Estudo de Caso Po - Paschoeto4BIM
-
Upload
joice-menegarde -
Category
Documents
-
view
112 -
download
5
Transcript of Estudo de Caso Po - Paschoeto4BIM
FACULDADE ESTADUAL DE CIÊNCIAS E LETRAS DE CAMPO MOURÃOCURSO DE ENGENHARIA DE PRODUÇÃO AGROINDUSTRIAL
DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO AGROINDUSTRIALDISCIPLINA DE PESQUISA OPERACIONAL APLICADA
Cristiane Teixeira BarbosaDiego Alberto Villa
Joice Kelli MenegardeLuis Henrique Nogueira Marinho
Roberto Carmassio
Aplicação de Técnicas de Pesquisa Operacional na indústria de Vinhos Paschoeto
CAMPO MOURÃO
2010
1
Cristiane Teixeira BarbosaDiego Alberto Villa
Joice Kelli MenegardeLuis Henrique Nogueira Marinho
Roberto Carmassio
Aplicação de Técnicas de Pesquisa Operacional na indústria de Vinhos Paschoeto
Trabalho apresentado como requisito básico para obtenção de nota parcial no 3° bimestre na disciplina de Pesquisa Operacional Aplicada do curso de Engenharia de Produção Agroindustrial, ministrada pela Professora Msc Márcia de Fátima Morais.
CAMPO MOURÃO 2010
2
LISTA DE QUADROS
Quadro 1 – Determinação dos limites de números aleatórios para a previsão do vinho tinto suave de 4,6L
35
Quadro 2 – Simulação da demanda para o Vinho Tinto Suave de 4,6L para o 36
Quadro 3 - Determinação dos limites de números aleatórios para a previsão do vinho tinto seco de 4,6L
36
Quadro 4 - Simulação da demanda para o Vinho Tinto seco de 4,6L 37
Quadro 5 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave de 4,6L
37
Quadro 6 - Simulação da demanda para o Vinho branco suave de 4,6L 38
Quadro 7 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco de 4,6L
38
Quadro 8 - Simulação da demanda para o Vinho branco seco de 4,6L 39
Quadro 9 - Determinação dos limites de números aleatórios para a previsão do vinho Rose suave de 4,6L
39
Quadro 10 - Simulação da demanda para o Vinho Rose suave de 4,6L para o 09/2010 a 09/2011
40
Quadro 11 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto Suave com 6x2000mL
40
Quadro 12 - Simulação da demanda para o vinho Tinto Suave com 6x2000mL 41
Quadro 13 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto seco com 6x2000mL
41
Quadro 14- Simulação da demanda para o vinho Tinto vinho Tinto seco com 6x2000mL
42
Quadro 15 - Determinação dos limites de números aleatórios para a previsão do vinho Branco suave 6x2000mL
42
Quadro 16 - Simulação da demanda para o vinho Tinto vinho Branco suave 6x2000mL 43
Quadro 17 - Determinação dos limites de números aleatórios para a previsão do vinho Branco seco 6x2000mL
43
Quadro 18 - Simulação da demanda para o vinho Tinto vinho Branco seco 6x2000mL 44
Quadro 19 - Determinação dos limites de números aleatórios para a previsão do vinho rose
44
Quadro 20 - Simulação da demanda para o vinho rose com 6x2000mL 45
Quadro 21 - Determinação dos limites de números aleatórios para o vinho Tinto Suave com 12 x720 mL
45
Quadro 22 - Simulação da demanda para o vinho Tinto Suave com 12x720 mL 46
Quadro 23 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto seco com 12x720 mL
46
Quadro 24 - Simulação da demanda para o vinho Tinto seco com 12x720 mL 47
Quadro 25 - Determinação dos limites de números aleatórios para a previsão do vinho 47
3
branco suave com 12x720 mLQuadro 26 - Simulação da demanda para o vinho branco suave com 12x720 mL 48
Quadro 27 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco com 12x20 mL
48
Quadro 28 - Simulação da demanda para o vinho branco seco com 12x720 mL 49
Quadro 29 - Determinação dos limites de números aleatórios para a previsão do vinho rose com 12x720 mL
49
Quadro 30 - Simulação da demanda para o vinho rose com 12x720 mL 50
Quadro 31 - Determinação dos limites de números aleatórios para a previsão do vinho tinto suave com 12x880 mL
50
Quadro 32 - Simulação da demanda para o vinho tinto suave com 12x880 mL 51
Quadro 33 - Determinação dos limites de números aleatórios para a previsão do vinho tinto seco com 12x880 mL
51
Quadro 34 - Simulação da demanda para o vinho tinto seco com 12x880 mL 52
Quadro 35 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave com 12x880 mL
52
Quadro 36 - Simulação da demanda para o vinho branco suave com 12x880 mL 53
Quadro 37 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco com 12x880 mL
53
Quadro 38 - Simulação da demanda para o vinho branco seco com 12x880 mL 54
Quadro 39 - Determinação dos limites de números aleatórios para a previsão do vinho rose suave com 12x880 mL
54
Quadro 40 - Simulação da demanda para o vinho branco seco com 12x880 mL 55
Quadro 41 - Determinação dos limites de números aleatórios para a previsão dovinho tinto suave, caixa 12x880 mL
55
Quadro 42 - Simulação da demanda para vinho tinto suave, caixa com 12x880 mL 56
Quadro 43 - Determinação dos limites de números aleatórios para a previsão dovinho tinto seco, caixa 12x880 mL
56
Quadro 44 - Simulação da demanda para vinho tinto seco, caixa com 12x880 mL 57
Quadro 45 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave, caixa 12x880 mL
57
Quadro 46 - Simulação da demanda para vinho branco suave, caixa com 12x880 mL 58
Quadro 47 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco, caixa 12x880 mL
58
Quadro 48 - Simulação da demanda para vinho branco seco, caixa com 12x880 mL 59
Quadro 49 - Determinação dos limites de números aleatórios para a previsão do vinho rose, caixa 12x880 mL
59
Quadro 50 - Simulação da demanda para vinho rose, caixa com 12x880 mL 60
Quadro 51 - Determinação dos limites de números aleatórios para a previsão do vinho tinto suave, caixa 12x970 mL
60
Quadro 52 - Simulação da demanda para vinho tinto suave, caixa com 12x970 mL 61
Quadro 53 - Determinação dos limites de números aleatórios para a previsão do vinho tinto seco, caixa 12x970 mL
61
Quadro 54 - Simulação da demanda para vinho tinto seco, caixa com 12x970 mL 62
Quadro 55 - Determinação dos limites de números aleatórios para a previsão do vinho 62
4
branco suave, caixa 12x970 mL
Quadro 56 - Simulação da demanda para vinho branco suave, caixa com 12 embalagens de 970 mL
63
Quadro 57 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco, caixa 12x970 mL
63
Quadro 58 - Simulação da demanda para vinho branco seco, caixa com 12 x970 mL 64
Quadro 59 - Determinação dos limites de números aleatórios para a previsão do vinho rose, caixa 12x970 mL
64
Quadro 60 - Simulação da demanda para vinho rose, caixa com 12x970 mL 65
Quadro 61 - Determinação dos limites de números aleatórios para a previsão do vinho tinto, fardo 6x2000 mL PET
65
Quadro 62 - Simulação da demanda para vinho tinto, fardo com 6 embalagens de 2000 mLx
66
Quadro 63 - Determinação dos limites de números aleatórios para a previsão do suco tinto, com 6x2000 mL
66
Quadro 64 - Simulação da demanda para suco tinto, com 6x2000 mL 67
Quadro 65 - Determinação dos limites de números aleatórios para a previsão do suco tinto, com 12x500 mL
67
Quadro 66 - Simulação da demanda para suco tinto adoçado, com 12x500 mL 68
Quadro 67 - Determinação dos limites de números aleatórios para a previsão do Cooler Rosado de 4,6L
68
Quadro 68- Simulação da demanda para Cooler Rosado de 4,6L 69
Quadro 69 - Determinação dos limites de números aleatórios para a previsão do Cooler Rosado, caixa de 6x2000mL
69
Quadro 70 - Simulação da demanda para Cooler Rosado caixa de 6x2000mL 70
Quadro 71 - Determinação dos limites de números aleatórios para a previsão do Cooler Rosado, grade de 12x880mL
70
Quadro 72 - Simulação da demanda para Cooler Rosado grade de 12x880mL 71
Quadro 73 - Determinação dos limites de números aleatórios para a previsão do Cooler, caixa de 12x880mL
71
Quadro 74 - Simulação da demanda para Cooler caixa de 12x880mL 72
Quadro 75 - Determinação dos limites de números aleatórios para a previsão do vinho Bourdeaux, caixa de 12x720 mL.
72
Quadro 76 - Simulação da demanda para vinho Bourdeaux, caixa de 12x720 mL 73
Quadro 77- Determinação dos limites de números aleatórios para a previsão do vinho Bourdeaux seco, caixa 12x720 mL.
73
Quadro 78 - Simulação da demanda para vinho Bourdeaux, caixa de 12x720 mL 74
Quadro 79 - Determinação dos limites de números aleatórios para a previsão para o Cooller de Morango, grade de 12x880 mL.
74
Quadro 80 - Simulação da demanda para Cooller de Morango, grade de 12x880 mL 75
Quadro 81 - Determinação dos limites de números aleatórios para a previsão para o Cooller de Morango, grade de 12x880 mL.
75
5
Quadro 82 - Simulação da demanda para Cooller de Morango, grade de 12 embalagens de 880 mL
76
Quadro 83 - Determinação dos limites de números aleatórios para a previsão para o Bourdeux suave com 6x720mL.
76
Quadro 84 - Simulação da demanda para Bourdeux suave com 6 embalagens de 720mL
77
Quadro 85 - Determinação dos limites de números aleatórios para a previsão para o Bourdeux demiseco 6x720mL.
77
Quadro 86- Simulação da demanda para Bourdeux demiseco com 6 embalagens de 720mL
78
Quadro 87 - Determinação dos limites de números aleatórios para a previsão para o Bourdeux seco com 6x720mL.
79
Quadro 88 - Simulação da demanda para Bourdeux seco com 6x720mL 79
Quadro 89 - Determinação dos limites de números aleatórios para o Cooller Rosado com 12x720mL
80
Quadro 90- Simulação da demanda para Cooller Rosado com 12x720mL 80
Quadro 89 - Determinação dos limites de números aleatórios para a previsãodo Cooller Rosado de Morango com 12x720mL.
81
Quadro 92 - Simulação da demanda para Cooller Rosado de morango com 12x x720mL
81
Quadro 93 - Determinação dos limites de números aleatórios para a previsão para o Vinagre d Vinho Tinto Clássico
82
Quadro 94 - Simulação da demanda para Vinagre de Vinho Tinto Clássico 82
Quadro 95 - Determinação dos limites de números aleatórios para a previsão para o Suco Tinto Adoçado com 12x1L.
83
Quadro 96 - Simulação da demanda para Suco Tinto Adoçado com 12x1L 83
Quadro 97 - Determinação dos limites de números aleatórios para a previsão para o Coquetel de Catuaba com 6x880mL.
84
Quadro 98 - Simulação da demanda para Coquetel de Catuaba 6x880mL 84
Quadro 99 - Determinação dos limites de números aleatórios para a previsão para Espumante Moscatel caixa 6x720 mL.
85
Quadro 100 - Simulação da demanda para Espumante Moscatel caixa 6x720 mL 85
Quadro 101 - Determinação dos limites de números aleatórios para a previsão do vinho tinto suave 12x370 mL
86
Quadro 102 - Simulação da demanda para vinho tinto suave 12x370 mL 86
6
SUMARIO
LISTA DE QUADROS.....................................................................................................2
1 INTRODUÇÃO............................................................................................................11
2 VINHOS PASCHOETO..............................................................................................13
2.1 HISTÓRICO DA VINHOS PASCHOETO..............................................................13
2.1 CARACTERIZAÇÃO DA EMPRESA....................................................................14
2.2 DESCRIÇÃO DO FLUXO DE INFORMAÇÃO.....................................................15
2.3 DESCRIÇÃO DO PROCESSO................................................................................16
3 TEORIA DE BASE......................................................................................................18
3.1 PREVISÃO DE DEMANDA....................................................................................18
3.1 MÉTODOS DE PREVISÃO DE DEMANDA.........................................................19
3.1.1 Métodos Qualitativos..............................................................................................19
3.1.1.1 Opiniões de Executivos.......................................................................................20
3.1.1.2 Opinião de Força de Vendas................................................................................21
3.1.1.3 Pesquisa Junto a Consumidores...........................................................................21
3.1.1.4 O método Delphi.................................................................................................22
3.1.2 Séries Temporais....................................................................................................23
3.1.2.1 Técnicas para previsão da média.........................................................................23
3.1.2.1.1 Média Móvel....................................................................................................23
3.1.2.1.2 Média Exponencial Móvel...............................................................................24
7
3.1.2.2 Técnicas para a previsão da Tendência...............................................................24
3.1.2.3 Técnicas para a previsão da Sazonalidade...........................................................25
3.1.3 Previsão de demando através da Simulação...........................................................25
3.2 SIMULAÇÀO DE MONTE CARLO.......................................................................27
4 REVISÃO DE LITERATURA....................................................................................29
5 APLICAÇÃO DA SIMULAÇÃO DE MONTE CARLO PARA PREVISÃO DA DEMANDA: O CASO DA ENGARRAFAORA DE BEBIDAS PASCHOETO..........34
5.1 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE DE 4,6 L..........................................................................................................................35
5.2 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO DE 4,6 L..........................................................................................................................36
5.3 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE DE 4,6 L............................................................................................................37
5.4 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO DE 4,6 L...............................................................................................................38
5.5 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE DE 4,6 L..........................................................................................................................39
5.6 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE DE 6 EMABALAGENS DE 2000 mL............................................................................40
5.7 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO DE 6 EMABALAGENS DE 2000 mL............................................................................41
5.8 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE DE 6 EMABALAGENS DE 2000 mL.............................................................42
5.9 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO DE 6 EMABALAGENS DE 2000 Ml.................................................................43
5.10 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE DE 6 EMABALAGENS DE 2000 Ml..............................................................44
8
5.11 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMABALAGENS DE 720 Ml..........................................................45
5.12 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO COM 12 EMABALAGENS DE 720 Ml.........................................................................46
5.13 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE COM 12 EMABALAGENS DE 720 Ml..........................................................47
5.14 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO COM 12 EMABALAGENS DE 720 Ml..............................................................48
5.15 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE COM 12 EMABALAGENS DE 720 Ml..........................................................49
5.16 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMABALAGENS DE 880 Ml..........................................................50
5.17 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO COM 12 EMABALAGENS DE 880 Ml.........................................................................51
5.18 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SUAVE COM 12 EMABALAGENS DE 880 Ml.........................................................................52
5.19 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SECO COM 12 EMABALAGENS DE 880 Ml...................................................................................53
5.20 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O ROSE SUAVE COM 12 EMABALAGENS DE 880 Ml...................................................................................54
5.21 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O TINTO SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml...........................................................55
5.22 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O TINTO SECO CAIXA COM 12 EMABALAGENS DE 880 Ml.........................................................................56
5.23 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml...........................................................57
5.24 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SECO CAIXA COM 12 EMABALAGENS DE 880 Ml...........................................................58
9
5.25 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml.............................................59
5.26 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml.............................................60
5.27 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO CAIXA COM 12 EMABALAGENS DE 970 Ml...........................................................61
5.29 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO CAIXA COM 12 EMABALAGENS DE 970 Ml................................................63
5.30 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml.............................................64
5.31 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE O FARDO COM 6 EMABALAGENS PET DE 2000 Ml................................65
5.32 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 6 EMABALAGENS DE 2000 mL...................................................66
5.33 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 12 EMABALAGENS DE 500 mL...................................................67
5.34 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE 4,6L...........................................................................................................................68
5.35 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE 6 EMABALAGENS DE 2000mL.............................................................................69
5.36 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO GRADE DE 12 EMABALAGENS DE 880mL..............................................................70
5.37 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO CAIXA DE 12 EMABALAGENS DE 880mL...............................................................71
5.38 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BOURDEUX COM 12 EMBALAGENS DE 720mL............................................................................72
5.39 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BOURDEUX SECO COM 12 EMBALAGENS DE 720mL.................................................................73
10
5.40 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER DE MORANGO GRADE COM 12 EMABALAGENS DE 880 mL...................................74
5.41 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER DE MORANGO CAIXA COM 12 EMABALAGENS DE 880 mL.....................................75
5.42 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX SUAVE COM 6 EMBALAGENS DE 720mL..............................................................................76
5.43 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX DEMI-SECO COM 6 EMBALAGENS DE 720mL...................................................................77
5.44 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX SECO COM 6 EMBALAGENS DE 720mL..............................................................................78
5.45 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO COM 12 EMBALAGENS DE 720mL............................................................................79
5.46 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE MORANGO COM 12 EMBALAGENS DE 720mL................................................80
5.47 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINAGRE DE VINHO TINTO CLASSICO.........................................................................................................81
5.48 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 12 EMABALAGENS DE 1L...........................................................82
5.49 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COQUETEL DE CATUABA COM 6 EMBALAGENS DE 880 mL........................................................83
5.50 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O ESPUMANTE MOSCATEL COM 6 EMABALAGENS DE 720mL....................................................84
5.51 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMBALAGENS DE 370mL.............................................................85
CONSIDERAÇÕES FINAIS..........................................................................................87
REFERENCIAS..............................................................................................................89
11
1 INTRODUÇÃO
O mercado globalizado tem forçado as empresas a se tornarem mais
competitivas para se manterem, logo a eficácia da gestão de um sistema de produção faz
a diferença quando se objetiva qualidade, agilidade, flexibilidade, confiabilidade e
baixos custos. Assim a Engenharia de Produção através das diferentes interfaces age de
forma a executar técnicas que interagem com diversas funções na empresa, porem
respeitando a estrutura organizacional da organização.
Fleury In Batalha (2008) define a Engenharia de Produção de Acordo com a
Americam Industrial Engineering Association como a responsável por abordar projetos,
aprimoramento e implantação de sistemas integrados de pessoas, recursos, informações
e energia, que possibilitem a produção de bens e serviços, com baixos custos e
respeitando os preceitos éticos e sociais.
De acordo com a ABEPRO (Associação Brasileira de Engenharia de Produção)
a Grande área da Pesquisa Operacional esta relacionada há resolução de Problemas
relacionados à Tomada de Decisão, através de técnicas que envolvem conhecimentos
multidisciplinares, que introduzem elementos de racionalidade e objetividade, sem
negligenciar os elementos subjetivos e ajuste organizacional, os quais são características
dos problemas.
Este estudo de caso visa aplicar uma técnica de Pesquisa Operacional, a qual vai
determinar a melhor alocação dos recursos para o sistema produtivo escolhido através
da Simulação de Monte Carlo que utiliza de modelos para analise de variáveis
12
probabilísticas de um sistema, a qual utiliza de números aleatórios para geração de
valores das variáveis relevantes do processo.
13
2 VINHOS PASCHOETO
2.1 HISTÓRICO DA VINHOS PASCHOETO
A indústria de Vinhos Paschoeto tem suas origens através de Luiz Paschoeto que
nasceu em Ribeirão Preto em 1913, descendente de Italianos, o qual veio para o estado
do Paraná já casado com Raquel Grande, primeiramente residindo na cidade de
Cornélio Procópio.
Por volta do ano de 1947 através da Companhia de Melhoramentos Norte do
Paraná, adquiriu seu primeiro domínio, um terreno coberto por mata virgem no
município de Maringá. Desbravou a mata e ali construiu sua moradia e se estabeleceu
com sua família já composta por oito filhos, a partir de então cultivaram videiras e
frutas que posteriormente vieram a ser comercializadas.
Com os conhecimentos da arte de produzir vinhos Luiz Paschoeto
primeiramente produzia apenas para família e amigos próximos. Mais tarde seus filhos
José Paschoeto e Francisco Paschoeto deram inicio a comercialização e as frutas
próximo a primeira estrada aberta pela Companhia Melhoramentos e seus
colonizadores.
A qualidade do vinho garantiu a expansão do comércio, sendo mantida até
hoje.este vinho é encontrado em diversos pontos do Brasil.
14
2.1 CARACTERIZAÇÃO DA EMPRESA
A empresa tem como razão social Paschovino Comércio e Engarrafadora de
Bebidas Ltda. Por nome fantasia é apresentada como Paschovino Comércio e
Engarrafadora ou Vinhos Paschoeto. Sua inscrição estadual é 70114293-48, já seu
CNPJ 81483026/0001-30.
A empresa encontra-se instalada na Rodovia PR – 317 KM 109, bairro Gleba
Pingüim, Parque Industrial na Cidade de Maringá (PR). Com contato através do
Telefone/Fax: (44) 3266 – 2288, ou através do endereço eletrônico
http://www.paschoeto.com.br, e também através da caixa postal 593, CEP 87065-005.
Contando com 40 funcionários, a organização segue uma rotina de trabalho de
Segunda a Sexta-feira com turnos de 07h45min às 12h00min horas, 13h30min às
16h00min com intervalo e retorno às 16h15min, 16h15min às 18h00min horas.
O principal insumo para a Vinícola Paschoeto é o vinho bruto proveniente da
cidade de Bento Gonçalvez no estado do Rio Grande do Sul.
Produzindo diversas variedades de vinho, hoje não só engarrafa como também
produz sucos, vinagres e espumante. A distribuição é feita através de frota própria da
empresa. A planta industrial tem capacidade para produzir 25 mil litros/dia.
A respeito de programas de qualidade apenas pratica as Boas Práticas de
Fabricação - BPF e os efetua os testes de analises em laboratório próprio, e em conjunto
com o ministério da Agricultura e INMETRO.
15
2.2 DESCRIÇÃO DO FLUXO DE INFORMAÇÃO
Ao ser emitida uma ordem de pedido já são efetuadas ordens de produção para
repor. Essas ordens seguem a disponibilidade de produto em estoque, que de acordo
com a Vinícola Paschoeto são estabelecidas de duas formas por campo fiscal e campo
manual. Através do balanço de massa e comparação dos dados de cada termino do
processo de determinado lote, assim determinando a quantidade de estoque para cada
variedade. A matéria-prima é recebida na vinícola com base no controle de estoque, ou
seja, só é pedido o necessário para suprir determinada demanda, porém de acordo com
um dos proprietários, Francisco Paschoeto, enfrentam problemas com o espaço físico do
estoque em determinados períodos, falta espaço para alocação dos produtos, recém
produzido até sua saída para o mercado.
A empresa trabalha com estoques das diversas variedades de bebidas, sendo
estas classificadas quanto ao tipo de vinho e seu volume onde L são Litros e mL
militros:
- Vinho Branco de mesa suave - 4,6 L; 2 L; 720 mL; 880 mL
- Vinho Tinto de mesa seco – 4,6 L; 2 L; 720 mL; 880 mL
- Vinho Branco de mesa Suave – 4,6 L; 2 L; 720 mL; 880 mL; 970 mL
- Vinho Branco de mesa Seco – 4,6 L; 2 L; 720 mL; 880 mL; 970 mL
-Vinho Rosado de mesa Suave – 4,6 L; 2 L; 720 mL; 880 mL; 970 mL
-Cooler de Vinho Rosado com suco de pêssego – 4,6 L; 2 L; 720 mL; 880 mL
- Cooler de Vinho Rosado com Suco de Uva e Morango – 720 mL; 880 mL
- Vinho Bourdeaux Tinto de Mesa Suave – 720 mL
- Vinho Bourdeaux Tinto de Mesa Seco – 720 mL
Recebimento do Vinho BrutoArmazenagem vinho Bruto Filtro de Celulose Filtro de Placas
Recolhe AmostraTanque de GravidadeEngarrafadoraRotuladora
Embalagem Papelão Estoque Distribuição
16
- Vinho Bourdeaux Tinto de Mesa Semi-Seco – 720 mL
- Suco de Uva Tinto Adoçado – 500 mL; 1 L, 2 L
- Suco de Uva Tinto Integral 1,5 L; 2L
- Coquetel de Vinho com extrato de Catuaba e Xarope de Maçã – 880 mL
- Vinho Moscatel Espumante – 750 mL
- Vinagre de Vinho Tinto – 750 mL
2.3 DESCRIÇÃO DO PROCESSO
O processo produtivo da Vinícola Paschoeto encontra-se ilustrado de forma
genérica, ou seja, o processo básico para qualquer tipo de vinho na Figura 1 a seguir.
Figura 1 - Fluxograma de Descrição do Processo – genérico
Elaborado pelos Autores, 2010.
17
Logo o processamento básico da vinícola se inicia com a chegada do caminhão
graneleiro, que transporta o vinho até a empresa, o caminhão é recepcionado. Em
seguida o caminhão é descarregado e o vinho bruto é acondicionado em tanques de
armazenagem. Na etapa seguinte o vinho é filtrado pelo filtro de celulose e depois pelo
filtro de placas, é recolhida uma amostra do produto onde é verificado a presença de
impurezas que possam deteriorar o vinho e diminuir seu tempo de prateleira, caso seja
encontrado o vinho retorna a etapa de filtragem até não existir mais impurezas, caso o
vinho esteja livre de impurezas segue para os tanques de gravidade, onde a partir deste
ponto o vinho é engarrafado, rotulado, embalado em caixas de papelão e seguem para
estoque e distribuição.
O processo descrito é uma forma genérica de estabelecer as etapas de processo
do vinho, pois devida a grande variedade da bebida que a empresa oferece foram
apresentadas as etapas básicas para o processo. Assim como para o vinho suave é
adicionado açúcar antes da filtragem, já para os Coolers o suco é adicionado após o teste
onde é verifica a presença ou não de leveduras, caso não apresente o vinho segue para o
tanque de armazenagem onde é adicionado o suco da fruta de acordo com a variedade
do Cooler. No caso do vinho branco, esse já vem da sua origem com essa qualidade
passando apenas pelos processos básicos ao chegar à vinícola.
Para o vinagre é adicionado um fermento no vinho par que acorra a fermentação.
18
3 TEORIA DE BASE
3.1 PREVISÃO DE DEMANDA
No cenário atual onde as empresas se encontram inseridas se tornam de extrema
importância o planejamento e o controle dos recursos e o uso dos mesmos de modo que
venha a aperfeiçoar o sistema e alcançar o desejo de seus clientes alcançando assim
maiores lucros e diminuição de possíveis perdas. Sendo assim visto a necessidade de
presumir o rumo das atividades a serem elaboradas.
A Previsão pode ser definida como uma direção e a extensão, partindo-se do
conhecimento presente e do passado, baseado em hipóteses sobre o futuro de acordo
com o Glossário Econômico do Ministério da Fazenda. Essa previsão se deve a
demanda a qual se caracteriza pela busca de um determinado bem ou serviço o qual os
consumidores desejam adquirir por um preço definido pelo mercado por um
determinado período de tempo de acordo com Almeida (2003).
De acordo com Moreira (2009) a Previsão de Demanda é um processo racional
que busca informação sobre o valor das futuras vendas de um item ou conjunto de itens.
Esta atividade deve fornecer informações sobre qualidade e localizações futuras dos
produtos.
19
Possibilitando através desta técnica abranger e avaliar caminhos, estabelecer um
referencial futuro compondo o trâmite adequado e reavaliar toda a metodologia a que o
planejamento se designa.
3.1 MÉTODOS DE PREVISÃO DE DEMANDA
3.1.1 Métodos Qualitativos
Os métodos Qualitativos Segundo Moreira (2009) são aprimorados no
julgamento e conhecimento de pessoas que através de características próprias e
conhecimentos, emitem opiniões a respeito de ocorrências futuras de interesse. Sendo
assim o julgamento pessoal não se limita as previsões de demanda, sendo este também
aproveitado para diferentes analises como comercio internacional, tecnologias,
tendência para novos produtos, futuras condições econômicas e políticas.
Sendo algumas das técnicas descritas adiante.
20
3.1.1.1 Opiniões de Executivos
Caracterizado por um grupo geralmente pequeno segundo Moreira (2009) se
reúnem para discutir em conjunto o desenvolvimento de uma previsão. Este grupo é
formado por executivos das diversas áreas funcionais com o interesse de previsões a
longo prazo envolvendo alguns aspectos do planejamento estratégico, desenvolvimento
de novos produtos, processos e planejamento de manufatura. Este artifício apresenta
eficiência devido a reunião de diversos habilidades e visões a respeito do assunto
tratado, podendo obter precisão e qualidade sobre a harmonia da decisão que venha a
ser tomada.
Ainda em Moreira (2009) este processo apresenta desvantagens, devido a
pessoas que apresentem características de personalidade forte, exercendo
exageradamente influencia sobre o grupo impondo graus a sua opinião.
21
3.1.1.2 Opinião de Força de Vendas
Moreira (2009) relata que o pessoal envolvido com vendas aparenta uma
alternativa favorável, pois estão em contato direto com os produtos assim como os
consumidores, acompanham o desenvolvimento histórico e acompanham as evoluções
do mercado. No entanto alguns problemas podem aparecer como falta de discernimento
a respeito do que os clientes “gostariam de fazer” e do que eles “realmente farão”,
influencias por eventos passados recentes, caso as vendas se apresentem boas
superestimem a demanda, se ruim subestimem a demanda, existem casos que utilizem
as previsões para estimar cotas mínimas para cada vendedor ou equipe de vendedores,
criando um conflito de interesses, onde talvez, seja interessante apresentar baixas
estivas de demanda por parte dos vendedores
3.1.1.3 Pesquisa Junto a Consumidores
O fator determinante para o mercado são os consumidores e Moreira (2009)
retrata que essa pesquisa é elaborada através de um grupo, ou seja, uma amostra onde é
aplicada uma pesquisa de mercado. Para tal atividade, pesquisa de mercado, exige certas
requisitos como conhecimentos técnicos para seu planejamento. Para montar a estrutura
22
da pesquisa, instrumentos para coleta de dados, planejarem a execução, explanar os
resultados exige profissionais sobre o assunto. Logo tomando os devidos cuidados,
levando em consideração que a empresa possui recursos financeiras e/ou humanos para
prosseguir a pesquisa de mercado, o método pode oferecer resultados compensadores.
3.1.1.4 O método Delphi
Este método segundo Moreira (2009) consiste a respeito de um grupo de pessoas
que opinam sobre determinado assunto. Sendo Este comitê formado por pessoas que
participaram do processo, sendo estes, especialistas no assunto tratado e nos que estão
correlacionados. De maneira que algumas opiniões não se sobreponham as outras, é
elaborado um questionário onde são expressas as opiniões, em seguida é apresentado
um sumário é preparado com as opiniões dos participantes onde são discutidas e uma
atenção maior as opiniões que causam divergências. A parte seguinte desse método
consiste de oferecer a chance aos componentes do gripo para reverem suas previsões a
respeito dos novos resultados. Sendo esse processo repetido inúmeras vezes até que o
grupo chegue a opiniões que não sejam variadas. Sendo possível um consenso por volta
da terceira ou quarta rodada do método.
23
3.1.2 Séries Temporais
De acordo com Tubino (2009) as previsões baseadas em séries temporais parte
do principio de que a futura demanda será fundamentada em seus valores passados,
onde não será apresentado influencias do passado.
3.1.2.1 Técnicas para previsão da média
3.1.2.1.1 Média Móvel
Segundo Tubino (2009) essa técnica utiliza dados de um determinado numero de
períodos, considerando normalmente os mais recentes. Para cada novo período é
substituído o dados mais antigo pelo mais recente, assim é determinado sua
sensibilidade com relação aos dados mais recentes. Apresenta como vantagem em
previsões devido a simplicidades e facilidade no entendimento, logo sua apresenta
desvantagem devido a necessidade de conter grande números de dados. Essa técnica só
fornece previsão para o período seguinte, sendo necessário usar o mesmo valor para os
períodos seguintes.
24
3.1.2.1.2 Média Exponencial Móvel
Em Tubino (2009) a previsão da Média Exponencial Móvel é a mais utilizada
para tratar de demandas médias e fazer o acompanhamento a respeito dos pequenos
movimentos a respeito da tendência. Essa técnica apresenta grande utilização em
sistemas computacionais, sendo que este modelo exige apenas armazenagem para três
dados por item sendo estes a previsão passada, a demanda e o coeficiente de
ponderação, apresenta uma operação e entendimento fácil. Assim como a média móvel
essa técnica só apresenta a previsão para o período seguinte, usando o mesmo valor para
períodos futuros devido a previsão de demandas médias.
3.1.2.2 Técnicas para a previsão da Tendência
Tubino (2009) refere-se à tendência como a movimentação gradual de longo
prazo da demanda. A Tendência é identificada através da movimentação a respeito da
plotagem dos dados que permitira a identificação. Caracterizada por uma equação, que
apresenta facilidade para aplicação. Há duas técnicas importantes que podem ser
empregadas para o tratamento de previsões de demanda com tendência linear. Uma é
baseada em uma equação linear sendo a outra baseada no ajustamento exponencial.
25
3.1.2.3 Técnicas para a previsão da Sazonalidade
Tubino (2009) caracteriza a sazonalidade pela ocorrência de variações em
intervalos regulares nas séries temporais da demanda. O período de ocorrência da
sazonalidade pode ser anual, mensal, semanal e diário. È expressa através de
quantidades, percentagem da demanda que apresenta desvios dos valores médios da
série. Tendo um valor chamado Índice de Sazonalidade onde é aplicado sobre a média e
a tendência. A sazonalidade nas previsões consiste em empregar o ultimo dado da
demanda no período que apresenta sazonalidade e assumi-lo como previsão.
3.1.3 Previsão de demando através da Simulação
A Simulação pode ser atributo ao qual se desenvolve um modelo para uma
experiência real. Em Moreira (2010) a Simulação é baseada na construção de um
modelo que se aproxima da realidade, sendo este operado diversas vezes, efetuando
analise dos resultados para uma melhor percepção, manipulação e controle. Para essa
experimentação na pratica é utilizado computadores, para uma maior precisão dos
resultados é necessário a realização de inúmeras simulações sobre o sistema em pauta.
Reis, Martins (2001) apud Oliveira, Barros, Reis (2006) os modelos de
simulação são caracterizados quanto a determinísticos e Probabilísticos. O primeiro
26
implica que os dados são obtidos com maior certeza. Já o segundo utiliza a técnica
estatística onde incorpora o comportamento probabilístico envolvido no comportamento
das variáveis no sistema.
A previsão de demanda pode ser estipulada através da simulação onde Taha
(2008) a define como uma tecnica de reprodução do comportamento real através da
estimação de medidas de desempenho.
A simulação torna possivel a realização de deduções sobre o comportamentos de
sistemas através de experimentos, segundo Andrade (1998).
Ehrlich (1985) o método da Simulação é empregado para analise do desempenho
de um sistema atraves da elaboração de modelo que aborda caracteriticas semelhantes
ao sistema original.
Através de um modelo detalhado será permitido determinar as respostas do
sistema de acordo com Harrel (2002).
Andrade (2009) ressalta que o uso da simulação serve como um primeiro teste
para o esboçar novas políticas e principios de decisão. Para formulação do problema é
necessário a coleta de dados que devem ser suficientes, qualitativamente garantidos, e
significativos ao processo de tomada de decisão.
Logo estabelecido o modelo, se torna necessário o conhecer a eficiencia
relacionado aos objetivos da simulação, os testes devem envolver os dados de maneira
que se possa constatar sua coerência, segundo Andrade (2009).
Assim através do levantamento de dados históricos é possivel criar um modelo
para estar efetuando a previsão de demanda pelo método da simulação.
27
3.2 SIMULAÇÀO DE MONTE CARLO
O método de Monte Carlo teve sua origem através do modelo probabilístico
focando simulações de fatos aleatórios, de acordo com Nascimento, Zuchi (1997) apud
Oliveira, Barros, Reis (2006)
A Origem do nome Monte Carlo é proveniente da roleta do Cassino localizado
no principado de Mônaco, assim como a criação sistemática do método por volta de
1944 quando Von Neumenn nomeou a técnica matemática para resolução d problemas
de física nuclear, a qual foi utilizada para a criação da bomba nuclear (Loesch, Hein,
2009), (Oliveira, Barros, Reis 2006).
Segundo Loesch, Hein (2009) a técnica de Monte Carlo consiste de uma roleta
hipotética que leva a resultados aleatórios, a qual é controlada de maneira que os
resultados são conduzidos a uma determinada interpretação e outros resultados
conduzem a outras interpretações.
Moreira (2010) o método de Monte Carlo foca a simulação do comportamento
ao acaso de variáveis probabilísticas, através da geração de valores das variáveis
relevantes com o auxilio de números aleatórios.
De acordo com Lustosa, Ponte, Dominas (2004) apud Oliveira, Barros, Reis
(2006) para a execução do Método de Monte Carlo, deve-se seguir algumas etapas
básicas, tais como: definir as variáveis envolvidas através de dados passados,
identificação da distribuição e possibilidade das variáveis aleatórias referentes ao
28
estudo, construção da distribuição de probabilidades para as variáveis definidas, definir
os intervalos dos números aleatórios, geração de números aleatórios e simulação do
experimento.
Para este trabalho utilizaremos uma tabela de números aleatórios onde Moreira
(2010) serão atribuídos conjuntos de números compatíveis com a extensão da faixa a
qual pertencem guardando uma relação entre o conjunto de números aleatórios e as
freqüências.
Em Morais (2010) o método de Monte Carlo é composto pelas seguintes etapas:
- Identificar as distribuições de probabilidade referentes as variáveis abordadas;
-Estabelecer as distribuições de probabilidade acumuladas pra cada variável identificada;
- Definir os intervalos de números aleatórios para cada uma das variáveis;
- Geração de Números aleatórios; e
- Simular os experimentos.
A tabela de números aleatórios onde segundo Moreira (2010) serão atribuídos
conjuntos de números compatíveis com a extensão da faixa a qual pertencem guardando
uma relação entre o conjunto de números aleatórios e as freqüências.
Assim o método de Monte Carlo será utilizado para o controle de variáveis, onde
irão ser descritas o fenômeno através de números aleatórios para criar valores para a
variante de interesse.
29
4 REVISÃO DE LITERATURA
COSTA, JÚNIOR; RODRIGUES (2010).Este estudo apresentou um método de
caráter quantitativo e econômico para auxiliar a tomada de decisão de mix de produtos a partir
da união de conceitos provindos da Pesquisa Operacional. Especificamente para o caso em
que uma empresa manufatureira operava com uma acentuada variabilidade de custos
unitários, realizou-se a aplicação da simulação de Monte Carlo. Assim, conseguiu-se
responder à pergunta de pesquisa para a qual o estudo foi direcionado.
Aragão, Santos e Ferreira (2009), realizaram um estudo para prever a demanda
diária de um determinado produto de uma empresa de produtos médico-odontologico,
onde utilizaram o método de Monte Carlo. Neste trabalho foram realizados cálculos de
demanda prevista do produto fabricado, onde obtiveram êxito nos cálculos realizados
pois a demanda prevista se aproximou da demanda espera mostrando que para este caso
o modelo de Monte Carlo foi confiável.
Estrócio, Correia (2009) atualmente uma grande parte
da energia elétrica em vários mercados é comercializada por meio de leilões de
energia. Este trabalho mostra como a simulação pode ser usada para determinar o lance
que maximiza o lucro esperado. Uma simulação de Monte Carlo pode indicar o melhor
lance para um produto, assumindo como dados o custo esperado e a distribuição de
probabilidade dos lances dos competidores, sendo esta baseada no histórico ou nos
lances dados durante o leilão. Para geradores e distribuidores de eletricidade, os leilões
30
de energia são uma parte da estratégia de comercialização em que o portfólio de
contratos é otimizado de maneira a maximizar o lucro esperado, de acordo com as
previsões de demanda e geração, bem como de preços de mercado e custos
operacionais. Contudo, devido às regras específicas do mercado brasileiro, os leilões
“ex-post” representam uma oportunidade de se aumentar o lucro sobre energia já
gerada.
BARROS (2009) Os métodos de simulação tem grande importância como
ferramenta em inúmeros projetos, sendo uma ferramenta poderosa se compreendida e
usada corretamente. Com o intuito de compreender e usar corretamente esta forte
ferramenta, um estudo considerando alguns conceitos de simulação é apresentado neste
trabalho, enfatizando, principalmente, os métodos de simulação Monte Carlo e
Bootstrap. Neste trabalho é conduzido um estudo de simulação Monte Carlo com o
intuito de avaliar o tamanho e o poder dos testes t-Student e de Wilcoxon sob diferentes
instâncias. Para o cálculo do tamanho de ambos os testes, foram realizadas B = 100000
simulações Monte Carlo com 10 diferentes tamanhos de amostras, n = 10, 20, . . . , 90,
100. Cada uma das B = 100000 amostras foram geradas das distribuições Normal,
Laplace, Uniforme, t-Student e Logística sob a hipótese nula, sem perda de
generalidades, com µ = 0. Em três exemplos, a precisão das diferentes alternativas para
obtenção dos intervalos é apresentada e discutida.
JÚNIOR (2009) o valor da célula S57, na FIG. 6, é o resultado de apenas uma
iteração, ou seja, um Lucro Operacional hipotético do produto após três meses. Através da
Simulação de Monte Carlo foram feitas 30.000 iterações para cada nível de estoque ideal com
intuito de obter resultados mais confiáveis, já que os resultados de uma grande amostra
tendem a média do fenômeno, segundo a Lei dos Grandes Números. A técnica utilizada foi a
31
da simulação por ser uma ferramenta flexível e amplamente utilizada para estimar o
comportamento de sistemas estocásticos. Cabe registrar que a ferramenta Simulação é
bastante sensível à qualidade dos histogramas de freqüência das variáveis independentes e
bastante dependente da manutenção da ambiência operacional anterior.
LIMA, VIANA, LEVINO (2008) Projetos de alta complexidade (geração de energia,
avião, jogos olímpicos, etc.), seja pela sofisticada engenharia financeira, seja pelas incertezas
inerentes, podem utilizar o Método de Monte Carlo, como valiosa ferramenta de apoio às
decisões. Projetos mais simples, com baixo grau de incerteza, podem, também, utilizar esse
método. Cabe ao gerente, ou decisor, avaliar a necessidade. A utilização do Método de Monte
Carlo é uma alternativa bastante razoável, capaz de reduzir a incerteza, sem adição
significativa de custo e tempo, necessitando, apenas, conhecimentos estatísticos para leitura
dos resultados. Pode-se, portanto, concluir que modelos determinísticos tendem a ser
substituídos pelos probabilísticos, e o nível de incerteza no processo de decisão reduzirá. Esta
redução, por sua vez, proporcionará benefícios para o processo de tomada de decisão no
gerenciamento de projetos.
OLIVEIRA (2007) partiram das constatações dos resultados, pode se inferir que o
objetivo proposto foi alcançado. A simulação de monte Carlo, portanto, mostrou se um
método apropriado para prever os custos de produção da Companhia Vale do Rio Doce, se
adequando aos impactos do fator modificativo desestatização. Sendo assim o método o
método apresenta se como possível ferramenta no auxilio a visualização de diversas situações
nos processos de decisão.
Peixoto e Pinto (2006) realizaram um trabalho utilizando a simulação para
prever a demanda, com o objetivo de gerenciar estoques, baseado em conceitos de simulação
32
eles definiram as variáveis e parâmetros do processo de decisão para reproduzi-lo em um
modelo matemático. Ainda de acordo com os mesmos autores,o estudo de caso foi
realizado em uma empresa do setor siderúrgico, foi preparado e implementado
computacionalmente um modelo matemático, tendo como objetivo reproduzir e avaliar
cenários relacionados ao processo de compra e estocagem. Neste estudo o modelo foi
considerado adequado para apoiar o processo de decisão de compra de matéria-prima.
Moore & Weatherford (2005), como alternativa, o Método de Monte Carlo, segundo
pode ser utilizado largamente na avaliação de projetos, onde os riscos envolvidos podem ser
expressos de forma simples e de fácil leitura, e as simulações auxiliam a decisão. Assim, os
indicadores deixam de ser determinísticos e passam a ser estocásticos, probabilísticos.
KUYVEN, (2004), Proposta de um método para a análise de demanda: aplicação
numa indústria de brinquedos. Supõe-se que o método proposto dê sustentação ao processo
decisório relativo às primeiras fases do desenvolvimento desses produtos. Também visa
alcançar algum nível de compreensão relativamente à influência de fatores externos e internos
nos níveis de vendas. Basicamente este método compreende três etapas próprias: análise do
ambiente externo e interno à companhia, modelagem do comportamento de demanda e suas
respectivas projeções no tempo. Esta abordagem foi aplicada a uma situação específica de
desenvolvimento de um novo produto em uma empresa de médio porte que opera como
fabricante de brinquedos.
Rogers, J S, Rogers Dany (2004) O objetivo do trabalho visa fornecer aos
gestores um instrumental que busque amenizar o risco envolvido no processo de
estimativa das variáveis que afetam o gerenciamento de custos, dando maior
flexibilidade à análise ao incluir as medidas do custeio variável dentro de um intervalo
de confiança. Neste intuito apresentar-se-á o sistema de custeio variável no processo de
33
gerenciamento de custos em condições de risco, usando para a exposição dos
argumentos, uma aplicação prática da simulação de Monte Carlo. A aplicação prática da
análise probabilística apresentada teve como objetivo o desenvolvimento do método de
Monte Carlo, como uma ferramenta do gerenciamento de custos, no intuito de se inferir
sobre as probabilidades de sucesso ou insucesso em relação às decisões propostas pelas
empresas. Segundo o desenvolvimento apresentado, a partir da análise do custeio
variável, a empresa de acordo com o seu “risco aceitável” tem a opção de flexibilizar ou
tornar mais rígido seu orçamento de custos.
Werner e Ribeiro (2003) a previsão de demanda é muito importante para ajudar
uma empresa a determinar seus recursos necessários, utilizaram a metodologia de Box-
Jenkis para obter previsões do número de atendimentos em uma empresa de assistência
técnica de computadores pessoais. Este estudo de caso, segundo Werner e Ribeiro
(2003), foi útil à empresa, pois a modelagem possibilitou uma compreensão maior do
comportamento dos clientes, além de ter fornecido informações que deram suporte às
decisões referentes a investimentos e dimensionamento da equipe técnica.
34
5 APLICAÇÃO DA SIMULAÇÃO DE MONTE CARLO PARA PREVISÃO DA DEMANDA: O CASO DA ENGARRAFAORA DE BEBIDAS PASCHOETO
Para o estudo da Previsão de Demanda baseada na Simulação de Monte Carlo
foram escolhidos 50 produtos de um total de 54, pois estes apresentavam dados
históricos suficiente para o estudo de caso.
As linhas de bebidas engarrafadas foram classificadas de acordo com a categoria
e o volume.
Quanto a categoria os produtos se enquadram em Vinho Tinto Suave, Vinho
Tinto Seco, Vinho Branco Suave, Vinho Branco Seco, Vinho Rosado Suave, Cooler de
vinho rosado com suco de uva e pêssego, Cooler de Vinho Rosado com suco de uva e
morango, Coquetel de Catuaba, Espumante e Vinagre.
Já o volume apresenta variação é de 500mL a 4,6L. Sendo ainda estes
classificados quanto ao tipo de embalagem primaria e secundaria.
O calculo da simulação de Monte Carlo para a previsão de demanda foi
elaborado por meio dos dados de vendas de cada produto que foram tabelados de acordo
com o histórico de dois anos. Foram fornecidos dados referentes às demandas do
período de 16/09/2008 a 16/09/2009 sendo este caracterizado no estudo como Ano 1 e
16/09/2009 a 15/09/2010 caracterizado aqui como Ano 2. A previsão de demanda
realizada é sugestiva ao período de 16/09/2010 a 16/09/2011, que será conhecida como
Simulação Ano 3.
As probabilidades foram consideradas iguais para os períodos. Foram realizadas
um total de dez simulações para cada produto, estabeleceu uma média, sendo esta
considerada previsão para o próximo ano.
35
Por meio dos dados históricos levantados foi observado que existe uma variação
de um período para o outro, sendo este calculado através de uma regra matemática
simples observando sua porcentagem de acréscimo ou decréscimo, sendo esta
considerada no momento da previsão de demanda para o período do Ano 3.
A geração de números e a Simulação de Monte Carlo para a linha de produtos
foram executadas através do MS Excel 2007, por meio da equação, que forneceu o valor
da demanda simulada.
=PROCV(ALEATÓRIOENTRE(inferior;superior),matriz_tabela;número_índice_colun
a;procurar intervalo)
Para a variação se aplicou uma regra de três simples e uma conta básica de
subtração para encontrar a porcentagem.
5.1 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE DE 4,6 L
Os quadros 1 e 2 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho Tinto Suave de 4,6L.
Períodos Demanda Prob % Prob % ac. Lim. N.A09/2008 a 09/2009 30406 50 50 1 50
09/2009 a 09/2010 39954 50 100 51 100
Quadro 1 – Determinação dos limites de números aleatórios para a previsão do vinho tinto suave de 4,6L
36
Exp/SimulaçãoDem. SIM
1 39954
2 30406
3 39954
4 39954
5 30406
6 39954
7 39954
8 39954
9 30406
10 30406
Dem. M. Simulada 36134,8
Quadro 2 – Simulação da demanda para o Vinho Tinto Suave de 4,6L.
5.2 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO DE 4,6 L
Os quadros 3 e 4 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho Tinto Seco de 4,6L.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 4714 50 50 1 50
09/2009 a 09/2010 6039 50 100 51 100
Quadro 3 - Determinação dos limites de números aleatórios para a previsão do vinho tinto seco de 4,6L
Exp/SimulaçãoDem. SIM
37
1 6039
2 4714
3 4714
4 4714
5 4714
6 4714
7 4714
8 4714
9 6039
10 6039
Dem. M. Simulada 5111,5
Quadro 4 - Simulação da demanda para o Vinho Tinto seco de 4,6L
5.3 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE DE 4,6 L
Os quadros 5 e 6 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho branco suave de 4,6L.
Períodos Demanda Fr Fa Lim de NA09/2008 a 09/2009 1629 50 50 1 50
09/2009 a 06/2010 2449 50 100 51 100
Quadro 5 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave de 4,6L
Exp/ SimulaçãoDem. SIM
1 2449
38
2 2449
3 1629
4 1629
5 1629
6 1629
7 2449
8 2449
9 2449
10 1629Dem. M. de Simulação 2039
Quadro 6 - Simulação da demanda para o Vinho branco suave de 4,6L
5.4 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO DE 4,6 L
Os quadros 7 e 8 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho branco suave de 4,6L.
Periodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 1469 50 50 1 50
09/2009 a 06/2010 2129 50 100 51 100
Quadro 7 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco de 4,6L
EXP/SimulaçãoDem. SIM
1 1469
2 1469
39
3 2129
4 1469
5 1469
6 1469
7 1469
8 1469
9 1469
10 1469
Dem. M. Simulada 1535
Quadro 8 - Simulação da demanda para o Vinho branco seco de 4,6L
5.5 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE DE 4,6 L
Os quadros 9 e 10 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Rose suave de 4,6L.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 917 50 50 1 50
09/2009 a 06/2010 1100 50 100 51 100
Quadro 9 - Determinação dos limites de números aleatórios para a previsão do vinho Rose suave de 4,6L
EXP/SimulaçãoDem. SIM
1 917
2 1100
3 1100
4 917
40
5 1100
6 917
7 917
8 917
9 1100
10 1100
Dem. M. Simulada 1008,5
Quadro 10 - Simulação da demanda para o Vinho Rose suave de 4,6L
5.6 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE DE 6 EMABALAGENS DE 2000 mL
Os quadros 11 e 12 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto suave com 6 embalagens de 2000mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 5938 50 50 1 50
09/2009 a 06/2010 8769 50 100 51 100
Quadro 11 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto Suave com 6x2000mL
EXP/SimulaçãoDem. SIM
1 5938
2 8769
3 5938
4 5938
5 5938
41
6 5938
7 5938
8 5938
9 8769
10 8769
Dem. M. Simulada 6787,3
Quadro 12 - Simulação da demanda para o vinho Tinto Suave com 6 embalagens de 2000mL
5.7 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO DE 6 EMABALAGENS DE 2000 mL
Os quadros 13 e 14 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto seco com 6 embalagens de 2000mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 608 50 50 1 50
09/2009 a 06/2010 866 50 100 51 100
Quadro 13 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto seco com 6x2000mL
EXP/SimulaçãoDem. SIM
1 866
2 608
3 608
4 866
5 608
6 608
42
7 608
8 866
9 866
10 866
Dem. M. Simualada 737
Quadro 14- Simulação da demanda para o vinho Tinto vinho Tinto seco com 6 embalagens de 2000mL
5.8 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE DE 6 EMABALAGENS DE 2000 mL
Os quadros 15 e 16 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Branco suave com 6 embalagens de 2000mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 359 50 50 1 5009/2009 a 06/2010 536 50 100 51 100
Quadro 15 - Determinação dos limites de números aleatórios para a previsão do vinho Branco suave 6x2000mL
EXP/SimulaçãoDem. SIM
1 536
2 536
3 536
4 359
5 359
6 359
7 359
43
8 359
9 359
10 359
Dem. M. Simulada 412,1
Quadro 16 - Simulação da demanda para o vinho Tinto vinho Branco suave 6 embalagens de 2000mL
5.9 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO DE 6 EMABALAGENS DE 2000 Ml
Os quadros 17 e 18 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Branco seco com 6 embalagens de 2000mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 172 50 50 1 50
09/2009 a 06/2010 264 50 100 51 100
Quadro 17 - Determinação dos limites de números aleatórios para a previsão do vinho Branco seco 6x2000mL
EXP/SimulaçãoDem. SIM
1 264
2 172
3 264
4 172
5 172
6 264
44
7 264
8 264
9 172
10 264
Dem. M. Simulada 227,2
Quadro 18 - Simulação da demanda para o vinho Tinto vinho Branco seco 6 embalagens de 2000mL
5.10 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE DE 6 EMABALAGENS DE 2000 Ml
Os quadros 19 e 20 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose com 6 embalagens de 2000mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 358 50 50 1 5009/2009 a 06/2010 485 50 100 51 100
Quadro 19 - Determinação dos limites de números aleatórios para a previsão do vinho rose
EXP/SimulaçãoDem. SIM
1 485
2 485
3 358
4 358
5 485
6 485
7 485
45
8 358
9 485
10 485
Dem. M. Simulada 446,9
Quadro 20 - Simulação da demanda para o vinho rose com 6 embalagens de 2000mL
5.11 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMABALAGENS DE 720 Ml
Os quadros 21 e 22 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Tinto Suave com 12 embalagens de 720 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 5039 50 50 1 50
09/2009 a 06/2010 6938 50 100 51 100
Quadro 21 - Determinação dos limites de números aleatórios para o vinho Tinto Suave com 12 x720 mL
EXP/SimulaçãoDem. SIM
1 5039
2 6938
3 5039
4 5039
5 6938
6 6938
7 6938
8 6938
46
9 6938
10 5039
Dem. M. Simulada 6178,4
Quadro 22 - Simulação da demanda para o vinho Tinto Suave com 12 embalagens de 720 mL
5.12 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO COM 12 EMABALAGENS DE 720 Ml
Os quadros 23 e 24 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Tinto seco com 12 embalagens de 720 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 562 50 50 1 50
09/2009 a 06/2010 647 50 100 51 100
Quadro 23 - Determinação dos limites de números aleatórios para a previsão do vinho Tinto seco com 12x720 mL
EXP/SimulaçãoDem. SIM
1 562
2 562
3 647
4 647
5 562
6 562
7 562
8 647
9 647
47
10 562
Dem. M. Simulada 596
Quadro 24 - Simulação da demanda para o vinho Tinto seco com 12 embalagens de 720
5.13 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE COM 12 EMABALAGENS DE 720 Ml
Os quadros 25 e 26 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco suave com 12 embalagens de 720 mL.
Período Demanda Fr Fa Lim de Na09/2008 a 09/2009 659 50 50 1 50
09/2009 a 06/2010 668 50 100 51 100
Quadro 25 - Determinação dos limites de números aleatórios para a previsão do vinho branco suave com 12x720 mL
EXP/SimulaçãoDem. SIM
1 668
2 668
3 668
4 668
5 659
6 668
7 668
8 668
9 659
10 668
48
Dem. M. Simulaa 666,2
Quadro 26 - Simulação da demanda para o vinho branco suave com 12 embalagens de 720 mL
5.14 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO COM 12 EMABALAGENS DE 720 Ml
Os quadros 27 e 28 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco seco com 12 embalagens de 720 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 259 50 50 1 50
09/2009 a 06/2010 163 50 100 51 100
Quadro 27 - Determinação dos limites de números aleatórios para a previsão do vinho branco seco com 12x20 mL
EXP/SimulaçãoDem. SIM
1 259
2 259
3 259
4 163
5 163
6 259
7 259
8 259
9 163
10 259
Dem. M. Simulada 230,2
49
Quadro 28 - Simulação da demanda para o vinho branco seco com 12 embalagens de 720 mL
5.15 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE COM 12 EMABALAGENS DE 720 Ml
Os quadros 29 e 30 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose com 12 embalagens de 720 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 234 50 50 1 50
09/2009 a 06/2010 287 50 100 51 100
Quadro 29 - Determinação dos limites de números aleatórios para a previsão do vinho rose com 12x720 mL
EXP/SimulaçãoDem. SIM
1 287
2 287
3 287
4 287
5 287
6 287
7 234
8 234
9 234
10 234
Dem. M. Simulada 265,8
Quadro 30 - Simulação da demanda para o vinho rose com 12 embalagens de 720 mL
50
5.16 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMABALAGENS DE 880 Ml
Os quadros 31 e 32 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto suave com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 28716 50 50 1 50
09/2009 a 06/2010 22455 50 100 51 100
Quadro 31 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho tinto suave com 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 22455
2 28716
3 22455
4 22455
5 22455
6 28716
7 28716
8 28716
9 28716
10 28716
Dem. M. Simulada 26211,6
Quadro 32 - Simulação da demanda para o vinho tinto suave com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
51
5.17 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO COM 12 EMABALAGENS DE 880 Ml
Os quadros 33 e 34 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto seco com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 3834 50 50 1 50
09/2009 a 06/2010 3615 50 100 51 100
Quadro 33 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho tinto seco com 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 3615
2 3834
3 3615
4 3834
5 3615
6 3834
7 3834
8 3615
9 3834
10 3834
Dem. M. Simulada 3746,4
Quadro 34 - Simulação da demanda para o vinho tinto seco com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
52
5.18 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SUAVE COM 12 EMABALAGENS DE 880 Ml
Os quadros 35e 36 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco suave com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 3227 50 50 1 50
09/2009 a 06/2010 2821 50 100 51 100
Quadro 35 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho branco suave com 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 2821
2 2821
3 3227
4 3227
5 2821
6 2821
7 2821
8 2821
9 2821
10 2821
Dem. M. Simulada 2902,2
Quadro 36 - Simulação da demanda para o vinho branco suave com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
53
5.19 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SECO COM 12 EMABALAGENS DE 880 Ml
Os quadros 37 e 38 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco seco com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 2308 50 50 1 50
09/2009 a 06/2010 1944 50 100 51 100
Quadro 37 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho branco seco com 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 1944
2 1944
3 2308
4 1944
5 1944
6 2308
7 1944
8 2308
9 2308
10 1944
Dem. M. Simulada 2089,6
Quadro 38 - Simulação da demanda para o vinho branco seco com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.20 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O ROSE SUAVE COM 12 EMABALAGENS DE 880 Ml
54
Os quadros 39 e 40 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose suave com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 1363 50 50 1 50
09/2009 a 06/2010 1796 50 100 51 100
Quadro 39 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o vinho rose suave com 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 1796
2 1363
3 1363
4 1796
5 1796
6 1796
7 1363
8 1363
9 1796
10 1363
Dem. M. Simulada 1579,5
Quadro 40 - Simulação da demanda para o vinho branco seco com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.21 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O TINTO SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml
55
Os quadros 41 e 42 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto suave, caixa com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 16573 50 50 1 5009/2009 a 06/2010 22455 50 100 51 100
Quadro 41 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho tinto suave, caixa 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 16573
2 16573
3 22455
4 22455
5 16573
6 22455
7 22455
8 22455
9 22455
10 16573
Dem. M. Simulada 20102,2
Quadro 42 - Simulação da demanda para vinho tinto suave, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.22 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O TINTO SECO CAIXA COM 12 EMABALAGENS DE 880 Ml
56
Os quadros 43 e 44 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto seco, caixa com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 2693 50 50 1 5009/2009 a 06/2010 3615 50 100 51 100
Quadro 43 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho tinto seco, caixa 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 2693
2 2693
3 2693
4 3615
5 3615
6 2693
7 3615
8 3615
9 3615
10 3615
Dem. M. Simulada 3246,2
Quadro 44 - Simulação da demanda para vinho tinto seco, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.23 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml
57
Os quadros 45 e 46 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco suave, caixa com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 2120 50 50 1 50
09/2009 a 06/2010 2821 50 100 51 100
Quadro 45 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho branco suave, caixa 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 2821
2 2821
3 2821
4 2821
5 2120
6 2821
7 2821
8 2821
9 2821
10 2120
Dem. M. Simulação 2680,8
Quadro 46 - Simulação da demanda para vinho branco suave, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.24 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BRANCO SECO CAIXA COM 12 EMABALAGENS DE 880 Ml
58
Os quadros 47 e 48 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco suave, caixa com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 1454 50 50 1 50
09/2009 a 06/2010 1944 50 100 51 100
Quadro 47 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho branco seco, caixa 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 1944
2 1944
3 1944
4 1454
5 1454
6 1944
7 1944
8 1944
9 1944
10 1944
Dem. M. Simulada 1846
Quadro 48 - Simulação da demanda para vinho branco seco, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.25 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE CAIXA COM 12 EMABALAGENS DE 880 Ml
59
Os quadros 49 e 50 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose, caixa com 12 embalagens de 880 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 1831 50 50 1 50
09/2009 a 06/2010 2219 50 100 51 100
Quadro 49 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho rose, caixa 12 embalagens de 880 mL
EXP/SimulaçãoDem. SIM
1 2219
2 2219
3 2219
4 2219
5 1831
6 2219
7 1831
8 2219
9 1831
10 2219
Dem. M. Simulada 2102,6
Quadro 50 - Simulação da demanda para vinho rose, caixa com 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.26 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml
60
Os quadros 51 e 52 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto suave, caixa com 12 embalagens de 970 mL
Periodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 5778 50 50 1 50
09/2009 a 06/2010 7732 50 100 51 100
Quadro 51 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho tinto suave, caixa 12 embalagens de 970 mL
EXP/SimulaçãoDem. SIM
1 7732
2 7732
3 7732
4 7732
5 7732
6 7732
7 7732
8 7732
9 5778
10 7732
Dem. M. Simulada 7536,6
Quadro 52 - Simulação da demanda para vinho tinto suave, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011
5.27 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SECO CAIXA COM 12 EMABALAGENS DE 970 Ml
61
Os quadros 53 e 54 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto seco, caixa com 12 embalagens de 970 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 477 50 50 1 50
09/2009 a 06/2010 567 50 100 51 100
Quadro 53 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho tinto seco, caixa 12 embalagens de 970 mL
EXP/SimulaçãoDem. SIM
1 567
2 477
3 567
4 567
5 567
6 567
7 567
8 477
9 477
10 477
Dem. M. Simulada 531
Quadro 54 - Simulação da demanda para vinho tinto seco, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011
5.28 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml
62
Os quadros 55 e 56 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco suave, caixa com 12 embalagens de 970 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 482 50 50 1 50
09/2009 a 06/2010 640 50 100 51 100
Quadro 55 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho branco suave, caixa 12 embalagens de 970 mL
EXP/SimulaçãoDem. SIM
1 640
2 640
3 482
4 482
5 482
6 640
7 640
8 482
9 640
10 640
Dem. M. Simulada 576,8
Quadro 56 - Simulação da demanda para vinho branco suave, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011
5.29 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BRANCO SECO CAIXA COM 12 EMABALAGENS DE 970 Ml
63
Os quadros 57 e 58 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho branco seco, caixa com 12 embalagens de 970 mL
Período Demanda Fr Fa Lim de Na09/2008 a 09/2009 176 50 50 1 50
09/2009 a 06/2010 281 50 100 51 100
Quadro 57 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho branco seco, caixa 12 embalagens de 970 mL
EXP/SimulaçãoDem. SIM
1 281
2 176
3 176
4 281
5 176
6 281
7 281
8 176
9 281
10 281
Dem. M. Simulada 239
Quadro 58 - Simulação da demanda para vinho branco seco, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011
5.30 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO ROSE SUAVE CAIXA COM 12 EMABALAGENS DE 970 Ml
Os quadros 59 e 60 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho rose, caixa com 12 embalagens de 970 mL
64
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 713 50 50 1 50
09/2009 a 06/2010 869 50 100 51 100
Quadro 59 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho rose, caixa 12 embalagens de 970 mL
EXP/SimulaçãoDem. SIM
1 869
2 869
3 713
4 869
5 713
6 713
7 713
8 713
9 869
10 713
Dem. M. Simulada 775,4
Quadro 60 - Simulação da demanda para vinho rose, caixa com 12 embalagens de 970 mL para o período de 09/2010 a 09/2011
5.31 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE O FARDO COM 6 EMABALAGENS PET DE 2000 Ml
Os quadros 61 e 62 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho tinto, fardo com 6 embalagens PET de 2000 mL
65
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 2618 50 50 1 50
09/2009 a 06/2010 4287 50 100 51 100
Quadro 61 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho tinto, fardo 6 embalagens PET de 2000 mL
EXP/SimulaçãoDem. SIM
1 2618
2 4287
3 4287
4 2618
5 2618
6 2618
7 4287
8 4287
9 2618
10 4287
Dem. M. Simulada 3452,5
Quadro 62 - Simulação da demanda para vinho tinto, fardo com 6 embalagens de 2000 mL para o período de 09/2010 a 09/2011
5.32 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 6 EMABALAGENS DE 2000 mL
Os quadros 63 e 64 demonstram as etapas para a realização da simulação para prever a projeção futura do produto suco tinto, com 6 embalagens de 2000 mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 1909 50 50 1 50
66
09/2009 a 06/2010 1567 50 100 51 100
Quadro 63 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o suco tinto, com 6 embalagens de 2000 mL
EXP/SimulaçãoDem. SIM
1 1909
2 1909
3 1567
4 1909
5 1909
6 1909
7 1567
8 1909
9 1567
10 1567
Dem. M. Simulada 1772,2
Quadro 64 - Simulação da demanda para suco tinto, com 6 embalagens de 2000 mL para o período de 09/2010 a 09/2011
5.33 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 12 EMABALAGENS DE 500 mL
Os quadros 65 e 66 demonstram as etapas para a realização da simulação para prever a projeção futura do produto suco tinto, com 12 embalagens de 500 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 894 50 50 1 50
09/2009 a 838 50 100 51 100
67
06/2010
Quadro 65 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o suco tinto, com 12 embalagens de 500 mL
EXP/SimulaçãoDem. SIM
1 894
2 894
3 838
4 894
5 894
6 838
7 838
8 838
9 838
10 894
Dem. M. Simulada 866
Quadro 66 - Simulação da demanda para suco tinto adoçado, com 12 embalagens de 500 mL para o período de 09/2010 a 09/2011
5.34 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE 4,6L
Os quadros 67 e 68 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooler Rosado, de 4,6L
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 608 50 50 1 50
09/2009 a 06/2010 610 50 100 51 100
68
Quadro 67 - Determinação dos limites de números aleatórios para a previsão do período 09/2009 a 09/2011 para o Cooler Rosado de 4,6L
EXP/SimulaçãoDem. SIM
1 608
2 610
3 608
4 608
5 608
6 610
7 610
8 608
9 608
10 610
Dem. M. Simulada 608,8
Quadro 68- Simulação da demanda para Cooler Rosado de 4,6L para o período de 09/2010 a 09/2011
5.35 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE 6 EMABALAGENS DE 2000mL
Os quadros 69 e 70 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooler Rosado, caixa de 6 embalagens de 2000mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 241 50 50 1 50
09/2009 a 06/2010 257 50 100 51 100
69
Quadro 69 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Cooler Rosado, caixa de 6 embalagens de 2000mL
EXP/SimulaçãoDem. SIM
1 257
2 257
3 241
4 257
5 257
6 257
7 257
8 241
9 257
10 257
Dem. M. Simulada 253,8
Quadro 70 - Simulação da demanda para Cooler Rosado caixa de 6 embalagens de 2000mL para o período de 09/2010 a 09/2011
5.36 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO GRADE DE 12 EMABALAGENS DE 880mL
Os quadros 71 e 72 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooler Rosado, grade de 12 embalagens de 880mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 2411 50 50 1 50
09/2009 a 06/2010 2252 50 100 51 100
70
Quadro 71 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Cooler Rosado, grade de 12 embalagens de 880mL
EXP/SimulaçãoDem. SIM
1 2411
2 2411
3 2411
4 2411
5 2252
6 2252
7 2252
8 2411
9 2411
10 2411
Dem. M. Simulada 2363,3
Quadro 72 - Simulação da demanda para Cooler Rosado grade de 12 embalagens de 880mL para o período de 09/2010 a 09/2011
5.37 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO CAIXA DE 12 EMABALAGENS DE 880mL
Os quadros 73 e 74 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooler, caixa de 12 embalagens de 880mL.
Período Demanda Fr Fa Lim de Na09/2008 a 09/2009 1521 50 50 1 50
09/2009 a 1708 50 100 51 100
71
06/2010
Quadro 73 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Cooler, caixa de 12 embalagens de 880mL
EXP/SimulaçãoDem. SIM
1 1708
2 1521
3 1708
4 1708
5 1521
6 1708
7 1521
8 1708
9 1708
10 1708
Dem. M. Simulada 1651,9
Quadro 74 - Simulação da demanda para Cooler caixa de 12 embalagens de 880mL para o período de 09/2010 a 09/2011
5.38 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BOURDEUX COM 12 EMBALAGENS DE 720mL
Os quadros 75 e 76 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Bourdeaux, caixa de 12 embalagens de 720 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 2704 50 50 1 50
72
09/2009 a 06/2010 3541 50 100 51 100
Quadro 75 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o vinho Bourdeaux, caixa de 12 embalagens de 720 mL.
EXP/SimulaçãoDem. SIM
1 2704
2 3541
3 2704
4 2704
5 2704
6 3541
7 3541
8 2704
9 3541
10 2704
Dem. M. Simulada 3038,8
Quadro 76 - Simulação da demanda para vinho Bourdeaux, caixa de 12 embalagens de 720 mL para o período de 09/2010 a 09/2011
5.39 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO BOURDEUX SECO COM 12 EMBALAGENS DE 720mL
Os quadros 77 e 78 demonstram as etapas para a realização da simulação para prever a projeção futura do produto vinho Bourdeaux seco, caixa de 12 embalagens de 720 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 428 50 50 1 50
09/2009 a 06/2010 503 50 100 51 100
73
Quadro 77- Determinação dos limites de números aleatórios para a previsão do período 09/2009
a 09/2011 para o vinho Bourdeaux seco, caixa de 12 embalagens de 720 mL.
EXP/SimulaçãoDem. SIM
1 503
2 428
3 503
4 428
5 428
6 503
7 428
8 428
9 503
10 428
Dem. M. Simulada 458
Quadro 78 - Simulação da demanda para vinho Bourdeaux, caixa de 12 embalagens de 720 mL para o período de 09/2010 a 09/2011
5.40 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER DE MORANGO GRADE COM 12 EMABALAGENS DE 880 mL
Os quadros 79 e 80 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooller de Morango, grade de 12 embalagens de 880 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 612 50 50 1 50
09/2009 a 06/2010 604 50 100 51 100
Quadro 79 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Cooller de Morango, grade de 12 embalagens de 880 mL.
74
EXP/SimulaçãoDem. SIM
1 604
2 612
3 604
4 604
5 604
6 604
7 604
8 604
9 604
10 612
Dem. M. Simulada 605,6
Quadro 80 - Simulação da demanda para Cooller de Morango, grade de 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.41 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER DE MORANGO CAIXA COM 12 EMABALAGENS DE 880 mL
Os quadros 81 e 82 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooller de Morango, caixa com 12 embalagens de 880 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 412 50 50 1 50
09/2009 a 06/2010 549 50 100 51 100
Quadro 81 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Cooller de Morango, grade de 12 embalagens de 880 mL.
75
EXP/SimulaçãoDem. SIM
1 412
2 549
3 549
4 412
5 412
6 412
7 549
8 412
9 549
10 412
Dem. M. Simulada 466,8
Quadro 82 - Simulação da demanda para Cooller de Morango, grade de 12 embalagens de 880 mL para o período de 09/2010 a 09/2011
5.42 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX SUAVE COM 6 EMBALAGENS DE 720mL
Os quadros 83 e 84 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Bourdeux suave com 6 embalagens de 720mL
Período Demanda Fr Fa Lim de Na09/2008 a 09/2009 2016 50 50 1 50
09/2009 a 06/2010 2993 50 100 51 100
Quadro 83 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Bourdeux suave com 6 embalagens de 720mL.
76
EXP/SimulaçãoDem. SIM
1 2993
2 2016
3 2016
4 2993
5 2016
6 2993
7 2993
8 2016
9 2016
10 2016
Dem. M. Simulada 2406,8
Quadro 84 - Simulação da demanda para Bourdeux suave com 6 embalagens de 720mL para o período de 09/2010 a 09/2011
5.43 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX DEMI-SECO COM 6 EMBALAGENS DE 720mL
Os quadros 85 e 86 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Bourdeux demiseco com 6 embalagens de 720mL
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 633 50 50 1 50
09/2009 a 06/2010 787 50 100 51 100
Quadro 85 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Bourdeux demiseco com 6 embalagens de 720mL.
EXP/Simulação Dem.
77
SIM
1 633
2 633
3 787
4 633
5 633
6 787
7 787
8 787
9 633
10 633
Dem. M. Simulada 694,6
Quadro 86- Simulação da demanda para Bourdeux demiseco com 6 embalagens de 720mL para o período de 09/2010 a 09/2011
5.44 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O BOURDEUX SECO COM 6 EMBALAGENS DE 720mL
Os quadros 87 e 88 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Bourdeux seco com 6 embalagens de 720mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 514 50 50 1 50
09/2009 a 06/2010 697 50 100 51 100
Quadro 87 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Bourdeux seco com 6 embalagens de 720mL.
EXP/SimulaçãoDem. SIM
78
1 697
2 697
3 514
4 514
5 697
6 697
7 514
8 697
9 697
10 514
Dem. M Simulada 623,8
Quadro 88 - Simulação da demanda para Bourdeux seco com 6 embalagens de 720mL para o período de 09/2010 a 09/2011
5.45 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO COM 12 EMBALAGENS DE 720mL
Os quadros 89 e 90 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooller Rosado com 12 embalagens de 720mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 85 50 50 1 50
09/2009 a 06/2010 90 50 100 51 100
Quadro 89 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Cooller Rosado com 12 embalagens de 720mL.
EXP/SimulaçãoDem. SIM
79
1 85
2 90
3 85
4 90
5 85
6 90
7 85
8 85
9 90
10 85
Dem. M. Simulada 87
Quadro 90- Simulação da demanda para Cooller Rosado com 12 embalagens de 720mL para o período de 09/2010 a 09/2011
5.46 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COOLER ROSADO DE MORANGO COM 12 EMBALAGENS DE 720mL
Os quadros 91 e 92 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Cooller Rosado de morango com 12 embalagens de 720mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 49 50 50 1 50
09/2009 a 06/2010 54 50 100 51 100
Quadro 89 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Cooller Rosado de Morango com 12 embalagens de 720mL.
EXP/SimulaçãoDem. SIM
1 49
80
2 54
3 49
4 54
5 54
6 49
7 49
8 54
9 49
10 54
Dem. M. Simulada 51,5
Quadro 92 - Simulação da demanda para Cooller Rosado de morango com 12 embalagens de 720mL para o período de 09/2010 a 09/2011
5.47 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINAGRE DE VINHO TINTO CLASSICO
Os quadros 93 e 94 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinagre de Vinho Tinto Clássico.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 110 50 50 1 50
09/2009 a 06/2010 152 50 100 51 100
Quadro 93 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Vinagre d Vinho Tinto Clássico
EXP/SimulaçãoDem. SIM
1 152
81
2 152
3 152
4 152
5 152
6 152
7 110
8 110
9 110
10 110
Dem. M. Simulada 135,2
Quadro 94 - Simulação da demanda para Vinagre de Vinho Tinto Clássico para o período de 09/2010 a 09/2011
5.48 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O SUCO TINTO ADOÇADO COM 12 EMABALAGENS DE 1L
Os quadros 95 e 96 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Suco Tinto Adoçado com 12 embalagens de 1L.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 1321 50 50 1 50
09/2009 a 06/2010 1015 50 100 51 100
Quadro 95 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Suco Tinto Adoçado com 12 embalagens de 1L.
EXP/SimulaçãoDem. SIM
82
1 1015
2 1015
3 1321
4 1321
5 1321
6 1015
7 1015
8 1015
9 1321
10 1015
Dem. M. Simulada 1137,4
Quadro 96 - Simulação da demanda para Suco Tinto Adoçado com 12 embalagens de 1L para o período de 09/2010 a 09/2011
5.49 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O COQUETEL DE CATUABA COM 6 EMBALAGENS DE 880 mL
Os quadros 97 e 98 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Coquetel de Catuaba com 6 embalagens de 880mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 1627 50 50 1 50
09/2009 a 06/2010 2422 50 100 51 100
Quadro 97 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para o Coquetel de Catuaba com 6 embalagens de 880mL.
EXP/SimulaçãoDem. SIM
83
1 2422
2 1627
3 1627
4 2422
5 2422
6 1627
7 2422
8 1627
9 2422
10 2422
Dem. M. Simulada 2104
Quadro 98 - Simulação da demanda para Coquetel de Catuaba 6 embalagens de 880mL para o período de 09/2010 a 09/2011
5.50 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O ESPUMANTE MOSCATEL COM 6 EMABALAGENS DE 720mL
Os quadros 99 e 100 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Espumante Moscatel caixa com 6 embalagens de 720 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 63 50 50 1 50
09/2009 a 06/2010 127 50 100 51 100
Quadro 99 - Determinação dos limites de números aleatórios para a previsão do período
09/2009 a 09/2011 para Espumante Moscatel caixa 6 embalagens de 720 mL.
EXP/SimulaçãoDem. SIM
1 63
84
2 127
3 127
4 63
5 127
6 63
7 63
8 63
9 127
10 63
Dem. M. Simulada 88,6
Quadro 100 - Simulação da demanda para Espumante Moscatel caixa 6 embalagens de 720 mL para o período de 09/2010 a 09/2011
5.51 SIMULAÇÃO DA PREVISÃO DE DEMANDA PARA O VINHO TINTO SUAVE COM 12 EMBALAGENS DE 370mL
Os quadros 101 e 102 demonstram as etapas para a realização da simulação para prever a projeção futura do produto Vinho tinto suave com 12 embalagens de 370 mL.
Períodos Demanda Fr Fa Lim de Na09/2008 a 09/2009 65 50 50 1 50
09/2009 a 06/2010 108 50 100 51 100
Quadro 101 - Determinação dos limites de números aleatórios para a previsão do período do
vinho tinto suave 12x370 mL.
EXP/SimulaçãoDem. SIM
1 108
85
2 65
3 65
4 108
5 108
6 108
7 108
8 65
9 65
10 65
Dem. M. Simulada 86,5
Quadro 102 - Simulação da demanda para vinho tinto suave 12x370 mL
86
CONSIDERAÇÕES FINAIS
Após o conhecimento do fluxo de informação e processo da vinícola, a técnica
de pesquisa operacional a ser aplicada será de Simulação de Estoques, visto que a
dificuldade da organização esta em seu espaço físico para tal. Enfrentam dificuldades
para atingir sua demanda em períodos de festas, já se encontram com projetos ainda não
implantados para o aumento de sua área industrial e estocagem.
A simulação através do método de Monte Carlo possibilitara a criação de um
modelo o qual auxiliara na melhor decisão a respeito da demanda, descrever o
comportamento do estoque da Vinícola Paschoeto buscando alcançar através de testes
de hipóteses e critérios de decisão a melhor alternativa para solucionar o problema de
alocação do estoque.
A Simulação é uma ótima ferramenta de visualização de projeções futuras para
inúmeras atividades de produção. Possibilita a criação de um modelo o qual auxilia na
melhor decisão a respeito da demanda, descrever o comportamento do estoque da
Engarrafadora de Bebidas Paschoeto buscando alcançar a melhor alternativa para
solucionar o problema de alocação do estoque.
Através do modelo composto por dados histórico de vendas dos produtos
engarrafados, pode-se obter um ensaio a respeito da demanda anual para o próximo
período. Ao analisar os dados pode-se observar uma variação onde em alguns produtos
foram notados acréscimo na demanda e em outros decréscimos. Através desta simulação
de previsão de demanda podem-se projetar as vendas futuras, assim como propostas de
melhorias e ganho de mercado.
87
O método de Monte Carlo se mostrou confiável para essa atividade, devido que
a experiência demonstrou que a projeção da possível demanda futura previstas estava
próximas demandas históricas.
88
REFERENCIAS
ANDRADE, E. L. Introdução à pesquisa operacional: métodos e técnicas para análise de decisão. Rio de Janeiro: LTC, 2009
ARAGÃO, SANTOS, FERREIRA. Previsão de Demanda Utilizando Simulação de Monte Carlo: Estudo de Caso na Empresa Cristófoli Biossegurança. Encontro Brasileiro de Engenharia de Produção Agroidustrial – EBEPA, (Campo Mourão), 2009.
Associação Brasileira de Engenharia de Produção (ABREPO). Áreas da Engenharia de Produção. Disponível em < http://www.abepro.org.br/interna.asp?p=399&m=424&s=1&c=362 > Acesso em 17 de Junho de 2010.
Barros, Emílio Augusto Coelho; APLICAÇÕES DE SIMULAÇÃO MONTE CARLO E BOOTSTRAP, UEM, 2009. Disponível em: http://www.des.uem.br/graduacao/resumos.htm. Data de acesso: 16/08/2010.
COSTA, R.; JÚNIOR.; RODRIGUES, M. Simulação de Monte Carlo Aplicada à Decisão de Mix de Produtos. Disponível em: http://seer.ufrgs.br/index.php/ProdutoProduçao. Data de acesso: 15/08/2010.
E JUNIOR. Otimização dos Estoques em Pequena Empresa do Varejo. Disponível em: http://www.ufpi.br/reges/uploads/edicao2/artigo2.pdf. Data de acesso: 16/08/2010.
Fleury, A. O que é Engenharia de Produção?.In Batalha, M. O. Introdução a Engenharia de Produção. Rio de Janeiro: Elsevier, 2008. P. 1.
89
J. P. ESTRÓCIO, P. B. CORREIA, Simulação de Monte Carlo e aversão a risco aplicada a leilões de energia. Unicamp, São Paulo, 2009. Disponível em: http://webcache.googleusercontent.com/search?q=cache:Gukjdd:webserver.eln.gov.br/ Data de acesso: 16/08/2010.
Kuyven, Patrícia, Sorgatto. Proposta de um método para a análise de demanda: aplicação numa indústria de brinquedos, 2004. Disponível em: http://hdl.handle.net/10183/3455 Data de acesso: 16/08/2010.
LIMA, E.; VIANA, J.; LEVINO, N. Simulação de Monte Carlo Auxiliando a Analise de Viabilidade Econômica de Projetos. Disponível em: http://www.excelenciaemgestao.org/portals/2/documents/cneg4/t7_0033_0196.pdf. Data de acesso: 14/08/2010.
Loesch, C; Hein, N. Pesquisa Operacional: fundamentos e métodos. São Paulo: Saraiva, 2009.
MORAIS. M. F. Pesquisa Operacional Aplicada - Apostila. Curso de Engenharia de Produção Agroindustrial. Fecilcam: Campo Mourão, 2009.
MOREIRA, D. Administração da Produção e Operações. 2 ed. São Paulo: Cengage Learning, 2009.
MOREIRA,D. A. Pesquisa Operacional: Curso Introdutório. 2 Ed. São Paulo: Cengage Learning, 2010.
OLIVEIRA, BARROS, REIS. Aplicabilidade do Método da Simulação de Monte Carlo na Previsão dos Custos de Produção de Companhias Industriais: O caso Companhia Vale do Rio Doce. Congresso Universidade de São Paulo, VII, São Paulo. 2006.
90
OLIVEIRA, P. Aplicabilidade do Método de Simulação de Monte Carlo na Previsão de Produção de Companhias Industriais: O Caso da Companhia Vale do Rio Doce. Disponível em: http://www.congressousp.fipecafi.org/artigos72007/537.pdf. Data de acesso: 14/08/2010.
PEIXOTO, Eduardo Carrara; PINTO, Luiz Ricardo. Gerenciamento de Estoques via Previsão de Vendas Agregadas Utilizando Simulação. Produção, v.16, n.3, p. 569-581, 2006. disponível em: < http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-65132006000300016&lng=pt&nrm=iso>. Acessado em
Rogers, Pablo; José dos Santos, Eduardo; Rogers Dany; Gerenciamento de custos em situações de risco: uma abordagem do custeio variável aplicando o Método de Monte Carlo. Disponível em: http://www.abepro.org.br/biblioteca/ENEGEP2004_Enegep0302_1300.pdf. Data de acesso: 16/08/2010.
TUBINO, D. F. Planejamento e Controle da Produção: Teoria e Pratica. 2 ed. São Paulo: Atlas, 2009
WERNER, Liane; RIBEIRO, José Luis Duarte. Previsão de Demanda: uma Aplicação dos Modelos Box-jenkins na Área de Assistência Técnica de Computadores Pessoais. Gestão & Produção, v.10, n.1, p.47-67, 2003. Disponível em: <http://www.scielo.br/pdf/gp/v10n1/a05v10n1.pdf>. Acessado em