avançadas de produção” Joinville , SC, Brasil, 10 a 13 de ...A Média móvel corresponde a uma...
Transcript of avançadas de produção” Joinville , SC, Brasil, 10 a 13 de ...A Média móvel corresponde a uma...
APLICAÇÃO DE MÉTODOS DE
PREVISÃO DE DEMANDA E GESTÃO
DE ESTOQUE EM UM PRODUTO DE UM
SUPERMERCADO NA CIDADE DE
MARABÁ-PA
Tiago Silva Dos Santos (UEPA)
Lucas Fialho Alves (UEPA)
O sucesso e a sobrevivência de uma empresa dependem entre outros
fatores, da eficiência com a qual produz seus produtos ou serviços.
Assim, diante das constantes melhorias implementadas nos processo das
organizações, este trabalho apresenta um estudo de caso realizado em
um supermercado na cidade de Marabá, Sudeste do Pará, e tem como
objetivo analisar os parâmetros do departamento de planejamento e
controle da produção (PCP), para a previsão da demanda e gestão de
estoque de um produto específico. Todavia, dadas as novas orientações
da economia brasileira, com maior fração do PIB formada por
contribuições de produção de algo, torna-se importante tratar sobre a
temática do PCP aplicado a este setor. E o papel desempenhado pela
previsão é essencial nas áreas de gestão de estoque das organizações,
pois auxiliam na visualização de cenários futuros e planejamento de
suas ações, contribuindo para uma melhor representatividade do
produto desvencilhando das perdas. O presente estudo foi realizado com
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
2
a intenção de aplicar modelos quantitativos e os métodos de previsão de
demanda para uma melhor adequação dos estoques de um produto do
setor varejista e assim haverá um visível desenvolvimento das
programações das operações.
Palavras-chave: Métodos de previsão de demanda; Gestão de estoque;
planejamento e controle da produção; Supermercado
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
3
1. Introdução
A competitividade de forma global é a palavra chave no mercado, quer seja entre os
setores ligados ao mesmo ramo de atividade ou não. Todos estão, o tempo todo, buscando sua
atualização no mercado, a sua eficiência (tanto nos produtos, como nos serviços oferecidos),
todos buscam vender qualidade. O Planejamento e Controle da Produção tem por objetivo criar
um plano convencional que irá orientar a produção e o guiará no seu controle preocupando-se
em gerenciar as atividades da operação produtiva, de modo a satisfazer de forma continua à
demanda dos consumidores.
A previsão constitui em uma avaliação de eventos futuros empregada para fins de
planejamento. Alterações nas condições, resultantes de competição global, mudança
tecnológica acelerada e preocupações ambientais crescentes. A importância das previsões surge
do empenho de uma companhia em conhecer quais recursos são essenciais para programar suas
atividades ao longo do tempo (RITZMAN e KRAJEWSKI, 2004). Uma boa previsão está
atrelada, basicamente, a decisão a ser tomada e ao tempo futuro para o qual se deseja prever.
Logo, a previsão de demanda é extremamente importante no sistema produtivo, visto que as
informações obtidas por essa previsão permitem que os responsáveis deste setor prevejam o
futuro para que assim consigam planejar suas ações apropriadamente.
Um outro fator importante para as organizações é o gerenciamento dos estoques, que
no caso de organizações que trabalham com a produção de bens, estes teriam como funções:
garantir a interdependência entre etapas produtivas; permitir uma produção constante;
possibilitar o uso de lotes econômicos, reduzir os lead times produtivos, servir como fator de
segurança para variações inesperadas da demanda, prevenção contra possíveis aumentos de
preço (DIAS, 1993). E assim a gestão é um conjunto de atividades que visa, por meio das
respectivas políticas de estoque, o pleno atendimento das necessidades da empresa, com
máxima eficiência e ao menor custo, através do maior giro possível para o capital investido em
materiais (VIANA, 2009).
O presente artigo tem como objetivo realizar a previsão de demanda e o melhor
desenvolvimento da capacidade através da gestão de estoque, utilizando técnicas quantitativas,
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
4
a partir do histórico de vendas de um produto especifico que é uma marca X de arroz, de um
supermercado da cidade de Marabá-PA, e assim foi possível os cálculos dos estoques e
analisando os resultados obtidos nesta previsão comparando assim a demanda real e o estoque
fornecida pela técnica, pode-se encontrar dados cruciais para o empreendimento, que será
melhor detalhado nos próximos tópicos, com as respectivas metodologias e resultados obtidos,
com destaque para a planilha de acompanhamento das previsões de demanda.
2. Referencial teórico
2.1. Planejamento e Controle da Produção
Segundo Formoso (1991), O planejamento e controle da produção (PCP) é “o processo
de tomada de decisão que envolve o estabelecimento de metas e dos procedimentos necessários
para atingi-las, sendo efetivo apenas quando seguido de um controle”. Já Laufer et al. (1994),
o planejamento e controle deve conter certos elementos e peculiaridades a fim de obter um nível
mínimo de sucesso. Logo o PCP consiste em uma formalização do que se espera que aconteça
e, não necessariamente, do que vai acontecer, pois um planejamento não consegue garantir que
o evento aconteça como esperado. Assim, o controle funciona no processo de lidar com algumas
variações, como a sazonalidade do mercado e mudanças nos objetivos dos clientes, atuando nos
ajustes das operações para que se atinjam os objetivos do plano estabelecido (SLACK et al.,
2009).
Deste modo, os autores evidenciam aspectos inerentes ao PCP, tais como:
imprevisibilidade da demanda, flexibilidade de produção, tempo de entrega, fluxo de material,
níveis de estoques, cumprimento dos prazos de entrega, produtividade do sistema a
programação de operações. O estudo é conduzido por meio de simulação, na qual os parâmetros
de datas de entrega, capacidade alocada e priorização da produção são variados, a fim de propor
a melhor sequência de produção.
2.2. Atividades e hierarquias do planejamento e controle da produção
As atividades do PCP são exercidas nos três níveis hierárquicos de planejamento e
controle das atividades produtivas, são eles: nível longo, médio e curto prazo.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
5
Em longo prazo, segundo Vollmann e Berry (2006, p. 29), “é responsável pelo
fornecimento de informações para a tomada de decisões sobre a quantidade apropriada de
capacidade para atingir as demandas futuras do mercado”. Essas decisões são importantes, pois
estabelecem os parâmetros dentro dos quais a empresa reage às demandas atuais e lida com
mudanças de curto prazo nas preferências de clientes.
Em curto prazo, busca implantar um programa de produção que atenda às necessidades
da produção, gerando o produto acabado. E para Slack et al. (2009), a natureza é estabelecida
de acordo com tempo para atingir um determinado objetivo. Esta relação pode ser observada
na Figura 01.
Figura 01: Equilíbrio entre atividades de planejamento e controle
Horizonte de Tempo Planejamento e controle de longo prazo - Usa-se previsão de demanda agregada; - Determina recursos de forma agregada; - Objetivos estabelecidos em grande parte em
termos financeiros.
Planejamento e controle de médio prazo
- Usa-se previsão de demanda desagregada;
- Determina recursos e contingências;
- Objetivos estabelecidos em termos
financeiros como operacionais.
Planejamento e controle de curto prazo
- Usa-se previsão de demanda totalmente
desagregada ou demanda real;
- Faz intervenções nos recursos para corrigir
desvios;
- Considerações de objetivos operacionais ad
hoc (caso a caso). Horas/Dias, Dias/Semana/Meses,
Meses/Ano Fonte: Adaptado de Slack et al. (2009).
2.3. Métodos de previsão da demanda
Lustosa et al. (2008) complementam que a importância da previsão de demanda não
se restringe às empresas de manufatura, mas também ao varejo e serviços. No varejo, as
decisões de reposição de estoques devem considerar a previsão de demanda futura. Em serviços,
a previsão de demanda fornece informações importantes no planejamento dos recursos
PLANEJAMENTO C
O
N
T
R
O
L
E
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
6
humanos, equipamentos e materiais para atendimento ao cliente. Erros de previsão e
planejamento acarretarão ociosidade dos recursos ou longas filas de espera dos clientes, ou seja,
resultarão na ineficiência na prestação do serviço.
As atividades de análise de clientes, concorrentes, características de mercado,
tendências do ambiente e capacidades internas são importantes para a elaboração de uma
estratégia de mercado eficiente, segundo Abell e Hammond (1979). Elas podem fornecer
subsídios para o cálculo de uma importante informação estratégica, que é a demanda prevista,
estimativa antecipada do volume de vendas num período determinado, com uma margem de
erro a ser considerada (DIAS, 1993). A partir de Pellegrini e Fogliatto (2001), foi feito um
resumo, que pode ser observado no quadro 01, relacionando as características, os tipos e as
aplicações desses modelos de previsão.
Quadro 01: Resumo dos modelos matemáticos para previsão
Família Suavização Exponencial Box – Jenkins
Características
Valores recentes recebem pesos maiores Valores da série temporal
dependentes
Peso decai exponencialmente à medida que
o valor utilizado seja mais antigo
Um novo valor pode ser
explicado pelos anteriores
Tipos
Suavização Simples Modelos Auto regressivos
Modelo de Holt Modelos de Média-móvel
Modelos Mistos
Modelos de Winters Modelos não-estacionários
Aplicações
Processo constante Grande número de séries
temporais
Tendência Linear Modelos Estacionários
Tendência Linear e Sazonalidade Séries sem média constante
Fonte: Pellegrini & Fogliatto (2001).
A utilização de modelos para a previsão de demanda é fundamental no setor de
prestação de serviços, visto que esta predição tem um papel-chave na elaboração do
planejamento de estoque, principalmente em relação a empresas que trabalham com a
distribuição de uma grande variedade de tipos de produtos, como é o caso de um centro de
distribuição (CD) (PEREIRA, 2006). Um CD tem como principal função o recebimento dos
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
7
produtos dos fornecedores, a armazenagem adequada, a separação, a expedição e o transporte
dos pedidos feitos pelas filiais, hospitais e outras lojas (OLIVEIRA e COSTA, 2006).
2.4. Técnicas de previsão
A Média móvel corresponde a uma técnica quantitativa de previsão de demanda, que
consiste no cálculo da média dos valores mais recentes, ou seja, os valores mais antigos são
substituídos pelos mais atuais, modificando dessa forma a média (MORETTIN et al. 2006).
Conforme Pellegrini et al. (2001), nos modelos de suavização exponencial simples,
um peso é atribuído para cada valor da série temporal, onde a ponderação maior pertente aos
valores mais recentes. Há um erro percentual que varia entre 0 e 1, representado pelo α. O
resultado do período n listado é dada a partir da soma da ponderação e suavização do erro e a
previsão (STEVENSON, 2001).
De acordo com Martins e Laugeni (2009), para o modelo linear de Holt (suavização
exponencial) deve-se considerar a constate de suavização (α e β), e as três equações, tal modelo
é utilizado quando há dados que apontam uma tendência linear crescente ou decrescente. E o
modelo Holt-Winters, destina-se aos dados que apresentam tendência e sazonalidade, podendo
ter duas abordagens distintas, multiplicativa e aditiva, sendo a principal diferença entre elas a
atuação dos índices sazonais, bem como a forma como ocorre a sazonalidade. Por fim, o quadro
02 apresenta as equações utilizadas para a obtenção das previsões de demanda pelos modelos
apresentados.
Quadro 02: Equações dos modelos de previsão de demanda
Modelos Equações
Média Móvel MMt = ∑ Din
i=1
n
Média Móvel Ponderada 𝑀𝑀𝑃 = ∑(Yt δt)
n
i=1
Suavização Exponencial Simples 𝐹𝑡 = 𝐹𝑡−1 + 𝛼(𝑌𝑡−1 − 𝐹𝑡−1)
Modelo Linear de Holt 𝐹𝑡 = 𝐿𝑡 + 𝑏𝑡
𝐿𝑡 = 𝛼𝑌𝑡 + (1 − 𝛼)(𝐿𝑡−1 + 𝑏𝑡−1)
𝑏𝑡 = 𝛽(𝐿𝑡 − 𝐿𝑡−1) + (1 − 𝛽)𝑏𝑡−1
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
8
Modelo de Holt-Winters (Método Multiplicativo)
𝐹𝑡 = (𝐿𝑡 + 𝑏𝑡)𝑆𝑡−𝑠
𝐿𝑡 = 𝛼𝑌𝑡
𝑆𝑡−𝑠
(1 − 𝛼) + (𝐿𝑡−1 + 𝑏𝑡−1)
𝑏𝑡 = 𝛽(𝐿𝑡 − 𝐿𝑡−1) + (1 − 𝛽)𝑏𝑡−1
𝑆𝑡 = 𝛾𝑌𝑡
𝐿𝑡+ (1 − 𝛾)𝑆𝑡−𝑠
Fonte: Pellegrini & Fogliatto (2001).
Onde:
MMt: Média móvel simples;
MMP: Média móvel ponderada;
F: Valor da observação prevista;
Y: Demanda real;
L: Estimativa do nível da série temporal;
b: Estimativa de tendência da série temporal;
S: Índice sazonal da série temporal;
α, β e γ: Constante de suavização (com valores entre 0 e 1, não correlacionados, que
controlam o peso relativo ao nível, à tendência e à sazonalidade, respectivamente);
δ: Peso da ponderação ao instante t observado;
n: Número de períodos (n = 1,2,3...);
m: Períodos à frente que se deseje obter previsões (m = 1,2,3...).
2.4.1. Medidas de acurácia
Conforme Ballou (2006), as previsões de demanda encontra-se sujeita a erros. O autor
adverte que além da coleta de informações de dados históricos, deve-se escolher o método mais
adequado para estimar a demanda em questão. A fim de verificar a precisão dos modelos
utilizados, alguns mecanismos são utilizados no processo de previsão da demanda. Tais
mecanismos, possibilitam o acompanhamento do desempenho dessas projeções, confirmando
assim a validade do modelo com base nos dados atuais (TUBINO, 2009). As medidas de
acurácia utilizadas nesse artigo para a avaliação da previsão dos modelos forma: Mean Absolute
Error (MAE ou MAD) e o Mean Absolute Percentage Error (MAPE). No quadro 03 estão as
equações:
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
9
Quadro 03: Medidas de Acurácia
Medidas de Acurácia Equações
MAD ∑ |𝐸𝑡|𝑛
𝑡
𝑛
MAPE ∑ |
𝐸𝑡𝑌𝑡
⁄ | 100𝑛𝑡
𝑛
Fonte: Pellegrini & Fogliatto (2001).
Onde:
Et: Erro de previsão no instante t;
n: Número de observações;
Yt: Demanda real no período t e t = 1,2,3...n.
2.5. Gestão de estoque
Os estoques são utilizados por diversas empresas por serem uma espécie de proteção
física do seu sistema de produção contra as variações das condições do ambiente as quais estão
sujeitas, representando valores expressivos por armazenarem materiais para uso futuro. Assim,
o uso do estoque pelas empresas se dá em sua grande maioria, por incertezas no suprimento ou
na demanda, ou ainda por conta de políticas de gestão do tempo de resposta e financeiras. Logo,
a gestão de estoques é uma prática de caráter estratégico que é desenvolvida pelos gestores da
organização com o intuito de aproveitar o melhor possível dos recursos e potencializar os
resultados positivos (RUFINO; 2009).
2.5.1. O estoque de segurança e lote de reposição
Uma decisão importante no que diz respeito à gestão de estoques é a determinação do
tamanho dos lotes de reabastecimento. Uma maneira de resolver tal impasse se faz escolhendo
o método mais adequado para ordenar os reabastecimentos. A partir de então, são criados
padrões de gestão à manutenção do contínuo processo de reposição, visando o máximo
desempenho da atividade (GASNIER apud FREITAS, MEDEIROS e MELO, 2008).
Segundo Ching (2001), quando se chega ao tempo da revisão periódica e quando a
quantidade estocada é determinada, um pedido de ressuprimento é emitido e esse volume é
calculado como a diferença entre um nível máximo a ser fixado e um nível no momento da
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
10
revisão. A seguir, no quadro 04, tem-se as formulas que foram descrevidas acima: Estoque de
segurança, lote econômico de compra, tempo de ressuprimento.
Quadro 04: Equações dos modelos de gestão de estoque
Medidas Equações
Estoque de Segurança (ES) 𝐶𝑀 + 𝑇
Lote Econômico de Compra (LEC) √2 × 𝐶𝑂 × 𝐷𝐴
𝐶𝑢𝑠𝑡𝑜 𝑑𝑒 𝑀𝑎𝑛𝑢𝑡𝑒𝑛çã𝑜
Tempo de ressuprimento (T) 𝐿𝑅
𝐷𝐴×
𝑄𝑠𝑒𝑚
𝐴𝑛𝑜
Fonte: Adaptado Ching (2001).
Onde:
CM: Cunsumo médio;
T: Tempo de reposição;
CO: Custo de obtenção;
DA: Demanda atual;
LR: Lote de Reposição;
Qsem: Quantidade de semanas.
3. Metodologia
Os métodos utilizados de abordagem foram quantitativos, com o histórico de um
produto varejista em um supermercado no município de Marabá, no estado do Pará, A estratégia
de pesquisa foi o estudo de caso e com técnicas de coleta de dados, fez-se uso de entrevista e
observações no negócio, com o intuído de descrever questões relacionadas a previsão de
demanda e a gestão de estoque, além de uma pesquisa prévia bibliograficamente.
Utilizou-se como método lógico de investigação o indutivo, visto que esse estudo
partiu da observação da utilização de uma técnica de previsão de demanda em uma empresa
para conhecer os benefícios que este sistema pode trazer ao supermercado e o objeto de estudo
é descobrir as relações e estabelecer as generalizações necessárias. Em relação aos métodos
técnicos de investigação utilizou-se o observacional (GIL, 2008).
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
11
Quanto ao universo e amostra, a realização da pesquisa foi realizada apenas no
estabelecimento citado, solicitou-se a colaboração dos gerentes presentes. Simultaneamente à
análise, foi efetivada a interpretação dos dados, que é o processo pelo qual os dados obtidos são
ligados à uma teoria, com vistas a integrá-los num universo mais amplo em que possam ter
algum sentido (GIL, 2008).
Para a realização da análise da previsão de demanda e gestão de estoque, realizou-se a
coleta de dados, que incluem os dados históricos de vendas realizadas e informações sobre
eventos passados, que influenciaram o comportamento das vendas realizadas. Os dados
históricos compõem uma série temporal que apresenta sazonalidade e tendência. Desse modo,
o modelo de previsão escolhido foi o de Suavização Exponencial, pois é o que melhor se adapta
a essa série, de acordo com alguns indicadores, que visam minimizar o erro de previsão. Após
a seleção do modelo, alguns parâmetros foram definidos para o cálculo para uma boa gestão de
estoque do produto. E utilizou-se um software, no caso a Microsoft Excel para auxilia esse
processo de previsão, pois identifica automaticamente o modelo associado ao menor erro, com
a ajuda do suplemento Solver, a partir da série histórica inserida.
4. Resultados e discussões
4.1. O estudo de caso
O Grupo X é do ramo de distribuição de alimentos, é uma das principais redes de
atacarejo, contendo mais de 57 lojas e o maior CD (Centro de Distribuição) da América Latina,
a supermercado estudado está situada no município de Marabá-PA. Esta Filial foi escolhida
pelo seu potencial de vendas que pode chegar a mais de 01 milhão por dia, o que leva a
necessidade de previsões de demandas acuradas para atender todas as necessidades dos clientes.
Para a análise foi escolhido uma marca de arroz, líder em vendas na empresa nesse segmento.
Os Dados analisados são de Jan/2014 a Dez/2016, devido à importância que esse
produto especifica tem para a empresa, considerou-se apropriado prever suas demandas futuras.
As previsões feitas pela compradora da rede não utiliza nenhuma técnica relevante, a aplicação
de técnicas de previsão de demanda na empresa pode melhorar o planejamento de compra da
empresa.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
12
4.2. Previsão da demanda
Para os cálculos de previsão de demanda, foram utilizados três métodos diferentes,
escolhendo aquele que apresentava menor erro de previsão.
4.2.1. Média Móvel Simples com três meses (MM3)
A Previsão baseada em média móvel de 03 meses, ou média móvel simples, é utilizada
para previsões de curto prazo – como a do estabelecimento em análise (mensal). A média móvel
dá uma previsão do valor médio das vendas nos períodos futuros, caso não ocorra qualquer
tendência perceptível ou sazonalidade nos dados. Fez-se o cálculo da previsão, do erro médio
absoluto e do erro percentual, como mostra a tabela 01:
Tabela 01: Previsão com Cálculo dos Erros (MM3) para o mês de janeiro de 2017
Fonte: Autores, 2017.
O gráfico da previsão de demanda para a média móvel de três meses segue um percurso
parecido com a demanda, no entanto o erro médio percentual é de seis percentuais. O gráfico
01, mostra a curva de previsão para o mês de janeiro de 2017, conforme a média móvel simples
de três meses.
Meses jan/16 fev/16 mar/16 abr/16 mai/16 jun/16 jul/16 ago/16 set/16 out/16 nov/16 dez/16 jan/17
Tempo 1 2 3 4 5 6 7 8 9 10 11 12 1
Demanda
(unidades)6245 6122 6456 6998 7222 7214 7004 7512 7887 7645 7732 8412
Média Móvel
03 meses6274 6525 6892 7145 7147 7243 7468 7681 7755 7930 Média
MAD 724 697 322 141 365 644 177 51 657 420
MAPE 10% 10% 4% 2% 5% 8% 2% 1% 8% 6%
Previsão da demanda com Média Móvel simples com três meses para Janeiro de 2017
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
13
Gráfico 01: Curva da previsão da demanda da média móvel simples de três meses
Fonte: Autores, 2017.
4.2.2. Média móvel simples com quadro meses (MM4)
A média móvel de 4 meses, assim como a de 3 meses se utiliza quando o planejamento
é de curto prazo, logo fez-se o cálculo da previsão, do erro médio absoluto e do erro percentual
como parâmetro para comparação, como mostra a tabela 02:
Tabela 02: Previsão com Cálculo dos Erros (MM4) para o mês de janeiro de 2017
Fonte: Autores, 2017.
O gráfico da previsão de demanda para a média móvel de quadro meses segue um
percurso diferente da previsão de três meses, pois o erro médio absoluto possui uma
discrepância de vinte e três pontos médios acima. O gráfico 02, mostra a curva de previsão para
o mês de janeiro de 2017, conforme a média móvel simples de quatro meses.
0
2000
4000
6000
8000
10000
1 2 3 4 5 6 7 8 9 10 11 12 13
Gráfico da Previsão MM3
Demanda (unidades) Média Móvel 03 meses
Meses jan/16 fev/16 mar/16 abr/16 mai/16 jun/16 jul/16 ago/16 set/16 out/16 nov/16 dez/16 jan/17
Tempo 1 2 3 4 5 6 7 8 9 10 11 12 1
Demanda
(unidades)6245 6122 6456 6998 7222 7214 7004 7512 7887 7645 7732 8412
Média Móvel
04 meses6455 6700 6973 7110 7238 7404 7512 7694 7919 Média
MAD 767 515 32 403 649 241 220 718 443
MAPE 11% 7% 0% 5% 8% 3% 3% 9% 6%
Previsão da demanda com Média Móvel simples com quatro meses para Janeiro de 2017
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
14
Gráfico 02: Curva da previsão da demanda da média móvel simples de quatro meses
Fonte: Autores, 2017.
4.2.3. Suavização Exponencial
Para o método da média de Suavização Exponencial é necessário utilizar a previsão do
último período e fazer a ponderação para cálculo da previsão desejada. Utilizou-se o Solver
uma ferramenta do Excel para encontrar o alfa da questão que é o peso da ponderação. Então,
Fez-se os cálculos da previsão, do erro médio absoluto e do erro percentual como parâmetro
para comparação, como mostra a tabela 03:
Tabela 03: Previsão e os Erros com a suavização exponencial para o mês de janeiro de 2017
Fonte: Autores, 2017.
Logo é perceptível que esse método possuiu um menor MAD e MAPE e o gráfico da
previsão de demanda da suavização exponencial seguiu um percurso diferente da previsão de
três e quatro meses da média móvel simples, assim o erro médio absoluto possui uma
0
2000
4000
6000
8000
10000
1 2 3 4 5 6 7 8 9 10 11 12 13
Gráfico da Previsão MM4
Demanda (unidades) Média Móvel 04 meses
Meses jan/16 fev/16 mar/16 abr/16 mai/16 jun/16 jul/16 ago/16 set/16 out/16 nov/16 dez/16 jan/17 Alfa
Tempo 0 1 2 3 4 5 6 7 8 9 10 11 12 1 1
Demanda
(unidades)6245 6122 6456 6998 7222 7214 7004 7512 7887 7645 7732 8412
Base Suavização
Exp.7492 6245 6122 6456 6998 7222 7214 7004 7512 7887 7645 7732 8412
Previsão 7492 6245 6122 6456 6998 7222 7214 7004 7512 7887 7645 7732 8412 Média
MAD 1247 123 334 542 224 8 210 508 375 242 87 680 382
MAPE 20% 2% 5% 8% 3% 0% 3% 7% 5% 3% 1% 8% 5%
Previsão da demanda com Suavização Exponencial simples para Janeiro de 2017
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
15
discrepância média acima. O gráfico 03, mostra a curva de previsão para o mês de janeiro de
2017, conforme a suavização exponencial.
Gráfico 03: Curva da previsão da demanda da suavização exponencial
Fonte: Autores, 2017.
4.2.4. Previsão com Tendência e Sazonalidade
O cálculo da previsão com sazonalidade foi possível com a disponibilidade do
histórico de três anos de 2014 à 2016 dos produtos disponíveis no supermercado de maior
representatividade. O gráfico 04, mostra a curva de sazonalidade da demanda dos produtos nos
três anos.
Gráfico 04: Curva de sazonalidade da demanda mais representativa dos meses
Fonte: Autores, 2017.
0
2000
4000
6000
8000
10000
1 2 3 4 5 6 7 8 9 10 11 12 13
Gráfico da Previsão Suavização Exponencial
Demanda (unidades) Previsão
0
2000
4000
6000
8000
10000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Gráfico da Demanda Sazonal
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
16
É notório no gráfico acima a sazonalidade dos produtos analisados, durante os três
anos, então com os dados pode-se calcular as previsões para o ano de 2017, resultado assim
num melhor controle e planejamento das produções futuros. A tabela 04, mostra o cálculo das
previsões entre o mês de janeiro até dezembro de 2017.
Tabela 04: Previsão de 2017 com o cálculo da sazonalidade
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
17
Meses TempoDemanda
(unidades)Base Tendência Índice de Saz. Previsão MAD MAPE
jan/14 1 6800 0,99
fev/14 2 6544 0,94
mar/14 3 6788 0,98
abr/14 4 6992 1,00
mai/14 5 6814 0,97
jun/14 6 7122 1,01
jul/14 7 5055 0,71
ago/14 8 6374 0,87
set/14 9 7365 1,00
out/14 10 7144 0,97
nov/14 11 7398 0,99
dez/14 12 8232 7479 0,0 1,10
jan/15 1 7287 7436 -42,9 0,98 7386 99 1%
fev/15 2 6897 7354 -82,9 0,94 6986 89 1%
mar/15 3 7011 7234 -119,8 0,97 7095 84 1%
abr/15 4 7466 7256 22,3 1,03 7132 334 4%
mai/15 5 7522 7476 220,3 1,01 7071 451 6%
jun/15 6 7987 7797 320,6 1,02 7750 237 3%
jul/15 7 6912 8822 1025,4 0,78 5743 1169 17%
ago/15 8 7354 9239 417,0 0,80 8599 1245 17%
set/15 9 7365 8686 -553,8 0,85 9635 2270 31%
out/15 10 7875 8134 -551,8 0,97 7871 4 0%
nov/15 11 7845 7714 -419,6 1,02 7537 308 4%
dez/15 12 8645 7534 -180,7 1,15 8029 616 7%
jan/16 1 6245 6935 -598,7 0,90 7205 960 15%
fev/16 2 6122 6418 -517,2 0,95 5943 179 3%
mar/16 3 6456 6225 -192,6 1,04 5719 737 11%
abr/16 4 6998 6360 135,4 1,10 6207 791 11%
mai/16 5 7222 6787 426,6 1,06 6535 687 10%
jun/16 6 7214 7141 353,5 1,01 7389 175 2%
jul/16 7 7004 8111 970,4 0,86 5871 1133 16%
ago/16 8 7512 9234 1122,6 0,81 7228 284 4%
set/16 9 7887 9906 672,5 0,80 8781 894 11%
out/16 10 7645 9434 -471,9 0,81 10242 2597 34%
nov/16 11 7732 8382 -1051,8 0,92 9114 1382 18%
dez/16 12 8412 7331 -1051,8 1,15 8412 0 0%
jan/17 1 5654 Média Mad Média Mape
fev/17 2 4986 697 10%
mar/17 3 4330
abr/17 4 3436
mai/17 5 2204
jun/17 6 1030
jul/17 7 28
ago/17 8 882
set/17 9 1700
out/17 10 2583
nov/17 11 3910
dez/17 12 6072
Alfa Beta Gama
0,43 1 1
Previsão da demanda do produto para o ano de 2017
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
18
Fonte: Autores, 2017.
Então, observou-se que a suavização exponencial apresentou o menor MAD e MAPE,
porém a previsão com sazonalidade e tendência possui um maior histórico, mostrando assim
uma análise mais precisa da demanda com uma discrepância pequena da suavização
exponencial. A empresa pouco utiliza de ferramentas de previsões de demanda, foi sugerido à
implementação de softwares para aplicação da ferramenta para aumentar a competitividade da
empresa. O Período considerado para todas as previsões foram de 36 meses, devido a variações
de mercado, promoções, esses valores podem ser alterados dentro da realidade da empresa.
4.3. Cálculo da gestão de estoque
A partir dos dados obtidos com a previsão de demanda (MM3, Suavização
Exponencial de 2016 e Tendência e Sazonalidade), escolhendo aquele que obteve menor desvio
padrão. Considerou ainda, que o Lead Time era fixo, duas semanas, e o que variava era a
demanda, pois a quantidade de cada produto varia com a semana ou o mês, mas independente
de quanto tiver no estoque eles sempre fazem o pedido semanalmente e o fornecedor demora
duas semanas para entregar o item pedido. Assim, o período considerado para os cálculos, foi
de duas semana. Além disso, considerou-se que o nível de segurança é de 95%, que de acordo
com a tabela universal, representa um fator de segurança (fs) igual a 1,645.
Cálculo da Média Mensal do ano de 2016: Os números obtidos foram reservados para
que em seguida fosse feita uma média de consumo mensal, na qual foram somadas as
quantidades consumidas em cada mês e divididas pela quantidade de meses da amostra (12),
Essa média possibilitaria os cálculos posteriores, iniciando pela média semanal, que seria o
resultado da média mensal dividido por quatro semanas.
𝑀é𝑑𝑖𝑎 𝑀𝑒𝑛𝑠𝑎𝑙 = 6245 + 6122 + 6456 + 6998 + 7222 + 7214 + 7004 + 7512 + 7887 + 7645 + 7732 + 8412
12
Onde:
𝑀é𝑑𝑖𝑎 𝑀𝑒𝑛𝑠𝑎𝑙 = 7204,083
𝑀é𝑑𝑖𝑎 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 =7204,083
4≅ 1801
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
19
Determinação do tempo de reposição: Já que há uma tabela de fornecedores em seu
banco de dados, foi analisado o tempo em que cada fornecedor de componente demora em
realizar a entrega dos materiais solicitados. Sabendo que o fornecedor leva em média 12 dias
para entregar o componente, adotou – se como sendo o tempo de reposição em 2 semanas.
Cálculo do estoque de segurança: Esta etapa é considerada uma das mais importantes,
uma vez que esta ferramenta garante a redução dos estoques, e marca que a demanda do cliente
será atendida em tempo preciso, evitando o aguardo à medida que os pedidos são acumulados.
Essas quantidades mínimas que devem ser armazenadas foram calculadas de acordo com o
produto entre o tempo de reposição e a média semanal.
𝐸𝑆 = 2 × 1801
𝐸𝑆 = 3602
Cálculos do ponto de reposição e lotes de reposição e determinação da frequência de
compra Em seguida pôde – se definir o ponto de reposição de cada componente pelo dobro do
estoque de segurança. Já a compra em lotes de reposição foi definida de acordo com a
frequência de compra, ou seja, consiste na relação entre a média mensal e o tempo para a
frequência das compras em vezes por mês.
𝑃𝑜𝑛𝑡𝑜 𝑑𝑒 𝑅𝑒𝑝𝑜𝑠𝑖çã𝑜 = 2 × 𝐸𝑆
𝐿𝑜𝑡𝑒 𝑑𝑒 𝑅𝑒𝑝𝑜𝑠𝑖çã𝑜 = 𝑀é𝑑𝑖𝑎 𝑚𝑒𝑛𝑠𝑎𝑙
𝐹𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑑𝑒 𝑐𝑜𝑚𝑝𝑟𝑎𝑠
Logo:
𝑃𝑜𝑛𝑡𝑜 𝑑𝑒 𝑅𝑒𝑝𝑜𝑠𝑖çã𝑜 = 2 × 3602
𝑃𝑜𝑛𝑡𝑜 𝑑𝑒 𝑅𝑒𝑝𝑜𝑠𝑖çã𝑜 = 7204
𝐿𝑜𝑡𝑒 𝑑𝑒 𝑅𝑒𝑝𝑜𝑠𝑖çã𝑜 = 7204
2
𝐿𝑜𝑡𝑒 𝑑𝑒 𝑅𝑒𝑝𝑜𝑠𝑖çã𝑜 = 3602
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
20
LEC Todo o cálculo mantido na planilha foi desenvolvido com a intenção de
determinar as variáveis mais significativas para cada material. O LEC foi a variável mais
relevante, porém a que necessitou de maiores apurações, pois foi necessário coletar os custos
envolvidos na obtenção de cada material. Neste caso, como alguns pedidos são feitos de forma
agregada, atrelando, por exemplo, unidades ópticas com unidades de processamento e
processadores, precisou - se fazer uma média nestes custos envolvidos, para atender à fórmula
dos lotes econômicos de compra.
𝐿𝐸𝐶 = √2 × 8 × 7204 × 12
14
𝐿𝐸𝐶 = 314,32 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
5. Considerações finais
O presente estudo comprova a importância da previsão de demanda para as redes de
varejo de supermercados, pois consiste em um meio pelo qual as mesmas possam prever o
comportamento que as vendas de seus produtos apresentarão no futuro e desta forma se
organizar antecipadamente para conseguir atender toda a solicitação do mercado consumidor e,
tendo disponível uma reposição de estoque na quantidade e no momento certo. Além disso, o
projeto de implantação de um sistema de previsão de demanda nos supermercados contribui
para o equilíbrio dos níveis de estoques visando à redução dos custos e a garantia da
sobrevivência em um cenário cada vez mais competitivo. Sendo assim, a previsão de demanda
é fundamental para o setor de Planejamento e Controle da Produção, para que este execute de
modo adequado todas as suas funções.
Desse modo, apresentou-se o modelo de Média Móvel simples, Suavização
Exponencial Simples e o modelo que obteve o menor grau de acurácia em relação aos demais
foi o modelos de Holt-Winters. Desse modo, conforme aponta a literatura e dado os resultados
obtidos, estes modelo são os mais indicados para a organização prever a demanda do negócio.
Outro fator relevante é a possibilidade de mostrar para as empresas com características similares
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
21
à estudada, que a utilização da previsão de demanda no PCP é crucial para o sucesso da
organização, visto que auxilia no processo decisório.
Levantou-se algumas oportunidades de otimização do sistema de planejamento e
controle da produção, através da utilização de modelos quantitativos de previsão de demanda
que auxiliam no processo de planejamento e controle organizacional, desde a compra de
matérias-primas, até a potencialização da capacidade produtiva. Logo, recomenda-se à empresa
organizar e sistematizar suas atividades com o objetivo de obter melhorias na organização, já
que pode acarretar em aumento dos lucros e crescimento organizacional. Essas ferramentas (Es,
lote de reposição e LEC) foram suficientes para compor uma proposta sólida de melhoria na
gestão do estoques de matéria prima da referida empresa. A nova proposta determina as
quantidades mínimas a serem estocadas para que o problema apresentado não se repita.
As empresas que pretendem se manter competitivas num mercado tão disputado
necessitam buscar alternativas de gestão para garantir qualidade nos serviços internos,
essencialmente em termos de gestão de estoques, e finalmente atender às expectativas da
clientela que cada vez mais, diante do volume de produtos e serviços disponíveis nos dias atuais,
se torna apurada e rigorosa. Este artigo detalhou os resultados, evidenciando as paradas de
produção ocorridas numa empresa que não possuía uma gestão de estoque para novos produtos
adquiridos e os impactos que poderiam ser causados ao se implementar alternativas para o
gerenciamento do estoque.
REFERÊNCIAS
ABELL, D. F.; HAMMOND, J. S. Strategic market planning: problems and analytical approaches.
Englewood Cliffs: Prentice-Hall, 1979.
BALLOU, Ronald H. Gerenciamento da Cadeia de Suprimentos: planejamento, organização e logística
empresarial. 5 ed. Porto Alegre: Bookman, 2006.
CHING, Hong Yuh. Gestão de estoques na cadeia de logística integrada - Supply Chain. 2 ed. São Paulo: Atlas,
2001.
DIAS, M. A. P. Administração de Materiais: uma abordagem logística. São Paulo: Ed. Atlas, 1993.
FILHO, J.; TUBINO, D. O planejamento e controle da produção nas pequenas empresas – Uma metodologia
de implantação, São Paulo, 2ª. ed. Atlas 2009.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
22
FREITAS, Felipe Fonseca Tavares de; MEDEIROS, Carlos Vitor da Silva.; MELO, André Cristiano Silva.
Aplicação de técnicas de gestão de estoques, como auxílio à tomada de decisões em compras públicas
estaduais de medicamentos. Rio de Janeiro: ENEGEP, 2008.
GIL, Antônio Carlos. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 2008. ______. Como
elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2009.
HYNDMAN, R. J.; MAKRIDAKIS, S.; WHEELWRIGHT, S. C. Forecasting: Methods and Applications. 3ª.
ed. New York: John Wiley & Sons, 1998.
LUSTOSA, L. et al. Planejamento e Controle da Produção. Volume 4. Rio de Janeiro: Campus Elsevier, 2008.
P.50-69.
MARTINS, P. G.; LAUGENI, F. P. Administração da Produção. São Paulo: Saraiva, 2006.
MOREIRA, Daniel Augusto. Administração da Produção e operações. São Paulo: Pioneira Thonson Learning,
2008.
MORETTGIN, P. A; TOLOI, C. M. C. Previsão de séries temporais. 2 ed. São Paulo: Atual, 2006.
OLIVEIRA, J. L. R. & COSTA, F. L. P. Ações estratégias de compras e estoque na rede de farmácias Trade.
Anais do IX SEMEAD (2006).
PELLEGRINI, F. R.; FOGLIATTO, F. S. Metodologia para implantação de sistemas de previsão de demanda
– técnicas e estudo de caso. Anais do XXI ENEGEP – CD-ROM, Salvador (2001).
PEREIRA, L. D. Planejamento de demanda de um componente controlado numa empresa de serviços do
ramo de mineração. Monografia de Graduação da Universidade Federal de Juiz de Fora (2006).
RITZMAN, L. P.; KRAJEWSKI, L. J. Administração de Produção e Operações. São Paulo: Atlas, 2004.
RUFINO, Elimara Clelia. Gestão De Estoques: Uma Prática para Melhorar a Gestão do seu Negócio -
Manual do Participante. Serviço Brasileiro de Apoio às Micro e Pequenas Empresas – SEBRAE. Brasília: 2009.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 2ª Ed. São Paulo: Atlas, 2009.
STEVENSON, W. J. Administração das operações de produção. 6 ed. Rio de Janeiro: LTC, 2001.
VOLLMANN, Thomas E; BERRY, William L. Sistema de Planejamento e controle da Produção para
Gerenciamento da Cadeia de Suprimentos. 5ª Ed. Porto Alegre: Bookman, 2006.