1

CENTRO UNIVERSITRIO ANHANGUERA DE SANTO ANDR

RAQUEL ROSILDA FRANSOLIN ROBERTO LAURINDO CLAYTON MOGAMI FELIPE GRONDOSKI CLEIDSON PETRIS

MTODOS DE PREVISO DE DEMANDA PRODUTIVA

Santo Andr SP Dezembro/2011

RAQUEL ROSILDA FRANSOLIN ROBERTO LAURINDO CLAYTON MOGAMI FELIPE GRONDOSKI CLEIDSON PETRIS

MTODOS DE PREVISO DE DEMANDA PRODUTIVA

Trabalho de Concluso de Curso apresentado ao Centro Universitrio Anhanguera

Educacional S/A, como parte dos requisitos necessrios para obteno do ttulo de Engenheiro de Processos de Produo,

orientado pelo Prof. Jesus Carlos Delgado Garcia.

Santo Andr SP Dezembro/2011

RAQUEL ROSILDA FRANSOLIN ROBERTO LAURINDO CLAYTON MOGAMI FELIPE GRONDOSKI CLEIDSON PETRIS

MTODOS DE PREVISO DE DEMANDA PRODUTIVA

Trabalho de Concluso de Curso Centro Universitrio Anhanguera de Santo Andr

Orientador:

_________________________________________ Jesus Carlos Delgado Garcia.

Comisso julgadora

_________________________________________ ?

_________________________________________ ?

Santo Andr SP Dezembro/2011

As

nossas

famlias,

amigos,

colegas

professores que nos deram todo o apoio necessrio para a elaborao desse trabalho.

AGRADECIMENTOS

Primeiramente a DEUS e as nossas famlias que nos deram todo apoio de jamais desistirmos mesmo quando passvamos pelos momentos difceis e pelos obstculos que nos foram impostos at chegarmos at esse final de curso. Ao nosso orientador Prof. Jesus Carlos Delgado Garcia, pela pacincia, orientao e dedicao que nos foi passada.

RESUMO

Com base na anlise de Previso de Demanda dos meses anteriores e com o auxlio de ferramentas do Planejamento e Controle da Produo possvel fazer um estudo de maximizao do lucro de uma empresa. A maximizao do lucro ser feita com base em Pesquisa Operacional, onde o foco da pesquisa ser sobre o mtodo AJUSTAMENTO SAZONAL.

Palavras - chave: Pesquisa Operacional; Maximizao de Lucro; Mtodo AJUSTAMENTO SAZONAL; Previso de Demanda.

ABSTRACT Based on the analysis of Forecasting from previous months and with the aid of the Production Planning and Control is possible to make a study of profit maximization of a company.

Profit maximization will be based in operational research, where the research focus will be on the SEASONAL ADJUSTMENT method.

Keywords: Operational Research; Profit Maximization; SEASONAL ADJUSTMENT Method; Demand Forecasting.

LISTA DE TABELAS

TABELA 1 - Exemplo de clculo de Mdia Mvel ................................................................. 21 TABELA 2 - Exemplo de clculo de Mdia Mvel Ponderada ............................................... 22 TABELA 3 - Exemplo de clculo de Previses usando Suavizamento Exponencial com =0,1 e com =0,8 ............................................................................................................................. 23

LISTA DE FIGURAS FIGURA 1 - Processo de Previso ........................................................................................... 18 FIGURA 2 - Duas fases do processo de fornecimento de gua para uma cidade. ................... 42 FIGURA 3- Represa (estoque de gua) conciliando as diferentes taxas de consumo e suprimento de gua. .......................................................................................................... 42 FIGURA 4 - Classificao ABC para A = 480 itens; B = 720 itens; C = 1200 itens ............... 45

10

SUMRIO 1. INTRODUO ............................................................................................................... 12 12 12 12 13 13 14 14 14

1.1 Tema 1.2 rea da ABEPRO 1.3 Justificativa 1.4 Relevncias e Oportunidades 1.5 Questes de Pesquisa 1.6 Objetivo Geral e Especfico 1.7 Mtodos e Instrumentos de Coleta de Dados 1.8 Perspectivas e onde ser feita a pesquisa 2.

PREVISO DE DEMANDA .......................................................................................... 15 20 21 22 23 25

2.1 Modelos de Previso 2.2 Mdia Mvel 2.3 Suavizamento Exponencial 2.4 Regresso Linear 2.5 Modelos Economtricos 3. 3.1 Programao Linear P.L. 3.2 Mtodo AJUSTAMENTO SAZONAL 3.3 Simulao 4.

PESQUISA OPERACIONAL P.O. ............................................................................ 29 30 31 37

GESTO DE ESTOQUES ............................................................................................. 39 39 41 43

4.1 Definio e natureza dos estoques 4.2 Funo dos estoques 4.3 Classificao dos estoques

4.3.1 Estoques de matrias-primas ........................................................................................... 43 4.3.2 Estoques de materiais em processamento ........................................................................ 43 4.3.3 Estoques de materiais semi-acabados .............................................................................. 43 4.3.4 Estoques de materiais acabados ....................................................................................... 44 4.3.5 Estoques de produtos acabados ....................................................................................... 44 4.4 Classificao ABC 44

4.4.1 Montagem da curva ABC ................................................................................................ 45 5. ESTUDO DE CASO ........................................................................................................ 47 48

5.1 PREVISO DE DEMANDA

11

5.2 CLASSIFICAO ABC 5.3 PESQUISA OPERACIONAL 6.

48 49

CONCLUSO ................................................................................................................. 57

REFERNCIAS BIBLIOGRFICAS ................................................................................. 58

12

1. INTRODUO O presente trabalho se baseia em uma metodologia de Pesquisa Operacional por meio de Previso de Demanda para propor um mix de produtos, neste caso fundidos, que maximize o lucro nas vendas de uma determinada empresa. Estas metodologias empregam tcnicas estatsticas para a previso de demanda dos produtos ofertados e tcnicas de programao linear para a otimizao do processo de beneficiamento e gesto de estoque. Os fundidos tambm so classificados de acordo com a curva ABC. Com isso, a empresa ter a possibilidade de gerenciar quais so os materiais, levando em considerao, quantidade produzida e famlia do fundido, que contribuem para o maior lucro nas vendas. Esta anlise, alm de fornecer um mix de produo ideal de fundidos, contribui para a organizao do estoque e diminuio de materiais que no possuem sadas, em outras palavras, so aqueles materiais que no tm demanda significativa. Alm de a empresa ter um ganho no espao fsico na fbrica, ter uma reduo nos custos operacionais por meio da eliminao de compras desnecessrias de materiais e por meio de uma previso de demanda bem elaborada ter a possibilidade de disponibilizar material em estoque para atender aos clientes de imediato. O estudo de caso foi feito em uma empresa que produz peas de ao inoxidvel micro-fundido para que a mesma possa ter o mximo de lucro sobre as vendas de seus produtos.

1.1 Tema Engenharia de Operaes e Processos

1.2 rea da ABEPRO

Engenharia de Operaes e Processos da Produo

1.3 Justificativa

Este trabalho teve por objetivo principal propor uma metodologia por meio de um modelo de Pesquisa Operacional e estudos de Previso de Demanda que indicasse uma previso de demanda ideal de produtos que maximize o lucro nas vendas de Fundidos da empresa. Analisando o processo como um todo, ou seja, desde a solicitao de matria prima

13

do fornecedor at o trmino do beneficiamento do fundido, foi possvel por intermdio deste trabalho apresentar melhorias no processo da empresa visando o lucro nas vendas de fundidos e satisfao do cliente. A especificao do modelo matemtico que foi utilizado, leva em considerao o histrico de vendas de cada fundido no perodo dos ltimos meses e as restries de atendimento aos clientes analisando previses de demanda e necessidades de estoque. Com o modelo matemtico elaborado, foi possvel classificar os materiais por meio da Classificao ABC. A Classificao ABC uma maneira de ter todos os itens do estoque divididos em trs grupos com importncias relativamente diferentes, permitindo a identificao de itens que justificam uma ateno adequada na sua administrao. De acordo com o sistema de Planejamento e Controle da Produo a empresa pode planejar e formular estratgias para o melhor atendimento dos clientes. Consequentemente a partir desse planejamento, outro ponto importante a se frisar nesse trabalho, que com a empresa produzindo somente o necessrio e tendo a certeza de que tudo que ela produz ser entregue rapidamente, a mesma ter melhor controle no atendimento e satisfao de seus clientes.

1.4 Relevncias e Oportunidades

Como consequncia deste estudo, foi realizado um levantamento do processo como um todo, desde a solicitao de material do fornecedor at o beneficiamento do fundido. Baseando-se em metodologia quantitativa da Pesquisa Operacional e em Estudos de Previses de Demanda, foi determinado o mtodo mais adequado para gesto de estoque, podendo desta forma, fazer a solicitao de compra de materiais com maior eficincia, efeito que poder gerar uma melhoria no espao fsico da fbrica. Classificando o estoque de acordo com a forma de armazenamento, analisando os preos e demanda dos fundidos, foi possvel classificar os materiais de acordo com a Classificao ABC. Estas aes foram direcionadas para propor uma nova maneira de trabalho que beneficie no s a empresa mais tambm o cliente, sempre buscando a satisfao do mesmo.

1.5 Questes de Pesquisa

14

Como determinar uma produo ideal para maximizar o lucro nas vendas de Fundidos tendo em vista a projeo de demanda desses produtos e as restries do processo produtivo?

1.6 Objetivo Geral e Especfico

Propor uma metodologia para determinar uma produo ideal visando a maximizao do lucro nas vendas de Fundidos. Fazendo levantamento do histrico de produo dos meses anteriores; analisando os preos de venda de cada fundido; prevendo a demanda de produo do ms seguinte baseando-se em modelo Estatstico; aplicao do mtodo AJUSTAMENTO SAZONAL visando maximizar o lucro lquido de cada material.

1.7 Mtodos e Instrumentos de Coleta de Dados

A obteno de dados foi realizada por um membro do grupo que trabalha na empresa Fundio Estrela SA com suporte e auxilio de outros funcionrios chefes e coordenadores de produo. Alguns dados foram adquiridos via software SAP/R3, outros por meio de planilhas com indicadores de produo tipo do fundido beneficiado e quantidade. A relao dos preos de venda de cada fundido foi fornecida pela empresa com a devida autorizao do responsvel pelo setor. Os mtodos de pesquisa usados neste trabalho so: Sries Temporais com Regresso Linear para previso de demanda e mtodo AJUSTAMENTO SAZONAL para otimizao da demanda de vendas.

1.8 Perspectivas e onde ser feita a pesquisa

O estudo de caso ser realizado com base na empresa Fundio Estrela SA que especializada na fundio de bronze, lato, alumnio e ao inoxidvel por meio de processos de vazamento por gravidade e esta localizada em So Bernardo do Campo. A empresa responsvel pela distribuio e comrcio de produtos fundidos no mercado nacional. Na planta de So Bernardo do Campo os fundidos so produzidos de acordo com a solicitao do cliente.

15

A perspectiva atingir o objetivo deste trabalho de concluso de curso aplicando o conhecimento adquirido ao longo do curso de engenharia e com o material que foi utilizado para pesquisa.

2. PREVISO DE DEMANDA Nesse captulo apresentou-se uma descrio terica de mtodos de previso de demanda que foram abordados no estudo de caso da empresa estudada. As previses de demanda so fundamentais para auxiliar na determinao dos recursos necessrios para uma empresa. uma atividade estratgica. Os mercados e a concorrncia mudam continuamente, exigindo da empresa novas previses para que a mesma possa se prevenir. Para obter e tentar-se prever uma demanda futura, faz-se necessrio a utilizao de alguns mtodos matemticos quantitativos, como: 1. Mdia Mvel; 2. Suavizamento Exponencial; 3. Regresso Linear. 4. Econometria Os modelos simples de previso so aqueles que assumem que a demanda se encontra estvel. Estes mtodos so aplicados de acordo com a anlise de demanda de cada empresa, por meio da anlise de dados histricos de alguns anos. As empresas fazem previses da demanda futura, levando em conta as estratgias dos concorrentes, mudanas tecnolgicas, tempos de processamento, prazos de entrega dos fornecedores, perdas de qualidade, dentre outros. Gerentes inteligentes reconhecem essa realidade e encontram maneiras para atualizar seus planos quando ocorrem erros de previso ou algo inesperado. O processo de previso por toda organizao abrange todas as reas. Porm, os clientes internos na organizao inteira dependem de previses para formular e executar seus planos.

16

Previses so insumos importantes para planos de negcios e oramentos. Finanas precisam de previses para projetar fluxos de caixa e necessidades de capital. Recursos humanos precisam de previses para prever as necessidades de contratao e treinamentos. Marketing uma fonte primria para as informaes sobre previso de vendas, por estar mais prxima dos clientes externos. As reas de operaes precisam de previses a fim de planejar nveis de produo, aquisies de materiais e servios, programao da mo-de-obra e da produo, estoques e capacidade. Um processo adequado de previso gera: 1. Melhor planejamento oramentrio e de capital, com menor variao entre o

custo previsto e o realizado; 2. 3. Melhor alocao dos recursos fsicos nos processo operacionais; Atendimento aos requisitos de nvel de servio aos clientes, garantindo a

competitividade dos produtos e servios da empresa no mercado; 4. Reduo de custos operacionais por meio da otimizao de processos e melhor

planejamento pelo uso eficiente da informao de previso; 5. Melhor gerenciamento da operao pela reduo de uma das fontes de variabilidade dos processos informao da previso; 6. Maior integrao e melhor comunicao entre as reas funcionais da empresa

(marketing, finanas, vendas e logstica) devido a uma maior credibilidade da previso. As grandes mudanas ocorridas no mercado atual e consequentemente na indstria desafiam os gerentes de produo a encontrar meios para atingir melhor eficincia. Neste processo buscam-se ferramentas que possam auxiliar as empresas a preverem

antecipadamente sua demanda. Planejar o primeiro passo, ou deveria ser para uma organizao conseguir produzir com qualidade, eficincia e sem desperdcios. Porm inmeras empresas ignoram as prticas de administrao da produo, que um setor que ganha cada vez mais importncia no mercado. Cada vez mais se desenvolve uma conscincia da importncia da Administrao da Produo e Operaes, devido a um fato de reconhecimento do papel da manufatura para a posio da empresa em relao a seus concorrentes. Nos ltimos anos, essa conscincia esta se tornando uma atividade vital dentro das organizaes: o planejamento das atividades de manufatura tendo em vista us-la como uma arma competitiva. A esse tipo de Planejamento deu-se o nome de Planejamento Estratgico de Manufatura.

17

Planejar entender como a considerao conjunta da viso de futuro, influencia as decises tomadas no presente para que se atinja determinados objetivos. Planejar projetar um futuro diferente do passado, por causas que se tem um controle. Qualquer operao requer planos e controle, mesmo que os detalhes variem. Algumas operaes so mais difceis de prever o que as acaba tornado mais difceis de planejar. Algumas operaes so mais difceis de controlar do que outras. As que tm um elevado contato com os consumidores podem ser difceis de controlar pela natureza imediata de suas operaes e variao que os consumidores possam nelas impor. A previso da demanda uma etapa crtica para todos os membros de uma cadeia de suprimentos devido complexidade e s incertezas suas atividades. Quanto ao gerenciamento da demanda, questiona-se de quem a responsabilidade de geri-la. Sabe-se que em algumas empresas, tem se adotado a alternativa de criar uma rea especfica para cuidar da gesto de demanda, que funcionalmente, pode estar ligada diretoria comercial, diretoria industrial, diretoria logstica ou diretoria financeira. O importante que o responsvel por essa rea seja capaz de articular a participao das demais reas, garantindo a obteno correta e cuidadosa das informaes. Com relao a esses cuidados bsicos durante a coleta e anlise dos dados, alerta-se que: 1. Quantos mais dados histricos forem coletados e analisados, mais confiveis

tcnica de previso ser; 2. Os dados devem buscar a caracterizao da demanda pelos produtos da

empresa, que no necessariamente igual s vendas passadas, pois pode ter ocorrido falta de produtos, postergando as entregas ou deixando de atend-las; 3. Variaes extraordinrias da demanda como promoes especiais ou greves,

devem ser analisadas e substitudas por valores mdios, compatveis com o comportamento normal da demanda. Definindo-se a tcnica de previso e a aplicao dos dados passados para obteno dos parmetros necessrios, podemos obter as projees futuras da demanda. Quanto maior for o horizonte pretendido, menor a confiabilidade na demanda prevista. medida que as previses forem sendo alcanadas pela demanda real, muito importante monitorar a grandiosidade do erro entre a demanda real e a prevista, para verificar se a tcnica e os parmetros utilizados esto coerentes. Em situaes normais, suficiente ajustar os parmetros do modelo para que se reflita as tendncias mais recentes. Em situaes

18

crticas, um novo estudo pode resultar incluir em uma nova anlise dos dados e a escolha de uma nova tcnica de previso. A figura abaixo apresenta um modelo:

FIGURA 1 - Processo de Previso

O processo de previso de vendas possivelmente o mais importante dentro da funo de gesto de demanda. Porm, uma previso de vendas nunca 100% correta no conseguindo se chegar perto disso na maioria dos casos. A previso uma das informaes mais importantes para o planejamento, e a partir disso conclui-se que qualquer processo de planejamento afetado pelos erros de previso que normalmente so grandes. As incertezas das previses e seus erros correspondem ao prprio mercado, que pode ser bastante instvel e difcil de prever, e a correspondem tambm ao sistema de previso que, com base em informaes coletadas no mercado e de dados histricos, gera uma informao que pretende antecipar a demanda. A gesto dos pedidos e da previso de vendas, quando so tomadas juntas, denominada gesto da demanda. A gesto da demanda engloba um conjunto de processos que fazem a interface da empresa com seus consumidores. Para entender e atender a demanda do mercado necessrio observar a situao dos estoques. Trata-se de um elemento gerencial essencial na administrao de hoje e do futuro. Estoques so acmulos de recursos materiais entre fases especficas de processos de transformao. Esses acmulos de materiais tm uma propriedade fundamental que uma arma; no sentido de que pode ser usada para o bem e para o mal: os estoques proporcionam independncia s fases dos processos de transformao entre as quais se encontram. Quanto maiores so os estoques entre duas fases de um processo de

19

transformao, mais independentes entre si essas fases so no sentido de que interrupes de uma no acarretam na outra. O estoque existe devido a uma inadequao entre suprimento e demanda. Essa inadequao intencional, pois, para uma indstria mais econmico fabricar grandes lotes que sero armazenados para vendas futuras. Um papel importante executado pelo estoque o de aumentar a quantidade de demanda que pode ser atendida, pois ele permite que o produto esteja pronto e disponvel para o momento em que o cliente quiser. O estoque espalhado por toda a cadeia de suprimento passando de matrias-primas para produtos processados e, finalmente, para produtos acabados mantidos por fornecedores, fabricantes, distribuidores e varejistas. O estoque o principal fator gerador de custos e exerce um forte impacto na cadeia de suprimentos. E ainda as empresas possuem quatro tipos de estoques que so os seguintes: estoques de matrias-primas, estoques de produtos em processo, estoques de suprimentos de manuteno/reparos/operacional e estoques de produtos acabados. Ao se fazer a previso da demanda, a gesto dos estoques sem dvida uma das principais preocupaes e muitas vezes acaba sendo a principal preocupao das empresas. Grandes partes das empresas precisam fazer os pedidos de seus produtos e matrias-primas antes de conhecer completamente sua demanda. Enquanto parte da demanda j conhecida (no caso dos pedidos que so feitos com muita antecedncia), tem-se sempre uma parte da demanda que s ser conhecida antes da ocorrncia. Nesse caso que se atuam os modelos de previso, tentando prever com antecedncia qual ser a demanda futura, para que esta informao sirva para as tomadas de deciso da empresa: por exemplo, quanta matria-prima comprar em um determinado ms X, para receb-la em um ms Y, para que possa ser possvel process-la e vender o produto acabado posteriormente. Mas no ms X ainda no se sabe qual ser a demanda de produtos acabados no final do ms Z. Por isso as previses so utilizadas, e deseja-se que elas tenham o resultado mais prximo da realidade da demanda que se ter no ms Z, para que no sobre matria-prima (o que custa dinheiro, dentre outros, para armazenar) nem que faltem produtos acabados. Quando existe um bom sistema de previso o mesmo no deve fornecer apenas um nmero como previso final, mas um intervalo ao redor de um nmero. De nada adianta uma previso de que sero vendidas de 100 unidades de um produto para um determinado ms, se no sabemos qual a confiana ao redor deste nmero. So 100 unidades 5%? Neste caso o intervalo seria de 95 at 105, ou um erro de 10 unidades, o que bastante plausvel e aceitvel na maioria dos casos. Diferentemente de uma previso com alvo em 100, mas variando de 70

20

at 130, o que representa um erro de 30%. Em qual nmero confiar, e em qual basear todas as aes para os prximos 2 meses? importante perceber tambm que, quanto maior for o horizonte do planejamento menos preciso sero as previses (ou em outras palavras, mais largo ser o intervalo de confiana). Finalmente, vale ressaltar que sempre possvel incrementar o processo de previso, se houver um incremento no oramento disponvel. preciso encontrar o ponto de equilbrio entre as vantagens de uma previso correta e o custo que ela implicar. Existem dois grandes grupos de modelos de previso: os modelos quantitativos e os qualitativos, ou at mesmo a combinao desses dois grupos. Os mtodos qualitativos apresentam normalmente um menor grau de preciso, sendo, mesmo assim, bastante utilizados por empresas, possivelmente pela relao das previses por corresponderem s metas de demanda estabelecidas pelas empresas. Os mtodos quantitativos se utilizam de matemtica e estatstica para identificar padres nos dados histricos, impulsionados pelo avano da computao e da capacidade de processamento das mquinas nas ltimas dcadas. Antes do incio das previses, preciso conhecer os fatores que podem afetar ou alterar a demanda, separando fatores internos (preo, qualidade, gasto em publicidade, novos pontos de venda, introduo de produtos substitutos, etc.) e externos (preo do concorrente, economia, moda, regulamentao governamental, gostos do consumidor, etc.). Com dados quantitativos, so utilizadas algumas tcnicas de estatstica para as previses serem obtidas. Algumas ferramentas de anlise estatstica e diferentes modelos de previso so utilizadas para se prever a demanda dos prximos perodos.

2.1 Modelos de Previso

Como citado no captulo anterior desse trabalho, existem alguns modelos que so utilizados nos quais pode se prever a demanda de uma empresa. A partir da aplicao de algum desses modelos mais fcil da empresa prever o quanto produzir e quanto ser sua demanda (anualmente, semestralmente, trimestralmente, mensalmente, diariamente, etc.) fazendo com que assim a empresa tenha um melhor plano de produo e consequentemente um melhor controle no seu fluxo de caixa.

21

Alguns dos principais modelos estatsticos aplicados nas empresas sero demonstrados a seguir.

2.2 Mdia Mvel

As vendas dos perodos indicados so somadas e depois divididas pelo nmero de perodos para se encontrar a mdia. Quando feita uma previso para o perodo seguinte, as vendas do perodo mais antigo so retiradas do clculo da mdia, sendo substitudas pelas vendas do perodo mais recente. O encarregado da previso determina quantos perodos sero includos no clculo da mdia. um tipo de modelo de previso que faz a previso das vendas para o perodo seguinte. Nesse modelo, a previso para o perodo seguinte a mdia aritmtica das vendas reais que corresponde aos perodos de tempo mais recentes. Nos modelos de mdia mvel, assumem que a melhor estimativa do futuro dada quando se tem a mdia dos n ltimos perodos. Podem ser usadas mdias mveis de trs (MM3), quatro (MM4) ou mais perodos. Para o clculo da mdia mvel utilizada a seguinte formula: n perodos anteriores

dia

vel=

Pode-se observar um exemplo de aplicao na tabela abaixo:

TABELA 1 - Exemplo de clculo de Mdia Mvel

Esse mtodo de clculo de mdias mveis utilizado para calcular as consideradas mdias aritmticas simples. Porm, pode-se usar uma mdia ponderada ao invs de uma

22

aritmtica simples. Algumas empresas atribuem pesos de ponderao para os perodos que so mais recentes. Para esse clculo estipulado um valor da ponderao a partir da quantidade de perodos e os mesmos so multiplicados por seus respectivos pesos. Por exemplo, resolve-se utilizar uma mdia mvel dos ltimos 3 meses, porm ao se optar a se trabalhar com mdias ponderadas os valores das ponderaes (pesos) sero 3, 2 e 1. Para o clculo da mdia ponderada usa-se a seguinte formula:

dia Ponderada=

Pode-se observar um exemplo de aplicao na tabela abaixo:

TABELA 2 - Exemplo de clculo de Mdia Mvel Ponderada

Assim, aumentam-se a influncia dos meses mais recentes ao se gerar as previses.

2.3 Suavizamento Exponencial

um mtodo de previso de mdia mvel que envolve muito pouca manuteno de registros de dados passados. um caso particular de mdias ponderadas de dados do passado, com peso de ponderao caindo exponencialmente, quanto mais antigos forem os dados, aquele resultante do uso da tcnica, bastante divulgada, de suavizamento exponencial (tambm chamada mtodo de Winter). A frmula de suavizamento descrita pela seguinte expresso: ova Previs o =[(demanda real do ltimo perodo)*()]+[(ltima previs o)*(1-)]

23

Pode-se observar um exemplo na tabela abaixo:

TABELA 3 - Exemplo de clculo de Previses usando Suavizamento Exponencial com =0,1 e com =0,8

2.4 Regresso Linear

As vendas passadas so plotadas para cada perodo de tempo passado. Em seguida, uma reta de tendncia pode ser ajustada entre os pontos, minimizando as distncias de todos os pontos reta. Essa reta de tendncia pode ento ser estendida para projetar as vendas nos perodos futuros. A empresa deve conhecer o seu negcio, seus segmento de atuao e os fatores impactantes nesses negcios e segmentos. As variaes da demanda so um dos principais fatores que provocam competitividade e mudanas no planejamento industrial. A demanda de produtos industrializados e de servios especializados cresce medida que expande a informao. No intuito prever essas variaes da demanda as empresas buscam alternativas, como estudos do comportamento do consumidor, aumento da capacidade de produo, locais adequados para instalaes, processos de produo enxuta, previses de demanda, e outros.

24

A Previso da Demanda a principal informao que orienta o planejamento e as operaes da empresa, e so a minoria das empresas que conseguem faz-la de modo eficaz e com as ferramentas adequadas. Os erros da previso transformam-se em decises que geram perda de faturamento pelo mau atendimento ao mercado ou por terem estoques de produtos com baixa sada. um modelo que usa o mtodo dos mnimos quadrados para identificar uma varivel dependente e uma ou mais variveis independentes presentes em observaes de sries histricas. Na regresso simples s existe uma varivel independente ao contrrio da mltipla que mais de uma. A regresso linear pode ser usada para as previses de longo e curto prazo. A regresso linear consiste em determinar a equao da reta: varivel dependente e X a varivel independente. Ao utilizar-se os mtodos dos mnimos quadrados obtem-se as expresses para os clculos de a e b: Para se verificar o nvel de ajustamento da reta, utiliza-se o coeficiente de correlao r ou o coeficiente de determina o r no qual calculado pela express o: , sendo Y a

O coeficiente de correlao (r) explica a importncia da relao entre Y e X; o sinal identifica a dire o da rela o e o valor de r mostra a fora da rela o. O valor de r pode ser qualquer entre -1 e +1 tendo sempre o mesmo sinal que b. Um valor negativo de r indica que os valores de Y e X tendem a se mover em direes opostas ao contrrio de um valor de r positivo que indica que Y e X se movem na mesma dire o. Abaixo, pode-se observar alguns significados dos valores de r: 1. -1: Uma relao negativa perfeita; 2. +1: Uma relao positiva perfeita; 3. 0: No existe relao entre X e Y; 4. +0,3: Uma relao positiva fraca; 5. -0,9: Uma relao negativa forte. A experincia recomenda que para se ter uma boa correla o o valor absoluto de r deve ser maior ou igual a 0,7.

25

Pode-se observar na tabela abaixo as respectivas frmulas da regresso linear e as definies de casa varivel que as compem para que assim possa-se chegar a equao da reta citada acima:

TABELA 4 - Definies e Formulas de Variveis para anlise de Regresso Linear

2.5 Modelos Economtricos

A econometria baseia-se em mtodos estatsticos para estimar relaes econmicas, testar teorias, avaliar e implementar polticas de governo e de negcios. Mesmo que previses de indicadores econmicos sejam muito visveis, os mtodos economtricos so usados em reas econmicas que no tm nada a ver com previses macroeconmicas, como por exemplo, efeitos de gastos em campanhas polticas sobre os resultados das eleies. Define-se econometria como uma ferramenta para o desenvolvimento da teoria econmica em sua relao com a Estatstica e a Matemtica, tendo como seu principal objetivo o favorecimento de estudos quantitativos que relacionam o ponto de vista terico com o emprico na investigao de problemas econmicos. Econometria a ferramenta que representa numericamente as relaes econmicas, atravs da matemtica e da estatstica. A econometria a aplicao de problemas matemticos e estatsticos em problemas de economia. O econometrista combina trs ramos cientficos: Economia, Matemtica e Estatstica. A anlise de regresso o mtodo mais importante da econometria, pois sempre importante saber os efeitos que uma ou mais variveis podem exercer uma sobre as outras. Mesmo no existindo relao causal entre as variveis, possvel relacion-las por meio de expresses matemticas, onde pode-se estimar o valor de uma ou mais variveis quando se conhece o valor das outras. As relaes funcionais podem ser representadas por: Y = f(X1, X2, ....., Xk), onde Y representa a varivel dependente e os X representam as variveis independentes. A econometria refere-se aplicao de teorias econmicas, matemticas e tcnicas estatsticas com a finalidade de testar hipteses e se projetar fenmenos econmicos. A

26

mesma est fortemente ligada com a anlise de regresso que relaciona variveis dependentes com uma ou mais variveis independentes. A econometria evoluiu separadamente da estatstica matemtica, pois foca-se em problemas inerentes coleta e anlise de dados econmicos no-experimentais. Dados noexperimentais no so acumulados por meio de experimentos controlados de indivduos, firmas ou segmentos da economia. Dados no-experimentais so, s vezes, chamados de dados observacionais para enfatizar o fato de que o pesquisador um coletor passivo de dados. Um bom modelo o que explica a trajetria da srie, identificando, estimando e checando o modelo que melhor a represente, para que assim se possa ter uma previso consistente. Para isso, utiliza-se o modelo Box-Jenkins. Quando estudamos sries temporais devemos ter como objetivo primeiramente saber o comportamento apresentado pela srie da varivel. Em seguida, deve-se buscar o melhor modelo pelo qual a srie pode ser representada, ou seja, se por um processo auto-regressivo AR(p), por um processo de mdias mveis AM (p,d,q), por um processo auto-regressivo de mdias mveis ARMA (p,q) ou por um processo auto-regressivo integrado de mdias mveis ARIMA (p,d,q). Esse problema pode ser resolvido a partir do mtodo definido como Box-Jenkins (BJ). A metodologia B-J se divide nas seguintes etapas: especificao matemtica do modelo; identificao do modelo; estimao de parmetros; checagem do modelo por meios de testes estatsticos e previses cabveis descritas como: 1. Identificao: consiste em identificar qual o melhor modelo Box-Jenkins a ser seguido sejam eles sazonais ou no. A identificao feita a partir do comportamento das funes de autocorrelaes (ACF) e das funes de autocorrelaes parciais (PACF); 2. Estimao: estima-se os parmetros dos componentes auto-regressivos, os parmetros dos componentes das mdias mveis e as varincias do rudo-branco; 3. Checagem: a avaliao que se tem para determinar se o modelo que foi estimado o melhor para se descrever o comportamento dos dados da srie; 4. Previso: feita na modelagem ARIMA, ou seja, consiste em testar o potencial do modelo que prev os valores futuros para a srie estudada que ser tida como melhor a previso com o menos Erro Quadrado Mdio. Entretanto, deve-se lembrar que uma previso eficaz feita pelo modelo ARIMA deve ser uma previso em perodos de curto prazo. O modelo responsvel por formalizar anlises de sries univariadas de tempo. Usa-se a notao B-J para se referir a esses modelos, e muitas vezes, para estabelecer o mtodo definido como ARIMA.

27

Sries B-J/ARIMA baseiam-se no passado de suas variveis para se realizar as previses, ou seja, no so fundamentadas em teorias ou em quaisquer outras variveis. Assim, a estratgia para se montar o modelo baseada nos prprios dados da srie temporal. Os modelos de sries temporais descrevem processos estocsticos utilizando os valores passados da varivel dependente e do termo de erro. Assim, ao termos uma srie , os modelos de srie temporais so descritos como: , ou simplificadamente:

onde B o operador de defasagem , e s o os parmetros do modelo e o termo de erro. As variveis representam a parte auto-regressivo (AR), enquanto a parte de Mdia Mvel (MA) representada por . O modelo acima chamado de ARMA(p,q), sendo que p e q representam a ordem de defasagem do termo auto-regressivo e a ordem de defasagem do termo da mdia mvel consecutivamente. Conforme a teoria, se dada a partir da mdia ponderada de somente as observaes anteriores da varivel (p) acrescida do erro , ent o pode-se modelar pelo processo AR(p), descrito por: onde, O Modelo s ser considerado auto-regressivo de ordem p AR(p) se e somente se a condio for satisfeita. No processo estacionrio, a mdia () deve ser constante, onde a condio de estacionariedade dada por: Com o mesmo raciocnio do processo AR(p), se for obtido atravs da mdia ponderada dos q primeiros valores passados de um processo de rudo branco, ent o a mesma pode ser modelada por um processo MA(q), onde se verifica a estacionaridade caso o valor de q seja finito, representado por: Um processo ARMA (p,q), assim designado quando for obtido a partir da mdia ponderada das p primeiras observaes anteriores da varivel e pela mdia ponderada dos q primeiros valores de um processo de rudo branco, onde neste caso a mdia e as condies de estacionariedade so dadas pela parcela do processo AR, passando a ser descrito (como j descrito anteriormente) pela seguinte equao:

Caso for obtido pela mdia ponderada das p primeiras observaes anteriores da varivel, e ainda pela mdia ponderada dos q primeiros valores passados de um processo de rudo branco e se pertencerem a um processo n o estacionrio, tem-se que diferenciar a srie original dos dados d vezes at o momento a se obter uma srie estacionria. Assim, a srie ser considerada uma srie de processo ARIMA(p,d,q). A mesma pode ser dada por:

28

Onde, o valor de d ser de no mximo igual a 2. O valor de d ser igual a 1, quando a srie no for estacionria em relao ao nvel de seu processo, isto , quando a mdia mudar de um perodo para o outro. O valor de d ser igual a 2, quando a srie n o for estacionria, tambm quanto sua inclinao, ou seja, quando a srie oscilar em uma direo em um determinado perodo e posteriormente mudar sua direo. O teste a ser utilizado para que se conhea o valor de d o teste da raiz unitria. Esse, verifica se a srie estacionria (d=0) ou no estacionria (d=1 ou d=2). Esse teste um dos mais utilizados se analisar a estacionaridade de uma srie. A hiptese bsica do teste (H0) consiste em dizer que a srie no estacionria e a hiptese alternativa (Ha) consiste em dizer de que a srie estacionria. O teste feito pela relao entre os valores das estatsticas de e . Caso , aceita-se a hiptese H0 e assume-se que a srie no estacionria, caso contrrio, rejeita-se a hiptese H0 e assume-se que a hiptese estacionria, com modelos do tipo:

Assim, se a srie temporal apresentar uma raiz unitria (sendo ela no estacionria), conclui-se que a mesma tem uma tendncia estocstica. Na modelagem ARIMA, importante saber determinar qual o melhor processo (modelo) que melhor explica a dinmica da srie que estudada. Portanto, tem-se que saber se a dinmica temporal de uma varivel qualquer melhor explicada por um processo autoregressivo p (AR(p)); por um processo de mdia mvel de ordem q ( A(q)); por um processo auto-regressivo de mdia mvel de ordem p,q (AR A (p,q)); ou por um processo auto-regressivo integrado com mdia mvel de ordem p,d,q (ARI A (p,d,q)).

29

3. PESQUISA OPERACIONAL P.O. P.O. um mtodo cientfica de tomada de decises. A mesma descreve um sistema organizado com o auxlio de um modelo, e atravs da experimentao com o modelo, tem-se uma maneira melhor para operar o sistema. As aplicaes da pesquisa operacional abrangem as reas de administrao, produo, planejamento e organizao na maioria das vezes. Os fundamentos da P.O. encontram-se na Matemtica, na Anlise de Sistemas e na Estatstica. A principal ferramenta de resoluo o computador, pois os problemas reais aos quais as tcnicas se aplicam possuem modelos matemticos de mdio ou grande porte, fazendo com que a soluo manual seja muito difcil ou at mesmo muitas vezes impossvel. A P.O. aplicao de instrumentos, tcnicas e mtodos cientficos a problemas que dizem respeito ao funcionamento de um sistema, permitindo que os encarregados do seu controle alcancem solues timas para os problemas. O nome P.O. apareceu pela primeira vez na Segunda Guerra mundial quando as equipes queriam desenvolver mtodos para as suas operaes militares. Desde seu nascimento, esse novo campo de anlise de deciso se caracteriza pelo uso de conhecimentos cientficos afim de se determinar a melhor utilizao dos recursos, muitas vezes limitados. Assim, deu-se um novo enfoque as problemas de decises das empresas. Outra caracterstica importante da P.O., que a mesma facilita muito o processo de anlise de deciso e a utilizao dos modelos a serem utilizados. O surgimento da P.O. na Segunda Guerra Mundial, deu-se pelo resultado de estudos realizados por equipes de cientistas contratados para resolver os problemas de ttica e estratgia. A P.O. se caracteriza por colher recursos em vrias disciplinas, onde examina tcnicas da biologia, fsica, qumica, matemtica, economia dentre outras disciplinas e assim extrai tcnicas aplicveis aos sistemas a serem estudados. Historicamente, a P.O. foi utilizada pela primeiro vez para fins blicos. Foi utilizada no dimensionamento do nmero de navios mercantes dos aliados, que formavam comboios e atravessavam, escoltados por navios de guerra, o Atlntico Norte durante a guerra, e constantemente eram alvos de torpedos dos submarinos alem es conhecidos como anada de Lobos. Com o estudo da P.O. o comando aliado decidiu aumentar a extens o dos comboios, fazendo com que o movimento martimo mudasse e isso fez com que os alemes julgassem ser pouco convincentes continuarem atacando os novos comboios, sendo uma dos

30

grandes xitos da Batalha do Atlntico. Baseado nessa problemtica militar, especificamente na logstica de tempo de guerra, que se tem a criao do Modelo AJUSTAMENTO SAZONAL, que uma forma de resoluo de problemas de programao linear (tcnica para a resoluo de problemas de maximizao (lucro) ou minimizao (custo), que atende a um conjunto de restries. A modelagem do problema consiste na obteno de uma soluo tima. As variveis so reais, ou seja, no necessariamente so um nmero inteiro) que se obteve uma eficcia extraordinria.

3.1 Programao Linear P.L.

A P.L. trata-se de uma tcnica adotada onde existam vrias variveis, com, por exemplo, produtos em um fbrica, onde se necessita de um programa onde possa se decidir qual produto fabricar para que se tenha uma produo mxima e um custo mnimo. Desta forma, a P.L. uma das tcnicas mais utilizadas na abordagem de problemas dentro da P.O. Quanto mais fcil for o modelo envolvido e a disponibilidade de sua tcnica de soluo programvel em computador, mais fcil sua aplicao. As aplicaes mais conhecidas so feitas em sistemas estruturados, como de produo, finanas, controles de estoques, etc. O modelo matemtico composto por uma funo objetiva, e de restries representadas por um grupo de inequaes tambm lineares. Exemplo: Funo objetiva a ser maximizada:
Lucro 2 x1 3 x2

Tcnicas

4 x1 3x 2 10 6 x1 x 2 20

Restries: De no negatividade

x1 0 x2 0

As variveis de deciso so x1 e x 2 . A funo objetivo ou funo e eficincia mede o desempenho do sitema (capacidade de gerar lucro) de cada soluo que apresentada. O objetivo maximizar o lucro. As restries esto de acordo com as limitaes que o sistema impe. As duas ltimas restries (no negatividade das variveis de deciso), garantem o que

31

dever acontecer sempre que a tcnica de abordagem for a de programao linear. A construo do modelo a parte mais difcil e complicada do estudo. Durante a Segunda Guerra Mundial, a United States Air Force montou um grupo de pesquisadores para solucionar o problema de alocao de recursos limitados de modo a otimizar seus objetivos. Com isso, foi formulado um problema de P.L. e inventou o Mtodo AJUSTAMENTO SAZONAL. Entre 1948 e 1952 foram desenvolvidos mtodos prticos para problemas de P.L. baseados no Mtodo AJUSTAMENTO SAZONAL. Durante esses anos, com a falta de recurso dos equipamentos computacionais, esses problemas eram limitados em seu alcance e sucesso. Os maiores obstculos para se resolver os problemas de P.L. nesses anos foram os seguintes: 1. achar uma soluo bsica inicial, ponto de partida do algortimo; 2. resolver o problema e guardar a situao de degenerao; 3. reduzir a rea de memria e o nmero de operaes aritmticas requeridas sem causar limitaes de uso; 4. manter a preciso numrica suficiente para a obteno de resultados significativos.

3.2 Mtodo AJUSTAMENTO SAZONAL

O Mtodo AJUSTAMENTO SAZONAL o mais indicado para a resoluo dos problemas de alocao de recursos, pertencente a Programao Linear. Esse nome pelo fato dos modelos dos problemas de alocao de recursos serem equaes ou inequaes lineares visando a maximizao do Lucro. O Modelo AJUSTAMENTO SAZONAL formado por um grupo de critrios para que se assim se escolha uma soluo que melhore o desempenho do modelo. Para que isso seja possvel o problema deve apresentar inicialmente uma soluo bsica inicial e as posteriores so calculadas com troca de variveis bsicas por no bsicas, gerando assim novas solues. A aplicao do Modelo AJUSTAMENTO SAZONAL, exige que o problema esteja na forma padro: 1. com suas variveis de folga e/ou artificiais; 2. ocorra a restrio de no-negatividade de todas as variveis; 3. os valores da mo direita nas restries sejam no-negativos. Com o problema assim colocado, o algoritmo AJUSTAMENTO SAZONAL pode ser estabelecido de acordo com os seguintes passos:

32

Passo 1: partir de uma soluo bsica compatvel inicial. Passo 2: verificar se a soluo tima. Se , pare. Seno, v ao passo 3. Passo 3: determinar a varivel no=bsica que deve entrar na base atual. Passo 4: determinar qual varivel bsica deve sair da base atual. Passo 5: obter a nova soluo bsica compatvel e retornar ao passo 2. O Mtodo AJUSTAMENTO SAZONAL um dos modelos mais utilizados que consiste em um procedimento matricial para resolver o modelo de Programao Linear sujeito a maximizar o lucro. Exemplo de um problema a ser resolvido: O exemplo a seguir foi retirado de ANDRADE (2000), onde ele apresenta de maneira clara a utilizao do mtodo AJUSTAMENTO SAZONAL. O Problema: Uma marcenaria deseja estabelecer uma programa o diria de produ o, atualmente a oficina faz apenas dois produtos: mesa e armrio, ambos de um s modelo. Para efeito de simplificao, vamos considerar que a marcenaria tem limitaes em somente dois recursos: madeira e mo de obra, cujas disponibilidades dirias so mostradas na tabela a seguir.

Recurso Madeira Mo de obra

Disponibilidade 12 m 8 Homens.hora

O processo de produo tal que, para fazer uma mesa a fbrica gasta 2 m de madeira e 2 H.h de mo de obra. Para fazer um armrio, a fbrica gasta 3 m de madeira e 1 H.h de mo de obra. Alm disso, o fabricante sabe que cada mesa d uma margem de contribuio para o lucro de $4 e cada armrio de $1. O problema encontrar o programa de produ o que maximiza a margem de contribui o total para o lucro. Resolvendo Problemas de Maximizao pelo Mtodo AJUSTAMENTO SAZONAL:

33

1 Passo: Colocar variveis de folga para cada inequao (desigualdade) das restries. 2 Passo: Montar uma tabela para clculos com todas as equaes, uma em cada linha, com os respectivos sinais e coeficiente de cada varivel e, colocar tambm, na ltima linha, os coeficientes da funo objetivo. 3 Passo: Atribuir valores nulos s variveis originais para achar os valores das folgas, o que seria uma soluo inicial bsica. 4 Passo: Escolher uma das variveis de folga que tem a maior contribuio, na ultima linha, para o aumento da funo objetivo, ou seja, a varivel que tem o maior valor negativo. Se todas as variveis contidas na tabela e fora da coluna Base, tiverem seus coeficientes nulos ou positivos, a soluo encontrada tima. 5 Passo: Neste passo, para escolher qual a varivel que vai deixar a coluna Base, tem de seguir um procedimento: Primeiramente devem-se dividir os valores da ultima coluna b pelos valores positivos da sua linha correspondente, se no tiver valores positivos nesta coluna, o processo vai se tornar ilimitado, portanto podendo parar o processo. Depois de feito isso, o quociente de menor valor indica que a equao e sua varivel devem ser anuladas, virando uma varivel no bsica. 6 Passo: Usar as operaes vlidas com todas as linhas da tabela, de maneira que se encontre uma nova soluo bsica. A nova varivel bsica deve se tornar um vetor identidade da coluna inteira, fazendo com que o elemento 1 aparea na linha em que a varivel est sendo anulada. 7 Passo: Voltar ao 4 Passo para iniciar outra passagem (interao). Modelagem do problema: As variveis bsicas (de deciso) presentes no problema so: x1: quantidade de mesas a produzir. x2: quantidade de armrios a produzir. A Funo objetivo, onde se pretende maximizar a margem de contribuio (Lucro) :

34

L = 4x1 + 1x2 As restries, onde Utiliza o de recurso Disponibilidade s o: adeira: 2x1 + 3x2 12 o de obra: 2x1 + x2 8 o negatividade: x1, x2 0 Para se aplicar o mtodo AJUSTAMENTO SAZONAL ao problema necessrio transformar as inequaes das restries em equaes, introduzindo uma varivel de folga em cada inequao, sendo assim temos que a Utilizao de recurso + folga = Disponibilidade, ou seja, as novas restries so: Madeira: 2x1 + 3x2 + f1 = 12; onde f1 a folga de madeira. Mo de obra: 2x1 + x2 + f2 = 8; onde f2 a folga de mo de obra. o negatividade: x1, x2, f1, f2 0 Soluo atravs do mtodo AJUSTAMENTO SAZONAL (Maximizao): Transpor o problema de maximizao para o quadro de acordo com o passo a passo explicado anteriormente. Resumo do problema: Funo objetivo: Restries: L = 4x1 + x2 Madeira: 2x1 + 3x2 + f1 = 12 Mo de obra: 2x1 + x2 + f2 = 8 o negatividade: x1, x2, f1, f2 0 No caso da funo objetivo ser necessrio fazer a seguinte transformao: L = 4x1 + x2 L - 4x1 - x2 = 0

35

Ento, tem se a tabela abaixo: Base f1 f2 L x1 2 2 -4 x2 3 1 -1 f1 1 0 0 f2 0 1 0 b 12 8 0

Onde na ltima coluna, tm se os termos independentes das equaes. J na ltima linha, onde esto os coeficientes da funo objetivo, mostra sempre a contribuio que cada varivel bsica tem sobre o lucro L, em cada intera o (passagem) do processo de solu o. O Resultado inicial retirado da Tabela 1 mostra a seguinte situao: x1 = 0 f1 = 12 L=0 Portanto, esta soluo no a melhor, para que se encontre um valor maior para o L necessrio dar continuidade as passagens do mtodo AJUSTAMENTO SAZONAL, e para isso preciso saber qual a varivel nula que vai se tornar positiva e qual a varivel de folga que vai ser anulada. Observando que na ltima linha da Tabela 1 tem todos os coeficientes da funo objetivo, onde mostrada a margem de contribuio de cada varivel por unidade produzida (produo de mesa x1 e produo de armrio x2) para o Lucro L. Usando o critrio de priorizar a produo da varivel que tem a maior contribuio na funo objetivo, a varivel escolhida ento a x1, pois tem a contribuio de valor 4 enquanto a varivel x2 tem apenas 1 de contribuio unitria. Portanto a varivel que deve ser priorizada para se tornar positiva a x1 (produo de mesa). Depois de encontrar a varivel que deve se tornar positiva necessrio encontrar a varivel que deve ser anulada. Na Tabela 1, na primeira linha, o maior valor de x1 possvel 6, quando a folga 1 for igual 0, caso o valor de x1 seja maior que 6, a folga fica negativa, o x2 = 0 f2 = 8

36

que no permitido. J na segunda linha, o maior valor pra x1 possvel encontrado de 4 para a folga 2 igual 0. Fazendo uma anlise das duas linhas (equaes), se conclui que o maior valor possvel para a varivel x1 de valor 4, pois atende as duas linhas. Esta anlise poder ser feita tambm a partir da Tabela 1, fazendo uma diviso entre os elementos da coluna b pelos coeficientes da coluna x1, onde aparecer o menor resultado desta diviso, indica qual a varivel de folga que deve ser anulada, ou seja, pelas divises se tem na primeira linha (12 / 2 = 6) e na segunda linha (8 / 2 = 4) portanto o menor resultado o valor 4, com isso, conclui-se que a varivel de folga a ser anulada a f2, pois se encontra no valor positivo na linha do menor resultado da diviso. Com isso, tem-se: x2 = 0 f2 = 0 Agora, deve-se resolver o restante do sistema para encontrar os valores de x1 e f1. Com base nas equaes completas da Tabela 1, a soluo deve ser feita atravs da utilizao de operaes vlidas nas equaes. Como primeira operao, deve-se dividir a segunda linha inteira por 2, obtendo o seguinte resultado mostrado na tabela abaixo:

Base f1 x1 L

x1 2 1 -4

x2 3 0,5 -1

f1 1 0 0

f2 0 0,5 0

b 12 4 0

O objetivo agora anular o valor do coeficiente de x1 da base f1 da anterior e para que isso seja vivel, necessrio fazer umas operaes, como multiplicar a segunda linha por -2 e somar com a primeira linha com isso obtm-se o resultado da primeira linha que mostrado na tabela seguinte:

37

Base f1 x1 L

x1 0 1 -4

x2 2 0,5 -1

f1 1 0 0

f2 -1 0,5 0

b 4 4 0

Com isso, falta anular o valor de x1 da ltima linha da fun o objetivo L. Como terceira operao, preciso multiplicar a segunda linha por 4 e somar com a ultima linha, tendo o resultado inserido na ltima linha como mostrado abaixo: Base f1 x1 L x1 0 1 0 x2 2 0,5 1 f1 1 0 0 f2 -1 0,5 2 b 4 4 16

Conforme o 4 Passo do passo a passo explicado anteriormente, se todos os coeficientes da ultima linha (funo objetivo) tiverem seus valores positivos ou nulos, a soluo encontrada tima, portanto o resultado : x1 = 4 f1 = 4 L = 16 O Lucro mximo alcanado pelo mtodo AJUSTAMENTO SAZONAL do problema de $16,00. x2 = 0 f2 = 0

3.3 Simulao

De acordo com Andrade (2000), os modelos de simulao so modelos so modelos que oferecem uma representao da realidade com o objetivo de gerar anlises alternativas

38

antes mesmo da implementao das mesmas. Os modelos do a liberdade e a flexibilidade de se simular os resultados podendo assim chegar a escolha mais conveniente, u seja, pode-se criar ambientes futuros testando as vrias alternativas possveis para saber o que se pode acontecer com o emprego de cada uma dessas alternativas. A palavra simular teve origem no trabalho de Von eumann em 1940, que utilizou a express o conhecida como Anlise de onte Carlo para significar uma tcnica matemtica na soluo de problemas de fsica nuclear, onde uma soluo experimental teria um custo muito elevado e um mtodo analtico seria muito complexo. Uma das tcnicas mais utilizadas em P.O. a simulao. Quando simula-se algo, quer dizer que est se reproduzindo o funcionamento de um sistema, com o auxlio de um modelo, o que se permite testar hipteses com o valor das variveis. Diante disso, as concluses da simulao so usadas para melhorar o desempenho do sistema em estudo. Os modelos de simulao podem aparecer em formas de jogos de empresa, simuladores de vos, modelos fsicos de aeronaves para testes em tnel de vento, etc. A simulao uma tcnica onde se constri um modelo de uma situao real para que o mesmo possa ser testado futuramente. Alm disso, a simulao indicada para modelos dinmicos que envolvem mltiplos perodos de tempo. Esses modelos dinmicos so usados de um perodo de tempo para o perodo seguinte, absorvendo as mudanas ocorridas com o passar do tempo, o que permite avaliar o efeito de um conjunto de decises. Existem sistemas de grande complexidade que se torna bastante difcil a aplicao de um modelo matemtico. Situaes como estas podem ser contornadas com o chamado Mtodo de Monte Carlo. Se o esprito condiz com dados de roletas girando, exatamente o que se pretende, pois assim que o pesquisador operacional imita os acontecimentos aleatrios que se deseja resolver. A tcnica de Monte Carlo parte da idia de uma roleta hipottica que girada conduz um resultado aleatrio. Pode-se controlar a roleta de modo que cada resultado permite uma interpretao. Assim, possvel transformar uma distribuio uniforme em uma distribuio de probabilidade discreta qualquer. A simulao usada em situaes em que o problema real bem complexo ou muito caro. Ela nos permite variar os parmetros dos modelos para vermos qual nos d o melhor resultado. Assim possvel analisar os efeitos das mudanas ocorridas sem correr um risco de se fazer um sistema real equivocado, o que transformaria os custos dessa construo em prejuzos. A simulao nem sempre essencial para se encontrar a soluo boa ou tima para o problema. s vezes, quando se tem um modelo muito simples, no qual envolve apenas duas variveis aleatrias, uma soluo analtica tima pode ser matematicamente estabelecida.

39

4. GESTO DE ESTOQUES A gesto de estoques se resume basicamente, no ato de gerir recursos ociosos que possuem valor econmico e so destinados, futuramente, aos suprimentos de necessidades de material, numa empresa. Uma empresa no dirige seus investimentos somente em aplicaes diretas que produzem lucros (investimento em equipamentos e mquinas que ajudam no aumento de produo), elas dirigem seus investimentos para outros tipos que aparentemente no produzem lucros como, cobrir fatores de risco em situaes inesperadas e de soluo imediata. Uns dos fatores, potencialmente de risco, so evitados como no caso de se investir em estoques onde, por exemplo, na falta de materiais ou produtos, acarretam no interrompimento das vendas, na paralisao da produo, na ociosidade dos operadores, na falta de continuidade dos servios ou operaes etc., ou seja, o investimento em estoques tem grande importncia em qualquer empresa. A gesto dos estoques visa manter recursos ociosos em constante equilbrio em relao ao nvel econmico dos investimentos. Portanto, mantendo o estoque mnimo, a empresa evita o risco de no ter estes recursos em quantidades suficientes para manter o andamento da produo em equilbrio com o fluxo de consumo.

4.1 Definio e natureza dos estoques

Estoque basicamente uma composio de materiais, ou seja, materiais que esto em processamento, materiais semi-acabados e materiais acabados, que em algum momento na empresa, no utilizado, mas mesmo assim, precisa existir em funo de necessidades futuras que a empresa utiliza no seu processo de produo de seus produtos ou servios. Estoque tambm conhecido como uma certa quantia de itens que esto disponveis constantemente e so renovados permanentemente, gerando assim, lucros para a empresa. considerado como lucro, por permitir a no interrupo do processo produtivo das empresas. Os estoques, alm de contribuir com as necessidades do processo produtivo, ele tambm pode ser um problema para a empresa que no souber administrar sua gesto, onde a manuteno dos estoques requer investimentos e muitas vezes gastos muito elevados. Pelo fato dos estoques representarem um grande investimento de recursos e podendo assim, alcanar uma parte considervel dos ativos totais da empresa, a administrao dos estoques apresenta alguns dados financeiros que exigem um relacionamento mais de perto da

40

rea de finanas, pois enquanto a administrao dos materiais se preocupa com o bom andamento da produo, a rea financeira se preocupa com os lucros, uma boa aplicao dos recursos e com a liquidez da empresa. de grande importncia ter o conhecimento das naturezas dos inventrios onde, dentro do estudo da administrao de materiais, se evita grandes distores no planejamento da produo e indica gesto dos estoques, a melhor forma de tratamento que deve ser aplicado em cada um dos inventrios, podendo evitar tambm que medidas corretas aplicadas estoques errados, acarretem em resultados negativos ou desastrosos para a organizao. Cada tipo de inventrio tem caractersticas e comportamentos diferentes e sofrem influncias distintas um do outro, como por exemplo, os estoques destinados venda so sensveis s demandas do mercado de acordo com a oferta e procura e da capacidade de produo, enquanto os estoques destinados ao consumo interno da organizao so influenciados pelas necessidades da produo, manuteno, das oficinas e demais servios. Existem tambm, outros tipos de estoques que podem apresentar comportamentos e caractersticas exclusivas que, no sofrem influncia alguma, como no caso dos estoques de sucata, que no sofrem quaisquer tipos de beneficiamento ou reprocessamento, estes so destinados alienao e outros fins. Algumas empresas fazem dessa sucata, se transformar em uma verdadeira fonte de receita, enquanto os estoques para o consumo interno sejam considerados como despesas. O que considerado produto acabado por uma empresa, este mesmo produto pode ser considerado como material de consumo em outra organizao, como por exemplo, um parafuso, a empresa que fabrica parafusos, tem este parafuso como um produto acabado, outra empresa, pode enxergar este mesmo parafuso como um material de consumo na sua linha de montagem, ou seja, um componente que vai ser utilizado em outro produto acabado. Tendo em vista este exemplo, podemos classificar os estoques de outra maneira, como sendo de venda e de consumo interno, obtendo assim varias maneiras de se distinguir os tipos de estoques, considerando suas aplicaes, finalidades, usos etc., onde se torna muito importante a classificao destes estoques para uma estruturao correta dos almoxarifados, um sistema de material bem configurado, um dimensionamento correto das reas de armazenamento de estoques ao longo da empresa, um bom planejamento da parte fsica e contbil dos estoques.

41

4.2 Funo dos estoques As principais funes que um estoque tem em uma organizao, so de garantir com que o abastecimento de recursos materiais na empresa, no demore ou tenha atrasos neste fornecimento, neutralizando as dificuldades e a sazonalidade no suprimento e de gerar economia atravs da compra de suprimentos, produzindo lotes econmicos, garantindo uma maior flexibilidade, eficincia e rapidez de todo o processo produtivo e o atendimento das necessidades. Para se ter um grau razovel de disponibilidade de algum produto necessrio que se mantenha um estoque, para que atuem como amortecedores entre a oferta e a demanda. A utilizao extensiva de estoques traz como resultado, de que eles tm uma grande contribuio nos custos logsticos totais, aproximadamente 2/3 destes custos, tornando a gesto de estoque como uma atividade de extrema importncia. Quanto maiores os estoques entre duas fases de um processo de produo, mais independentes essas fases so, pelo fato de que interrupes no acarretem na paralisao da prxima fase. Imagine por exemplo, a transformao de gua da chuva em gua potvel fornecida para a populao de um determinado local.

42

FIGURA 2 - Duas fases do processo de fornecimento de gua para uma cidade.

Como as chuvas nem sempre so constantes, tem ms que chove bastante e ms que no chove um dia se quer, para que o fornecimento de gua no pare devido falta de chuva, deve existir um estoque entre as duas fases de processo, que no caso deste exemplo so os rios, represas, que armazenam a gua das chuvas, para que a transformao em gua potvel no dependa das chuvas.

FIGURA 3- Represa (estoque de gua) conciliando as diferentes taxas de consumo e suprimento de gua.

43

4.3 Classificao dos estoques As empresas procuram estudar os estoques para que possam obter uma vantagem competitiva sobre seus concorrentes para que assim possam estar prontas para atender seus clientes quando solicitadas. Isso muitas vezes feito devido a administrao correta e eficaz dos estoques. Os estoques podem ser classificados como: estoques de matrias-primas, estoques de materiais em processo, estoques de materiais semi-acabados, estoques de materiais acabados e estoques de produtos acabados.

4.3.1 Estoques de matrias-primas Os estoques de Matrias-Primas so constitudos de materiais que so utilizados no incio do processo produtivo ou de servios de qualquer organizao. Estes estoques so criados para regular diferentes taxas de suprimento, sejam elas do fornecedor ou da demanda do processo produtivo. As taxas podem ocorrer por diversos motivos, como: o fornecedor pode no entregar no prazo ou nas quantidades esperadas; o fornecedor pode entregar em quantidades maiores do que as necessrias, fazendo com que aumente os estoques de Matrias-Primas; a taxa de consumo do processo produtivo pode aumentar de forma inesperada.

4.3.2 Estoques de materiais em processamento So estoques de materiais em processamentos aqueles que so constitudos por materiais que esto sendo processados ao longo das fases do processo produtivo da organizao, servindo para regular as taxas de produo entre duas fases de processo, pois podem ter tempos de produo diferentes ou at mesmo podem ocorrer falhas de processamento, necessitando de outro material, que abastecido pelos estoques de materiais em processamento.

4.3.3 Estoques de materiais semi-acabados Os estoques considerados semi-acabados so estoques que esto em um processo de acabamento, sendo diferente dos estoques que materiais em processamento, pois esto em um

44

estgio mais avanado, restando assim poucas etapas para que se transformem em estoques de materiais acabados.

4.3.4 Estoques de materiais acabados Os estoques de materiais acabados, que podem ser chamados de componentes tambm, so peas que j esto acabadas, ou seja, esto apenas aguardando a sua montagem em um produto, seja ele um produto final ou uma parte do produto que necessite de mais de um componente.

4.3.5 Estoques de produtos acabados Os estoques de produtos acabados so estoques de produtos prontos ou produtos finais que passaram por todas as etapas do processo produtivo e esto aguardando a sua expedio de acordo com uma determinada demanda de mercado.

4.4 Classificao ABC

Identificar e aperfeioar as formas de gesto de estoque um dos objetivos da classificao de produtos e mercado, conhecido tambm como classificao ABC, onde seu objetivo agrupar produtos de caractersticas parecidas a fim de facilitar seu gerenciamento. Nesta classificao, considerado que os produtos nem sempre tem a mesma importncia. A tcnica ABC uma maneira de se classificar todos os itens de estoque em trs grupos com importncias relativamente diferentes, permitindo a identificao de itens que justificam uma ateno adequada na sua administrao. A curva ABC utilizada como um instrumento para uma boa administrao de estoques, identificando itens que precisam de uma ateno diferenciada, estabelecendo prioridades dentro de uma programao da produo, definindo tambm uma poltica de vendas. A curva ABC tem sido usada para a administrao de estoques, para a definio de uma poltica de vendas, estabelecimento de prioridades para a programao da produo.

45

Depois que os itens forem organizados de acordo com o seu grau de importncia, a curva ABC pode ser classificada das seguintes formas: 1. Classe "A": Um grupo de itens de bastante importncia que devero ser trabalhados com uma ateno especial pela administrao; 2. Classe "C": Um grupo de itens com menos importncias em relao s movimentaes, mas que se exige uma ateno devido ao fato destes itens terem um custo para se manter o estoque; 3. Classe "B": Um grupo de itens intermedirios, ou seja, todo o restante de itens que no se enquadraram nas classes "A" e "C". Abaixo pode-se observar um exemplo:

FIGURA 4 - Classificao ABC para A = 480 itens; B = 720 itens; C = 1200 itens

Onde a classe "A" so os itens que neste exemplo do a sustentao de vendas, onde possvel perceber que apenas 20% dos itens correspondem a 80% do faturamento. J a classe "C" so itens de estoque que correspondem a 50% da quantidade dos itens, porem o seu faturamento de apenas 5%. E a classe "B" corresponde pelo restante dos itens entre as classes "A" e "C" que de 30% dos estoques gerando um faturamento de 15%.

4.4.1 Montagem da curva ABC Para a montagem de uma curva ABC deve-se seguir os seguintes passos: 1. Relacionar os itens a serem analisados; 2. Identificar com nmero ou referencia do produto;

46

3. Colocar o nome do produto; 4. Os custos unitrios atualizado; 5. Valor total do consumo; 6. Arrumar os itens em uma ordem decrescente de acordo com o valor de cada item; 7. Some o faturamento total dos itens; 8. Designe aos itens da classe "A" como sendo 80% do faturamento total; 9. Faturamento da classe "A" = Faturamento Total x 0,8 10. Designe para os itens da classe "C" como sendo de 5% do faturamento total; 11. Faturamento da classe "C" = Faturamento Total x 0,05 12. Designe para os itens da classe "B" como sendo 15% do faturamento total; 13. Faturamento da classe "B" = Faturamento Total x 0,15 14. Aps a identificao destes valores feita uma definio dos itens de cada classe.

47

5. ESTUDO DE CASO O estudo de caso foi realizado em uma empresa localizada na regio da Grande ABC paulista, responsvel pela fabricao e comercializao de peas fundidas em ao inoxidvel pelo processo de micro fuso no mercado nacional de acordo com solicitao de cada cliente. O objetivo deste estudo foi elaborar, atravs de um modelo de Pesquisa Operacional, um mix de produo ideal para maximizar o lucro nas vendas de fundidos de uma empresa com base em Previso de Demanda. Antigamente, a empresa trabalhava com base no software interno para repor seu estoque, a previso de demanda era feita automaticamente via sistema e no tinha um estudo sobre a demanda para analisar o que estava sendo necessrio ou no realmente. A equipe de PCP, Planejamento e Controle de Produo, era responsvel por rodar determinada transao via software todo fim de ms e solicitar os materiais dos fornecedores para reposio de estoque. Esta transao possui vrios parmetros que influenciam no resultado final de compra dos materiais. Alguns parmetros como por exemplo: lote econmico, estoque de segurana, desvio padro, ponto de reposio, tipo de MRP, frequncia, estoque mximo, demanda mdia diria, entre outros, so levados em conta para solicitao de compra dos matrias. Como a procura por peas micro fundidas aumentou bastante nos ltimos meses, o PCP passou a fazer suas prprias solicitaes de compra para os fornecedores e matria prima, ou seja, o setor de PCP deixou de analisar a demanda via software. Isso ocorreu devido as constantes solicitaes de pedidos de grande volume. O estoque regulador no atendia tamanha procura por determinados fundidos, e para no perder as vendas, o prprio setor de PCP comeou a fazer a solicitao de compra para atender ao cliente. O nico problema destas solicitaes sem aviso prvio aos fornecedores de matria prima, era que os mesmos podiam no ter estoque a pronta entrega para suprir nossa demanda, o prazo de entrega muito longo, em torno de quinze dias corridos, e mesmo que os fornecedores disponibilizasse de material disponvel e o cliente aceitasse o prazo de entrega(em torno dos quinze dias corridos mais o prazo de produo), o PCP, podia, em alguns casos, ter problemas de espao fsico no cho de fbrica para recebimento de matria prima vinda dos fornecedores. Este problema de falta de espao fsico era resultado do alto volume de matria prima, sem contar nos matrias acabados (produzidos) aguardando faturamento e envio ao cliente. Tendo a viso destes problemas, o grupo resolveu elaborar um plano de Previso de Demanda que auxiliasse o setor de PCP a ter uma estratgia mais eficaz, ao ponto de obter melhorias do espao fsico da fbrica e evitando a compra de materiais desnecessrios que no possuem sada.

48

A Previso de Demanda foi feita baseada em mdia mvel e ponderada. Foi feito um levantamento dos quantitativos de produes dos meses anteriores. Neste levantamento de dados, analisamos cada fundido beneficiado e sua respectiva quantidade beneficiada ao longo dos meses. Para ter uma elaborada Previso de Demanda, consideramos, alm dos fundidos que deveramos ter em estoque, estoque de segurana, espao fsico para retornos e produtos acabados. A partir deste ponto, o grupo conseguiu analisar o quanto de cada fundido era beneficiado ao longo dos meses e qual o grau de importncia cada fundido tinha para a empresa. Desta forma, classificamos os materiais de acordo com a Classificao ABC, onde os materiais de classe A tinham mais giro, ou seja, maior procura pelos clientes, os materiais de classe B, que possuam um giro mdio e os de classe C, que de acordo com a previso de demanda baseada em mdia mvel e ponderada, possuam sada insignificante. O grupo decidiu que para os materiais classificados de B e C, o setor de PCP no iria fazer solicitaes de materiais diretos, ou seja, no teria mais estoque destes materiais. Caso algum cliente solicitasse estes fundidos, o mesmo seria informado sobre o giro e do prazo de entrega do setor de PCP para a rea comercial. Caso o cliente no aceitasse o prazo, caberia ao departamento comercial tentar fornecer outro fundido prximo ao solicitado que possui maior giro. Com a Previso de Demanda elaborada de forma correta, o grupo analisou as restries possveis que o estudo de caso traria. Foi levantado que para este estudo teramos as seguintes restries: Capacidade mxima de Produto Acabado, Atendimento de Demanda, Capacidade Mxima da Fbrica e rea Mxima da Fbrica. Estas restries so de suma importncia para a realizao da Pesquisa Operacional onde foi usado o modelo AJUSTAMENTO SAZONAL para a maximizao do lucro nas vendas de cada fundido.

5.1 PREVISO DE DEMANDA Para as previses das demandas futuras dos meses de Setembro a Novembro de 2011, foram utilizados modelos de mdia mvel e mdia ponderada, tomando como base os dados do APNDICE-I - LISTA DE FUNDIDOS E DEMANDAS. A partir dos dados dos ltimos 3 meses anteriores aos meses referidos anteriormente, foi feita a previso como se pode visualizar no APNDICE-II LISTA DE PREVISES.

5.2 CLASSIFICAO ABC Para a classificao ABC (APNDICE II LISTA DE PREVOSES) foi estipulado o intervalo dos fundidos A, B e C levando em considerao o total, em Kg, dos fundidos

49

beneficiados durante os ltimos 3 meses anteriores as previses. Foi classificado da seguinte forma:

C B A

0 4100 4101 13000 13001 90000

Tabela 5 Classificao dos Fundidos

5.3 PESQUISA OPERACIONAL Aps feito a previso de demanda atravs dos mtodos de mdia mvel e mdia ponderada dos meses de Setembro a Novembro de 2011, foi utilizado o mtodo AJUSTAMENTO SAZONAL atravs do software Excel para que assim pudesse verificar o melhor mix de produo que maximizasse o lucro da empresa em relao a venda dos fundidos. Para a determinao do mix foi utilizado apenas os fundidos classificados como A, pois so os de maior sada, que agregam maior valor ao caixa da empresa e tambm pela falta de espao fsico para armazenagem de estoque. Abaixo possvel verificar a modelagem completa dos meses de Setembro a Novembro de 2011 de acordo com a previso de cada ms (APNDICE II LISTA DE PREVISES).
Mdia Mvel Maio de 2011: Variveis de Deciso:

50

Funo Objetiva: Lucro = (Preo Venda Custo) * Quantidade diria Lucro = 1,2208*X2+1,54595*X10+1,1221*X30+1,42135*X32+1,63555*X34+1,42135*X45+ 1,42135*X46+1,1221*X57+1,1221*X59+1,1221*X64+1,1221*X74+1,122535*X80+1,2925 5*X83 Restries: Produtos Acabados/dia (kg): X2+X10+X30+X32+X34+X45+X46+X57+X59+X64+X74+X80+X83 < = 30.000 Atendimento da Demanda (diria): Xn > = (Demanda + Estoque Segurana)/30
X2 X10 X30 X32 X34 X45 X46 X57 X59 X64 X74 X80 X83 >= >= >= >= >= >= >= >= >= >= >= >= >= 1268,503 1091,449 805,0387 781,8017 821,4057 1908,78 938,6657 4587,508 804,2347 1253,936 2051,806 1920,504 1782,969

Capacidade Mxima da Fbrica (Kg): X2+X10+X30+X32+X34+X45+X46+X57+X59+X64+X74+X80+X83 < = 1.200.000 rea Mxima para Armazenagem da Fbrica (m): X2+X10+X30+X32+X34+X45+X46+X57+X59+X64+X74+X80+X83 < = 270.000 Capacidade Mxima Diria: X2+X10+X30+X32+X34+X45+X46+X57+X59+X64+X74+X80+X83 < = 50.000

51

Solver (Excel) para determinao do mix:

X2 X10 X30 X32 X34 X45 X46 X57 X59 X64 X74 X80 X83 1268,5 1091,45 805,04 781,802 10804,8 1908,78 938,666 4587,5 804,23 1253,9 2051,8 1920,5 1782,97 1,2208 1,54595 1,1221 1,42135 1,63555 1,42135 1,42135 1,1221 1,1221 1,1221 1,1221 1,22535 1,29255 FO 41386,8

Capacidade mxima Produto Acabado

Atendimento de Demanda

Cap mxima Fbrica rea mxima da fbrica Capacidade mxima dria

1 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1

30000 1269 1091 805 781,8 10805 1909 938,7 4588 804,2 1254 2052 1921 1783 30000 30000 30000

<= >= >= >= >= >= >= >= >= >= >= >= >= >= <= <= <=

30000 1268,502667 1091,449 805,0386667 781,8016667 821,4056667 1908,780333 938,6656667 4587,508 804,2346667 1253,935667 2051,805667 1920,503667 1782,969 1200000 270000 50000

Mdia Mvel Setembro de 2011: Variveis de Deciso:

Funo Objetiva: Lucro = (Preo Venda Custo) * Quantidade diria

52

Lucro = 1,2208*X2+1,54595*X7+1,54595*X10+1,1221*X30+1,42135*X32+1,42135*X45+ 1,42135*X46+1,32405*X47+1,1221*X57+1,1221*X59+1,1221*X64+1,1221*X74+1,12253 5*X80+1,29255*X83 Restries: Produtos Acabados (kg): X2+X7+X10+X30+X32+ X45+X46+X47+X57+X59+X64+X74+X80+X83 < = 30.000 Atendimento da Demanda (diria): Xn > = (Demanda + Estoque Segurana)/30
X2 X7 X10 X30 X32 X45 X46 X47 X57 X59 X64 X74 X80 X83 >= >= >= >= >= >= >= >= >= >= >= >= >= >= 1180,846 532,0357 1091,449 805,0387 781,8017 1908,78 938,6657 629,4063 4587,508 804,2347 1253,936 2051,806 1920,504 1782,969

Capacidade Mxima da Fbrica (Kg): X2+X7+X10+X30+X32 +X45+X46+X47+X57+X59+X64+X74+X80+X83 < = 1.200.000 rea Mxima para Armazenagem da Fbrica (m): X2+X7+X10+X30+X32 +X45+X46+X47+X57+X59+X64+X74+X80+X83 < = 270.000 Capacidade Mxima Diria: X2+X7+X10+X30+X32 +X45+X46+X47+X57+X59+X64+X74+X80+X83 < = 50.000

53

Solver (Excel) para determinao do mix:

X2 X7 X10 X30 X32 X45 X46 X47 X57 X59 X64 X74 X80 X83 1180,8 532,036 10822 805,039 781,802 1908,78 938,666 629,41 4587,5 804,23 1253,9 2051,81 1920,5 1782,97 1,2208 1,54595 1,546 1,1221 1,42135 1,42135 1,42135 1,3241 1,1221 1,1221 1,1221 1,1221 1,22535 1,29255 FO 40307,52

Capacidade mxima de Produto Acabado

Atendimento da Demanda

Capacidade mxima da Fbrica rea mxima da Fbrica Capacidade Mxima Diria

1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1

30000 1181 532 10822 805 781,8 1909 938,7 629,4 4588 804,2 1254 2052 1921 1783 30000 30000 30000

<= >= >= >= >= >= >= >= >= >= >= >= >= >= >= <= <= <=

30000 1180,845767 532,0356667 1091,449 805,0386667 781,8016667 1908,780333 938,6656667 629,4063333 4587,508 804,2346667 1253,935667 2051,805667 1920,503667 1782,969 1200000 270000 50000

Mdia Ponderada Outubro de 2011: Variveis de Deciso:

Funo Objetiva: Lucro = (Preo Venda Custo) * Quantidade diria Lucro = 1,2208*X2+1,54595*X7+1,54595*X10+1,1221*X30+1,42135*X32+1,63555*X34+1,42135 *X45+ 1,42135*X46+1,42135X50+1,1221*X57+1,1221*X59+1,1221*X64+1,1221*X74+1,122535 *X80+1,29255*X83 Restries:

54

Produtos Acabados (kg):

X2+X7+X10+X30+X32+X34+ X45+X46+X50 +X57+X59+X64+X74+X80+X83 < = 30.000 Atendimento da Demanda (diria): Xn > = (Demanda + Estoque Segurana)/30
X2 X7 X10 X30 X32 X34 X45 X46 X50 X57 X59 X64 X74 X80 X83 >= >= >= >= >= >= >= >= >= >= >= >= >= >= >= 1127,38058 564,607394 968,696465 904,679603 773,818215 656,904446 2322,94429 1196,36018 613,442978 1534,42538 891,286565 1546,61761 2687,64995 1859,90373 1782,969

Produtos Acabados (kg): X2+X7+X10+X30+X32+X34+ X45+X46+X50 +X57+X59+X64+X74+X80+X83 < = 30.000 Atendimento da Demanda (diria): Xn > = (Demanda + Estoque Segurana)/30 Capacidade Mxima Diria: X2+X7+X10+X30+X32+X34+ X45+X46+X50 +X57+X59+X64+X74+X80+X83 < = 50.000 Solver (Excel) para determinao do mix:

55

X2 X7 X10 X30 X32 X34 X45 X46 X50 X57 X59 X64 X74 X80 X83 1127,4 564,607 968,7 904,68 773,818 11225,2 2322,94 1196,36 613,443 1534,4 891,29 1546,6 2687,65 1859,9 1782,97 1,2208 1,54595 1,546 1,1221 1,42135 1,63555 1,42135 1,42135 1,42135 1,1221 1,1221 1,1221 1,1221 1,22535 1,29255

FO 42151,98

Capacidade mxima de Produto Acabado

Atendimento da Demanda

Capacidade mxima da Fbrica rea mxima da Fbrica Capacidade Mxima Diria

1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1

30000 1127 564,6 968,7 904,7 773,8 11225 2323 1196 613,4 1534 891,3 1547 2688 1860 1783 30000 30000 30000

<= >= >= >= >= >= >= >= >= >= >= >= >= >= >= >= <= <= <=

30000 1127,380583 564,6073944 968,6964645 904,6796028 773,8182153 656,904446 2322,94429 1196,360176 613,4429779 1534,425377 891,2865649 1546,617607 2687,649947 1859,903731 1782,969 1200000 270000 50000

Mdia Ponderada Novembro de 2011: Variveis de Deciso:

Funo Objetiva: Lucro = (Preo Venda Custo) * Quantidade diria Lucro = 1,2208*X2+1,54595*X7+1,54595*X10+1,1221*X30+1,42135*X32+1,42135*X45+ 1,42135*X46+1,42135X50+1,1221*X57+1,1221*X59+1,1221*X64+1,1221*X74+1,122535 *X80+1,29255*X83 Restries:

56

Produtos Acabados (kg): X2+X7+X10+X30+X32+ X45+X46+X50+X57+X59+X64+X74+X80+X83 < = 80.000 Atendimento da Demanda (diria): Xn > = (Demanda + Estoque Segurana)/30
X2 X7 X10 X30 X32 X45 X46 X50 X57 X59 X64 X74 X80 X83 >= >= >= >= >= >= >= >= >= >= >= >= >= >= 1127,380583 564,6073944 968,6964645 904,6796028 773,8182153 2322,94429 1196,360176 613,4429779 1534,425377 891,2865649 1546,617607 2687,649947 1859,903731 1782,969

Produtos Acabados (kg): X2+X7+X10+X30+X32+ X45+X46+X50+X57+X59+X64+X74+X80+X83 < = 30.000 Atendimento da Demanda (diria): Xn > = (Demanda + Estoque Segurana)/30 Capacidade Mxima Diria: X2+X7+X10+X30+X32+ X45+X46+X50+X57+X59+X64+X74+X80+X83 < = 50.000 Solver (Excel) para determinao do mix:
X2 X7 X10 X30 X32 X45 X46 X50 X57 X59 X64 X74 X80 X83 1127,4 564,607 12194 904,68 773,818 2322,94 1196,36 613,443 1534,4 891,29 1546,6 2687,65 1859,9 1782,97 1,2208 1,54595 1,546 1,1221 1,42135 1,42135 1,42135 1,42135 1,1221 1,1221 1,1221 1,1221 1,22535 1,29255 FO 41146,2

Capacidade mxima de Produto Acabado

Atendimento da Demanda

Capacidade mxima da Fbrica rea mxima da Fbrica Capacidade Mxima Diria

1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1

1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1

30000 1127 564,6 12194 904,7 773,8 2323 1196 613,4 1534 891,3 1547 2688 1860 1783 30000 30000 30000

<= >= >= >= >= >= >= >= >= >= >= >= >= >= >= <= <= <=

30000 1127,380583 564,6073944 968,6964645 904,6796028 773,8182153 2322,94429 1196,360176 613,4429779 1534,425377 891,2865649 1546,617607 2687,649947 1859,903731 1782,969 1200000 270000 50000

57

6. CONCLUSO

Com base na Previso de Demanda, conclumos que ao longo dos anos, a empresa tem por tendncia fornecerem os mesmos fundidos sem muita variao. Alguns fundidos so produzidos em grandes quantidades esporadicamente dependendo muito da necessidade de algum cliente. Em mdia, fundidos de 1 e 2 so os de maior sada ao longo dos meses, estes fundidos est o localizados no meio da tabela catlogo que a empresa possui. Conforme dito anteriormente, os fundidos foram classificados de acordo com classifica o ABC, onde os classificados como A s o os de maior demanda/giro/sada. Por meio desta classificao, entendemos que no vivel a empresa ter todos os fundidos em estoque. De imediato, conclumos em no ter nenhum fundido classificado como C em estoque. Esta deciso foi tomada por dois motivos, o primeiro devido a falta de espao fsico, tivemos que optar em manter estoque apenas dos fundidos de alto giro e a segunda por estes materiais no terem sada ao longo dos meses, permanecendo em estoque por um tempo muito longo. O benefcio desta ao foi de trabalhar com estoque enxuto, possibilitando maior espao livre na fbrica e remanejamento do layout (os fundidos As foram estocados no sub estoque e ficaram disponveis para operaes de usinagem e acabamento de acordo com a demanda de vendas). Caso entre algum pedido espordico, ou seja, de algum fundido classificado como C, de quantidade expressiva, ser repassado ao cliente um prazo maior para entrega deste pedido. Conclumos que a empresa no ir perder pedidos por no ter em estoque fundidos classificados como C, isso se deve ao fato de que ao longo de 12 meses a empresa no teve nenhum pedido expressivo destes fundidos que superassem a marca das 2 toneladas/ms. Tendo em mos a previso de demanda e o modelo de Pesquisa Operacional elaborados, conseguimos concluir que os fundidos com maior rentabilidade, levando em considerao, preo de venda menos custo de produo, foram os que tiveram prioridade na produo.

58

Devido a capacidade de produtos acabados ser de 2 toneladas, quantidade superior que a demanda de todos os fundidos de classificao A, todas as demandas foram atendidas. Rodamos o programa alterando a capacidade de produtos acabados, por exemplo, para 2 toneladas, e percebemos que para este caso, o modelo procura atender o fundido de maior rentabilidade. REFERNCIAS BIBLIOGRFICAS ALBUQUERQUE, Aldous Pereira. MORAES, Marcel Castro de. Modelagem economtrica para a previso do preo futuro do cacau: abordagem ARIMA. Artigo UNIFOR de 22/10/2007. Disponvel em: http://www.unifor.br/images/pdfs/pdfs_notitia/2230.pdf

ANDRADE, Eduardo Leopoldino de. Introduo a Pesquisa Operaional. Rio de Janeiro: LTCE, 2000.

BALLOU, Ronald H. Logstica empresarial: transportes, administrao de materiais e distribuio fsica. So Paulo: Atlas, 1993. BARBANCHO, Alfonso G. Econometria Fundamentos e Possibilidades. Rio de Janeiro: Forum editora, 1970.

BRANDER, A. Forecasting and Customer Service Management. Helbing & Lichtenhahn, Frankfurt, 1995.

BRONSON, Richard. Pesquisa Operacional. So Paulo: McGrawHill do Brasil, 1985.

BOWERSOX, Donald J; CLOSS, David, Logstica empresarial: O Processo de Integrao da Cadeia de Suprimento. So Paulo: Atlas, 2001.

CHIAVENATO, Idalberto. Iniciao ao Planejamento e Controle de Produo. So Paulo: McGrawHill do Brasil, 1990.

CHOPRA, S. & MEINDL,P. Gerenciamento da Cadeia de Suprimentos: estratgia, planejamento e operao. So Paulo. Editora Prentice Hall, 2003.

CORREA, Henrique L. Gesto de Redes de Suprimento: Integrando Cadeias de Suprimento no Mundo Globalizado. Ed. Atlas, 2010.

59

CORREA, Henrique L. Planejamento, Programao e Controle da Produo. 5. Ed. So Paulo: Atlas, 2007.

CORREA, Henrique L. CORREA, Carlos A. Administrao de Produo e Operaes. 2. Ed. So Paulo: Atlas, 2010.

CORRA, Henrique L.; GIANESI, Irineu G. N.; CAON, Mauro. Planejamento, Programao e Controle da Produo. 4. ed. So Paulo: Atlas, 2006.

CORRA, Henrique L.; GIANESI, Irineu G. N.; CAON, Mauro. Planejamento, Programao e Controle da Produo MRP II / ERP: Conceitos, uso e implantao. 4. ed. So Paulo: Atlas, 2001.

CORRA, Henrique L.; GIANESI, Irineu G. N.; CAON, Mauro. Planejamento, Programao e Controle da Produo MRPII/ERP Conceitos, uso e implementao. 3 Ed. Editora Atlas; 1997. DIAS, Marco Aurlio P. Administrao de materiais: uma abordagem logstica 4 ed. So Paulo, Atlas, 2008. DIAZ, C. A P., PIRES, S. R. I. Variao da demanda ao longo da cadeia de suprimentos: o efeito da amplificao da demanda. Anais XXIII Encontro Nac. de Eng. de Produo Ouro Preto, MG, Brasil, 21 a 24 de outubro de 2003.

DUCKWORTH, Walter Eric. Guia a Pesquisa Operacional. 2 Ed. So Paulo: Atlas S.A., 1965.

FRANCISCHINI, G. Paulino. Administrao de materiais e do patrimnio. So Paulo: Pioneira Thonson Learning, 2004.

GAITHER, Norman. Administrao da Produo e Operaes. 8. Ed. So Paulo: Pioneira Thomson Learning, 2001.

GREENE, Willian H. Econometric analysis. 5th ed. New Jersey: Prentice Hall, 2003.

GUJARATI, Damodar. Econometria Bsica. 4 edio. Rio de Janeiro: Elsevier/Campus, 2006.

60

HEIZER, J. e RENDER, B. Administrao de operaes: Bens e Servios. LTC - Livros Tcnicos e Cientficos Editora S.A. Rio de Janeiro: Prentice Hall, 2001. HOFFMANN, Rodolfo. VIEIRA, Snia. Anlise de Regresso Uma introduo a Econometria. So Paulo: Editora Hucitec, 1977. JOHNSTON, Jack. DINARDO, John. Mtodos Economtricos, 4. ed., Editora McGrawHill de Portugal, Amadora, 2001 LOESCH, Cludio; HEIN, Nelson. Pesquisa Operacional Fundamentos e Modelos. 1 Ed. Blumenau: Ed. da FURB, 1999. MARTINS, Petrnio G., Administrao de materiais e recursos patrimoniais. 2 ed. So Paulo : Saraiva, 2006.

MARTINS, Petrnio G. LAUGENI, Fernando Piero. Administrao da Produo. 2.Ed. revisada, aumentada e atualizada. So Paulo: Saraiva, 2006.

MOREIRA, Daniel Augusto. Administrao da Produo e Operaes. So Paulo: Pioneira, 2001.

MOREIRA JNIOR, Fernando J. Modelos Box-Jenkins e Forecasting Qualitativo. [S. l. s.n.], 2002.

SALVATORE, Dominick. Estatstica e Econometria. So Paulo: Editora McGraw-Hill do Brasil, 1982.

SILVA, Ermes; SILVA, Elio; GONALVES, Valter; MUROLO, Afrnio. Pesquisa Operacional Programao Linear e Simulao. 1 Ed. So Paulo: Ed. Atlas S.A., 1995.

SLACK, N., CHAMBERS, S. e JOHNSTON, R. Administrao da produo. 2.Ed. So Paulo: Atlas, 2002.

TUBINO, Dalvio Ferrari. Sistemas de Produo. So Paulo: Bookman, 2000. WOOLDRIDGE, Jeffrey M. Introduo Econometria Uma abordagem moderna. So Paulo: Pioneira Thomson Learning, 2006.