Apostila- Gestão Logistica

Prévia do material em texto

G393 Ges tão logística da cadeia de suprimentos [recurso eletrônico] / 
Donald J. Bowersox ... [et al.] ; revisão técnica: Alexandre 
Pignanelli ; tradução: Luiz Claudio de Queiroz Faria. – 4. 
ed. – Dados eletrônicos. – Porto Alegre : AMGH, 2014.
Editado também como livro impresso em 2014.
ISBN 978-85-8055-318-5
1. Logística Empresarial. 2. Administração – Material – 
Logística. I. Bowersox, Donald J.
 CDU 658.7
Catalogação na publicação: Ana Paula M. Magnus – CRB-10/2052
Gestao Logistica_4ed_completo_eletrônico.indd 2 1/10/14 4:33 PM
130 PARTE 1 Gestão logística da cadeia de suprimentos
O processo de desdobramento (deployment) do estoque tem de incluir elementos de longo 
e curto prazos. Os de longo prazo se concentram nos planos anuais ou trimestrais, com a fina-
lidade de coordenar os planos de marketing e financeiros para atingir os objetivos empresariais. 
Embora as operações logísticas da cadeia de suprimentos não sejam o foco principal, elas me-
recem alguma consideração, já que os planejadores têm de garantir que haja capacidade sufi-
ciente de produção agregada, armazenamento e movimentação. Os de curto prazo se 
concentram nos planos semanais e diários, com o objetivo de coordenar os recursos logísticos 
da cadeia de suprimentos, para garantir que as solicitações específicas do cliente possam ser 
satisfeitas. O propósito principal de um sistema de desdobramento (deployment) do estoque é 
um plano integrado, chamado Sistema de Planejamento de Programação Avançados (APS – 
Advanced Planning and Scheduling). Uma discussão detalhada sobre o sistema APS é apresen-
tada mais adiante neste capítulo.
PLANEJAMENTO DE VENDAS E OPERAÇÕES
o S&oP É UM ProceSSo que coordena os planos de oferta e demanda em toda a empresa, que 
inclui o compartilhamento de informações e a definição de responsabilidades, visando desen-
volver de forma sistemática um planejamento comum e coerente. Embora o S&OP seja um 
processo organizacional, ele também exige um suporte substancial da tecnologia de informa-
ção, podendo variar de algo simples, como algumas planilhas interligadas, até um APS sofisti-
cado, o qual é discutido mais adiante. 
Em geral, a tecnologia do S&OP integra as informações da empresa relativas a previsões, 
disponibilidade de estoque, recursos de produção e outras restrições de recursos. 
Os requisitos incluem instalações, equipamentos, mão de obra e estoques necessários 
para cumprir a missão logística. Por exemplo, o componente de requisitos logísticos progra-
ma os envios de produtos acabados das fábricas para os depósitos e, finalmente, para os 
clientes. A quantidade embarcada é calculada como a diferença entre os requisitos do cliente 
e o nível de estoque. Os requisitos futuros se baseiam em previsões, pedidos do cliente e pro-
moções. As previsões se baseiam em informações de vendas e marketing, juntamente aos 
níveis históricos de atividade. Os pedidos do cliente incluem os pedidos atuais, as enco-
mendas futuras já empenhadas e os contratos. A consideração da atividade promocional é 
particularmente importante no planejamento dos requisitos logísticos, já que frequente-
mente ela representa uma grande porcentagem da variação no volume e tem um grande 
impacto sobre a capacidade. A situação atual do estoque é a quantidade de produto dispo-
nível para o embarque. A Figura 6.1 ilustra o cálculo para determinar os requisitos logísti-
cos periódicos. 
Especificamente, para cada período, dia, semana ou mês do planejamento, a soma da pre-
visão, dos pedidos futuros e do volume promocional representa a demanda do período. Na 
verdade, essa demanda é uma combinação dos três, pois as previsões atuais podem incorporar 
alguns pedidos futuros e parte do volume promocional. Os requisitos logísticos do período são 
determinados como sendo a demanda do período menos a soma do estoque disponível dos re-
cebimentos planejados. Utilizando essa fórmula, cada período termina (em condições ideais) 
com zero estoque disponível, já que os recebimentos planejados seriam exatamente iguais à 
demanda do período. Embora a coordenação perfeita da oferta e da demanda seja desejável na 
perspectiva de gestão do estoque, isso pode não ser possível ou também pode não ser a melhor 
estratégia global para uma empresa.
Gestao Logistica_4ed_completo_eletrônico.indd 130 1/10/14 4:34 PM
 Planejamento de operações integradas CAPÍTULO 6 131
O PROCESSO DE S&OP
Um processo integrado de S&OP é cada vez mais necessário para operações eficazes na cadeia 
de suprimentos e estabelece colaborativamente um plano coordenado para responder às neces-
sidades dos clientes dentro das restrições de recursos da empresa. Tradicionalmente, as empresas 
têm desenvolvido sequencialmente – e, muitas vezes, independentemente – planos financeiros, 
operacionais e de vendas. Primeiro, o setor de finanças desenvolve planos de receita de vendas 
normalmente projetados para atender as expectativas dos acionistas. Depois, o setor de vendas 
desenvolve planos e táticas de marketing para atender as metas de receita para os grupos de 
produtos da empresa. Isso inclui estabelecer planos específicos de inovação, formação de preço 
e promoção para os produtos, com o objetivo de atingir os resultados desejados. Por fim, as ope-
rações da cadeia de suprimentos desenvolvem planos logísticos, de materiais e de produção que 
possam atender as demandas dos clientes dentro das restrições operacionais da empresa e seus 
parceiros na cadeia de suprimentos. A Figura 6.2 ilustra alguns dos conflitos envolvidos. O setor 
de vendas gostaria de vender uma grande variedade de produtos, respondendo rapidamente aos 
clientes e com prazos de entrega pequenos. Na verdade, o objetivo de vendas é maximizar a re-
ceita fornecendo aos clientes o que quiserem, quando quiserem. As operações da cadeia de su-
primentos preferem minimizar as variações de produto e as alterações na produção, limitar as 
variações na programação e aumentar o prazo de entrega para obter vantagens das economias 
de escala. Na verdade, um foco importante das operações da cadeia de suprimentos é obter 
vantagens nas economias de escala de produção, transportes e manuseio. Como existe um po-
tencial significativo de conflito nesses objetivos – atender as solicitações exclusivas dos clientes 
versus economias de escala operacionais –, é necessário considerar sistematicamente os trade‑
‑offs e criar planos coerentes de modo colaborativo. Isso inclui desenvolver e estar de acordo com 
as previsões, os lançamentos de produtos, as táticas de marketing e os planos operacionais que 
podem cumprir compromissos financeiros e com os clientes dentro das restrições da empresa.
Uma empresa de velas decorativas é utilizada para ilustrar alguns dos trade‑offs envolvidos. 
Primeiro, o grupo financeiro fornece à Wall Street as projeções de vendas da empresa para o 
próximo trimestre. Com as projeções financeiras como objetivo, a área de marketing determina 
a combinação de volume e preço do mix de produtos que poderia alcançar esses objetivos. 
Frequentemente, para atingir o maior volume, o marketing utiliza algumas táticas, como uma 
maior variação nos aromas ou nos tamanhos das embalagens, ou outros tipos de inovação. A 
menos que a empresa possa terceirizar as atividades da cadeia de suprimentos, a maior variação 
dos produtos costuma desafiar a capacidade atual da cadeia de suprimentos devido ao aumen-
to dos tempos de preparação de linha/setup. Assim, dados os objetivos financeiros, as empresas 
empregam um processo de S&OP para avaliar os trade‑offs entre o aumento da receita resul-
tante das iniciativas de marketing e o maior custo da cadeia de suprimentos devido à maior 
complexidade dos produtos ou ao fato de se aproximar do limite de capacidade. Por meio 
dessa avaliação a empresa consegue determinar a combinação mais rentável das atividades de 
marketing e da cadeia de suprimentos.
FIGURA 6.1 
Requisitos 
logísticos.
+ Previsões (vendas, marketing, informações, históricos, contas)+ Pedidos dos clientes (pedidos atuais, pedidos futuros já empenhados, contratos)
+ Promoções (promoção, planos de propaganda)
= Demanda do período 
‑ Estoque disponível 
‑ Recebimentos planejados
Requisitos logísticos do período
Gestao Logistica_4ed_completo_eletrônico.indd 131 1/10/14 4:34 PM
132 PARTE 1 Gestão logística da cadeia de suprimentos
Embora o S&OP tenha considerações significativas acerca da tecnologia da informação, 
ele não é apenas uma aplicação da tecnologia da informação. É uma combinação de sistemas 
de informação, com elementos significativos de planejamento financeiro, de marketing e da 
cadeia de suprimentos, integrada com processos organizacionais e responsabilidades para 
desenvolver consenso e executar planos colaborativos. Portanto, um S&OP eficaz exige uma 
mistura de processos e tecnologias dentro de uma organização colaborativa. A Figura 6.3 
ilustra o processo de S&OP. Seu primeiro componente é um planejamento considerando 
uma previsão financeira e um orçamento correspondente. Esse plano é usado para orientar 
os níveis de atividade e determinar o volume agregado e as necessidades de recursos. Já o 
segundo é o plano de vendas, que é desenvolvido a partir do plano de marketing sem restri-
ções. Esse plano determina o nível máximo de vendas e lucratividade que poderia ser atingi-
do se não houvesse restrições operacionais na cadeia de suprimentos. Como indica a Figura 
6.3, o plano de marketing sem restrições sintetiza as informações sobre os pedidos recebidos, 
clientes atuais e novos, concorrentes, margens de venda, potencial de novos produtos, forma-
ção de preços e a economia geral para projetar quais seriam as vendas sem as restrições 
operacionais na cadeia de suprimentos. O componente final do S&OP é o plano de recursos, 
que é desenvolvido a partir das restrições de recursos internos da empresa e de seus parceiros. 
O plano operacional sintetiza as demandas e restrições de recursos para identificar e avaliar 
trade‑offs potenciais.
O planejamento empresarial e os planos de marketing sem restrições e de recursos são in-
tegrados e sincronizados ao longo do processo de S&OP, que exige uma combinação de tecno-
logia para identificar e avaliar as restrições, bem como os inputs gerenciais para determinar 
quais restrições poderiam ser liberadas na forma de priorização dos envios para os clientes, al-
terações nos planos de marketing, operações em horas extras ou produção terceirizada. 
Concluído o processo de S&OP para períodos atuais e futuros, o resultado é um plano comum 
e coerente que sintetiza os planos financeiro e de marketing da empresa com suas capacidades 
de recursos. Quando esse plano agregado é aprovado, ele se torna a base para os sistemas de 
planejamento da cadeia de suprimentos mais acurados. A próxima seção discute algumas des-
sas aplicações em detalhe.1
1 Para uma discussão sobre o conteúdo S&OP, veja Deep R. Parekh, “S&OP More Prevalent, Global,” American Shipper, June 2008, 
pp. 28 -33.
Balanceando objetivos
Operações Vendas
• Previsões acuradas
• Poucos produtos
• Turnos longos
• Programações estáveis
• Prazos de entrega longos
• Maximizar a produção
• Previsões agregadas
• Muitas variações 
nos produtos
• Resposta rápida
• Alto nível de serviço
• Maximizar a receita
• Capital de giro alto (estoque)
• Níveis inferiores de serviço
• Qualidade inferior
• Margens menores
Abordagem funcional tradicional do planejamento leva a 
interesses distintos, ações não otimizadas e melhorias mais lentas
FIGURA 6.2
Conflitos no 
processo de 
planejamento.
Gestao Logistica_4ed_completo_eletrônico.indd 132 1/10/14 4:34 PM
 
150 PARTE 1 Gestão logística da cadeia de suprimentos
mensagem. Deve -se tomar cuidado extremo para estruturar a função de comunicação com um 
alto grau de confiabilidade ao mesmo tempo que se mantém a flexibilidade necessária para 
fazer mudanças e adaptações.
É importante perceber que um processo de previsão significativo exige uma combinação 
integrada e coerente de componentes. Historicamente, pensava -se que um esforço intenso em 
um componente individual, como a técnica, poderia superar os problemas dos outros compo-
nentes. Por exemplo, acreditava-se que era possível identificar uma técnica de previsão “perfei-
ta” que superasse a necessidade de sistemas de apoio e de um processo coerente. Há uma 
crescente percepção de que os três componentes devem trabalhar em conjunto. O processo de 
projeto deve considerar adequadamente os pontos fortes e fracos de cada componente indivi-
dual, e projetar com o objetivo de atingir o desempenho ótimo do sistema integrado.
Embora a técnica de previsão seja apenas um componente do processo geral de gestão da 
demanda, é importante entender a amplitude de técnicas disponíveis e as medidas para avaliá -las.
TÉCNICAS DE PREVISÃO
A previsão de demanda exige escolher técnicas matemáticas ou estatísticas adequadas para 
gerar previsões periódicas. O uso eficaz de uma técnica exige combinar características da situa-
ção com as habilidades da técnica. Alguns critérios para avaliar a aplicabilidade de uma técni-
ca incluem: (1) exatidão; (2) horizonte de tempo da previsão; (3) o valor da previsão; (4) 
disponibilidade de dados; (5) tipo de padrão dos dados; e (6) experiência de quem fará a previ-
são.5 Cada técnica de previsão alternativa deve ser avaliada qualitativa e quantitativamente em 
relação a esses seis critérios.
5 Spyros Makridakis, Steven Wheelright, and Robert Hyndman, Forecasting, Methods and Applications, 3rd ed. (New York: John Wiley 
& Sons, 1997).
Ta
xa
s 
de
 p
ed
id
os
 e
 d
e 
pr
od
uç
ão
 (u
ni
da
de
s 
po
r 
se
m
an
a)
Es
to
qu
e 
e 
pe
di
do
s 
nã
o 
at
en
di
do
s 
(t
ot
al
 d
e 
un
id
ad
es
)
Meses
Semanas
Jan. Fev. Mar. Abr. Maio Jun. Jul. Ago. Set. Out. Nov. Dez.
5 10 15 20 25 30 35 40 45 50
Pedidos de consumidores aos varejistas
Pedidos de varejistas aos distribuidores
Pedidos dos distribuidores aos depósitos da fábrica
Saída de produção da fábrica
Estoque no 
depósito da fábrica
Pedidos não atendidos 
no depósito da fábrica
1.500
1.000
500
6.000
4.000
2.000
+10%
+16%
+28%
+40%
+25%
+4%
–13%
–52%
–3%
–6%
Fonte: Reproduzido com permissão de Jay W. Forrester, Industrial Dynamics (Waltham, MA: Pegasus Communications, 1961), 
http://www.pegasuscom.com.
FIGURA 6.8
Resposta de 
uma simulação 
de sistema de 
produção e 
distribuição a 
um aumento 
inesperado 
de 10% na 
demanda 
do varejo.
Gestao Logistica_4ed_completo_eletrônico.indd 150 1/10/14 4:34 PM
 Planejamento de operações integradas CAPÍTULO 6 151
Existem três categorias de técnicas de previsão: (1) qualitativa; (2) séries temporais; e (3) 
causal. Uma técnica qualitativa usa dados como opinião de especialistas e informações especiais 
para prever o futuro, e pode considerar o passado ou não. Uma técnica de séries temporais 
concentra -se totalmente nos padrões históricos e nas mudanças de padrões para gerar previ-
sões. Uma técnica causal, como a regressão, usa informações refinadas e específicas sobre variá-
veis para desenvolver uma relação entre um evento principal e uma atividade prevista.
Qualitat iva
Técnicas qualitativas apoiam -se na especialização e são um tanto dispendiosas e demoradas. 
São ideais para situações em que são necessários poucos dados históricos e muita avaliação 
administrativa. Usar os dados da força de vendas como base da previsão para uma nova região 
ou um novo produto é um exemplo de aplicação de técnicas qualitativas de previsão na cadeia 
de suprimentos. No entanto, tais métodos geralmente não são adequados para a previsão na 
cadeia de suprimentos devido ao tempo exigido para gerar as previsões detalhadas. Previsões 
qualitativas são desenvolvidas por meio de pesquisas, painéis e reuniões de consenso.
Séries temporais
Técnicas de séries temporais são métodos estatísticos usados quando há disponibilidade de da-
dos históricos de vendas com padrões e tendências relativamenteclaros e estáveis. Usando -se 
esses dados, a análise de séries temporais é aplicada para identificar sazonalidade, padrões cí-
clicos e tendências. Depois que os componentes individuais da previsão são identificados, as 
técnicas de séries temporais supõem que o futuro refletirá o passado, ou seja, os padrões de 
demanda passados continuarão no futuro. Esse pressuposto é razoavelmente correto no curto 
prazo, portanto essas técnicas são mais adequadas para previsões de pouco alcance.
Quando a taxa de crescimento, ou tendência, muda significativamente, o padrão de de-
manda passa por um ponto crítico. Visto que as técnicas de séries temporais usam padrões de 
demanda históricos e médias ponderadas de pontos de dados, elas normalmente não são sensí-
veis a esses pontos críticos. Como resultado, outras abordagens devem ser integradas às técnicas 
de séries temporais para determinar quando é provável que ocorram pontos críticos.
As técnicas de séries temporais incluem uma variedade de métodos que analisam o padrão 
e o movimento de dados históricos para estabelecer características recorrentes. Com base em 
características específicas, podem ser usadas técnicas com níveis de sofisticação variados para 
desenvolver previsões com séries temporais. Em ordem crescente de complexidade, podemos 
citar quatro técnicas de séries temporais: (1) médias móveis; (2) suavização exponencial; (3) sua-
vização expandida; e (4) suavização ajustável.
A previsão por médias móveis usa a média dos períodos de vendas mais recentes. Ela pode 
usar qualquer quantidade de períodos de tempo anteriores, embora médias de 1, 3, 4 e 12 pe-
ríodos sejam comuns. Uma média móvel de 1 período resulta na previsão do próximo período 
sendo projetada pelas vendas do último período. Uma média móvel de 12 períodos, por exem-
plo, usa a média dos últimos 12 períodos. Cada vez que os dados reais de um novo período se 
tornam disponíveis, eles substituem os dados do período mais antigo; portanto, o número de 
períodos de tempo incluídos na média se mantém constante.
Embora as médias móveis sejam fáceis de calcular, existem diversas restrições. A mais signi-
ficativa é que elas não reagem ou reagem devagar às mudanças e deve -se manter e atua lizar uma 
grande quantidade de dados históricos para o cálculo das previsões. Se as variações do histórico 
de vendas forem grandes, o valor médio não será confiável para gerar previsões úteis. Além da 
demanda base, as médias móveis não consideram os demais componentes já discutidos.
Gestao Logistica_4ed_completo_eletrônico.indd 151 1/10/14 4:34 PM
152 PARTE 1 Gestão logística da cadeia de suprimentos
Ft = 
i = 1 
           n
∑ St – i
n
Matematicamente, a média móvel é expressa da seguinte maneira:
onde
 Ft = previsão por média móvel para o período de tempo t 
St – i = vendas no período de tempo i 
 n = quantidade total de períodos de tempo 
Por exemplo, uma previsão para abril com base em vendas de 120, 150 e 90 nos três meses 
anteriores é calculada da seguinte maneira:
Para superar parcialmente essas deficiências, foram introduzidas as médias móveis ponde-
radas para obter maior exatidão. O peso enfatiza as observações recentes. A suavização expo‑
nencial é uma forma de média móvel ponderada. Ela baseia a estimativa de vendas futuras na 
média ponderada dos níveis anteriores de demanda e previsão. A nova previsão é uma função 
da previsão antiga incrementada por uma fração do diferencial entre a previsão antiga e as 
vendas reais. O incremento de ajuste é denominado fator alfa. O formato básico do modelo é
onde
 Ft = previsão de vendas para o período de tempo t 
 Ft–1 = previsão para o período de tempo t ‑ 1
Dt–1 = demanda real no período de tempo t - 1 
  = fator alfa ou constante de suavização (0    1)
Para ilustrar, suponha que as previsões para o período de tempo mais recente foram 100 e 
as vendas reais foram de 110 unidades. Além disso, suponha que o fator alfa empregado é 0,2. 
Então, por substituição,
Sendo assim, a previsão para o período t é de venda de 102 unidades do produto.
A principal vantagem da suavização exponencial é que ela permite calcular rapidamente 
uma nova previsão sem registros históricos e atualizações substanciais. Portanto, a suavização 
exponencial é altamente adaptável à previsão computadorizada. Dependendo do valor da 
constante de suavização, também é possível monitorar e alterar a sensibilidade da técnica.
A principal decisão a tomar quando se usa a suavização exponencial é a escolha do fator 
alfa. Se for utilizado um fator igual a 1, o efeito líquido é usar as vendas do período mais recen-
Fabril = 
120 + 150 + 90 
        3
= 120
Ft = Dt – 1 + (1 – ) Ft – 1
Ft = Dt – 1 + (1 – )Ft – 1
 = (0,2)(110) + (1 – 0,2)(100)
 = 22 + 80
 = 102
Gestao Logistica_4ed_completo_eletrônico.indd 152 1/10/14 4:34 PM
 Planejamento de operações integradas CAPÍTULO 6 153
te como previsão para o próximo período. Um valor muito baixo, como 0,01, tem o efeito lí-
quido de reduzir a previsão a praticamente uma média móvel simples. Fatores alfa altos tornam 
a previsão muito sensível a mudanças e, portanto, altamente reativa. Fatores alfa baixos tendem a 
reagir lentamente às mudanças e, portanto, minimizam a reação a flutuações aleatórias. No 
entanto, a técnica não consegue apontar a diferença entre sazonalidade e flutuação aleatória. 
Logo, a suavização exponencial não elimina a necessidade de julgamento. Na escolha do fator 
alfa, a pessoa que faz a previsão enfrenta o trade ‑off entre eliminar as flutuações aleatórias ou 
ter uma previsão que reaja completamente a alterações na demanda.
A suavização exponencial expandida incorpora a influência da tendência e da sazona-
lidade quando valores específicos desses componentes podem ser identificados. O cálculo da 
suavização expandida é semelhante ao do modelo de suavização simples, exceto que há três 
componentes e três constantes de suavização para representar os componentes de demanda 
base, de tendência e de sazonalidade.
Assim como a suavização exponencial, a suavização expandida permite calcular novas 
previsões rapidamente, com o mínimo de dados. A capacidade de reação da técnica depende 
dos valores das constantes de suavização. Valores mais altos dessas constantes proporcionam 
capacidade de resposta rápida, mas podem levar ao excesso de reação e a problemas de exa-
tidão da previsão.
A suavização ajustável proporciona uma revisão regular da validade do fator alfa. O 
valor de alfa é revisado na conclusão de cada período de previsão com o objetivo de determinar 
o valor exato que teria resultado em uma previsão perfeita para o período anterior. Uma vez 
determinado, o fator alfa usado para gerar a previsão subsequente é ajustado para o valor que 
teria gerado uma previsão perfeita. Portanto, a avaliação gerencial é parcialmente substituída 
por um método sistemático e coerente de atualização de alfa. A maioria dos softwares de pre-
visão tem habilidade para avaliar sistematicamente constantes de suavização alternativas para 
identificar uma que teria gerado o melhor desempenho nos períodos de tempo mais recentes.
Formas mais sofisticadas de suavização ajustável incluem um sinal de acompanhamento 
automático para monitorar erros. Quando ele é disparado devido ao excesso de erros, a cons-
tante é automaticamente aumentada para tornar a previsão mais reativa aos períodos recentes 
de suavização. Se as vendas do período recente demonstram mudanças substanciais, o aumen-
to na reatividade deve reduzir o erro das previsões. Quando este diminui, o sinal de acompa-
nhamento automaticamente volta a constante de suavização ao seu valor original. Embora as 
técnicas adaptáveis sejam projetadas para realizar ajustes sistemáticos no caso de erro, seu 
ponto fraco é às vezes reagir excessivamente e interpretar um erro aleatório como tendência ou 
sazonalidade. Esse equívoco leva a mais erros no futuro.
Causal
A previsão por regressão estima as vendas de umitem com base nos valores de outros fatores 
independentes. Se for possível identificar uma boa relação, por exemplo, entre preço e consu-
mo, a informação pode ser usada para prever necessidades com eficácia. A previsão causal ou 
por regressão funciona bem quando uma variável principal, como o preço, pode ser identifica-
da. No entanto, essas situações não são particularmente comuns para aplicações em cadeias de 
suprimentos. É denominada regressão simples se a previsão do item baseia -se em um único 
fator. O uso de mais de um fator de previsão constitui a regressão múltipla, e suas previsões 
usam a correlação entre um evento principal ou previsível e a demanda dependente de vendas. 
Não é necessário que uma relação de causa e efeito entre as vendas do produto e o evento in-
dependente exista se um alto grau de correlação estiver constantemente presente. Uma corre-
Gestao Logistica_4ed_completo_eletrônico.indd 153 1/10/14 4:34 PM
154 PARTE 1 Gestão logística da cadeia de suprimentos
lação supõe que as vendas previstas são precedidas por algum fator principal independente, 
como as vendas de um produto relacionado. No entanto, o uso mais confiável da previsão de 
vendas por regressão baseia -se em uma relação de causa e efeito. Visto que a regressão pode, 
de modo eficaz, considerar fatores e eventos externos, as técnicas causais são mais adequadas 
para previsões agregadas ou de longo prazo. Por exemplo, técnicas causais são comumente 
usadas para gerar previsões de vendas anuais ou nacionais. A partir da discussão anterior, deve 
estar claro que softwares de previsão oferecem uma ampla gama de habilidades tanto em ter-
mos de técnicas quanto de sofisticação. A Tabela 6.4 apresenta um resumo das aplicações e das 
restrições das técnicas de previsão disponíveis.
Fonte: Reproduzido com permissão de David J. Closs, Forecasting and Its Use In Logistics, Council of Supply Chain Management 
Professionals, Oak Brook, IL.
TABELA 6.4
Resumo das 
técnicas de 
previsão.
Técnicas 
de previsão Descrição Aplicação Limitações
Média móvel
Uma média simples dos 
períodos anteriores de 
vendas.
Útil quando só há 
componentes de demanda 
base e irregular.
Não é útil quando há sazonalidade 
ou tendência significativa.
Suavização 
exponencial
Uma média móvel 
exponencialmente 
ponderada que usa 
constantes de 
suavização para dar 
maior peso às demandas 
mais recentes.
Útil quando é necessário 
manter dados e gerar 
previsões para uma grande 
quantidade de itens que 
incorporam componentes 
de tendência e sazonalidade 
individuais.
Não é tão útil quando há outros 
fatores que influenciam a 
demanda, como promoções, 
alterações de preços, ou ações 
dos concorrentes que não são 
programadas com regularidade.
Séries 
temporais
Usam os períodos de 
tempo como variável 
independente para 
prever os padrões 
de demanda futura.
Úteis quando os padrões de 
demanda se repetem com 
alguns componentes 
cíclicos, sazonais ou de 
tendência.
Não respondem rapidamente às 
mudanças, visto serem necessários 
diversos períodos para que o 
modelo identifique as mudanças e a 
previsão responda às alterações 
nos padrões; essas séries são 
geralmente mais sensíveis que a 
técnica de regressão, pois não 
assumem um tipo específico de 
relação (por exemplo, linearidade); 
também exigem uma avaliação na 
escolha das variáveis que devem 
ser incluídas.
Regressão
Usa outras variáveis 
independentes, como 
preço, planos 
promocionais ou 
volumes de produtos 
relacionados, para 
prever as vendas.
Útil quando há uma forte 
relação linear ou não linear 
entre as variáveis 
independentes e a demanda.
Não respondem rapidamente às 
mudanças, visto serem 
necessários diversos períodos 
para que o modelo identifique as 
mudanças e a previsão responda 
às alterações nos padrões; 
também exigem uma avaliação na 
escolha das variáveis que devem 
ser incluídas.
Multivariada
Usam técnicas 
estatísticas mais 
complexas para 
identificar relações 
mais complexas no 
histórico de demanda, 
tais como: análise 
espectral, análise de 
Fourier, funções de 
transferência e redes 
neurais.
Úteis quando há uma 
relação complexa, 
geralmente linear ou não 
linear, entre os padrões 
históricos e a demanda. A 
análise identifica e avalia 
conjuntos alternativos de 
parâmetros para determinar 
o melhor ajuste e usa ‑o para 
prever a demanda futura. 
Essas técnicas muitas vezes 
são mais úteis para fazer 
previsões macro, como 
consumo de energia, 
crescimento econômico 
ou transporte agregado.
Embora haja fatores quantitativos 
para escolher o melhor modelo, 
com frequência também há uma 
avaliação substancial envolvida, 
então essas técnicas muitas vezes 
não são adequadas para previsões 
acuradas de itens, locais e 
unidades de tempo.
Gestao Logistica_4ed_completo_eletrônico.indd 154 1/10/14 4:34 PM
 Planejamento de operações integradas CAPÍTULO 6 155
ACURÁCIA DAS PREVISÕES
A acurácia das previsões refere -se à diferença entre as previsões e as vendas reais corresponden-
tes. Melhorar a acurácia exige medir e analisar os erros. Embora um erro de previsão geral-
mente possa ser definido como a diferença entre a demanda real e a prevista, é necessária uma 
definição mais exata para o cálculo e a comparação. A Tabela 6.5 apresenta a demanda mensal 
e a previsão para um modelo específico de computador pessoal em um centro de distribuição 
regional. Esse exemplo ilustra medições alternativas de erros de previsão.
Uma abordagem para a medição de erros é somá-los ao longo do tempo, como ilustrado 
na coluna 4. Com essa abordagem, os desvios são somados ao longo do ano e calcula -se a 
média simples. Como ilustrado, o desvio médio está muito próximo de zero, apesar de haver 
alguns meses com desvio significativo. A preocupação com essa abordagem é que desvios 
positivos cancelam os negativos, mascarando um sério problema na previsão. Para evitar esse 
problema, uma abordagem alternativa é ignorar o “sinal” e avaliar o desvio absoluto. A co-
luna 5 ilustra o cálculo do desvio absoluto e o desvio absoluto médio (DAM; em inglês, 
MAD – Mean Absolute Deviation) resultante. Para comparar previsões, normalmente se 
calculam os percentuais. O erro percentual absoluto médio (MAPE – Mean Absolute 
Percentage Error) é calculado dividindo o desvio absoluto médio pela demanda média.
Outra consideração é o nível da medição ou agregação. Supondo -se que sejam registrados 
detalhes de cada item, o erro de previsão pode ser calculado para combinações de itens e locais, 
grupos de itens ou locais, e para todo o país. Em geral, mais agregação resulta em menos erros 
relativos de previsão. Por exemplo, a Figura 6.9 ilustra erros de previsão comparativos nos ní-
veis nacional, de marca e de itens/locais. A figura mostra o erro de previsão relativo mínimo, 
máximo e médio para um conjunto de empresas que vendem bens de consumo. Como ilustra 
a Figura 6.9, embora um erro relativo de 40% seja a média para o nível de agregação de item/
local, ele refletiria uma previsão muito ruim se medido em nível nacional.
TABELA 6.5
Demanda e 
previsão 
mensais de 
computadores. 
a = Desvio absoluto médio (DAM).
b = Média de (erro de previsão mensal/demanda mensal).
(1) (2) (3) (4) (5)
Mês Demanda Previsão Desvio Desvio absoluto
Janeiro 100 110 –10 10
Fevereiro 110 90 20 20
Março 90 90 0 0
Abril 130 120 10 10
Maio 70 90 –20 20
Junho 110 120 –10 10
Julho 120 120 0 0
Agosto 90 110 –20 20
Setembro 120 70 50 50
Outubro 90 130 –40 40
Novembro 80 90 –10 10
Dezembro 90 100 –10 10
Soma 1200 1240 –40 200
Média 100 103,3 –3,3 16,7a
Percentual (erro/média) 17,1%b
Gestao Logistica_4ed_completo_eletrônico.indd 155 1/10/14 4:34 PM
156 PARTE 1 Gestão logística da cadeia de suprimentos
resuMo
A gestão eficaz da cadeia de suprimentos exige planejamento e colaboração multi-
funcional e multiempresarial. O planejamento bem -sucedido da cadeia de suprimentos exige: 
(1) visibilidade na cadeia de suprimentos; (2) consideração simultânea de recursos;e (3) utiliza-
ção de recursos. Alcançar esses três requisitos com sucesso depende da colaboração entre os 
membros da cadeia.
A execução sincronizada de planejamento da demanda, planejamento da produção e pla-
nejamento logístico é necessária para conseguir um plano integrado geral. A maioria das em-
presas tem implementado um processo de S&OP para orientar um planejamento integrado de 
sucesso. Para ser bem -sucedido, o S&OP requer atenção e orientação contínuas da alta direção. 
Embora haja necessidade de muito trabalho e coordenação para o S&OP bem -sucedido, é 
importante ter em mente que ele é um processo, e não função de um indivíduo ou organização. 
Ultimamente, as empresas estão se movendo em direção ao Planejamento Empresarial 
Integrado (IBP), devido à sua maior abrangência. Tornou -se prática comum os participantes da 
cadeia de suprimentos de várias organizações desenvolverem e implementarem em conjunto os 
processos de CPFR.
Na maioria das cadeias de suprimentos, os requisitos dos clientes devem ser antecipados 
por previsões, que incluem diversos componentes, sendo os principais: a demanda base, a ten-
dência e a sazonalidade. Embora esses componentes externos sejam significativos, a variação da 
demanda também resulta de ações operacionais, como promoções, alterações de preço e lança-
mentos de novos produtos. O processo de previsão deve incorporar uma combinação de técni-
cas, sistemas de apoio e gerenciamento. As técnicas de previsão proporcionam um ponto de 
partida quantitativo, o sistema de apoio refina os dados considerando as mudanças do merca-
do, e o gerenciamento de previsões fornece um processo para guiar e monitorar o esforço total. 
Existem técnicas de previsão qualitativas e causais, mas a maioria das previsões logísticas e de 
cadeias de suprimentos é desenvolvida por meio de métodos de séries temporais. Embora tenha 
havido alguns avanços nas técnicas e nos métodos de previsão, as melhorias mais substanciais 
foram alcançadas com o uso de técnicas colaborativas, como o CPFR, que envolvem diversos 
parceiros da cadeia de suprimentos.
Erro 
percentual
Nacional Por marca Por item/
localização
0
20
40
60
80
100
FIGURA 6.9 
Comparação 
entre erros de 
previsão.
Gestao Logistica_4ed_completo_eletrônico.indd 156 1/10/14 4:34 PM
 
Encerra aqui o trecho do livro disponibilizado para 
esta Unidade de Aprendizagem. Na Biblioteca Virtual 
da Instituição, você encontra a obra na íntegra.