Previsão de Demanda em Economia Circular - Comparação de Métodos Quantitativos

COMPARAÇÃO DE MÉTODOS QUANTITATIVOS PARA A PREVISÃO DE DEMANDA DE UMA EMPRESA DE ECONOMIA CIRCULAR ESTUDO DE CASO Camila Thais Mamani UDESC camilathaismamanigmailcom Elisa Gevaerd UDESC elisagevaerdgmailcom Resumo Decisões gerenciais são de extrema importância já que envolvem o planejamento e dimensionamento de recursos de diferentes horizontes de tempo Com isso verificase a necessidade de previsões de demanda mais precisas permitindo assim o melhor planejamento de operações de compra de insumos e serviços logísticos a um custo mais baixo O presente artigo tem como objetivo principal a comparação da aplicação de métodos de previsão de demanda a fim de identificar o de menor erro de estimação futura de um dos produtos de uma empresa de economia circular localizada na região norte do Estado de Santa Catarina Para esta aplicação propõese a utilização dos métodos média móvel e suavização exponencial simples e dupla Assim sendo através da análise de previsão da demanda tarefa e atividade da situação proposta foi possível verificar o método mais indicado para a demanda do mês de outubro Palavras chave Previsão de Demanda Média Móvel Suavização Exponencial Introdução No contexto atual de globalização e mercado cada vez mais competitivo cresce a busca das empresas por metodologias que proporcionem a melhorias de processos de forma a atender as necessidades dos clientes e reduzir custos Nesse cenário as decisões gerenciais desempenham um papel de extrema importância já que envolvem o planejamento e dimensionamento de recursos de diferentes horizontes de tempo curto médio e longo prazo De forma a antecipar cenários futuros eou variáveis que influenciam o planejamento estratégico em que não se tem controle imediato utilizase métodos de previsão de demanda ARMSTRONG 1988 Segundo Krajewaki 1994 esses métodos são utilizados para estimar a quantidade de produtos a serem fabricados em um intervalo de tempo específico com intuito de diminuir o espaço entre a oferta e a demanda Assim sendo previsões de demanda mais precisas permitem o melhor planejamento de operações como a compra de matériaprima componentes e obtenção de serviços logísticos a um custo mais baixo em virtude de contratos mais longos MOON et al 1998 Nesse contexto o objetivo do artigo em questão é a comparação de métodos de previsão de demanda média móvel suavização exponencial simples e dupla de forma a verificar o que menor proporciona erros de previsão Os dados históricos de demanda utilizados na aplicação dos métodos foram disponibilizados por uma empresa de reciclagem inteligente que proporciona economia circular uma forma de criar e reutilizar produtos até o final da vida útil Diferente da demanda de produção tradicional a demanda em questão é para a linha de desmontagem de produtos Dentre os diferentes produtos reciclados pela empresa focouse no produto A um componente metálico de refrigeradores domésticos A estrutura do estudo dividese em cinco seções introdução fundamentação teórica metodologia resultados e discussões e conclusão 2 Fundamentação Teórica 21 Média Móvel O método da Média Móvel Equação 1 é amplamente utilizado pela sua facilidade de implementação e manutenção e pela necessidade de poucos dados históricos para a sua aplicação No entanto este método é apropriado somente para previsões de curto prazo e para dados históricos irregulares onde o padrão da série temporal não apresenta tendência e sazonalidade MAKRIDAKISWHEELWRIGHTHYNDMAN1998 Este método parte do pressuposto que a média aritmética simples é uma boa estimativa de previsão para os períodos seguintes 1 Onde Pt1 Previsão para o período t1 Rt Demanda real ocorrido em t n número total de registros ou ocorrências passadas Uma das características deste tipo de modelo é que todos os dados possuem o mesmo peso ou importância no cálculo de previsão o que pode ser inoportuno caso a intenção seja dar às observações mais antigas menor impacto 22 Suavização Exponencial Simples O método de suavização exponencial aplica uma média ponderada nas observações de uma série temporal Os pesos aplicados no método são determinados em progressão geométrica com pesos maiores dados as informações mais recentes isto é dados mais antigos têm pesos menores ARCHIER 1980 Sendo assim a forma geral do método de suavização exponencial simples é apresentada na equação 2 onde é alocado um parâmetro de suavização a aos valores mais recentes Y1 e um peso 1a para as previsões mais recentes WINTERS1960 A forma inteira da equação 2 é apresentada na equação 3 onde a previsão está expressa em função de todos os dados da série temporal 2 3 Quanto mais próximo de 1 o valor de α maior o ajuste do erro na previsão anterior enfatizando assim as demandas recentes Por outro lado quanto mais próximo de 0 o valor de α menor o ajuste sendo assim o modelo trata as demandas históricas mais uniformemente e gera previsões mais estáveis MAKRIDASKIS WHEEL WRIGHT HYNDMAN 1998 23 Suavização exponencial Dupla O método de suavização dupla também conhecido como Suavização Linear de Holt é utilizado para previsões com dados que apresentam tendência linear mas que não apresentam sazonalidade A previsão utilizando esse método é obtida como uso de duas constantes de suavização α e β com valores entre 0 e 1 não relacionados e das equações 4 5 e 6 TAYLOR 2003 RASMUSSEN 2004 4 5 6 Assim como no modelo da média móvel o número de períodos influência o grau de sensibilidade em relação aos dados mais recentes Metodologia Para o cálculo de previsões de demanda utilizamse de maneira geral métodos quantitativos e qualitativos MONTGOMERY JOHNSON GARDINER 1990 Os métodos quantitativos são baseados em séries temporais históricas e na previsão de eventos futuros SPENDDING CHAN 2000 já os métodos qualitativos envolvem estimações subjetivas buscando compreender a realidade apresentada por meio das entrevistas com especialistas ou consumidores No presente artigo utilizouse uma abordagem quantitativa através da aplicação dos métodos média móvel suavização exponencial simples e dupla Para a estimação da demanda do mês de outubro foi realizado primeiramente a coleta de dados em que utilizouse o histórico de demanda da linha de desmontagem do produto A de março de 2016 até setembro de 2017 Em seguida aplicouse os métodos citados anteriormente calculouse o erro absoluto e o MAD média dos erros absolutos Por fim comparouse o resultado do MAD da aplicação de cada método e verificouse o menor valor o qual demonstra o método com menor erro ou seja o mais indicado para a estimação da demanda Resultados e discussões O primeiro método a ser aplicado foi o método da média móvel O seu resultado pode ser visualizado na Tabela 1 Tabela 1 Aplicação do Método da Média Móvel Fonte elaborado pelos próprios autores 2017 Observase na Tabela 1 que foi utilizado 4 bases diferentes para o cálculo da previsão da demanda sendo elas de base dois base tres base quatro e base cinco Para cada base obteve os seguintes valores de MAD Tabela 2 Tabela 2 MAD para o Método de Média Móvel Fonte elaborado pelos próprios autores 2017 Analisando o MAD para cada base podese notar que o menor MAD foi encontrado para a aplicação da média móvel utilizandose a base cinco Sendo assim a previsão com menor erro e consequentemente mais próxima da real será de aproximadamente 7225 produtos para o mês de outubro Já para o método de Suavização exponencial simples e dupla obtevese os resultados encontrados na Tabela 3 e Tabela 4 respectivamente abaixo Tabela 3 Aplicação do Método de Suavização Exponencial Simples Fonte elaborado pelos próprios autores 2017 Tabela 4 Aplicação do Método de Suavização Exponencial Dupla Fonte elaborado pelos próprios autores 2017 Para o método de Suavização simples foi encontrado a demanda de 7660 e para o método de suavização dupla a demanda de 6590 aproximadamente Para ambos os métodos foi calculado o MAD Tabela 5 Tabela 5 MED para o Método de Suavização Exponencial Dupla Fonte elaborado pelos próprios autores 2017 Conforme a Tabela 5 verificouse que o método de suavização simples obteve o menor MAD ou seja o menor erro para a previsão da demanda futura Comparandose os três métodos média móvel suavização exponencial simples e suavização exponencial dupla constatase que o menor MAD encontrado foi para o método de média móvel com base cinco com erro de 134118 e demanda de 7725 aproximadamente Considerando que os dados de demandas são irregulares e o objetivo é calcular a previsão de curto prazo segundo MAKRIDAKIS este método é o mais apropriado Conclusão O objetivo principal desse artigo foi a aplicação de métodos quantitativos para a previsão da demanda de forma a identificar o melhor método a ser utilizado na tarefa em questão ou seja com o menor erro Tendo em vista os resultados observados verificase que o objetivo foi alcançado já que foi possível identificar o melhor método a ser utilizado nessa base de dados O método média móvel com base cinco foi o de menor erro se comparado com os demais métodos erro de 134118 e demanda de 7725 aproximadamente Além disso segundo MAKRIDAKIS o método de média móvel é o mais apropriado para os dados de demandas irregulares e para o cálculo da previsão de curto prazo que neste estudo de caso fez sentido já que os dados são irregulares e o objetivo era prever a demanda do mês seguinte É importante ressaltar que existem outros métodos e softwares para obter previsões mais precisas sendo que para futuros trabalhos podese fazer a comparação da diferença de demanda prevista entre os métodos utilizados neste estudo de caso com métodos mais complexos como o Método de Holt Winters Bibliografia ARCHER B Forecasting Demand Quantitative and Intuitive Techniques International Journal of Tourism Management v 1 n1 p 512 1980 ARMSTRONG J Research Needs in Forecasting International Journal of Forecasting v4 n 3 p 4494465 1988 KRAJEWSKI L J RITZMAN L P Operations Management Strategy and Analysis 6 ed New Jersey PrenticeHall 2002 RASMUSSEN R On Time Series Data and Optimal Parameters Omega v 32 n2 p 111120 2004 MAKRIDAKIS S WHEELWRIGHT S HYNDMAN R Forecasting Methods and Applications 3ed New York John Wiley Sons 1998 TAYLOR J W Exponetial Smoothing with a Damped Multiplicative Trend International Journal of Forecasting v 19n 4 p 715725 2003 MONTGOMERY D JOHNSON L GARDINER J Forecasting and Time Series Analysis New York McGrawHill 1990 WINTERS P R Forecasting Sales by Exponentially Weighted Moving Avarage Management Science v 6 p 324342 1960 SPEDDING T CHAN K Forecasting Demand and Inventory Management Using Bayesian Time Series Integrated Manufacturing Systems v 11 n 5p 331339 2000 MOON M MENTZER J SMITH C GARVER M Seven Keys to Better Forecasting Business Horizons v 41 n 5p 4452 1998