As empresas buscam cada vez mais se aperfeiçoar para atender os anseios dos clientes ao mínimo custo. Isso indica que o aumento da eficiência é um dos principais pré-requisitos para se manterem num mercado tão competitivo quanto o global. Atender o consumidor com o produto correto, na hora certa e com a quantidade solicitada requer um planejamento apurado de todas as áreas da empresa. Este planejamento normalmente se inicia com a definição dos objetivos da empresa a curto, médio e longo prazo. Para isso, previsões são utilizadas para projetar o futuro e auxiliar a avaliação da empresa quanto aos seus intuitos.
Um grande desafio da cadeia produtiva é a previsão de demanda. Diversos são os modelos e técnicas para obter previsões de demanda. Conforme apresentado no capítulo 2, os métodos de previsão podem ser quantitativos ou qualitativos. Os métodos quantitativos avaliam séries de dados a fim de encontrar padrões que possam se repetir no futuro. São objetivos e trabalham com uma grande quantidade de dados. A maioria dos métodos apresentados foi utilizada no estudo de caso para a confecção das previsões quantitativas. Já as predições qualitativas baseiam-se no conhecimento e experiência das pessoas que realizam a previsão, apesar de informações como pesquisa de mercado e dados sobre promoções poderem auxiliar neste processo.
Caso existam dados históricos de demanda e se deseje somente prevê-la para um horizonte de algumas semanas ou meses, no qual os indicadores econômicos, políticos ou tecnológicos tendem a permanecer relativamente estáveis, os resultados dos métodos qualitativos revelam maior utilidade se associados às previsões originadas por modelos de séries temporais (O’CONNOR et al., 1993 apud KURRLE, 2004).
Porém, a instabilidade do mercado tem tornado interessante a integração de previsões, pois os padrões existentes na série são identificados pelos métodos quantitativos e alterados pelos julgamentos de acordo com as mudanças dinâmicas do ambiente. Desta forma, o processo enriquece ao se incorporar informações de diversas fontes, aumentando o âmbito da análise.
Apesar do tema integração de previsões despertar o interesse dos pesquisadores já há bastante tempo, persiste ainda nos dias atuais uma escassa literatura a respeito de métodos estruturados para operacionalizá-la (principalmente os que utilizam o ajuste por julgamento) (SOUZA, 2008).
Por este motivo o trabalho concentrou-se na apresentação de um modelo para implantação de um processo preditivo com integração de previsões quantitativas e qualitativas. Inicialmente foram expostas no capítulo 3 as abordagens de integração de previsões conforme as visões de Webby e O’Connor (1996), Armstrong (2001) e Goodwin (2002). Verificou-se que o julgamento humano, base do ajuste, está sujeito a inúmeros vieses, que comprometem o desempenho de todo o processo. Para se obter o melhor aproveitamento da integração de previsões o especialista precisa ter domínio do conhecimento e o ajuste deve ser estruturado. Por isso, esta dissertação preocupou-se em realizar uma revisão bibliográfica e utilizar no estudo de caso procedimentos que estruturam a incorporação do julgamento, evitando a inserção de vieses provenientes dos ajustes de especialistas.
Dentre os métodos de integração apresentados no capítulo 3, inúmeros estudos afirmam que o ajuste de previsões quantitativas é a forma de integração mais difundida no meio empresarial, apesar de ser o que tem o pior desempenho, normalmente ocasionado pela falta de estruturação do julgamento.
Em função disto, o capítulo 4 demonstra o procedimento proposto para implementar um processo de previsão tendo como base o método de extrapolação corrigida (nomenclatura do trabalho para ajuste de previsões quantitativas). Este procedimento possui várias etapas, sendo as principais a determinação da previsão quantitativa e a elaboração do ajuste por julgamento.
O estudo de caso, capítulo 5, foi realizado em uma pequena empresa madeireira localizada no norte do estado de Santa Catarina. Definiu-se que a previsão de vendas seria realizada para os itens de matérias-primas ao invés de produtos acabados. Isto ocorreu pelo fato dos insumos possuírem um lead time de entrega maior que o tempo de transformação da matéria-prima em produto final. Após a aquisição das séries históricas de vendas realizou-se a classificação ABC das matérias- primas. Por fim, as madeiras classificadas como ‘A’ (itaúba, cambará e peroba) foram as escolhidas para a implantação de um método de previsão de vendas.
No estudo de caso, para a escolha da previsão quantitativa utilizou-se um procedimento dinâmico, Focus Forecasting, que avalia a cada período através de medidas de erro o método a ser selecionado no mês da previsão. Optou-se por este procedimento após ser verificado a grande variabilidade dos dados. Ao final do trabalho realizou-se uma análise (ver Apêndice C) avaliando o desempenho deste método através de duas simulações. Na primeira simulação foi comparado com um
método único para todos os meses, sendo que os coeficientes de amortização (dos métodos que possuíam) foram atualizados mensalmente realizando a minimização dos erros com a ferramenta Solver. A segunda simulação utilizou os dados históricos para prever todo o ano de 2009 e o método que se sobressaiu foi utilizado nas previsões de 2010. Contudo, desta vez os coeficientes permaneciam os mesmos em todo o período. Como resultado, verificou-se que para a madeira itaúba o método Holt com coeficientes dinâmicos reduziu os erros das previsões em 17,25% em relação ao Focus Forecasting. Na madeira cambará e peroba o Focus Forecasting foi melhor que os resultados dos testes. Para a itaúba, onde os métodos fixos tiveram melhor desempenho que o Focus Forecasting, indica-se a substituição do método atual pelo melhor avaliado na sequência dos trabalhos na empresa.
Antes de realizar o ajuste de previsões quantitativas o gerente relacionou fatores causais (chuvas e relação entre a venda dos produtos) que influenciavam as vendas em curto prazo. Após inúmeras simulações constatou-se que estes dados não possuem relação linear. Este resultado provocou grande surpresa ao gerente, visto que a sua experiência lhe mostra uma relação entre estas variáveis.
A incorporação de julgamentos às previsões quantitativas iniciou- se com a sua estruturação. Ela se deu através de ações simples como a apresentação dos dados em tabelas, determinação do tipo de feedback oferecido ao especialista, registro sobre a acurácia das previsões e solicitação de justificativa sempre no mês seguinte ao que o ajuste foi realizado. As formas de feedback aplicadas foram exibir o valor das vendas do último período e o desempenho do gerente, este último utilizando a medida de erro MAPE.
O feedback mensal e a relação causal entre variáveis (chuva x vendas) proporcionaram um processo de aprendizagem ao gerente. Principalmente no que diz respeito às influências entre variáveis e as suas consequências traduzidas em ajustes. Todas as vezes que o especialista avaliou um desempenho negativo, todas as relações entre variáveis e suas influências foram revistas e reconsideradas. Além disso, ao justificar os motivos de acertos ou erros nos ajustes outras relações que ele não havia exposto vieram à tona e puderam ser confirmadas ou ignoradas.
Por fim, na análise dos resultados constatou-se que a incorporação de julgamento aumentou a acuracidade das previsões das três madeiras, ratificando sua importância no processo preditivo. A redução dos erros de previsão para a itaúba, peroba e cambará,
respectivamente, foram de 3,9%, 4,5%, 7,3%. Isto demonstra que o domínio de conhecimento que o especialista possui e a estruturação do julgamento foram determinantes para alcançar um resultado positivo.
Como sugestão de futuros trabalhos está elaborar procedimentos para realizar julgamentos em diversos tipos de séries temporais e informações contextuais, avaliando em que situações seria pertinente aplicar determinado tipo de estrutura de ajuste.
Outros estudos avaliando os sistemas de previsão de grandes empresas tornam-se interessantes visto que nestas instituições normalmente são implementados sistemas de previsão quantitativos e ajustes são realizados por um grupo de pessoas. Portanto, a estruturação do julgamento torna-se mais complexa e com mais variáveis.