TN_STO_238_378_32977

Prévia do material em texto

APLICAÇÃO DOS MÉTODOS DE 
PREVISÃO DE DEMANDA EM UMA 
HAMBURGUERIA 
 
Igor Santos Costa (UEPA) 
igor.santos.costa10@gmail.com 
Antonio Andrei Pinho Braga (UEPA) 
andreibragavb@hotmail.com 
Carlos Andrey Pinto Ferreira (UEPA) 
Carlos.andreyf@gmail.com 
Leony Luis Lopes Negrao (UEPA) 
leonynegrao@gmail.com 
 
 
 
O presente trabalho tem por objetivo analisar alguns dos métodos de 
previsão de demanda relacionados a abordagem baseada em séries 
temporais de quatro produtos de uma hamburgueria, e a partir disso 
propor melhorias para empresa objetivando a minimização dos 
problemas de insuficiência ou excesso de insumos. Para tal, os dados 
foram coletados por meio dos relatórios de vendas gerados pelo sistema 
de informação da empresa. Em seguida, os dados foram analisados em 
um horizonte semanal e posteriormente utilizados para construção dos 
modelos de previsão e para validação dos mesmos por meio da técnica 
de controle de previsão PMA. O método de Suavização Exponencial com 
Sazonalidade e Tendência foi o que melhor se adequou-se para três dos 
quatro produtos analisados. A partir desses resultados, foi possível 
realizar as previsões para as próximas quatro semanas e sugerir 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
2 
melhorias para o sistema de planejamento e controle da produção da 
empresa. 
 
Palavras-chave: previsão de demanda; séries temporais; hamburgueria 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
3 
1. Introdução 
No cenário atual de um ambiente competitivo, devido as facilidades tecnológicas, as empresas 
de modo geral planejam a sua produção a partir da previsão do volume de vendas. As técnicas 
geralmente utilizadas para se fazer essas estimativas são as de previsões de demandas. Esses 
métodos possibilitam por meio de análises quantitativas ou qualitativas deduzir valores 
aproximados do volume real de vendas, o que por sua vez permite que as empresas tomem 
melhores decisões quanto a quantidade a ser produzida e comprada. 
Uma das características dos pequenos negócios e dos novos empreendimentos nesse cenário é 
que eles tipicamente enfrentam escassez de quase tudo: de capital a espaço físico. Isso é 
especialmente verdadeiro em relação a utilização das ferramentas para elaboração de previsões 
de demanda, na qual muitas das vezes não são elaboradas devido à falta de armazenamento de 
dados históricos ou à falta de conhecimento necessário por parte dos funcionários das empresas. 
Para Ritzman e Krajewski (2004) as previsões são necessárias para auxiliar na determinação de 
que recursos são necessários, da programação dos recursos existentes e da aquisição de recursos 
adicionais. Dessa forma, fazer previsões é estimar a demanda futura por produtos e serviços e 
os recursos necessários para produzi-los. A sobrevivência, o crescimento e a lucratividade a 
longo prazo, bem como a eficiência e a eficácia a curto prazo dependem de previsões acuradas. 
Nesse contexto, a utilização das ferramentas para a previsão de demanda mostra-se fundamental 
para o planejamento da produção, vendas e finanças da maioria das empresas, em especial dos 
pequenos e novos empreendimentos, que precisam ser cada vez mais competitivos. 
O objeto de estudo deste trabalho é uma empresa localizada na cidade de Castanhal, nordeste 
paraense, que possui um modelo de negócio que estar inserido ao mesmo tempo nos segmentos 
de fast food e restaurantes tradicionais, as chamadas hamburguerias. Segundo Instituto 
Gastronômico (IGA), os restaurantes especializados em hambúrguer foram um dos que mais 
cresceram na cidade de São Paulo: 575% nos últimos dez anos (FOLHA DE S.PAULO, 2014). 
O processo de expansão foi tão intenso que pode estar surgindo uma nova categoria de 
empreendimento. 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
4 
Diante desse contexto, o presente trabalho se desenvolve com o objetivo de analisar 
os métodos de previsão de demanda usuais baseados em séries temporais dos principais 
produtos de uma hamburgueria, e a partir disso propor melhorias no sistema de planejamento e 
controle da produção da empresa. 
 
2. Referencial teórico 
Esta seção está dividida em três tópicos visando uma melhor discussão acerca dos tipos de 
modelo de previsão, dos métodos baseados em séries temporais e das metodologias de controle 
de previsão. 
 
2.1. Tipos de modelo de previsão 
Para Tubino (2007), os métodos de previsão de demanda são essenciais no processo de tomada 
de decisão. Uma previsão de demanda com acurácia pode proporcionar para a empresa que a 
utiliza, maior competitividade no mercado (VEIGA; VEIGA; DUCLÓS, 2010). Nesta mesma 
lógica, para que os resultados das previsões sejam coerentes com a realidade, faz-se necessário 
a escolha de um método de previsão adequado. Segundo Fernandes e Godinho Filho (2010) a 
escolha do método de previsão depende de um maior conhecimento de cada método e do 
comportamento dos dados. Tais métodos são divididos em três tipos de abordagens: qualitativa, 
causal e por séries temporais. 
 
2.2. Séries temporais 
Para Fernandes e Godinho Filho (2010), os métodos baseados em séries temporais seguem o 
princípio de que os mesmos fatores que influenciaram o passado influenciarão no futuro. Os 
modelos usados neste trabalho foram todos baseados nesse tipo de abordagem, dentre os quais 
estão o método da Média Móvel Ponderada, Suavização Exponencial Simples, Suavização 
Exponencial Dupla e Suavização Exponencial com Sazonalidade e Tendência. 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
5 
 
 
 
2.2.1. Média móvel ponderada 
No método da Média Móvel Ponderada são levados em consideração k períodos mais recentes. 
Para cada um desses períodos é atribuído um determinado peso, onde a soma desses pesos deve 
ser igual a 1 (MOREIRA, 2004). 
 
2.2.2. Suavização exponencial simples 
No método de Suavização Exponencial Simples, também conhecido como Média Exponencial 
Móvel, o peso de cada observação decresce no tempo de maneira exponencial (TUBINO, 2007). 
A previsão é obtida por meio da previsão anterior, acrescida do erro cometido por essa mesma 
previsão, corrigido por uma constante de ponderação (0 < ɑ < 1). 
 
2.2.3. Suavização exponencial dupla 
O método da Suavização Exponencial Dupla, também conhecido como método de Holt, é 
utilizado sempre que os dados apresentam uma tendência (MARTINS; LAUGENI, 2005). 
Nesse método, além das constantes α e β, precisam ser definidas a base da previsão e a tendência 
do primeiro período, fazendo comque os valores da base e da tendência de um determinado 
período levem em conta a tendência do período anterior. 
 
2.2.4. Suavização exponencial com sazonalidade e tendência 
O método da Suavização Exponencial com Sazonalidade e Tendência, também conhecido como 
método de Winters, é utilizado em situações nas quais os dados, além de apresentarem 
comportamentos sazonais, também apresentam uma tendência linear ao longo do tempo 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
6 
(FERNANDES; GODINHO FILHO; 2010). Para aplicação desse método, faz-se necessário a 
escolha das constantes de ponderação ɑ, β e γ, onde podem variar entre zero e um, que serão 
utilizadas respectivamente para as equações alisadoras de previsão, tendência e sazonalidade. 
 
 
 
2.3. Controle de previsão 
Sabe-se que a acurácia dos valores previstos está diretamente ligado com os lucros e os custos 
da empresa, pois quando falta produto no mercado deixa-se de ganhar e quando se tem muito 
estoque, o custo da existência do mesmo aumenta. Portanto, é de fundamental importância que 
as empresas controlem a acuracidade das suas previsões, analisando e corrigindo continuamente 
os erros de previsão. 
Existem vários métodos de controle de previsão, tais como: somatória acumulada dos erros de 
previsão, desvio absoluto médio, porcentagem média absoluta e sinal de rastreamento. Neste 
estudo será utilizado apenas o método da Porcentagem Média Absoluta (PMA). 
 
2.3.1. Porcentagem média absoluta (PMA) 
O método PMA também conhecido como MAPE é utilizado para relacionar o erro absoluto 
com os valores da demanda, quanto menor esse valor for, mais próximo do real este resultado 
da demanda é, ou seja, os dados coletados e a análise foram com qualidade. 
 
3. Método de pesquisa 
A pesquisa foi feita em uma hamburgueria atuante desde de outubro de 2016. As ferramentas 
de previsão de demanda foram aplicadas em 4, dos 10 tipos de hambúrgueres vendidos na 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
7 
empresa, os quais representam aproximadamente 50% do faturamento da mesma, segundo a 
análise de Pareto. 
A execução da pesquisa foi conduzida por meio de algumas das etapas utilizadas em Ueda et 
al. (2016). As etapas estão apresentadas na Figura 1: 
 
 
 
 
 
 
 
 
Figura 1 - etapas para a execução da pesquisa 
 
Fonte: Ueda et al (2016) 
A descrição das etapas apresentadas na Figura 1 estão expostas a seguir: 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
8 
1ª Etapa – Visita à empresa: primeiramente realizou-se uma visita na empresa, com o objetivo 
de conhecer o ambiente onde são servidos os hambúrgueres, os processos produtivos, 
administrativos e de como os registros de vendas eram feitos. 
2ª Etapa – Coleta de dados: foi solicitado ao colaborador responsável pelas compras e vendas 
o registro semanal da quantidade de todos os tipos de hambúrgueres comercializados na 
empresa. Os dados de vendas disponibilizados datavam do início das atividades da empresa até 
o início de janeiro de 2017. 
3ª Etapa – Tratamento e análise dos dados: Após a coleta de dados, os mesmos foram 
transferidos e organizados em planilhas eletrônicas. Posteriormente, escolheu-se por meio do 
princípio de Pareto os tipos de hambúrgueres que representassem os maiores faturamentos para 
a empresa. Por meio dessa análise foram escolhidos quatro tipos de hambúrgueres. Em seguida, 
utilizou-se a técnicas de previsão baseada em séries temporais apresentadas anteriormente para 
cada produto escolhido. Para isso, foram utilizados 16 períodos (semanas) dos dados 
disponibilizados, onde os 12 primeiros foram usados na construção do modelo e os outros 
quatro para a validação do mesmo por meio da metodologia de controle de previsão PMA. Os 
valores dos parâmetros dos métodos de suavização exponencial (ɑ, β e γ) foram obtidos, de 
modo que os resultados do PMA fossem mínimos. 
4ª Etapa – Previsão de demanda: a partir do tratamento e análise dos dados, foi possível 
elaborar um ranking do PMA dos métodos implementados com o intuito de escolher o melhor 
modelo para cada produto. Em seguida, foram feitas as previsões para as próximas quatro 
semanas do mês de janeiro de 2017. 
5ª Etapa – Proposição de melhorias: após a execução das quatro etapas, buscou-se identificar 
melhorias no sistema de planejamento e controle da produção da empresa, utilizando como base 
os resultados da previsão de demanda. 
 
4. Resultados e discussões 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
9 
Nesta seção, estão apresentados os procedimentos e as análises feitas com a série histórica dos 
dados de vendas da empresa. Para analisar os dados foram utilizadas as planilhas eletrônicas do 
Microsoft Office Excel 2013 
4.1. Aplicação dos métodos de previsão 
Nesta seção, estão apresentados para cada método de previsão os valores dos parâmetros que 
proporcionaram os menores resultados do PMA e os valores do PMA. Para o cálculo dos valores 
que minimizassem o PMA, utilizou-se o suplemento Solver do Microsoft Office Excel 2013. 
4.1.1. Média móvel ponderada 
Para o método da Média Móvel Ponderada utilizou-se nos quatro produtos os três períodos mais 
recentes. Os valores dos pesos (P1, P2 e P3) utilizados para cada produto (H1, H2, H3 e H4) 
estão apresentados na Tabela 1. 
 
 Tabela 1 - valores dos pesos do método média móvel ponderada 
 H1 H2 H3 H4 
P1 0,10 0,26 0,24 0,47 
P2 0,10 0,42 0,10 0,10 
P3 0,80 0,32 0,66 0,43 
Fonte: autoria própria (2017) 
Na Tabela 2 estão apresentados os valores do PMA do método da Média Móvel Ponderada para 
os quatro produtos analisados. 
Tabela 2 - valores do PMA do método da média móvel ponderada 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
10 
 PMA (%) 
H1 21,3% 
H2 18,6% 
H3 22,1% 
H4 7,5% 
Fonte: autoria própria (2017) 
 
4.1.2. Suavização exponencial simples 
O valor do parâmetro (ɑ) utilizado no método de Suavização Exponencial Simples para cada 
produto (H1, H2, H3 e H4) estão apresentados na Tabela 3. 
Tabela 3 - valores dos parâmetros do método de suavização exponencial simples 
 H1 H2 H3 H4 
Alfa (ɑ) 0,06 0,55 0,81 0,31 
Fonte: autoria própria (2017) 
 
Na Tabela 4 estão apresentados os valores do PMA do método da Suavização Exponencial 
Simples para os quatro produtos analisados. 
 
Tabela 4 - valores do PMA do método de suavização exponencial simples 
 PMA (%) 
H1 17,8% 
H2 22,9% 
H3 24,2% 
H4 9,7% 
Fonte: autoria própria (2017) 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
11 
 
4.1.3. Suavização exponencial dupla 
Os valores dos parâmetros (ɑ e β) utilizados no método de Suavização Exponencial Dupla (H1, 
H2, H3 e H4) estão apresentados na Tabela 5. 
Tabela 5 - valores dos parâmetros do método de suavização exponencial dupla 
 H1 H2 H3 H4 
Alfa (ɑ) 1,00 0,48 1,00 0,27 
Beta (β) 0,15 0,00 0,50 0,51 
Fonte: autoria própria (2017) 
 
Na Tabela 6 estão apresentados os valores do PMA do método da Suavização Exponencial 
Dupla para os quatro produtos analisados. 
Tabela 6 - valores do PMA do método de suavização exponencial dupla 
 PMA (%) 
H1 12,1% 
H2 25,6% 
H3 18,9% 
H4 9,4% 
Fonte: autoria própria (2017) 
 
4.1.4. Suavização exponencial com sazonalidade e tendência 
Os valores dos parâmetros (ɑ, β e γ) utilizados no método Suavização Exponencial com 
Sazonalidade e Tendência para cada produto (H1, H2, H3 e H4) estão apresentados na Tabela 
7. 
Tabela 7 - valores dos parâmetros do método suavização exponencial com sazonalidade 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
12 
 H1 H2 H3 H4 
Alfa (ɑ) 1,00 0,05 0,42 0,89 
Beta (β) 0,42 0,33 1,00 0,00 
Gama (γ) 0,20 0,20 0,11 0,20 
Fonte: autoria própria (2017) 
 
Na Tabela 8 estão apresentados os valores do PMA do método Suavização Exponencial com 
Sazonalidade e Tendência para os quatro produtos analisados. 
Tabela 8 - valores do PMA do método suavização exponencial com sazonalidade e tendência 
 PMA (%) 
H1 11,6% 
H2 17,0% 
H3 15,1% 
H4 11,3% 
Fonte: autoria própria (2017) 
4.2. Comparação dos modelos 
Com base nas informações apresentadas na seção 4.1, elaborou-se para todos os produtos um 
ranking entre o PMA dos métodos implementados com o objetivo de encontrar o modelo que 
melhor se adéque para cada produto. O ranking dos produtos H1, H2, H3 e H4 estão 
apresentados nas Tabelas 9, 10, 11 e 12, respectivamente. 
 
 
Tabela 9 - ranking do PMA para o produto H1 
Posição Método de Previsão PMA (%) 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
13 
1º Suavização Exponencial com Sazonalidade e Tendência 11,59% 
2º Suavização Exponencial Dupla 12,12% 
3º Suavização Exponencial Simples 17,83% 
4º Média Móvel Ponderada 21,33% 
Fonte: autoria própria (2017) 
 
Tabela 10 - ranking do PMA para o produto H2 
Posição Método de Previsão PMA (%) 
1º Suavização Exponencial com Sazonalidade e Tendência 16,98% 
2º Média Móvel Ponderada 18,57% 
3º Suavização Exponencial Simples 22,90% 
4º Suavização Exponencial Dupla 25,57% 
Fonte: autoria própria (2017) 
 
Tabela 11 - ranking do PMA para o produto H3 
Posição Método de Previsão 
PMA 
(%) 
1º 
Suavização Exponencial com Sazonalidade e 
Tendência 
15,12% 
2º Suavização Exponencial Dupla 18,94% 
3º Média Móvel Ponderada 22,14% 
4º Suavização Exponencial Simples 24,21% 
Fonte: autoria própria (2017) 
 
 
 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
14 
 
Tabela 12 - ranking do PMA para o produto H4 
Posição Método de Previsão PMA (%) 
1º Média Móvel Ponderada 7,48% 
2º Suavização Exponencial Dupla 9,41% 
3º Suavização Exponencial Simples 9,68% 
4º Suavização Exponencial com Sazonalidade e Tendência 11,27% 
Fonte: autoria própria (2017) 
A partir das informações apresentadas nas Tabelas de 9 a 12, é possível identificar que o método 
de Suavização Exponencial com Sazonalidade e Tendência foi o que apresentou melhores 
previsões para os produtos H1, H2 e H3, enquanto que o método da Média Móvel Ponderada 
foi o que apresentou melhor previsão para o produto H4. A partir dessa análise, foram 
elaboradas as previsões de demanda para as próximas quatro semanas do mês de janeiro, 
utilizando em cada produto o método que apresentou melhores resultados anteriormente. As 
previsões para os produtos H1, H2, H3 e H4 estão apresentadas na Tabela 13. 
Tabela 13 - previsões para os produtos H1, H2, H3 e H4 
Semana da 
Previsão 
H1 H2 H3 H4 
1ª 53 45 11 46 
2ª 45 44 10 45 
3ª 40 40 7 46 
4ª 28 36 4 46 
Fonte: autoria própria (2017) 
A partir dos resultados da previsão de demanda apresentados na Tabela 13, e em virtude dos 
produtos em questão apresentarem uma quantidade significativa de materiais para serem 
montados, a empresa em questão poderá utilizar as previsões para a elaboração do planejamento 
das necessidades de materiais (MRP). Além disso, a empresa também poderá utilizar as 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
15 
previsões no gerenciamento de estoque, uma vez que seu estoque é controlado somente por 
meio da experiência dos colaboradores. 
 
 
5. Considerações finais 
O presente trabalho buscou analisar os métodos de previsão baseados em séries temporais de 
quatro produtos de uma hamburgueria, em virtude dessa não utilizar um sistema de previsão de 
demanda estruturado que considerasse as séries históricas. 
O método de Suavização Exponencial com Sazonalidade e Tendência, o mais complexo dentre 
os quatro métodos utilizados, foi o que melhor se adequou para os produtos H1, H2 e H3, 
enquanto que o Média Móvel Ponderada foi o que melhor se adequou para o produto H4. 
Com base nos resultados do PMA para os melhores métodos em cada produto, foi possível 
inferir que as utilizações das metodologias seriam viáveis para a empresa sob a perspectiva da 
acurácia das previsões. Além disso, a utilização de um sistema de previsão de demanda também 
seria viável sob a óptica operacional, devido sua implementação exigir somente o uso de 
planilhas eletrônicas, não apresentando grande complexidade técnica. 
Espera-se, portanto, por meio desse estudo que a empresa utilize as metodologias de previsão 
sugeridas como auxílio na previsão de vendas, e que a mesma utilize essas para implantar 
futuramente alguns dos procedimentos já apontadas neste trabalho. 
 
 
 
 
 
 
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO 
 “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens 
avançadas de produção” 
Joinville, SC, Brasil, 10 a 13 de outubro de 2017. 
 
 
 
 
 
16 
 
 
 
 
 
 
 
Referências 
FERNANDES, F.C. F; GODINHO FILHO, M. Planejamento e Controle da Produção: dos fundamentos ao 
essencial. São Paulo: Atlas, 2010. 
JORNAL FOLHA DE S. PAULO. Disponível em: <http://www.folha.uol.com.br/>. Acesso em: 19 abr. 2017. 
MARTINS, Petrônio G.; LAUGENI, Fernando P. Administração da produção. São Paulo: Saraiva, 2005. 
MOREIRA, D. A. Administração da Produção e Operações. Porto Alegre: Editora Thomson Pioneira,2004. 
RITZMAN, L. P.; KRAJEWESKI, L. J. Administração da Produção e operações. Traduzido por Roberto 
Galman. Revisado por Carlos Eduardo Mariano da Silva. São Paulo: Perarson Prentice Hall, 2004. 
TUBINO, D.F.. Planejamento e Controle da Produção – Teoria e Prática. São Paulo: Atlas, 2007. 
UEDA, R. et al. Uso de técnicas de previsão de demanda em uma indústria de nutrição animal. Simpep 
2016. Acesso em: 23/02/2017; 
VEIGA, Cassia; VEIGA, Claudimar; DUCLÓS, Luiz. A acuracidade dos modelos de previsão de demanda 
como fator crítico para o desempenho financeiro na indústria de alimentos. Future srj 2010. Disponível 
em:< https://revistafuture.org/fsrj/article/viewfile/58/95> acesso em 22/02/2017;