Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. Introduo
Toda organizao precisa, de alguma forma, saber dimensionar suas capacidades produtivas
da forma que estas se encaixem de modo perfeito s demandas, evitando assim o desperdcio
de tempo, material e energia, ou a falta de produtos para atender o mercado.
Segundo Martins e Laugeni (2006), previso o processo metodolgico para determinao
do futuro, baseado em modelos estatsticos, matemticos ou economtricos ou ainda em
modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida.
A previso de demanda entre outras estatsticas assume um fator importante no processo
decisrio, tanto no nvel estratgico quanto no operacional. Os planos de capacidade,
atividades de infra-estrutura, vendas, fluxo de caixa, estoques, gerenciamento da mo-de-obra
(frias, contrataes), e compras so todos baseados na previso de demanda.
Os modelos de sries temporais so ferramentas importantssimas e tm sido largamente
utilizadas nos mais diversos campos do conhecimento. Fogliatto (2003), enfatiza que as
vantagens desta tcnica estendem-se desde auxilio ao planejamento de infra-estrutura a
capacidade, reduzindo riscos inerentes ao processo decisrio das atividades.
Kotler (2000) comenta que as previses so utilizadas no departamento de finanas com o
objetivo de determinar o caixa da empresa necessrio aos investimentos, as operaes pelo
departamento de produo, com o objetivo de estabelecer os nveis de capacidade e de
produo, departamento de compras visando adquirir suprimentos, alm do departamento de
recursos humanos, contratando funcionrios, quando necessrio.
Portanto, prever nveis de demanda vital empresa como um todo, porque fornece as
entradas bsicas para planejamento e controle de todas as reas funcionais, incluindo a
logstica, o marketing, a produo e as finanas (BALLOU, 2001. Dessa forma, permite que
os administradores destas organizaes antecipem o futuro e planejem de forma mais
conveniente suas aes (TUBINO, 2000).
De acordo com Tubino (2000) as empresas, de uma ou de outra maneira, direcionam suas
atividades para o rumo em que acreditam que seu negcio andar, assim as tcnicas de
previso so fundamentais.
Nesse sentido, este trabalho busca avaliar o uso dos modelos de sries temporais para anlise
de demanda do produto Garrafo 20L, de uma companhia de guas minerais da Regio
Metropolitana de Belm. Para tanto, foram utilizados modelos de previso quantitativos
baseado em sries temporais, mais especificamente os modelos de Holt-Winters
multiplicativos e aditivos atravs do uso do software CrystalBall. A srie coletada
corresponde aos dados mensais dos anos de 2004 a 2007, sendo que os ltimos seis meses
dessa srie foram utilizados para validar o modelo escolhido, isso foi feito atravs dos
clculos dos erros entre os valores estimados pelo modelo e o valor real da srie.
2. Sries temporais
Srie temporal qualquer conjunto de observaes ordenadas no tempo (MORETTIN &
TOLOI, 2004). Se estas observaes consecutivas so dependentes uma das outras, possvel
conseguir-se uma previso e assim fornecer bases para compreender o comportamento do
evento ao qual est se analisando. Nessa tcnica, conhecer o comportamento das variveis do
estudo muito importante no processo de deciso, pois ajudar no planejamento gerencial e
Tcnica
Horizonte de
Tempo
Complexidade
Preciso do
Modelo
Dados
Necessrios
Qualitativos
Mtodo Delphi
Longo
Alta
Variavel
Muitos
Mdia Mvel
Curto
Muito baixa
Mdia
Poucos
Mdia Ponderada
Curto
Baixa
Adequada
Muito pouco
Regresso Linear
Curto
Mdia Baixa
Mdia alta
Muitos
Anlise de Regresso
Longo
Adequada
Alta
Muitos
Quantitativos
Mtodo
4. Modelos de Previso
A partir dos objetivos da anlise e das caractersticas da srie temporal, so escolhidos os
modelos a serem utilizados. No propsito deste artigo mencion-los, e sim, apenas os
modelos de Holt-Winters, uma vez que este foi o modelo utilizado nesse trabalho.Para leitores
interessados em conhecer outros modelos sugere-se a leitura de Morettin & Toloi (2004),
Ragsdale (2004), Pellegrini & Fogliatto (2000), Makridakis, Wheelwright & Hyndman
(1998), Tubino (2000), Tubino(2007), Ballou (2006) etc.
4.1
Modelos de Holt-Winters
Os modelos matemticos para as variaes desse mtodo podem ser vistos a seguir:
Nvel
L = (Yt S t s ) + (1 )(Lt 1 + bt 1 )
Tendncia
bt = (Lt Lt 1 ) + (1 )bt 1
Sazonal
idade
St = (Yt Lt ) + (1 )St s
Previso
Holt-Winters Multiplicativo
Lt =
Yt
+ (1 )(Lt 1 + bt 1 )
Sts
bt = (Lt Lt 1 ) + (1 )bt 1
Y
St = t + (1 )St s
Lt
Ft +m = (Lt + bt m )St s+m
Onde:
S Comprimento da Sazonalidade
Lt Nvel da Srie
bt Tendncia
St Componente Sazonal
Ft+m Previso para o perodo m
Yt Valor Observado
O objeto de estudo desse trabalho uma companhia de gua mineral da Regio Metropolitana
de Belm, mais especificamente na demanda do produto Garrafo 20 litros, com o intuito de
fazer previses futuras dessa demanda, analisar perodos de sazonalidade, tendncias e outras
estatsticas descritivas.
5.2 Coleta de informaes
Os dados foram cedidos pela companhia objeto de estudo. Coletou-se dados de 4 anos.
Segundo autores, o ideal so cinco anos de informaes para anlises consistentes de modelos
de previso, porm, dois anos so suficientes para uma anlise preliminar.
5.3 Anlise Preliminar dos Dados
A anlise iniciou-se pela classificao ABC, ou curva de Pareto, a qual consiste em separar
itens em classes de acordo com sua importncia relativa (TUBINO, 2000).
A ordenao dos itens segundo seu valor relativo ao total normalmente resulta, segundo
Tubino (2000), em uma tabela onde uma pequena parte dos produtos, ou itens classe A,
corresponde a uma grande parcela do valor total, ficando grande parte dos itens na classe C,
correspondendo a apenas uma parcela nfima do valor total. Na faixa intermediria, esto os
itens classe B.
O parmetro utilizado na classificao ABC, foi o percentual de receita bruta de cada produto
para a empresa. Aps a tabulao dos dados, plotou-se o grfico representando a demanda do
produto Garrafo 20L em funo dos meses. Assim, torna-se possvel avaliar o
comportamento da srie com relao estacionaridade, tendncia (crescimento ou
decrescimento), sazonalidade ou ciclos.
5.4 Escolha e ajuste do modelo
Aps a anlise preliminar dos dados, verificou-se que a srie modelvel. A partir da,
passou-se fase de realizao das previses com modelos definidos. Procuraram-se modelos
simples, porm com capacidade de predio significativa, que pudessem ser manipulados
pelos tcnicos da COMPANHIA atravs de planilhas eletrnicas. Para tanto, utilizou-se o
software CBPredictor da Crystal Ball Inc., que um programa que funciona no ambiente do
Microsoft Excel.
Os modelos de previso selecionados foram os seguintes: Holt-Winters Multiplicativo e HoltWinters Aditivo. Tal escolha vem da prpria caracterstica dos dados, objetivos do estudo,
bem como facilidade de utilizao desses modelos.
5.5 Uso e avaliao do modelo
Os ltimos seis meses dessa srie foram utilizados para validar o modelo escolhido, isso foi
feito atravs dos clculos dos erros entre os valores estimados pelos modelos e o valor real da
srie. Para avaliar qual modelo proporciona os melhores resultados foram utilizados alguns
indicadores, tais como: (MAD) desvio mdio absoluto, (RMSE) Raiz quadrada do erro mdio
quadrado, (MAPE) erro percentual mdio absoluto. Klassen e Flores (2001) apontam uma
pesquisa em que o MAPE um dos mtodos mais populares e um dos mais utilizados nas
empresas que utilizam critrios matemticos para a comparao de modelos. A estatstica U
de Theil, tambm foi utilizada como mtodo de avaliao.
Segundo Freiman (2004), a estatstica U de Theil um indicador que mostra quanto os
resultados esto melhores do que uma previso ingnua ou trivial.
De acordo com Makridakis, Wheelwright & Hyndman (1998) quanto mais se prxima de 0
(zero) o valor dessa estatstica for, melhor ser a tcnica de previso, ou seja, o modelo gera
um erro menor do que o erro ingnuo. Caso o valor fique acima de 1 sugerido que se adote
outro modelo, pois o erro gerado por este maior do que o erro ingnuo.
Outro parmetro utilizado o teste de Durbin-Watson. Segundo Rasgdale (2004) a estatstica
de Durbin-Watson descreve a autocorrelao na srie temporal, ou seja, mostra o nvel de
correlao entre um dado anterior na srie temporal e um dado do prximo perodo. Esta
estatstica possui uma faixa que vai de 0 a 4. Se o valor for menor do que 1 indica
autocorrelao positiva, enquanto que valores superiores a 3 indicam autocorrelao negativa,
e os valores prximos de 2 indicam que no h autocorrelao nos dados (RASGDALE,
2000). Uma vez aprovado o modelo, torna-se possvel realizar as previses.
6. Aplicao
Ms
2004
2005
2006
2007
Janeiro
Fevereiro
285.415
222.345
264.992
217.215
263.476
246.032
308.800
254.372
Maro
256.340
230.285
268.551
287.009
Abril
275.002
221.445
234.624
287.802
Maio
299.278
242.060
272.293
313.644
Junho
286.993
247.228
297.754
318.706
Julho
275.957
247.228
295.487
304.607
Agosto
290.028
247.228
330.433
331.040
Setembro
300.056
285.392
325.459
325.104
Outubro
288.113
271.392
342.649
341.717
Novembro
270.776
264.144
315.422
341.788
Dezembro
269.067
271.452
302.526
322.460
400.000
Quantidade
350.000
300.000
250.000
200.000
150.000
100.000
50.000
0
0
12
15
18
21
24
27
30
33
36
39
42
Srie Temporal
Grfico 1 - Demanda do produto Garrafo 20L ao longo dos anos de 2004 at 2007
400.000
350.000
Quantidade
300.000
250.000
2004
2005
2006
2007
200.000
150.000
100.000
50.000
o
Ag
os
to
Se
te
m
br
o
O
ut
ub
ro
No
ve
m
br
De
o
ze
m
br
o
Ju
lh
Ju
nh
o
ai
o
M
Ab
ril
Ja
ne
iro
Fe
ve
re
iro
M
ar
o
Meses
Grfico 2 - Esboo da Demanda mensal em cada ano do produto Garrafo 20L (2004-2007)
Pelos dados expostos no Grfico 2, percebe-se que existe uma leve tendncia de crescimento
de um ano para o outro, fato que s no ocorreu em 2005, onde houve uma queda de 10,28 %
na demanda (de 3.319.370 para 3.010.061 unidades). O crescimento na demanda de 2004 at
2004
Janeiro
2005
2006
2007
-1,54%
-3,03%
2,03%
Fevereiro
-28,37%
-22,00%
-7,09%
-21,40%
Maro
13,26%
5,68%
8,39%
11,37%
Abril
6,79%
-3,99%
-14,46%
0,28%
Maio
8,11%
8,52%
13,83%
8,24%
Junho
-4,28%
2,09%
8,55%
1,59%
Julho
-4,00%
0,00%
-0,77%
-4,63%
Agosto
4,85%
0,00%
10,58%
7,98%
Setembro
3,34%
13,37%
-1,53%
-1,83%
Outubro
-4,15%
-5,16%
5,02%
4,86%
Novembro
-6,40%
-2,74%
-8,63%
0,02%
Dezembro
-0,64%
2,69%
-4,26%
-5,99%
Mtodos
Rank
RMSE
MAD
MAPE
Durbinatson
Theils
U
Alpha
Beta
Gamma
18997
15954
5,958
1,692
0,84
0,54
0,001
0,726
18879
15664
5,805
1,628
0,832
0,511
0,001
0,607
Holt-Winters
Additive
Holt-Winters
Multiplicative
Verifica-se ento que ambos os mtodos podem ser considerados adequados, devido aos
baixos erros percentuais (MAPE) que apresentaram. No caso do modelo Aditivo esse erro foi
de 5, 958% e no caso Multiplicativo o erro foi de 5, 805%.
A estatstica U de Theil para ambos os modelos tambm pode ser considerada satisfatria,
uma vez que seus valores ficaram abaixo de 1, e de acordo com Markridakis et. al. (1998)
quando mais prxima de 0 (zero) o valor dessa estatstica melhor ser a tcnica de previso
usada. Caso o valor fique acima de 1 (um) sugerido procurar outro modelo para representar
a srie.
O Grfico 3 mostra o ajuste dos dados reais utilizando o modelo de Holt-Winters
Multiplicativo, uma vez que esse apresentou o menor erro percentual mdio.
ColumnA
400.000
Data
350.000
Fitted
300.000
Forecast
250.000
Upper: 95%
200.000
Lower: 5%
150.000
100.000
50.000
Period 47
Period 45
Period 43
Period 41
Period 39
Period 37
Period 35
Period 33
Period 31
Period 29
Period 27
Period 25
Period 23
Period 21
Period 19
Period 17
Period 15
Period 13
Period 11
Period 9
Period 7
Period 5
Period 3
Period 1
Os valores previstos para os meses de julho at dezembro de 2007 podem ser vistos na Tabela
5. Para montagem do intervalo de confiana foi considerado um nvel de 95%. Verifica-se,
portanto, uma boa capacidade de previso, na qual todos os valores reais esto dentro dos
limites do valor previsto pelo modelo.
Meses
Limite inferior
(5%)
Previsto
Limite superior
(95%)
Dados
reais
Dentro do
intervalo?
Julho
280.920
311.975
343.031
304.607
Sim
Agosto
287.724
325.398
363.072
331.040
Sim
10
Setembro
292.255
334.387
376.520
325.104
Sim
Outubro
280.581
327.307
374.032
341.717
Sim
Novembro
254.170
302.390
350.610
341.788
Sim
Dezembro
247.136
296.830
346.523
322.460
Sim
7. Concluso
Realizar previso de demanda uma atividade importante, pois pode revelar as tendncias de
mercado e contribuir para o planejamento estratgico da empresa. Nesse sentido, diversas
tcnicas vm sendo desenvolvidas ao longo do tempo, dando-se destaque s tcnicas de
sries temporais. As previses de demanda tambm auxiliam a soluo de problemas mais
imediatos, como a definio da escala de produo suficiente para atender todos os clientes e
ainda manter um estoque de segurana em nvel que no gere grandes custos de estocagem
para a empresa.
Para alcanar tais objetivos, este trabalho utilizou a metodologia de Holt-Winters aditivo e
multiplicativo e sazonalidade aditiva e multiplicativa. As escolhas desses mtodos foram
baseadas tanto nas caractersticas da srie, entre elas tendncia de crescimento e
sazonalidade, quanto na facilidade de operao por parte dos tcnicos que iriam utilizar o
modelo. A aderncia dos modelos foi avaliada por meio de um estudo de caso dirigido ao
setor de gua mineral da Regio Metropolitana de Belm (RMB). No estudo de caso
desenvolvido, a metodologia foi direcionada a demanda do produto Garrafo 20L, observado
como produto classe A, de acordo com a Classificao ABC ou Curva de Pareto. A aplicao
da metodologia de Holt-Winters requer do pesquisador muita ateno e prtica para escolher
o modelo que melhor define o comportamento temporal dos dados.
Ambos os mtodos (Holt-Winters aditivo e multiplicativo) apresentaram um baixo erro
percentual mdio (MAPE), e foram considerados satisfatrios para serem utilizados em
previses futuras da demanda do produto. Contudo, foi utilizado o modelo de Holt-Winters
Multiplicativo para realizar tais previses, pois este apresentou o menor erro percentual
mdio (5,805%).
Os dados reais da demanda de julho a dezembro de 2007 foram comparados com os dados
previstos por esse modelo, e observou-se que, dos seis meses avaliados, todos os resultados
gerados estavam dentro do intervalo de confiana previsto pelo modelo, o que, portanto
confirma que o mtodo tem boa capacidade de previso.
A utilizao desse modelo de previso para os anos de 2008, por exemplo, poderia gerar
discrepncias significativas, principalmente se a demanda se comportar tal qual a de 2007,
(crescimento em todos os meses do ano em relao ao ano anterior com exceo de setembro
e outubro e preparando-se para o forte crescimento em maro e decrescimento em fevereiro).
Por fim, vale ressaltar que o trabalho realizado foi de grande utilidade para a empresa,
principalmente por dois motivos: a modelagem permitiu maior entendimento do
comportamento do produto; e os resultados foram assimilados pela empresa, constituindo
fonte adicional de informao no suporte s decises referentes a investimentos e
dimensionamento do processo produtivo, dessa forma, contribuindo para reduo de gastos
11
8. Referncias
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos: Planejamento, Organizao e Logstica
Empresarial. 4 ed. Porto Alegre: Bookman, 2001.
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos/Logstica empresarial. 5 ed. Porto Alegre:
Bookman, 2006.
COMPANHIA. Relatrios internos de indicadores da demanda do produto analisado. 2007.
FOGLIATTO, F. Previso de Demanda. Apostila do Curso de graduao em Engenharia de Produo e
Transporte. Porto Alegre, 2003.
KOTLER, P. Administrao de Marketing: a edio do novo milnio. Prentice Hall. So Paulo, 2000.
LARSON, R.; FARBER, B,. Estatstica Aplicada. 2 ed. So Paulo: Presidente Hall, 2004.
MARTINS, P. G.; LAUGENI, F. P. Administrao da produo. So Paulo: Saraiva, 2006.
MAKRIDAKIS, S.; WHEELWRIGHT, S. & HYNDMAN, R.J. Forecasting Methods and Applications. John
Wiley & Sons. 3a Edio. New York, 1998.
MORRETTIN, P. A.; TOLOI, C. M. C. Previso de sries temporais. 2. ed. So Paulo: Atual Editora, 1987.
PELLEGRINI, F.R. & FOGLIATTO, F. Estudo comparativo entre modelos de Winters e de Box-Jenkins
para a previso de demanda sazonal. Revista Produto & Produo. Vol. 4, nmero especial, 2000, p.72-85.
RAGSDALE, C. Spreadsheet modeling & decision analysis. Thompson. 4a edio. Cincinnati, 2004.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da Produo. 2 ed. So Paulo: Atlas, 2002.
TUBINO, D. F. Manual de Planejamento e Controle da Produo. So Paulo: Atlas, 2000.
TUBINO, D. F. Planejamento e Controle da Produo: teoria e prtica. So Paulo: Atlas, 2007.
12