Universidade Tecnolgica Federal do Paran - UTFPR Campus Ponta Grossa - Paran - Brasil ISSN 1808-0448 / v. 04, n. 03: p.

84-98, 2008 D.O.I.: 10.3895/S1808-04482008000100006

Revista Gesto Industrial

INTEGRAO DE MTODOS QUANTITATIVOS E QUALITATIVOS DE PREVISO PARA DESENVOLVIMENTO DE UM SISTEMA DE PREVISO DE DEMANDA DE NOVOS PRODUTOS INTEGRATING QUANTITATIVE AND QUALITATIVE FORECASTING METHODS IN THE DEVELOPMENT OF A DEMAND FORECASTING SYSTEM FOR NEW PRODUCTS
Fernando de Oliveira Lemos1; Flvio Sanson Fogliatto2 Pontifcia Universidade Catlica do Rio Grande do Sul PUCRS Porto Alegre Brasil
2

fernando.lemos@pucrs.br Universidade Federal do Rio Grande do Sul UFRGS Porto Alegre Brasil ffogliatto@producao.ufrgs.br

Resumo A integrao de mtodos qualitativos e quantitativos de previso de demanda uma alternativa para a obteno de previses mais acuradas, baseada na incorporao do conhecimento contextual nos processos matemticos de previso. Neste artigo, prope-se uma metodologia para previso de demanda de novos produtos atravs da integrao de mtodos qualitativos e quantitativos de previso. A aplicabilidade da metodologia foi validada atravs de um estudo de caso. No estudo, detalhou-se o processo de previso para um cenrio de lanamento de um novo produto em um mercado estabilizado do setor de distribuio de energia eltrica. Utilizou-se o mtodo de Analogia, integrando mtodos de Extrapolao (Mdias Mveis e Suavizao Exponencial) com mtodo de Opinio de Especialistas (Delphi). Palavras-chave: previso de demanda; integrao de mtodos; novos produtos; analogia. 1. Introduo A integrao de mtodos de previso freqentemente utilizada no intuito de melhorar a acurcia da previso (BOPP, 1985). Previses acuradas ajudam no desenvolvimento de estratgias, identificao de prioridades e alocao de recursos, alm de permitir, pela operacionalizao eficiente da produo, que as organizaes ofeream altos nveis de servio aos clientes, forneam informaes de demandas futuras mais precisas aos fornecedores, planejem expanses de capacidade e evitem perdas nas vendas e estoques (KAHN, 2002). A integrao de mtodos baseia-se em duas decises (MACKAY; METCALFE, 2002): (i) a escolha dos mtodos de previso que sero integrados (mtodos quantitativos, qualitativos ou ambos); e (ii) a seleo do mtodo de integrao (integrao subjetiva ou matemtica).

Uma alternativa a integrao de mtodos quantitativos e qualitativos, sintetizando os benefcios da preciso mecnica objetiva dos mtodos matemticos e habilidades interpretativas dos especialistas (WEBBY; OCONNOR, 1996; GOODWIN, 2002). Diversos estudos apresentam evidncias de que a integrao, de mtodos qualitativos e quantitativos em especial, a melhor abordagem para a obteno de previses mais acuradas; ver, por exemplo, os trabalhos de Clemen (1989) e Blattberg e Hoch (1990). O presente artigo apresenta uma proposta metodolgica para estruturao de um sistema de previso de demanda de novos produtos, baseado em integrao de mtodos qualitativos e quantitativos. Tal proposta alinha-se com uma rea particularmente promissora para pesquisadores interessados em melhorar a prtica de previso: a identificao de condies especficas sobre as quais a integrao de mtodos quantitativos e qualitativos mais til. A metodologia proposta aplicada em um estudo de caso na indstria eletro-eletrnica. Mais especificamente, aborda-se o caso de um produto novo, para os quais existem poucos dados de demanda realizada, e onde a utilizao de mtodos qualitativos de previso pode resultar em previses mais acuradas. O desenvolvimento da metodologia aqui apresentada foi motivado, num primeiro momento, por sua relevncia acadmica. Existe um nmero crescente de pesquisas acerca da integrao de mtodos qualitativos e quantitativos, conforme atesta o levantamento em Armstrong (2001). O desenvolvimento da metodologia justifica-se, tambm, por sua relevncia prtica, na medida em que a integrao de mtodos de previso uma das principais alternativas para a previso de demanda por produtos novos, os quais no apresentam um histrico consolidado de demanda. 2. Integrao de mtodos de previso O sucesso no desenvolvimento de sistemas de suporte a tomada de decises nas organizaes tem produzido ambientes nos quais modelos matemticos e inferncias subjetivas podem ser facilmente integrados (WRIGHT; LAWRENCE; COLLOPY, 1996). Anlises subjetivas devem ser integradas ao processo preditivo quando importante evitar grandes erros nas previses e em situaes dinmicas, onde os mtodos quantitativos no conseguem agregar aos modelos matemticos mudanas internas e externas ao ambiente organizacional (GOODWIN, 2000; ARMSTRONG, 2001). As previses obtidas por mtodos qualitativos podem ser baseadas em conhecimento contextual (experincia do especialista na indstria, familiaridade com os produtos/servios a serem previstos e conhecimento do mercado) e/ou conhecimento tcnico (conhecimento de mtodos de previso e anlise de dados) (WEBBY; OCONNOR, 1996). Previses mais acuradas so obtidas pela integrao de mtodos quantitativos com previses qualitativas baseadas em conhecimento

85

Revista Gesto Industrial

contextual (SANDERS; RITZMAN, 1995). A vantagem da integrao de mtodos quantitativos com qualitativos a incorporao do domnio de conhecimento (conhecimento sobre a natureza e comportamento das variveis de interesse) no processo preditivo. O domnio de conhecimento resultado da interpretao da informao contextual pelo especialista em previso, da sua habilidade de captar o significado apropriado da informao contextual. A informao contextual pode ser obtida de sries temporais, de fontes de informaes pblicas e/ou de fontes internas da organizao (WEBBY; OCONNOR, 2001). A integrao dos mtodos de previso pode se dar de quatro maneiras no mutuamente exclusivas (WEBBY; OCONNOR, 1996): (i) ajuste subjetivo; (ii) decomposio de sries temporais; (iii) combinao de previses; e (iv) desenvolvimento de um modelo de previso. A escolha do melhor mtodo de integrao depender das condies especficas de uma determinada situao (GOODWIN, 2002). O Ajuste Subjetivo agrega informao contextual na previso quantitativa (Figura 1), informao que o modelo matemtico geralmente no considera ou que a srie temporal no inclui. Esta alternativa de integrao geralmente a mais fcil de implementar e a que apresenta o melhor custo/benefcio. Entretanto, o ajuste subjetivo pode introduzir informaes tendenciosas na previso se o especialista no traduzir corretamente os fatores contextuais para o processo preditivo (WEBBY; OCONNOR, 1996).
Figura 1 Ajuste subjetivo de previses

Srie temporal Variveis causais

Mtodo Quantitativo

Previso Quantitativa

Fatores contextuais

Ajuste da previso

Previso

DADOS DE ENTRADA

INTEGRAO

PREVISO FINAL

Fonte: Webby e OConnor (1996)

Deve-se usar ajuste subjetivo de previses estatsticas (WRIGHT; LAWRENCE; COLLOPY, 1996; SANDERS; RITZMAN, 2001): (i) quando existe um grande conhecimento sobre as variveis a serem preditas e sobre mudanas que afetaro estas variveis; (ii) em situaes com alto grau de incerteza; e (iii) quando informaes contextuais invalidam a suposio de constncia dos padres de demanda passados.

86

Revista Gesto Industrial

3. Previso de novos produtos A disponibilidade de dados para previso de demanda e a seleo dos mtodos utilizados dependem diretamente da maturidade do produto; conseqentemente, o estgio do ciclo de vida do produto determinante no processo preditivo (ARMSTRONG; BRODIE, 1999). O ciclo de vida de um produto pode ser dividido em cinco fases (CHAMBERS; MULLICK; SMITH, 1971): (i) de desenvolvimento; (ii) de testes e introduo no mercado; (iii) de crescimento rpido no mercado; (iv) de estabilidade no mercado; e (v) de declnio. No estgio de desenvolvimento de produtos a seleo dos mtodos depende do mercado e da concepo do produto. Para um mercado estabelecido deve-se primeiramente comparar o produto proposto com similares de concorrentes ou da prpria organizao atravs da utilizao de uma equipe multidisciplinar. Os mtodos quantitativos so utilizados nesta fase quando possvel obter informaes (sries histricas e variveis causais) de produtos anlogos (ARMSTRONG; BRODIE, 1999). O mtodo de previses por Analogia (Figura 2) extrapola resultados de situaes anlogas para predizer uma situao de interesse (ARMSTRONG; BRODIE, 1999). Na utilizao deste mtodo tenta-se identificar um produto similar, cujo padro de penetrao no mercado seja similar ao do novo produto analisado (CHAMBERS; MULLICK; SMITH, 1971). Para evitar o vis no julgamento por parte dos especialistas do processo de previso (HOGARTH; MAKRIDAKIS, 1981), necessita-se de um mtodo estruturado para comparao anloga (SOUDER; THOMAS, 1994).
Figura 2 Integrao entre mtodos de previso (linhas pontilhadas indicam possveis relaes)
Fonte de conhecimento
subjetiva prpria outros estatstica varivel nica multivariveis baseado em dados baseado em teoria

Aumento da integrao dos mtodos quantitativos e qualitativos

Jogo de representao

Intenes

Opinio de Especialistas Analogia

Modelos de extrapolao

Modelos de regresso

Anlise Conjunta

Bootstrapping Subjetivo

Previso baseada em regras

Sistema Especialista

Modelos economtricos

Fonte: Adaptado de Armstrong e Brodie (1999)

87

Revista Gesto Industrial

O mtodo operacionalizado atravs da anlise de caractersticas em comum entre o produto de interesse e o produto similar (ou conjunto de produtos similares), como, por exemplo: funcionalidades dos produtos, classe de consumidores, estrutura do mercado (potencial de mercado, demanda histrica, concorrentes, etc) e nvel de inovao (SOUDER; THOMAS, 1994). Uma vez definidas as caractersticas similares, obtm-se, baseado no comportamento passado destas caractersticas nos produtos similares, estimativas de demanda para o novo produto. A anlise de dados utiliza mtodos de Extrapolao de sries temporais integrados com mtodos baseados em Opinies de Especialistas conforme apresentado na Figura 2 (ARMSTRONG; BRODIE, 1999). 4. Metodologia proposta e estudo de caso A metodologia proposta para previso de demanda de novos produtos operacionalizada em seis etapas: (i) Definio do problema; (ii) Obteno de dados; (iii) Escolha do(s) mtodo(s) de previso; (iv) Implementao do(s) mtodo(s); e (v) Validao do(s) mtodo(s). As etapas so detalhadas na seqncia. Em paralelo ao detalhamento da metodologia, apresenta-se a sua aplicao em um estudo de caso no setor eletro-eletrnico. Optou-se por esta estratgia de apresentao para evitar redundncias e objetivar a apresentao da metodologia. 4.1 Definio do problema O estudo de caso foi desenvolvido em uma empresa que produz medidores de energia eltrica. Os produtos de interesse neste estudo so os medidores eletrnicos de energia eltrica, que foram desenvolvidos para substituir os medidores eletromecnicos fabricados pela empresa, especialmente na classe de consumidores residenciais das distribuidoras de energia eltrica. Previses de demanda desses medidores no mercado brasileiro so essenciais para planejamentos ttico e estratgico da empresa, sendo utilizadas para o planejamento agregado de produo, dimensionamento da capacidade produtiva e alocao de recursos em P&D. Definiu-se como problema a ser resolvido a previso de demanda de medidores eletrnicos (todos os modelos agregados) para o mercado interno. Estas previses tm sido superestimadas pelos especialistas da empresa, dificultando o planejamento de produo de curto e mdio prazo. Como a empresa estava se baseando em uma estimativa de demanda errnea para a programao de produo, gerava estoques desnecessrios de matria-prima. As previses dos especialistas consideravam que a substituio de medidores se concentraria nos consumidores residenciais de energia, que so os consumidores que demandam maior quantidade de medidores. A substituio de medidores na classe residencial de consumo depende, alm do interesse das distribuidoras, do interesse dos rgos reguladores do setor. Uma mudana de cenrio pode afetar diretamente a demanda pelo novo produto, como, por exemplo, a mudana de

88

Revista Gesto Industrial

leis sobre medio de energia em nvel residencial. O objetivo deste estudo no a previso de cenrios e sim a previso de demanda do produto dentro do atual cenrio de mercado e considerando a continuidade deste cenrio no curto e mdio prazo. Um perodo de previso mensal foi definido em funo da unidade de previso requerida para as tomadas de deciso quanto ao planejamento de produo da empresa e dimensionamento de estoques de matrias-primas. O intervalo entre previses foi definido como de 6 meses. Foi considerado que no havia necessidade de alocao de recursos para revises freqentes das previses at que os produtos entrassem no ciclo de crescimento rpido no mercado. Como os produtos esto em uma fase do ciclo de vida influenciada por numerosos fatores contextuais, um horizonte de previso de 6 meses foi estipulado nesse processo preditivo. 4.2 Obteno de dados A estrutura do mercado deve ser identificada completamente para a previso de demanda de novos produtos. No caso de previses de vendas do novo produto no h dados histricos diretos para a previso atravs de projees de tendncia ou anlise causal. Entretanto, outras formas de dados primrios e secundrios esto disponveis e, na extenso que os recursos permitem, utilizamse anlises subjetivas na tomada de deciso sobre o novo produto. A organizao disponibilizou informaes contextuais sobre o mercado em que esto inseridos os medidores eletrnicos e o histrico de demanda do produto similar (medidores eletromecnicos polifsicos). As informaes contextuais foram coletadas em fontes independentes (literatura e especialistas do setor de distribuio de energia eltrica). A confiabilidade e relevncia dos dados para o processo preditivo foram confirmadas pelos especialistas da empresa. As informaes contextuais foram utilizadas para a aplicao do mtodo qualitativo de previso e a srie histrica anloga para a implementao de mtodos quantitativos. O mercado de distribuio de energia eltrica atendido por 64 concessionrias, estatais ou privadas, em todo o pas. So atendidos cerca de 47 milhes de unidades consumidoras, das quais 85% so consumidores residenciais (ANEEL, 2005). Os medidores eletrnicos tm sido usados preferencialmente em consumidores comerciais e industriais no Brasil. A demanda por este tipo de medidor funo da necessidade de discriminao de consumo por segmento de horrio (ponta e fora de ponta), de energia consumida e de demanda mxima verificada. Essa estratificao do consumo permite diferentes mtodos de taxao atravs da mensurao de uso de cargas, horrio de uso ou pico de carga. O estudo de caso focou na estimativa da taxa de substituio deste tipo de medidor pelo novo produto e de valores pontuais mensais de demanda de medidores eletrnicos. A srie temporal dos medidores polifsicos foi analisada graficamente para identificao de erros de leitura e para

89

Revista Gesto Industrial

localizar dados atpicos decorrentes de eventos especiais passados e no sistemticos. 4.3 Escolha do(s) mtodo(s) de previso A escolha do mtodo de Analogia justificada pelo fato dos medidores eletrnicos e eletromecnicos possurem funcionalidades semelhantes e o mesmo mercado consumidor. O mtodo de Analogia utiliza, para a anlise dos dados e previso de demanda, mtodos de Extrapolao de sries temporais integrados com mtodos baseados em Opinies de Especialistas. A empresa no mostrou restries a investimentos no seu sistema de previso de demanda, podendo assim ser implementados mtodos de Extrapolao complexos. A anlise grfica realizada na srie temporal dos medidores eletromecnicos polifsicos no indicou sazonalidades ou tendncias aparentes, mas como graficamente no podamos concluir sobre a existncia destes componentes do padro de demanda optou-se pela implementao de todos os mtodos de Extrapolao Simples: Mdia Mvel e Suavizao Exponencial (Simples, Linear de Holt e de Holt-Winters), e uma posterior escolha do mtodo de Extrapolao mais adequado para a situao estudada. Caractersticas importantes destes mtodos podem ser avaliadas em Makridakis, Wheelwright e Hyndman (1998). Os mtodos de Extrapolao foram utilizados para obter previses de demanda dos medidores polifsicos, para os quais existem sries histricas disponveis, e o mtodo Delphi, baseado em opinies de especialistas, para estimar o percentual de substituio no mercado dos medidores eletromecnicos pelo seu anlogo eletrnico. As previses dos mtodos de Extrapolao para as sries anlogas sero ajustadas subjetivamente pelas previses obtidas com o mtodo Delphi para a obteno das previses finais de demanda. 4.4 Implementao do(s) mtodo(s) de previso Para um novo produto lanado em um mercado estabelecido, como no caso em estudo, deve-se primeiramente comparar o produto proposto com similares de concorrentes ou da prpria organizao atravs da utilizao de uma equipe multidisciplinar. O mapeamento do domnio de conhecimento de um produto existente foi utilizado para definir inferncias sobre o novo produto. Os dados de demanda relativos aos medidores eletromecnicos foram utilizados para a implementao do mtodo de Analogia (mtodo de Extrapolao integrado ao mtodo de Opinies de Especialistas). A implementao do mtodo de Analogia seguiu os seguintes passos: (i) implementao do mtodo Delphi (para a obteo das opinies de especialistas); (ii) implementao dos mtodos de Extrapolao; e (iii) integrao dos mtodos.

90

Revista Gesto Industrial

4.4.1 Implementao do mtodo Delphi A implementao do mtodo Delphi foi realizada em seis etapas (Wright; Giovinazzo, 2000): (i) definio dos respondentes e elaborao do questionrio; (ii) validao do questionrio a ser aplicado; (iii) aplicao do questionrio; (iv) tabulao e anlise dos dados; (v) nova rodada de aplicao do questionrio; e (vi) obteno das previses finais. O objetivo do Delphi era obter informaes sobre taxa de substituio dos medidores para ajuste das previses quantitativas dos medidores eletromecnicos. A amostra de respondentes foi definida em funo da disponibilidade das distribuidoras (concessionrias) de energia em responder o questionrio. Foram convidadas a participar da pesquisa 4 distribuidoras, mas somente 2 distribuidoras e a empresa fornecedora do medidor participaram. Cada empresa determinou um especialista para participar da aplicao do Delphi, o que prejudicou a anlise devido a pequena amostra de especialistas, mas facilitou a obteno de consenso sobre a previso requerida. A pesquisa tambm buscou uma aproximao entre as empresa fornecedora e seus clientes, para um melhor entendimento das intenes e do comportamento dos mesmos. O questionrio foi elaborado com base nas informaes de mercado obtidas com especialistas da empresa e em literatura especializada de pesquisa de mercado (CHURCHILL, 2001; MALHOTRA, 2001; MESQUITA; SANTORO, 2004). Com a aplicao do questionrio foram obtidas informaes sobre o mercado e sobre a substituio dos medidores eletromecnicos por medidores eletrnicos. Analisando as taxas de substituio fornecidas pelos respondentes (Tabela 1) notou-se um otimismo da empresa fornecedora quanto inteno de compra dos medidores eletrnicos para substituio dos medidores eletromecnicos. As taxas de substituio informadas pelos especialistas diferiram quanto aos seus valores, o que gerou a necessidade de uma nova rodada do questionrio para a obteno do consenso. As concessionrias tm intenes de substituio bem menores do que as vislumbradas pela empresa fornecedora. Os valores das estimativas foram tabulados (previses mdias foram geradas) e retornados para a segunda rodada do Delphi, juntamente com as justificativas fornecidas para as estimativas da primeira rodada.
Tabela 1 Taxas estimadas de substituio dos medidores eletromecnicos polifsicos pelos eletrnicos na primeira rodada do Delphi Cenrio muito pouco favorvel de mercado 2% 0,5% 5% 2,5% Cenrio em condies atuais de mercado 3% 1% 10% 4,7% Cenrio muito favorvel de mercado 4,5% 100% 100% 68,2%

Distribuidora A Distribuidora B Empresa Mdia

91

Revista Gesto Industrial

O objetivo da segunda rodada era revisar as respostas da primeira baseando-se nas novas informaes disponibilizadas pelos outros especialistas. Assim, foi dada aos respondentes a oportunidade de alterar suas estimativas iniciais com base no feedback fornecido. Com a segunda rodada de aplicao do questionrio obteve-se consenso para algumas estimativas. Os resultados da segunda rodada so apresentados na Tabela 2. Outras apresentaram valores muito prximos; foram consideradas, assim, as mdias dos valores. Os valores que apresentaram grandes diferenas no influenciavam os objetivos deste estudo; desta forma, a aplicao do mtodo Delphi foi finalizada aps a segunda rodada.
Tabela 2 Taxas estimadas de substituio dos medidores eletromecnicos polifsicos pelos eletrnicos na segunda rodada do Delphi Cenrio muito pouco favorvel de mercado 2% 2,5% 2,5% 2,3% Cenrio em condies atuais de mercado 3% 3% 4,7% 3,6% Cenrio muito favorvel de mercado 68,1% 100% 100% 89,5%

Distribuidora A Distribuidora B Empresa Mdia

Os valores de maior interesse so as taxas de substituio dos polifsicos para os cenrios atual e muito pouco favorvel de demanda dos medidores eletrnicos na classe de consumidores residenciais. Somente estes dois cenrios sero abordados devido ao horizonte de previso de mdio prazo considerado neste estudo de caso e no qual no se esperam favorecimentos de fatores contextuais para uma maior demanda de medidores eletrnicos. O tempo de implementao do mtodo foi de aproximadamente 2 meses, pois apesar da complexidade do tema, o nmero de respondentes engajados na pesquisa era limitado e o domnio de conhecimento, destes especialistas, muito grande. 4.4.2 Implementao dos mtodos de extrapolao Com a utilizao de um software de previso foi possvel implementar os mtodos de Extrapolao. As sries temporais foram divididas em duas partes, uma parte para o ajuste do modelo matemtico (39 perodos mensais) e a outra para validao do mtodo (6 ltimos perodos mensais), em funo do horizonte de previso definido. A primeira anlise focou no perodo ideal para a mdia mvel. Desta forma, comparou-se a mdia dos erros percentuais absolutos (MAPE) dos valores ajustados em relao aos valores da srie histrica para Mdias Mveis com diferentes perodos (n = 1, 2, 3, 4, 5 e 6). O perodo com menor MAPE (0,1953) correspondeu a n = 3, sendo este utilizado para comparaes com o mtodo de Suavizao Exponencial (Tabela 3).

92

Revista Gesto Industrial

Tabela 3 MAPE para o mtodo de Mdia Mvel com diferentes perodos Mdia Mvel MAPE n=1 0,1956 n=2 0,2075 n=3 0,1953 n=4 0,1964 n=5 0,2106 n=6 0,2131

As modelagens da srie temporal de polifsicos (obtidas com o software) vm apresentadas na Figura 3, conjuntamente com as previses pontuais e o intervalo de confiana para a previso (nvel de confiana = 95%). O mtodo de Suavizao Exponencial (sem tendncia e com sazonalidade multiplicativa) apresentou um MAPE de 0,1832 e um ajuste deficiente, com valor muito baixo de R2 (0,1539). As previses obtidas com a implementao dos mtodos quantitativos e os limites inferior e superior do intervalo de confiana so apresentados na Tabela 4.
Figura 3 Modelagens para as sries temporais do medidor eletromecnico polifsico pelo (a) mtodo de Mdia Mvel e pelo (b) mtodo de Suavizao Exponencial.
a) Modelagem de srie temporal pelo mtodo de Mdia Mvel (n=3)

b) Modelagem de srie temporal pelo mtodo de Suavizao Exponencial

30000

25000

20000

1 X 10000 2002 2003 2004

15000

10000 2002 2003 2004

Tabela 4 Demandas previstas (em unidades de produto), limites inferior e limites superior (nvel de confiana = 95%) para o medidor eletromecnico polifsico Mtodo Perodo julho-04 agosto-04 setembro-04 Outubro-04 novembro-04 dezembro-04 Limite inferior 14.871 10.983 8.000 5.485 3.269 1.266 Mdia Mvel Previso Limite pontual superior 24.275 33.6643 24.275 37.531 24.275 40.514 24.275 43.029 24.275 45.245 24.275 47.248 Suavizao Exponencial Limite Previso Limite inferior pontual superior 13.116 23.916 34.716 9.959 18.174 26.390 10.409 19.004 27.598 11.069 20.213 29.358 10.576 19.327 28.079 9.636 17.628 25.620

4.4.3 Integrao dos mtodos As previses finais foram obtidas atravs da integrao do Delphi e dos mtodos de Extrapolao. Utilizou-se um ajuste da previso quantitativa (valores da Tabela 4): os valores de previso pontual da Tabela 4 foram multiplicados pelos percentuais mdios de substituio (cenrios atual e muito pouco favorvel) dos medidores polifsicos (Tabela 2). As previses pontuais finais dos medidores eletrnicos so apresentadas na Tabela 5.

93

Revista Gesto Industrial

4.5 Validao do(s) mtodo(s) de previso As previses obtidas pelo mtodo de Analogia para os dois cenrios foram comparadas com as previses dos especialistas da empresa. Os mtodos foram avaliados atravs da acurcia das previses para um horizonte de 6 meses. Utilizou-se a mdia dos erros percentuais absoluto (MAPE) e o erro percentual absoluto (APE) como medidas de acurcia dos mtodos.
Tabela 5 Previses de demandas pontuais finais em unidades de medidores eletrnicos por cenrio Mtodo Cenrios julho-04 agosto-04 setembro-04 outubro-04 novembro-04 dezembro-04 Atual 873 873 873 873 873 873 Mdia Mvel Muito pouco favorvel 558 558 558 558 558 558 Suavizao Exponencial Atual Muito pouco favorvel 861 550 654 418 684 437 728 465 696 445 635 405

Os resultados da anlise de acurcia das previses com taxa de substituio para o cenrio atual foram comparados com a acurcia das previses com taxa de substituio para o cenrio muito pouco favorvel. Analisando os resultados, o menor MAPE (5,5087) foi obtido para o mtodo de Suavizao Exponencial ajustado com a taxa de substituio para o cenrio muito pouco favorvel (Tabelas 6 e 7).
Tabela 6 Acurcia das demandas pontuais dos medidores eletrnicos para o cenrio atual Mtodo Perodo julho-04 agosto-04 setembro-04 outubro-04 novembro-04 dezembro-04 Demanda real 44 178 744 79 40 70 Mdia Mvel Previso APE MAPE pontual 873 18,8466 873 3,9059 873 0,1737 10,8811 873 10,0538 873 20,8313 873 11,4750 Suavizao Exponencial Previso APE MAPE pontual 861 18,5676 654 2,6756 684 0,0805 8,9991 728 8,2110 696 16,3943 635 8,0658

Tabela 7 Acurcia das demandas pontuais dos medidores eletrnicos para o cenrio muito pouco favorvel Mtodo Perodo julho-04 agosto-04 setembro-04 outubro-04 novembro-04 dezembro-04 Demanda real 44 178 744 79 40 70 Mdia Mvel Previso APE MAPE pontual 558 11,6798 558 2,1343 558 0,2501 6,6741 558 6,0622 558 12,9478 558 6,9702 Suavizao Exponencial Previso APE MAPE pontual 550 11,5015 418 1,3483 437 0,4125 5,5087 465 4,8848 445 10,1130 405 4,7921

As previses obtidas com o mtodo de Suavizao Exponencial para o cenrio muito pouco favorvel foram comparadas com as previses dos especialistas da empresa conforme apresentado na Tabela 8. Os valores de APE e MAPE evidenciam os erros obtidos com o mtodo de previso selecionado pela metodologia proposta, o que justificado pela incerteza inerente ao processo de

94

Revista Gesto Industrial

previso de novos produtos. O mtodo selecionado apresentou menor MAPE que o obtido para as previses dos especialistas da empresa. Apesar do erro obtido com o mtodo de Analogia ser grande, o mtodo oferece previses com menor erro que as dos especialistas da empresa. A vantagem de utilizao do mtodo de Analogia foi a utilizao do mtodo qualitativo (Delphi), o qual disponibilizou informaes contextuais de suma importncia para o processo preditivo.
Tabela 8 Acurcia das demandas pontuais previstas pelos especialistas da empresa e pelo mtodo selecionado para os medidores eletrnicos Mtodo Perodo julho-04 agosto-04 setembro-04 outubro-04 novembro-04 dezembro-04 Suavizao Exponencial Previso APE MAPE pontual 550 11,5015 418 1,3483 437 0,4125 5,5078 465 4,8848 445 10,1130 405 4,7921 Especialistas Previso pontual 2.000 3.000 2.700 3.000 700 4.800 APE 44,4545 15,8539 2,6290 36,9747 16,5000 67,5714 MAPE

Demanda real 44 178 744 79 40 70

30,6639

5. Concluso Esse trabalho teve como objetivo principal a apresentao de uma metodologia para previso de demanda de novos produtos com integrao de mtodos qualitativos e quantitativos de previso. A aplicabilidade da metodologia proposta foi validada atravs de um estudo de caso, onde detalhouse o processo de previso para um cenrio de lanamento de um novo produto em um mercado estabilizado do setor de distribuio de energia eltrica (isto , para um produto apresentando um padro de demanda irregular). A aplicao da metodologia para o produto no estgio de teste e introduo no mercado resultou na utilizao do mtodo de Analogia, integrando mtodos de Extrapolao (Mdias Mveis e Suavizao Exponencial) com mtodo de Opinio de Especialistas (Delphi). Utilizaram-se dados de demanda histrica de produtos similares ao lanado no mercado e informaes contextuais sobre o novo produto e seu mercado potencial. A preciso das previses resultou em baixa acurcia. Entretanto, apesar do grande erro das previses com o mtodo selecionado, estas apresentaram menor erro que as dos especialistas da empresa. A pesquisa Delphi apresentou evidncias de respostas tendenciosas. Apesar de um dos princpios do mtodo ser a eliminao do domnio de um especialista sobre o processo preditivo, o mesmo no prev que os respondentes possam no estar motivados a diversas rodadas de aplicao do questionrio. No estudo de caso apresentado, observou-se um desejo dos especialistas em encontrar a previso consensual rapidamente. Apesar desse fator pesar nos resultados, as previses obtidas foram mais acuradas (se comparadas quelas obtidas pelo mtodo puramente quantitativo),

95

Revista Gesto Industrial

favorecendo o planejamento ttico e estratgico da empresa. A melhoria de acurcia das previses com o mtodo proposto pode ser traduzida em melhorias no planejamento do processo produtivo dos medidores eletrnicos, principalmente na compra de matria-prima, programao de produo e alocao de mo-de-obra. Previses mais precisas poderiam, possivelmente, ser obtidas com a aplicao do Delphi com uma amostra maior de respondentes. A amostra limitou a pesquisa Delphi em exploratria, no podendo ser considerada uma pesquisa conclusiva sobre o assunto abordado. Abstract The integration of qualitative and quantitative forecasting methods is an approach based on the incorporation of contextual knowledge in mathematical forecasting processes. Such approach may lead to more accurate demand forecasts. In this paper we propose a methodology to forecast the demand for new products based on the integration of qualitative and quantitative forecasting methods. The proposed methodology is validated in a case study from the electronics industry. In the case study we detail the forecasting process of a new product to be introduced in a stable market, in the electricity distribution sector. To forecast the new product demand we use forecasting by analogy, integrating extrapolation methods (moving averages and exponential smoothing techniques) with expert opinion gathered through the Delphi method. Key-words: demand forecast; integration of methods; new products; forecasting by analogy. Referncias ANEEL. Informaes Tcnicas. Disponvel em: <http://www.aneel.gov.br/48.htm> Acesso em: 10 jan. 2005.
ARMSTRONG, J. Selecting Forecasting Methods. In: ARMSTRONG, J. Principles of forecasting: a handbook for researchers and practitioners. Boston: Kluwer Academic Publishers, 2001. ARMSTRONG, J. S.; BRODIE, R. J. Forecasting for marketing. In: HOOLEY, G. J.; HUSSEY, M. K. Quantitative methods in marketing. 2. ed., London: International Thompson Business Press, 1999. BLATTBERG, R. C.; HOCH, S. J. Database models and managerial intuition: 50% model + 50% manager. Management Science. v. 36, n. 8, p. 887-899, 1990. BOPP, A. E. On combining forecasts: some extensions and results. Management Science. v. 31, n. 12, p. 1492-1498, 1985. CHAMBERS, J. C.; MULLICK, S. K.; SMITH, D. D. How to choose the right forecasting technique. Harvard Business Review. v. 49, p. 45-57, jul.-ago. 1971. CHURCHILL, G. A. Basic marketing research. 4. ed., New York: The Dryden Press, 2001. CLEMEN, R. T. Combining forecasts: a review and annotated bibliography. International Journal of Forecasting. v. 5, n. 4, p. 559-583, 1989. GOODWIN, P. Integrating management judgment and statistical methods to improve short-term forecasts. Omega. v. 30, n. 2, p. 127-135, 2002. GOODWIN, P. Improving the voluntary integration of statistical forecasts and judgment. International Journal of

96

Revista Gesto Industrial

Forecasting. v. 16, n. 1, p. 85-99, 2000. HOGARTH, R.M.; MAKRIDAKIS, S. Forecasting and planning: an evaluation. Management Science. v. 27, n. 2, p. 393-404, 1981. KAHN, K. An exploratory investigation of new product forecasting practices. The Journal of Product Innovation Management. v. 19, n. 2, p. 133-143, 2002. MACKAY, M. M.; METCALFE M. Multiple methods forecast for discontinuous innovations. Technological Forecasting & Social Change. v. 69, n. 3, p. 221-232, 2002. MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: Methods and Applications. 3. ed., New York: John Wiley & Sons, 1998. MALHOTRA, N.K. Pesquisa de marketing: uma orientao aplicada. 3. ed., Porto Alegre: Bookman, 2001. MESQUITA, M. A.; SANTORO, M. C. Anlise de modelos e prticas de planejamento e controle de produo na indstria farmacutica. Revista Produo. v. 14, n.1, p. 64-77, 2004. SANDERS, N. R.; RITZMAN, L. P. Judgmental adjustment of statistical forecasts. In: ARMSTRONG, J. Principles of forecasting: a handbook for researchers and practitioners. Boston: Kluwer Academic Publishers, 2001. SANDERS, N. R.; RITZMAN, L. P. Bringing judgment into combination forecasts. Journal of Operations Management. v. 13, n. 4, p. 311-321, 1995. SOUDER, W.; THOMAS, R. Significant issues for the future of product innovation. The Journal of Product Innovation Management. v. 11, n. 4, p. 344-353, 1994. WEBBY, R.; OCONNOR, M. Judgmental time-series forecasting using domain knowledge. In: ARMSTRONG, J. Principles of forecasting: a handbook for researchers and practitioners. Boston: Kluwer Academic Publishers, 2001. WEBBY, R.; OCONNOR, M. Judgmental and statistical time series forecasting: a review of the literature. International Journal of Forecasting. v. 12, n. 1, p. 91-118, 1996. WRIGHT, G.; LAWRENCE, M.; COLLOPY, F. The role and validity of judgment in forecasting. International Journal of Forecasting. v. 12, n. 1, p. 1-8, 1996. WRIGHT, J.; Giovinazzo, R. Delphi uma ferramenta de apoio ao planejamento prospectivo. Caderno de Pesquisas em Administrao. So Paulo, v.1, n. 12, p. 54-65, 2000.

Nome completo: Fernando de Oliveira Lemos Filiao institucional: Pontifcia Universidade Catlica do Rio Grande do Sul Departamento: Faculdade de Engenharia Funo ou cargo ocupado: Professor e Coordenador do Curso de Graduao em Engenharia de Produo Endereo completo para correspondncia (bairro, cidade, estado, pas e CEP): Av. Ipiranga 6681 Prdio 30 - Secretaria, Porto Alegre, RS, Brasil, CEP 90619-900.

97

Revista Gesto Industrial

Telefones para contato: (51) 33203648 R:4129 e-mail: fernando.lemos@pucrs.br Nome completo: Flvio Sanson Fogliatto Filiao institucional: Universidade Federal do Rio Grande do Sul Departamento: Departamento de Engenharia de Produo Funo ou cargo ocupado: Professor do Curso de Graduao, Professor e Coordenador do curso de Ps-graduao em Engenharia de Produo Endereo completo para correspondncia (bairro, cidade, estado, pas e CEP): Av. Osvaldo Aranha, 99 5 andar, Porto Alegre, RS, 90035-190 Telefones para contato: +55 51 3308 3491 e-mail: ffogliatto@producao.ufrgs.br

98

Revista Gesto Industrial