GESTÃO DA CAPACIDADE E
DEMAN-DA: UM ESTUDO DE CASO
UTILIZAN-DO UM MODELO ESTATÍSTICO
MUL-TIVARIADO
TATIANE PEREIRA LIBRELATO (Unisinos) tatianelibrelato@ig.com.br Liziane Menezes (Unisinos) lmenezes@unisinos.br Guilherme Luis Roehe Vaccaro (Unisinos) guilhermev@unisinos.br
Os efeitos da variabilidade sobre a utilização dos recursos constituem um desafio para os gestores de operações. Quando a demanda é signi-ficantemente menor do que a capacidade disponível, têm-se recursos ociosos. Quando a demanda é significcantemente maior que a capaci-dade, geram-se filas e esperas, que tendem a causar uma série de pro-blemas, tais como desbalanceamento do fluxo produtivo e a insatisfa-ção dos clientes. Entre tais situações, existem flutuações naturais e ine-rentes aos processos produtivos, submetidos à influência da variabili-dade. Este artigo visa discutir tal fenômeno, propondo um modelo ba-seado na técnica de análise de regressão para apoiar a gestão da ca-pacidade produtiva e da demanda. Trata-se de um estudo de caso des-critivo, desenvolvido em uma empresa de médio porte do setor automo-tivo, localizada no estado do Rio Grande do Sul, Brasil. Os resultados elucidaram pontos importantes para a gestão no que tange ao compor-tamento da demanda, demonstrando sazonalidades e demais variações (negativas ou positivas) em relação às interações atendidas pelo pro-cesso. Assim, entende-se que a principal contribuição do artigo esteja na identificação e proposição de um roteiro para planejamento da ca-pacidade e gestão da demanda em operações com alta variação na mesma. A partir da sistematização dos dados, são apresentadas estra-tégias que contribuem para sincronização da produção, que também podem ser aplicadas em operações de outros segmentos.
2 1. Introdução
A representatividade do setor de autopeças vem crescendo continuamente na economia mun-dial. Estudos indicam que o fenômeno está relacionado à trajetória das montadoras de veícu-los, pois, o surgimento das primeiras empresas e a consolidação do setor de autopeças, tanto no País quanto no exterior, foi impulsionado por tais organizações (DIAS, 2006). Observa-se que tal crescimento tem sido acompanhado por vários pesquisadores e grupos/redes de pes-quisa, como também por diferentes instituições setoriais e profissionais do ramo. No âmbito nacional, a expansão dos investimentos no setor deve continuar nos próximos anos, pois, para acompanhar o ritmo do crescimento das montadoras de veículos automotores, percebe-se a necessidade de ampliar os parques industriais, colaborando assim para o desenvolvimento de produtos/tecnologias e, ainda, para capacitação de pessoal adequado (BRAGA, 2010). Visando assegurar a participação nos mercados em que atuam, as indústrias têm buscado constantemente desenvolver estratégias para melhorar a qualidade e produtividade dos bens ou serviços ofertados. Com isso, diferentes aspectos que compõem a administração das opera-ções tornaram-se temas relevantes para investigação e estudo (JOHNSTON; CLARK, 2002). Entre as temáticas, destaca-se a questão do dimensionamento da quantidade de bens ou servi-ços a serem produzidos, de forma que se possa prever e atender à demanda proveniente do mercado consumidor (POWERS; JACK, 2008; ADENSO-DÍAZ et al., 2002).
Porém, observa-se que gerenciar os efeitos da variabilidade sobre a utilização dos recursos é tarefa complexa. Quando a demanda significativamente é menor do que a capacidade disponí-vel, têm-se recursos, como instalações, inventários e equipes de trabalho, ociosos. Por outro lado, quando a demanda é significativamente maior que a capacidade, geram-se filas e espe-ras, que tendem a causar uma série de problemas tangíveis ou intangíveis, tais como desba-lanceamento do fluxo produtivo ou insatisfações dos clientes (JOHNSTON; CLARK, 2002; ANTUNES et al., 2008; ZEITHAML; BITNER, 2003; FITZSIMMONS; FITZSIMMONS, 2000).
Uma das técnicas que vem sendo utilizadas pelas organizações e que possibilita fazer tal di-mensionamento é a análise de regressão, técnica estatística multivariada que objetiva mensu-rar as relações associativas entre duas ou mais variáveis, a partir de dados históricos (SAURA
et al., 2005; HAIR et al., 2005). Assim, o presente estudo se propôs a investigar: Como a análise de regressão pode contribuir para a gestão da capacidade e da demanda de uma empresa do ramo industrial? Visando responder a mesma, o trabalho objetivou aplicar um
modelo fundamentado em tal técnica em um contexto real, identificando suas contribuições para a gestão da demanda e o planejamento da capacidade produtiva.
O objeto de estudo foi uma empresa de médio porte do setor automotivo, localizada no estado do Rio Grande do Sul, Brasil. O método de pesquisa foi o estudo de caso descritivo (YIN, 2001). A pesquisa de campo utilizou técnicas mistas, com uso de entrevistas
semi-estruturadas, observação não participante e análises documentais. Para elaboração do modelo, foi utilizada a técnica da análise de regressão, com apoio do software PASW Statistics for
Windows, versão 18.0 – 2009. Nessa etapa, foram considerados dados históricos de vendas e
produção da unidade de caso estudada.
organi-3 zações que visem melhorar a eficiência operacional. As proposições e reflexões levantadas no estudo também contribuem como subsídios para futuras pesquisas acadêmicas sobre o tema, que poderão dar continuidade a esse estudo inicial.
O restante do artigo está organizado em: (i) revisão sumária dos conceitos pertinentes ao te-ma, (ii) apresentação dos procedimentos metodológicos utilizados na pesquisa, (iii) detalha-mento do estudo e (iv) discussões e análises finais.
2. Referencial Teórico
2.1 Gestão da Capacidade e da Demanda
A flutuação da demanda é um desafio que atinge diversas empresas (ZEITHAML; BITNER, 2003). Assim como outros elementos importantes da organização, o planejamento e a gestão da capacidade produtiva implicam em definições e decisões de âmbito estratégico, necessi-tando, portanto, de acompanhamento e controle freqüentes por parte dos gestores de opera-ções (JOHNSTON; CLARK, 2002). Hopp e Spearman (2000) reforçam a importância de tal processo, ressaltando que as decisões do tipo e da quantidade de capacidade a instalar têm influência direta no lucro das empresas, uma vez que impactam em outras questões do plane-jamento da produção, tais como planeplane-jamento agregado, gerenciamento da demanda, seqüen-ciamento e programação da produção e demais controles do chão de fábrica.
Para atender a uma determinada demanda, é necessário ter uma determinada capacidade, que pode ser definida como o potencial produtivo de um processo, representado por uma interação complexa entre elementos tais como espaço físico, equipamentos, taxa de produção, recursos humanos, capacitações do sistema, políticas da empresa e taxas de confiança dos fornecedo-res/clientes (HAYES et al., 2008). Outra definição para capacidade produtiva é proposta por Slack et al. (1998) apud Johnston (2002, p. 253), que a define como “o nível máximo de ati-vidade de valor agregado em determinado período de tempo que o processo pode atingir con-sistentemente sob condições operacionais normais”.
Os recursos de que o sistema dispõe para desempenhar as suas atividades são os que determi-nam a sua capacidade, uma vez que a capacidade do recurso é o que representa a oferta de tempo disponível para execução da produção (ANTUNES et al., 2008). Com isso, um recurso mal utilizado poderá gerar vários tipos de problemas para a organização, como por exemplo: desmotivação dos funcionários devido à subutilização, prejuízos financeiros, entre outros. Por outro lado, recursos muito utilizados ou sobrecarregados também podem trazer problemas, tais como dificuldades na entrega dentro da qualidade desejada, aumento dos tempos de espe-ras, entre outros (JOHNSTON; CLARK, 2002).
2.2 Abordagens para Sincronização e Planejamento da Capacidade e da Demanda A literatura sobre a gestão da capacidade e demanda em operações industriais e de serviços apresenta diferentes mecanismos desenvolvidos e utilizados nas organizações nos últimos anos. O objetivo de tais mecanismos é nivelar demanda e capacidade de forma a reduzir o
gap, tanto nos períodos em que a oferta supera a demanda, como naqueles em que a demanda
4 por horário, turno ou dia da semana. Cabe ao gestor definir ou combinar as estratégias dispo-níveis, a fim de reduzir impactos indesejados nas operações.
Algumas das principais abordagens publicadas por diferentes autores nos últimos anos são apresentadas nos Quadros 1, 2 e 3. Para facilitar a leitura, as estratégias foram agrupadas de acordo com as suas características, dividindo-se em: estratégias para adequar a capacidade (que possuem o intuito de aproximar a capacidade da demanda), estratégias para gerenciar a demanda (que procuram ajustar a demanda à capacidade) e estratégias mistas (que contribuem para o gerenciamento de ambas).
Gestão da capacidade
Estratégias Autores
Planejar e organizar os turnos de trabalho. Téboul (1999); Fitzsimmons e Fitzsimmons (2000); Hopp e Spearman (2000); Powers e Jack (2008); Antunes e Barreto (2009)
Desenvolver flexibilidade nas instalações (ex. comparti-lhando capacidade, terceirizando certas atividades, alu-gando ou adquirindo equipamentos).
Téboul (1999); Fitzsimmons e Fitzsimmons (2000); Hopp e Spearman (2000); Klassen e Roh-leder (2002); Zeithaml e Bitner (2003); Antunes et
al. (2008); Antunes e Barreto (2009)
Desenvolver flexibilidade na mão-de-obra (ex. contratar equipes temporárias, compartilhar equipe com outras áreas, preparar colaboradores multifuncionais, utilizar jornada parcial ou extra de trabalho, conceder folgas ou férias, dispensar funcionários).
Téboul (1999); Fitzsimmons e Fitzsimmons (2000); Hopp e Spearman (2000); Johnston e Clark (2002); Klassen e Rohleder (2002); Zei-thaml e Bitner (2003); Antunes et al. (2008); Pow-ers e Jack (2008)
Analisar internamente o sistema de entrega a fim de encontrar melhorias para mudanças nos processos.
Téboul (1999); Hopp e Spearman (2000); Powers e Jack (2008)
Restringir a oferta de serviço nos períodos de pico (em termos de tempo, atividade ou duração).
Téboul (1999); Johnston e Clark (2002) Construir e manter capacidade extra ou colchão de
capa-cidade (capacity cushion).
Hayes et al. (2008); Antunes et al. (2008); Powers e Jack (2008)
Planejar a infraestrutura de capacidade de acordo com a demanda antecipada (utilização máxima da capacidade).
Hayes et al. (2008); Powers e Jack (2008); Synte-tos et al. (2009); Antunes e Barreto (2009) Reduzir o tempo de ciclo/ processamento adotando
téc-nicas para melhorias de métodos e processos.
Antunes et al. (2008); Antunes e Barreto (2009) Manter a capacidade abaixo da taxa média de utilização
(colchão negativo).
Hayes et al. (2008) Identificar e administrar os gargalos do processo (teoria
das restrições), reduzindo tempos de setup e de paradas desnecessárias.
Johnston e Clark (2002); Antunes et al. (2008)
Quadro 1 – Resumo das principais estratégias possíveis para gestão da capacidade Estratégias mistas (gestão de ambas) Autores
Modificar o horário ou os dias trabalhados. Klassen e Rohleder (2002); Zeithaml e Bitner (2003); Antunes e Barreto (2009); Powers e Jack (2008)
Usar automação em alguma etapa do processo. Klassen e Rohleder (2002) Prover acesso aos clientes por meio de canais de serviço
alternativos ou especializados.
Johnston e Clark (2002); Klassen e Rohleder (2002); Zeithaml e Bitner (2003); Bain (2008) Mudar o nível de participação do cliente no processo. Téboul (1999); Fitzsimmons e Fitzsimmons
(2000); Johnston e Clark (2002); Klassen e Roh-leder (2002)
5
Estratégias Autores
Desenvolver serviços complementares, substitutos ou novos.
Gianesi e Corrêa (1996); Téboul (1999); Fitzsim-mons e FitzsimFitzsim-mons (2000); Hopp e Spearman (2000); Klassen e Rohleder (2002)
Escalonar ou segmentar a demanda. Téboul (1999); Gianesi e Corrêa (1996); Fitzsim-mons e FitzsimFitzsim-mons (2000); Bobb e Veral (2008); Powers e Jack (2008)
Ofertar preços diferenciados. Gianesi e Corrêa (1996); Téboul (1999); Fitzsim-mons e FitzsimFitzsim-mons (2000); Johnston e Clark (2002); Klassen e Rohleder (2002)
Categorizar os produtos/serviços de acordo com o grau de criticidade do mesmo para o cliente, estabelecendo níveis de serviço diferenciados.
Syntetos et al. (2009)
Desenvolver sistemas de reservas. Gianesi e Corrêa (1996); Fitzsimmons e Fitzsim-mons (2000); Johnston e Clark (2002); Klassen e Rohleder (2002); Bobb e Veral (2008); Bain (2008); Powers e Jack (2008)
Realizar parcerias ou promoções de preços para os perí-odos de baixa demanda.
Téboul (1999); Fitzsimmons e Fitzsimmons (2000); Johnston e Clark (2002); Zeithaml e Bitner (2003); Bobb e Veral (2008); Powers e Jack (2008).
Permitir a formação de filas, gerenciado-as a fim de reduzir as esperas (armazenamento da demanda).
Gianesi e Corrêa (1996); Téboul (1999); Johnston e Clark (2002); Zeithaml e Bitner (2003)
Gerenciar por rendimentos ou pela rentabilidade (yield
management), prática que consiste em cobrar preços
mais altos quando a demanda está aquecida e oferecer descontos nos horários de baixa demanda.
Gianesi e Corrêa (1996); Fitzsimmons e Fitzsim-mons (2000); Johnston e Clark (2002); Klassen e Rohleder (2002); Zeithaml e Bitner (2003) Informar ao cliente sobre a carga de trabalho, indicando
melhores dias/ horários.
Gianesi e Corrêa (1996); Klassen e Rohleder (2002); Zeithaml e Bitner (2003)
Desenvolver sistema de previsão de demanda baseado em variáveis que envolvam o comportamento de compra do cliente.
Bobb e Veral (2008)
Estabelecer políticas de serviços não ligadas a preços (ex. tratamento diferenciado para clientes fiéis).
Gianesi e Corrêa (1996); Klassen e Rohleder (2002); Zeithaml e Bitner (2003)
Quadro 3 – Resumo das principais estratégias possíveis para gestão da demanda
Quando a empresa avalia as restrições de capacidade e tem também compreensão das caracte-rísticas da sua demanda, há elementos suficientes para planejamento e utilização de estraté-gias para sincronização (ZEITHAML; BITNER, 2003). As técnicas de previsão podem ser qualitativas, baseadas em julgamento, ou quantitativas, que envolvem a manipulação matemá-tica. Entre as quantitativas, destaca-se a análise de regressão, que permite fazer previsões a partir das relações da demanda de um item com os dados de outro grupo de itens ou fatores externos, por meio de modelos causais (HAIR et al., 2005). No entanto, ressalta-se que o uso de tais ferramentas só pode ser confiável se a precisão dos dados utilizados para fazê-las for de igual teor (SAHABUDDIN, 2009). Visando dar continuidade às discussões sobre o tema, tal técnica e suas possíveis contribuições são descritas na seção seguinte.
2.3 Análise de Regressão Bivariada
cau-6 sas e efeitos, determinando um modelo para o relacionamento destas variáveis, bem como a força desta relação (HAIR et al., 2005).
A avaliação do modelo procura verificar se os parâmetros estimados são ou não estatistica-mente significativos e satisfatórios. Os critérios estatísticos de avaliação têm como objetivo verificar o grau de confiabilidade das estimativas obtidas mediante a aplicação de testes reali-zados pelas estatísticas t e F, além da análise de coeficientes de regressão, correlação, deter-minação e erro padrão (HAIR et al., 2005. Os intervalos de confiança e os testes estatísticos só serão válidos se alguns pressupostos forem verdadeiros para os dados que estão sendo ana-lisados.
3. Procedimento Metodológico
O principal objetivo do trabalho foi aplicar um modelo fundamentado na técnica de análise de regressão em um contexto real, identificando suas contribuições para a gestão da demanda e o planejamento da capacidade produtiva. O método de pesquisa foi o estudo de caso descritivo (YIN, 2001). A pesquisa de campo utilizou técnicas mistas, com uso de entrevistas semi-estruturadas, observação não participante e análises documentais. Para elaboração do modelo, foi utilizada a técnica da análise de regressão, com apoio do software PASW Statistics for
Windows, versão 18.0 – 2009. Nessa etapa, foram considerados dados históricos de vendas e
produção da unidade de caso estudada, além de dados gerais sobre o setor de autopeças e vo-lume de vendas de automóveis zero quilômetro no Brasil (ANFAVEA, 2010). Os dados foram coletados entre os meses de janeiro de 2009 e abril de 2010.
O objeto de estudo foi uma empresa de médio porte do setor automotivo, fabricante de auto-peças, localizada no estado do Rio Grande do Sul. Tal escolha deve-se ao contexto do seg-mento (automotivo) de mercado onde a mesma está inserida, em que o dinamismo e a alta competitividade estão presentes. Nessa empresa, buscou-se conhecer o caráter preditivo entre a variação da demanda de alto-falantes da linha original fornecida à montadora “Y” e a varia-ção das vendas de veículos zero quilômetro vendidos no Brasil por esta mesma montadora. A partir desse levantamento inicial, buscou-se identificar a capacidade produtiva necessária para atender tal variação.
Na etapa de entrevistas, foram ouvidos individualmente colaboradores das áreas de logística, comercial e industrial. As questões foram abertas, revelando aos entrevistados o propósito do estudo. O principal objetivo foi relacionar fatos e opiniões sobre determinados processos e procedimentos, permitindo levantar e identificar oportunidades para o estudo. Cada entrevista obteve duração média de 30 (trinta) minutos. Após a coleta, os dados foram analisados, orga-nizados e interpretados, buscando-se propor uma abordagem para sincronização entre capaci-dade e demanda.
4. Unidade de Análise
7 Tal cenário, aliado a ausência de um método definido para a gestão de demanda e adequação de capacidade produtiva, gera um montante considerável de recursos extras, alocados sob a forma de estoques, instalações e recursos humanos, com objetivo de amortecer as variabilida-des provenientes das oscilações de mercado. O impacto variabilida-destes fatores combinados pode ser percebido diretamente na rentabilidade do negócio, que depende das importações de matéria-prima via modal marítimo, não conseguindo responder rapidamente as oscilações nas vendas sem ter esse “pulmão” de capacidade excedente.
Para realização do estudo, foi escolhida como amostra a linha de produção “A”, que produz a família de produtos “X” para uma grande montadora (cliente) com atuação nacional e interna-cional. A estrutura de recursos humanos da linha possui 27 colaboradores diretos contratados em regime 44h semanais, alocados em uma linha dedicada 100% do tempo disponível para atender a demanda de tal cliente (aproximadamente 25% de toda a produção de kit da empre-sa, segundo relatórios gerenciais fornecidos pela empresa). O processo produz 17 produtos diferentes, produzidos para estocagem (make to stock), e as áreas de apoio, como logística, engenharia, controladoria e produção de semi-acabados são compartilhadas com outras 8 (oi-to) linhas de produção.
O planejamento das vendas inicia na área comercial que, por conseqüência, origina o plano de compras e produção. Por meio de uma estimativa baseada em médias históricas de vendas é elaborada a previsão de vendas mensal para o horizonte de cinco meses, a qual sofre ajustes ao longo do mês à medida que acontecem as vendas efetivas. Dados externos como variações de mercado, sazonalidade e estimativa de produção de veículos pela montadora cliente não serão considerados nesta previsão. Observou-se também que não há um instrumento padroni-zado para estimação da demanda e os únicos dados disponíveis são provenientes de fatura-mento passado.
4.1 Modelagem da Demanda
Para modelar a demanda foram optou-se pelas variáveis representativas da série histórica das vendas de veículos novos pela montadora no mercado doméstico e a série histórica de vendas de alto-falantes do fabricante para esta as concessionárias desta mesma montadora. A aplica-ção da análise de regressão sobre o histórico de dados levantado buscou identificar se havia correlação entre as vendas nacionais de veículos novos vendidos pela montadora (variável independente) sobre a variação na venda de alto-falantes para as concessionárias desta mesma montadora (variável dependente). O Quadro 4 apresenta o modelo gerado e seus resultados. A análise dos resíduos permite inferir que os pressupostos citados no referencial teórico foram atendidos. Além disso, o modelo desenvolvido indica com 95% de confiança que a demanda de alto-falante segue um padrão associado ao volume de vendas de automóveis, o que era esperado. Segundo este padrão, 53% da variação nas vendas de alto-falantes da empresa são explicadas pela variação das vendas da montadora no mercado nacional. Tal resultado indica que, quanto maior a venda de veículos novos, maior será a demanda de alto-falantes para apli-cação nessa família de produto, o que seria esperado. Mas o resultado também indica que cer-ca de 47% da variação nas vendas de alto-falantes necessitam de outras variáveis para sua compreensão. Este resultado não era de conhecimento da empresa, sendo identificada uma lacuna relevante em termos de análise de capacidade projetada para o sistema produtivo.
Coeficientesa Modelo Coeficientes não-padronizados Coeficientes padronizados T Sig. 95% Intervalo de con-fiança para B Estatísticas de colinearidade B
Desvio-padrão Beta Mínimo Máximo
Tole-rância VIF
1 (Constante) -4357,08 5877,91 -,74 ,473 -17163,95 8449,79
8 Coeficientesa Modelo Coeficientes não-padronizados Coeficientes padronizados T Sig. 95% Intervalo de con-fiança para B Estatísticas de colinearidade B
Desvio-padrão Beta Mínimo Máximo
Tole-rância VIF
1 (Constante) -4357,08 5877,91 -,74 ,473 -17163,95 8449,79
Total_montadora ,410 ,11 ,72 3,66 ,003 ,166 ,653 1,000 1,00
a. Variável dependente: Total_alto-falante
ANOVAb
Modelo Resumo dos
quadrados df
Médias dos
qua-drados F Sig.
1 Regressão 1,321E8 1 1,321E8 13,385 ,003a
Residual 1,381E8 14 9866963,697
Total 2,702E8 15
a. Preditoras: (Constant), Total_montadora b. Variável dependente: Total_alto-falante
Resumo do modelob
Modelo R R Square R Square
ajustado
Desvio-padrão para a esti-mativa
Dimension 1 ,726a ,528 ,488 2891,911
a. Preditoras: (Constant), Total_montadora b. Variável dependente: Total_alto-falante
Quadro 4 – Análise de regressão gerada
A partir dos resultados é possível a proposição de três cenários, sendo um denominado
realis-ta, um otimista e o outro pessimista. Tais cenários ajudam àqueles que tomam as decisões a questionar suas suposições sobre a forma como o mundo funciona, passando a enxergá-lo mais claramente. Heijden (2004) corrobora, afirmando que a importância de se imaginar cenários está em sua capacidade de ajudar os indivíduos, nas organizações, a ultrapassar as limitações de pen-samento, através do desenvolvimento de múltiplos futuros. Embora este estudo não tenha por ob-jetivo discutir profundamente a gestão por cenários, os mesmos se tornam relevantes no auxílio à adoção de visão de longo prazo.
Para o cenário realista, a relação de dependência pode ser calculada por meio da Equação 1. A partir de tal cenário, foi possível estabelecer o mínimo e o máximo de variação que poderia ocorrer de acordo com o intervalo de confiança considerado, utilizando-se os valores limítro-fes do intervalo de confiança gerados pelo modelo de regressão. A Equação 2 apresenta o cenário pessimista e a Equação 3 o cenário otimista.
( 1 )
( 2 )
( 3 )
Para aplicação das equações acima expostas, torna-se necessário identificar as vendas efetivas e previstas da montadora para o período. Tal previsão foi elaborada considerando a participa-ção de mercado da montadora em questão em 21%, e as vendas totais no mercado nacional entre 13.000 a 14.000 veículos/dia (ANFAVEA, 2010). Para fins de estimação da demanda foram utilizados dados provenientes da Anfavea. Tal instituição é reconhecida em âmbito
Demanda realista = - 4.357,08+ (0,410* vendas de veículos novos da montadora
“Y” no país, em um dado período de tempo).
Demanda pessimista = - 17163,95 + (0,166 * vendas de veículos novos da
monta-dora “Y” no País em um dado período de tempo).
9 nacional e internacional por estudar em profundidade o mercado industrial e de veículos au-tomotores. Além disso, tal fonte oferece essas estimativas considerando outras variações não abordadas neste estudo, tais como fatores econômicos, o que torna os dados adequados para a finalidade do estudo. O gráfico da Figura 1 ilustra as vendas efetivas da montadora no período pesquisado e a previsão das vendas até o final do ano em análise.
Venda montadora -10.000 20.000 30.000 40.000 50.000 60.000 70.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Periodo Q u ant id ade d e v eí cu los vendas montadora Fonte: ANFAVEA (2010)
Figura 1 – Previsão de vendas da montadora até final de 2010
A partir da previsão de vendas da montadora (Figura 1), aplicando-se as Equações 1, 2 e 3 no modelo tornou-se possível estimar a previsão das vendas de alto-falantes. A aplicação do mo-delo gerado pela análise de regressão acima exposta constitui a previsão de demanda de alto-falantes denominada realista. Os limites de variação também podem ser estimados pela de-manda dos cenários pessimista e otimista, conforme apresenta o gráfico da Figura 2. De acor-do com o gráfico, a variação na demanda acontece em toacor-dos os cenários. Porém, a empresa atualmente estima a demanda futura com base apenas na média das vendas passadas, o que não representa a real demanda de mercado, uma vez que a demanda não se comporta como a média, ou seja, não é estável.
Previsão de venda alto-falante
-5.000 10.000 15.000 20.000 25.000 30.000 35.000 40.000 1 2 3 4 5 6 7 8 9 10 Periodo Q u a n ti d a d e
2009 2010 realista 2010 pessimista 2010 otimista
10 4.2 Modelagem da Capacidade
Considerando que capacidade é o potencial produtivo de um processo, na maioria dos casos, essa pode ser mensurada por meio dos recursos envolvidos, tais como: tempo, pessoas, equi-pamentos ou estações de trabalho (HAYES et al., 2008). Para mensuração da capacidade pro-dutiva do processo estudado, considerou-se o número de horas/homem disponíveis, resultado da Equação 4, apresentada a seguir.
( 4)
Para aplicação de tal equação, alguns pressupostos foram considerados. Foi analisada uma série histórica do processo, que apresenta como eficiência global um coeficiente médio (sim-ples) de 0,70 (70%), levando-se em conta as paradas de linha previstas (reabastecimento ade-sivos), e as possíveis paradas de linha não previstas (manutenção, redução de ritmo por esfor-ço físico). As atividades produtivas diretas comportam 27 colaboradores, alocados em um
layout linear. Assim, a quantidade de recursos considerada foi 1 (uma linha de manufatura)
com jornada de trabalho de 8,8 horas/dia e 20 os dias úteis em um mês.
Como os produtos são semelhantes em termos do processo de fabricação, o tempo médio de produção de um par de alto-falantes, equivalente a uma unidade de venda, foi considerado em 24s, independente do modelo. Ao aplicar-se a equação proposta tem-se como resultado a ca-pacidade de atendimento do processo fabril do processo em estudo. De acordo com os dados, a capacidade fixa atual do setor é de aproximadamente 18.480 pares de alto-falantes. Os resul-tados da aplicação da equação são apresenresul-tados sinoticamente no Quadro 5.
Ação Cálculo Resultado
Capacidade mensal horas/ homem 1 x 8,8 x 0,70 x 20 123 horas
Transformação das horas em segundos (132 x 60/1) x 60 443.520 segundos Divisão dos segundos pelo tempo médio de produção 443.520 / 24 18.480 pares
Quadro 5 – Capacidade produtiva do processo estudado
5. Discussão
A partir dos dados de capacidade fixa e da previsão de demanda apresentados nas seções ante-riores, foi possível estabelecer um comparativo entre esses valores, visando identificar as ne-cessidades de ajustes para os períodos futuros. Tal comparativo é apresentado no gráfico da Figura 3.
Inicialmente, foram calculadas as diferenças entre a previsão de pedidos recebidos e a capaci-dade de atendimento fixa, visando identificar as ociosicapaci-dades ou necessicapaci-dades de ampliação. A partir de tais resultados, foi possível calcular o percentual de ajuste necessário na capacidade para que se possa fornecer atendimento ao volume esperado de interações no ano de 2010. Para este artigo apresenta-se o resultado sobre o cenário realista, apenas, em função da limi-tação de espaço. Os resultados desses cruzamentos são apresentados sinoticamente pelo Qua-dro 6.
Capacidade mensal produção/ semana = (nº recursos) x (carga horária/ dia) x
11
Previsão de vendas x capacidade fixa instalada
-5.000 10.000 15.000 20.000 25.000 30.000 35.000 40.000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Periodo Qu anti dad e de alto-falan tes
Otimista Pessimista Realista Capacidade fixa de atendimento
Figura 3 – Previsão de vendas de alto-falantes x capacidade instalada Período Vendas esperadas Capacidade fixa
de produção Diferença em volume
Percentual de ajuste em rela-ção à capacidade fixa
1 14.422 18.480 -4.058 22% 2 22.094 18.480 3.614 -20% 3 16.484 18.480 -1.996 11% 4 18.029 18.480 -451 2% 5 18.029 18.480 -451 2% 6 18.029 18.480 -451 2% 7 19.751 18.480 1.271 -7% 8 19.751 18.480 1.271 -7% 9 18.029 18.480 -451 2% 10 21.473 18.480 2.993 -16%
Quadro 6 – Necessidade de ajustes de capacidade em função da demanda
Os dados acima indicam os períodos em que as variações de demanda acontecem, demons-trando quando a capacidade necessita ser ajustada pelos gestores, e em que percentual esse ajuste precisa ser feito. Destaca-se a variação dos percentuais de ajustes, que variam de 2% a 22%. Devido à alta variação, para que o atendimento a demanda possa ser realizado de modo satisfatório, em 4 (quatro) dos 12 (doze) meses do ano a produção de alto-falantes precisará ampliar a capacidade fixa. Cabe ressaltar que nesse cálculo não foram consideradas questões incontroláveis, tais como falhas em sistemas, absenteísmos por epidemias, causas naturais, entre outros.
Considerando a necessidade de equilibrar a capacidade produtiva e as sazonalidades da de-manda na linha de produtos estudada, é apresentado o Quadro 7, que traz um resumo com sugestões de estratégias que visam apoiar a construção desse planejamento. Para elaboração do quadro foram consideradas as abordagens estratégicas apresentadas no referencial teórico desse estudo. Nos meses em que o percentual de ajuste em relação à capacidade fixa é negati-vo, sugerem-se estratégias de gerenciamento da capacidade, a fim de ampliá-la. Nos meses em que o percentual é positivo, sugerem-se estratégias para gerenciamento da demanda, au-mentando-a ou reduzindo-a.
Embora o cenário realista seja aceito pela gerência para fins de planejamento de capacidade, a partir do modelo proposto também é possível sugerir ações para os cenários pessimista e
oti-mista, o que pode tornar o modelo mais robusto. Para o cenário pessimista sugerem-se
12 Pe- río-do % de ajuste em relação à capacidade fixa Estratégia sugeri-da Mecanismos de ajuste 2 -20% Gerenciamento da capacidade
Planejar, organizar e/ou modificar os dias/turnos de trabalho; 7 -7% Desenvolver flexibilidade nas instalações;
8 -7% Desenvolver flexibilidade na mão de obra;
10 -16% Construir e manter capacidade extra ou colchão de capacidade;
Planejar a infra-estrutura de capacidade de acordo com a demanda antecipada; Identificar e administrar os gargalos do processo (teoria das restrições); Melhorar/elevar a eficiência do processo (Sistema Toyota de produção).
1 22% Gerenciamento da demanda
Desenvolver produtos/serviços complementares, substitutos ou novos;
3 11% Escalonar ou segmentar a demanda;
4 2% Ofertar preços diferenciados;
5 2% Realizar promoções de preços para os períodos de baixa demanda;
6 2% Permitir a formação de filas, gerenciado-as a fim de reduzir as esperas (arma-zenamento da demanda);
9 2% Estabelecer políticas de serviços não ligadas a preços; Modificar o horário ou os dias trabalhados;
Estabelecer políticas de recursos humanos (treinamentos, férias). Quadro 7 – Sugestões de estratégias para adequação da capacidade à demanda
Os resultados desta discussão foram apresentados aos gestores da área de operações da orga-nização descrita na unidade de análise, que se mostraram muito otimistas. Partindo-se do princípio de que não se pode prever, com certeza, o ambiente futuro em que a organização estará inserida, este estudo traz como beneficio para a organização a oportunidade de visitar vários possíveis ambientes futuros, compreendidos como o mais otimista, o realista, até o mais pessimista, para, a partir daí, decidir por uma ou outra estratégia. Adicionalmente, o Quadro 7 apresenta os mecanismos de ajuste que podem ser empregados no ambiente real das organizações, contribuindo para a reconfiguração do sistema de forma rápida e planejada. Dado que a formulação estratégica baseia-se cada vez menos em projeções do passado e ten-dências do presente, e cada vez mais em “dados” do futuro (HEIJDEN, 2004), o modelo cria-do pode ser alimentacria-do, permitincria-do seu uso no futuro.
Cabe ressaltar que o alto-falante é um acessório opcional no momento da compra do veículo, não implicando em requisito de segurança e, o modelo gerado pela regressão, explica 53% da variação nas vendas de alto-falantes. Assim, um resultado importante do ponto de vista empí-rico foi identificar para a empresa em que grau outros fatores implicam na flutuação da de-manda, além da variação na venda de veículos novos. Estes fatores, como, por exemplo, as-pectos econômicos, não foram abordados neste artigo. Apesar disso, o modelo proposto foi significante estatisticamente, podendo ser complementado em pesquisas futuras com o estudo de outras variáveis explicativas para a flutuação da demanda de alto-falantes no segmento original de autopeças.
6. Conclusões
13 variação de demanda. Tal roteiro contempla a aplicação de um método estatístico multivaria-do, e a partir do mesmo apresenta três cenários para o gestor, sendo um realista, um otimista e um pessimista, permitindo assim agir rapidamente no caso de mudanças no cenário de vendas. Referências
ADENSO-DÍAZ, B.; GONZÁLEZ-TORRE, P.; GARCÍA, V. A capacity management model in service
in-dustries. International Journal of Service Industry Management, vol. 13, n. 3, p. 286-302, 2002.
ANFAVEA – Associação Nacional dos Fabricantes de Veículos Automotores do Brasil. Disponível em: <http://www.anfavea.com.br/tabelas.html>. Acesso em: 8/9/2010.
ANTUNES, J. et al. Sistemas de produção: conceitos e práticas para projeto e gestão da produção enxuta. Porto Alegre: Bookman, 2008.
ANTUNES, J.; BARRETO, R. Ferramenta de análise capacidade versus demanda - um estudo de caso. In: XXIX Encontro Nacional de Engenharia de Produção. 2009, Salvador. Anais eletrônicos do XXIX Encontro Nacional de Engenharia de Produção. Disponível em: <http://publicacoes.abepro.org.br/>. Acesso em: 8/9/2010. BAIN, J. Future of revenue management — From the plane to the shelf. Journal of Revenue and Pricing Man-agement, vol. 7, n. 3, p. 302–306, 2008.
BOBB, L; VERAL, E. Open issues and future directions in revenue management. Journal of Revenue and Pric-ing Management, vol. 7, n. 3, p. 291–301, 2008.
BRAGA, P. Automotive Business: desenhando o futuro. Automotive Business, nº 3, p. 56-57, 2010. Disponível em: <http://www.automotivebusiness.com.br/revistadigital.html>. Acesso em: 8/9/2010.
DIAS, A. RELATÓRIO SETORIAL AUTOPEÇAS-FINAL. FINEP 2006. Disponível em: <http://www.finep. gov.br/PortalDPP/relatorio_setorial_final/relatorio_setorial_final_impressao.asp?lst_setor=101>. Acesso em 1/10/2010.
FITZSIMMONS, J.; FITZSIMMONS, M. Administração de serviços: operações, estratégias e tecnologia de
informação. 2ª ed. Porto Alegre: Bookman, 2000.
GIANESI, I., CORRÊA, H. Administração estratégica de serviços: operações para a satisfação do cliente. São Paulo: Atlas, 1996.
HAIR JR, J.; ANDERSON, R.;TATHAM, R.; BLACK W. Análise Multivariada de Dados. 5ª ed. Porto Ale-gre: Bookman, 2005.
HAIR JR, J.; BABIN, B.; MONEY, A.; SAMOUEL, P. Fundamentos de Métodos de Pesquisa em
Adminis-tração. Porto Alegre: Bookman, 2005.
HAYES, R.; PISANO, G.; UPTON, D. M.; WHEELWRIGHT, S. C. Produção, estratégia e tecnologia: em
busca da vantagem competitiva. Porto Alegre: Bookman, 2008.
HEIJDEN, K. Cenários: a arte da conversação estratégica. Porto Alegre: Bookman, 2004.
HOPP, W. J.; SPEARMAN, M. L. Factory physics: foundations of manufacturing management. 2ª ed. Boston: McGraw-Hill, 2000.
JOHNSTON, R.; CLARK, G. Administração de operações de serviço. São Paulo: Atlas, 2002.
KLASSEN, K. J.; ROHLEDER, T. R. Demand and capacity management decisions in services: how they
impact on one another. International Journal of Operations e Production Management, vol. 22, nº 5, p. 527-548,
2002.
POWERS, T; JACK, E. Using volume flexible strategies to improve customer satisfaction and performance in
health care services. Journal of Services Marketing, vol. 22, n. 3, p. 188–197, 2008.
SAURA, I.; CONTRÍ, G.; TAULET, A.; VELÁZQUEZ, B. Relationships among customer orientation,
ser-vice orientation and job satisfaction in financial serser-vices. International Journal of Serser-vice Industry Management,
vol. 16, n. 5, 2005.
SHAHABUDDIN, S. Forecasting automobile sales. Management Research News, vol. 32, n. 7, p. 670-682, 2009.
SYNTETOS, A.; KEYES, M.; BABAI, M. Demand categorization in a European spare parts logistics
net-work. International Journal of Operations & Production Management, vol. 29, n. 3, p. 292-316, 2009.
TÉBOUL, J. A era dos serviços: uma nova abordagem ao gerenciamento. Rio de Janeiro: Qualitymark, 1999. ZEITHAML, V. A.; BITNER, M. J. Marketing de serviços: a empresa com foco no cliente. 2ª ed. Porto Ale-gre: Bookman, 2003.
