Captulo 6 PREVISO DE DEMANDA

preciso haver um norte para que a administrao da produo possa trabalhar. A previso de vendas oferece este direcionamento. Existem quatro grandes modelos de previso de demanda amplamente utilizados pelas empresas: Os modelos qualitativos so, essencialmente, subjetivos e apropriados quando no existem dados histricos para serem analisados como base para a previso. Os principais modelos qualitativos de previso de demanda so: predio, opinies de executivos, mtodo Dephi, opinies da equipe de vendas, pesquisas de mercado e analogia com produtos similares. Os modelos de decomposio de sries temporais se baseiam no estudo estatstico da demanda acontecida no passado para projetar a demanda futura. Toda srie temporal pode ser analisada e decomposta em uma parte sistemtica, composta de nvel, tendncia e sazonalidade e outra parte aleatria. Dentre estes modelos tem-se: os modelos baseados na mdia (mdia mvel, ponderada ou com suavizao exponencial), que devem ser aplicados apenas a demandas que no apresentem tendncia ou sazonalidade e os modelos de regresso linear, utilizados para demandas que apresentam tendncia mas no apresentam sazonalidade. O modelo do ajustamento sazonal pode ser aplicado para sries temporais de demandas que apresentam nvel, tendncia e sazonalidade. Os trs modelos acima so conhecidos como modelos estticos de previso, pois assumem que as caractersticas de nvel, tendncia e sazonalidade so constantes ao longo do tempo. Quando estes ndices variam com o passar do tempo necessrio utilizar um modelo dinmico de previso. O modelo de Winter tem se destacado como bastante prtico e de larga utilizao, nestes casos. POSSVEL ACREDITAR EM PREVISES? Infelizmente, na maioria dos casos, os processos produtivos no so capazes de fornecer resposta

instantnea demanda, o que implica no fato que as empresas no podem comear a produzir apenas depois de o cliente manifestar seu interesse pelo produto (a no ser no caso de vendas sob encomenda). Por isso, a produo precisa ser acionada antes de se ter um conhecimento absoluto das quantidades e da variedade de produtos que sero solicitados pelos clientes, o que torna essencial a realizao de algum tipo de previso. Ainda assim, existe forte dose de ceticismo, principalmente nas pequenas e mdias empresas brasileiras, quanto possibilidade de se prever eficazmente a demanda, ou seja, quanto capacidade de se prever como vo se comportar as vendas. Alguns profissionais se equivocam ao comparar a dificuldade de realizar boas previses de demanda com a dificuldade de acertar a previso do tempo . O equvoco duplo, porque, ao contrrio do que pensam, o grau de acerto pode ser elevado, em ambos os tipos de previso, desde que se utilizem tcnicas adequadas e se respeite um horizonte temporal compatvel. Vai longe o tempo em que previses meteorolgicas, fruto de tecnologia inadequada da poca, no eram confiveis. H vrias dcadas que a artrite da vov deixou de ser referncia para previso de chuva. Tambm faz muito tempo que tcnicas estatsticas poderosas e de grande eficcia na previso de demanda foram desenvolvidas. Talvez seja interessante tratarmos da previso de demanda como previso de vendas. O assunto vendas est sob responsabilidade direta da rea comercial, que ainda a rea mais forte na maioria das empresas brasileiras. Em grande nmero de empresas, os profissionais da rea de vendas, infelizmente, no do grande importncia aos desafios enfrentados pela rea de produo para conseguir atender demanda aparentemente

flutuante e incontrolvel. Conta-se que, em certa ocasio, o diretor comercial de uma respeitvel empresa, ao ser cobrado pelo gerente de produo recm-contratado, que gostaria de ter uma previso de vendas mais detalhada, apontou pela janela do escritrio na direo de um cidado que passava na rua dizendo: pergunte isto para ele, ele quem faz a previso, no sou eu. Tambm no incomum se ouvir nas empresas o comentrio, desestimulador, de que se basear em previses o mesmo que dirigir um automvel olhando apenas para o espelho retrovisor, em uma aluso ao fato de que as previses se baseiam (tambm, mas no s) em dados histricos de vendas. Como se pode observar no destaque abaixo, de acordo com diversos autores, preciso haver um norte para que a administrao da produo possa trabalhar e a previso de vendas oferece este direcionamento. importante que as reas comerciais se responsabilizem (e sejam responsabilizadas) pela declarao de demanda anunciada, sem se refugiar demasiadamente no argumento da falta da bola de cristal. Em que pese a rea de produo ser uma atividade de apoio s vendas (ainda que fundamental!), a ela no pode ser atribuda culpa por vendas perdidas, atrasos na entrega, elevao do custo de produo e demais conseqncias de previses distorcidas ou da falta de previso. CONCEITO OU DEFINIO Segundo Chopra e Meindl (2003) a previso da demanda futura a base para todas as decises estratgicas e de planejamento em uma cadeia de suprimento. De acordo com Stevenson (2001) previses ajudam os gerentes a reduzir parte das incertezas permitindo-lhes desenvolver planos mais realistas. Uma previso uma declarao sobre o futuro. Chase et al (2006) afirmam que as previses so vitais para todas as organizaes e para cada deciso administrativa significativa. a base para o planejamento corporativo de longo prazo. Ritzman e krajewski (2004) argumentam que o planejamento eficaz da demanda do cliente um dos principais responsveis pelo sucesso da cadeia de suprimentos, que se inicia com previses precisas. Martins e Laugeni (2005), de forma semelhante aos demais autores declaram que a previso de vendas importante para utilizar as mquinas de maneira adequada, para realizar a reposio dos materiais no momento e na quantidade certa, e para que todas as demais atividades necessrias ao processo industrial sejam adequadamente programadas. PRINCIPAIS CUIDADOS COM AS PREVISES Os fatores responsveis pela demanda passada podem mudar Alguns mtodos de previso, como sero mostrados mais adiante, buscam encontrar uma tendncia de comportamento com base nas demandas anteriores. Desta forma, existe uma pressuposio de que as mesmas causas do comportamento da demanda passada vai se repetir no futuro. A previso de demanda baseada em fatos anteriores pode apresentar maiores ou menores distores, isto vai depender, principalmente, do tipo de produto com que a empresa trabalha e do grau de profundidade da mudana dos fatores que determinaram o comportamento da demanda passada. Alguns tipos de produto so mais suscetveis mudana dos fatores determinantes do comportamento, como, por exemplo, produtos do vesturio. Sua demanda muito dependente do fator clima, um inverno mais ameno do que o esperado pode ocasionar menor venda de roupas mais quentes, quebrando as previses de uma empresa do ramo txtil ou de confeco, que resolveu apostar em um frio mais rigoroso para a estao. Por outro lado, a previso de demanda de produtos de alimentao bsica apresenta maior imunidade a fatores externos. importante que a empresa conhea, da melhor forma possvel, quais so os fatores e o seu grau de influncia no comportamento da demanda. Com isto, ela capaz de preparar cenrios mais otimistas e mais pessimistas, decidindo sua estratgia e preparando-se para possveis contingncias (ou seja, as coisas no sarem como esperado). As simulaes de

demanda, como ser visto mais adiante, podem ser uma ferramenta bastante til para auxiliar no desenvolvimento da estratgia da empresa para o atendimento do mercado. Alguns fatores determinantes da demanda a serem considerados so: alteraes meteorolgicas, alterao da poltica de impostos, aes dos concorrentes como a mudana das caractersticas de preo, promoes de vendas no previstas, inflao, conjuntura econmica do pas, nvel de desemprego, proximidade de pocas eleitorais, lanamento de produtos ou matrias-primas substitutos no mercado e assim por diante. O erro de previso precisa ser conhecido As previses no so perfeitas, sempre haver um erro na previso e, portanto, fundamental que este erro seja medido, explicitado e avaliado. Quando as discrepncias forem alm do que se julga aceitvel, necessrio apurar as razes e atribuir responsabilidades, com o intuito de melhorar no futuro. Isto, infelizmente, raramente feito nas empresas brasileiras. As tcnicas de previso baseadas em modelos estatsticos permitem medir o grau de erro incorrido, mas para isto os dados de entrada devem ser criteriosamente coletados, analisados e criticados. A previso de demanda precisa ser feita por equipe especializada multidisciplinar, com treinamento e conhecimento no assunto. Lamentavelmente, no raro encontrar empresas que elaboram previses em reunies em que nenhum dos participantes conhece algum modelo bsico de previso. Economias nesta rea podem trazer conseqncias desastrosas para a empresa. preciso ser perfeccionista com relao s previses, esforando-se para que elas sejam cada vez mais fidedignas. Empresas que desistem de realizar previses por sentirem que no conseguem acertar podem estar aceitando uma perigosa acomodao das atividades comerciais que acarretaro em enorme estresse para as atividades de produo. O grau de agregao dos produtos deve ser adequado Quanto maior o grau de agregao dos produtos, mais precisa ser a previso da demanda. Por outro lado, uma previso de demanda altamente agregada, em pouco ou em nada auxilia o planejamento das atividades de produo. comum a previso, oriunda da rea comercial, mencionar a quantidade de produtos a ser vendida de forma na totalidade. O grau de acerto da quantidade total alto, porm, o grau de acerto das famlias e modelos, quando existe tal estimativa, se demonstra precrio. Por outro lado, uma previso rica demais em detalhes pode no ser necessria e, seguramente, no apresentar a preciso adequada. Assim, a equipe de previso deve procurar obter uma relao de compromisso em suas estimativas: no deve ser muito generalista, porque previso vaga com relao aos detalhes, embora seguras, no tem grande valor. Por outro lado, se for muito detalhista, tambm deixa de ser til porque dificilmente ser precisa. As previses de demanda so o insumo para o planejamento agregado da produo. Por isso, revises que no respeitem o detalhamento mnimo para permitir o planejamento agregado no tm valor significativo. A rea comercial deve concentrar esforos para realizar boas previses e, posteriormente, para vender o mix de produtos que foi definido no planejamento agregado, em funo de suas previses. No basta se contentar apenas em atingir as metas de vendas no que tange quantidade. fundamental que se venda aquilo que se produziu. O horizonte de tempo da previso deve ser adequado Quanto maior o horizonte da previso, menor a preciso obtida. Em outras palavras, quanto maior o tempo para o qual se deseja prever, mais difcil, seno impossvel se torna acertar. Quanto menor o horizonte de tempo da previso, maior ser a preciso obtida. Em geral, previses de curto prazo esto sujeitas a menos incertezas, da sua menor margem de erro. O tempo estipulado no plano de produo de cada empresa vai depender do grau de flexibilidade possvel para atender alteraes de demanda. Para se ter um exemplo, empresas do ramo metalrgico so, normalmente, incapazes de realizar grandes alteraes no planejamento de produo no prazo

de um ms, sem que isto cause grande impacto nos custos de produo. Outros negcios podem ser mais flexveis, podendo reprogramar a produo dos prximos dias, ou mesmo horas, sem grande inconveniente. As previses de demanda de longo prazo, de um a cinco anos geralmente, so altamente agregadas, com considervel margem de erro, e servem como apoio s decises do planejamento da capacidade da empresa em longo prazo, em carter estratgico. As previses de mdio prazo, com cerca de um ano em geral, tm menor ndice de agregao e vo servir para apoio s decises do planejamento agregado de produo. As previses de curto prazo com horizonte de tempo de cerca de um a trs meses, so mais precisas e possuem o maior ndice de desagregao possvel. nelas que se baseia o planejamento e a execuo das atividades de produo. A DISNEY E SUA VISO SOBRE A IMPORTNCIA DA PREVISO DE DEMANDA Uma operao que processa os prprios consumidores, como o caso da Disney, precisa saber, com a mxima preciso, qual ser a sua demanda, dia aps dia. Existem inmeros fatores que contribuem para que o nmero de visitantes seja bastante varivel ao longo do tempo, mas a maior parte desses fatores possui comportamento cclico ou sazonal, que pode ser modelado. A empresa investe muitos recursos em previso e planejamento por acreditar que respostas para perguntas do tipo: quantas pessoas viro?, quanto tempo vo ficar? e o que pretendem fazer enquanto estiverem aqui? so vitais para o seu negcio. Previses so feitas para os prximos 5 anos, dia a dia. Neste plano de 5 anos, so levadas em conta projees econmicas, questes demogrficas, feriados, calendrios escolares (de mais de 3000 escolas dos EUA) e histrico dos anos anteriores. Esta previso utilizada principalmente para definir grandes incrementos de capacidade nos parques, como a implantao de novos brinquedos principais. Uma previso mais detalhada feita com um ano de antecedncia, tambm com discriminao diria. Para esta previso, a tolerncia de 5%. Ou seja, se houver discrepncia superior a 5% entre o pblico que foi previsto h um ano para um determinado dia e o que realmente visitou o parque, as pessoas envolvidas na previso precisaro rever o seu modelo e, possivelmente, tero que se explicar para o chefe. Por fim, h previses de curto prazo e a verificao do que est ocorrendo na prtica. Todos os dias, s 11 horas da manh feita uma reunio da equipe de planejamento, j com os dados referentes ao nmero de pessoas que esto nos parques, para fazer os ltimos ajustes de capacidade para o dia. Mas prever com antecipao a quantidade de pessoas que vai visitar os parques em um determinado dia de nada adiantaria se a operao no dispusesse de flexibilidade para se ajustar s flutuaes da demanda, que pode variar em at 4 vezes entre um dia de grande movimento nas frias de vero e um dia calmo no meio do ano escolar. Em suas medies da satisfao dos clientes, a empresa percebeu que os visitantes ficam satisfeitos depois de terem experimentado, em mdia, 10 atraes em um dia. Como a capacidade instalada rgida, no curto prazo, isto , no possvel construir e colocar novas atraes em funcionamento da noite para o dia, importante fazer boas previses de demanda (forecasting) para o longo prazo. No curto prazo, importante decidir quais brinquedos sero paralisados para manuteno preventiva, e em que dias e horrios. Com base nas previses de demanda e na apurao do nmero de pessoas que passaram pelas catracas de entrada dos parques, a gerncia pode optar ainda por expandir o nmero de horas durante as quais os parques permanecero abertos em dias de movimento particularmente elevado, para permitir que as pessoas visitem mais atraes (ao menos as 10 que as deixaro satisfeitas) e saiam do parque com a sensao de que a experincia valeu a pena e justificou o dinheiro gasto com o ingresso.

Fonte: as informaes contidas neste texto, extrado de um artigo do Prof. Alexandre R. Graeml sobre as operaes da Disney, foram fornecidas por membros do staff daquela empresa durante o 12o Encontro Anual da Sociedade de Gesto da Produo e Operaes (Production & Operations Management Society), que se realizou em maro de 2001, na cidade de Orlando, na Flrida. Particularmente relevantes foram as palestras, coordenadas por Lee Cockerell, Vice-Presidente Executivo de Operaes da empresa: Forecasting in the Service Sector proferida por Mark Haskell, Gerente de Pesquisa do Walt Disney World; Service Standards and Measurement for Quality proferida por Brad Rex, Vice-presidente de Estratgias e Mtricas de Operao; The Walt Disney Company Supply Chain Activities proferida por Ken Mercer, Vicepresidente de Servios de Compras; Supply Chain Management at Walt Disney World proferida por Karl Holz, Vice-presidente do Epcot e Operaes. No transformar a previso de demanda em meta de venda ou produo Em muitas ocasies, pressionadas por resultados, tanto a rea comercial como a rea de produo confundem previso de demanda com meta de faturamento e meta de produo. A situao atual de constantes mudanas de cenrio j comporta incertezas suficientes para tornar difcil uma boa previso de vendas. Adicionar mais um fato, no caso uma meta a ser alcanada, torna a previso motivo de acirradas discusses sobre sua acuracidade. preciso que os gestores da rea comercial e da rea de produo separem devidamente o que meta do que previso e tenham coragem suficiente para aceitar e discutir as metas impostas pela alta administrao ou pela rea financeira. Apenas metas de vendas cuidadosamente estudadas, com planos de ao especficos para atingi-las, podero ser, se for o caso, incorporadas previso pela rea comercial. Caso contrrio, a rea de produo planejar e executar a produo de itens que ficaro encalhados por falta de demanda para eles. MTODOS DE PREVISO DE DEMANDA Existem vrios modelos de previso de demanda, amplamente divulgados na literatura. H quatro grandes grupos principais de modelos: Modelos qualitativos; Modelos de decomposio de sries temporais; Modelos de previso causais; e modelos de simulao de demanda.

Muitos autores classificam os trs ltimos modelos como pertencentes a uma categoria maior denominada modelos quantitativos. Na prtica, pode ser difcil para as empresas se decidir por um ou outro modelo. Como nenhum modelo completo e todos apresentam vantagens e desvantagens, na prtica as empresas buscam a utilizao de diversos deles conjuntamente. Tambm importante observar que os modelos utilizados tambm no so estveis. A confrontao das previses de demanda com as vendas efetivamente realizadas, ao longo do tempo, contribui para que a empresa v desenvolvendo o melhor composto de modelos a ser adotado para suas previses futuras. MODELOS QUALITATIVOS Os modelos qualitativos so, essencialmente, subjetivos. Estes modelos podem ser apropriados quando no existem dados histricos a serem analisados como base para a previso. Geralmente dependem de profissionais e especialistas com larga experincia de mercado. As tcnicas de previso, por meio de dados qualitativos, baseados no julgamento de dados subjetivos, fogem do escopo deste livro e da administrao da

produo propriamente dita. Modelos qualitativos de previso de demanda so ampla e minuciosamente descritos na literatura da rea de marketing. A seguir, dada uma descrio, de forma bastante concisa, dos modelos qualitativos mais citados na literatura: Predio Na verdade no se trata de um mtodo cientfico, mas sim de um processo para a determinao de um acontecimento futuro com base em dados completamente subjetivos, de natureza altamente duvidosa. uma aposta no futuro, com grande risco e sujeita sorte. A predio faz parte do estilo empreendedor e , muitas vezes, interpretada como viso ou feeling. O empreendedor visionrio parece dominar a tcnica da predio, enxergando oportunidades de demanda incapazes de serem percebidas pelos mtodos tradicionais. PREDIO: PREMONIO DE DEMANDA? Certa vez uma empresa de confeces, detentora de um marca de potencial, aps reestruturao societria com grande aporte de capital, decidiu triplicar sua produo de um ms para outro, com base apenas no sentimento eufrico de crescimento. A empresa nunca tinha produzido mais que 20 mil peas mensalmente. De uma hora para outra, se viu produzindo 60 mil peas. Foi criado um turno de produo adicional e contratados os servios de 12 empresas de servio de confeco, conhecidas como faco neste ramo, tudo de um ms para o outro. A demanda acabou no se confirmando e a empresa amargou srias dificuldades. Opinies de executivos So previses baseadas no julgamento e opinio de um pequeno grupo de executivos de alto nvel, geralmente ligados s reas comercial, financeira e de produo. preciso cuidar para que a previso no seja mais uma vez confundida com meta de vendas ou de faturamento a ser alcanado. A previso pode no ser o consenso do grupo, mas a opinio de quem detm o maior nvel hierrquico, experincia, ou fora de persuaso. Outro problema com este tipo de previso que pode ocorrer a diluio da responsabilidade pela previso. importante perceber que este mtodo til quando no se tm dados histricos anteriores de demanda. Muitas reunies para planejamento de vendas nas organizaes podem dar a impresso de se basearem exclusivamente na opinio dos executivos, mas, na verdade, a previso advm da mdia mvel de vendas, utilizada com menor formalidade e ajustada pela opinio dos envolvidos. Talvez seja esta a metodologia mais utilizada para previso de demanda nas pequenas e mdias organizaes brasileiras, conforme ser discutido mais adiante. Mtodo Delphi O mtodo tem seu nome em homenagem ao orculo de Delfos na Grcia, tendo sido criado pela Rand Corporation, em 1948. Desde sua criao, o mtodo tem sido utilizado para uma srie de situaes, nem sempre apenas relacionado com a previso de demanda. A essncia do mtodo consiste em fazer com que as opinies sobre determinado assunto, no caso especifico a previso de demanda, no sejam influenciadas pela opinio do grupo. Quando se discute a previso de demanda em uma reunio com vrios participantes, existe a tendncia de prevalecer a opinio dos que so mais extrovertidos, que possuem maior poder hierrquico, ou que, por natureza, tm personalidade mais forte. A opinio do grupo acaba sendo muito influenciada pelo poder de persuaso de alguns poucos. O mtodo Delphi procura eliminar este tipo de interferncia comum nas decises que envolvem diversas pessoas. A metodologia, de forma bastante resumida, consiste nos seguintes passos: 1. Prope-se ao grupo, a discusso de um assunto, no caso especifico a previso de demanda. A escolha correta dos membros que vo participar do processo est diretamente ligada qualidade do resultado obtido ao final. 2. As opinies so coletadas de forma sigilosa, atualmente por meio de questionrios respondidos por email, ou outra forma similar, sem que um membro saiba a opinio do outro. Os membros podem, inclusive, estar

sediados em diversas localidades distantes umas das outras. importante que cada membro tenha confiana no sistema para dar seus pareceres legtimos, livres de presso por resultados ou qualquer outra interferncia. 3. Um coordenador do processo recebe todas as informaes, faz uma tabulao dos dados obtendo um primeiro resultado tratado estatisticamente. 4. O resultado enviado para os membros para que possam reavaliar sua opinio, se considerarem adequado, em funo dos argumentos dos demais, apresentados de forma agregada. O processo repetido inmeras vezes at que se obtenha o grau de convergncia desejado das opinies. A poltica parte integrante do convvio social. Existe em qualquer organizao e a opinio exposta em pblico nem sempre a mesma que o profissional exprimiria, se estivesse protegido pelo anonimato, ou se no estivesse sobre a influncia de colegas mais persuasivos. Para se perceber como as pessoas se comportam de forma diferente, quando precisam emitir suas opinies em pblico de quando podem faz-lo de forma velada, basta ver o que acontece no Congresso Nacional, quando os deputados e senadores realizam votaes abertas e quando realizam votaes fechadas. Opinies da equipe de vendas Este mtodo consiste em solicitar diretamente fora de vendas que fornea a estimativa de vendas em cada uma das regies de atuao. Estas estimativas so agregadas em um composto que passa a representar a previso global de vendas. De forma geral, a equipe de vendas composta por: gerentes e supervisores de vendas, representantes comerciais, prepostos de representantes, vendedores etc. necessrio, mais uma vez, que a empresa tenha o cuidado de evitar a manipulao de previses. A previso estabelecida independentemente pelos diversos membros da equipe de vendas normalmente acaba sendo transformada em meta de vendas. A experincia demonstra duas tendncias de comportamento que originam vieses, quando adotada esta forma de previso: um possvel comportamento, por parte do quadro de funcionrios da empresa, subestimar as previses como forma de se proteger de metas audaciosas que possam vir a ser impostas em decorrncia de previses otimistas; um outro possvel comportamento, tpico de representantes comerciais, superestimar as vendas, para garantir que no faltem mercadorias, caso as vendas sejam boas, principalmente considerando-se que quem vai amargar o prejuzo dos estoques encalhados, no caso de o cenrio favorvel no se configurar, ser a empresa e no os seus canais de venda. Pesquisas de mercado Esta metodologia imprescindvel para a colocao de um novo produto no mercado. Uma pesquisa qualquer investigao organizada executada para se obter informaes para soluo de problemas. Ela proporciona informaes sistematizadas capazes de orientar as decises, podendo envolver estudos informativos, descritivos, explanatrios ou preditivos. A pesquisa de mercado uma pesquisa preditiva para levantar a inteno de compra diretamente do mercado consumidor. Trata-se de um estudo sistemtico que deve seguir determinadas regras estatsticas. A literatura da rea de marketing costuma tratar este assunto com a abrangncia e profundidade necessrias, discorrendo tambm sobre as limitaes e cuidados que devem ser observados. Algumas das principais limitaes decorrem de que as pesquisas de mercado se tratam de intenes de compra, que nem sempre se concretizam no futuro. Tambm preciso considerar a influncia das promoes de marketing e a fase do ciclo de vida do produto. Em outras palavras, a demanda inicial, pelo poder de influncia de campanhas de marketing e a novidade do produto, pode no se manter aps certo perodo a partir do seu lanamento. Um exemplo disto, vivenciado por um dos autores, aconteceu em uma dada empresa do ramo alimentcio que, aps vrias pesquisas encomendadas, lanou no mercado um novo biscoito tipo wafer com sabor de goiaba. As vendas iniciais foram timas, porm, declinaram abruptamente passada a fase de experimentao do pblico consumidor.

Analogia com produtos similares Uma forma bastante utilizada para o lanamento de um produto buscar dados histricos de vendas de produtos similares, quando estes existem. Neste caso, deve-se atentar para o grau de similaridade do produto de comparao. MODELOS DE DECOMPOSIO DE SRIES TEMPORAIS Estes modelos so amplamente utilizados e se baseiam no estudo da demanda acontecida no passado para projetar a demanda futura. Naturalmente, so vlidos apenas para produtos j existentes e cujo histrico de vendas fornea dados suficientes para a realizao da projeo. Estes modelos so mais adequados quando j se atingiu um padro estvel de demanda e o produto se encontra na fase de maturidade do seu ciclo de vida em que o padro de consumo no sofre variaes significativas de um perodo para outro. Por questes de sazonalidade, costuma-se adotar perodos de um ano, neste tipo de anlise. Apesar de no ser perfeito (lembrese que nenhum mtodo de previso infalvel), o uso de sries temporais considerado um bom ponto de partida para auxlio nas estimativas de demanda futura. Mas como o futuro cada vez mais incerto e mutvel, mtodos que se apiam demais no desempenho passado devem ser utilizados em conjunto com outros modelos de previso. Afinal, no esto de todo errados aqueles que criticam previses baseadas unicamente no passado, afirmando que como dirigir um carro olhando apenas para o retrovisor, conforme se falou no incio do captulo. Uma srie temporal de demandas passadas geralmente pode apresentar quatro componentes ou caractersticas: Nvel: o nvel da demanda traduz um patamar do volume de vendas da srie temporal das demandas passadas, desconsiderando variaes de sazonalidade e variaes aleatrias. O componente de nvel pode se apresentar estacionado ou estar sofrendo alterao ao longo da srie temporal que est sendo interpretada. Tendncia: os dados histricos, representados pela demanda ocorrida em cada perodo, podem apresentar uma tendncia crescente, estabilizada ou decrescente. A tendncia pode apresentar forma linear ou no linear. importante entender bem a distino entre o nvel e a tendncia da demanda, para se poder realizar previses. Sazonalidade: a sazonalidade de uma demanda representa um padro de variao que se repete com o passar do tempo, podendo ser interpretado e previsto. No so variaes aleatrias e sim um padro repetitivo. A demanda de determinados produtos pode apresentar pouca, ou nenhuma, sazonalidade. Produtos como arroz, feijo, farinha e artigos de higiene, por exemplo, apresentam demanda pouco influenciada pela poca do ano. Brinquedos, cobertores, agasalhos etc., so exemplos de produtos muito mais suscetveis s influncias de determinados perodos. Alguns autores se referem a sazonalidade com a denominao de ciclicidade, preferimos adotar outro significado para o termo conforme ser visto mais adiante. Aleatoriedade: devido a numerosos fatores, a demanda apresenta componentes aleatrios, que no podem ser previstos pelos modelos de previso. Porm, possvel comparar o erro que existe entre o modelo de previso construdo e a demanda passada realmente ocorrida. Por meio da avaliao deste erro, estatisticamente possvel prever o erro esperado da aplicao do modelo quando feita uma projeo para o futuro. Um bom mtodo de previso de demanda vai apresentar um erro estatstico comparvel caracterstica de aleatoriedade da demanda, permitindo que se tenha uma noo da dimenso desta variabilidade. Em resumo, tem-se que toda srie temporal pode ser analisada e decomposta em uma parte sistemtica, composta por nvel, tendncia e sazonalidade, e outra parte no sistemtica composta pela aleatoriedade. A Figura abaixo ilustra a decomposio de uma srie temporal.

Decomposio de uma srie temporal de demanda MODELO DA MDIA MVEL SIMPLES A mdia mvel simples facilmente calculada. Ela consiste na mdia aritmtica dos n ltimos perodos da demanda observada. A frmula 1 representa o clculo da previso da demanda por meio da mdia mvel simples. Frmula1 Previso de demanda pela mdia mvel simples.

importante observar que, quanto maior o valor de n, maior ser a influncia das demandas mais antigas sobre a previso. Por isso, na prtica, muitas vezes se realiza o clculo da mdia mvel simples incluindo apenas os 3 ltimos perodos O modelo de previso de demanda da mdia mvel simples o mais elementar dentre os modelos de previso quantitativos e deve ser aplicado apenas para demandas que no apresentem tendncia ou sazonalidade, em outras palavras, em situaes em que a demanda observada no passado apresente pouca variao em seu comportamento, no havendo crescimento ou diminuio ao longo do tempo, tampouco flutuaes peridicas. Este tipo de demanda ocorre para produtos em sua fase de maturidade, do gnero de alimentao bsica, como arroz, feijo, macarro, sal etc., ou produtos de higiene bsica como sabo, sabonetes, dentifrcios etc. Cabe lembrar que tais exemplos no constituem regra. A demanda pode ser afetada por fatores externos como promoes de vendas, aes da concorrncia, panorama econmico, alm de outros, que no devem ser desconsiderados e precisam ser includos na anlise para a previso. O Quadro abaixo, apresenta como exemplo, a demanda de dois produtos ao longo dos ltimos doze meses. Apesar da mdia das vendas dos ltimos doze meses dos dois produtos serem iguais, o produto A apresenta maior variao na demanda que o produto B, como se pode perceber analisando-se o valor dos desvios padro e os respectivos grficos da Figura 2 e da Figura 3. Demandas dos produtos A e B

Quadro 1

Figura 2 Grfico de vendas do produto A

Figura 3 Grfico de vendas do produto B Significado do desvio padro: enquanto a mdia aritmtica uma medida de tendncia central de uma srie de dados, o desvio padro fornece a mdia dos afastamentos dos dados em torno desta mdia. A frmula 2 fornece o clculo da mdia e do desvio padro: Frmula 2 Clculo da mdia e do desvio padro.

O desvio padro uma das medidas mais comumente usadas para distribuies, e desempenha papel relevante em toda a estatstica. Cabe notar que a unidade do desvio padro a mesma da mdia. (Stevenson, 2001, p.30) Quanto maior o desvio padro da seqncia da demanda real observada, maior ser a amplitude do erro de previso, ao se utilizar o mtodo da mdia mvel simples, uma vez que o desvio padro da srie est diretamente ligado ao comportamento aleatrio da demanda. Se forem utilizados todos os doze meses para realizar a previso para o prximo ms, adotando-se o mtodo da mdia mvel simples, obtm-se 244 unidades, para ambos os produtos. O fato de a demanda do produto A apresentar um desvio padro menor para a mdia significa que existe menos variao na srie temporal da demanda por esse produto. Uma deciso que pode ser tomada, em funo da diferena de magnitude do desvio padro, neste caso, manter um estoque de segurana maior para o produto B e um estoque de segurana menor para o produto A. Clculo dos erros de previso Toda demanda sempre possui um componente aleatrio. Este comportamento aleatrio pode ser captado, conforme foi dito anteriormente, por meio da medio dos erros de previso. Em outras palavras, um bom modelo de previso capta o comportamento sistemtico da demanda e indica o comportamento aleatrio pela amplitude do erro. A medida dos erros tambm faz parte do resultado da previso e fundamental por duas razes: Os erros demonstram o quanto o modelo de previso utilizado adequado: conforme j mencionado, a aplicao do modelo de previso s demandas passadas observadas permite estimar as variaes ocorridas entre a demanda real e a demanda estimada pelo modelo. Quanto menor o erro, melhor a captao do componente sistemtico da demanda pelo modelo de previso. Se o acompanhamento sistemtico dos erros de previso, medida que as demandas reais vo sendo obtidas se mantiverem compatveis com as estimativas histricas, tem-se um indicativo de que o modelo de previso adotado continua vlido; Os erros de previso so importantes para o planejamento logstico: a estimativa da amplitude dos erros de previso, representada principalmente pelo seu desvio padro, aliada ao nvel de servio ao cliente que a empresa pretende oferecer vo determinar o volume dos estoques de segurana necessrios. Quanto maior a variao aleatria da previso de demanda (maior o desvio padro), maior dever ser o estoque de segurana para manter o mesmo nvel de servio no atendimento ao cliente. As caractersticas dos erros de previso mais importantes de serem acompanhadas so: sua amplitude e a tendncia de vis. Clculo da mdia mvel simples utilizando o Excel A seguir, utilizaremos uma planilha eletrnica para exemplificar a previso de demanda pelo modelo da mdia mvel simples. A Figura abaixo mostra uma planilha montada no Excel com os clculos necessrios para a previso de demanda baseada no modelo da mdia mvel simples.

Figura 4 Previso de demanda pela mdia mvel simples Entrada de dados: na coluna A3:A15 foram digitados os nmeros dos perodos, considerando o primeiro perodo como o perodo nmero um. Os perodos de um a 12 possuem demanda ocorrida conforme apresentado nas clulas B3:B14, o perodo 13 aquele cuja previso de demanda se deseja obter. Previso: para obter a previso de demanda pelo modelo da mdia mvel simples, digite a frmula =MDIA(B3:B5) na clula C6 e arraste (copie) para todas as clulas do intervalo C6:C15. Desta forma se obtm os valores previstos pelo modelo das demandas j ocorridas (perodos quatro a 12) e a demanda prevista para o perodo 13. a tabela de previso para o produto B montada de forma anloga tabela para o produto A. Amplitude dos erros A amplitude dos erros indica o tamanho da variao aleatria. So vrias as formas de mensurar e acompanhar a amplitude dos erros de previso. Talvez a forma mais popular seja comparando-se o desvio padro da srie das demandas observadas com o desvio padro da previso da demanda. Para encontrar o desvio padro de um modelo de previso, os seguintes passos e clculos devem ser feitos: Clculo do erro simples: o erro simples de previso a diferena entre a demanda real e a demanda prevista. Na planilha Excel, conforme mostrado na Figura 0, digite a frmula =B6-C6 na clula D6 e copie para todas as clulas da faixa D6:D14, arrastando com o mouse. Frmula 3 Erro simples de previso

Clculo do erro absoluto: o erro absoluto dado pelo mdulo do erro simples (desconsiderando o sinal). Digite a frmula =ABS(D6) na clula E6 e arraste para as clulas E6:E14. Frmula 4 Erro absoluto de previso

Clculo de desvio mdio absoluto: representa a mdia acumulada dos erros absolutos dos ltimos perodos. Para calcular o desvio mdio absoluto, digite a frmula =MDIA($E$6:E6) na clula F6 e arraste para todas as clulas da faixa F6:F14. O desvio mdio absoluto resultante o apresentado na clula F14, pois

representa a mdia dos doze perodos em que o modelo de previso se baseou (na verdade utilizam-se dados de nove perodos, porque no havia dados para calcular a mdia mvel simples para os perodos 1, 2 e 3). Frmula 5 Desvio mdio absoluto

Clculo do desvio padro dos erros da previso: desde que o componente aleatrio da demanda seja distribudo normalmente, o desvio padro dos erros de previso definido pela frmula 7.6. Para calcular o desvio padro resultante, digite a frmula =DESVPAD(D6:D14) na clula F17, conforme ilustrado na Figura 1. importante ressaltar que este desvio padro representa o desvio da diferena entre a demanda ocorrida e a demanda prevista atravs do modelo, o que diferente do desvio padro da srie de demandas observadas mencionado anteriormente. Frmula 6 Desvio padro da previso

Tendncia de vis O erro de vis ocorre quando as variaes da demanda efetivamente ocorridas, quando comparadas com as previses, apresentam um comportamento estatisticamente no aleatrio. Em outras palavras, as diferenas aparecem tendenciosamente para cima ou para baixo dos valores reais de uma srie temporal, o que pode indicar que a previso da demanda est sendo consistentemente otimista ou pessimista demais. Para acompanhar a ocorrncia de vises de previso, digite a frmula =SOMA($D$6:D6)/F6 na clula G6 e arraste para as clulas da faixa G6:G14, conforme ilustrado na Figura 1. Frmula 7 Erro de vis

O valor da tendncia de vis (TS) encontrado para cada perodo deve permanecer entre -4 e +4 (alguns autores admitem variao entre -6 e +6). Valores superiores ou inferiores indicam que h uma grande probabilidade de estar acontecendo erros de vis. A causa do erro de vis deve ser analisada e identificada para cada perodo ou intervalo de perodos em que isto aconteceu. O ideal colocar os valores da tendncia de vis em um grfico para melhor visualizao, conforme feito na Figura 5.

Figura 5 Grfico de acompanhamento de vis

A aplicao do modelo da mdia mvel simples para o produto A resultou em um desvio padro das previses de 32,6 unidades do produto. Os ndices de vis variaram entre 1,81 e + 1,39. Estes valores demonstram que a aplicao deste mtodo de previso para o produto A estatisticamente satisfatria. Por outro lado, a aplicao do modelo da mdia mvel simples para o produto B resultou em um desvio padro das previses de 168,2 unidades de produto. Os ndices de vis variaram entre 2,00 e + 4,86. Estes valores demonstram que a aplicao deste mtodo de previso para o produto B no estatisticamente satisfatria. Por meio dos grficos da Figura 2 e da Figura 3 fcil perceber que a srie de demandas do produto B apresenta tendncia de crescimento e ciclos de sazonalidade, o que contra indica a utilizao deste modelo. MODELO DA MDIA MVEL PONDERADA O modelo de previso de demanda pela mdia mvel ponderada uma variao da mdia mvel simples, que tambm deve ser aplicado apenas para entre este modelo e o da mdia mvel simples que agora se considera um peso maior para o ltimo perodo de demanda, um peso ligeiramente menor para o penltimo perodo e assim por diante at o ltimo perodo que se v utilizar para a estimativa. Em outras palavras, os valores da demanda dos perodos mais prximos, so considerados mais importantes, na definio da estimativa que os perodos mais distantes. Normalmente se utiliza a soma dos pesos igual a um, para que no seja necessrio dividir o resultado pela soma dos pesos. A frmula 8 demonstra o clculo da mdia mvel ponderada. Frmula 8 Clculo da mdia mvel ponderada

Quanto maiores os pesos atribudos aos ltimos perodos, maior ser sua influncia na previso da demanda. Considerando uma mdia mvel ponderada para os ltimos trs perodos com pesos 0,6; 0,3 e 0,1, o clculo da previso de demanda dos produtos A e B para o perodo 13 no exemplo do Quadro 1 o seguinte:

Clculo da mdia mvel ponderada no Excel A seguir, ser apresentada a previso de demanda pelo modelo da mdia mvel ponderada, utilizando-se uma planilha do Excel.

Figura 6 Planilha de clculo da mdia mvel ponderada A planilha montada com a mesma seqncia dos passos utilizada para a montagem da planilha da Figura 4, com apenas uma alterao da forma de clculo da previso, conforme explicado a seguir. Clculo da previso da demanda: na clula C6 digite a frmula =$D$22*B3+$D$21*B4+$D$20*B5 e arraste para todas as clulas da faixa C6:C15. As clulas D20, D21 e D22 contm os valores das ponderaes que se deseja utilizar. Colocando-se os pesos em clulas separadas permite que se realizem simulaes com diferentes pesos para verificar sua influncia sobre as previses e os erros encontrados. Ao variar a ponderao, deve-se procurar diminuir o desvio padro da previso e os erros de vis obtidos. Porm, como se tm trs variveis, o nmero de combinaes possveis absurdamente alto. Utilizao de programao linear na definio dos pesos possvel utilizar programao linear (ferramenta Solver do Excel) para determinar quais os valores de ponderao produzem o menor desvio padro para a previso. A partir do menu ferramentas, selecione solver. A caixa de dilogo ilustrada na Figura 7 aparecer. Defina a clula de destino como sendo a clula F17 e ative a opo Min. Isto far com que o Excel procure o menor valor possvel para o desvio padro da demanda. Defina como clulas variveis as clulas D20, D21 e D22, que so, respectivamente, os valores das ponderaes dos trs ltimos perodos.

Clique em resolver. A soluo encontrada aparece na Figura 8.

Figura 7 Caixa de dilogo Solver do Excel MMP

Figura 8 Determinao dos pesos da mdia mvel ponderada utilizando o Solver do Excel Produto A

Figura 9 Determinao dos pesos da mdia mvel ponderada utilizando o Solver do Excel Produto B

A anlise dos resultados permite concluir: Para a demanda do produto A: a soluo do Solver amplificou o peso do antepenltimo ms, demonstrando que a srie no tem tendncia e os pesos dos meses iniciais devem ser considerados para o clculo da melhor mdia de previso. Isto tambm pode sugerir a vantagem de incluir mais perodos no clculo da mdia mvel. O valor do desvio padro da demanda apresentou leve diminuio e as tendncias de vis aumentaram, variando de -3,00 a + 2,30, o que tambm indica que mais perodos podem ser includos. Em outras palavras, ambos os modelos so vlidos para o produto A, porm o primeiro modelo, da mdia mvel simples parece melhor se adequar srie de demandas; Para a demanda do produto B: a aplicao da mdia mvel ponderada diminuiu o desvio padro, porm o modelo no adequado, uma vez que o desvio padro dos erros de previso continua elevado e apresenta elevada tendncia de vis. Isto ocorre devido srie de demandas possuir ntida tendncia de crescimento e sazonalidade. MODELO DA MDIA MVEL COM SUAVIZAO EXPONENCIAL SIMPLES O modelo de previso de demanda baseado na mdia mvel com suavizao exponencial uma variao da mdia mvel ponderada que tambm deve ser aplicado apenas para demandas que no apresentem tendncia nem sazonalidade. Adota-se um peso de ponderao que se eleva exponencialmente quanto mais recentes so os perodos, a frmula 9 demonstra o clculo da mdia mvel com suavizao exponencial simples. Frmula 9 Clculo da mdia mvel com suavizao exponencial simples

O valor da constante de suavizao () varia entre zero e um. Quanto maior o valor de , menor ser a influncia da demanda real do ltimo perodo na previso de demanda. (1- ) a taxa exponencial com que vai cair a influncia dos dados histricos de demanda, ou seja, (1- ) para o ltimo ms; (1- ) para o penltimo ms; (1 ) para o antepenltimo ms e assim por diante. Convm ressaltar que a atribuio do valor um para o coeficiente _ vai gerar os mesmos resultados obtidos no modelo da mdia mvel simples. Considerando uma mdia mvel para os ltimos trs perodos e um valor arbitrrio de = 0,1; o clculo da previso de demanda dos produtos A e B para o perodo 13 do exemplo apresentado no Quadro Abaixo realizado da seguinte forma:

Clculo da mdia mvel com suavizao exponencial no Excel A seguir, ser explicada a previso de demanda pelo modelo da mdia mvel com suavizao exponencial, com a utilizao de uma planilha Excel.

Figura 10 Previso de demanda com suavizao exponencial simples A planilha montada com a mesma seqncia dos passos utilizada para a montagem da planilha da Figura 4, com apenas uma alterao da forma de clculo da previso, conforme explicado a seguir. Clculo da previso da demanda: Digitar na clula C6 a frmula =$D$20*MDIA(B3:B5)+(1-$D$20)*B5 e arraste para todas as clulas da faixa C6:C15. A clula D20 contm o valor do coeficiente que se deseja utilizar. Criando-se uma clula isolada para o coeficiente fica mais fcil para realizar simulaes e verificar a influncia da variao de valores atribudos ao coeficiente sobre a qualidade da previso. Deve-se variar _ buscando diminuir o desvio padro das previses e realizando o acompanhamento dos vises encontrados. Utilizao de programao linear na definio de Neste caso tambm possvel utilizar a programao linear para determinar o valor de que produz o menor desvio padro das previses. A partir do menu ferramentas selecione solver. Defina a clula de destino como F17 e ative a opo Min, para que seja calculado o menor valor possvel para o desvio padro das demandas. Defina como clula varivel a clula D20, que contm o valor de .

Clique em resolver. A soluo encontrada aparece na Figura 11 e na Figura 12.

Figura 11 Determinao do fator utilizando o Solver do Excel Produto A

Figura 12 Determinao do fator utilizando o Solver do Excel Produto B A anlise dos resultados permite concluir: Para a demanda do produto A: a soluo do Solver determinou = 1, transformando o modelo de suavizao exponencial em um modelo de mdia mvel simples. Isto demonstra que os meses iniciais devem ser considerados para o clculo da previso, o que sugere a incluso de mais perodos no clculo da mdia mvel. Ambos os modelos so vlidos para o produto A; Para a demanda do produto B: a soluo do Solver tambm determinou = 1, transformando o modelo de suavizao exponencial em um modelo de mdia mvel simples, o qual j foi analisado anteriormente, tendo sido considerado inadequado. Isto ocorre porque, como j foi dito antes, a srie de demanda apresentada pelo produto B possui ntida tendncia de crescimento e sazonalidade, o que torna inadequado o uso dos modelos de mdia mvel. Os modelos de previso de demanda baseados na mdia mvel simples, ponderada e com suavizao exponencial so os modelos mais simples de previso de demanda e devem ser aplicados apenas para produtos cuja demanda no apresente tendncia ou sazonalidade. Alm disto, estes modelos no so capazes de lidar com aleatoriedade muito severa, que pode ser detectada a partir de desvios padro elevados. Apesar de, primeira

vista, parecerem modelos simples demais, eles so largamente utilizados, de maneira formal ou intuitiva nas organizaes, justamente pela facilidade de clculo e entendimento. MODELO DOS MNIMOS QUADRADOS OU REGRESSO LINEAR O modelo de previso de demanda dos mnimos quadrados um pouco mais elaborado, podendo ser aplicado a sries temporais de demandas que apresentam tendncia, mas no apresentam sazonalidade. Demandas desta natureza podem ser representadas, por exemplo, por produtos que se encontram na fase de crescimento (tendncia crescente) ou em fase de declnio (tendncia decrescente), dentro do seu ciclo de vida. O mtodo utiliza a teoria dos mnimos quadrados para promover uma regresso linear que determina a equao da reta que melhor representa os valores da demanda passada. A partir desta equao, so extrapoladas as projees para o futuro. A reta obtida pelo mtodo dos mnimos quadrados a reta que minimiza a somatria das distncias entre cada valor de demanda ocorrida e a prpria reta. O Quadro Abaixo e a Figura 13 apresentam um exemplo de demanda com comportamento de tendncia crescente que pode ser prevista pelo modelo de regresso linear. Exemplo de demanda com tendncia crescente A2

Figura 13 Modelo de regresso linear A previso da demanda obtida por meio da equao da reta, que leva em considerao o nvel e a tendncia das demandas passadas, como pode ser visto na frmula 10. Frmula 10 Demanda com nvel e tendncia

Os coeficientes a e b da equao da demanda so calculados por meio da frmula 11 Frmula 11 Coeficientes da equao da regresso linear

Os clculos dos valores dos componentes da equao da demanda podem ser realizados com o auxlio de uma planilha. A seguir ser calculada a equao e realizada a previso de demanda para os meses de novembro e dezembro, para os dados do exemplo apresentado anteriormente no Quadro A2. O Quadro A3 demonstra a construo da planilha e a metodologia de clculo. Quadro A3 Mtodo dos mnimos quadrados

Nota: Cabe observar que no existe relao nenhuma entre os meses considerados e o nmero do perodo correspondente. Neste exemplo, o ms de janeiro correspondeu ao perodo 1, fevereiro ao perodo 2 e assim por diante, por mera coincidncia.

A partir da equao da reta obtida por regresso linear obtm-se as previses de demanda para os perodos 11 e 12, da seguinte forma:

Clculo da equao de regresso linear para previso utilizando o Excel Uma planilha Excel permite calcular facilmente os valores dos coeficientes a e b, utilizando-se a ferramenta de anlise de dados e regresso linear. A planilha montada com a mesma seqncia de passos utilizada para a montagem da planilha da Figura 4, com apenas uma alterao da forma de clculo da previso, conforme explicado a seguir. Clculo da previso da demanda: Digite a frmula =$C$16+$C$17*A2 na clula C2 e arraste para todas as clulas da faixa C2:C13. As clulas C16 e C17 contm os valores dos coeficientes (a) e (b), respectivamente, que foram encontrados utilizando-se a ferramenta de regresso linear do Excel.

Figura 14 Previso de demanda por regresso linear Clculo dos coeficientes a e b da regresso linear: a regresso linear uma ferramenta para calcular os valores do coeficiente de nvel a e do coeficiente de tendncia b. Para obter esses coeficientes, basta clicar em ferramentas, selecionar anlise de dados e escolher regresso linear, a partir da caixa de dilogo. Outra caixa de dilogo vai aparecer, conforme mostra a Figura 15. Selecione as clulas $B$2:$B$11 para o intervalo Y de entrada e as clulas $A$2:$A$11 para o intervalo X de entrada.

Figura 15 Parmetros da regresso linear

Aps realizar esta parametrizao, clique OK e uma nova planilha com os resultados da regresso linear ser gerada, conforme a Figura 16. O valor denominado interseo da clula B17 representa o coeficiente de nvel (a) e o valor denominado varivel X1 da clula B18 representa o coeficiente de tendncia (b).

Figura 16 Resultados da regresso Utilizao da funo PREVISO( ) do Excel para calcular diretamente uma estimativa O Excel possui uma funo pr-definida para o clculo direto de um valor futuro, com base em valores conhecidos do passado, utilizando regresso linear. Trata-se da funo Previso( ). Esta funo pode ser acessada a partir do menu Inserir, opo Funo, a partir do qual possvel indicar o valor da varivel independente (X) para o qual se deseja estimar o valor da varivel independente, fornecendo-se os valores conhecidos da varivel dependente (Val_conhecidos_y) e os respectivos valores da varivel independente (Val_conhecidos_x), como pode ser visto na Figura 17. Para o clculo da estimativa da Figura 17, foram utilizados os mesmos dados de demanda apresentados no Quadro A2 e na planilha da Figura 14.

Figura 17 Tela de entrada de dados da funo PREVISO( ) O resultado da regresso obtido, utilizando-se a funo Previso( ), para o perodo 11 foi 189,67, o mesmo que havia sido obtido utilizando-se a opo de clculo da regresso linear, mostrado anteriormente.

Infelizmente, esta funo tambm no pode ser utilizada eficazmente para a realizao de previses quando houver sazonalidade, ao menos no antes que seja feito o ajustamento sazonal, apresentado a seguir. MODELO DO AJUSTAMENTO SAZONAL O modelo de previso de demanda por meio do ajustamento sazonal pode ser aplicado para sries temporais de demandas que apresentam nvel, tendncia e sazonalidade. Demandas desta natureza podem acontecer, por exemplo, para produtos influenciados pela poca do ano, como brinquedos, mais vendidos em pocas prximas ao dia das crianas e natal; sorvetes, cuja demanda se concentra no vero; agasalhos e cobertores, que, naturalmente, tm maior sada no inverno; material escolar que costuma ser mais vendido no inicio e meio do ano letivo. A sazonalidade, em maior ou menor grau, costuma ser uma constante no comportamento da demanda, at produtos menos suscetveis poca do ano, como macarro e doces, podem apresentar aumento de vendas no inverno. Existem produtos, contudo, que possuem sazonalidade acentuada, como ovos de chocolate na pscoa, panetones no natal e pacotes tursticos nas frias de vero. A previso da demanda com ajustamento sazonal obtida utilizando-se a equao da reta multiplicada pelo fator de sazonalidade (nvel + tendncia) x fator de sazonalidade, de acordo com a frmula 12. Frmula 12 Demanda com nvel, tendncia e sazonalidade

O modelo constitudo, inicialmente, pela demanda (dessazonalizada, ou seja, pela demanda que aconteceria se no houvesse oscilaes de sazonalidade). A partir dos valores de demanda dessazonalizada obtida uma equao, por meio de regresso linear (mtodo dos mnimos quadrados). Esta equao leva em considerao nvel e tendncia. O quociente percentual entre a demanda real ocorrida e a demanda dessazonalizada fornece o ndice de sazonalidade de cada perodo. Se houver mais de um ciclo completo de sazonalidade, toma-se a mdia dos vrios ndices do perodo de sazonalidade que se repetem ciclicamente. Para explicar a montagem do modelo, vamos tomar o exemplo anterior do produto B, cujos dados so repetidos no Quadro A4. Quadro A4 Demanda do produto B

Dessazonalizao da demanda Conforme mencionado, o modelo do ajuste sazonal indicado para sries de demanda que possuam nvel, tendncia e sazonalidade. Um ponto de partida encontrar os valores dos coeficientes de nvel (a) e de tendncia (b) para, em seguida, encontrar o coeficiente de sazonalidade para cada perodo. Para isto, no aconselhvel realizar a regresso linear na srie de demanda original, com sazonalidade, sob pena de se encontrar valores de nvel e tendncia que vo originar previses com grandes tendncias de vis, que podem inviabilizar o modelo. Este um erro comumente observado. Os dados da demanda original no so lineares e o resultado da regresso linear, em conseqncia disto, no ser preciso. Antes da execuo da regresso linear para a estimativa do nvel e da tendncia necessrio dessazonalizar os dados da demanda observada.

Um mtodo bastante utilizado para dessazonalizar a demanda real observada, preparando-a para a regresso linear, denominado mdia mvel centrada. O clculo consiste na obteno de uma mdia mvel da demanda para a quantidade de perodos equivalente periodicidade sazonal e posicionar esta mdia no meio dos perodos utilizados para o clculo da mdia. Se o nmero de perodos da periodicidade sazonal for mpar, o perodo mdio existe e e vai receber o valor da mdia mvel encontrada. Se o nmero de perodos da periodicidade sazonal for par, ento, o perodo mdio no existe (fica entre dois perodos). Neste caso, necessrio um passo adicional de clculo da mdia entre os valores para dois perodos mdios inexistentes. Isto ficar mais claro analisando-se os exemplos apresentados no Quadro A5 e Quadro A6, respectivamente, que demonstram a aplicao da mdia mvel centrada para o caso de periodicidade sazonal mpar e periodicidade sazonal par, respectivamente. Quadro A5 Mdia centrada para periodicidade sazonal mpar (p = 5)

Quadro 46 Mdia centrada para periodicidade sazonal par (p = 4)

Observe-se que este valor poderia ser obtido diretamente a partir de:

O que pode tornar o entendimento da frmula 14, a seguir, mais simples. A mdia mvel centrada pode ser expressa pelas frmulas a seguir: Frmula 13 Mdia centrada de dessazonalizao para periodicidade mpar

Exemplo: para a obteno da demanda dessazonalizada no perodo 5 de uma srie de demandas observadas com periodicidade 3, a frmula resulta em:

Frmula 14 Mdia mvel de dessazonalizao para periodicidade par

Exemplo: para a obteno da demanda dessazonalizada no perodo 5 de uma srie de demandas observadas com periodicidade 4, a frmula resulta em:

Dessazonalizao da demanda utilizando o Excel A Figura 18 apresenta a dessazonalizao da srie de demandas do produto B, apresentadas no Quadro A4, utilizando uma planilha Excel. Clculo da demanda dessazonalizada: digite a frmula =(B2+B3+B4)/3 na clula C3 e arraste para todas as clulas da faixa C3:C12. Regresso linear: como j visto, a regresso linear permite calcular os valores do coeficiente de nvel a e do coeficiente de tendncia b. Para isto, clique em ferramentas, selecione anlise de dados e escolha regresso linear na caixa de dilogo. A seguir, defina as clulas $C$3:$C$12 para o intervalo Y de entrada e as clulas $A$3:$A$12 para o intervalo X de entrada, na mesma caixa de dilogo. As clulas C18 e C19 contm o valor dos coeficientes (a) e (b), respectivamente, que foram encontrados usando-se a ferramenta de regresso linear do programa Excel.

Figura 18 Dessazonalizao e regresso linear da demanda do produto B O grfico da Figura 18 apresenta a regresso linear para a demanda real observada (Linear (Vendas)) e para a demanda dessazonalizada (Linear (Dem. Dessazonalizada)) para mostrar o que ocorre quando a regresso linear feita com os dados da demanda real e com os dados da demanda dessazonalizada. A regresso linear para os dados da demanda dessazonalizada resultou nos coeficientes a = 92,36 e b = 21,42. Os coeficientes obtidos para a regresso envolvendo os dados da demanda real foram a = 51,15 e b = 29,64. O coeficiente angular (b) maior, no caso da regresso sem dessazonalizao implica em uma reta com maior inclinao. Clculo dos fatores de sazonalidade Conforme j descrito anteriormente, o quociente percentual entre a demanda real observada e a demanda dessazonalizada fornece o ndice de sazonalidade de cada perodo. Se houver mais de um ciclo de sazonalidade, toma-se a mdia dos vrios ndices do perodo de sazonalidade que se repete a cada ciclo. Para explicar a montagem do modelo, vamos retomar o exemplo do produto B, cujos dados foram apresentados no Quadro A4.

Figura 19 Clculo dos coeficientes de sazonalidade Demanda dessazonalizada: com os valores dos coeficientes de nvel e de tendncia obtidos na Figura 88, so calculados os valores das demandas dessazonalizadas por perodo que aparecem nas clulas C2:C13 da Figura 19. Para isto, basta digitar a frmula =$C$17+$C$18*A2 na clula C2 e arrastar, copiando para as demais clulas da coluna at a clula C13. Observe que esta uma segunda verso da demanda dessazonalizada, construda a partir da equao da curva da regresso linear conforme a frmula 12 e no a partir das mdias mveis centradas . Fatores de sazonalidade: a partir dos valores da demanda ocorrida e da demanda dessazonalizada so calculados os fatores de sazonalidade, apresentados nas clulas D2:D13. Para isto, pode-se digitar a frmula =B2/C2 na clula D2 e arrastar para as demais clulas da coluna at a clula D13. Como se pode ver, existem quatro valores de coeficiente de sazonalidade para cada perodo de sazonalidade, as clulas E2:E4 contm a mdia entre estes valores. Na clula E2 foi calculada a mdia: =(D2+D5+D8+D11)/4. Esta frmula pode ser copiada para as clulas E3 e E4, gerando as mdias dos valores contidos nas clulas D3, D6, D9 e D12 e D4, D7, D10 e D13, respectivamente. Montagem do modelo de ajustamento sazonal Com os valores de nvel, tendncia e sazonalidade calculados, agora ficam possveis realizar a previso pelo modelo de ajustamento exponencial. A Figura 20 demonstra o modelo em uma planilha Excel. Foram utilizados os dados do exemplo da demanda do produto B.

Figura 20 Clculo da previso de demanda com ajustamento sazonal Clculo da demanda prevista: a demanda prevista para os perodos 1 a 15 calculada pela frmula 12, ou seja: demanda prevista = (nvel + tendncia) x sazonalidade. Para isto digite a frmula =($C$22+($C$23*A3))*C25 na clula C3 e arraste pela coluna C at a clula C5, digite a frmula =($C$22+($C$23*A6))*C25 na clula C6 e arraste pela coluna C at C8, repita o processo, fazendo os ajustes necessrios nas frmulas at a clula C17. O valor da clula C22 corresponde ao coeficiente de nvel (a), o valor da clula C23 corresponde ao coeficiente de tendncia (b) e os valores das clulas C25, C26 e C27 correspondem aos valores dos coeficientes de sazonalidade dos trs perodos do ciclo sazonal apresentados por esta srie de demandas. A aplicao do modelo de ajustamento sazonal para a srie de demanda do produto B resultou em um desvio padro relativamente baixo. Os perodos nove e dez apresentaram tendncia de vis que foge ligeiramente do ndice de controle inferior, o que alerta para a possvel necessidade de investigao da viabilidade do modelo. Ainda assim, este foi o modelo que melhor conseguiu prever a demanda para o produto B, dentre os apresentados at o momento. MODELOS ESTTICOS X MODELOS DINMICOS DE PREVISO Os modelos de previso vistos at aqui podem ser aplicados para trs tipos de demanda, conforme resumido no Quadro A7. Quadro 47 Aplicabilidade dos mtodos de previso estticos

Os modelos apresentados at o momento assumem que as caractersticas de nvel, tendncia e sazonalidade permanecem constantes ao longo do tempo. Os ndices so determinados uma nica vez e utilizados para todas as previses futuras. Por isso, estes modelos so conhecidos como modelos estticos de previso.

Ocorre, porm, que nem sempre estes ndices permanecem constantes, na prtica. Eles podem sofrer alguma variao com o passar do tempo. Desta forma, pode ser interessante utilizar fatores de suavizao para estes ndices que possam atribuir um peso maior para os ndices de nvel, tendncia e sazonalidade apresentados nos ltimos perodos. Nos modelos dinmicos de previso, as estimativas de nvel, tendncia e sazonalidade so atualizadas aps cada observao da demanda. MODELO DE WINTER O modelo de Winter tem se destacado como um modelo dinmico de previso bastante prtico e de larga utilizao nas organizaes que tm produtos cuja demanda apresenta variabilidade em suas caractersticas de nvel, tendncia e sazonalidade. Para explicar o modelo de Winter, vamos retomar o exemplo da demanda observada para o produto B. Adotando-se o mtodo de regresso linear depois do ajustamento sazonal, foram encontradas as seguintes estimativas de nvel, tendncia e sazonalidade: Nvel (a) = 92,36 Tendncia (b) = 21,42 Sazonalidade (S): S1 = 0,59; S2 = 0,86; S3 = 1,62 Para cada uma das estimativas de nvel, de tendncia e de sazonalidade sero aplicados fatores de suavizao exponencial ,, y, respectivamente, por meio da frmula 15. Os valores dos coeficientes esto no intervalo de 0 a 1. Frmula 15 Fatores de suavizao exponencial Modelo de Winter

Previso de demanda utilizando o modelo de Winter com o Excel A aplicao do mtodo de Winter somente possvel utilizando-se uma planilha eletrnica, com ferramenta de programao linear para permitir o clculo das melhores estimativas dos coeficientes ,, e y, que permitam minimizar o valor do erro da previso. Como foi feito para os outros mtodos, a previso de demanda pelo modelo de Winter ser explicada com a utilizao de uma planilha eletrnica. A Figura 21 mostra uma planilha montada no Excel com os clculos necessrios a uma previso de demanda baseada neste modelo. Nvel, tendncia e fator de sazonalidade iniciais: digite o valor do coeficiente inicial de nvel (a = 92,36) na clula C2; o valor do coeficiente inicial de tendncia (b = 21,42) na clula D2 e os coeficientes de sazonalidade iniciais (S), 0,59, 0,86 e 1,62 nas clulas E3, E4 e E5, respectivamente. Estes coeficientes j haviam todos sido calculados utilizando-se o modelo anterior (modelo do ajustamento sazonal, Figura 20) Ajuste exponencial do nvel da demanda: digite na clula C3 a frmula =$B$19*(B3/E3)+(1$B$19)*(C2+D2). A clula $B$19 vai conter o valor do coeficiente de suavizao exponencial do nvel (valor de ). A expresso utilizada corresponde ao clculo de aj, proposto na frmula 15. Arrastar a frmula para todas as clulas da faixa C3:C14. Desta forma sero obtidos os novos valores dos nveis, com suavizao exponencial, que vo depender do valor atribudo ao coeficiente . Quanto maior o valor de , maior ser a influncia dos ltimos perodos na estimativa do novo valor do nvel. Um valor de = 0 significa que o nvel permanece esttico, sem variao.

Ajuste exponencial da tendncia da demanda: digite a frmula =$B$20*(C3-C2)+(1-$B$20)*D2 na clula D3. A clula $B$20 vai representar o valor do coeficiente de suavizao exponencial da tendncia (valor de ). A expresso utilizada corresponde ao clculo de bj, proposto na frmula 15. Arraste a frmula para as demais clulas da faixa D3:D14. Desta forma sero obtidos os novos valores das tendncias, com suavizao exponencial, que vo depender do valor atribudo ao coeficiente . Quanto maior o valor de , maior ser a influncia dos ltimos perodos na estimativa do novo valor da tendncia. Um valor de = 0 significa que a tendncia inicial permanece imutvel ao longo do tempo, ou seja, no h variao.

Figura 21 Previso de demanda modelo de Winter Ajuste exponencial da sazonalidade da demanda: digite a frmula =$B$21*(B3/C3)+(1-$B$21)*E3 na clula E6. A clula $B$21 vai representar o valor do coeficiente de suavizao exponencial da sazonalidade (valor de y). A expresso utilizada corresponde ao clculo de Sj+p, proposto na frmula 15. Arraste a frmula, copiando-a para E7 e E8 Na clula E9, digite a frmula =$B$21*(B6/C6)+(1-$B$21)*E6 e copie para E10 e E11. Na clula E12, digite a frmula =$B$21*(B9/C9)+(1-$B$21)*E9 e copie para E13 e E14. Na clula E15, digite a frmula =$B$21*(B12/C12)+(1-$B$21)*E12 e copie para E16 e E17. Desta forma sero obtidos os novos valores das sazonalidades, com suavizao exponencial, que vo depender do valor atribudo ao coeficiente y. Quanto maior o valor de y, maior ser a influncia dos ltimos perodos na estimativa do novo valor do coeficiente de sazonalidade. Um valor de y = 0 significa que as sazonalidades iniciais vo permanecer estticas, sem variao. Clculo da demanda prevista: as demandas previstas para os perodos de 1 a 15 so calculadas pela frmula 12 ou seja: demanda prevista = (nvel + tendncia) x sazonalidade. Para isto, digite a frmula =(C2+D2)*E3 na clula F3 e arraste por toda a coluna F at a clula F14. Digite a frmula =($C$14+A15*$D$14)*E15 na clula F15 e arraste, copiando para as clulas F16 e F17. Definio dos coeficientes de suavizao Como j possvel perceber, milhes de combinaes de valores para ,, e y podem ser feitas, a

pergunta : qual a combinao ideal? A resposta a combinao que minimize os erros de previso, quando feita a comparao entre as demandas observadas e as previstas, mantendo a tendncia de vis dentro dos

limites de controle. Em outras palavras, deve-se tentar obter o modelo que melhor se ajuste s demandas passadas, para que, ento, ele possa ser utilizado para projetar o futuro. O modelo de Winter apresentado na Figura 21 foi montado atribuindo-se, inicialmente, valor zero para os coeficientes de suavizao ,, e y. Desta forma nenhuma suavizao foi realizada, ou seja, o modelo apresenta exatamente os mesmos valores de previso fornecidos pelo modelo esttico apresentado na Figura 20. Como j foi visto, a amplitude do erro indicada pelo desvio padro de 25, com ligeira fuga da tendncia de vis, o que indica que o modelo de previso esttico no o melhor modelo para o exemplo do produto B. Se forem atribudos valores aleatrios entre zero e um para ,, e y, o desvio padro e as tendncias de vis sero alterados, para melhor ou para pior. O nmero de combinaes possveis infinitamente alto. Alm disto, pode-se trabalhar com coeficientes com vrias casas decimais. A soluo, mais uma vez, depende da utilizao dos recursos da ferramenta Solver do Excel. O processo de soluo para estimar os melhores valores de ,, e y se resume nos seguintes passos: A partir do menu ferramentas, selecione solver. A caixa de parmetros do Solver vai aparecer, conforme ilustrado na Figura 22. Defina a clula de destino como sendo a clula I19 e ative a opo Min. Isto determina que se deseja que o sistema procure o menor valor possvel para o desvio padro da demanda; Defina como clulas variveis as clulas B19, B20 e B21, que so, respectivamente, os valores de ,, e y Estabelea as restries Clique em resolver. A soluo encontrada aparece na Figura 23.

Figura 22 Caixa de dilogo do Solver do Excel

Figura 23 Modelo de Winter resolvido utilizando o Solver do Excel

Anlise da amplitude do erro: como se pode observar no resultado apresentado pelo Solver (Figura 23), foram atribudos os valores de = 1, = 0,3133 e y = 0, o que reduziu o valor do desvio padro para 10. O fato de o Solver ter atribudo valor mximo para significa que o comportamento do nvel da demanda recebe forte influncia dos ltimos perodos. A influncia dos ltimos perodos menor na determinao da tendncia. Por fim, o valor 0 atribudo para y indica que a sazonalidade no est se modificando ao longo do tempo, mantendo-se estveis os coeficientes de ajuste sazonal durante todo o tempo. Anlise da tendncia de vis: A atribuio dos valores de = 1, = 0,3133 e y = 0 resultaram em um modelo melhor do que o obtido anteriormente (ver a Figura 21). QUESTES PARA REVISO E DISCUSSO 1. Voc um consultor de empresas especialista em operaes de produo e foi contratado por uma empresa para melhorar os processos produtivos. Em seu diagnstico, verificou que a previso de demanda muito deficiente. Voc convoca uma reunio com todos os diretores da empresa e o diretor comercial insiste em seu ceticismo quanto previso, chegando a argumentar que no possui bola de cristal. Que argumentos voc usaria para defender seu ponto de vista a favor na necessidade de uma previso mais adequada para a empresa?

2. Cite e comente os cinco principais cuidados necessrios com previses.

3. Se voc fosse o presidente de uma empresa comercial, a quem voc atribuiria a responsabilidade da previso de demanda? Justifique o por que de sua escolha.

4. Quais as principais distines entre um modelo qualitativo e um modelo quantitativo de previso de demanda?

5. Quais os pontos fracos de cada um dos mtodos de previso qualitativos abaixo: Predio de demanda Opinies de executivos Opinies da equipe de vendas

6. Voc o superintendente de uma grande loja e est participando de uma reunio para determinar a previso de vendas de determinados artigos. Seu diretor comercial um profissional respeitado e defende com veemncia que haver aumento de 50% nas vendas de determinado produto. Os gerentes de vendas, presentes reunio, apresentam aquele olhar de quem no concorda, mas manda quem pode e obedece quem tem juzo. Considerando os aspectos abordados neste captulo, o que voc faz?

7. Uma srie temporal de demandas pode ser decomposta em nvel, tendncia, sazonalidade e aleatoriedade. Explique sucintamente o significado de cada um destes termos.

8. Qual o significado da parte aleatria de uma srie temporal de demanda?

9. Explique o que significa amplitude de erro e tendncia de vis em uma previso de demanda.

10. Por que necessrio estabelecer limites de erros para as previses de demanda baseadas em sries temporais?

11. Para que tipo de produto e comportamento de demanda voc recomendaria o modelo da mdia mvel simples?

12. Para que tipo de produto e comportamento de demanda voc recomendaria o modelo dos mnimos quadrados ou regresso linear?

13. Para que tipo de produto e comportamento de demanda voc recomendaria o modelo do ajustamento sazonal?

14. Por que no aconselhvel realizar a regresso linear na srie de demanda original quando h sazonalidade?

15. Qual a diferena entre os modelos estticos e os modelos dinmicos de previso de demanda?

PROBLEMAS PROPOSTOS 1. Um boxe de venda de produtos alimentcios do mercado municipal da cidade vendeu a seguinte quantidade de produtos em quilogramas, nos ltimos dez dias:

Calcule a previso de demanda desses produtos para o dcimo primeiro dia, utilizando: a) O modelo da mdia mvel simples para os trs ltimos perodos de venda. (R.24,3; 49; 37,7;20) b) O modelo da mdia mvel ponderada, atribuindo pesos 0,6; 0,3; 0,1 para o ltimo, o penltimo e o antepenltimo perodos, respectivamente. (R.25; 48,5; 36,8;18,9) c) O modelo da mdia mvel com suavizao exponencial simples, para os trs ltimos perodos, atribuindo o valor de = 0,15. (R. 24,9; 48,1; 35,3;19)

2. O nmero de cachorros quentes vendidos em uma barraca de praia, na ltima semana, foi:

Calcule a previso de demanda de segunda, quinta e domingo da prxima semana, utilizando o modelo dos mnimos quadrados. (R. 363; 446; 528) 3. Uma empresa fabrica e comercializa seringas descartveis. A demanda expressa em mil unidades, nos primeiros nove meses do ano foi:

Preveja, por meio do mtodo dos mnimos quadrados, o consumo de seringas nos meses de outubro, novembro e dezembro. (R. 192; 198; 203) 4. Complete o quadro abaixo: (R. sexto perodo: 4; 4; 3,5; -0,29)

5. Dessazonalize as demandas dos produtos A e B, dadas a seguir, utilizando o mtodo da mdia mvel centrada. (R. A = 1150; 1180; 1192; 1210; 1220; 1228. B = 1044; 1070; 1089; 1106)

6. Utilizando os dados do exerccio anterior, calcule a equao da curva da demanda dessazonalizada para os produtos A e B, adotando o modelo de regresso linear (mnimos quadrados). (R. A: i i D =1143,89+15,08P ; B: i i D =1028+19,7 P ) 7. Continuando o exerccio anterior, calcule a nova demanda dessazonalizada com a equao de regresso linear. (R. A: 1159; 1174; 1189; 1204; 1219; 1234; 1249; 1265; 1280; 1295. B: 1048; 1067; 1087; 1107; 1126; 1146; 1166; 1186) 8. Continuando o exerccio anterior, calcule os coeficientes mdios de sazonalidade. (R. A: 1,15; 0,61; 0,85; 1,55; 0,70. B: 1,08; 0,48; 0,75; 1;51) 9. Complete o quadro abaixo: (R. 0,59; 0,85; 1,57)

10. A Sorvebrs uma empresa que fabrica e comercializa sorvetes. Seu principal produto, responsvel por mais de 90% do faturamento, um sorvete de massa vendido em potes de dois litros cada. A demanda se apresenta em pleno crescimento nos ltimos dois anos, em funo da ampliao da fbrica e de uma bem sucedida estratgia de conquista de mercado, que deve prevalecer para o prximo ano. O tipo de produto apresenta considervel sazonalidade nos perodos de vero. A Sorvebrs levantou a demanda deste sorvete nos ltimos dois anos. Realize a previso de vendas para o prximo ano, utilizando uma planilha eletrnica, adotando o modelo de previso de demanda de Winter. (R. 6823; 6589; 6301; 4270; 3855; 3686; 2596; 3234; 5175; 5530; 6100; 7037)

LEITURA PARA REFLEXO A EVOLUO DA PREVISO DO TEMPO At o inicio do sculo XIX, o modo de encarar o tempo era uma curiosa mistura de senso comum e superstio, e inclua milhares de regras, ditados esquisitos e provrbios. O senso comum era baseado nas conexes evidentes entre ventos, nuvens e o tempo. Eram escolhidas rimas para colocar essas observaes na forma de ditados e provrbios. Muitos desses ditados foram originados com os gregos e incrementados com exageros atravs da Idade Mdia. Durante as grandes navegaes, no final do sculo XV, os marinheiros ampliaram bastante esse senso comum para dar conta dos diferentes sistemas de vento e dos padres de tempo que encontraram ao redor do mundo. Atravs dos sculos, marinheiros, agricultores e outros tentaram fazer previses baseadas no conhecimento e crenas de sua poca e nas suas observaes pessoais. No entanto, essas previses eram freqentemente mal sucedidas. Como no havia comunicaes adequadas, os observadores no sabiam o que estava acontecendo alm do horizonte e, normalmente, eram surpreendidos por tempestades que chegavam sem muito aviso. Isso mudou com a inveno do telgrafo e o nascimento da previso sinptica, no sculo XIX. A previso sinptica consiste na rpida obteno e anlise de observaes do tempo feitas no mesmo horrio, na maior quantidade de localidades possvel. Em 1849, foi estabelecida uma rede meteorolgica ligada por telgrafo nos Estados Unidos. Os dados eram coletados por voluntrios e era preparado um mapa sinptico, diariamente, com os dados coletados no mesmo horrio em todas as localidades observadas. Em 1857, uma rede meteorolgica criada na Frana recebia dados de toda a Europa. Em 1861, na GrBretanha, Robert FitzRoy criou um servio de aviso de tempestades para a Marinha. Inicialmente, foi um grande sucesso e FitzRoy passou a disponibilizar suas previses nos jornais. Mas, medida que ocorriam os inevitveis erros decorrentes do mtodo utilizado e da falta de preciso das observaes, crticas sarcsticas e severas do pblico e dos cientistas tornavam-se constantes. Tomado por grande depresso, FitzRoy cometeu suicdio em 1865. Essas tais crticas sarcsticas foram uma praga para os profissionais que se seguiram. Apesar das crticas, a previso sinptica foi ganhando cada vez mais fora, a partir de 1860, com a formao de organizaes meteorolgicas nacionais em vrios pases. As duas grandes guerras mundiais foraram os governantes a despender grandes esforos para monitorar e prever o tempo, pois as suas variaes podiam ter grande influncia no desenrolar das bata lhas. O progresso da meteorologia foi muito favorecido pela tecnologia desenvolvida durante a guerra. So resultados desse desenvolvimento tecnolgico as radio sondas, os bales carregando instrumentos meteorolgicos e transmitindo, via rdio, os dados das camadas de ar acima do solo, e os radares, utilizados na guerra para rastrear aeronaves inimigas e a chuva. Aps a Segunda Grande Guerra, surgiram tambm os primeiros satlites artificiais. Com o uso de satlites, foi possvel visualizar as nuvens e as tempestades a partir do espao. Os meteorologistas ficaram extasiados. Atualmente, a meteorologia uma cincia muito entrosada com a fsica e com a matemtica. Uma enorme evoluo da previso de tempo ocorreu com o surgimento da previso numrica, baseada em modelos que representam o movimento e os processos fsicos da atmosfera. Por meio de equaes com os valores do estado inicial da atmosfera, podem-se obter projees para o futuro. Para resolver essas equaes, so utilizados supercomputadores que esto longe do que conhecemos para uso domstico. A idia da previso por meio de processos numricos de resoluo de equaes que representem o comportamento da atmosfera foi publicada pela primeira vez por Lewis Richardson, um matemtico britnico, em 1922. Richardson levou muitos meses para fazer os clculos necessrios para produzir uma previso para 24

horas no futuro. Mas as mudanas de presso previstas por ele foram entre 10 e 100 vezes maiores do que as que realmente ocorreram, e j haviam ocorrido h muito tempo, quando ele terminou a previso. O trabalho de Richardson, alm de pioneiro, revelou os obstculos que precisavam ser superados: Um enorme nmero de clculos tinha que ser feito rapidamente; os dados, que representavam o estado inicial da atmosfera, eram inadequados; os modelos eram representaes muito rudimentares da atmosfera e os problemas com as tcnicas matemticas podiam resultar em pequenos erros que iam crescendo durante os clculos. Quanto ao problema com a velocidade dos clculos, Richardson estimou que, para terminar as previses antes dos fenmenos acontecerem, seriam necessrios 64.000 matemticos equipados com calculadoras. Os computadores eletrnicos trouxeram a soluo para o problema dos clculos. Em 1950, foi feita, nos Estados Unidos, a primeira previso numrica de tempo relativamente bem sucedida. O computador utilizado era gigantesco e ocupava toda uma sala. A partir de 1955, a previso por computadores passou a ser executada regularmente nos Estados Unidos. Inicialmente, eram no mximo um pouco melhores que as tradicionais, mas foram melhorando rapidamente graas ao aparecimento de computadores cada vez mais rpidos, que permitiam o uso de modelos mais complexos, representando cada vez melhor a atmosfera. Paralelamente a essa evoluo, houve a melhoria no conhecimento do estado inicial, com o aumento progressivo na quantidade e qualidade dos dados iniciais, principalmente a partir do surgimento da Organizao Meteorolgica Mundial (WMO.- World Meteorological Organization) em 1963. Os computadores para previso de tempo, alm de serem "pesos pesados" em termos de velocidade de clculos, precisam ter grande capacidade de memria. Esses supercomputadores realizam mais de um bilho de contas por segundo. PERGUNTAS a) Faa uma analogia entre o que existe de comum entre a elaborao de uma previso meteorolgica e uma previso de demanda. b) A previso sinptica consiste na rpida obteno e anlise de observaes do tempo feitas no mesmo horrio, na maior quantidade de localidades possvel. Como esta afirmao pode ser comparada a uma previso de demanda? c) Por que muitos gerentes de vendas no Brasil insistem na continuao das crticas sarcsticas s previses de demanda? Disponvel em: http://www3.cptec.inpe.br/~ensinop/prev_temp_cli.htm. Acesso em 21.11.2004. REFERNCIAS CHASE, Richard B; JACOBS, Robert F; AQUILANO, Nicholas J. Administrao da produo para a vantagem competitiva. Porto Alegre: Bookman, 2006 pp. 452-480. CHOPRA, Sunil; MEINDL, Peter. Gerenciamento da cadeia de suprimentos: Estratgia, planejamento e operao. So Paulo : Prentice Hall, 2003. pp. 67-99. MARTINS, Petrnio G; LAUGENI, Fernando Piero. Administrao da produo. So Paulo: Saraiva, 2005. pp. 226-260. RITZMAN, Larry P.; KRAJEWSKI, Lee J. Administrao da produo e operaes. So Paulo : Prentice Hall, 2004. pp. 259-292. STEVENSON, Willian J. Administrao das operaes de produo. Rio de Janeiro : LTC, 2001. pp. 62-110. STEVENSON, Willian J. Estatstica aplicada administrao. So Paulo: Harbra, 2001. OUTRAS LEITURAS SUGERIDAS ARNOLD, J. R. Tony; Administrao de materiais. So Paulo: Atlas, 1999. pp. 229-264.

BALLOU, Ronald H. Gerenciamento da cadeia de suprimentos: Planejamento, organizao e logstica empresarial. Porto Alegre : Bookman, 2001. pp. 224-248. BOWERSOX, J. Donald; CLOSS, J. David. Logstica empresarial: O processo de integrao da cadeia de suprimento. So Paulo: Atlas, 2001. pp. 207-222. CORRA, Henrique L.; CORRA, Carlos A. Administrao de produo e operaes: Manufatura e servios: Uma abordagem estratgica. So Paulo : Atlas, 2004. pp. 249-283. DAVIS, Mark M.; AQUILANO, Nicholas J.; CHASE, Richard B. Fundamentos da administrao da produo. Porto Alegre : Bookman, 2001. pp. 213-236. GAITHER, Norman; Frazier, Greg. Administrao da produo e operaes. So Paulo : Pioneira, 2001. pp. 5395. MOREIRA, Daniel Augusto. Administrao da produo e operaes. So Paulo : Pioneira, 1998. pp. 317-350. SLACK, Nigel; CHAMBERS, Stuart; JOHNSTON, Robert. Administrao da produo. So Paulo : Atlas, 2002. pp. 717-722.