Anda di halaman 1dari 5

ARMP Armazenagem Gesto Econmica de Estoques: Previso de Demanda

1 - PREVISO DE DEMANDA
1.1 - Introduo A previso recurso administrativo importante para o planejamento, pois este feito considerando-se cenrios futuros provveis, para os quais so feitas estimativas do comportamento das principais variveis que podem afet-lo. No se pode fazer nada sem alguma forma de estimativa (ARNOLD, 2006). Estimar a demanda futura de bens e servios condio essencial para o planejamento das necessidades de recursos produtivos, financeiros e de materiais necessrios para a produo deles (GONALVES, 2004). A previso de demanda o ponto de partida direto ou indireto para praticamente todas as decises organizacionais. Ela um processo racional de busca de informaes acerca do valor das vendas futuras de um item ou de um conjunto de itens. Tanto quanto possvel ela dever fornecer tamabm informaes sobre qualidade e localizao (lugar onde sero necessrios) dos produtos no futuro. Prever a demanda de responsabilidade de vendas e/ou marketing. Os sistemas de comercializao estruturados segundo o modelo make-to-order (MTO) no podem comear a fabricar um produto antes que o consumidor faa o pedido, mas devem ter os recursos de trabalho e de equipamentos disponveis para suprir a demanda. A previso da demanda base para o planejamento estratgico da produo, vendas e finanas de qualquer empresa e, segundo Dias (2006) a previso o ponto de partida de todo planejamento empresarial. Com o planejamento as empresas podem desenvolver os planos de capacidade, de fluxo de caixa, de vendas, de produo e estoques, de mo-de-obra, de compras etc (TUBINO, 2007). Segundo Arnold (2006, p.234-235), as previses tm quatro princpios fundamentais. - As previses geralmente esto erradas. Tentam olhar o futuro desconhecido e, a no ser por pura sorte, erram em alguma medida. Os erros so inevitveis e devem ser esperados. - Cada previso deve incluir uma estimativa de erro. Como j se espera que as previses dem errado, a verdadeira pergunta , em quanto? - As previses so mais precisas para famlias e grupos do que quando abrimos para itens individuais. - As previses so mais precisas para perodos de tempo mais prximos. Assim prever a necessidade do prximo ms mais seguro do que estimar a do ano seguinte. As previses no so perfeitas pois existem muitos fatores no ambiente empresarial que no podem ser previstos e controlados com segurana. Quanto maior o perodo coberto pelo planejamento, menor a preciso com que se pode contar. Mas uma previso por mais imperfeita que seja, sempre necessria. A definio da tcnica de previso que melhor se adapte a uma situao especifica apenas um dos passos do modelo de previso, porm, sem dvida, o mais importante. Existe uma srie de tcnicas disponveis, com diferenas substanciais entre elas, contudo, antes de se apresentarem as principais (TUBINO, 2007). As caractersticas gerais que normalmente esto presentes em todas as tcnicas de previso podem ser assim resumidas: - Supe-se que as causas que influenciaram a demanda passada continuaro a agir no futuro; - As previses no so perfeitas, pois no se capaz de prever todas as variaes aleatrias que ocorrero; - A acuracidade das previses diminui com o aumento do perodo de tempo; - A previso para grupos de produtos mais precisa do que para os produtos individualmente, visto que no grupo os erros individuais de previso se minimizam. 1.2 - Mtodos de Previso Os modelos de previso que uma empresa pode adotar dependem de uma srie de fatores: Horizonte de previso Disponibilidade de dados Preciso necessria Tamanho do oramento para previso Disponibilidade de pessoal qualificado

1.2.1 - Horizontes de Previso - Longo prazo ( 5 anos ou mais ); - expanso da capacidade , novos produtos/servios, etc;

ARMP Armazenagem Gesto Econmica de Estoques: Previso de Demanda


- principalmente mtodos qualitativos; - Mdio prazo (1 a 2 anos); - planejamento da produo e recursos; - misto de mtodos quantitativos e de consenso; - Custo prazo (1 a 6 meses); - compras, produo, estoques e pedidos; - mtodos quantitativos (projeo). 1.3 - Classificao dos mtodos de previso Os mtodos de previso classificam-se em mtodos qualitativos e mtodos quantitativos, estes por sua vez subdividem-se em mtodos causais e sries temporais. 1.3.1 - Mtodos Qualitativos Os mtodos qualitativos so baseados no julgamento, isto , estimativas e opinies e utilizado quando no existem dados disponveis. So eles: - Pesquisa de Mercado; - Mtodo Dephos; - Painel de Especialistas; - Analogia Histrica. 1.3.1.1 Pesquisa de Mercado - Levantamentos atravs de questionrios e entrevistas, dos fatores mais relevantes que influem na preferncia do consumidor. - Menor validade em termos de horizonte de projeo, e menor confiabilidade, por ser suscetvel a erros de orientao e interpretao. - Pode demorar e ter alto custo em funo da grande quantidade de dados; 1.3.1.2 Mtodo Dephos - Obter um consenso entre especialistas sem que haja contato entre eles; - Envio de uma srie de questionrios aos especilistas selecionados, readaptando cada questionrio de acordo com as respostas do anterior, at se obter um consenso no qual a opinio de todos tenha sido considerada. - Boa preciso, obteno de dados sem vis, Ainda assim o tempo de obteno de resultados pode ser longo e de alto custo. 1.3.1.3 Painel de Especialistas - Mesma idia do mtodo Dephos: obter uma boa projeo trabalhando em conjunto. - Comunicao direta e pessoal entre os especialistas, atravs de vrias reunies. - Custo e tempo so sensivelmente menores que o mtodo anterior, mas os resultados podem ser influenciados pelas caractersticas pessoais dos participantes. 1.3.1.4 Analogia Histrica - Anlise comparativa de um produto a ser lanado em relao a um existente. - Preciso razovel para previses de mdio e longo prazo. Pode ser demorada mas custa relativamente pouco, uma vez que no usa computadores.

ARMP Armazenagem Gesto Econmica de Estoques: Previso de Demanda


1.3.2 Mtodos Quantitativos 1.3.2.1 - Mtodos Causais Este mtodo leva em conta o ambiente, segundo ele a ocorrncia de um evento causa ou influencia outro evento. Utilizado para previso a longo prazo. So eles: - Regresso Linear; - Regresso Mltipla; - Modelos de Entrada/Sada - Principais Indicadores. 1.3.2.2 - Sries Temporais Mtodo quantitativo que leva em conta o passado. Para curto prazo. So eles: - Mdia Mvel Simples; - Mdia Mvel Ponderada; - Suavizao Exponencial; - Mtodo Winters. Nota: Previses de demanda devem levar em considerao um fator importante, para que a anlise seja completa e o melhor possvel, devemos fazer a associao dos mtodos que acharmos necessrios. Desse modo as previses sero mais precisas e prximas da realidade, os pontos positivos dos mtodos sero combinados de forma mais eficiente e o resultado da anlise ter um nvel de completude mais elevado. 1.3.2.2.1 - MDIA MVEL SIMPLES : utilizada quando demanda no apresenta nenhuma caracterstica sazonal e para horizonte de previso curto. Utiliza-se um nmero K de perodos para o clculo da previso desejada. Assim teremos o seguinte mtodo para a obteno da Previso (Pi) onde i ser a posio na sequncia de valores: Sendo Di a Demanda realizada em um perodo i e K, qualquer inteiro, o nmero de perodos para o clculo, Temos Pi = ( Di-1 + Di-2 + Di-3 + ... + Di-k ) / k

Exemplo: Conhecendo a demanda dos meses abaixo, calcule a previso de vendas para o ms subsequente, considerando uma mdia de 5 meses. Meses Demanda JAN 100 FEV 110 MAR 120 ABR 200 MAI 150 JUN ?

Resoluo : para K = 5, temos (100+110+120+200+150) / 5 = 136 -> Previso de Vendas para JUNHO 1.3.2.2.2 - MDIA MVEL PONDERADA: Cada elemento ponderado por um fator, no qual a soma de todos os pesos igual a um. Semelhante a mdia mvel simples. Ento para a obteno da Previso ( Pi), teremos a utilizao de fatores (fi) para cada Demanda (Di), aplicados na ordem inversa das demandas. Ento : f1 + f2 + f3 + ... + fn = 1, e a Previso P ser Pi = [ (Di-1f1) + (Di-2f2) + (Di-3f3) + ... + (Di-nfn) ] / 1, lembrando que N o nmero de perodos e pesos utilizados para o clculo. Exemplo: Sendo fornecidos os dados de demanda da tabela a seguir, a. Determine uma previso por mdia mvel ponderada, utilizando um peso de 0,40 para o perodo mais recente, 0,30 para o perodo anterior, 0,20 para o que precede a este e 0,10 para o primeiro perodo. b. Se a demanda real para o perodo 6 de 39 unidades, faa a previso da demanda para o perodo 7, utilizando os mesmos pesos do item a. Perodo 1 Demanda 42

ARMP Armazenagem Gesto Econmica de Estoques: Previso de Demanda


2 3 4 5 40 43 40 41

Resoluo : a) [(41x0,4) + (40x0,3) + (43x0,2) + 40x0,1)] = 41 Previso para o perodo 6 b) [(39x0,4) + (41x0,3) + (40x0,2) + (43x0,1)] = 40,2 Previso para o perodo 7 com o perodo 6 em 39 - SUAVIZAO EXPONENCIAL: Dados pontuais mais recentes tm maior peso, com o peso declinado exponencialmente medida que esses dados tornam-se ultrapassados. Alpha ( ) a constante de ajuste, e determina o nvel de ajuste e a velocidade de reao, para diferena entre as previses e as ocorrncias reais. Sua determinao arbitrria (natureza do produto ou bom senso do gerente). Quanto maior o crescimento maior a taxa de reao. Ento a Previso (Pi) ser obtida a partir de Pi = .Di-1 + ( 1 ).Pi-1, onde : : constante de suavizao aplicada Demanda do perodo anterior ao desejado; -1: complemento da constante de suavizao, aplicado Previso do perodo anterior ao desejado; Di-1: Demanda do perodo anterior ao desejado; Pi-1: Previso do perodo anterior ao desejado; Lembrando, que 0 <= <= 1 Exemplo: Demanda relativamente estvel e a constante de ajuste igual a 0,05. Previso para ms anterior (F t-1) foi de 1050 unidades e que 1000 unidades foi a demanda real. A previso para este ms ser de: Resoluo : P = 0,05x1000 + 0,95x1050 = 1047,5 Obs.: Quanto maior o valor da constante de ajuste, mais prximo segue a demanda real. Este mtodo esta sempre acima ou abaixo da demanda real. 1.4 - Medida e Controle do Erro nas Previses Erro de previso a diferena entre o valor da demanda prevista e ao que realmente ocorreu. So fontes de erros: Falhas na incluso de valores corretos; Utilizao de relacionamentos errados entre variveis; Emprego da linha de tendncia errada; Localizao da demanda sazonal em pontos diferentes de onde ela ocorre; Existncia de algumas tendncias seculares indeterminadas.

O erro medido atravs do desvio mdio absoluto, varincia e desvio padro. 1.5 Previso de Sazonalidade Uma indicao til do grau de variao sazonal para um produto o ndice sazonal. Trata-se de uma estimativa de quanto a demanda, durante um determinado perodo, ser maior ou menor que a demanda mdia do produto. Por exemplo, a demanda de trajes de banho pode ter uma mdia de 100 unidades por ms, mas em janeiro a mdia de 175 e, em maro de 35. O ndice para a demanda de julho seria 1,75 e para setembro 0,35. A frmula do ndice sazonal a seguinte: ndice sazonal = Demanda mdia para o perodo Demanda mdia para todos os perodos

ARMP Armazenagem Gesto Econmica de Estoques: Previso de Demanda


O perodo pode ser dirio, semanal, mensal ou trimestral, dependendo da base para a sazonalidade. A demanda mdia para todos os perodos um valor que neutraliza a sazonalidade e chama-se demanda desestacionalizada. A equao que serve para desenvolver ndices sazonais tambm til para prever a demanda sazonal. Se uma empresa prev a demanda mdia para todos os perodos, os ndices sazonais podem ser utilizados para calcular as previses sazonais. A equao reordenada ficaria assim: Demanda sazonal = (ndice sazonal) x (demanda desestacionalizada)