ANLISE DE TCNICAS DE PREVISO DE DEMANDA COM ENFOQUE

NO PLANEJAMENTO DA GESTO DE SUPRIMENTOS

A
R RESUMO
T
I Autores A previso de demandas de fundamental importncia para os
G JUSCELINO EMANOEL processos de planejamento de qualquer organizao. Dentro da
O GOMES DE CASTRO
Mestre pela Universidade empresa privada, este mtodo tanto utilizado de forma geral,
S Federal do Cear (UFC) como de forma departamental. O que no diferente para o setor
juscelinoegcastro@yahoo.com.br de compras e para o processo de suprimentos, j que preciso
estimar quanto se demanda para saber quanto produzir e suprir.
JAIME MARTINS DE Assim, o objetivo deste trabalho analisar alguns mtodos de
SOUSA NETO previso de demandas, destacando o planejamento da gesto de
Doutorando na Universidade suprimentos. Para tanto, buscou-se na literatura algumas tcnicas
Federal do Cear (UFC)
simples e complexas, de curto e de longo prazo, para serem
analisadas e adaptadas gesto de suprimentos. Desta pesquisa
resultou-se a descrio de diversos mtodos. Concluiu-se, ento,
que o erro quase sempre existir, mas que ao se escolher o mtodo
adequado este erro se minimizar.

PALAVRAS CHAVE: Previso de Demandas, Planejamento,

Gesto de Suprimentos.

ABSTRACT

The demand forecasting is crucial to the planning of any organization.

Within the private company, this method is used so broadly, so as
departmental. What is not different to the purchasing department
and the procurement process, since it is necessary to estimate
how much demand to know how much to produce and supply. The
objective of this paper is to analyze some methods of demand
forecasting, highlighting the management planning supplies.
Therefore, we sought in the literature a few simple techniques and
complex, short and long term, to be analyzed and adapted to supply
management. This research resulted in the description of various
methods. It was concluded then that the error almost always exist,
but when choosing the appropriate method will minimize this error
is.

KEY WORDS: Demand Forecasting, Planning, Supply Management.

24 REVISTA CIENTFICA DR: Revista Cientfica da Faculdade Darcy Ribeiro, n 004, jul/dez 2013 ISSN 2236-8949
 1. INTRODUO
No atual mercado competitivo e globalizado
faz-se necessrio que os tomadores de decises
ajam da maneira mais acertada sobre seus
patrimnios. Um pequeno erro pode acarretar
em uma grande perda, logo todo procedimento
que envolva risco dever ser avaliado de forma
profunda.
Especificamente no ambiente empresarial,
o administrador dever saber tomar decises
acertadas para reduzir seus custos ao mximo
para aumentar sua lucratividade e se manter
competitivo no mercado, tendo ele que estar
atento s diversas tecnologias e mtodos de
gesto tanto para a empresa como um todo
quanto para seus setores.
Sob o ponto de vista econmico, as
diversas instabilidades macroeconmicas
vm gerando muitas incertezas, o que faz
com que as decises empresariais ou no
necessitem de maior precauo, fazendo com
que analistas busquem diversas metodologias
e interpretaes dos acontecimentos para
embasar suas decises e planejamentos.
Portanto, a tomada de decises apenas
baseada na intuio gerencial no mais vivel,
tendo o decisor que compilar o maior nmero
de dados e transform-los em informaes
teis e consistentes para agir baseado nelas
de forma rpida e precisa.
Uma informao muito importante para o
administrador o quanto demandado de seu
produto ou de seus servios.
A previso de demandas de grande
utilidade ao administrador, pois a demanda
uma das grandes incertezas que precisam ser
tratadas para aes mais acertadas. O setor de
marketing geralmente o responsvel por este
papel, j que o que fornece informaes de
mercado ao setor de produo e operaes da
empresa.
Diante disto, o objetivo deste trabalho
analisar alguns mtodos de previso de
demandas destacando o planejamento da
gesto de suprimentos, aplicando-se estes
mtodos de forma geral e especificamente ao
setor de compras.
2. REVISO DE LITERATURA
De acordo com Ballou (1998), prever
qual a quantidade de produtos que os clientes
REVISTA CIENTFICA DR: Revista Cientfica da Faculdade Darcy Ribeiro, n 004, jul/dez 2013 ISSN 2236-8949
devero comprar assunto vital para todo
planejamento empresarial. Por isso, grande
esforo tem sido dedicado ao desenvolvimento
de mtodos de previso. Estes mtodos de
previso consistem em tcnicas que tentam
fazer um prognstico do que acontecer com
as vendas no futuro.
Figura 1: Sistema de previso
Fonte: Adaptado de Fleury et. al. (2007)
No s para a empresa em geral. Elas
tambm funcionam como componentes do
alicerce para o planejamento das estratgias
setoriais como: de marketing e vendas,
finanas, compras (suprimento), produo,
logstica e recursos humanos de qualquer
entidade (FLEURY et. al., 2007).
Como estratgia de marketing e vendas
estas tcnicas so bastante teis para a
definio de promoes e descontos por
quantidade, lanamento ou retirada de
produtos, estimativa para investimentos
em propaganda, incluso em novos
canais de distribuio;
Como estratgia de finanas, recebendo
informaes em valores monetrios,
pode-se controlar a evoluo do
volume total de capital empatado em
estoques, determinar o retorno sobre o
investimento em ativos e projetar fluxo
de caixa possibilitando a programao de
aplicao de excedentes financeiros ou
captao de recursos externos no caso
de eventual falta de liquidez;
Como estratgia de compras (suprimento),
foco principal deste trabalho (ser tratada
na seo seguinte);
Como estratgia de produo para
identificar uma eventual necessidade
de expanso de capacidade produtiva
e consequente definio de poltica de
capacidade mais adequada. Estudos
por produtos podero determinar
25
 sequenciamento, programao da
produo, nveis de estoque, de matria-
prima e de outros insumos necessrios;
A Como estratgia logstica pode-se
R estimar a longo prazo onde se localizaro
T futuras demandas e instalar armazns ou
I indstrias nas proximidades, com foco
G na reduo de custos e tempestividade
O no atendimento aos clientes. Poder
S ser til tambm na terceirizao ou no
dos transportadores, na programao
semanal de retiradas de produtos cliente
a cliente, na consolidao de cargas,
na determinao dos nveis adequados
de estoques de produtos acabados, na
transferncia de produtos entre armazns;
Essas tcnicas, tambm, desempenham
importante papel na rea de recursos
humanos e no planejamento de
modificaes no nvel da fora de trabalho.
Entretanto, importante que haja uma s
previso que norteie todas estas atividades,
no havendo autonomia para cada uma fazer
a sua.
Diversos so os ganhos de se
implementar um processo de previso de
demandas adequado operacionalizao e ao
planejamento individual de cada ente. Logo,
torna-se invivel a indicao de um mtodo
especfico.
Segundo Pellegrini (2000), podero ser
utilizados mtodos quantitativos, qualitativos
ou a combinao de ambos.
Os mtodos quantitativos so aqueles
baseados em sries temporais ou em modelos
causais. Estas tcnicas so utilizadas quando
existe um histrico de informaes.
As sries temporais so conjuntos
de informaes numricas distribudas
uniformemente obtidas pelas respostas dadas
em um perodo regular de tempo. De acordo
com Levine et. al. (2008) diversos fatores
influenciam dados em sries temporais como:
Tendncia, que o padro de movimento
ascendente ou descendente de
longo prazo. Ocorrem mais devido a
modificaes na tecnologia, no valor, na
renda ou na populao;
Componente sazonal, que so flutuaes
peridicas relativamente regulares
que acontecem a cada perodo de 12
26 REVISTA CIENTFICA DR: Revista Cientfica da Faculdade Darcy Ribeiro, n 004, jul/dez 2013 ISSN 2236-8949
meses. Condies climticas, calendrio
escolar, costumes religiosos e culturais
influenciam este componente;
Componente cclico, que so repetidas
oscilaes ou movimentos ascendentes
e descendentes ao longo de quatro
fases: desde o pico (prosperidade),
para a contrao (recesso), para o
fundo (depresso), para a expanso
(recuperao ou crescimento). Provm
de combinaes de fatores que afetam a
economia; e
Componente irregular, que so as
flutuaes errticas ou residuais em uma
srie que existem aps serem levados em
conta os efeitos sistemticos anteriores.
Decorrem de eventos imprevistos como
guerras, desastres naturais, greves,
dentre outros.
J os modelos causais de previso
envolvem a determinao de fatores que se
relacionam varivel objeto da previso,
buscando fatores como PIB, tempo,
populao, inflao, por exemplo. Baseiam-
se em modelos, como: anlise de regresso
mltipla, modelagem economtrica, anlise
dos principais indicadores.
Os mtodos qualitativos, os mais usados
historicamente, baseiam-se na experincia
do empresrio, em opinies de especialistas,
reunies, painis, pesquisas de opinio,
mtodo Delphi, dentre outros mtodos. So
geralmente tcnicas mais caras e utilizadas
quando a situao vaga e existem poucas
informaes.
A combinao de ambos os tipos de
mtodos, de acordo com Werner e Ribeiro
(2006), tem mostrado eficincia em diminuir
erros de previso. Usar um nico mtodo para
obter as demandas pode no ser suficiente
para incorporar todo conhecimento associado
ao ambiente de previso.
Segundo Marins (2009), as etapas de
um modelo de previso seguem o seguinte
esquema:
Figura 2 Etapas de um modelo de previso
Fonte: adaptado de Marins (2009)
 Iniciando-se pelo objetivo do modelo,
definindo a razo pela qual necessitamos de
previses, que produto ou grupo de produtos,
que grau de preciso e detalhamento ser
trabalhado etc.
Na segunda etapa consiste na coleta e
anlise dos dados objetivando identificar e
desenvolver a tcnica de previso que melhor
se ajuste situao. Tendo em vista que
quanto mais dados coletados melhor ser a
confiabilidade da tcnica.
Aps esses passos, seleciona-se a tcnica
que mais se adapta a situao desejada. Este
passo muito importante, pois na escolha
da tcnica aumenta-se o grau de acerto das
previses.
Em seguida, j com as informaes
colhidas, escolhe-se o mtodo mais aplicvel
situao da empresa, levando em conta a
tecnologia, se a entidade tem condies de
utilizar pacotes computacionais complexos; o
prazo a ser feitas previses, para curto ou longo
prazo e a viabilidade econmica, fazendo com
que os custos da previso sejam menores que
seus possveis benefcios.
A ltima etapa consiste em monitorar o
modelo quanto aos erros estabelecidos, se
os erros so satisfatrios, ou seja, pouco
influenciam negativamente no resultado, valida-
se o modelo. Se no, o modelo ter que ser
revisado e sero feitos novos testes com outras
tcnicas em previses futuras.
A Figura 3, a seguir, mostra o esquema do
processo de previso.
Figura 3 - Processo de Previso
Fonte: adaptado de Brander (2005)
Suprimento e previso de demanda
O que faz necessrio em um planejamento
profundo saber quanto se deve suprir baseado
no quanto ser demandado.
REVISTA CIENTFICA DR: Revista Cientfica da Faculdade Darcy Ribeiro, n 004, jul/dez 2013 ISSN 2236-8949
O setor de suprimentos precisa de
previses de curto e mdio prazo, separadas
por produtos para, por exemplo, o planejamento
a aquisio de insumos ou contratao de
prestadores de servios logsticos para o
transporte.
J por meio de previses de longo
prazo, agregadas por classes de produtos
ou regies de vendas possvel, para o
departamento de compras, estabelecer
polticas e programas para gerenciamento
da base de fornecedores, determinando a
viabilidade, isto , se h escala suficiente para
serem desenvolvidos programas de parcerias
ou para a verticalizao de algumas atividades
de produo ou distribuio.
Na gesto de estoques, no basta saber
se h erros nas previses, mas quanto se
erra e como este varia. Esforos na tentativa
de se aperfeioar a previso da realidade,
empregando tcnicas quantitativas e
qualitativas e analisando os possveis cenrios,
mercados, tendncias e sazonalidades, so
essenciais para diminuir os custos gerados
pelo excesso ou falta de estoques.
Efeito Chicote
Termo recente na rea empresarial, efeito
chicote uma distoro da percepo da
demanda ao longo da cadeia de suprimentos
na qual os pedidos para o fornecedor tm
variao diferente da das vendas para o
comprador (LEE, 1997).
A modelagem dinmica desenvolvida
por Forrester (1961), mostra em que pode
acarretar a falta da coordenao na previso
de vendas entre os vrios componentes da
cadeia de suprimentos.
Figura 4 - Efeito Chicote
27
 Estoque de Segurana
Quando se precisa de produtos para
A suprir determinado perodo, alm do prazo de
R entrega para consumo ou vendas, prevenindo
T possveis atrasos na entrega por parte do
I fornecedor, faz-se necessria a implantao
G de estoques de segurana. Estes devero
O ser maiores quanto maior for a frequncia do
S fornecimento.
Funciona como uma caixa dgua, pois,
quando houver corte instantneo de sua
distribuio, existir uma reserva suficiente
evitando problemas decorrentes da sua falta.
No caso de estoques de bens para vendas
devero existir para que no se perca a venda
devido sua falta.
No momento da deciso de qual fornecedor
comprar, os custos do estoque de segurana
devem ser levados em considerao nesta
deciso. Geralmente, estes estoques so
determinados supondo que a variao da
demanda segue uma distribuio normal.
As entidades no devero considerar
apenas a variabilidade da demanda e a
disponibilidade do produto. Tero que observar
tambm os custos vinculados ao excesso e
falta destes produtos, avaliando a dimenso
do risco de se manter estes estoques.
Anlise das tcnicas
Inicialmente, elencaram-se algumas
tcnicas encontradas na literatura. Estas
tcnicas so classificadas dentre vrios
aspectos, entre eles como de curto e de longo
prazo.
As previses de demandas de curto prazo
so importantes para o planejamento de ordem
operacional. Segundo Chiavenato (2004) o
planejamento operacional o mais detalhado
e analtico e microorientado, ou seja, aborda
cada operao ou tarefa isoladamente.
J as previses para longo prazo so
utilizadas em nvel de planejamento ttico
(administrativo) ou estratgico. Segundo
Maximiano (2000), o planejamento ttico
est relacionado ao controle e integrao
das operaes atuais nas empresas e
o planejamento estratgico aquele de
responsabilidade dos executivos de nveis mais
altos, que podem ser ajudados por assessores,
consistindo em definir objetivos para a relao
28 REVISTA CIENTFICA DR: Revista Cientfica da Faculdade Darcy Ribeiro, n 004, jul/dez 2013 ISSN 2236-8949
com o ambiente, levando em conta os desafios
e as oportunidades internos e externos.
Conforme Peixoto e Pinto (2006), um bom
planejamento aquele que dita claramente
quais mercados e clientes sero servidos e
baseado em uma viso da organizao sobre
como ser o mercado no futuro e qual o papel
da empresa neste cenrio.
Figura 5 - os tipos de planejamento
Fonte: adaptado de Chiavenato (2004)
As tcnicas variam bastante quanto
complexidade, ou seja, umas so de fcil
entendimento e uso, j outras necessitam
de maior capacitao para realiz-las e at
recursos computacionais.
Nestes mtodos, a presena de outliers,
ou seja, valores muito extremos, tratada
de forma excludente porque possuem forte
influncia negativa na predio.
So vrios os mtodos existentes na
literatura, em seguida foram analisados alguns
deles.
Demanda do ltimo Perodo
Este mtodo simplista, de baixa
complexidade, leva em considerao a
demanda do ltimo perodo para se projetar
o seguinte. Perodo este que pode ser uma
semana, um ms, um ano etc. um mtodo
antigo e precrio para uso hoje em dia.
Onde: Ft o valor predito para o perodo t
e Dt-1 a demanda do perodo anterior.
A aplicao deste mtodo ao planejamento
do suprimento no vivel para o mercado
dinmico atual. Pressupe-se que neste
ambiente no haja desenvolvimento,
 sazonalidades etc. ou que o empresrio no se
importa com faltas ou excessos de estoque.
Mdia Mvel
O mtodo da mdia mvel tem um pouco
mais de acurcia e complexidade que o anterior.
Consiste em prever atravs da mdia de
perodos anteriores. A quantidade de perodos
anteriores a ser colocada no clculo fica por
conta do usurio, sendo que quanto mais
perodos forem colocados, maior preciso ter
o mtodo.
Onde: n o nmero de perodos utilizados.
Aplicao desta tcnica no indicada
quando existem tendncias ou sazonalidades,
o que a torna de pouca serventia em situaes
dinmicas de grande instabilidade. Mesmo
assim, para o planejamento dos suprimentos,
de melhor utilidade que a anterior.
Mdia Mvel Ponderada
Semelhante ao mtodo anterior, a mdia
mvel ponderada difere-se ao se colocar
pesos em cada perodo analisado diretamente
proporcionais aos perodos considerados mais
preditivos, sendo que este mtodo utiliza o
potencial intuitivo.
Onde: pi = 1 e pi a ponderao dada a
cada perodo.
J com este mtodo, a gesto dos
suprimentos ganha um aspecto mais dedutivo
com relao ao modelo anterior, o que s vem a
acrescentar ao modelo e a aumentar os acertos
de previso.
Mdia Mvel
Exponencialmente
Esta tcnica, tambm encontrada
na literatura como tcnica de suavizao
exponencial e de amortecimento exponencial,
consiste em aplicar uma constante de
suavizao que ponderar, dependendo de
REVISTA CIENTFICA DR: Revista Cientfica da Faculdade Darcy Ribeiro, n 004, jul/dez 2013 ISSN 2236-8949
sua dimenso, sobre dados de perodos mais
recentes ou mais distantes.
Onde: Bt o valor previsto e a
constante de suavizao.
Esta constante de suavizao arbitrria,
cabendo ao usurio defini-la. Quanto menor for
o valor desta constante, menor a influncia de
fatores mais recentes na previso. Portanto, se
o usurio acha que as demandas dos ltimos
perodos representaro melhor uma previso,
ele deve utilizar uma constante de suavizao
alta, e vice-versa. Esta constante varia entre 0
e 1 mas usualmente usa-se valores entre 0,05
e 0,3.
Outros modelos fazem parte deste
grupo de tcnicas, o caso do Modelo de
Holt (mtodo de amortecimento exponencial
duplo) que emprega duas constantes de
suavizao e e mais usado quando
existe tendncia linear; o Modelo de Brown,
mtodo semelhante ao anterior, utilizado
para sries com tendncias, com atribuio
de pesos diferentes aos dados histricos; e o
Modelo de Winters (mtodo de amortecimento
exponencial triplo), tambm utilizado quando
se verifica ocorrncia de tendncia linear e
componente de sazonalidade.
Anlise de Regresso Linear
De acordo com Levine et al. (2008)
a anlise de regresso possibilita que se
desenvolva um modelo para prever os valores
de uma varivel numrica baseado no valor de
outras variveis.
Alm disso, ela tambm permite que
se identifique o tipo de relao matemtica
que existe entre as variveis dependentes
e independentes, quantifique o efeito que
mudanas na varivel independente exercem
sobre a dependente e que se verifique
Ponderada observaes incomuns.
A regresso linear est entre os modelos
causais e poder ser simples ou mltipla: a
simples consiste em um modelo com apenas
uma varivel independente, ou seja, as vendas
sero previstas com base em uma varivel;
j a mltipla utiliza duas ou mais variveis
independentes para se prever o valor de uma
29
 dependente.
A equao que representa a regresso
linear a seguinte:
A porm de boa preciso.
R Y = a + bX
T 3. METODOLOGIA
I Onde: Y a varivel dependente (neste
G caso as vendas); o a ser igual ao coeficiente
O linear (onde a reta cortar o eixo y); o b
S ser o coeficiente angular e; o X a varivel
independente (em funo desta se far uma
previso de demandas).
Algumas equaes acrescentam o valor
que significa o erro da regresso, tambm
chamado de resduo.
No caso de regresso linear mltipla sero
acrescentadas mais variveis X e coeficientes
como o b.
Sua utilizao exige certo conhecimento em
estatstica, mas alguns pacotes computacionais
j fazem este tipo de previso. Como auxiliar
no planejamento de compras, este mtodo
deve ser monitorado, pois, s vezes, o nvel
de significncia dos dados insuficiente e os
resduos gerados so altos. Caso isto acontea
podero ser implementadas novas variveis
que expliquem melhor a previso, tornando o
modelo uma regresso linear mltipla.
Mtodos de Box-Jenkins
Estes mtodos, tambm conhecidos
como ARIMA (Autoregressive Integrated
Moving Average) ou Modelos Autorregressivos
Integrados a Mdia Mvel, partem da idia
de que os valores de uma srie temporal
so altamente dependentes, ou seja, cada
valor pode ser explicado por valores prvios
da srie de forma que a diferena entre os
valores gerados pelos modelos e os valores
observados resulte em sries de resduos de
comportamento aleatrio em torno de zero.
Segundo a sistemtica da metodologia de
Box-Jenkins, os modelos ARIMA descrevem
tanto o comportamento estacionrio como
o no estacionrio. Dessa forma, pode-
se afirmar que essa uma metodologia de
modelagem flexvel em que as previses com
base nesses modelos so feitas a partir dos
valores correntes e passados dessas sries.
Incluem-se nestes mtodos modelos
autorregressivos, modelos de mdia-mvel,
modelos mistos (autorregressivos e mdia-
30 REVISTA CIENTFICA DR: Revista Cientfica da Faculdade Darcy Ribeiro, n 004, jul/dez 2013 ISSN 2236-8949
mvel) e modelos no estacionrios.
Sua aplicao em previso de demandas
para os suprimentos de alta complexidade,
Como metodologia, foram pesquisadas,
elencadas e analisadas algumas tcnicas de
previso de demandas para diferentes prazos
e de diferentes complexidades. Logo, este
trabalho trata-se de uma reviso bibliogrfica.
Segundo Ribeiro (2007), o principal objetivo
de uma reviso bibliogrfica reunir ideias
oriundas de diferentes fontes, visando construir
uma nova teoria ou uma nova forma de
apresentao para um assunto j conhecido.
4. CONCLUSES
A Previso de Demanda a principal
informao que orienta o planejamento e as
operaes da empresa, apesar disso, poucas
empresas conseguem faz-lo de modo eficaz
e com as ferramentas adequadas sua
realidade. Os erros da previso transformam-se
em decises que geram perda de faturamento
pelo mau atendimento ao mercado ou capital
empatado em estoques de baixa sada.
A previso de vendas uma importante
ferramenta para o planejamento, no apenas
dos diversos tipos de empreendimentos, mas,
tambm, de seus departamentos.
As variaes entre as inconstncias na
demanda real e das previses so inevitveis,
devido a diversos fatores, dentre eles a
dinmica do mercado. Na prtica, ocorrer
com muita frequncia erros nas previses.
No entanto, dependendo da dimenso desse
erro, os impactos podem ou no ser bastante
prejudiciais para o processo de planejamento.
Os mtodos apresentados podero ser
usados em consonncia, ou seja, aplicado
mais de um deles, feito uma anlise e escolhido
pelo tomador de deciso o mais apropriado
situao corrente.
O objetivo geral foi atingido na seo
anterior ao analisar as diversas tcnicas e
suas respectivas aplicaes gesto de
suprimentos. Percebeu-se, portanto, que
quanto mais complexa a tcnica, maior poder
de previso ela ter.
 5. REFERNCIAS Textos Cientficos. In: Anais do Seminrio
de Pesquisa II, Porto Alegre RS, PPGEP /
BALLOU, R. Logstica Empresarial. So UFRGS, abril de 2007.
Paulo. Atlas. 1 ed. 1998.
VANTINE, D. Demanda x Previso: a
BOWERSOX, D. Gesto da cadeia de constante incerteza do mercado. Disponvel em
suprimentos. Bookman. 1 ed. 2006. <http://vantine.com.br/logistica.asp? chamada
=pontodevista253>. Acesso em 15.10.2009.
CHIAVENATO, I. Teoria Geral da
Administrao. Rio de Janeiro. Elservier. 7 WERNER, L. RIBEIRO, J. L. D. Previso de
Ed. 2004. demanda: uma aplicao dos modelos Box-
Jenkins na rea de assistncia tcnica de
FLEURY, P. (org). Logstica empresarial. So computadores pessoais. Gesto & Produo.
Paulo. Atlas. 1 ed. 2000. Vol. 10, n.1. Abr 2003.

FORRESTER, Jay W. Industrial Dinamics. WERNER, L. RIBEIRO, J. L. D. Modelo

Cambridge, MA: MIT Press, 1961. composto para prever demanda atravs da
integrao de previses. Produo. Vol.16,
LEVINE, D. M. et al. Estatstica: Teoria e n.3. Set/Dez 2006.
Aplicaes. Rio de Janeiro. LTC. 2008. 5 ed.

LEE, H. L.; PADMANABHAN, V.; WHANG, S.

Information distortion in a supply chain: the
bullwhip effect. Management Science, v. 43, n.
4, p. 546-558, april, 1997.

MARINS, F.A.S. Tcnicas de previso.

Disponvel em: <http://www.feg.unesp.br/dpd/
cegp/2009/LogisticaEmpresarial/Tecnicas%20
de%20Previsoes.ppt>. Acesso em 15.11.2009.

MAXIMIANO, A. C. A. Introduo
administrao. So Paulo. Atlas. 5 Ed. 2000.

MENTZER, J. T. COX Jr., J. E. Familiarity,

application, and performance of sales
forecasting techniques. Journal of Forecasting,
v. 3, n. 1, p. 27-37, jan. 1997.

PEIXOTO, E. C. PINTO, L.R. Gerenciamento de

estoques via previso de vendas agregadas
utilizando simulao. Produo. V. 16. N. 3.
Set/Dez 2006.

PELLEGRINI, F. R. Metodologia para

Implementao de Sistemas de Previso de
Demanda. Dissertao de Mestrado. Programa
de Ps-Graduao em Engenharia de Produo,
Universidade Federal do Rio Grande do Sul,
2000.

RIBEIRO, J. L. D. Diretrizes para elaborao

do Referencial Terico e Organizao de

REVISTA CIENTFICA DR: Revista Cientfica da Faculdade Darcy Ribeiro, n 004, jul/dez 2013 ISSN 2236-8949 31