Baixe o app para aproveitar ainda mais
Prévia do material em texto
APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA EM UMA LOJA DE MATERIAIS DE CONSTRUÇÃO Fernanda Quiteria Arraes Pimentel (UEPA ) pimentelfernanda95@gmail.com Roberta Guedes Guilhon Cruz (UEPA ) robertaguilhon@hotmail.com Rafael Pereira Guerreiro (UEPA ) rafaelguerreiro44@hotmail.com Os autores desta pesquisa tiveram como objetivo realizar uma pesquisa de previsão de demanda dos produtos”classe A” de uma loja de materiais de construção localizada na cidade de Ananindeua-PA. Após definir o objetivo da pesquisa, os passoss seguintes foram coletar e analisar os dados históricos dos produtos em questão, testar diversas técnicas de previsão para verificar qual era a mais apropriada, a partir de então, obter as projeções futuras da demanda. A família de produtos classificada como “classe A” foi a de Ferro e Aço e entre os modelos de previsão de demanda testados, o que apresentou menores indicadores de erro e valores de previsão confiáveis foi a média ponderada. Observando que nenhum dos valores dos erros absolutos ultrapassaram o limite de 4MAD, constatou-se que o modelo de previsão está sob controle.Este modelo foi adequado ao comportamento de dados coletados, gerando previsões muito próximas dos valores reais ocorridos e com base neste encontrou-se a estimativa de vendas de 227.716 produtos da família Ferro e Aço para o mês seguinte. Considerando, ainda, que a média ponderada é um modelo para previsões de curto prazo, precisa ser revisado com frequência. Palavras-chave: Demanda, estoque, previsão XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 2 1. Introdução O atual cenário de recessão econômica em que o Brasil se encontra reflete diretamente nas decisões dos gestores nas organizações de pequeno à grande porte. A competitividade entre as empresas cresce junto com as exigências por parte dos consumidores. Neste sentido, a área de Planejamento e Controle da Produção ajuda os tomadores de decisão a atender a demanda nos prazos e quantidades preestabelecidas, visando à satisfação do cliente e assim se manter por mais tempo no mercado. A construção civil é um dos setores que mais tem investido para resistir à crise econômica e manter suas taxas de crescimento. Para isso, as lojas de materiais de construção precisam estar preparadas, com a quantidade necessária de materiais que este setor requer, e assim evitar atrasos na entrega que ocasionalmente afeta os prazos de conclusão de obras. A empresa onde esta pesquisa foi realizada está situada na cidade de Ananindeua-PA. É organizada, possui uma boa localização e facilidade de acesso tanto para os clientes como para logística de entrega. Recentemente, em razão das dificuldades impostas pela economia nacional, precisou diminuir seu quadro de funcionários e busca outros métodos que colaborem para a redução de custos da empresa. Com o auxílio de um modelo de previsão, os gestores desta empresa podem melhor planejar a quantidade necessária de materiais estocados, evitando excessos ou faltas. E, por consequência, diminuindo custos de estocagem. Nesta perspectiva, este trabalho teve como objetivo realizar uma pesquisa de previsão de demanda na loja de materiais de construção citada. Para isto, foram utilizadas técnicas de previsão de demanda para auxiliar na tomada de decisão da empresa. O artigo está subdivido em referencial teórico, metodologia, estudo de caso e conclusão. Tais tópicos foram discutidos e desenvolvidos com base em informações fornecidas pela empresa, estudos e cálculos baseados nas teorias de previsão de demanda e pesquisas em livros e artigos ligados ao planejamento e controle da produção. 2. Referencial Teórico 2.1 Planejamento e controle da produção (PCP) Segundo Lustosa etal. (2008), o processo de competitividade das organizações recebe influência do PCP, pois este torna viável os princípios de gestão através do conhecimento de todo o processo, visando a excelência e a contínua busca por melhorias. O PCP colabora na realização dos planos estabelecidos nos níveis estratégico, tático e operacional ao coordenar e aplicar corretamente os recursos produtivos disponíveis. Tubino (2006) afirma que ao serem definidas as metas e estratégias de um sistema produtivo, é necessário formular planos para atingi-las e com base nesses planos administrar os recursos humanos e físicos, direcionando a ação dos recursos humanos sobre os físicos, permitindo a correção de prováveis desvios. E o desenvolvimento dessas atividades descritas é responsabilidade do PCP, que para realizá-las administra informações vindas de diversas áreas do sistema produtivo. Algumas dessas informações, por exemplo, estão contidas nas listas de materiais, nos roteiros de fabricação e lead times. Portanto, entende-se que o PCP possui basicamente três importantes funções que buscam melhorar os sistemas de produção. São elas: o planejamento, a programação e o controle. Ao comandar, controlar e coordenar o processo produtivo tais funções são necessárias para a sobrevivência da empresa em um ambiente de intensa competição, XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 3 sendo a previsão de extremamente necessária para o bom desenvolvimento do PCP de determinada empresa. 2.2 Previsão da demanda De acordo com Lustosa et al. (2008), demanda é a disposição dos clientes ao consumo de determinados bens ou serviços de uma organização. Fatores como a disponibilidade do produto e preço no ponto-de-venda são alguns dos fatores que influenciam na formação da demanda de um produto. As empresas planejam atividades que direcionem o rumo em que seu negócio andará, e normalmente este rumo é traçado com base em previsões. Corrêa e Corrêa (2008) consideram a previsão uma das informações mais importantes para o planejamento. Tubino (2006) cita ainda que esta seja a base para o planejamento estratégico da produção, vendas e finanças de qualquer empresa. É fácil de compreender a importância das previsões nos processos de planejamento dos sistemas de produção, com elas os administradores destes sistemas antevêem o futuro e planejam suas ações. Conforme Tubino (2006), a preparação da previsão de demanda é responsabilidade do setor de Marketing ou Vendas. Entretanto, em empresas de pequeno e médio porte, cabe ao pessoal do PCP elaborar estas previsões devido ao fato de não existir uma especialização muito grande das atividades nessas organizações. Além disso, a previsão da demanda é a principal informação utilizada pelo PCP na elaboração de suas atividades. É importante saber como os dados foram obtidos, no que as técnicas de previsões foram embasadas e quais são suas restrições. A previsão da demanda divide-se em três tipos de métodos: qualitativos, quantitativos ou mistos. Os métodos qualitativos são exclusivamente intuitivos, são baseados na opinião dos gerentes e vendedores da empresa. Nos métodos quantitativos, que foram os usados para este trabalho, os dados futuros são obtidos através de dados passados. Este processo conta com técnicas como a medida móvel, média ponderada e a suavizaçãoexponencial móvel (RUSSOMANO, 2000). 2.3 Gestão de estoques Segundo Chiavenato (2005), os materiais assim que são comprados passam a fazer parte do estoque até que sejam necessários para utilização futura. Portanto, estoque é uma determinada quantidade de material armazenado por algum intervalo de tempo para uso futuro. A Gestão de Estoques não é uma função do PCP, mas este depende de suas informações relevantes e dados importantes para conhecer o estoque da empresa (RUSSOMANO, 2000). Entretanto, possuir estoque significa ter despesas de estocagem. Há duas situações extremas que devem ser evitadas: estoque em excesso e a longo prazo ou estoque insuficiente e atrasado (CHIAVENATO, 2005). Assim, as empresas buscam soluções para o desafio de conciliar o meio-termo entre manter um estoque de segurança para atender às necessidades e reduzir o risco de falta de estoque. Os estoques de produtos acabados, que são constituídos dos itens que foram produzidos pela empresa, são determinados em conjunto pela previsão de vendas, pelo processo produtivo e pelo investimento exigido para que alcance um nível ótimo de estoque. 2.4 Classificação ABC XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 4 A classificação ABC já tem sido utilizada na prática de gestão de estoques há alguns anos, seu introdutor foi H. F. Dixie na General Eletric. No entanto para Russomano (2000), apesar de ser bastante utilizada nesta área, a classificação ABC ou curva de Pareto significa muito mais do que isso, significa ordem de prioridade. Essa classificação divide os estoques de acordo com sua quantidade ou seu valor monetário em três classes, explicadas por Chiavenato (2005) da seguinte forma: os itens de classe A são os responsáveis pela maior parte (80%) do valor do estoque e merecem uma atenção individual pelo seu enorme valor monetário; os itens de classe B são intermediários e possuem relativa importância no valor global dos estoques; e os itens de classe C são os mais numerosos, mas menos importantes, podem ser tratados por procedimento automático que não exija muito tempo de decisão. Para melhor visualizar a classificação ABC, os itens são colocados em ordem crescente, acumulando suas porcentagens em relação ao volume total do estoque. 2.5Técnicas de previsão de demanda Para previsões de curto prazo (até três meses), Corrêa e Corrêa (2008) cita que se considera o futuro como uma “continuação” do passado recente. Geralmente as técnicas utilizadas são conhecidas como séries temporais simples, assim chamadas pelo fato de ser feita uma correlação entre as vendas passadas e o tempo, projetando um padrão de variação semelhante para o tempo futuro. Esta projeção é feita modelando-se matematicamente os dados do passado. Quando a demanda encontra-se relativamente estável, flutuando aleatoriamente em torno de um patamar que se deseja estimar, utilizam-se os métodos quantitativos mais simples para previsão. O esforço de tentar prever a flutuação aleatória é dispensável, portanto precisa-se suavizar seu efeito quando se estima o valor do patamar. Uma forma de fazer isso é usando modelos de Média Móvel (CORRÊA; CORRÊA, 2008). A Média Móvel assume que a melhor previsão para o futuro é dada pelas médias dos n últimos períodos. Pode-se utilizar a média móvel de três (MM3) períodos ou mais. Uma variação do modelo de média móvel, conhecido como média ponderada, permite que se dê um peso maior para os valores mais recentes ao calcular a média. Ou seja, os períodos são calculados com fatores de ponderação 0,5, 0,3 e 0,2 (fatores que somados resultam 1). Outro método, que é similar ao da média ponderada, é o de suavizamento exponencial. A diferença é que são utilizados todos os valores históricos com coeficientes de ponderação que decrescem exponencialmente. Este modelo é explicado pela seguinte equação: Onde: Bt = nova previsão Bt-1 = demanda prevista do período anterior Dt = demanda real do período anterior α = constante de suavização XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 5 Outros modelos bastante utilizados para previsão de demanda são a tendência e sazonalidade. A tendência indica o movimento gradual de longo prazo da demanda. O cálculo da tendência é realizado pela identificação de uma equação, podendo ser linear, quando o modelo de previsão obedece a uma reta, polinomial, quando ocorre uma flutuação dos dados, logarítmica, onde a taxa de alteração dos dados varia rapidamente depois se nivela e exponencial, quando ocorrem cada vez mais variações nos dados. Para Tubino (2000), a sazonalidade caracteriza-se por variações em intervalos regulares nas séries temporais de demanda. A forma mais simples de se considerar a sazonalidade nas previsões de demanda consiste em pegar o último dado da mesma, no período sazonal, e assumi-lo como previsão. Porém, a forma mais utilizada da sazonalidade nos modelos de previsão de demanda, é realizada calculando o índice de sazonalidade (dividindo o valor da demanda no período pelo valor da média móvel centrada neste período). 2.6 Erros de previsão Para saber se o modelo de previsão de demanda é confiável, é necessário realizar monitoramento por meio de cálculo e acompanhamento do erro de previsão, que é a diferença (ou desvio) entre o valor real da demanda e o valor previsto pelo modelo para dado período (TUBINO, 2006). Quando os desvios são positivos, significam que a demanda superou a previsão, e negativos, o contrário. Para Lustosa et al. (2006), toda e qualquer previsão de demanda sempre terá uma margem de erro. E quanto maior o horizonte de planejamento, maior será a incerteza das previsões. Portanto, é mais confiável as previsões de vendas dos próximos meses que aquelas um ano adiante. A soma dos erros deve tender a zero, pois espera-se que os valores gerados pela previsão sejam acima e abaixo dos reais, devendo assim se anular. Uma técnica bastante utilizada é o EPAM (Erro Percentual Absoluto Médio) que considera desvios percentuais no cálculo do erro, conforme a equação: Onde: Dt = valor real; Ft = valor previsto; n = número de períodos. A soma dos erros acumulados deve ser comparada com um múltiplo do desvio médio absoluto, conhecido como MAD (MeanAbsoluteDeviation). O valor do erro acumulado é comparado com o valor de 4MAD. Caso ultrapasse esse valor, o problema deve ser identificado e o modelo deve ser revisto. A fórmula para o cálculo do MAD é: Onde: Datual = demanda ocorrida no período; Dprevista = demanda prevista no período; n = número de períodos. XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 6 Outra forma de análise é utilizar o gráfico de controle como monitoramento dos dados, os limites superior e inferior correspondem a 4MAD que equivale a três devios-padrões, onde a adequação do modelo a esses limites será verificada. 3 Metodologia Para a elaboração deste trabalho de pesquisa, foram seguidas as cinco etapas básicas propostas por Tubino (2006) para obter um modelo de previsão da demanda. Sendo elas ilustradas na figura abaixo. Figura 1- Etapas do modelo de previsão da demanda.Fonte: Adaptado de Tubino (2006) A primeira etapa consiste em definir o objetivo pelo qual deseja-se encontrar um modelo de previsões. Para isso os autores desta pesquisa definiram, com o auxílio da classificação ABC, qual grupo ou família de produtos contido na empresa seria previsto. A escolha por trabalhar com grupos de produtos é devida a previsão ser mais precisa do que para os produtos individualmente, os erros individuais de previsão se minimizam no grupo (TUBINO, 2006). Definido o grupo e a razão pela qual será feita a previsão, o próximo passo consiste em coletar e analisar os dados históricos do produto. Nesta etapa foi feita a primeira visita a loja de materiais de construção, no setor de TI. A empresa conta com um banco de dados sofisticado e eficiente, que continha os dados necessários para a realização desta pesquisa. Foram coletados relatórios das vendas do ano de 2014 e 2015, adotou-se que 24 meses seriam parâmetros ideais para que a técnica de previsão fosse confiável. Uma vez coletados e analisados os dados passados, testou-se diversas técnicas de previsão para verificar qual era a mais apropriada. Com a técnica de previsão definida e a aplicação dos dados passados para obtenção dos parâmetros necessários, obteve-se as projeções futuras da demanda. 4.Estudo de caso O estudo de caso foi desenvolvido em uma loja de materiais de construção que está localizada na cidade de Ananindeua/PA, região metropolitana de Belém. A organização é de médio porte XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 7 e está no mercado há 13 anos. Atualmente posiciona-se entre as três maiores distribuidoras de ferro e aço do Estado, atendendo um público-alvo diversificado como construtoras, indústrias, serralheria, entre outras.Destaca-se em relação à concorrência devido seus produtos de alta qualidade e entrega com prazo de 24h após a compra. Para cumprir o prazo de entrega rápida, é necessário manter um estoque de segurança pronto para atender as necessidades de seus clientes. 4.1 Definição dos produtos a serem analisados Após a coleta de dados, utilizou-se o sistema de classificação ABC para identificar os produtos de classe A. O banco de dados da empresa possui relatórios que expressam a participação nas vendas de cada grupo de produtos ao mês. Foi tirada a média da porcentagem da participação nas vendas dos doze meses do ano de 2015 para montar a tabela abaixo. Tabela 1 – Participação nas vendas por grupo de produtos. Código Departamento %Part. Vendas 1 Ferro e Aço 82,65 2 Básicos 14,25 7 Ferragens 1,65 13 Portas, janelas 0,43 15 Tintas 0,35 6 Ferramentas 0,33 14 Hidráulica 0,09 8 Pisos e revestimentos 0,09 5 Elétrica 0,08 10 Jardinagem 0,06 20 EPI 0,01 11 Louças 0,01 3 Cozinhas e banheiros 0,00 12 Metais e abs 0,00 9 Iluminação 0,00 Fonte: Os autores (2016) Em seguida utiliza-se um gráfico de Pareto para melhor ilustrar os dados. XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 8 Figura 2 – Gráfico da classificação ABC. Fonte: Os autores (2016) Como visto acima, os itens do grupo de Ferro e Aço são responsáveis por mais de 80% do valor total das vendas durante o período de um ano, portanto são os itens de maior importância da empresa e por este motivo devem receber maior parte do esforço da gestão. 4.2 Determinação do modelo de previsão Como foi dito anteriormente, para efeito de planejamento da produção e estoques, normalmente utilizam-se dados das vendas passadas no processo de previsão de demanda (LUSTOSA et al., 2008). Abaixo está a tabela que descreve o histórico de vendas dos anos de 2014 e 2015. Tabela 2 – Histórico de vendas. Ferro & Aço Período Qt. Vendida Período Qt. Vendida jan/14 202.863 jan/15 250.697 fev/14 162.149 fev/15 158.801 mar/14 168.131 mar/15 216.612 abr/14 188.752 abr/15 167.255 mai/14 167.137 mai/15 192.305 jun/14 146.029 jun/15 235.682 jul/14 168.894 jul/15 207.789 ago/14 211.199 ago/15 206.215 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 9 set/14 220.638 set/15 210.015 out/14 210.352 out/15 234.047 nov/14 241.717 nov/15 229.165 dez/14 220.118 dez/15 224.314 Fonte: Os autores (2016) Através da tabela acima, verifica-se que houve uma queda brusca nas vendas entre os meses de janeiro e fevereiro de 2015. Os gestores da empresa não souberam especificar a causa, justificando como uma variação aleatória de mercado. Abaixo ilustra-se melhor os dados de vendas em um gráfico, onde pode-se observar uma variação uniforme na quantidade vendida, dentro dos limites de 150.000 à 250.000 unidades. Figura 3 – Vendas do ano de 2014 e 2015. Fonte: Os autores (2016) Utilizando o conceito do “ciclo de vida de produto”, que representa a evolução típica das vendas de um produto ao longo do tempo, percebeu-se que o produto em questão alcançou a fase de maturidade com estabilidade na demanda. Portanto, descartam-se modelos de tendência ou sazonalidade. A demanda foi classificada como independente (pois não está associada à demanda de outro produto) e estacionária, com um patamar de demanda constante ao longo do tempo e algumas variações aleatórias nas vendas. Depois de descartadas os modelos de tendência e sazonalidade, foram realizados os testes de previsão por média móvel, média ponderada e média exponencial. Alguns dos valores de previsão e erro encontrados através da média móvel e da média exponencial estão contidos no anexo I deste trabalho. Entre os modelos de previsão de demanda testados, o que apresentou menores indicadores de erro e valores de previsão confiáveis foi a média ponderada. Tabela 3 – Média ponderada. Ferro & Aço Média Ponderada Período Qt. Vendida MP(3) Erro jan/14 202.863 - fev/14 162.149 - mar/14 168.131 - abr/14 188.752 173283 15469 mai/14 167.137 177245 10108 jun/14 146.029 173820 27791 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 10 jul/14 168.894 160906 7988 ago/14 211.199 161683 49516 set/14 220.638 185474 35165 out/14 210.352 207458 2895 nov/14 241.717 213607 28110 dez/14 220.118 228092 7974 jan/15 250.697 224645 26053 fev/15 158.801 239727 80926 mar/15 216.612 198633 17979 abr/15 167.255 206086 38831 mai/15 192.305 180371 11934 jun/15 235.682 189651 46031 jul/15 207.789 208984 1195 ago/15 206.215 213060 6845 set/15 210.015 212581 2566 out/15 234.047 208430 25617 nov/15 229.165 221271 7894 dez/15 224.314 226800 2486 Fonte: Os autores (2016) O MAD foi de 21589. O gráfico abaixo explica que nenhum dos valores dos erros absolutos ultrapassou o limite de 4MAD, com isso constatou-se que o modelo de previsão está sobcontrole. Ao comparar os resultados da previsão de demanda com os dados da produção de insumos na construção civil, disponibilizados pelo Sinduscon-PA, percebeu-se que as taxas de construção civil referentes ao ano de 2015 seguem um modelo de média, comprovando a eficiência do modelo de previsão adotado no estudo de caso. Figura 5 – Gráfico de controle para o erro de previsão. Fonte: Os autores XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 11 A porcentagem do MAD em relação a média das quantidades vendidas foi de 10,70%. Isso significa que o modelo tem uma propensão a ser confiável, pois trabalha com um estoque de segurança inferior a 30% que usualmente é adotado por empresas que não possuem modelo de previsão. 5. Conclusões Com base no estudo de caso deste artigo, observou-se a importância da previsão de demanda acerca das possíveis vendas futuras dos produtos da empresa. Porém, é preciso praticar o processo com freqüência e persistência. O principal critério para a escolha da técnica de previsão foi baseada no menor valor do indicador de erro MAD, que para este caso foi a Média Ponderada. O modelo de previsão proposto foi adequado ao comportamento de dados coletados, gerando previsões muito próximas dos valores reais ocorridos. O erro de previsão total em relação a média das quantidades reais foi de 10,7%. A utilização da Média Ponderada é um modelo para previsões de curto prazo, com base neste modelo encontrou-se a estimativa de vendas de 227.716 produtos da família Ferro e Aço para o mês seguinte. No entanto, a escolha deste método não significa que ele sempre será o mais confiável. O processo de previsão é dinâmico e precisa ser revisado periodicamente com informações atualizadas. No setor da construção civil, geralmente a revisão do modelo deve ser feita entre três e seis meses. O investimento em aprimoramento de previsões de demanda deve estimular a integração das atividades de planejamento da empresa e contribuir para melhorar o desempenho da gestão da demanda, que também envolve a adoção de estratégias para o melhor atendimento à demanda. Referências CHIAVENATO, Idalberto. Administração da produção: uma abordagem introdutória. Rio de Janeiro: Elsevier, 2005. CORRÊA, Henrique L.; CORRÊA, Carlos A. Administração de produção e operações: manufatura e serviços. 1 ed. São Paulo: Atlas, 2008. LUSTOSA, Leonardo J.; MESQUITA, Marco Aurélio de; QUELHAS, Osvaldo Luiz G.; OLIVEIRA, Rodrigo J. de. Planejamento e Controle da Produção. 2 ed. Rio de Janeiro: Elsevier, 2008. RUSSOMANO, Victor Henrique. Planejamento e controle da produção.6 ed. São Paulo: Pioneira, 2000. SINDUSCON-PA. Disponível em: <www.sindusconpa.org.br> Acesso em: 26maio. 2016. TUBINO, Dalvio Ferrari. Manual de planejamento e controle da produção. 2 ed. São Paulo: Atlas, 2000. Anexo I - TABELA DE PREVISÃO DE DEMANDA Média Móvel Média Exponencial XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. . 12 MM(3) Erro Mexp(0,1) Erro Mexp(0,5) Erro Mexp(0,4) Erro - - 202863 40714 202863 40714 202863 40714 - 198792 30661 182506 14375 186577 18446 177714 11038 195726 6974 175319 13434 179199 9553 173011 5874 195028 27891 182035 14898 183020 15883 174673 28644 192239 46210 174586 28557 176667 30638 167306 1588 187618 18724 160308 8586 164412 4482 160687 50512 185746 25453 164601 46598 166205 44994 175374 45264 188291 32347 187900 32738 184202 36436 200244 10108 191526 18826 204269 6083 198777 11575 214063 27654 193408 48309 207310 34407 203407 38310 224236 4118 198239 21879 224514 4396 218731 1387 224062 26635 200427 50270 222316 28381 219286 31411 237511 78710 205454 46653 236506 77705 231850 73049 209872 6740 200789 15823 197654 18958 202631 13981 208703 41448 202371 35116 207133 39878 208223 40968 180889 11416 198859 6554 187194 5111 191836 469 192057 43625 198204 37478 189749 45933 192024 43658 198414 9375 201952 5837 212716 4927 209487 1698 211925 5710 202536 3679 210252 4037 208808 2593 216562 6547 202903 7112 208234 1781 207771 2244 208006 26041 203615 30432 209124 24923 208668 25379 216759 12406 206658 22507 221586 7579 218820 10345 224409 95 208909 15405 225375 1061 222958 1356
Compartilhar