UNIVERSIDADE FEDERAL DE SANTA CATARINA
PROGRAMA DE PS-GRADUAO EM ENGENHARIA DE PRODUO
ESTRATGIA PARA PREVISO E ACOMPANHAMENTO DA DEMANDA DE
CARNES NO MERCADO DE FRANGOS DE CORTE
Dissertao submetida Universidade Federal de Santa Catarina
para a obteno do Grau de Mestre em Engenharia.
ALBERTO ANGELO FABRIS
Florianpolis, 21 dezembro de 2000.
ii
ALBERTO ANGELO FABRIS
ESTRATGIA PARA PREVISO E ACOMPANHAMENTO DA DEMANDA DE
CARNES NO MERCADO DE FRANGOS DE CORTE
Esta Dissertao foi julgada adequada para obteno do Ttulo de "Mestre em
Engenharia", Especialidade em Engenharia de Produo e aprovada em sua forma final pelo
Programa de Ps-Graduao em Engenharia de Produo.
________________________
Prof. Ricardo Miranda Barcia, Ph.D
Coordenador do Curso
Banca Examinadora:
________________________
Prof. Oscar Ciro Lpez, Dr. Eng.
Orientador
________________________
Prof. Willy Arno Sommer, Dr. Eng.
________________________
Prof. Antnio Srgio Coelho, Dr. Eng.
iii
DEDICATRIA
A minha esposa Norma e a minha filha
Gabriela pela compreenso e pelo tempo que
lhes foi tolhido durante a realizao desta
dissertao.
iv
AGRADECIMENTOS
Ao meu orientador, professor Oscar Ciro Lpez, que no mediu esforos no apoio ao
desenvolvimento deste estudo.
Diplomata Industrial e Comercial Ltda., Sediada em Cascavel Paran, empresa do
ramo frigorfico de frangos de corte desde 1984, pelas informaes prestadas sobre o mercado
de frangos, sem os quais este estudo no seria viabilizado.
UNIOESTE Universidade Estadual do Oeste do Paran, pelos recursos
bibliogrficos, computacionais e Internet, que contriburam para o desenvolvimento deste
trabalho.
Finalmente, a todas as pessoas que, de alguma forma, contriburam para realizao
deste trabalho.
v
SUMRIO
LISTA DE GRFICOS............................................................................................................................. VIII
LISTA DE TABELAS.................................................................................................................................. IX
LISTA DE QUADROS...................................................................................................................................X
1 INTRODUO............................................................................................................................................1
1.1 Objetivo Geral ........................................................................................................... 3
1.2 Objetivos Especficos................................................................................................. 3
1.3 Resultados Esperados................................................................................................ 3
1.4 Estrutura do Trabalho .............................................................................................. 4
ESTADO DA ARTE........................................................................................................................................6
2.1 A Problemtica .......................................................................................................... 6
2.2 Planejamento ............................................................................................................. 8
2.2.1 O Processo de Planejamento ................................................................................ 9
2.3 Previso de Demanda .............................................................................................. 11
2.3.1 Principais Mtodos de Previso.......................................................................... 16 2.3.2 Mtodos Alternativos de Previso ...................................................................... 19
2.4 Manuteno e Monitoramento de Modelos de Previso ........................................ 20
2.4.1 Fatores que Influenciam o Desempenho de um Modelo de Previso................... 21 2.4.2 Fontes dos Erros de Previso.............................................................................. 21
2.5 Escolha do mtodo de previso ............................................................................... 22
2.6 Estruturao de Modelos ........................................................................................ 24
2.6.1 Classificao dos Modelos ................................................................................. 24 2.6.1.1 Modelos matemticos e modelos estatsticos ............................................. 24
2.6.2 Modelos de Regresso........................................................................................ 25
2.7 Demanda e Mercado................................................................................................ 25
2.7.1 Teoria da Escolha do Consumidor...................................................................... 26 2.7.2 Curva de Demanda............................................................................................. 26 2.7.3 A Funo Demanda............................................................................................ 27 2.7.4 Elasticidade da Demanda ................................................................................... 30
2.8 A Indstria e o Comrcio do Frango ...................................................................... 31
2.8.1 Cenrio Mundial ................................................................................................ 32 2.8.2 Cenrio brasileiro............................................................................................... 32 2.8.3 Cenrio Paranaense ............................................................................................ 34 2.8.4 Cenrio da Regio Extremo Oeste do Paran...................................................... 34
3 MTODOS DE PREVISO DE DEMANDA ...........................................................................................36
vi
3.1 Mtodos Baseados em Sries Temporais ................................................................ 36
3.1.1 Mdia Mvel...................................................................................................... 37 3.1.2 Mdia Exponencial Mvel ................................................................................. 37 3.1.3 Tendncia Linear ............................................................................................... 38 3.1.4 Tendncia Exponencial ...................................................................................... 39 3.1.5 Suavizamento Exponencial ................................................................................ 39 3.1.6 ndices de Sazonalidade ..................................................................................... 40
3.2 Mtodos Baseados em Relacionamentos Causais ................................................... 41
3.2.1 Regresso Linear Simples .................................................................................. 42 3.2.2 Regresses Mltiplas ......................................................................................... 43
3.3 Mtodos de Verificao dos Erros .......................................................................... 44
3.3.1 Desvio Mdio Absoluto ..................................................................................... 44 3.3.2 Validao do Modelo de Regresso.................................................................... 45
3.4 Justificativa da Escolha dos Mtodos ..................................................................... 45
3.5 Aplicabilidade das Tcnicas .................................................................................... 46
3.5.1 Pressupostos Iniciais .......................................................................................... 46 3.5.2 Pontos Fortes e Fracos ....................................................................................... 47
4 A ESTRATGIA DE PREVISO PROPOSTA........................................................................................48
4.1 Viso Geral da Estratgia ....................................................................................... 48
4.2 Dados Necessrios Implementao da Estratgia Proposta................................ 50
4.2.1 Seleo das Variveis do Modelo Economtrico ................................................ 50 4.2.2 Coleta das Sries de Dados das Variveis........................................................... 51 4.2.3 Entrada de Dados............................................................................................... 51
4.3 Dinmica de Execuo da Estratgia Proposta ...................................................... 51
4.3.1 Dados Iniciais .................................................................................................... 52 4.3.1.1 Dados para o modelo matemtico.............................................................. 52 4.3.1.2 Dados para o modelo economtrico........................................................... 52
4.3.2 Dados de Acompanhamento............................................................................... 53
4.4 Algoritmo da Estratgia de Previso Proposta ...................................................... 53
4.5 Obteno das Previses ........................................................................................... 55
4.5.1 Obteno das Previses pelo Modelo Matemtico .............................................. 55 4.5.2 Obteno das previses pelo Modelo Economtrico ........................................... 57 4.5.3 Obteno da Previso pela Estratgia Proposta................................................... 57
4.6 Acompanhamento da Estratgia de Previso ......................................................... 58
4.6.1 Avaliao dos Resultados do Modelo Matemtico.............................................. 58 4.6.2 Avaliao dos Resultados do Modelo Economtrico .......................................... 59
4.7 Descrio Detalhada das Etapas de Avaliao ....................................................... 59
4.7.1 Determinao dos Perodos para os Mtodos Matemticos................................. 59
vii
4.7.2 Escolha do Mtodo de Previso Matemtico ...................................................... 60 4.7.3 Modelo de Previso Economtrica ..................................................................... 60 4.7.4 Ajuste da Previso pelos Modelos Matemtico e Economtrico ......................... 61 4.7.5 Avaliao dos Dados Realizados........................................................................ 62
4.8 Limitaes da Estratgia de Previso Proposta ..................................................... 62
5 APLICAO DA ESTRATGIA DE PREVISO PROPOSTA.............................................................63
5.1 Dados de Entrada .................................................................................................... 63
5.1.1 Dados Iniciais .................................................................................................... 64 5.1.2 Dados de Acompanhamento............................................................................... 67
5.1.2.1 Modelo economtrico................................................................................ 67 5.1.2.2 Modelo matemtico................................................................................... 68
5.2 Programas de Computador Utilizados na Aplicao ............................................. 69
5.3 Previses Geradas.................................................................................................... 69
5.3.1 Previses Matemticas ....................................................................................... 69 5.3.2 Previses Economtricas.................................................................................... 71 5.3.3 Previses pela Estratgia de Previso Proposta................................................... 72
5.4 Erros Cometidos pelas Previses ............................................................................ 74
5.5 Concluses Sobre os Resultados.............................................................................. 76
5.6 Recomendaes Sobre a Estratgia Proposta......................................................... 78
6 CONCLUSES ..........................................................................................................................................80
6.1 Concluses ............................................................................................................... 80
6.2 Sugestes para Trabalhos Futuros ......................................................................... 80
REFERNCIAS BIBLIOGRFICAS..........................................................................................................82
viii
LISTA DE GRFICOS
GRFICO 1 - EVOLUO DA PRODUO DE FRANGOS POR REGIO............................................................ 8
GRFICO 2 - COMBINANDO CARTEIRA DE PEDIDOS E PREVISES. ............................................................ 13
GRFICO 3 - OS ERROS DE PREVISO CRESCEM COM O HORIZONTE, PARA UM MESMO NVEL DE
AGREGAO. ................................................................................................................................. 15
GRFICO 4 - COMPENSAO PARCIAL DOS ERROS CRESCENTES DE PREVISO PELA AGREGAO
CRESCENTE. ................................................................................................................................... 16
GRFICO 5 - ASPECTO DE UMA SRIE TEMPORAL. ................................................................................... 18
GRFICO 6 - FATORES QUE INFLUENCIAM SRIES HISTRICAS ................................................................ 19
GRFICO 7 - PERCENTUAL DE ALOJAMENTOS ......................................................................................... 34
GRFICO 8 - DISTRIBUIO DA PRODUO PARANAENSE ....................................................................... 35
GRFICO 9 - RESULTADO DAS PREVISES PELOS MTODOS MATEMTICOS. ............................................ 70
GRFICO 10 - RESULTADO DA APLICAO PELO MODELO MATEMTICO................................................. 71
GRFICO 11 - RESULTADO DA PREVISES PELO MODELO ECONOMTRICO. ............................................. 72
GRFICO 12 - RESULTADO DAS PREVISES PELA ESTRATGIA DE PREVISO PROPOSTA. ......................... 73
GRFICO 13 - COMPARATIVO ENTRE A ESTRATGIA E OS MODELOS UTILIZADOS. ................................... 73
GRFICO 14 - ERROS ABSOLUTOS COMETIDOS NA APLICAO. ............................................................... 75
GRFICO 15 - ERROS ABSOLUTOS ACUMULADOS. ................................................................................... 76
ix
LISTA DE TABELAS
TABELA 1 - COMPARAO DAS TCNICAS DE PREVISO DE DEMANDA. ................................................. 24
TABELA 2 ALGUNS FATORES QUE AFETAM A DEMANDA (PARTIAL LIST OF FACTORS AFFETING
DEMAND) ....................................................................................................................................... 29
TABELA 3 - CONSUMO MUNDIAL DE CARNES EM MIL DE TONELADAS EM 1992 E 1999. ........................... 32
TABELA 4 - CONSUMO E EXPORTAES BRASILEIRAS. ............................................................................ 33
TABELA 5 - VARIVEIS UTILIZADAS NA APLICAO. .............................................................................. 63
TABELA 6 - DESCRIO DAS FONTES DOS DADOS. .................................................................................. 64
TABELA 7 - DEMANDA DE CARNES DE FRANGO (TON). ............................................................................ 64
TABELA 8 - DEMANDA DE CARNES DE FRANGO COM DESLOCAMENTO DE TRS MESES (TON). ................. 65
TABELA 9 - VOLUME DE MATRIZES (MIL UNIDADES). .............................................................................. 65
TABELA 10 - VOLUME EXPORTADO (TON). .............................................................................................. 65
TABELA 11 - ALOJAMENTO DE PINTAINHOS (MIL UNIDADES). ................................................................. 65
TABELA 12 - PREO DO FRANGO RESFRIADO (R$/KG)............................................................................. 66
TABELA 13 - PREO DA CARNE BOVINA (R$/ARROBA). ........................................................................... 66
TABELA 14 - PREO DA CARNE SUNA (R$/ARROBA). .............................................................................. 66
TABELA 15 - PREO DO MILHO (R$/SACA). ............................................................................................. 66
TABELA 16 - PREO DO FARELO DE SOJA (R$/TON). ................................................................................ 66
TABELA 17 - CUSTO DA CESTA BSICA (R$)............................................................................................ 67
TABELA 18 DEMANDA DE CARNES DE FRANGO (TON)........................................................................... 67
TABELA 19 - DADOS DE ACOMPANHAMENTO DO MODELO ECONOMTRICO............................................. 68
TABELA 20 - DADOS DE ACOMPANHAMENTO DO MODELO MATEMTICO. ............................................... 68
TABELA 21 - PREVISES GERADAS PELOS MTODOS MATEMTICOS. ...................................................... 70
TABELA 22 - RESULTADO DAS PREVISES MATEMTICAS, ECONOMTRICAS E DA ESTRATGIA. ............. 74
TABELA 23 - DADOS DOS ERROS GERADOS NA APLICAO. .................................................................... 74
TABELA 24 - SOMA DOS ERROS ABSOLUTOS COMETIDOS NA APLICAO DE 9/99 AT 08/00. .................. 75
x
LISTA DE QUADROS
QUADRO 1 - DINMICA DO PROCESSO DE PLANEJAMENTO. ..................................................................... 10
QUADRO 2 - EFEITO DA INRCIA DAS DECISES DE PLANEJAMENTO. ................................................... 11
QUADRO 3 - ETAPAS DO MODELO DE PREVISO DE DEMANDA. ............................................................... 14
QUADRO 4 - INCLINAO DA CURVA DE DEMANDA (STRAIGHT LINE DEMAND CURVE)......................... 27
QUADRO 5 DESLOCAMENTOS NA CURVA DE DEMANDA (SHIFTS IN DEMAND) ...................................... 30
QUADRO 6 - CADEIA DE PRODUO DO FRANGO. ................................................................................... 32
QUADRO 7 - VISO GERAL DA SISTEMTICA UTILIZADA PELA ESTRATGIA DE PREVISO PROPOSTA....... 49
QUADRO 8 - VISO GERAL DA ESTRATGIA DE PREVISO. ...................................................................... 50
QUADRO 9 - ESTRATGIA PROPOSTA PARA PREVISO DE DEMANDA. ...................................................... 55
QUADRO 10 - RESULTADOS POSSVEIS.................................................................................................... 77
xi
RESUMO
A complexidade do mercado avcola em geral e o crescente aumento na produo de
carnes de frangos no mercado brasileiro justificam a realizao deste trabalho, que buscou a
estruturao de uma estratgia para previso de demanda para o mercado nacional de frangos
de corte.
A estratgia proposta buscou a utilizao de duas formas diferentes de previso para
gerar uma previso hbrida. A primeira forma buscou avaliar as sries histricas da produo
de carne de frango no pas e, atravs desses dados, gerar previses para os perodos
subsequentes. Os mtodos utilizados so mtodos tradicionais de previso, onde se verificam
os erros cometidos no tempo, pelos mtodos utilizados, procurando-se utilizar, nas previses,
aquele que gera menor erro acumulado. A segunda forma, em adio s previses tradicionais
obtidas, utilizou-se de um modelo economtrico, em que atravs de uma funo, gera-se uma
previso baseada em valores de algumas variveis contextuais do mercado do frangos. A
funo economtrica obtida atravs da regresso mltipla das sries histricas das variveis
contextuais do mercado de frangos.
Aps a obteno das duas previses, o planejador pode decidir pelo ajuste na previso
final, conforme observao e anlise dos erros cometidos por ambas as formas no tempo, ou
seja, a experincia na utilizao da estratgia de previso, bem como a observao dos
resultados auxiliam na obteno de previses mais confiveis.
No entanto, o trabalho no procurou criticar ou enaltecer os mtodos tradicionais de
previso, bem como os economtricos, mas buscou obter melhorias nas previses de demanda
para o mercado de frangos de corte, atravs da integrao de duas formas diferentes de
previso. Os resultados apresentados, pela aplicao da estratgia de previso proposta,
mostraram ganhos em relao utilizao de um nico mtodo de previso. Com isso
considerou-se vivel sua utilizao, atingido-se os objetivos propostos neste trabalho.
xii
ABSTRACT
The complexity of the general poultry market and the large increasing in its production
in Brazil, justify the carrying out of this assignment in order to structure a forecast demand
strategy for the Chicken National Market.
The proposed strategy used two different forms of forecasting to generate a hybrid
forecast. The first one tried to evaluate the historical series of the chicken production in the
country and through these data, forecast the subsequent periods. The methods used are the
traditional methods of forecast where the errors occurred by the methods are verified, trying
to use in the forecasts the less accumulated errors method. The second form, in addition to the
traditional forecast, the econometrics model was used, where through a function, a forecast is
generated based in the values of some contextual variables of the chicken market, so the
econometric function is obtained through the multiple regression of the historical series of the
contextual variables of the chicken market.
After obtaining two forecasts, the planner is able to decide the adjustment in the final
forecast, according to the errors occurred by both forms during that time. In other words, by
using the forecast strategy, as well as the observation of the results aids in obtaining more
accurate forecasts.
Nevertheless, this assignment has not aimed to criticize or ennoble the traditional
method of forecast, as well as the econometric one, but it tried to obtain improvements in the
demand forecasts of the chicken market, through the integration of two different forms of
forecast. The results presented during the application with the proposed strategy, showed the
gains in relation to the use of a single forecast method, therefore it is considered viable its use
in achieving the objectives proposed in this assignment.
1 INTRODUO
Atualmente, vrios setores da economia, principalmente a indstria, so fortemente
afetadas pelo fator concorrncia. Esta, muitas vezes, utiliza-se de mecanismos como
marketing e produo para atrair novos mercados ou para aumentar sua fatia em mercados j
existentes. No obstante, as empresas enfrentam ainda as interferncias econmicas, causadas
por intervenes em nvel de macro e microeconomia. Essas situaes, apesar de saudveis
pois obrigam s empresas a tornarem-se cada vez mais dinmicas - geram um grande
problema para o planejamento do processo produtivo, pois interferem diretamente na
demanda, gerando oscilaes entre o previsto e as vendas.
Segundo LAS CASAS (1999), estas diferenas geram um impacto bastante expressivo
nos setores de produo, pessoal, finanas e em outros setores da empresa.
As oscilaes entre o previsto e as vendas reais, variam de negcio para negcio,
entretanto, na maioria das vezes, esse fato ocorre porque os mtodos utilizados, na gerao
das previses de venda, so insuficientes para gerar boas previses. A situao se agrava
ainda mais quando as previses so de mdio e longo prazos.
De acordo com CORRA (2000), os mtodos quantitativos (tradicionais)
proporcionam um boa aproximao da realidade a curto prazo, em geral at quatro meses,
quando devidamente empregados. Entretanto, as incertezas sempre existiro e, geralmente,
so de duas fontes distintas: a primeira delas o prprio mercado, que pode ser bastante
instvel; a segunda corresponde ao sistema de previso, devendo as empresas procurarem
utilizar os melhores mtodos disponveis mais adequados - e todas as informaes
relevantes, coletadas de forma sistemtica.
Conforme TUBINO (2000), as oscilaes/variaes normais - que apresentam certo
padro de comportamento podem ser classificadas da seguinte forma:
- variaes sazonais - flutuaes que se repetem periodicamente, ou seja, a
demanda de diversos produtos ocorre somente em determinado perodo do ano,
onde se pode verificar a tendncia de picos de vendas;
2
- tendncia a longo prazo - representam os acrscimos ou decrscimos graduais das
vendas de um produto ao longo de um perodo de tempo;
- variaes randmicas ou variaes aleatrias, como o prprio nome indica, so
variaes devidas a causas no identificadas, ocorrendo no curtssimo prazo,
diferentemente dos ciclos de negcios.
As previses de vendas podem ser obtidas, basicamente, de duas formas:
qualitativamente ou quantitativamente; pode-se ainda utilizar uma terceira forma: hbrida
utilizao de ambas as formas.
Os mtodos qualitativos baseiam-se nos julgamentos/opinies das pessoas envolvidas
no processo: gerentes, vendedores, consumidores ou fornecedores, ou seja, procura-se
trabalhar com dados subjetivos. COSTA (1996) afirma que a utilizao de tcnicas
qualitativas de previso, no desenvolvimento tecnolgico, permitem ao pesquisador
vislumbrar todas as possibilidades disponveis na viabilizao de seus projetos. J ASSIS
(2000) afirma que os mtodos empricos, fundamentados na intuio e experincia do decisor,
so falveis.
Os mtodos quantitativos so aqueles que utilizam mtodos matemticos, estatsticos
ou economtricos na obteno das previses.
Com base no exposto, este estudo buscou a estruturao de uma estratgia de previso
de demanda para o mercado nacional de frangos de corte. Para isso, procurou utilizar mtodos
matemticos tradicionais de fcil utilizao juntamente com um modelo economtrico,
que busca a identificao do grau de influncia dos principais fatores contextuais do mercado
de frangos.
O grau de influncia dos fatores contextuais do mercado de frangos, pode ser obtido
pela regresso mltipla das sries de dados desses fatores com a demanda de frangos ocorrida
no mercado, em um determinado perodo de tempo. O mtodo de regresso mltipla identifica
as variveis contextuais mais significantes para o modelo, em um determinado perodo, em
que a funo resultante procura representar os padres de comportamento da demanda, em
determinadas situaes apresentadas pelo mercado.
3
1.1 Objetivo Geral
Propor uma estratgia de previso e acompanhamento da demanda de carnes no
mercado de frangos de corte.
1.2 Objetivos Especficos
Identificar os principais mtodos tradicionais de previso de demanda baseados em
sries temporais.
Selecionar aspectos econmicos contextuais ao mercado de frangos, de forma a
estabelecer uma relao com a variao na demanda.
Obter previses de demanda com a conjugao dos resultados apresentados pelos
mtodos tradicionais e por um modelo economtrico.
1.3 Resultados Esperados
Como resultados tericos conseqentes deste trabalho, espera-se o conhecimento de
fatores influentes no mercado do frango, bem como a verificao da viabilidade de utilizao
de mtodos e teorias na resoluo do problemtica proposta. A realizao deste estudo pode
ainda servir como base consultiva para estudos similares em outros setores da economia.
Como resultados prticos, este trabalho apresenta uma estratgia, que pode ser
observada pelos frigorficos, quando da realizao de seus planejamentos, bem como, servir
de subsdio para atualizaes constantes nas suas previses de vendas.
Como resultado desta melhor adequao entre a previso de demanda e a demanda
real, a cadeia produtiva - frigorficos e seus fornecedores de ordem primria e secundria
poder ter melhores condies de planejar seu processo produtivo. Outro fator, a
possibilidade de buscar-se alternativas emergenciais, quando situaes adversas forem
detectadas no mercado de frangos de corte.
4
1.4 Estrutura do Trabalho
O trabalho est estruturado da seguinte maneira: o captulo 1 traz a INTRODUO, onde
se procurou apresentar uma idia geral da problemtica abordada, bem como, as teorias
associadas ao tema.
No captulo 2 - O ESTADO DA ARTE enfatiza a importncia do planejamento para as
organizaes, e, como ferramenta para auxiliar as atividades de planejamento, so
apresentados alguns mtodos tradicionais de previso de vendas. realizada, tambm, uma
abordagem sobre as principais caractersticas do comportamento do mercado em geral, e
sobre o mercado de frangos de corte em especfico.
No Captulo 3 MTODOS DE PREVISO DE DEMANDA - so apresentados os mtodos
de previso de demanda, que so utilizados na abordagem da melhoria das previses de
vendas. So apresentadas as principais caractersticas dos mtodos de previses por sries
temporais os quais so bastante utilizados considerando-se que utilizam dados histricos.
Tambm realizada uma descrio dos mtodos utilizados para a determinao da influncia
do conjunto de fatores contextuais do mercado de frangos. Sobre estes mtodos proposto o
modelo que servir de apoio s previses de demanda no mercado de frangos de corte.
No Captulo 4 - A ESTRATGIA DE PREVISO PROPOSTA - apresentada a estratgia de
previso, com base nas ferramentas apresentadas no captulo anterior. Tambm realizada
uma abordagem da utilizao desta estratgia, bem como, os principais cuidados na sua
implementao.
No Captulo 5 APLICAO DA ESTRATGIA DE PREVISO PROPOSTA - apresentada
uma aplicao da estratgia proposta, onde so geradas previses para o perodo de setembro
de 1999 agosto de 2000. Na aplicao procurou-se avaliar os resultados obtidos pela
estratgia, bem como mostrar os passos necessrios para sua utilizao. Durante a aplicao,
simulaes com diferentes configuraes podem ser feitas para verificar-se possveis ganhos.
Segundo LOBO (1997), a simulao mostra-se cada vez mais como uma poderosa
metodologia a ser utilizada pelas empresas na busca por uma melhor competitividade.
5
Finalmente, no Captulo 6 CONCLUSES - so expostas as concluses da pesquisa e
uma abordagem das principais vantagens e desvantagens que a estratgia apresenta. Tambm
neste captulo so apresentadas sugestes para estudos futuros.
6
2 ESTADO DA ARTE
Este captulo tem por finalidade apresentar algumas caractersticas do setor industrial
de frangos de corte, bem como ressaltar a importncia do planejamento para as organizaes,
principalmente neste setor, haja vista a complexidade de sua cadeia produtiva. So tambm
abordadas algumas caractersticas econmicas da demanda e as formas como os principais
autores da rea abordam o problema das previses de demanda.
2.1 A Problemtica
O setor industrial de frango de corte, no Brasil, mostra-se bastante competitivo, sendo
atualmente um dos mais importantes exportadores mundiais. O Brasil comeou exportar
frangos inteiros a partir de 1975 e em 1984 passou a exportar, tambm, frangos em cortes.
Atualmente, o volume das exportaes brasileiras perde apenas para o volume exportado
pelos Estados Unidos, que o maior produtor mundial de frangos. (DALLA COSTA, 1996)
Devido ao aumento da demanda pela carne de frango, seja pelo aumento no consumo
nacional ou pelo aumento nas exportaes, a indstria do frango expandiu-se tambm
tecnicamente. Novas formas de manejo, equipamentos e aprimoramento das raas ajudaram a
impulsionar a produo. Entretanto, o grande volume produzido no pas e o aumento no custo
da produo causaram um achatamento da margem de contribuio no mercado do frango,
exigindo que o setor se reestruturasse. Segundo GASSEN (1999), nesta reestruturao
houveram cortes no nmero de empregados, implementao de programas de qualidade total,
cortes nas despesas e melhoria na eficincia da produo. A melhoria no processo de
produo deu-se, basicamente, com a qualificao dos produtores integrados, e aqueles que
no se adaptaram ao novo modelo foram excludos da integrao.
Os avanos tecnolgicos na avicultura brasileira propiciaram, tambm, uma melhor
converso alimentar, ou seja, o abate de aves com maior peso e o mesmo volume de alimentos
consumido. (SANTOS FILHO, 2000)
Um estudo realizado por ROCHA LIMA (1997), mostrou que os preos do frango no
mercado so influenciados, pelo volume em oferta de frangos e por choques no preo do
7
milho, ou seja, exceto pelo preo do milho, quanto maior for a oferta de frango no mercado
menor ser o preo.
Certamente, existe uma srie de outros fatores que influenciam a demanda de frangos,
alm do preo da carne, no entanto, so variveis difceis de serem mensuradas e, muitas
vezes, difceis de serem identificadas.
Este trabalho buscou a elaborao de uma estratgia de previso e acompanhamento
da demanda para o mercado de frango de corte, que auxilie a empresa a diminuir suas
diferenas entre o volume de vendas planejado e o volume de vendas realizado. A estratgia
proposta pode auxiliar a fase de previso de demanda que uma das fases mais importantes
do planejamento de forma a melhorar as previses da empresa, visto que o segmento de
mercado do frango possui uma cadeia produtiva, considerada, extensa.
A indstria de frangos de corte , principalmente na regio extremo oeste do Paran,
vem se tornando cada vez mais importante no cenrio nacional. Atualmente, nessa regio
existem 6 grandes frigorficos de abate, com uma capacidade instalada de aproximadamente
366 mil toneladas ano, o que representa aproximadamente 30 mil toneladas de carne de frango
por ms em mdia.
Ressalte-se, ainda, que nos ltimos anos as novas tcnicas e os equipamentos de
manejo que foram introduzidos, alm de melhorar os nveis de produtividade, permitiram que
outros centros expandissem sua produo. Um exemplo dessa expanso a regio Centro
Oeste do pas MS, GO, MT e DF- onde a produo de frango era pouco significativa no
cenrio brasileiro devido s condies climticas. Hoje, segundo dados da UBA Unio
Brasileira de Avicultura, uma das principais regies em expanso da avicultura no Brasil,
tendo aumentado quase 200% sua produo de 1994 at 1999. O grfico 1 mostra, em nvel
nacional, a evoluo da produo de 1994 a 1999.
8
GRFICO 1 - EVOLUO DA PRODUO DE FRANGOS POR REGIO
0%
50%
100%
150%
200%
250%
Regies
Perc
entu
al
SUDESTE
SUL
CENTRO OESTE
NORDESTE
NORTE
Fonte:APINCO/UBA
2.2 Planejamento
Seguramente, o planejamento um dos itens mais importantes dentro da administrao
da produo, para qualquer segmento do mercado, pois atravs de aes planejadas tem-se
melhores condies de resposta aos imprevistos que possam ocorrer na evoluo de um
mercado. Neste mesmo sentido, pode-se dizer que quanto melhor for o processo de
planejamento melhores sero os resultados.
MARTINS (1999:173) define planejamento da seguinte maneira: Planejamento o
processo lgico que descreve as atividades necessrias para ir do ponto no qual nos
encontramos at o objetivo definido.
Para CORRA (2000:33), duas definies so vlidas para este conceito: Planejar
entender como a considerao conjunta da situao presente e da viso de futuro influencia as
decises tomadas no presente para que se atinjam determinados objetivos no futuro; e ainda
Planejar projetar um futuro que diferente do passado, por causas sobre as quais se tem
controle.
importante enfatizar que, para se ter um bom planejamento, essencial que essa
viso do futuro seja a mais realista possvel, para isso se deve utilizar mtodos de previso
eficazes.
9
Outro conceito bastante importante apresentado por CORRA (2000), o da inrcia
intrnseca dos processos decisrios. Esta inrcia o tempo que necessariamente tem que
decorrer desde a tomada de deciso at que a deciso tenha efeito.
Nos sistemas produtivos, faz-se necessrio a elaborao de um plano, que a
definio das metas a serem alcanadas planejadas - tendo como finalidade permitir um
acompanhamento da situao bem como direcionar a ao dos recursos humanos sobre os
recursos fsicos. (TUBINO, 2000)
Para MOREIRA (1996), independentemente do tamanho da empresa ou do ramo de
negcio, o planejamento uma atividade comum e envolve todas as reas. Neste sentido,
muitas decises compe ou so derivadas do planejamento, por exemplo:
- quanto se deve produzir de um determinado produto no prximo perodo;
- que tipo de produto ou servio oferecer nos prximos dois, trs ou dez anos;
- evoluo da tecnologia prevista para os prximos anos;
- necessidade de investimentos futuros;
- adoo de novas tecnologias e processos;
- treinamento e contratao futura de pessoal;
- necessidade de matrias- primas, etc.
O planejamento busca, atravs de um cenrio definido, formar um conjunto de
possveis decises, algumas delas em diferentes horizontes e com diferentes precises. Nesse
sentido, interessante que se separem os horizontes de tempo, visto que para planejar para
diferentes horizontes busca-se diferentes decises.
2.2.1 O Processo de Planejamento
Segundo CORRA (2000), o processo de planejamento deve ser contnuo, devendo-se
sempre ter uma boa noo da situao presente, uma viso de futuro e clareza dos objetivos
que devem ser alcanados. Com o passar do tempo a viso de futuro deve ser estendida de
forma que o horizonte fixado se mantenha constante. O autor sugere a seguinte dinmica:
10
- passo 1: levantamento da situao presente, fotografar a situao em que se
encontram as atividades e os recursos;
- passo 2: desenvolvimento e reconhecimento da viso de futuro, com ou sem
nossa interveno;
- passo 3: tratamento conjunto da situao presente e da viso de futuro, por
alguma lgica que transforme os dados coletados em informaes para tomada de
deciso;
- passo 4: tomada de deciso gerencial: so as decises logsticas;
- passo 5: execuo do plano: perodo em que as decises vo tomando efeito.
Em determinado perodo prudente tirar outra fotografia da situao presente e
recomear este processo volta ao passo 1.
O quadro 1 ilustra a dinmica do processo de planejamento.
QUADRO 1 - DINMICA DO PROCESSO DE PLANEJAMENTO.
hojeHorizonte de planejamento
tempoapontamento previses
EstadoAtual
Previses de Vendas eOutros Parmetros SAP
DECISOamanh
Horizonte de planejamento
tempoapontamento previses
SAP
NOVA DECISO
Perodo dereplanejamento
Fonte: CORRA, Henrique L.; GIANESI, Irineu G. N. e CAON, Mauro. Planejamento, programao e controle da produo : MRP II/ERP : conceitos, uso e implantao. 3. ed. So Paulo : Atlas, 2000.
11
Para a definio do horizonte de planejamento no existe uma receita pronta, pode-se
ento utilizar a prtica de considerar aquele ponto no futuro onde as decises do presente tm
pouca ou nenhuma influncia.
O horizonte de planejamento pode ser subdividido em diferentes espaos de tempo.
Isso possvel porque as decises tm diferentes inrcias tempo necessrio para que as
decises tenham efeito. Num primeiro nvel, esto as decises de longo prazo maior inrcia.
Procura-se trabalhar com famlias de produtos. Em um segundo nvel esto as decises de
mdio prazo, cujas decises so restringidas pelas decises de longo prazo, existindo um nvel
a mais de desagregao, onde se trabalha com os produtos de forma individualizada. Em um
terceiro nvel temos as decises de curto prazo, onde se trabalha com os componentes que
formam os produtos.
O quadro 2 mostra o efeito da inrcia nas decises (Corra, 1997).
QUADRO 2 - EFEITO DA INRCIA DAS DECISES DE PLANEJAMENTO.
Inrcia das decisesHorizonte de planejamento
Deciso toma efeitoHoje (tomada de deciso)
Fonte: CORRA, Henrique e GIANESI, Irineu. Sistemas de planejamento e controle da produo. In CONTADOR, Jos Celso. Gesto de operaes. So Paulo : Edgard Blcher, 1997. p.287-316.
Independente do horizonte com o qual se esteja trabalhando, as previses de venda so
de extrema importncia em qualquer processo de planejamento.
2.3 Previso de Demanda
Sendo uma das atividades mais importantes dentro de um sistema de produo e um
dos objetivos explorados neste estudo, as previses da demanda so a base para o processo de
planejamento.
MARTINS (1999:173) define previso da seguinte maneira: Previso um processo
metodolgico para a determinao de dados futuros baseado em modelos estatsticos,
12
matemticos ou economtricos ou ainda em modelos subjetivos apoiados em uma
metodologia de trabalho clara e previamente definida.
Os sistemas produtivos so divididos em dois tipos bsicos: os sistemas de produo
para estoque e os sistemas de produo sob pedido/encomenda. Para os sistemas de produo
sob encomenda a previso da demanda bastante simplificada. J para os sistemas de
produo para estoque a tarefa de previso de demanda mais complexa, tendo o planejador
que recorrer s metodologias clssicas de previso, como o exemplo dos mtodos baseados
em sries temporais. (PIRES, 1995)
Segundo KOTLER (2000), as previses de venda so utilizadas por vrios setores da
empresa, entre eles: o departamento de finanas, para determinar o caixa necessrio aos
investimentos e as operaes; pelo departamento de produo, para o estabelecimento de
nveis de capacidade e de produo; pelo departamento de compras, para a aquisio de
suprimentos; pelo departamento de recursos humanos, para a contratao de funcionrios,
quando necessrio.
A previso da demanda deve ser feita com cautela, pois seu impacto nos demais
setores da empresa bastante expressivo, influenciando diretamente setores como produo,
pessoal, finanas e a maioria dos outros departamentos. (LAS CASAS, 1999)
Para SLACK (1997), as empresas que trabalham com carteiras de pedidos, devem
operar com uma combinao de variveis de pedidos firmes e previses. Entretanto,
diferentes tipos de empresas tm diferentes graus de certeza sobre sua demanda, no momento
em que tomam decises de planejamento e controle da produo.
O grfico 2 mostra a combinao dos pedidos em carteira e das previses.
13
GRFICO 2 - COMBINANDO CARTEIRA DE PEDIDOS E PREVISES.
Demandatotal
0
Previso
Carteira depedidos
Tempo no futuro
Dem
anda
Fonte: SLACK, Nigel. et al. Administrao da produo. So Paulo : Atlas, 1997.
A previso da demanda importante para a utilizao adequada das mquinas, para a
realizao da reposio dos materiais no momento e na quantidade certa e para a programao
das outras atividades do processo produtivo. Para que esta atividade previso de demanda
seja a mais precisa possvel deve-se ter um cuidado especial na escolha do modelo de previso
e na coleta dos dados. (MARTINS, 1999)
A previso da demanda, segundo TUBINO (2000), a varivel mais importante, em
especial para as atividades de PCP Planejamento e Controle da Produo, e utilizada em
dois momentos distintos: para planejar o sistema produtivo e para planejar o uso deste sistema
produtivo. Entretanto, apesar dos recursos computacionais e da sofisticao matemtica dos
mtodos, a previso de demanda no uma cincia exata, envolvendo uma boa dose de
experincia e julgamento pessoal do planejador.
Para a elaborao de um modelo de previso de demanda o autor sugere as seguintes
etapas, como mostra o Quadro 3. Inicialmente, definem-se os objetivos do modelo, baseado
nesses objetivos os dados so coletados e analisados, seleciona-se ento a tcnica mais
14
apropriada, calcula-se a previso da demanda e faz-se o acompanhamento do modelo, onde os
parmetros so constantemente atualizados.
QUADRO 3 - ETAPAS DO MODELO DE PREVISO DE DEMANDA.
Objetivo do Modelo
Coleta e anlise dos dados
Seleo da tcnica de previso
Obteno das previses
Monitorao do Modelo
Fonte: TUBINO, Dalvio Ferrari. Manual de planejamento e controle da produo. 2 ed. So Paulo : Atlas, 2000.
Para MOREIRA (1996), a previso de demanda um processo racional de busca de
informaes acerca do valor das vendas futuras. Devendo fornecer tambm, quando possvel,
informaes sobre a qualidade a ser exigida no futuro.
CORRA (2000) relaciona alguns requisitos que devem ser observados para se
efetivarem boas previses:
- conhecer os mercados, suas necessidades e comportamentos;
- conhecer os produtos e seus usos;
- saber analisar os dados histricos;
- conhecer a concorrncia e seu comportamento;
- conhecer as aes da empresa que afetam demanda;
- formar uma base de dados relevantes para a previso;
- documentar todas as hipteses feitas na elaborao da previso;
15
- trabalhar com fatos e no apenas com opinies;
- articular diversos setores para a elaborao da previso.
O autor complementa observando que as decises de diferentes horizontes so
hierarquicamente relacionadas, ou seja, as decises de longo prazo restringem as de mdio
prazo, que por sua vez, restringem as decises de curto prazo. Outro aspecto que o autor
aborda o fato das previses para horizontes maiores terem um grau de incerteza maior, ou
seja, o erro crescente com o tempo. O grfico 3 apresenta este fenmeno.
GRFICO 3 - OS ERROS DE PREVISO CRESCEM COM O HORIZONTE, PARA UM MESMO NVEL DE AGREGAO.
horizonte de previsocom agregao constante
D
tempo
erros crescentesde previso
previso
Fonte: CORRA, Henrique e GIANESI, Irineu. Sistemas de planejamento e controle da produo. In CONTADOR, Jos Celso. Gesto de operaes. So Paulo : Edgard Blcher, 1997. p.287-316.
Quanto ao nvel de agregao no processo de previso, CORRA (1997) sugere um
maior nvel de agregao de produtos quando o horizonte de tempo maior. Dessa forma,
quanto maior for o perodo de previso, maior deve ser a agregao, pois os erros a menor
de alguns produtos tendem a anular os erros a maior de outros produtos. O grfico 4 mostra
a diminuio do erro com a agregao crescente.
16
GRFICO 4 - COMPENSAO PARCIAL DOS ERROS CRESCENTES DE PREVISO PELA AGREGAO CRESCENTE.
horizonte de previso comagregao crescente de dados
D
tempo
erros depreviso previso
efeito daagregaocrescente
Fonte: CORRA, Henrique e GIANESI, Irineu. Sistemas de planejamento e controle da produo. In CONTADOR, Jos Celso. Gesto de operaes. So Paulo : Edgard Blcher, 1997. p.287-316.
2.3.1 Principais Mtodos de Previso
As previses de demanda, so realizadas de duas formas: qualitativamente e
quantitativamente. As previses por mtodos qualitativos baseiam as previses em opinies
pessoais, ou seja, consideram o relato/posio de pessoas com experincia em cada ramo de
atividade como gerentes, vendedores, clientes e fornecedores. J os mtodos quantitativos
utilizam modelos matemticos para a determinao de valores futuros. (MOREIRA, 1996)
Para o autor, os mtodos quantitativos podem ser subdivididos em dois grupos:
- relacionamentos causais onde a demanda est correlacionada com variveis
internas ou externas empresa;
- sries temporais consiste em avaliar o comportamento de uma coleo de valores
tomados em instantes especficos de tempo.
17
Segundo MARTINS (1999), as previses podem ser de curto, mdio e longo prazos,
sendo que para as previses de curto prazo o autor sugere a considerao de um perodo de at
trs meses, para o mdio prazo at dois anos e para o longo prazo, acima de dois anos.
Para o curto prazo o autor sugere a utilizao de mtodos estatsticos baseados em
mdias ou no ajustamento de retas. J para os perodos de mdio e longo prazo recomenda a
utilizao de modelos explicativos e economtricos.
Do mesmo modo DAVIS (2001) afirma que as anlises das sries temporais,
normalmente, devem ser utilizadas para o curto prazo, e as previses causais utilizadas para
problemas de longo prazo.
TUBINO (2000) e MOREIRA (1996) observam que alguns pressupostos so
assumidos pelos mtodos de previso. O primeiro deles que as causas que estiveram
presentes no passado, configurando a demanda, tero a mesma influncia no futuro. O
segundo que quanto maior o horizonte previsto maior a chance de erro.
As previses baseadas nas sries temporais so amplamente usadas, haja vista a
simplicidade de uso de seus mtodos. Esses mtodos procuram identificar uma tendncia nas
observaes da demanda ao longo do tempo. Em geral, as observaes levantadas tm um
espaamento constante (dias, semanas, meses, anos, etc.). Um dos pressupostos desses
mtodos que os valores projetados podem ser estimados com base nos valores passados. O
grfico 5 mostra o aspecto geral de uma srie temporal (MOREIRA, 1996).
18
GRFICO 5 - ASPECTO DE UMA SRIE TEMPORAL.
Eixo X - Tempo
Eix
o Y
- D
eman
da
1 2 3 4 5 6 87
Y = f(X)
Fonte: MOREIRA, Daniel Augusto. Administrao da produo e operaes. 2.ed. So Paulo : Pioneira, 1996.
Segundo TUBINO (2000), as curvas obtidas pelas sries temporais podem conter
tendncias, sazonalidade, variaes irregulares e variaes randmicas.
As tendncias apresentam-se como movimentos graduais ao longo do tempo, seja de
reduo, aumento ou estabilizao dos dados. As variaes sazonais so variaes cclicas
seguem um padro temporal relacionadas ao fator tempo, como influncias climticas ou
frias escolares. As variaes irregulares so resultantes de fatos excepcionais, como tragdias
e greves, que no podem ser previstas. Finalmente, tm-se as variaes randmicas ou
aleatrias, geralmente tratadas pela mdia. O grfico 6 apresenta duas sries de dados e os
fatores influentes.
19
GRFICO 6 - FATORES QUE INFLUENCIAM SRIES HISTRICAS
0
10
20
30
40
50
60
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Dem
and
aSazonalidade Tendncia
Variao irregularVariao randmica
Fonte: TUBINO, Dalvio Ferrari. Manual de planejamento e controle da produo. 2 ed. So Paulo : Atlas, 2000
Os mtodos de previso de demanda a serem utilizados na estratgia de previso
proposta neste trabalho sero abordados no captulo 3.
2.3.2 Mtodos Alternativos de Previso
Entre os mtodos alternativos destacam-se:
a) O mtodo Delphi um exemplo de um modelo complementar aos modelos quantitativos
(estatsticos) e qualitativos. Neste mtodo um grupo de pessoas (especialistas) responde a
um questionrio e o entregam a um coordenador que tabula as informaes e envia de
volta aos participantes um novo questionrio, podendo estes, ento, alterarem suas
respostas. Este processo repetido at que se obtenha um consenso. Este mtodo tem sido
bastante utilizado na previso de cenrios futuros, e tem apresentado bons resultados
(MARTINS, 1999);
b) As pesquisas de mercado tambm podem ser consideradas como tcnicas de previso,
sendo utilizadas para previses de longo prazo e para a venda de novos produtos. Elas
podem ter a forma de entrevistas, levantamentos, etc. que servem para testar hipteses
sobre o mercado (DAVIS, 2001). O autor comenta ainda que analogias histricas podem
ser aplicadas, onde a previso de demanda de um produto derivada da trajetria de um
produto similar;
20
c) As redes neurais tambm esto despontando como uma nova tcnica para previso de
demanda. Essa tcnica tenta simular o aprendizado humano, desenvolvendo um
entendimento dos relacionamentos complexos existentes entre entradas e sadas de um
modelo de previso. DAVIS (2001), menciona a diviso das redes neurais em duas
categorias gerais: as supervisionadas e as no-supervisionadas. Nos modelos no
supervisionados, o software pesquisa e identifica padres existentes em um conjunto de
dados. J os supervisionados, utilizam dados histricos para treinar a rede.
A combinao de modelos pode ser uma forma de obter-se previses melhores ou
como alternativa para melhorar os resultados de um modelo em especfico. O previsor de
temperaturas baseado em redes neurais e modelos ARIMA, proposto por HIPPERT et al.
(1999), um exemplo desta aplicao combinada.
Segundo HAYKIN (2001), a habilidade de aprendizado das redes neurais, a partir dos
dados, dotou-as com uma propriedade poderosa. Esta habilidade, de aprendizado a partir dos
exemplos, tornou as redes neurais ferramentas inestimveis em aplicaes como: modelagem,
anlise de sries temporais, reconhecimento de padres, processamento e controle de sinais.
2.4 Manuteno e Monitoramento de Modelos de Previso
Conforme TUBINO (2000), existe a necessidade de acompanhamento do desempenho
dos modelos de previso como forma de confirmar sua validade e mant-lo atualizado. Este
monitoramento realizado atravs de clculos do erro nas previses e tem por objetivo:
- verificar a acuracidade dos valores previstos;
- identificar, isolar e corrigir variaes anormais;
- permitir a escolha de tcnicas, ou parmetros, mais eficientes.
Para CORRA (2000), dois aspectos devem ser considerados quando analisamos os
erros de previso:
- a magnitude das incertezas envolvidas no processo de previso, as quais geram
erros aleatrios;
- o grau de vis na previso, erros no distribudos simetricamente.
21
TUBINO (2000), sugere que o erro acumulado seja comparado com um mltiplo do
desvio mdio absoluto conhecido como MAD Meam Absolute Deviation. (ver captulo 3).
Para CORRA (2000), pode-se adotar um procedimento de clculo de mdia mvel
para o MAD, de forma que este no seja excessivamente influenciado por valores muito
antigos.
2.4.1 Fatores que Influenciam o Desempenho de um Modelo de Previso
Na viso de TUBINO (2000), o desempenho dos modelos de previso so afetados por
uma srie fatores, apontando como os mais comuns:
- uso incorreto da tcnica de previso;
- perda da validade da tcnica, devido mudana em uma varivel importante, ou
devido ao aparecimento de uma nova varivel;
- variaes irregulares na demanda podem ter acontecido em funo de greves,
formao de estoques temporrios, catstrofes naturais, etc.;
- aes estratgicas da concorrncia, afetando demanda;
- variaes aleatrias inerentes aos dados da demanda.
Para o autor um modelo de previso funciona adequadamente quando apenas erros
causados por variaes aleatrias ocorrerem.
As variaes aleatrias so dadas por eventos causais, sendo que se retiramos da
demanda total todas as causas conhecidas da demanda, como: mdia, tendncia, sazonalidade
e cclica, o que sobra a parte inexplicvel da demanda. (DAVIS, 2001)
2.4.2 Fontes dos Erros de Previso
Os erros podem ter origens diferentes, entretanto os mais comuns so causados pela
realizao de previses futuras por tendncias passadas, onde, geralmente, existe a fixao de
uma faixa de segurana, porm, o erro de previso pode estar equivocadamente definido pela
faixa de confiana definida. (DAVIS, 2001)
22
Quanto classificao dos erros de previso, o autor considera-os como distores ou
erros aleatrios. Os erros aleatrios, como mencionado anteriormente, podem ser definidos
como aqueles que no podem ser explicados. Quanto aos erros por distores, estes incluem:
- falha na incluso de valores corretos;
- utilizao de relacionamentos errados entre variveis;
- emprego da linha de tendncia errada;
- localizao da demanda sazonal em pontos diferentes de onde ela normalmente
ocorre;
- existncia de algumas tendncias seculares indeterminadas.
Os planejadores podem analisar, entre os mtodos existentes, quais mtodos geram
menor erro no tempo. Esse pode ser um bom indicador de desempenho dos modelos para cada
demanda em particular.
2.5 Escolha do mtodo de previso
Para MOREIRA (1996), os mtodos qualitativos e causais adaptam-se melhor s
previses de mdio e longo prazo, enquanto que a anlise das sries temporais adaptam-se
melhor s previses no curto prazo.
Segundo TUBINO (2000), ao optar-se por uma tcnica, deve-se ponderar uma srie de
fatores, principalmente custo e acuracidade. Geralmente, os mtodos mais caros na elaborao
levam a uma acuracidade maior e com base nessa curva custo-acuracidade que o
planejador deve decidir qual mtodo o mais adequado para a determinao das previses.
O autor apresenta, ainda, outros fatores que devem ser observados na escolha do
mtodo:
- disponibilidade de dados histricos;
- disponibilidade de recursos computacionais;
- experincia passada com a aplicao de determinada tcnica;
23
- disponibilidade de tempo para coletar, analisar e preparar os dados e a previso;
- perodo de planejamento para o qual necessitamos da previso.
QUADRELLI e SOUZA (1999) afirmam que a escolha do mtodo de previso
depende do tipo de previso que se deseja, da facilidade de uso e da facilidade de
realimentao das previses.
Para DAVIS (2001), os fatores que as empresas devem observar, na adoo de um
modelo de previso, so os seguintes:
- horizonte de previso;
- disponibilidade de dados;
- preciso necessria;
- tamanho do oramento para previses;
- disponibilidade de pessoal qualificado.
CORRA (2000) afirma que os modelos com tratamento estatstico costumam ser
mais adequados a determinados horizontes de tempo.
Para MARTINS (1999), diferentes mtodos podem ser utilizados para selecionar o
modelo de previso que melhor se ajusta aos dados, entre eles:
- soma acumulada dos erros da previso (SAE);
- erro quadrado mdio (EQM);
- desvio padro (DP) = EQM ;
- mdia da soma dos erros absolutos (MSEA), em que o erro a diferena entre o
valor real da demanda e o valor da previso. (Tambm conhecido como MAD
Mean Absolute Deviation)
24
Outra forma de escolha do mtodo a observao do comportamento dos dados
temporais. Entretanto, esta forma pode no ser to precisa quanto as de clculo do erro. A
tabela 1 apresenta um comparativo entre as principais tcnicas de previso de demanda.
TABELA 1 - COMPARAO DAS TCNICAS DE PREVISO DE DEMANDA.
Tcnica Horizonte detempo
Complexida-de do modelo
Preciso domodelo
Dadosnecessrios
I. QualitativoMtodo Delphi Longo Alta Varivel Muitos
II. Sries TemporaisMdia Mvel Curto Muito baixa Mdia PoucosMdia Ponderada Exponencial Curto Baixa Adequada Muito poucosRegresso Linear Longo Mdia alta Mdia alta Muitos
III. CausalAnlise de regresso Longo adequada Alta Muitos
Fonte: DAVIS, Mark M.; AQUILANO, Nicholas J.; CHASE, Richard B. Fundamentos da administrao da produo. 3.ed. Porto Alegre : Bookman Editora, 2001.
2.6 Estruturao de Modelos
Para OPAZO (1999), de forma geral, a palavra modelo pode ser entendida como uma
abstrao de uma realidade com uma estrutura que permita sua compreenso parcial ou total.
De forma geral, um modelo pode ser definido como sendo uma representao abstrata
de uma realidade, onde esta representao, geralmente, empobrecida em relao realidade.
2.6.1 Classificao dos Modelos
Os modelos podem ser classificados como modelos tericos e estatsticos. Os modelos
tericos, geralmente, expressam leis, podendo conter formas matemticas. J os modelos
estatsticos so aqueles que utilizam regresses, contendo formas matemticas, definies de
variveis e equaes para verificao de fenmenos. (OPAZO, 1999)
2.6.1.1 Modelos matemticos e modelos estatsticos
Um modelo matemtico definido como um relacionamento dado por uma funo
matemtica y = f(x) sobre um conjunto de valores xi (i=1, 2, ...n), onde os pontos (xi, yi), se
plotados em um grfico, verifica-se que eles pertencem a curva que representa o modelo
matemtico. Para os modelos estatsticos, pode ser que a varivel dependente (y) seja
25
influenciada por outros fatores, alm da varivel independente, ou seja, existe um erro
associado funo. Desta forma a funo representada por yi = f(xi) + ei, onde o ei o erro
no explicado pela funo. (HOFFMANN, 1977)
2.6.2 Modelos de Regresso
Os modelos de regresso possuem trs aspectos em especial: o primeiro, quanto
estrutura; o segundo, quanto classificao; e por fim, quanto s qualidades desejveis ao
modelo. (OPAZO, 1999)
Quanto estrutura, os modelos de regresso envolvem quatro elementos bsicos:
- variveis envolvidas (dependentes ou independentes);
- relaes ou equaes que expressam o modelo;
- parmetros ou coeficientes das variveis;
- erro ou perturbao estocstica.
Quanto classificao dos modelos de regresso, estes podem ser lineares,
representados por funes de primeiro grau; e no-lineares, que assumem formas
exponenciais, por exemplo, quadrticas.
Para a qualidade desejvel ao modelo de regresso, pode-se avali-lo segundo sua
plausibilidade, exatido, simplicidade das previses, etc..
Os modelos de anlise regresso clssicos tem um forte apelo por sua difuso, sendo
disponveis em vrios softwares e de fcil utilizao (SALLES, 1996).
2.7 Demanda e Mercado
Para a elaborao deste estudo, interessante que alguns conceitos sobre economia
sejam observados, de forma a ajudar a determinao do conjunto de fatores do mercado, em
especial o mercado do frango, que tem influncia nas variaes da demanda.
26
Segundo McGUIGAN (1992), um dos principais conceitos sobre a teoria da demanda
o conceito de elasticidade. No contexto geral, da anlise da demanda, a elasticidade a
medida da sensibilidade para a quantidade demandada, estabelecida por uma mudana em
fatores influentes da demanda, como preo, propaganda, nvel de renda e preo dos bens
substitutos.
O autor aborda outros conceitos sobre o mercado, como o caso do mercado de
commodities, onde quanto menor o preo maior a demanda, lei da demanda.
HENDERSON (1991) tambm define a lei da demanda, como sendo: quanto mais
baixo for o preo de um bem, maior ser a quantidade demandada.
2.7.1 Teoria da Escolha do Consumidor
Segundo McGUIGAN (1992), nesta teoria, os consumidores so racionais e procuram
maximizar sua satisfao atravs do consumo, sendo este limitado pela soma dos recursos
disponveis para a aquisio dos bens.
Outra observao importante, feita pelo autor, a proporo entre a utilidade marginal
(MU Marginal Utility) e o preo (P - Price), em que o consumidor avalia o custo benefcio
de produtos similares, de forma que h uma tendncia na escolha daquele que apresente uma
menor proporo.
B
B
A
A
P
MU
P
MU= (1)
Em outras palavras, a escolha do bem pode se dar pelo aumento da utilidade marginal
benefcio ou pela reduo do preo.
2.7.2 Curva de Demanda
Uma curva de demanda individual expressa de mercado o somatrio horizontal das
curvas das demandas individuais.
Na concepo de McGUIGAN (1992), uma das mais importantes propriedades da
curva de demanda a sua inclinao. Na curva de demanda, tem-se no eixo X a quantidade
27
demandada e no eixo Y o nvel de preo. O quadro 4 mostra um exemplo de uma curva de
demanda.
QUADRO 4 - INCLINAO DA CURVA DE DEMANDA (STRAIGHT LINE DEMAND CURVE)
1
2
3
4
5
6
7
8
9
1 0
0 9 0 1 0 01 0 2 0 3 0 4 0 5 0 6 0 8 07 0
B
CA
D
D
Pri
ce
($
/un
it)
Q u a n t i t y d e m a n d e d ( u n i t s )
Fonte: MCGUIGAN, James R. e MOYER, R. Charles. Managerial economics. 6 th ed. St. Poul : West Publishing Company, 1992.
A inclinao calculada dividindo-se o valor da varivel vertical segmento AB -
pela varivel horizontal - segmento AC. No exemplo apresentado, o resultado da inclinao
negativo, pois quando o preo declina a quantidade demandada aumenta. A curva de demanda
de mercado para um determinado bem igual soma das quantidades demandadas
individualmente.
Henderson (1991), define que o mercado est em equilbrio quando preo e quantidade
permanecem constantes bem como quando as condies de suprimento e demanda se mantm
constantes. Se as condies de suprimento e demanda mudarem, o mercado ajustar o preo e
a quantidade em um novo patamar.
2.7.3 A Funo Demanda
McGUIGAN (1992) afirma que a curva de demanda especifica a relao entre preo e
quantidade que ser demandada por uma commodities, desde que todos os outros fatores
influentes se mantenham constantes. Em outras palavras, a quantidade demandada de um bem
uma funo do nmero de fatores influentes em adio ao preo.
28
Tradicionalmente, os economistas do grande nfase ao preo como um fator
influenciador da demanda. Entretanto, em muitas indstrias, o preo pode ser uma das ltimas
variveis a serem consideradas. Nesses casos, o projeto, a embalagem, os investimentos em
propaganda, o tamanho da fora de vendas e as promoes podem ser as variveis mais
importantes a serem manipuladas pela gerncia. Algebricamente a funo demanda pode ser
representada da seguinte forma
( ),...,,,,,,,, EPCCSD PCNAAYPPPfQ = (2)
onde, QD = quantidade demandada do produto;
P = preo;
PS = preo dos produtos substitutos;
PC = preo dos produtos complementares;
Y = renda dos consumidores;
A = investimentos em marketing;
AC = investimentos em marketing dos concorrentes;
N = populao (e outros fatores demogrficos);
CP = gosto do consumidor e preferncia pelo produto;
PE = expectativas de mudanas nos preos (futuras).
Esta representao da funo demanda indica que a quantidade demandada uma
funo de um conjunto de diferentes fatores (variveis independentes). As variveis listadas,
anteriormente, so apenas um conjunto das possveis variveis que afetam a demanda. A
tabela 2 resume algumas variveis que afetam a posio da curva de demanda.
29
TABELA 2 ALGUNS FATORES QUE AFETAM A DEMANDA (PARTIAL LIST OF FACTORS AFFETING DEMAND)
FATORES EFEITO Aumento (diminuio) no preo de bens substitutos (PS)
Aumento (diminuio) na demanda QD
Aumento (diminuio) no preo de produtos complementares (PC)
Diminuio (aumento) no QD
Aumento (diminuio) no nvel de renda do consumidor (Y)
Aumento (diminuio) no QD
Aumento (diminuio) nos investimentos em marketing (A)
Aumento (diminuio) no QD
Aumento (diminuio) nos investimentos em marketing pelos concorrentes AC
Diminuio (aumento) no QD
Aumento (diminuio) na populao N Aumento (diminuio) no QD
Aumento (diminuio) na preferncia do consumidor por bens ou servios CP
Aumento (diminuio) no QD
Expectativa de aumento (diminuio) de preo PE Aumento (diminuio) no QD
Fonte: MCGUIGAN, James R. e MOYER, R. Charles. Managerial economics. 6 th ed. St. Poul : West Publishing Company, 1992.
McGUIGAN (1992) afirma que a curva de demanda somente trata da relao preo-
quantidade. Mudanas feitas no preo de uma commodities resultar em um movimento ao
longo da curva, enquanto que mudanas em qualquer uma das variveis independentes (PS,
PC, Y, A , AC, N, CP, PE, ...) resultam em um deslocamento da curva. Este fato ilustrado pelo
quadro 5.
30
QUADRO 5 DESLOCAMENTOS NA CURVA DE DEMANDA (SHIFTS IN DEMAND)
P1
P2
0 Q4 Q1 Q2 Q3
D1
Price($/unit)
Quantity (units)
D2
D
D1
D2
D
Fonte: McGUIGAN, James R. e MOYER, R. Charles. Managerial economics. 6 th ed. St. Poul : West Publishing Company, 1992.
Neste exemplo, um produto com preo P1 tem uma quantidade demandada Q1. Se,
porventura, o preo for reduzido para P2 a demanda aumentar para Q2. Se, por exemplo, o
nvel de renda do consumidor aumentar, mantendo-se um mesmo preo P1 tem-se a
quantidade demandada Q3. Em contrapartida, se os preos dos produtos substitutos tivessem
um declnio, por exemplo, ao preo P1 a quantidade demandada reduziria para Q4.
2.7.4 Elasticidade da Demanda
Para auxiliar no processo de tomada de deciso as empresas devem saber o efeito que
mudanas nas variveis independentes tm sobre a demanda. Algumas dessas variveis esto
sobre o controle da empresa, como: preo, publicidade, qualidade, servios ao consumidor.
Para estas variveis o gerente deve saber os efeitos das mudanas nas quantidades
demandadas. Outras variveis, como: renda, preo dos produtos substitutos e expectativas dos
consumidores sobre os preos futuros, esto fora do controle direto da empresa. Entretanto,
31
para se ter previses efetivas da demanda, imprescindvel que a empresa saiba mensurar o
impacto que mudanas nestas variveis causam demanda. (McGUIGAN, 1992)
2.8 A Indstria e o Comrcio do Frango
A indstria do frango possui uma cadeia produtiva bastante extensa, sendo que
algumas indstrias esto presentes em quase todas as fases do processo produtivo. Este
processo, basicamente, possui as seguintes fases:
- produo de aves matrizes;
- processamento e incubao dos ovos;
- produo de raes;
- abate resfriamento e/ou congelamento;
- vendas e distribuio.
A produo das aves para o abate feita, geralmente, por produtores integrados. J a
comercializao do frango pode se dar com a ave ainda viva ou aps o abate. A forma mais
freqente a venda do frango inteiro ou em cortes.
Quanto seqncia de funcionamento da cadeia produtiva do frango, esta comea com
a produo das matrizes, que por sua vez faro a postura dos ovos que sero incubados por
um perodo de 21 dias at eclodirem os pintainhos. Os pintainhos so distribudos aos
produtores integrados dentro de um prazo de 24 horas aps o nascimento, perodo que inclui
tratos de manejo e transporte at o produtor. No produtor integrado, as aves ficam em mdia
45 dias, chegando a um peso mdio de 2 kg dependendo da qualidade do lote, sexo, clima e
tratos de manejo. Aps a retirada das aves para o abate, o produtor dispe de um perodo de
tempo para limpeza e preparao para um novo alojamento de aves.
Durante a fase de desenvolvimento das aves o produtor recebe, alm da assistncia
tcnica da integradora, insumos como: rao, remdio, vacina.
32
O frango vivo chega no frigorfico e abatido dentro de um prazo de 24 horas, em
seguida resfriado ou congelado para posterior distribuio ao comrcio varejista. O quadro 6
mostra um esboo simplificado da cadeia produtiva do frango .
QUADRO 6 - CADEIA DE PRODUO DO FRANGO.
24 horas 1-3 dias
22 dias
1 - 180 dias 55 dias (mdia)Depende dadistncia
Produode ovos
incubao dos ovose distribuio
Alojamento no produtorintegrado e manejo
Abate
Resfriamento/
Congelamento
Distri-buio
Fonte: Elaborado pelo autor.
2.8.1 Cenrio Mundial
A produo mundial de frangos de corte praticamente dobrou, nos ltimos 20 anos,
passando de 100 para 200 milhes de toneladas. Em parte, isso se deve a uma mudana nos
hbitos de consumo. Segundo dados da USDA United States Department Agricultural, de
1992 1999 o consumo de carne de frango aumentou, enquanto que a carne bovina diminuiu.
A tabela 3 apresenta a evoluo no consumo das principais carnes.
TABELA 3 - CONSUMO MUNDIAL DE CARNES EM MIL DE TONELADAS EM 1992 E 1999. Tipo de carne 1992 1999 % aumento Carne bovina 50601 49181 -2,8% Carne suna 68863 84944 +23,4% Carne ovina 6248 7560 +21,0% Outras carnes 7261 15741 +116,8% Carne do frango 30312 39977 +31,9%
Fonte: USDA United States Department Agricultural.
2.8.2 Cenrio brasileiro
As exportaes brasileiras tiveram um crescimento expressivo, passando de 244 mil
toneladas em 1989 para aproximadamente 771 mil toneladas em 1999, tornando o Brasil o
33
segundo maior exportador mundial de carne de frango. Um aumento de 16% em dez anos.
Para o fechamento de 2000 as estimativas da USDA (Departamento de Agricultura Norte
Americano) so que, das 40.628 mil toneladas que sero produzidas no mundo o Brasil venha
a produzir 5.850 mil toneladas. Entretanto, no mercado interno as estimativas do conta de um
retrao da produo. (MIRANDA, 2000)
A ABEF - Associao Brasileira dos Exportadores de Frango e a SEAB/DERAL -
Secretaria da Agricultura e do Abastecimento do Paran Departamento de Economia Rural
mostram que, de 1990 1999, o volume exportado aumentou mais que o volume consumido
no prprio pas. A tabela 4 apresenta estes dados.
TABELA 4 - CONSUMO E EXPORTAES BRASILEIRAS. Consumo 1990 1999 % aumento Interno (ton) 1.968.069 4.755.492 141,6% Exportaes (ton) 299.289 770.552 157,5% Per capita (kg/pessoa/ano)
14,2 29,1 104,9%
Fonte: ABEF/SEAB/DERAL
O aumento no consumo per capita de carne de frango, deve-se, principalmente,
preocupao com a sade, que fez tambm diminuir o consumo de carne vermelha, nos
ltimos anos. Como conseqncia, dessa diminuio no consumo de carnes vermelhas, houve
um aumento no consumo de carnes brancas, como a carne de frango. Nos Estados Unidos, o
consumo per capita passou de 31,3 kg em 1990 para 49,3 em 1999. J no Brasil, o aumento
no consumo tambm se deve ao baixo preo do frango em relao a outras carnes.
Segundo dados da APINCO Associao Nacional dos Produtores de Pintos de Corte,
os maiores produtores brasileiros de frango so: Rio Grande do Sul, Paran, So Paulo, Santa
Catarina e Minas Gerais, sendo que os trs estados do sul respondem pelo alojamento de 54%
dos pintainhos de corte no Brasil. O grfico 7 mostra este fato.
34
GRFICO 7 - PERCENTUAL DE ALOJAMENTOS
100,0%
16,9% 18,8% 18,3% 18,1%
7,6%
0,0%
20,0%
40,0%
60,0%
80,0%
100,0%
120,0%
Estados
% A
loja
men
to n
acio
nal
BR
RS
SC
PR
SP
MG
Fonte: APINCO/UBA
2.8.3 Cenrio Paranaense
No Paran, atualmente, existem 34 empresas no mercado de frangos de corte - entre
pequenas mdias e grandes cuja produo, em 1999, foi de 960 mil toneladas, das quais
50,9% foram vendidas para outros estados e 26,6% foram exportadas.
Em 1989, o Paran era o quarto maior produtor brasileiro de frangos de corte.
Atualmente o segundo maior produtor nacional. Em 1999, o Paran produziu
aproximadamente 18% da produo nacional e 30% das exportaes brasileiras (MIRANDA,
1999).
2.8.4 Cenrio da Regio Extremo Oeste do Paran
A regio extremo oeste do estado a maior regio produtora do Paran. O grfico 8
mostra a distribuio da produo paranaense.
35
GRFICO 8 - DISTRIBUIO DA PRODUO PARANAENSE
38%
24%
20%
18%
Extremo Oeste
Norte
Sudoeste
Sul
Fonte: SEAB/DERAL
Este captulo procurou apresentar uma breve descrio do mercado de frangos e sua
dinmica peculiar, destacando a importncia da fase de previso da demanda, no auxlio ao
processo de planejamento da cadeia produtiva. As tcnicas de previso apresentadas so as
clssicas. Os frigorficos possuem formas diferentes de prever a demanda futura, sendo essas
informaes de carter estratgico de cada empresa. Entretanto, fatores como preo da carne
no mercado e consumo per capita so as variveis mais mencionadas pelos planejadores no
processo de previso.
No prximo captulo sero apresentados os principais mtodos e ferramentas utilizadas
na tentativa de melhorar as previses de venda no mercado avcola. A diminuio nos erros de
previso, alm de gerarem economia aos frigorficos, certamente, pode melhorar o nvel de
satisfao dos fornecedores e clientes de ordem primria da cadeia de produo.
36
3 MTODOS DE PREVISO DE DEMANDA
O objetivo deste captulo apresentar os mtodos utilizados na estruturao da
estratgia de previso de demanda de frangos para o mercado nacional, bem como apresentar
as caractersticas da lgica utilizada e o porqu da utilizao delas na estratgia.
O problema abordado neste trabalho diferenas entre as previses e a demanda real
no mercado de frangos um problema que afeta grande parte das empresas brasileiras. At
mesmo empresas que possuem certo domnio sobre seus mercados, como caso dos rgos
governamentais, monoplios estatais, etc., necessitam de informaes precisas, dentro do
possvel, de forma a melhorarem suas fases de planejamento.
A utilizao de mtodos de previso de demanda um bom indicador da preocupao
da empresa em tentar prever acontecimentos futuros. Dessa forma, a empresa pode preparar-
se, tanto defensiva quanto ofensivamente para os acontecimentos futuros.
Certamente, a utilizao de modelos de previso de demanda, com os quais os
planejadores podem fazer um acompanhamento do modelo, procurando identificar possveis
desvios de forma e corrigi-los, pode aumentar a confiabilidade dos resultados. O objetivo
deste trabalho a obteno de uma estratgia de previso para o mercado de frangos de corte,
que torne possvel ao planejador acompanhar o processo de previso, porm, deixando a
complexidade dos clculos matemticos a cargo do apoio computacional utilizado na para a
estratgia proposta.
A estratgia de previso proposta utiliza uma conjugao dos mtodos e modelos de
previso existentes, na tentativa de obter melhores resultados nas previses para o mercado de
frango de corte no pas.
3.1 Mtodos Baseados em Sries Temporais
Os mtodos baseados em sries temporais, utilizados na estratgia, so os seguintes:
mdia mvel, mdia exponencial mvel, tendncia linear, tendncia exponencial,
suavizamento exponencial e ndices de sazonalidade. Os mtodos so descritos a seguir.
37
3.1.1 Mdia Mvel
As tcnicas de previso, por mdia, fazem com que dados historicamente baixos,
combinem-se com dados historicamente altos, gerando uma previso mdia com menor
variabilidade que os dados originais. O mtodo da mdia mvel estabelece uma mdia dos
valores, normalmente os mais recentes, e com o passar do tempo novos valores so
introduzidos, descartando-se os mais antigos. A obteno da mdia pode ser feita pela
seguinte equao. (TUBINO, 2000)
n
DMm
n
ii
n
== 1 (3)
onde, Mmn = mdia mvel de n perodos;
Di = demanda ocorrida no perodo i;
n = nmero de perodos;
i = ndice do perodo (i=1, 2, 3, ...).
3.1.2 Mdia Exponencial Mvel
No mtodo da mdia exponencial mvel, a previso obtida atravs da ltima
previso, acrescida ou deduzida de uma parcela do erro cometido nesta previso diferena
entre o previsto e o demandado. A parcela do erro definida por um coeficiente de correo
(ponderao) alfa que definido pelo planejador, dentro de uma faixa que varia de 0 a 1
(percentual do erro). A equao a seguir apresenta esta situao (TUBINO, 2000):
( )111 --- -+= tttt MDMM a (4)
onde, Mt = previso para o perodo t;
Mt-1 = previso para o perodo t-1;
a = coeficiente de ponderao, assumindo valores entre [0-1];
Dt-1 - demanda do perodo t-1.
38
A mdia mvel e a mdia exponencial mvel tendem a ser melhores e mais fceis de
serem utilizadas no curto prazo, pois essas tcnicas precisam de poucos dados com resultados
mdios (DAVIS, 2001).
3.1.3 Tendncia Linear
A previso por tendncia linear parte do pressuposto que existe uma reta que ajusta a
tendncia evolutiva dos dados no tempo. Esta tendncia pode ser de crescimento ou de
decrescimento. A equao da tendncia pode ser obtida atravs do mtodo dos Mnimos
Quadrados, que um mtodo de regresso simples, aplicado anlise das sries temporais.
Neste mtodo a varivel independente o tempo (dias, semanas, meses ou anos), ou seja, a
varivel independente tem uma evoluo gradativa e os resultados (varivel dependente) esto
em funo do tempo e no como nas relaes causais, em que os resultados dependem das
variaes dos fatores associados a varivel dependente (ver Mtodos Baseados em
Relacionamentos Causais).
Para a determinao da reta de melhor ajuste - linha que minimiza as diferenas entre
a reta e cada ponto de uma seqncia de dados - pelo mtodo dos Mnimos Quadrados,
utiliza-se a seguinte equao - equao da reta. (LPEZ, 1999)
bXaY += (5)
Clculos matemticos definem as denominadas equaes normais, necessrias
determinao das variveis a e b da equao de uma reta a partir do sistema de equaes.
+= XbnaY
+= 2XbXaXY{ (6)
onde: Y = valor da demanda na reta de tendncia
a = valor inicial da reta de tendncia;
b = coeficiente angular da reta de tendncia;
39
n = nmero de pontos observados;
X = perodo de tempo.
Os valores necessrios resoluo das equaes normais, ou seja, SY, SX, SXY,
e SX2, so obtidos por aproximao tabular, dos valores X e Y.
3.1.4 Tendncia Exponencial
A tendncia exponencial ocorre quando a evoluo dos dados melhor representada
por uma curva do que por uma reta, em geral, efetua-se uma regresso simples no linear. As
regresses simples no lineares, geralmente, assumem a forma exponencial, podendo assumir
outras como a parablica e a polinomial. (LPEZ, 1999)
A forma exponencial representada pela funo exponencial:
XabY = (7)
Para determinao dos coeficientes a e b, pode-se utilizar o mtodo dos mnimos
quadrados com algumas modificaes nas equaes do sistema:
+= )(log)(log)log( 2 bXaXYX += )(log)(log)(log bXanY{ (8)
Os valores necessrios resoluo das equaes normais, da mesma forma que a
tendncia linear, so obtidos por aproximao tabular.
3.1.5 Suavizamento Exponencial
O mtodo suavizamento exponencial para a tendncia consiste em adicionar ao
mtodo da mdia exponencial mvel - equao (4) - uma estimativa da tendncia do erro, que
obtida atravs da seguinte equao (TUBINO, 2000):
))(( 1121 --- --+= ttttt TPPTT a (9)
40
Onde, Tt = previso da tendncia para o perodo t;
Tt-1 = previso da tendncia para o perodo t-1;
2a = coeficiente de ponderao da tendncia, assumindo valores entre [0-
1];
Pt = previso da demanda para o perodo t;
Pt-1 = previso da demanda para o perodo t-1.
3.1.6 ndices de Sazonalidade
As variaes sazonais ocorrem em intervalos regulares de tempo. A tcnica de
previso por sazonalidade procura determinar um coeficiente de variao de cada um dos
perodos do ciclo sazonal. Este valor obtido dividindo-se o valor da demanda no perodo
pela mdia mvel centrada neste perodo, onde o perodo que forma a mdia o ciclo sazonal
(Tubino, 2000).
Para os casos em que os dados apresentam sazonalidade e tendncia, h a necessidade
de incorporao destas duas tcnicas. O autor sugere empregar-se os seguintes passos:
- retirar o componente de sazonalidade da srie de dados histricos, dividindo-os
pelos correspondentes ndices de sazonalidade;
- com esses dados, desenvolver uma equao que represente o componente de
tendncia;
- com a equao da tendncia fazer a previso da demanda e multiplic-la pelo
ndice de sazonalidade.
A seguinte equao pode ser utilizada na obteno dos ndices de sazonalidade da
demanda em um perodo:
n
P
PIS n
ii
ii
=
=
1
(10)
41
onde, ISi = ndice de sazonalidade do perodo i;
Pi = valor demandado no perodo i;
n = nmero de perodos do padro sazonal.
O padro sazonal , ento, representado por [ISi, ISi+1, ...ISn].
Se no houver tendncia de aumento ou decrescimento, de um padro sazonal para os
seguintes, no h a necessidade de obteno dos ndices de sazonalidade, sendo o prprio
valor do perodo a previso para o prximo perodo do padro sazonal seguinte. No entanto,
se os dados srie de valores do perodo sazonal - apresentarem tendncia, h a necessidade
de incorporao das duas tcnicas tendncia e ndices de sazonalidade.
Segundo SLACK (1997), quase todos os produtos e servios possuem alguma
sazonalidade na demanda. Em alguns casos, esta sazonalidade se estende aos insumos,
principalmente quando estes so oriundos da agricultura sazonal. Estas flutuaes na demanda
podem ser razoavelmente previsveis, entretanto algumas so afetadas por variaes
inesperadas, como variaes climticas e fatores econmicos.
3.2 Mtodos Baseados em Relacionamentos Causais
As previses baseadas em relacionamentos causais ou correlaes, buscam determinar
a demanda de um produto com base nos valores de outra varivel que esteja relacionada com
o produto. O objetivo estabelecer um