Previsão de demanda

De acordo com Moreira (1998, p. 318), “para se obter uma previsão, existem vários métodos disponíveis, que em princípio podem ser usados em quaisquer circunstâncias, dependendo de certos fatores”. Os principais fatores são:

a) Disponibilidade de dados, tempo e recursos – há certos métodos, mais sofisticados, normalmente envolvendo modelos matemáticos, que exigem, além de dados numéricos com certa abundância, também a existência de profissionais com o conhecimento necessário para trabalhar com os modelos. Também a existência de computadores, dependendo do número e variedade dos produtos, será altamente desejável.

b) Horizonte de previsão – há métodos que se mostram melhores para previsões de longo prazo (vários anos no futuro), enquanto que outros são rotineiramente aplicados às previsões para períodos mais curtos, com meses, semanas ou mesmo dias.

Por outro lado, os métodos de previsão possuem algumas características que são comuns a todos eles. Entre elas, pode-se citar:

I) Os métodos de previsão geralmente assumem que as mesmas causas que estiveram presentes no passado, configurando a demanda, continuarão presentes no futuro. Isso quer dizer que o comportamento do passado é a base para se inferir sobre o comportamento do futuro. E dada a real necessidade de fazermos previsões, é difícil de imaginar alguma forma de previsão que não seja, consciente ou inconscientemente de forma direta ou não, ligada às experiências do passado.

II) Os métodos não conduzem a resultados perfeitos, e a chance de erro é tanto maior quanto mais nos aprofundamos no futuro, ou seja, quanto maior seja nosso horizonte de previsão. Isso acontece porque fatores aleatórios, que nenhuma previsão consegue captar, passam a exercer mais e mais influência.

Segundo Slack, Chambers e Johnston (2007, p.453), “qualquer que seja o grau de sofisticação do processo de previsão numa empresa, é sempre difícil utilizar dados históricos para prever futuras tendências, ciclos ou sazonalidades”.

2.6.2.1 Classificação dos métodos de previsão

De acordo com Moreira (1998, p. 318), é possível classifica os métodos de previsão por critérios variados, mas a classifcação mais simples provavelmente é aquela que leva em conta o tipo de abordagem usado, ou seja, o tipo de instrumentos e conceitos que formam a base da previsão. Os métodos podem ser:

a) Qualitativos (ou baseados no julgamento) – são métodos que repousam basicamente no julgamento de pessoas que, de forma direta ou indireta, tenham condições de opinar sobre a demanda futura, tais como gerentes, vendedores, clientes, fornecedores, etc.

b) Matemáticos (ou quantitativos) – são aqueles que utilizam modelos matemáticos para se chegar aos valores previstos. Permitem controle do erro, mas exigem informações quantitativas preliminares. Os métodos matemáticos subdividem-se em:

I) Métodos causais – a demanda de um item ou conjunto de itens é relacionada a uma ou mais variáveis internas ou externas à empresa.

- Regressão simples: é o caso em que se considera a demanda ligada a apenas uma variável causal;

- Regressão múltipla: é o caso em que são consideradas duas ou mais variáveis causais supostamente ligadas à demanda.

II) Séries temporais – a análise de séries temporais nada exige além do conhecimento de valores passados da demanda ( ou, de forma geral, da demanda que se quer prever). O termo série temporal indica apenas uma coleção de valores da demanda tomados em instantes específicos de tempo, geralmente com igual espaçamento.

Por sua vez, dentro das séries temporais, são muito conhecidas e usadas algumas classes de médias que podem ser extraídas de valores passados da demanda. Também são muito úteis os modelos de decomposição das séries temporais.

Estes envolvem a determinação da linha de tendência obtida por meio de uma regressão que considera o tempo como variável ligada à demanda. Valores previstos pela linha de tendência podem então ser corrigidos para responder por outras características da demanda.

2.6.2.2 Previsões de venda de curto prazo

De acordo com Corrêa e Corrêa (2007, p. 259), “para previsões de curto prazo, normalmente, se aceita mais a hipótese de que o futuro seja uma “continuação” do passado, ao menos do passado recente, ou seja, as mesmas tendências de crescimento ou declínio observadas no passado devem permanecer no futuro, assim como a sazonalidade ou ciclicidade observadas no passado”.

Ainda para Corrêa e Corrêa (2007), quanto mais da história passada estiver disponível, melhor será a modelagem. Um cuidado que deve se tomar é de sempre utilizar dados passados de períodos que totalizem múltiplos dos ciclos de ciclicidade (às vezes também referido como sazonalidade); caso contrário, técnicas de regressão utilizadas para derivar a curva de tendência poderão apresentar resultados errados.

2.6.2.3 Previsões: Métodos de tratamento de informações

Para tratar as informações disponíveis, podem-se usar duas abordagens complementares: as abordagens quantitativas (baseadas em séries históricas projetadas para o futuro segundo algum método) e as qualitativas (baseadas em fatores subjetivos ou de julgamento).

Corrêa e Corrêa (2007, p. 262), diz que:

• Métodos qualitativos: incorporam mais fatores de julgamento e intuição, em geral mais subjetivos, nas análises dos dados disponíveis. Opiniões de especialistas, experiências e julgamentos individuais e outros fatores não quantitativos podem ser levados em conta. São especialmente úteis quando se espera que esses fatores mais subjetivos possam ter mais capacidade de explicar o futuro, ou quando dados quantitativos precisos e completos são muito caros ou difíceis de ser obtidos.

• Métodos quantitativos: métodos de previsão baseados em séries de dados históricos nas quais se procura, através de análises, identificar padrões de comportamento para que estes sejam então projetados para o futuro. Estes pressupõem que a previsão do futuro é baseada apenas nos dados do passado, ou, em outras palavras, que os padrões identificados no passado permanecerão no futuro.

2.6.2.4 Erros de previsão

As previsões de demanda estão sujeitas a erros, pelo fato de vários fatores que podem influenciar de um dado período para outro.

Para Corrêa e Corrêa (2007, p. 269), é sempre importante acompanhar dois tipos de erros de previsão: a “amplitude”, ou o “tamanho” dos erros e o chamado “viés” dos erros. O viés ocorre quando os erros ocorrem sistematicamente (tendenciosamente) para um lado só: ou quando as previsões são sistematicamente superdimensionadas

ou subdimensionadas. Isso em geral ocorre por alguma causa “identificável”, ou seja, pela influência de alguma variável deixada fora do modelo de previsão cuja influência singular está influenciando significativamente os erros de previsão.

2.6.2.5 Método da Regressão Linear (ajustamento de retas)

Para o cálculo dos dados da ferramenta MRP, será utilizado o Método de Regressão Linear, que segundo Martins e Laugeni (2006, p. 232), “consiste em determinar a função Y=a+bX, sendo Y a variável dependente e X a variável independente”. Para a execução dos cálculos com as calculadoras, utilizamos a expressão a seguir, que facilita os cálculos. Todas as planilhas computacionais, como o Excel e o Lotus, calculam automaticamente os coeficientes da reta que melhor se ajusta a uma coleção de dados.

O coeficiente de correlação varia entre +1 e -1. Um coeficiente de variação positivo indica uma reta ascendente, enquanto um coeficiente de correlação negativo indica uma reta descendente.

Na próxima seção será abordado a questão do inventário de materiais.