentro da populao pesquisada, sem que

houvesse, desse modo, interferncias para modific-las (GIL, 2002). Este trabalho est organizado

com os seguintes ttulos: gerenciamento da demanda; forecasting; tcnicas de projeo e

indicadores de desempenho.

3. GERENCIAMENTO DA DEMANDA

O dicionrio APICS (2008) define o gerenciamento da demanda, como o processo de

reconhecer todas as demandas de mercadorias e servios para sustentar o mercado, envolve a

priorizao da demanda quando o suprimento est reduzido e facilita o planejamento dos recursos

para obter resultados rentveis do negcio.


4

A viso do gerenciamento da demanda precisa ser ampliada, se a viso do gerenciamento da

demanda for limitada aos dados da previso estaremos formando uma viso medocre do

posicionamento holstico da organizao. Para Crum e Palmatier (2003) a funo de

gerenciamento da demanda incorpora muito mais do que simplesmente desenvolver previses, as

empresas precisaro desenvolver uma viso ampliada do gerenciamento da demanda para

conseguir entender os anseios e expectativas dos seus clientes e mercados, e com isto obter

previses mais precisas. Gerenciar a demanda vai alm de desenvolver projees de vendas,

gerenciar a demanda a capacidade da empresa de planejar, comunicar, influenciar e priorizar a

demanda de maneira organizada e prtica. A Fig. (2) mostra os elementos envolvidos na viso

ampliada do gerenciamento da demanda.

Em relao Fig. (1), planejar a demanda significa, alm da realizao da previso deve-se

estruturar e organizar planos para possibilitar o alcance dos objetivos e metas definidos.

Comunicar a demanda consiste em informar o plano de demanda para as diversas reas envolvidas

para alinhar os objetivos da empresa. Influenciar a demanda consiste em ter a fora de induzir a

demanda de acordo com os interesses da empresa, e existem vrias tticas de marketing e vendas

que podem ajudar neste sentido. Priorizar a demanda consiste em gerenciar as ordens dos clientes

com o objetivo de entregar o pedido no prazo solicitado pelos clientes, vale citar aqui que esto

inclusos todos os critrios de desempenho, como qualidade, preo, diferenciao, flexibilidade e

servio.

A rea de vendas tem uma importncia fundamental no processo de gesto da demanda, so os

vendedores que mantm o maior contato com o cliente e no devem resumir suas atividades

apenas em vender. A funo estratgica da rea de vendas buscar o mximo de informaes

possveis dos clientes para auxiliar no processo de gerenciamento da demanda. As empresas que

conseguirem atingir o nvel de influenciar a demanda conseguiro ter o controle de aumentar,

manter ou diminuir a demanda de determinado item dependendo de sua necessidade ou

capacidade de operao. Com a demanda controlada ser possvel oferecer ao mercado um

produto substituto ou complementar.


5

Figura 1 - Elementos do gerenciamento da demanda

Fonte: Adaptado de Crum e Palmatier (2003)

Existe uma diferena entre demanda e embarques. Muitas empresas fazem as suas previses

baseando em uma analogia histrica dos embarques, contudo sabe-se que existe um atraso entre

venda e embarque. Outra situao que nem sempre a demanda disponvel atendida, e neste

caso as vendas no indicaro a demanda real. Para Kotler e Keller (2006), a responsabilidade pela

preparao da previso da demanda do departamento de marketing. Kotler e Keller ainda

definem que a demanda da empresa um nmero relacionado com a demanda de mercado

segundo nveis alternativos de esforo de marketing ao longo de determinado perodo.

4. FORECASTING

O dicionrio APICS (2008) define o processo de realizar previses (forecasting) como a

atividade do gerenciamento da demanda que abrange as ferramentas, tcnicas, mtodos e

administrao das previses, a base fundamental para a maioria das decises nos negcios seja

em ambiente de abastecimento, produo, distribuio, recursos humanos, financeiro, marketing

ou vendas. A previso da demanda (forecast) definida como uma estimativa da demanda futura

que pode ser realizada atravs de mtodos quantitativos, qualitativos, fatores extrnsecos ou

intrnsecos, projetando um ou mais dos quatro componentes da demanda: cclico, aleatrio,

sazonal e tendncia. O erro de previso (forecast error) definido como a diferena entre a

demanda atual e a prevista, calculado como valor absoluto ou percentual. J o gerenciamento da

previso (forecast management) definido como o processo de elaborao, verificao, correo e

utilizao das previses, o que inclui a determinao do horizonte de previso e nvel de

agregao. O processo de previses no uma cincia exata e pela prpria definio da palavra

no significa 100% de certeza.


6

Para Arnold (2006) as previses de demanda so estimativas e especulaes de como se

comportaro as vendas, por isto o erro de previso deve ser rastreado e trabalhado buscando uma

reduo contnua e constante, no mnimo deve-se manter o erro de previso no menor nvel

aceitvel. Arnold (2006) afirma existir quatro princpios fundamentais das previses:

Princpio 1: as previses esto sempre erradas. O objetivo do procedimento de forecasting no

discutir se errou ou acertou a previso, conforme mostrado por Correa e Correa (2007), o mais

relevante discutir o quanto se est errando e as maneiras de alterar processos envolvidos, de

forma a reduzir os desvios.

Princpio 2: cada previso deve incluir uma estimativa de erro. O erro de previso deve ser

includo no processo de previso para revelar qual a variao esperada no perodo, desta forma os

gestores iro se planejar tomando em conta esta variao. Por exemplo, uma empresa pode definir

que em determinado perodo a previso ser de 20.000 unidades com desvio 10% para cima ou

para baixo, este erro de previso foi pr-definido e facilitar o planejamento de recursos evitando

surpresas.

Princpio 3: as previses so mais precisas para famlias ou grupos. As previses so mais

precisas para um nvel agregado de produtos, pelo fato dos SKUs (Stock Keeping Unit)

apresentarem uma variao aleatria, a preciso da previso ser melhor para uma famlia de

produtos do que para um item final individual.

Princpio 4: as previses so mais precisas para perodos de tempo mais prximos: A outra

situao que uma previso em um horizonte de trs meses mais precisa do que uma previso

para um horizonte de cinco anos. Uma hiptese amplamente aceita que o futuro no curto prazo

tende a ser uma continuao do passado prximo, enquanto que o futuro no longo prazo pode ser

muito diferente devido s incertezas existentes no decorrer do horizonte de planejamento.

4.1. Demanda independente vs. demanda dependente

De acordo com sua natureza a demanda classificada em dois tipos: dependente e

independente.

A demanda independente a demanda que no pode ser derivada atravs de clculo a partir

dos itens da estrutura de produto, isto ocorre porque os itens de demanda independente so

geralmente os itens pais, ou seja, so os itens mais altos da estrutura de produto e por este

motivo esta demanda deve ser prevista. Por exemplo, em uma montadora a demanda independente

a demanda pelo produto acabado, ou seja, pelo veculo pronto na configurao final exigida pelo


7

cliente. A demanda independente est fora do controle do planejador de produo e, conforme

citado por Arnold (2006) no est relacionada demanda de qualquer outro produto e sim

vinculada a fatores externos, mercadolgicos, econmicos, condies locais, globais, etc. Os itens

do MPS (Master Production Schedule) so itens de demanda independente.

Ao contrrio da demanda independente, a demanda dependente a que pode ser derivada

atravs de clculo direto a partir da quantidade dos itens em nvel mais alto da estrutura de

produto, podendo ser computada atravs do MRP (Material Requirement Planning). Por exemplo,

no caso da montadora de veculos no necessrio fazer previses para a quantidade de pneus,

esta quantidade ser calculada com uso do MRP a partir da quantidade de veculos que sero

montados (demanda independente). A demanda dependente est sob o controle do planejador de

produo. Jacobs e Chase (2009) afirmam que a demanda dependente a demanda para um

produto ou servio ocasionado pela demanda por outros produtos ou servios.

Conforme um item tratado ele pode ser visto como demanda dependente ou demanda

independente. Por exemplo, Em uma fbrica de ventiladores quando a hlice utilizada como

pea na linha de montagem considerada demanda dependente, mas, quando utilizada como

pea de reposio, vendida separadamente para a rede de assistncia tcnica, considerada

demanda independente.

4.2. Fontes de demanda independente

A fonte da demanda dependente conhecida, visto que calculada atravs do MRP que utiliza

os dados de demanda independente como varivel. Resta saber a origem da demanda

independente, que ter sua fonte em diversas origens.

A demanda independente pode ter sua origem em previses, ordens de clientes, transferncia

entre plantas e peas de reposio. A antecipao das ordens de clientes facilita a sincronizao da

produo e gerenciamento da cadeia de suprimentos. Outras fontes de demanda so as ordens de

substituio, reparo, doao, percentual de scrap, ordem de reabastecimento para Centros de

Distribuio (CDs), prottipos de produtos, etc.

O gerenciamento da demanda o canal de comunicao e a ligao entre a produo e o

mercado. Quanto mais rpido a empresa obter e processar os dados corretamente ter uma

vantagem competitiva para garantir o funcionamento do sistema produtivo e cumprimento das

promessas de entrega perante seus clientes. As fontes de demanda so afetadas por fatores

econmicos, polticos, fiscais, estratgias de preos, alinhamento de produtos, mix de marketing,


8

condies climticas, modismos, estratgias do negcio, sazonalidade, aleatoriedade e demais

condies que podem modificar o comportamento do consumidor, inviabilizar ou facilitar o desejo

de compra.

Outro fator importante que podemos utilizar o processo de gerenciamento da demanda para

obter maior flexibilidade e reduo de variabilidade, desta forma a empresa responder

rapidamente ao mercado atingindo diretamente a satisfao de clientes, aumento de receita e

melhoria da posio competitiva. O gerenciamento estratgico da demanda deveria criar

estratgias contingenciais caso houver alguma ruptura no balanceamento entre suprimento e

demanda.

4.3. Padres de demanda

Os trs padres bsicos de demanda so a tendncia, a sazonalidade e a aleatoriedade, que

podem ser identificados ao analisar a variao dos dados na srie temporal da demanda. Os

padres de demanda so fundamentais no procedimento de forecasting, que utiliza as variaes

dos eventos que ocorreram no passado para projetar as previses. Os trs padres so a tendncia,

a sazonalidade e a aleatoriedade:

Tendncia: a disposio da demanda para seguir um padro contnuo para cima, para baixo

ou permanncia nas sries temporais da demanda. A Fig. (2a) mostra os trs modelos de

tendncia. Uma tendncia de crescimento mostra um aumento constante dos valores no decorrer

de cada perodo, a tendncia nivelada (ausncia de tendncia) mostra uma constncia dos valores

em torno da mdia e a tendncia de declnio mostra uma reduo constante dos valores no

decorrer de cada perodo.

Sazonalidade: so variaes em intervalos regulares que ocorrem nas sries temporais da

demanda. A Fig. (2b) mostra o padro de demanda sazonal. O perodo de ocorrncia da demanda

sazonal pode ser anual, mensal, semanal, dirio ou por hora. Por exemplo, a demanda por

aquecedores, que vende mais no inverno, um exemplo de sazonalidade em perodo anual.


9

Figura 2 - Padres da demanda

Fonte: Elaborado pelos autores

Aleatoriedade: so variaes causadas pelo acaso ou por situaes incomuns, no previsveis,

sem um padro definido, cuja eventualidade leva determinado dado para fora do modelo

identificado. Os pontos A1 e A2 da Fig. (2c) mostram dois eventos aleatrios na srie histrica da

demanda.

A maioria das sries temporais podem apresentar os trs elementos bsicos da demanda juntos

conforme mostrado pela Fig. (2c), os pontos S1, S2, S3 e S4 so os picos sazonais e a reta T

identifica a linha de tendncia.

O gerenciamento da demanda, as previses e a anlise dos padres de demanda so vitais para

a integrao da cadeia de abastecimento. As previses norteiam a produo e o planejamento de

todas as reas da corporao, por isto melhorar as previses deve ser uma meta a ser seguida em

toda empresa que preza pelo melhor atendimento ao cliente e produtividade nas operaes.

4.4. Consideraes referentes coleta de dados

O gerenciamento da demanda tem uma grande relevncia na sincronizao da cadeia de

abastecimento e muitas empresas j esto adotando sistemas de forecasting colaborativo com o

intuito de envolver todos os elos da cadeia de abastecimento na coleta de dados e administrao

das informaes. O resultado almejado uma rede competitiva de alto desempenho, flexvel, gil

e independente da variabilidade da demanda, quantidade de SKUs (stock-keeping units), SLA

(Service level agreement) ou complexidade.

O avano tecnolgico dos ltimos anos foi fundamental para a melhoria do processo de

gerenciamento da demanda, este avano trouxe o aumento da velocidade de processamento, maior

capacidade de armazenamento de dados e introduo dos sistemas de Business Intelligence (BI).

Eventos como a proliferao dos SKUs, aumento da complexidade, incerteza e exigncia dos

mercados tornou a tarefa de prever a demanda um grande desafio para as organizaes, onde no


10

passado havia poucos itens no portflio das empresas, hoje as empresas so globais e possuem o

mesmo produto, em diversas nuances, para atender mercados distintos. Prever cada item levando

em conta a peculiaridade dos mercados, linhas de produto, pontos de distribuio ou pontos de

venda a grande vantagem competitiva e diferencial estratgico.

A qualidade da coleta e preparao dos dados reflete diretamente na confiabilidade da previso

e elementar no processo de forecasting. Existem softwares no mercado especializados para o

calculo da previso, claro que aqui se trata de modelos quantitativos que utilizam algoritmos para

encontrar uma soluo tima. O resultado quantitativo deve ser validado pelo feeling do

planejador para verificar a existncia de algum vis ou outlier no caminho indicado. No

aconselhvel confiar 100% nos nmeros, muitas empresas j perderam recursos valiosos ao enviar

um pedido de reabastecimento ou pedido de compra confiando apenas no modelo quantitativo.

Para Chase (2009) o gerenciamento mestre de dados (master data management) outra

metodologia desenvolvida para melhorar a estrutura de armazenamento de dados com objetivos de

evitar erros, facilitar a localizao (pesquisa), proteger, organizar e aperfeioar a qualidade dos

dados. Existem trs princpios para a coleta e preparao dos dados conforme mostrado a seguir

(APICS, BSCM 2010):

Princpio 1: registrar os dados nos mesmos termos exigidos pela previso. Este princpio

consiste no alinhamento dos dados, previso e planejamento da produo. Por exemplo, se o

planejamento da produo realizado em meses, a previso deve estar em meses. Se o

planejamento da produo realizado em semanas, a previso deve estar em semanas, e assim

sucessivamente. Para planejar a produo no nvel do S&OP (Sales and Operations Planning) a

previso deve estar agregada em famlia ou grupo de produtos, j no nvel do MPS (Master

Production Schedule) a previso deve estar desagregada em itens finais individuais. A unidade e o

time bucket utilizado na previso precisam ser iguais ao realizado pelo planejamento da produo.

Princpio 2: registrar as circunstncias relativas aos dados. As informaes registradas

contribuiro para o entendimento dos comportamentos atpicos e eventos particulares que

influenciaram a demanda em determinado perodo, por exemplo, alteraes causadas por variaes

de preo, promoes, condies meteorolgicas, etc.

Princpio 3: registrar a demanda separadamente para grupos de clientes diferentes. Este

princpio pressupe que a empresa vende para clientes de segmentos distintos com ciclos de

compras diferentes, neste caso a previso deve ser indicada no perodo de ocorrncia da demanda.

Por exemplo, se o cliente Alpha compra 30.000 unidades do item Z semestralmente e o cliente


11

Delta compra 4.500 unidades do mesmo item mensalmente, pode ser um erro nivelar a previso

pela mdia mensal da demanda. A Tab. (1) ilustra esta explicao.

Tabela 1 - Demand rolling forecast - item Z

Fonte: Adaptado de APICS (BSCM, 2010)

Cliente \ Ms Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Total

Alpha 30.000 30.000 60.000

Delta 4.500 4.500 4.500 4.500 4.500 4.500 4.500 4.500 4.500 4.500 4.500 4.500 54.000

Total 4.500 4.500 34.500 4.500 4.500 4.500 4.500 4.500 34.500 4.500 4.500 4.500 114.000

Mdia 9.500 9.500 9.500 9.500 9.500 9.500 9.500 9.500 9.500 9.500 9.500 9.500

Previso de demanda item Z (Unidades)

A varivel mais importante no planejamento da produo a previso da demanda. Sabendo

que em uma situao de elasticidade da demanda a poltica de preos tende a influenciar a

demanda para cima atravs de promoes, ou para baixo atravs do aumento de preos, a previso

tem uma influncia direta/ dos departamentos de marketing, vendas e customer service, sendo que

os demais departamentos da empresa devem ser envolvidos para melhorar a confiabilidade do

processo e o intercmbio de informaes.

5. TCNICAS DE PROJEO

Arnold (2006) explica que as previses baseiam-se em dados histricos, que so manipulados

de alguma maneira, seja atravs da utilizao de jris de especialistas, de alguma tcnica

estatstica ou de ambos. As tcnicas de previso so divididas em dois grupos: tcnicas

qualitativas e tcnicas quantitativas (CORRA E CORRA, 2007; CHASE, 2009; JACOBS E

CHASE, 2009; HEIZER E RENDER, 2001; TUBINO, 2007), mostradas a seguir:

5.1. Tcnicas Qualitativas

As tcnicas qualitativas ou subjetivas so baseadas em opinies de especialistas, julgamento de

pessoas-chave, intuio, emoes, experincias pessoais, valores do tomador de deciso e outros


12

fatores no quantitativos. Podem ser utilizadas quando no existem dados histricos da demanda

(ex. introduo de um novo produto), quando o panorama poltico e econmico muito instvel e

no se tem dados atualizados sobre a demanda, ou quando difcil representar a demanda

numericamente. As tcnicas qualitativas so adequadas para horizonte de mdio a longo prazo,

para famlia de produtos ou tendncias gerais do negcio. A seguir so mencionadas algumas das

principais tcnicas qualitativas.

Jri de executivos: Consiste em uma espcie de brainstorming com os principais executivos da

empresa para obteno de sugestes e opinies. Para Folsom e Boulware (2004) este mtodo pode

comear com uma simples pergunta tipo o que se espera das vendas para o prximo trimestre ou

ano?. uma tcnica rpida e econmica, mas assume que os executivos tem conhecimento sobre

as condies de mercado.

Mtodo Delphi: Consiste no consenso das opinies de um conjunto de especialistas, parecida

com a tcnica jri de executivos, a diferena que no mtodo Delphi evita que uma opinio de

certa pessoa ou grupo predomine, seja por fatores hierrquicos, de relacionamento ou timidez. As

opinies so coletadas de forma individual e sigilosa, que pode ser realizado atravs de

questionrios, os resultados dos questionrios so tabulados por um coordenador e retornados para

a equipe para validao.

Pesquisa de Mercado: Consiste em ir fora da empresa e obter com os clientes a estimativa de

compra futura, tambm chamada de pesquisa de inteno de compra. Anbuvelan (2007) cita que

questionrios por e-mail ou pesquisa por telefone podem ser usados para obter as opinies de clientes existentes ou

potenciais.

Fora de Vendas: Consiste em obter uma estimativa realizada por cada vendedor ou

representante de vendas. A equipe de vendas est mais prxima dos consumidores e pode estimar

as vendas futuras com mais preciso.

Analogia histrica: Consiste em estimar a demanda de um produto atravs da comparao com

os dados da demanda de outro similar. Bastante til para prever a demanda de produtos novos.

5.2. Tcnicas Quantitativas

As tcnicas quantitativas envolvem a anlise e clculo numrico baseados em modelos

matemticos ou estatsticos para trabalhar os dados histricos e projetar a demanda futura. As

tcnicas quantitativas so divididas em extrnsecas e intrnsecas.


13

Tcnicas quantitativas extrnsecas: As tcnicas quantitativas extrnsecas, tambm chamadas

causais ou de explicao, so utilizadas quando a demanda por um produto (ex. venda de tijolos)

correlaciona ou funo de algum fator externo (ex. construo civil), utilizam a ideia de causa e

efeito atravs do uso de indicadores externos para auxiliar a realizao da previso. Uma

observao a ser feita que os ndices causais esto agregados para todo o mercado e o valor que

interessa empresa deve ser calculado pelo seu percentual de participao no mercado.

Tcnicas quantitativas intrnsecas: As tcnicas quantitativas intrnsecas, tambm chamadas

sries temporais, baseiam-se na suposio de que os padres passados da demanda continuaro no

futuro, desta forma, busca atravs de clculo matemtico projetar os dados histricos e tendncias

da demanda.

Na maioria das vezes as duas tcnicas, qualitativas e quantitativas, so empregadas em

conjunto, nesta situao um especialista faz uma anlise subjetiva para validar o resultado

fornecido pelo modelo quantitativo. De acordo com a APICS (BSCM, 2010) as principais tcnicas

quantitativas intrnsecas so as mdias mveis, suavizamento exponencial e sazonalidade.

5.2.1. Mdias mveis simples e ponderada

O atendimento demanda requer planejamento e muito esforo da empresa para definir o

que, quando e quanto comprar, produzir ou distribuir no canal de abastecimento. Nem sempre

elevar o nvel de servio significa elevar o nvel de estoques, existe um ponto de desacoplamento

que j foi encontrado pelas principais indstrias, varejistas e distribuidores, e as empresas que

ainda no encontraram este ponto esto simplesmente perdendo mercado dia aps dia, e se no

aperfeioarem a tcnica de gerenciar a demanda o caminho bvio ser o fracasso. O segredo de

aumentar o nvel de servios, qualidade e lucros com reduo total de custos ter uma viso bem

definida, estratgias baseadas em inteligncia de negcios, aperfeioamento de processos,

desenvolvimento tecnolgico e valorizao de pessoas. Um dos principais objetivos da empresa

agregar valor, apesar de existir uma viso mope de valorizar apenas o produto ou servio, o valor

agregado deve ser direcionado para os clientes (principalmente), fornecedores, sociedade, meio

ambiente, governo, funcionrios, acionistas e demais stakeholders envolvidos.

As mdias mveis so definidas pelo dicionrio APICS (2008) como sendo a mdia aritmtica

dos ltimos n perodos da srie histrica, onde n equivale o nmero de perodos rolante utilizado

para o clculo da mdia. Devido a previso ser baseada nos dados histricos, as mdias mveis

reduzem os efeitos da variao da demanda, seja aleatrio, sazonal, tendncia, ou ambos, isto


14

ocorre pelo fato de usar a mdia dos perodos anteriores. O clculo da mdia realizado em uma

disposio rolante, ou seja, na medida em que cada novo perodo adicionado o perodo mais

antigo descontinuado, permanecendo o nmero (n) de perodos adotado. O valor n reflete

responsividade versus estabilidade.

(1)

Existem dois modelos bsicos de mdias mveis, a mdia mvel simples (MMS) e a mdia

mvel ponderada (MMP). A MMS atribui pesos iguais a todos os valores da srie histrica e

utiliza a dinmica rolante para atualizar o clculo na medida em que os valores mais antigos so

substitudos por dados mais recentes, mantendo desta forma a quantidade rolante de n perodos. A

Eq. (1) mostra a frmula para clculo da MMS.

As mdias mveis propiciam melhores resultados quando a demanda estvel, contnua e com

pouca tendncia ou sazonalidade (APICS BSCM 2011; JACOBS, 2009; TUBINO, 2007;

HEIZER, 2001), gerando estimativas atravs do ajuste da flutuao da demanda na srie de dados.

A Fig. (3) compara a MMS utilizada com 3 perodos (MMS3) e com 6 perodos (MMS6).

Observa-se que a mdia mvel suaviza a variao da srie histrica mantendo uma distncia entre

a demanda real e a previso (mdia), isto ocorre pelo fato da base de clculo estar vinculada aos

perodos anteriores onde a demanda foi menor.

Na Figura (3) a mdia MMS6 tem valor menor que o da mdia MMS3, mostrando que quanto

maior o nmero n, maior a distncia da mdia com a demanda real. A correo desta diferena

pode ser melhorada com o uso da mdia mvel ponderada, atribuindo pesos para os valores mais

importantes. Mahapatra (2010) pontuou que quando a demanda tem uma tendncia de

crescimento, a previso geralmente menor do que a demanda real, e quando a demanda tem uma

tendncia de declnio, a previso excede a demanda real. Esta observao confirma que as

previses baseadas nas mdias mveis sempre estaro acima ou abaixo da demanda real, a no ser

se a demanda real for contnua, o que praticamente impossvel na maioria dos negcios. A Tab.

(2) mostra o desenvolvimento do clculo realizado para as mdias MMS3 e MMS6, no processo

de forecast a mdia mvel encontrada base para o processo de previso para o prximo perodo.


15

Ms Demanda MMS3 MMS6

1 89

2 87

3 93 90

4 90 90

5 94 92

6 103 96 93

7 105 101 95

8 109 106 99

80

90

100

110

1 2 3 4 5 6 7 8

De

man

da

Ms

Demanda

MMS3

MMS6

Figura 3 - Mdia mvel simples aplicada srie histrica com tendncia de crescimento


A tcnica de mdia mvel pode ser utilizada com diversas quantidades de perodos, as

consequncias que usando mais perodos a previso ser mais estvel, e usando menos perodos

o forecast reagir rapidamente s variaes de curto prazo da srie histrica. A mdia mvel

ideal para produtos maduros, quando a demanda no est crescendo nem declinando rapidamente

e na ausncia de caractersticas sazonais (Jacobs, 2009), e bastante utilizada pelo fato da

simplicidade operacional e facilidade de entendimento (Tubino, 2007). Em ambientes instveis

com demanda irregular, voltil e mudanas repentinas, a utilizao de menos perodos no clculo

da mdia pode ser usado para acompanhar rapidamente as mudanas e ter maior responsividade na

previso. J em ambientes estveis uma quantidade maior de perodos pode ser usada, visto que a

mudana na variao da demanda baixa.

Tabela 2 - Desenvolvimento do clculo das mdias mveis MMS3 e MMS6


Ms Demanda Clculo MMS3 MMS3 Clculo MMS6 MMS6

1 89

2 87

3 93 (89 + 87 + 93) / 3 90

4 90 (87 + 93 + 90) / 3 90

5 94 (93 + 90 + 94) / 3 92

6 103 (90 + 94 + 103) / 3 96 (89 + 87 + 93 + 90 + 94 + 103) / 6 93

7 105 (94 + 103 + 105) / 3 101 (87 + 93 + 90 + 94 + 103 + 105) / 6 95

8 109 (103 + 105 + 109) / 3 106 (93 + 90 + 94 + 103 + 105 + 109) / 6 99


16

Da mesma forma que a mdia mvel simples, a mdia mvel ponderada calcula a mdia

rolante da srie substituindo o valor mais antigo quando um valor mais recente for adicionado,

mantendo a quantidade rolante de n perodos, a diferena que a mdia mvel ponderada atribui

pesos diferentes aos valores da srie histrica dando maior importncia aos valores mais recentes,

o que auxilia na reduo dos efeitos da variao demanda com a atribuio destes pesos. A Eq. 2

mostra a frmula para clculo da mdia mvel ponderada.

(2)

O objetivo da mdia mvel ponderada dar maior importncia para perodos representativos,

que geralmente so os perodos mais recentes. Nesta tcnica so atribudos pesos onde os perodos

mais importantes recebem maior valor, na Fig. 4 observa-se que o clculo da mdia mvel

ponderada foi realizado atribuindo pesos 3, 2 e 1, respectivamente do ms mais recente para o ms

mais antigo. Para Boyer e Verma (2009) a mdia mvel ponderada permite dar uma maior nfase

na demanda mais recente do que na demanda passada, o que torna a previso mais gil s

mudanas.

Ms Demanda Clculo MMP3 MMP3

1 89

2 87

3 93 ((93*3) + (87*2) + (89*1)) /6 90

4 90 ((90*3) + (93*2) + (87*1)) /6 91

5 94 ((94*3) + (90*2) + (93*1)) /6 93

6 103 ((103*3) + (94*2) + (90*1)) /6 98

7 105 ((105*3) + (103*2) + (94*1)) /6 103

8 109 ((109*3) + (105*2) + (103*1)) /6 107

80

90

100

110

1 2 3 4 5 6 7 8

De

man

da

Ms

Demanda

MMP3

Figura 4 - Mdia mvel ponderada aplicada srie histrica com tendncia de crescimento (MMP3)


Alguns cuidados que se deve ter que, ao trabalhar com as mdias mveis elas nivelam o

resultado da srie de dados ofuscando a tendncia e a aleatoriedade, por isto so pouco utilizadas

para acompanhamento de crescimento ou declnio da demanda. Outro fator importante que as

mdias fornecem previso para o perodo posterior, o que dificulta a visibilidade de perodos


17

futuros. Aumentar o nmero n de perodos pode ajustar flutuaes, ocultar variaes e aumentar o

gap entre real e previsto.

6. INDICADORES DE DESEMPENHO

A variao da demanda sempre foi um problema para a maioria das indstrias e neste sentido

surgiram diversas ferramentas e tcnicas para auxiliar no acompanhamento, controle e melhoria da

previso da demanda. Esta previso alimenta os sistemas de planejamento da produo e direciona

os esforos atravs da empresa em torno de um objetivo comum. Para gerenciar este processo

necessrio medir e monitorar as previses buscando reduzir os desvios e trazer maior

confiabilidade ao sistema, a APICS (BSCM, 2010) mostra os principais indicadores da previso

como: Erro Peridico da Previso (PFE - Period Forecast Error), Percentual Absoluto do Erro

(APE - Absolute Percentage of Error); Desvio Absoluto Mdio (MAD - Mean Absolute

Deviation); Percentual Absoluto Mdio do Erro (MAPE - Mean Absolute Percentage of Error) e

Acurcia da Previso (FA - Forecast Accuracy).

A tabela 3 contm uma srie histrica de 24 perodos para um dado produto e os respectivos

indicadores.

A volatilidade dos mercados juntamente com a premissa de pouca fidelidade dos clientes

trouxe uma grande incerteza da demanda, levando as empresas a uma corrida armamentista por

melhores meios de deciso. Ter um radar, tecnologia de ponta, pessoas qualificadas e conhecer o

mercado possibilita atirar em um alvo mvel, no escuro, e acert-lo no ponto desejado.

Tabela 3 - Acompanhamento da previso



18

Perodo

Demanda

Ocorrida

(A)

Forecast

(F)

Period

Forecast

Error (A-F)

Absolute

Desviation

AF

APE

AF / A

%

FA - Forecast

Accuracy

(100%-APE)

01 282 300 -18 18 6,38% 93,62%

02 339 320 19 19 5,60% 94,40%

03 312 340 -28 28 8,97% 91,03%

04 351 350 1 1 0,28% 99,72%

05 423 380 43 43 10,17% 89,83%

06 348 360 -12 12 3,45% 96,55%

07 414 400 14 14 3,38% 96,62%

08 387 400 -13 13 3,36% 96,64%

09 424 400 24 24 5,66% 94,34%

10 386 420 -34 34 8,81% 91,19%

11 445 420 25 25 5,62% 94,38%

12 455 420 35 35 7,69% 92,31%

MAD MAPE FA da srie

22 5,78% 94,22%

ACOMPANHAMENTO DA PREVISO

Medir e avaliar previses so atividades necessrias no gerenciamento da demanda e meios

que mostram como est o desempenho da organizao, seja auxiliando na identificao de

possveis falhas ou servindo para realizao de benchmarking em relao s melhores prticas do

mercado.

6.1. PFE - Period Forecast Error

O PFE - Period Forecast Error (Erro Peridico da Previso) refere-se ao quanto a previso

desvia da demanda atual em um dado perodo da srie histrica, mostrado na Eq. (3). O mdulo do

Erro Peridico da Previso (PFE) ser utilizado na base de clculo do APE, MAD e MAPE.

(3)

Onde:

A = Demanda Atual (Ocorrida)

F = Forecast (Previso)

6.2. APE - Absolute Percentage of Error

O APE - Absolute Percentage of Error (Percentual Absoluto do Erro), mostra o quanto a

previso desvia da demanda atual em um dado perodo, expressando o erro de previso como um

percentual da demanda atual. A Eq. (4) mostra a base de clculo do APE.


19

(4)

6.3. MAD - Mean Absolute Deviation

O MAD - Mean Absolute Deviation (Desvio Absoluto Mdio - DAM) a mdia dos desvios

absolutos individuais gerados em cada perodo. O MAD no considera a direo do erro (se

positivo ou negativo) ao utilizar em sua equao o mdulo dos desvios. Isto bastante til devido

a maioria das sries histricas conterem variaes negativas e positivas, evitando que determinada

variao seja anulada por uma variao inversa. A Eq. (5) mostra a base de clculo do MAD.

(5)

6.4. MAPE Mean Absolute Percentage of Error

O MAPE - Mean Absolute Percentage of Error (Percentual Absoluto Mdio do Erro), a

mdia dos valores APE para n perodos, ou seja, a soma dos percentuais absolutos dos erros

( AF /A %) divididos pelo nmero de perodos analisados (n).

(6)

O MAPE identifica o percentual mdio em que a previso desviou da demanda ocorrida em

determinada srie histrica. A Eq. (6) mostra a base de clculo do MAPE.

6.5. FA - Forecast Accuracy

Um dos principais indicadores para acompanhamento da previso o Forecast Accuracy

(Acurcia da Previso), que indica o quanto a previso est sendo assertiva em relao demanda

ocorrida. A Fig. (7) mostra a base de clculo do FA por perodo e o FA para a srie.


20

(

7)

O FA da srie obtido em funo do MAPE (Mean Absolute Percentage of Error), visto que o

MAPE utiliza a mdia dos desvios em sua equao e com isto so considerados todos os perodos

individuais analisados.

7. CONSIDERAES FINAIS

Este artigo mostrou os principais conceitos do gerenciamento da demanda enfatizando as

funes de planejar, comunicar, influenciar, priorizar e prever a demanda. Atravs dos resultados

apresentados, pode-se afirmar que uma excelente medio da previso essencial para o processo

de tomada de decises nas empresas, contudo para atingir um nvel superior de excelncia

operacional consideraes adicionais precisam ser tomadas, entre elas: ter dados confiveis;

acompanhar, controlar e monitorar as previses da demanda; buscar participao e colaborao

entre as diversas reas envolvidas; qualificar as pessoas; investir em tecnologia; melhorar e

aperfeioar processos e alinhar suprimento e demanda no processo de Planejamento de Operaes

e Vendas (S&OP).

Um bom gerenciamento da demanda estabelece metas de acurcia, realiza monitoramento,

acompanhamento e busca reduzir o desvio entre previsto e realizado. Alguns fatores importantes

da utilizao do gerenciamento da demanda so a estimao da receita e a projeo de custos,

tornando uma oportunidade para identificao das reas que precisam de melhoria,

aperfeioamento de processos ou enxugamento dos custos no processo oramentrio. Alinhado a

estes fatores a previso leva a empresa a ter maior controle, servindo tambm como auxilio nos

processos de gerenciamento da mudana e tomada de decises, seja aumentando a comunicao,

melhorando a conscincia ou indicando a influncia das vendas nas operaes. Quanto mais

preciso for a previso da demanda melhor para o balanceamento da cadeia de abastecimento.

REFERNCIAS

ANBUVELAN K. Principles of Management. New Delhi: Laxmi Publications (P) LTD, 2007.

APICS CPIM, BSCM - Basics of Supply Chain Management, 2010.

APICS Dictionary 12th ed. 2008.


21

ARNOLD, J. R. Tony. Administrao de Materiais. So Paulo: Atlas, 2006. 521 p.

BARBOSA, Attila M. Diretrizes Bsicas para Elaborao de Projetos de Pesquisa e TCC. Centro

Universitrio do Par, 2004.

BOYER, Kenneth Karel; VERMA, Rohit. Operations and Supply Chain Management for the 21st

Century. Mason, Ohio: Cengage Learning, 2009.

CHASE, Charles Jr. Demand-Driven Forecasting: A Structured Approach to Forecasting. New

Jersey: John Wiley and Sons, 2009.

CORRA, Henrique L; CORRA, Carlos A. Administrao da Produo e Operaes. 2 Ed. So

Paulo: Atlas, 2007. 690 p.

CRUM, Colleen; PALMATIER, George E. Demand Management Best Practices: Process,

Principles, and Collaboration. USA: J. Ross Publishing, 2003.

FACHIN, Odlia; Fundamentos de Metodologia. 4 ed. So Paulo: Saraiva, 2003.

FOLSOM, W. Davis; BOULWARE, Rick. Encyclopedia of American Business. New York:

Infobase Publishing, 2004.

GIL, A. Como Elaborar Projetos de Pesquisa. 4 ad. So Paulo, Atlas 2002 HEIZER, Jay H. RENDER, Barry. Administrao de Operaes Bens e servios. 5. ed. Rio de

Janeiro, LTC, 2001. Ttulo original: Operations Management.

JACOBS; Robert F.; CHASE, Richard B. Administrao da produo e Operaes: O Essencial.

Porto Alegre: Bookman, 2009. 424 p.

KOTLER , Philip; KELLER, Kevin Lane. Administrao de Marketing. So Paulo: Pearson,

2006. 750 p.

MAHAPATRA, P.B. Operations Management, a Quantitative Approach. New Delhi: PHI

Learning Pvt. Ltd., 2010

OLIVEIRA, S. L. Tratado de Metodologia Cientfica. Ed Pioneira, So Paulo - 1999

TUBINO, Dalvio Ferrari. Planejamento e Controle da Produo, Teoria e Prtica. So Paulo:

Atlas. 2007.

Documents

Periodic oUM ESTUDO SOBRE O GERENCIAMENTO DA DEMANDA NOS SISTEMAS DE PLANEJAMENTO E CONTROLE DA ENGENHARIA DE PRODUÇÃO