UNIVERSIDADE DA AMAZÔNIA

Transcrição

1 UNIVERSIDADE DA AMAZÔNIA Ruy Fábio Melo Costa Rhenan Paraguassú Smith de Oliveira PROPOSTA DE FERRAMENTA DE APOIO À DECISÃO AO PLANEJAMENTO E CONTROLE DA PRODUÇÃO EM EMPRESA PRODUTORA DE MATERIAIS PLÁSTICOS EM ANANINDEUA/PA BELÉM 2011

2 UNIVERSIDADE DA AMAZÔNIA Ruy Fábio Melo Costa Rhenan Paraguassú Smith de Oliveira PROPOSTA DE FERRAMENTA DE APOIO À DECISÃO AO PLANEJAMENTO E CONTROLE DA PRODUÇÃO EM EMPRESA PRODUTORA DE MATERIAIS PLÁSTICOS EM ANANINDEUA/PA Trabalho de Conclusão de Curso apresentado à Universidade da Amazônia como requisito avaliativo parcial para obtenção do grau de Engenheiro de Produção. Orientador: Prof. Msc. Eng Felipe Fonseca Tavares de Freitas BELÉM 2011

3 UNIVERSIDADE DA AMAZÔNIA Ruy Fábio Melo Costa Rhenan Paraguassú Smith de Oliveira PROPOSTA DE FERRAMENTA DE APOIO À DECISÃO AO PLANEJAMENTO E CONTROLE DA PRODUÇÃO EM EMPRESA PRODUTORA DE MATERIAIS PLÁSTICOS EM ANANINDEUA/PA Trabalho de Conclusão de Curso apresentado à Universidade da Amazônia como requisito avaliativo parcial para obtenção do grau de Engenheiro de Produção. Professor Orientador Felipe Fonseca Tavares de Freitas 1º Membro Avaliador André Clementino de Oliveira Santos 2º Membro Avaliador André Cristiano Silva Melo Apresentado em: 14/ 06/ 2011 Conceito: Aprovado BELÉM 2011

4 AGRADECIMENTOS À Deus, por ter me dado o dom da vida e pela certeza de que farei parte de algo maior no futuro. Agradeço à minha família, que me deu suporte para enfrentar essa árdua fase da minha vida, terminada agora para apenas dar espaço para o início de uma próxima. Ao meu orientador, por ampliar a minha visão sobre as possibilidades de estudos e crescimento profissional. E principalmente, à meu pai (In memorian), que me ensinou a ser magnânimo, a ter honra, caráter, e força de espírito, para continuar lutando e não desistir nunca. Rhenan Paraguassú Smith de Oliveira

5 AGRADECIMENTOS A Deus, por me proporcionar forças para desencadear a sede inesgotável de conhecimento. A minha mãe, Rosangela Melo por ser a mestra que me fez perceber a magnificência de seu caráter e humildade, a sua simplicidade e postura social são valores que me denotam como profissional. A minha irmã, engenheira de pesca Pâmela Costa, sua perseverança e determinação da sua crescente e notável realização profissional e postura ética/humanista, me completam como pessoa de valor. Aos meus amigos Vinícius Galiza, Rhenan Smith, que estão sempre presentes no desenvolvimento e publicação de projetos e artigos acadêmicos, a sinceridade e a nossa dedicação serão sempre nosso forte. Ao meu orientador, Felipe Freitas, por estar sempre presente, para melhor nortear nosso trabalho, seu interesse progressivo na conclusão e aplicação do estudo foi de fundamental importância para realização do mesmo. Ruy Fábio Melo Costa

6 RESUMO Resumo: O artigo teve por objetivo a criação de uma ferramenta de apoio à decisão de natureza estratégica na área de planejamento e controle da produção. Realizouse um estudo em uma fábrica de frascos e sacos plásticos, onde na mesma, ocorreu uma coleta de dados, onde foram utilizadas as planilhas de controle ou banco de dados referentes aos insumos necessários para a manufatura dos produtos de baixa densidade industrial (sacolas plásticas). Como resultado(s) da pesquisa, obteve-se a construção de uma ferramenta especialista já que pode executar uma série de cálculos relacionados à previsão de demanda e gestão de estoque e apresentar esses resultados para o usuário. Palavras Chaves: Sistemas Especialistas; Planejamento e controle da produção; Programação Visual Basic for Application.

7 ABSTRACT Abstract: The paper had as an objective the creation of a decision making tool of strategic nature in the production planning and control area. The study was executed in a plastic bottles and bags, in itself, the data collection has occurred, where the data collected were from the control electronic sheets or the data warehouse referred to the inputs necessary to the production of industrial low density (plastic bags). As a result, the construction of an expert tool was achieved as it can execute a series of calculations related to demand forecast and stock management and show the results to the user. Keywords: Expert systems; Production Planning and Control; Visual Basic Programming

8 Proposta de ferramenta de apoio à decisão ao PCP em empresa produtora de materiais plásticos em Ananindeua/PA Ruy Fábio Melo Costa (UNAMA) Rhenan Paraguassú Smith de Oliveira (UNAMA) Felipe Tavares de Freitas (UNAMA) Resumo: O artigo teve por objetivo a criação de uma ferramenta de apoio à decisão de natureza estratégica na área de planejamento e controle da produção. Realizou-se um estudo em uma fábrica de frascos e sacos plásticos, onde na mesma, ocorreu uma coleta de dados, cujo serão priorizadas planilhas de controle ou banco de dados referentes aos insumos necessários para a manufatura de sacolas plásticas. Como resultado(s) da pesquisa, esperase obter uma ferramenta de apoio e controle da produção capaz de reconhecer e rodar vários cenários possíveis de produção, dando como resultado a situação onde se encontra o menor custo total. Palavras Chave: Sistemas Especialistas; Planejamento e controle da produção; Programação Visual Basic for Application. 1. Introdução Embora para muitos gerentes de produção seja de difícil compreensão e aplicação no âmbito fabril, o PCP (Planejamento e Controle da produção) surge com novas tendências e aplicações factíveis para desmitificar conceitos obsoletos que ainda imperam no cenário de chão de fábrica. Desta forma, torna-se possível efetuar aplicações derivadas de outras áreas, como Administração e Logística, para fins de definição de parâmetros das causas de problemas, e norteamento das soluções. O PCP faz parte da gestão de quaisquer empreendimentos em que se transformem insumos em determinado produto final (VOLLMAN et. al., 2006). Um sistema de PCP é ligado ao planejamento e controle de todos os aspectos relacionados à manufatura, incluindo materiais, cronograma de máquinas e pessoas, e coordenando fornecedores e clientes. Um sistema de PCP efetivo é crítico para o sucesso de qualquer companhia, pois não se trata de um sistema que sai direto do forno para ser utilizado, pois deve se adaptar e responder às variações e parâmetros de cada área competitiva, tais como atendimento ao cliente, estratégia, cadeia de suprimentos e outros possíveis problemas. Os problemas de planejamento existem dentro de uma empresa porque os recursos de produção são limitados e não podem ser estocados de um processo a outro, ou do contrário, poderiam se acarretar em custos adicionais desnecessários. Escolhas devem ser feitas para lidar com o que procederá do recurso a disposição e como irá se comportar perante as capacidades do processo, o comportamento do mesmo e seu custo. Além de que se pode existir incógnitas no processo produtivo, como gargalos e lead times. Pode ser priorizada somente a inclusão, para fins de melhor gestão, de alguns problemas de ordem vital, como por exemplo, os gargalos na produção. Por outro lado, se não houver um recurso dominante, a estrutura de dados se baseará nos insumos que possivelmente pode limitar a produção, ou seja, causar a sua parada nos

9 processos produtivos. Pode-se, então, dividir o tipo de produção em duas faces: uma assume uma indústria de produção linear, que no caso, possui uma linearidade entre produção do bem e consumo de recursos; e outra que possui, em sua estrutura, o contexto linear, porém com a adição de certos segmentos produtivos que necessitam de um lead time ou tempo de setup (preparação da máquina ou do insumo). Para ajudar nessa questão, vários métodos são estudados para garantir a melhor forma de gerir a produção. Estes vão desde simples métodos de controle baseados no empirismo até a utilização de softwares específicos para essa área. Porém esses programas, por muitas vezes, atendem a empresa somente no momento presente, não sendo capaz de se adaptar conforme o contexto empresarial muda, já que o mercado está em constantes transformações. A idéia de um sistema especialista parte dessa premissa, um software capaz de atender o agora do empreendimento e se adaptando na mesma proporção que se utiliza o programa. O presente artigo é composto de 8 sessões. A seguinte descreve o sistema especialista. A sessão 3 descreve PCP no âmbito fabril. A sessão 4 descreverá os modelos de previsão de demanda. A sessão 5 dará uma breve abordagem de gestão de estoque, enquanto que a sessão 6 será mais direcionada para os procedimentos metodológicos da pesquisa. Na penúltima sessão será apresentado o estudo de caso e discutidos os resultados esperados. Por fim, na última sessão são apresentadas as considerações finais da pesquisa. 2. Sistema Especialista Em um atual cenário competitivo, construir e gerenciar conhecimentos de apoio a especialistas no controle de processos industriais pode ser útil para uma organização de fabricação, principalmente para processos que ocorram sob incertezas e com dados incompletos. De acordo com Rezende (2003), a inteligência artificial é um campo de conhecimentos que oferece modelos de apoio a decisão e ao controle com base em fatos reais e conhecimentos empíricos e teóricos, mesmo que apoiados em dados incompletos. A inteligência é a demonstração por resultados de princípios coerentes, em escala de tempo verificável: a natureza é inteligente em escala de tempo inacessível para os humanos. O oposto da inteligência é o caos: em sistema caótico, duas entradas muito próximas resultam em duas saídas sem qualquer conexão (CONAI, 1994). Para Mc Carty (2002), inteligência é a parte computacional da habilidade de alcançar objetivos, percebendo-se diversos tipos e graus de inteligência em pessoas, em muitos animais e em máquinas. Os sistemas especialistas são sistemas computacionais que resolvem problemas de forma similar ao modo como um especialista humano os resolveria, possuindo capacidade de decisão em campos específicos do conhecimento. Um sistema especialista resolve problemas em uma área limitada do conhecimento, não se devendo esperar do mesmo que possa ter capacidade de resolver qualquer problema (SELLITTO; BORCHARDT; ARAÚJO, 2002). Os sistemas especialistas buscam a resposta e aprendem com e experiência, resolvendo problemas por análise inferencial, a partir de sintomas e intensidades aleatórios e apoiados em bases de conhecimento que podem, inclusive, ser transferidas. Os sistemas especialistas possuem: (i) um banco de conhecimentos que contém fatos, regras e padrões; (ii) um dispositivo de inferência capaz de tomar decisões ; (iii) uma linguagem na qual as regras são escritas; (iv) um organizador que inclui o dispositivo de inferência, o gerenciador da base de conhecimento e as interfaces de usuários (NIKOLOPOULOS, 1997; RABUSKE, 1995).

10 Uma vasta variedade de métodos pode ser usada para simular o desempenho do especialista, entretanto, para isso, deve se possuir os requisitos para atender de forma adequada, sendo eles: A criação de uma base de conhecimento que utiliza os próprios conhecimentos de situações dentro da empresa, de forma a capturar a essência do conhecimento do especialista; Um processo que, depois de coletada as informações essenciais, codifica as situações através de uma linguagem de programação, que pode ser chamada de engenharia de conhecimento. Sistemas especialistas podem ou não possuir capacidade de aprendizado em sua base dados, mas um terceiro requisito seria de que, quando o software é finalizado, este deve ser capaz de resolver problemas onde um especialista deveria ser consultado, tipicamente apoiando trabalhadores reais ou sendo um suplemento a informações no sistema. 3. PCP no âmbito fabril Talvez o aspecto mais importante do contexto de desenvolvimento e manutenção de um sistema de controle e planejamento da produção seja a mudança contínua no ambiente competitivo (VOLLMAN et. al., 2006). É dessa forma que o PCP atua, pois garante que o processo produtivo se mantenha o mais próximo do contínuo, cunhando no aumento de produtividade, como o planejamento do tempo de setup, de forma a não parar totalmente a produção. Tratando-se de plano mestre da produção identifica-se a existência de planos de curto, médio e longo prazo que impõem parâmetros referentes a estoque, instalações, contratos, empregos de materiais, entre outros que envolvem os sistemas de operações. Sinteticamente, o programa mestre de produção informa quais itens deverão ser produzidos, quando serão necessários e em que quantidade (STEVENSON, 2001). Vollman et. al. (2006) diz que as atividades de planejamento e controle da produção podem atuar de três formas: em curto, médio e longo prazo. Em longo prazo, o sistema é responsável pelo fornecimento de informações para a tomada de decisões sobre a quantidade apropriada de capacidade (incluindo equipamento, prédios, fornecedores, e assim por diante) para atingir as demandas futuras do mercado. No médio prazo, o planejamento está voltado para a demanda e o mix de produtos que será utilizado para atender esse mercado. Por fim, no curto prazo, a programação de recursos é requerida para atender às necessidades de produção, ou seja, fazer a gestão de insumos de forma a atender aos clientes internos, que, no caso, são máquinas e outros componentes que fazem parte do processo de produção. Plano mestre de produção são rotinas de curto prazo para produzir produtos acabados ou itens finais, os quais são usados para impulsionar o sistema de planejamento e controle. Esses sistemas desenvolvem programas de produção de curto prazo de peças e montagens, programas de compra de materiais, programas do setor de produção e cronogramas da força de trabalho. (GAITHER e FRAZIER, 2004). Para Corrêa (2001) em terceiro nível de desagregação, os produtos são desagregados em componentes e os grupos de equipamentos similares são desagregados em equipamentos individuais. O horizonte pode ter um a alguns meses de duração, o período de planejamento pode ter um dia ou uma semana. Segundo Slack (2002) informa, nesse planejamento muitos dos recursos terão sido definidos e será difícil fazer mudanças de grande escala nos recursos, e ao se fazer interações e mudanças no plano em curto prazo, os gerentes de produção estarão tentando equilibrar a qualidade, a

11 rapidez, a contabilidade, a flexibilidade e os custos de operações de forma ad hoc, mesmo com a impossibilidade de se efetuar cálculos detalhados em curto prazo, com uma compreensão geral das prioridades, formado o pano de fundo para sua tomada de decisão. Na proporção que a produção cresce, em consequência do vasto mercado, o cenário do estoque aparece, direcionando grande parte dos recursos para sua gestão. Muitos gerentes de produção têm uma atitude ambivalente quando se fala de estoque, pois se percebe que são realmente custosos e, dependendo, da situação podem reter considerável quantidade de capital. De fato, manter o estoque representa riscos, pois os itens estocados podem deteriorar, tornar-se obsoletos e/ou perdê-los, além de ocupar espaço que poderia ser melhor utilizado para a produção. 4. Modelos de Previsão de Demanda Previsões podem ser encontradas em diferentes áreas das atividades humanas e são essenciais ao bom funcionamento de empresas. De modo geral, fazer uma previsão consiste em tentar prever o futuro de maneira que isto possa auxiliar a tomada de decisões (LUSTOSA, 2010). Para Tubino (2007) a previsão da demanda visa estimar a demanda futura por produtos e/ou serviços da organização. Ela constitui uma etapa importante de diversos processos de planejamento da gestão de operações e da logística. As previsões visam, portanto, determinar onde, quanto e quando os produtos/serviços serão requisitados, de maneira a responder adequadamente a esta demanda. Ao se fazer a previsão da demanda, a gestão dos estoques é, sem dúvida, a principal preocupação. Grande parte das empresas precisa fazer seus pedidos de produtos e matériasprimas antes de conhecer completamente a demanda. Enquanto parte da demanda já é conhecida (pedidos feitos com bastante antecedência), há sempre uma parcela da demanda que só será conhecida poucos momentos antes do momento da ocorrência. Aí que atuam os modelos de previsão, tentando prever com antecedência suficiente qual será a demanda futura, para que esta informação possa servir na tomada de decisões. Diferentes tipos de negócios necessitam de métodos específicos de previsão. De acordo com Bowersox e Closs (2007), existem três tipos de técnicas de previsão: a qualitativa, a causal e a série temporal. A técnica qualitativa considera a opinião e/ou julgamento dos especialistas nos produtos ou nos mercados onde atuam estes produtos para prever o futuro. Quando aplicável ou disponível, os dados do passado também podem ser considerados. No caso da técnica causal, é necessário associar os dados históricos do produto com uma, ou mais, variáveis que tenham alguma relação com a demanda do produto. Utiliza uma classificação própria para as variáveis explicativas ou independentes que descreve uma relação entre um evento importante e suas principais causas, podendo esta relação ser usada para realizar previsões. Por último, a técnica baseada em série temporal modela matematicamente a demanda futura, através do uso de métodos estatísticos, relacionando os dados históricos do próprio produto com o tempo. De acordo com o autor, esta técnica assume que o futuro é similar ao passado, e por esta razão considera a premissa que os padrões de demanda existentes continuarão no futuro. Sendo assim, o seu uso é mais aconselhável para o planejamento de curto prazo, e dentre as três é a que tem maior aplicabilidade na previsão de demanda. De acordo com Wanke (2010), a Média Móvel Simples (MMS) utiliza a média aritmética dos últimos n valores a prever o valor seguinte. Ou seja, a cada nova observação disponível, o valor mais antigo é descartado e o mais recente é inserido para o cálculo da nova média.

12 É importante salientar que são atributos pesos idênticos aos n valores utilizados no cálculo. A intensidade do impacto da inclusão de um novo valor e do descarte do valor mais antigo depende principalmente do número reduzido de períodos, os quais tendem a apresentar maiores impactos causados pela inclusão de novos valores, enquanto médias móveis baseadas em um número elevado de períodos apresentam menor sensibilidade à inserção de novas observações (WANKE, 2010). De acordo com Moreira (1999), a Média Móvel Ponderada (MMP) é muito semelhante à média móvel simples, apresentando como característica particular a ponderação com pesos maiores para os valores mais recentes, que, por isso, são considerados mais importantes. Os pesos atribuídos devem somar 1 (um). A maior vantagem deste método em relação à média móvel simples é o fato de que os valores mais atuais podem estar revelando uma tendência e daí a necessidade de receberem um grau maior de importância. A utilização de modernas técnicas de gerenciamento de estoques adequadas à realidade da empresa possibilita meios de minimizar impactos financeiros negativos pela imobilização desnecessária de capital em estoques, assegurando máximos níveis de atendimento aos clientes. 5. Gestão de estoques De acordo com Slack (2002) Estoque é definido com a acumulação armazenada de recursos materiais em um sistema de transformação. O principal dilema no gerenciamento de estoques é que, apesar dos custos e de outras desvantagens associadas à manutenção, estes facilitam muito a conciliação entre fornecimento e demanda. Com isso, torna-se factível a sua existência em decorrência da relação desarmônica do fornecimento com a demanda. Um sistema de estoque fornece a estrutura organizacional e as políticas organizacionais para manter e controlar os produtos a serem estocados (CHASE, JACOBS e AQUILANO, 2006). Um dos princípios básicos de gestão de estoques é como tais investimentos impactam os negócios da empresa o que representa capital imobilizado e sem liquidez imediata, representando custos financeiros para a empresa. Muitas vezes encarado como vilão, o estoque pode ser um dos maiores aliados do fabricante. Mas, antes de tudo, é preciso lembrar que uma empresa de sucesso, para se manter de pé e ativa no mercado, precisa preservar seus clientes, que devem ser muito bem atendidos e satisfeitos. Por isso, o foco dos negócios sempre deve estar no cliente sem jamais, obviamente, deixar de lado os resultados positivos e os lucros. Segundo Ballou (1993), a gestão de estoques deve garantir que a quantidade de materiais esteja disponível quando necessários para manutenção do ritmo de produção ao mesmo tempo em que os custos de encomenda e manutenção de estoques sejam minimizados. Para Rodrigues e Oliveira (2009), a gestão de estoques procura, ainda, minimizar possíveis perdas com a utilização racional, sendo uma ferramenta primordial para o planejamento da produção. Falando em lucros, a gestão eficaz dos estoques é uma mina de ouro para aumentar a receita de qualquer empresa. Sem dúvida, o maior desafio é minimizar o risco entre a sobra ou a falta de produtos para atender ao cliente. Esse risco sempre existirá; o segredo está em minimizálo. Não se controla estoque controlando quantidades de produtos armazenados. É imprescindível o controle de seu desempenho de consumo. O produto, para ser colocado no mercado, tem que estar em plena condição de consumo em especificação, integridade física e prazo de validade.

13 De grande influência no controle de estoque, está a Tecnologia de Informação (TI), ferramenta primordial para o sucesso dos resultados. As diversas formas de controlar um estoque, em todas as suas contingências de operações, precisam ser contempladas num programa de informática. Produtos avariados, reservas de pedido, produtos obsoletos, estoque em trânsito são alguns dos pontos que devem ser controlados perante toda a empresa e, principalmente, pela logística. Por outro lado, as quantidades contidas no programa, de cada item de produto, passam a ser a contábil, ou seja, o número oficial da empresa é fundamental para o resultado final. Além do mais todo o corpo de vendas trabalha levando em consideração informações para exercer sua função perante o mercado. 6. Metodologia O método de desenvolvimento da ferramenta de apoio à decisão, neste trabalho, consiste na criação de uma base matemática comum, no caso a utilização de fórmulas e conceitos de planejamento e controle da produção, para criar um resultado a ser alcançado pela sua contrapartida computacional. Para auxiliar a construção da base computacional, foi utilizado o programa Microsoft Excel e sua base de programação, o Visual Basic for Applications (VBA). A escolha desse software, em especial, se deu pelo fato de ser bastante disseminado na vida empresarial, além de que a sua base de programação segue um padrão lógico de fácil entendimento e construção. Mesmo com uma linguagem computacional simples, o VBA é capaz de produzir desde pequenos programas ou padrões de ações, as chamadas macros, até cálculos complexos com a utilização de variáveis estáticas ou aleatórias. Neste artigo, ocorre a utilização de ambos os contextos, pois as macros cuidam da preparação de dados, enquanto que as variáveis realizam o cálculo em si. Neste trabalho, são abordadas as médias móveis simples e ponderada, onde a média simples possui um n que varia de 1 a 10, e a média ponderada possui como coeficientes α, β e γ, os respectivos valores de 20%, 30% e 50%, totalizando dessa maneira 100%. Os coeficientes α, β e γ são ligados diretamente aos meses que antecedem o período de previsão, sendo que γ representa o mês anterior, β o segundo anterior e α o terceiro mês anterior. A média móvel simples consiste em relacionar os valores n anteriores ao mês que gostaria de se prever, ou seja, se n for igual a 2, então se deve tirar a média de dois meses anteriores ao previsto, e assim sucessivamente. Deve-se levar em conta, entretanto, que a utilização de poucos dados para executar uma previsão de demanda aumenta a chance de erros de previsão, pois os dados podem obedecer certa sazonalidade, o que pode alterar em seu resultado final. O mais recomendado a se fazer é utilizar dados que venham de um ou dois anos anteriores, ou seja, se o desejado a se prever é o mês de Maio de 2011, devem-se utilizar dados a partir de abril de 2009 a abril de Dessa forma, a variação se mantém mais clara e fácil de confirmar, pois a partir da análise dos dados, pode-se verificar melhor o comportamento do mês a ser previsto. Quanto à média ponderada, apesar de sua semelhança à média móvel, não há a necessidade de se utilizar certa quantidade de períodos, pois a fórmula da mesma se relaciona apenas a três meses anteriores ao mês previsto. Porém, para fins comparativos entre os meses previstos e os valores reais, é recomendado que se utilizasse um mínimo de um ano de dados mensais. Apesar de podermos utilizar de diversos modelos de previsão demanda, não há como saber se um modelo é melhor que outro. Para isso se utiliza o desvio padrão de erro (mean absolute deviation: MAD), ou, e mais elaborado, o desvio percentual de erro (mean absolute

14 percentage error: MAPE). Com esses parâmetros, pode-se observar qual modelo se aproxima da realidade da empresa, sendo este o eleito para a previsão. As fórmulas das médias móvel e ponderada, como descritas abaixo, são utilizadas em um primeiro momento para análise da procedência do cálculo se feita por meio manual, para depois traduzir para uma linguagem computacional. Dessa forma, é mais fácil prever o comportamento da fórmula quando traduzido para o ambiente computacional. 7. Estudo de caso Os dados a serem trabalhados foram fornecidos por uma empresa que trabalha com sacos plásticos, e possui problemas quanto à sua demanda mensal, tais como altos picos de demanda ou quedas na mesma. Por vezes, o empresário se encontrava em uma situação complicada, pois, como possuía poucos conhecimentos de previsão, não podia trabalhar os dados históricos de suas vendas e melhor se preparar para atender às mesmas. Antes de apontarmos como solução a utilização de modelos de previsão, os mesmos trabalhavam de maneira empírica ao realizar seus cálculos, que por diversas vezes, não eram capazes de atender a sua demanda total, acarretando em custos adicionais e perdas de oportunidade. Após análise dos dados fornecidos, verificou-se que os mesmos, considerando os valores dos pedidos e não os atendidos, não possuíam sazonalidade, assim como períodos de ausência ou baixa de demanda ou picos exorbitantes das mesmas, possuindo certa constância. Para fins acadêmicos, optaram-se apenas pelos insumos tipo A, ou seja, as matérias-primas mais utilizadas dentro da empresa. Dentre estas, os insumos de baixa densidade foram os apontados como cruciais para o bom funcionamento e circulação de capital de giro dentro da empresa. Com isso, para fins de análise acadêmica, o item TX-7003, apontado como matéria-prima participante da classificação ABC, foi a escolhida para teste, resolução e considerações finais do projeto. A construção da linguagem de programação, a partir das fórmulas apresentadas anteriormente, se deu de forma que os dados se encontrem em certo local da planilha, onde para a média ponderada, se encontrava na oitava linha da mesma. Entretanto, para a variável referente à coluna, para a média ponderada, já que ela se relaciona apenas com os três meses anteriores aos meses previstos, esta teve que ser referente ao período em que se encontra a célula que dará o valor previsto menos um, como descrito abaixo: Equação 3: calculo = ((pond1 / 100) * ActiveCell.Offset (8, (-3)).Value) + ((pond2 / 100) * ActiveCell.Offset (8, (-2)).Value) + ((pond3 / 100) * ActiveCell.Offset (8, (-1)).Value) Onde: pond1 = 20 pond2 = 30 pond3 = 50 Quanto à média móvel, descrito abaixo, foram utilizadas as próprias células da planilha para orientar o cálculo do método que, nesse caso, ocuparam a nona linha da planilha. A média móvel possui um cálculo mais complexo para se escrever em relação à análise da média ponderada, pois deve variar o valor de n de 1 a 10:

15 Equação 4: ActiveCell.FormulaR1C1 = "=(R[9]C[-n]+... +R[9]C[-n+1=1])/n" 8. Considerações Finais Inseriram-se os dados nos espaços destinados na planilha e foram executadas as macros destinadas aos cálculos dos modelos de previsão. Os resultados encontram-se registrados em outra área reservada na planilha, onde obedeciam a uma ordem de acordo com o valor de n, no caso da média móvel e por último a média ponderada. O mês que se utilizou como base para verificação da funcionalidade do programa foi o mês de dezembro de Logo, os dados referentes aos meses de dezembro de 2008 até novembro de 2010 foram alocados como base histórica para a realização da previsão do mês objetivo. Entretanto, como esse artigo possui limites de margens no seu corpo de texto, apenas parte dos valores pode ser visualizada, como se pode notar na Tabela 1. Tabela 1 Demonstração de resultados de previsão de demanda Fonte: Autores, Nesse contexto, entra a utilização do MAPE, pois com os valores estabelecidos, pode-se calcular qual o método que mais se aproximou da realidade da empresa. O cálculo do MAPE se dá de tal forma que, é a diferença entre os valores reais e dos valores previstos, onde a soma do menor valor, em percentual com o total em relação aos outros modelos, é apontado como melhor modelo a ser aderido. O que foi observado é que, o pequeno sistema é capaz de gerar respostas iguais as que um usuário, com conhecimento em previsão de demanda, seria capaz de gerar. Ou seja, o programa seguiu um padrão de qualidade necessária para dar apoio à uma decisão, apenas com o fator tempo como sua principal vantagem. O empresário da fábrica em questão ficou mais seguro nas suas tomadas de decisões, pois não precisava mais contar com a sorte ou pensamentos empíricos para ordenar pedidos de produção, já que o programa, apesar de ser simples, destacava informações de apoio para estas decisões. Para o mercado atual, saber tomar decisões concisas e rápidas é fundamental para a sobrevivência de um empreendimento. Além de que não há a necessidade de se consultar um especialista na área de previsão toda vez que o empreendedor encontrar-se diante de uma situação onde precise requerer insumos, a fim de atender sua demanda. O programa criado por esse artigo manteve sua simplicidade e descrição, porém foi capaz de dar respostas diretas e objetivas, quanto à previsão de demanda mais propícia à realidade da companhia. Contudo, o desenvolvimento desse programa continua em andamento, pois a inclusão de outros modelos de previsão mais elaborados e complexos dará melhor garantia e confiabilidade para o usuário do programa.

16 Referências BALLOU, Ronald H. Logística empresarial. São Paulo: Atlas, HONG, Yuh Ching. Gestão de estoques na cadeia logística integrada. 2. ed. São Paulo: Atlas, BOWERSOX, D. e CLOSS, D. J. Logística Empresarial: O Processo de Integração da Cadeia de Suprimento, 1ª edição, Atlas, CHASE, Richard B. JACOBS, F. Roberts. AQUILANO, Nicholas T. Administração da Produção para a Vantagem Competitiva. 10 ed. Porto Alegre, Bookman, CONAI: Tutorial Inteligência Artificial. In: CONGRESSO NACIONAL DE AUTOMAÇÃO INDUSTRIAL. Anais... São Paulo, CORRÊA, Henrique L. Planejamento e controle da produção: MRPII/ERP: conceitos, uso e implantação. 4 ed. São Paulo: Atlas, GAITHER, N. e FRAZIER, G. Administração da Produção e Operações. Thomson Learning, São Paulo, MC CARTHY, J. What is Artificial Intelligence? Disponível em: < Acesso em: out MOREIRA, D. A. Administração da Produção e Operações. 4 ed. Pioneira, São Paulo, NIKOLOPOULOS, C. Expert systems: New York: Marcel Dekker, Inc., RABUSKE, R. Inteligência Artificial. Florianópolis: Editora da UFSC, REZENDE, Solange Oliveira. Sistemas Inteligentes: fundamentos e aplicações. Manole, Barueri, RODRIGUES, P.C.C. e OLIVEIRA, O. J. Análise da influência da estratégia de gestão da produção ETO sobre a gestão de estoques em uma indústria gráfica. XXIX Encontro Nacional de Engenharia de Produção. 10p. Salvador: BA, SELLITTO, M.; BORCHARDT, M.; ARAÚJO, D Manutenção centrada em confiabilidade: aplicando uma abordagem quantitativa. Anais do XXII ENEGEP, Curitiba, SLACK, Nigel, CHAMBERS, Stuart, JOHNSTON, Robert - Administração da Produção: ATLAS, 2ª edição de STEVENSON, W. J. Administração das Operações de Produção. LTC. 6ª edição. Rio de Janeiro, TUBINO, Dalvio Ferrari. Planejamento e Controle de Produção: Teoria e prática. São Paulo, Atlas, VOLLMAN, Thomas E. Sistemas de planejamento e controle da produção para o gerenciamento da cadeia de suprimentos. 5 Ed. Porto Alegre: Bookman, 2006 WANKE, Peter. Gerência de Operações: uma abordagem logística. São Paulo, Atlas, 2010.

17 APÊNDICE A FERRAMENTA ESPECIALISTA APLICADA À PREVISÃO DE DEMANDA E A POLÍTICAS DE GESTÃO DE ESTOQUES Certos historiadores consideram a Revolução Industrial como marco dos estudos e aplicações voltados ao Planejamento e Controle da Produção (PCP). Já outros entendem que seu início se deu na antiguidade, em grandes construções como as Pirâmides Egípcias, o Parthenon Grego, a Grande Muralha da China, entre outros. Apesar desses registros, foi com o início da Revolução Industrial que o PCP tem seu desenvolvimento, como catalisador de eficácia produtiva. Esse desenvolvimento envolveu dois elementos principais: a difundida substituição da força humana e da água pela força mecanizada e o estabelecimento do sistema fabril. A seguir, com o grande número de trabalhadores reunidos em fábricas criou a necessidade de organizá-los de uma maneira lógica para produzirem produtos. Dessa forma, as fábricas do final do século XVIII desenvolveram não somente maquinaria de produção, mas também maneiras de planejar e controlar o trabalho. Talvez o aspecto mais importante do contexto de desenvolvimento e manutenção de um sistema de controle e planejamento da produção seja a mudança contínua no ambiente competitivo. É dessa forma que o PCP atua, pois garante que o processo produtivo mantenha-se o mais próximo do processamento contínuo dos materiais, cunhando no aumento de produtividade, como o planejamento do tempo de setup, de forma a não parar totalmente a produção.o PCP possui três áreas fundamentais que influenciam a sua programação, tais são: Internacionalização, papel do cliente e uso crescente da tecnologia de informação (VOLLMAN et. al., 2006). Internacionalização: Com a globalização, veio a integração entre os países, ou seja, mesmo que seja uma empresa pequena, é possível facilmente expandir a sua área de atendimento para o exterior. Pelo menos mais fácil que anteriormente. Isso mudou a visão de planejamento na produção, já que o produtor agora teria em suas mãos um valor de demanda que poderia variar de mínimos a altos valores, e para lidar com esse contexto, um planejamento revela-se como fundamental para gestão da produção; Papel do cliente: Conforme a tecnologia evolui, as necessidades dos clientes aumentam proporcionalmente tanto quanto o seu nível de exigência. Logo, técnicas inovadoras surgem para atender a necessidade de clientes, cada vez mais exigentes. Diante dessas tendências o modelo de produção em massa acaba sendo ineficiente em alguns casos,

18 pois conforme especificações dos clientes, partes do processo devem ser constantemente alterados, resultando em tempos de preparo de máquina. Assim, uma organização do fluxo no chão de fábrica deve ser mantida, a fim de estabelecer os níveis de parada ao mínimo; Tecnologia de informação: O preço da informação não pode ser contabilizado, já que, com informações de valores de demanda mais críveis e melhor amparados na realidade, consequentemente o produtor pode preparar-se melhor para atender com base nesses conhecimentos. Para a existência de um sistema de PCP na empresa, ou mesmo para sua implantação, a organização precisa atender requisitos indispensáveis à existência e desenvolvimento do plano de produção. Estes pré-requisitos são: o conhecimento do produto acabado e todas as suas etapas (Engenharia do produto), e facilidades relacionadas aos recursos financeiros e industriais compatíveis com o programa de vendas (Planejamento da capacidade) (RUSSOMANO, 2000). A engenharia industrial do produto é responsável pelo fluxograma do produto acabado, relação geral dos componentes do produto acabado, sequenciamento de produção, folhas de matérias primas e folhas de máquinas. Para o PCP, basta apenas a tradução dos números da solicitação de vendas em instruções para produção e compras, destinatários das suas ordens ou solicitações. Enquanto que o planejamento da capacidade consiste basicamente no acerto do programa de produção para um determinado período a partir das perspectivas de vendas, essas por sua vez baseados nos valores da previsão de demanda, tópico a ser abordado mais adiante no trabalho (RUSSOMANO, 2000). Segundo Vollman et. al. (2006), as atividades de planejamento e controle da produção podem atuar de três formas: em curto, médio e longo prazo. Em longo prazo, o sistema é responsável pelo fornecimento de informações para a tomada de decisões sobre a quantidade apropriada de capacidade (incluindo equipamento, prédios, fornecedores, e assim por diante) para atingir às demandas futuras do mercado. Isso ajuda a empresa a enxergar o mercado de maneira mais ampla, e a preparar melhor a tomadas de decisão mais rápidas em curto prazo com base nas demandas futuras. No médio prazo, o planejamento está voltado para a demanda e o mix de produtos que será utilizado para atender a esse mercado. As atividades em longo prazo também estão voltadas a esses fatores, porém com a diferença de que no médio prazo está mais em prover a capacidade exata de produção e materiais para atender às necessidades do cliente. Significa

19 também manter um controle sobre os níveis de estoques apropriados, seja de matéria prima a produtos acabados. Outro aspecto importante do planejamento de médio prazo é a capacidade de dar respostas sobre os tempos de entrega dos produtos previstos e comunicar aos fornecedores as quantidades e os prazos de entrega dos materiais que eles fornecem. Por fim, no curto prazo a programação de recursos é requerida para atender às necessidades de produção, ou seja, fazer a gestão de insumos de forma a atender aos clientes internos, que no caso são máquinas e outros componentes que fazem parte do processo de produção. Além de manter um relatório de produção, de forma a acompanhar a utilização de materiais, mão de obra, equipamentos, atendimento de pedidos de clientes e outros importantes indicadores de desempenho da produção. Ainda, se os clientes mudam de ideia, algo dá errado ou outras mudanças acontecem, o sistema de PCP deve ser capaz de informar aos gerentes e dar suporte para a solução do problema. Nesse contexto, o plano mestre da produção impõe parâmetros referentes a estoques, instalações, contratos, empregos de materiais entre outros que envolvem os sistemas de operações. Sinteticamente, o programa mestre de produção informa quais itens deverão ser produzidos, quando serão necessários e em que quantidade (STEVENSON, 2001). 1. CUSTOS E BENEFÍCIOS DOS SISTEMAS DE PCP Segundo Vollman et. al. (2006), os custos iniciais para os sistemas de planejamento e controle de materiais podem ser substanciais, além dos custos operacionais para a manufatura de um produto. Um sistema de PCP eficaz requer um grande número de profissionais e todos os seus recursos de suporte, incluindo computadores, treinamentos, manutenção e espaço. Muitas empresas investem grande quantidade de recursos em um sistema de PCP, porém não alcançam os benefícios desejados. Essas empresas caracterizam-se por serviços carentes aos clientes, estoques excessivos, atribuição inadequada de materiais, trabalhadores e equipamentos. Nas operações industriais, é necessário precisão quando se define os objetivos, isso porque há situações em que o gestor deve optar por renunciar níveis de desempenho superiores em alguns critérios para favorecer a outros, objetivando um trade-off (CORREA, 2009). Uma última maneira de se evitar as inconveniências anteriores (atrasos, estoques ou ociosidade) é através do aumento do lead time, ou seja, do tempo de atendimento de uma ordem. Daí surge o objetivo de se minimizar os lead time da produção. Então, os objetivos principais de um sistema de PCP são:

20 Minimizar atrasos e não-atendimento de ordens de produção; Minimizar estoques; Minimizar a ociosidade dos recursos produtivos pela alocação eficiente do trabalho; Minimizar os lead time da produção, afinal, não é interessante obter máximo desempenho na fabricação de um componente se este necessita esperar por uma peça complementar para continuar a produção do bem. Além de que, segundo com Russomano (2000), o PCP exerce certo número de funções a fim de cumprir o seu papel dentro de uma empresa, sendo estas funções destacadas a seguir: Definição das quantidades a produzir; Gestão de estoques; Emissão de ordens de fabricação; Programação de ordens da fabricação; Movimentação das ordens de fabricação; Acompanhamento da produção. Nesse trabalho, a ênfase na definição das quantidades a serem produzidas será auxiliada pelos modelos de previsão de demanda, os quais serão abordados diferenciadamente mais adiante no trabalho. Outro ponto em destaque é também a gestão de estoques, no qual o PCP irá manter a produção abastecida de matéria prima, peças, componentes, acessórios, material auxiliar, etc. O acompanhamento da produção é, talvez, a mais importante função, pois permite a introdução de correções que garantirão a execução do programa previsto. Em resumo, consiste basicamente na comparação entre o que foi programado com o que foi produzido e ação de corrigir ou fazer corrigir a anomalia entre os dois (RUSSOMANO, 2000). 2. PREVISÃO DE DEMANDA A previsão em geral é um dos assuntos mais controversos dentro das organizações e um dos que mais suscitam polêmicas entre os setores (TUBINO 2007). Segundo Corrêa e Corrêa (2009), previsões nada mais são que estimativas de como se vai comportar o mercado demandante no futuro, são especulações sobre o potencial de compra do mercado. No entanto as metas são a parcelas desse potencial de compra do mercado a que a empresa deseja atender. Na maior parte das organizações, a previsão da demanda é de responsabilidade dos departamentos de vendas e/ou marketing. É, entretanto, um insumo (input) principal

21 para a decisão do planejamento e controle da capacidade, que é normalmente uma responsabilidade de gerência de produção. Afinal, sem uma estimativa da demanda futura não é possível planejar efetivamente para futuros eventos, somente reagir a eles (SLACK, 2002). Ainda de acordo com Slack (2002), para haver um planejamento e controle da capacidade em relação à previsão de demanda, esta precisa atender a três requisitos básicos, cujos esses: Ser expressa em termos úteis para o planejamento e controle da capacidade: pois se os números forem expressos de outra maneira, como quantia monetária, não haverá a certeza de que esses números reflitam a real expectativa da demanda; Ser exata quanto possível: enquanto que a demanda seja livre para oscilar os seus valores, o planejamento envolvente à previsão de demanda precisa ser bem estabelecido, de forma a atender a demanda antecipadamente, antes que ocorra a mudança na mesma; Dar uma indicação da incerteza relativa: pois decisões como empregar pessoal extra ou de se utilizar horas extras são baseados nos níveis de demanda prevista, que, na prática, podem diferir da demanda real, podendo resultar em atrasos e insatisfações por parte do cliente. De acordo com Corrêa e Corrêa (2009), existem dois grandes grupos de modelos de previsão: modelos quantitativos e qualitativos, podendo ainda haver uma combinação de ambos: Os métodos qualitativos apresentam normalmente um menor grau de precisão, sendo, mesmo assim, bastante utilizados por empresas, possivelmente pela relação das previsões por eles geradas corresponderem às metas de demanda estabelecidas pelas empresas. No grupo dos métodos qualitativos encontram-se aqueles baseados em julgamento e apreciação de especialistas, principalmente quando não há dados históricos ou estes são insuficientes. O método qualitativo mais conhecido é a técnica Delphi. Enquanto os métodos quantitativos, onde é definida parte da metodologia adotada no trabalho, utilizam da matemática e estatística para identificar padrões nos dados históricos, impulsionados pelo avanço da computação e da capacidade de processamento das máquinas nas últimas décadas. Estes podem ser divididos entre estudo de séries temporais e métodos causais. O estudo de séries temporais aposta na

22 crença de que padrões passados irão se repetir no futuro, enquanto os métodos causais analisam relacionamentos com outras variáveis (independentes). A previsão apresenta, muitas vezes, dificuldades em ser obtida, mesmo em curto prazo. Embora por vezes seja possível identificar um padrão nas vendas, eventos inesperados podem alterar a demanda repentinamente. Estas incertezas devem ser consideradas pelas organizações ao serem realizadas as previsões de demanda (BASTOS e WERNER apud SLACK et. al., 2007). Previsões podem ser encontradas em diferentes áreas das atividades humanas, e são essenciais ao bom funcionamento de empresas. De modo geral, fazer uma previsão consiste em tentar prever o futuro de maneira que isto possa auxiliar a tomada de decisões (LUSTOSA, 2010). Para Tubino (2007), a previsão da demanda visa estimar a demanda futura por produtos e/ou serviços da organização. Ela constitui uma etapa importante de diversos processos de planejamento da gestão de operações e da logística. As previsões visam, portanto, determinar onde, quanto e quando os produtos/serviços serão requisitados, de maneira a responder adequadamente a esta demanda. Ao se fazer a previsão da demanda, a gestão dos estoques é, sem dúvida, a principal preocupação. Grande parte das empresas precisa fazer seus pedidos de produtos e matériasprimas antes de conhecer completamente a demanda. Enquanto parte da demanda já é conhecida (pedidos feitos com bastante antecedência), há sempre uma parcela da demanda que só será conhecida poucos momentos antes do momento da ocorrência. Aí que atuam os modelos de previsão, tentando prever com antecedência suficiente qual será a demanda futura, para que esta informação possa servir na tomada de decisões. Diferentes tipos de negócios necessitam de métodos específicos de previsão. Nos últimos anos, o papel da previsão de demanda vem se tornando cada vez mais importante devido às pressões de um mercado cada vez mais competitivo. Este fato pode ser evidenciado pelo uso desta técnica nas diversas áreas de gestão organizacional, como por exemplo, a área financeira, de recursos humanos e de vendas. Tais previsões são também essenciais na operacionalização de diversos aspectos do gerenciamento da produção, como a identificação de oportunidade de novos mercados, antecipação de demandas futuras, programação da produção mais eficiente e gestão de estoques (SANDERS et. al., 2003).

23 A importância da previsão de demanda é citada intensivamente na literatura técnica. Alguns autores enfatizam que o uso das previsões ajuda a estruturar as organizações visando dimensionar a quantidade de bens e serviços que irão produzir, de modo que possam prever e atender à demanda proveniente do mercado consumidor (WERNER e RIBEIRO, 2006). Deste modo, pode-se dizer que a atividade de previsão de demanda é parte integrante do processo decisório da gestão empresarial e que ela é importante porque auxilia na determinação dos recursos necessários para a empresa, ou seja, é a base para o planejamento estratégico da produção, vendas e finanças (MAKRIDAKIS et. al., 1998; TUBINO, 2007). 2.1 MODELOS DE PREVISÃO DE DEMANDA Segundo Wanke et. al. (2006), existem mais de 60 modelos de técnicas quantitativas baseadas em séries temporais com variados graus de sofisticação. No entanto, esse elevado estado de sofisticação não garante, na maioria dos casos, resultados expressivamente melhores do que os alcançados com os modelos mais simples. Uma série temporal é um conjunto de valores observados medidos ao longo de períodos de tempo sucessivos (GAITHER e FRAZIER, 2006). Dias (1993) enfatiza somente as técnicas baseada em séries temporais com previsão adaptável, os modelos clássicos mais divulgados na literatura são: Média móvel Simples (MMS); Média Móvel Ponderada (MMP); suavização Exponencial Simples; suavização exponencial de séries com tendência (modelo de Holt); suavização exponencial de séries com tendência e com sazonalidade (modelo de Winter). De acordo com Lustosa et. al. (2008), as previsões de demanda são utilizadas nas decisões referentes ao planejamento dos recursos de produção, às metas de produção e estoque e à programação e controle da produção. Para essas situações, Lustosa et. al. (2008) reconhecem que as previsões sempre incluem uma margem de erro e que a incerteza das previsões é tanto maior quanto maior o horizonte de planejamento. Mas, felizmente, previsões de demanda podem ser feitas de várias formas.partindo desse conceito, serão abordadas as principais técnicas de previsão de demandas de modelos quantitativos clássicos. 2.2 MÉTODOS QUANTITATIVOS Enquanto os métodos qualitativos baseiam-se em opiniões de especialistas, sendovulneráveis a tendências que podem comprometer a confiabilidade de seus resultados, os métodos quantitativos utilizam-se basicamente de dados históricos para detectar padrões de

24 comportamento e estimá-los no futuro. Tais modelos empregam ferramental matemáticoestatístico para representar realidade para a qual foram criados (PELLEGRINI, 2000). Segundo Mentzer e Gomes (1989), as técnicas de séries temporais podem ser classificados em: (i) métodos com modelos matemáticos fixos (FMTS fixed-model time series); e (ii) métodos com modelos matemáticos ajustáveis ou abertos (OMTS open-model time series). Os métodos FMTS, como o próprio nome diz, são compostos por equações fixas que são responsáveis por extrair da série histórica suas principais componentes (nível, tendência, sazonalidade, ciclo e erro aleatório) para projetar um futuro moldado no padrão dos dados passados. Os modelos que se enquadram na classe OMTS só realizam a previsão depois de identificar matematicamente as componentes existentes na série histórica de demanda. De acordo com Wanke (2010), a Média Móvel Simples (MMS) utiliza a média aritmética dos últimos n valores a prever o valor seguinte. Ou seja, a cada nova observação disponível, o valor mais antigo é descartado e o mais recente é inserido para o cálculo da nova média. Os métodos de Média Móvel e de Suavização Exponencial são métodos FMTS. Métodos com modelos matemáticos ajustáveis ou abertos (OMTS) desenvolvem um modelo de previsão depois de identificar os componentes existentes nas séries históricas de demanda. O Método da Média Móvel Aritmética é utilizado no processo de previsão de demandas para suavizar as variações randômicas, com o objetivo de produzir uma estimativa mais confiável da previsão (FITZSIMMONS e FITZSIMMONS, 2005). A média móvel é uma média aritmética considerando o processo de filtragem com característica de filtro passa baixa, onde as amplitudes das componentes de altas frequências são muito reduzidas e as amplitudes das componentes de baixa frequência do sinal permanecem quase invariantes. Para o cálculo considera-se um conjunto de n amostras do sinal original, sendo n a ordem do filtro. O procedimento nota o deslocamento do filtro sobre o sinal original com passo de uma amostra, onde se exclui a amostra mais antiga e considera-se a amostra mais recente,mantendo-seconstante o número de dados utilizados(barbieri e MACHLINE, 2006; SILVA, 1986). A previsão da demanda, baseada na média móvel, é calculada através da seguinte expressão: (01) Onde,

25 V pm : Valor da previsão da média móvel; n: número de períodos incluídos como base para previsão. Na visão de Corrêa, Gianesi e Caon (2001, p.250) quanto maior o valor de (n), isto é, quanto maior o número de amostras passadas utilizadas no cálculo da média móvel, maior será a suavização das variações aleatórias e menor será a sensibilidade do modelo amudanças no patamar de vendas, caso isto venha a ocorrer. Para referências futuras nesse trabalho, a equação1 apresentada será referida como média_móvel. É importante salientar que são atribuídos pesos idênticos aos n valores utilizados no cálculo. A intensidade do impacto da inclusão de um novo valor e do descarte do valor mais antigo depende principalmente do número reduzido de períodos que tendem a apresentar maiores impactos causados pela inclusão desses novos valores, enquanto médias móveis baseadas em um número elevado de períodos apresentam menor sensibilidade à inserção de novas observações (WANKE, 2010). O modelo de média móvel ponderada foi adicionado ao acervo desse trabalho, pois o mesmo possui características similares e peculiares em relação aos modelos abordados. De acordo com Moreira (1998), a média móvel ponderada (MMP) é muito semelhante à média móvel simples, porém a média móvel ponderada apresenta como característica particular a ponderação com pesos atribuídos aos valores mais recentes, que, por isso, são considerados mais importantes. Os pesos atribuídos devem somar (um). A maior vantagem deste método em relação à MMS é o fato de que os valores mais atuais podem estar revelando uma tendência e surge aí a necessidade de receberem um grau maior de importância. Como se destaca no exemplo abaixo: (02) Onde: V pmp : Valor da previsão da média ponderada V n : Valor referente ao mês anterior ao previsto (exemplo: V -2n = valor do segundo mês anterior ao previsto). Na construção da base matemática do sistema especialista, através de cálculos reincidentes, pôde-se notar que, em algumas séries de produtos, o mês mais recente não apresentava maior relevância quanto ao mês que se sucede, ou mês a ser previsto. Logo dessa forma, o peso atribuído a este não deveria ser tão maior quanto aos outros dois, que, por

26 vezes, o segundo ou terceiro mês mais recente se mostrava mais relevante ao mês a ser previsto, recebendo, assim, o maior peso. Para a automatização do processo de atribuição de peso, utilizou-se uma ferramenta dentro do Microsoft Excel, denominada Solver, sendo que esta é capaz de encontrar uma solução para minimizar o erro do modelo de média móvel ponderada, após atribuição de variáveis e objetivos. Sendo assim, após o cálculo dos valores de previsão com os pesos padrões, utiliza-se o Solver para recalcular o modelo variando os pesos atribuídos aos meses para encontrar a solução ótima para o problema. A equação utilizada na programação segue a mesma base lógica da equação matemática da MMP, porém com algumas modificações para melhor se adaptar ao ambiente Excel. Após execução e comparação, verificou-se que a equação computacional obteve os mesmos resultados que o modelo manual. O nome atribuído para esse modelo como referência futura foi média_ponderada. A suavização exponencial segue a ideia que os dados a serem previstos seguem certa oscilação de valores entre os mesmos. Isso devido ao fato de que o mercado quase nem sempre é constante ou se mantém a certa média durante muito tempo. Logo o método de suavização exponencial, dentre as técnicas quantitativas de previsão de demandas de curto prazo, exibe particularidades como: 1) ser um método de implementação simples; 2) ser considerado, atualmente, de grande acurácia entre os modelos concorrentes de sua classe (BALLOU, 2001); 3) exigir apenas uma pequena quantidade de dados para sua aplicação; 4) ter a propriedade de ser auto adaptável às mudanças na série de dados. No modelo de suavização exponencial atribuem-se pesos diferentes a cada observação, com maior peso para as observações mais recentes (MCCLAVE, BENSON e SINCICH, 2004). Tal esquema de pesos pode ser reduzido a uma expressão simples que, segundo Ballou (2001, p. 230), envolve apenas a previsão do período mais recente e da demanda real para o período atual. Na visão de Dias (1993), a previsão da demanda por este método busca antever o consumo apenas com sua tendência geral, e elimina a reação exagerada a valores aleatórios ao atribuir parte da diferença entre o consumo atual e o previsto a uma mudança de tendência, e o restante a causas aleatórias.

27 Sendo assim, para a realização da previsão, é adquirido um valor de base para o início da previsão e um coeficiente, chamado alpha (α), para multiplicar o valor da base de forma a criar uma pseudo-oscilação entre os valores previstos. Para referências futuras no documento, a equação a seguir será denominada de suavização_simples: (03) Onde: n é o instante de tempo atual; P SE (n+1) é a previsão para suavização exponencialno instante seguinte de n; B (n) é o valor de base para o instante atual n; D (n) é a demanda no instante n; α:constante de suavização exponencial. Neste modelo, o valor suavizado da previsão é uma interpolação entre o valor prévio suavizado e a observação atual, onde a constante de suavização exponencial controla os valores da previsão: os dados da demanda da série recebem um peso que decresce exponencialmente, à medida que estes dados envelhecem (NOVAES, 2007; BARBIERI e MACHLINE, 2006). A constante de suavização exponencial deve ser escolhida de forma apropriada já que, quanto maior, maior o peso atribuído às últimas observações. Dias (1993) infere que os valores da constante de suavização exponencial são definidos por intermédio de cálculos matemáticos e estatísticos e, tipicamente, variam de 0,01 a 0,30; valores de alpha baixos geram resultados que tendem ao valor médio da série e constantes altas produzem uma maior variabilidade dos resultados. Se a constante de suavização exponencial for igual à zero, o modelo assemelha-se ao modelo de média_móvel. Alguns valores de α devem ser testados para cada série, a fim de que se determine a sensibilidade da previsão comparada aos valores reais (MCCLAVE, BENSON e SINCICH, 2004). Uma das vantagens da utilização do método de suavização exponencial é sua notável capacidade de adaptação aos padrões de mudança da série histórica no instante de tempo determinado, que ocorre em função da possibilidade de alteração da constante de suavização exponencial em qualquer ponto da série considerada, o que permite maior flexibilidade para ajustar a previsão ao comportamento da demanda (BALLOU,2001). O Método de Suavização Exponencial admite ainda que se façam ajustes de tendência e sazonalidade, o que facilita o

28 tratamento dos dados referentes às demandas dos imunobiológicos (FITZSIMMONS e FITZSIMMONS, 2005). Quanto maior o valor de α, maior é o peso colocado na observação mais recente da demanda e, por isso, o modelo responde mais rapidamente às variações na série de tempo. É importante ressaltar que um valor muito elevado de α pode fazer uma previsão a seguir variações aleatórias recentes em vez de mudanças fundamentais ocorridas ao longo de um período de tempo. Logo, para uma previsão mais próxima da realidade, utilizou-se novamente, na base de programação do modelo, a ferramenta Solver, disponível no Microsoft Excel, de forma a reduzir a média dos erros entre os valores reais e valores previstos sendo que os números que serão alterados são alpha e o valor de base do primeiro mês da previsão. Para Ballou (2001), a suavização exponencial de séries com tendência (modelo de Holt) é aplicado quando a demanda apresenta tendência, mas não apresenta sazonalidade. Este modelo é uma correção do modelo de suavização exponencial e pode ser descrito pelo conjunto de equações a seguir: (04) (05) Onde: F n+1 = previsão da tendência corrigida para o período n + 1 S n = previsão inicial para o período n T n = tendência para o período n β = constante ponderada da tendência (0 < β < 1) A suavização com tendência parte do pressuposto que, além dos valores apresentarem uma oscilação de mercado, eles seguem uma tendência de crescimento ou queda de vendas, já que todo produto possui um ciclo de vida. O ciclo de vida do produto segue a tendência demonstrada no Gráfico1. Para realização do cálculo da tendência, uma nova variável tem que ser adicionada ao modelo anterior, suavização simples, sendo esta denominada como beta (β). Na programação, além da adição de um novo coeficiente, teve-se que adicionar um novo valor de base para a tendência para fazer par ao valor de base para a previsão em si. Ou seja, um valor para prever os valores futuros, e outro para adicionar uma tendência para essa previsão. A união das duas equações acima será referida adiante como suavização_tendência.

29 Gráfico1: Exemplo de ciclo de vida de um produto. Fonte: Autoria própria, O valor máximo que beta pode assumir também é um. Enquanto que o coeficiente alpha interage com o nível de oscilação dos valores previstos, beta é responsável pelo ângulo de ataque dos dados, ou seja, se os dados tendem a crescer com o passar do tempo ou decrescer. Logo, o já utilizado Solver é inserido de tal forma a modificar o valor tanto de alpha e beta, tais como o valor de base para a previsão e o valor de base para tendência. Tubino (2007) diz que a suavização exponencial de séries com tendência e com sazonalidade (modelo de Holt-Winter), é adotada quando a demanda apresenta tendência e sazonalidade. De acordo com Ballou (2006), existem duas condições que devem ser satisfeitas antes de aplicar este modelo: deve haver uma razão conhecida para os picos e vales periódicos no padrão da demanda, e estes picos e vales devem ocorrer ao mesmo tempo todo ano e a variação sazonal deve ser maior que as variações aleatórias ou o ruído. O modelo de Holt-Winters segue a premissa que, o mercado segue tendências, possui oscilações e, em determinados períodos, tais como épocas festivas ou férias, os produtos possuem certa probabilidade de ter suas vendas impulsionadas ou desaceleradas. Para esse fator mais um coeficiente foi adicionado aos já mencionados alpha e beta, denominado gama (γ), além da adição de uma nova base de cálculo para a sazonalidade. Este modelo realiza a previsão de demanda real para a tendência, e dessazonaliza para produzir a previsão. As equações estão a abaixo:

30 (06) (07) (08) (09) Onde: F n+1 = previsão de tendência e sazonalidade corrigida para o período n + 1 γ = constante de ponderação sobre o índice sazonal I n = índice sazonal para o período n L = o período de tempo para uma estação completa O valor máximo que gama pode assumir é 1. O gama é responsável por ditar o quão influenciável é a sazonalidade do produto, ou seja, quanto maior o gama, maior o valor da base sazonal que irá multiplicar com os valores da previsão. Logo, ele atuando como uma variável no modelo, terá seu valor alterado no final para melhor traduzir o modelo em relação aos dados reais. Ao contrário dos modelos anteriores, o modelo de Holt-Winters precisa de um mínimo de dados, a fim de poder calcular a base de valores de ponderação para a sazonalidade. Entretanto, estes dados não precisam necessariamente ser mensais, pois o modelo pode trabalhar com dados bimestrais, semestrais, trimestrais e quinzenais, desde que os mesmo fechem um ciclo de dados, ou uma estação. A soma de todas as equações acima será referida como modelo_holt_winter. 2.2 MÉTODOS DE CÁLCULO DOS ERROS DE PREVISÃO DE DEMANDA De acordo com Wanke et. al. (2006), existem diversos métodos de cálculo para a acurácia da previsão. Dentre eles, destacam-se: Método Desvio Médio Absoluto (MAD): permite avaliar o erro da previsão sem a influência dos sinais, desta forma um erro negativo não anula um erro positivo (Equação 10). Método Erro Médio Percentual (MPE): verifica se o modelo de previsão possui alguma tendência, ou seja, se os valores estimados da previsão estão sistematicamente acima ou abaixo das demandas (Equação 11).

31 Método Erro Médio Percentual Absoluto (MAPE): tem o objetivo de avaliar a grandeza do erro em relação à série temporal. O cálculo é feito em percentual (Equação 12). Método Erro Médio Quadrado (MSE): permite estimar a variação do erro de uma previsão, elevando-se ao quadrado a média dos erros e dividindo o resultado pelo número de períodos. Um dos problemas deste método é que os valores que apresentam uma significativa discrepância em relação à média receberão grande significância, quando deveriam ser desconsiderados (Equação 13). (10) (11) (12) (13) Onde: Dt = demanda no período t; F t = estimativa da previsão de demanda para o período t; n = número de períodos. 3. GESTÃO DE ESTOQUES De acordo com Russomano (2000), estoque é qualquer quantidade de material que seja armazenada, para uso futuro, por algum intervalo de tempo. É constituído para regular o ritmo entre os vários fluxos de material da empresa realizando: Cobertura das mudanças previstas no suprimento de materiais; Proteção contra incertezas; Possiblidade de fabricação ou compra econômica (lote econômico). De acordo com Slack (2001), estoque é definido com a acumulação armazenada de recursos materiais em um sistema de transformação. O principal dilema no gerenciamento de estoques é que apesar dos custos e de outras desvantagens associadas à manutenção, eles

32 facilitam muito a conciliação entre fornecimento e demanda, com isso torna-se factível a sua existência em decorrência da relação desarmônica do fornecimento com a demanda. Cabe à gestão de estoque controlar a disponibilidade total, isto é, o estoque no almoxarifado e o saldo dos pedidos não-entregues. Seu objetivo é procurar não deixar faltar material sem imobilizar demasiadamente os recursos financeiros. A Gestão de estoques de matéria prima e de peças componentes pode ou não ser encontrada sob a responsabilidade do PCP, pois o controle do material em processamento sempre pertence ao PCP, já os materiais de uso geral é mais associado ao setor de compras (RUSSOMANO, 2000). É possível identificar uma serie de funções/objetivos para as quais os estoques sejam criados, onde (TUBINO, 2007) ressalta que as principais são: Garantir a independência entre etapas produtivas: o posicionamento de estoques amortecedores entre as etapas de distribuição da cadeia produtiva proporciona que estas etapas sejam vistas como independentes das outras; Permitir uma produção constante: sistemas produtivos que tem variações sazonais na sua demanda ou nas suas matérias-primas estocam produtos acabados ou matériasprimas para evitar que o ritmo da produção sofra perdas no período. Com isso, nosperíodos de demanda baixa procura-se manter um ritmo de produção, gerando-se estoques; Possibilitar o uso de lotes econômicos: algumas etapas do sistema produtivo só permitem a produção ou a movimentação econômica de lotes maiores do que a necessidades de consumo imediato, que gera um excedente que precisa ser administrado. Fator esse, observado no transporte de cargas a longa distância, onde só é viável se o veículo transportador for carregado com volume máximo de materiais. Na proporção que a produção cresce, em consequência do vasto mercado, o cenário do estoque surge, direcionando grande parte dos recursos para sua gestão. Muitos gerentes de produção têm uma atitude ambivalente quando se fala de estoque, pois se percebe que são realmente custosos, e dependendo da situação podem reter considerável quantidade de capital. De fato, manter o estoque representa riscos, pois os itens estocados podem deteriorar-se, tornarem-se obsoletos ou até perder-se, além de ocupar espaço produtivo (CORREA, 2009). Um dos princípios básicos de gestão de estoques é como os investimentos em estoques impactam os negócios da empresa, o que representa capital imobilizado e sem liquidez imediata, representando custos financeiros para a empresa. Muitas vezes encarado como

33 vilão, o estoque pode ser um dos maiores aliados do fabricante. Mas, antes de tudo, é preciso lembrar que uma empresa de sucesso, para se mantiver de pé e ativa no mercado, precisa preservar seus clientes, que devem ser muito bem atendidos e satisfeitos. Por isso, o foco dos negócios sempre deve estar no cliente - sem jamais, obviamente, deixar de lado os resultados positivos e os lucros. De acordo com Slack (2002), existem quatro tipos de estoques, sendo que a diferença entre eles depende da posição onde este se encontra na cadeia de produção da indústria e a função do estoque em tal posição, sendo estes denominados de: estoques de proteção, estoquede ciclo, estoque de antecipação e estoque no canal (de distribuição). Estoques de proteção: também chamado de estoque isolador, já que este possui a função de proteger a empresa de incertezas quanto ao fornecimento e demanda, pois caso a demanda a ser atendida seja maior que a prevista, ainda há certa quantidade de produto acabado disponível para o cliente final, assim como dois estágios em um processo de produção podem produzir exatamente à mesma taxa, em média, mas o tempo de processamento individual pode variar em relação à média; Estoques de ciclo: ocorre quando um ou mais estágio na operação não podem fornecer simultaneamente todos os itens que produzem, isto é, quando há existência de demandas para diferentes produtos onde somente um pode ser produzido por vez, ocorrendo o ciclo entre eles, como exemplificado no Gráfico 2; Estoques de antecipação: ocorre quando há uma demanda significativa e relativamente previsível, sendo que a empresa opta por fabricar o produto ao longo do ano ao invés do momento em que o produto é requerido.

34 Gráfico2: Exemplo de produção em ciclo. Fonte: Slack (2002) Cada um desses tipos de estoque possui motivos próprios para que as empresas invistam na sua manutenção. Scherr (1989) enumera os principais motivos para os três primeiros tipos de estoques supracitados: A manutenção de estoques de mercadorias e produtos acabados significa fornecer um serviço imediato aos consumidores da empresa, procurando atender um maior nível de satisfação do cliente, por disponibilizar os produtos à pronta-entrega. Outro motivo vai ao sentido que a manutenção deste tipo de estoque propicia uma estabilização da produção, obtida pelos ganhos de escala. A manutenção de produtos em elaboração é motivada por propiciar uma reserva flexível para as empresas. Aumentar este tipo de estoque resulta em reduzir a interdependência das fases do fluxo de produção. A manutenção de estoques de matériasprimas e embalagens torna mais fácil a programação da produção, evita a aquisição de itens em períodos de preços altos e representa uma proteção contra as deficiências da oferta. Ressaltando que este será o enfoque de estudo em questão na respectiva indústria. Em relação à manutenção de estoques de material de consumo e almoxarifados, Neto (2003) cita que o volume de investimento nesse tipo de estoque varia em função das características básicas e peculiaridades operacionais e administrativas de cada empresa. Essas

35 alternativas de manutenção de estoques representam soluções para problemas como:flutuações nos preços das matérias-primas;demanda inesperada pelo produto; paralização não planejada das máquinas e dos trabalhadores envolvidos no processo, etc. Porém, o administrador financeiro não deve considerar essas abordagens de manutenção de estoques as únicas possíveis para solucionar os problemas enumerados, pois Viana (2002) diz que não se controla estoque controlando quantidades de produtos armazenados. É imprescindível o controle de seudesempenho de consumo. O produto para ser colocado no mercado tem que estar em plena condição de consumo em especificação, integridade física e prazo de validade (BALLOU, 2001). Segundo Seefeld et. al. (2008), a gestão de estoques deve garantir que a quantidade de materiais esteja disponível quando necessários para manutenção do ritmo de produção ao mesmo tempo em que os custos de encomenda e manutenção de estoques sejam minimizados. Para Rodrigues e Oliveira (2009), a gestão de estoques procura, ainda, minimizar possíveis perdas com a utilização racional, sendo uma ferramenta primordial para o planejamento da produção. De acordo com Carlini Junior (2005), os estoques têm por finalidade melhorar o nível de serviço das empresas quando localizados próximos aos pontos de venda e com quantidades adequadas, auxiliando a função de marketing a aumentar as vendas. Também, tem por finalidade incentivar economias de escala ao produzir grandes lotes de produtos visando baixos custos de produção; antecipar compras de insumos com o objetivo de proteção contra algumas alterações nos preços e disponibilizar estoques de segurança para atender às necessidades de produção ou do mercado quando de oscilações na demanda, agindo, também, como proteção contra contingências, tais como, greves, incêndios e inundações. De grande influência no controle de estoque, está a Tecnologia de Informação (TI), ferramenta primordial para o sucesso dos resultados. As diversas formas de controlar um estoque em todas as suas contingências de operações precisam ser contempladas em um programa de informática. Produtos avariados, pedidos de reservas, produtos obsoletos, estoque em trânsito são alguns dos pontos que devem ser controlados perante toda a empresa e principalmente pela logística. Por outro lado, as quantidades contidas no programa, de cada item de produto, passam a ser a contábil, ou seja, o número oficial da empresa é fundamental para o resultado final. Além do mais todo o corpo de vendas trabalha levando em consideração informações para exercer sua função perante o mercado (DIAS, 2002).

36 Para Wanke (2008), as principais decisões englobadas em modelo de estoques dividem-se em duas categorias distintas, mas fortemente interligadas ao longo do tempo: decisões de reposição e decisões de alocação. As decisões de reposição são relativas ao timing da reposição dos níveis do estoque em um determinado estágio da cadeia: quanto pedir e quando pedir. As decisões de alocação são relativas à localização dos estoques na cadeia de suprimentos. Os estoques de segurança são influenciados tanto por aspectos relativos à reposição dos estoques (nível de serviço que se deseja prestar especificamente o Fill Rate) quanto por aspectos relativos à alocação dos estoques (centralização vs. descentralização). 3.1 Políticas de gestão de estoques Segundo Darú (2005), a decisão inerente ao posicionamento da produção e sua política de estoque com relação aos seus itens acabados. Esta pode ser basicamente de quatro tipos: produzir-para-estoque (Make-To-Stock MTS), produzir-sob-encomenda (Make-To-Order MTO), montar-sob-encomenda (Assemble-To-Order ATO) ou projetar-sob-encomenda (Engineering-To-Order ETO). Na Figura 1 são ilustrados os quatro tipos. Figura 1: Representação dos tipos de gestão de demanda. Fonte: Darú (2005) Segundo Jemaï e Karaesmen (2007), o modelo MTS prevê a existência de produtos acabados em estoque para atender todas as ordens de vendas que chegam à empresa, neste modelo é utilizada a previsão de demanda sobre os pedidos aprovados e enviados ao almoxarifado, como forma de se mensurar o volume de estoque necessário.

37 De acordo com Rother (2005), no modelo MTO, as ordens de venda disparam todo o processo produtivo de um determinado bem de consumo que não existe em estoque os quais deverão ser disponibilizados ao cliente dentro de prazos pré-determinados, este modelo se mostra ideal quanto ocorre uma elevada variação de produto e quando as situações de produção são consideradas impróprias para o fluxo contínuo de produção. No ATO, os principais componentes de um determinado produto são produzidos para estoque com base em uma previsão de demanda. Quando o pedido chega, é executada a montagem do produto, utilizando os componentes anteriormente produzidos. Tem como vantagem a redução do lead time de atendimento, já que esse fica reduzido ao tempo de montagem final. É adequado quando um pequeno grupo de componentes serve para a produção de um grande número de produtos finais, sendo que um produto se diferencia do outro em termos de inclusão ou troca de um ou poucos componentes (BERTRAND; ZUIJDERWIJK e HEGGE, 2000). O modelo ETO pode ser considerado como uma extensão da estratégia MTO, na qual a etapa de projeto do produto é feita sob encomenda e se baseando nas necessidades do cliente. Neste modelo os produtos tendem a ser altamente influenciados pela interação com os clientes. A ordem dos principais processos de negócios nessa estratégia é bem parecida com o caso do MTO, apenas com a inclusão do processo projetar produto logo após o processo vender (MEREDITH e AKINC, 2007). De acordo com Bowersox (2007) em gestão de estoques, as decisões podem ser operacionalizadas segundo critérios e parâmetros diferentes para a tomada de decisão. Como exemplos, as operações de produção, os modelos reativos ou enxutos podem ser do tipo Make-to-order, com as respostas às necessidades reais sempre que elas ocorrem, ou just in time, com a resposta às necessidades reais sempre que houver o acúmulo de uma determinada quantidade de Kanban. Nessas operações de distribuição, a reação e a postergação à demanda significam a centralização dos estoques. 3.2 CUSTOS DE ESTOQUES Shingo (2001) observa que para uma redução efetiva dos custos da produção, os desperdícios devem ser todos analisados e ponderados porque estão inter-relacionados e são facilmente encobertos pela complexidade de uma grande organização. De acordo com Ching (2010), os custos associados a estoques podem ser divididos em três categorias:

38 Custo de pedir: Incluem os custos fixos administrativos associados ao processo de aquisição das quantidades requeridas para a reposição do estoque custo de preencher pedido de compra, processar o serviço burocrático, na contabilidade e no almoxarifado, e de receber o pedido e de verificação contra a nota e a quantidade física. Exemplo: custo de material; de mão de obra e os indiretos; Custos de manter o estoque: Está associado a todos os custos necessários para manter certa quantidade de mercadorias por um período. São geralmente definidos em termos monetários por unidade, por período. Os custos de manter estoque incluem componentes como custos de armazenagem, custos de seguro, custos de deterioração, obsolescência e custos de oportunidade de empregar dinheiro em estoque. Esse custeio é mais bem expresso na seguinte relação: o O custo de capital: É identificado pelos juros anuais sobre o valor do item estocado, no entanto os custos ligados ao armazenamento estão ligados à área física, taxas de seguro, perdas, obsolescência, transporte e taxas. O levantamento destes valores e taxas foi feitas in loco para que pudéssemos adequar seus respectivos custos de acordo com a política de gerenciamento de estoque, em busca de uma melhor eficiência nodesenvolvimento do sistema especialista; o O custo de armazenagem, controle e manuseio de mercadorias são componentes essenciais da logística. Seus custos são elevados. A seleção dos locais onde esse processo será feito está intimamente associada aos custos desse processo; Custo total: É definido como a soma dos custos de aquisição e de manter estoque. Os custos totais são importantes no modelo do lote econômico, pois o objetivo deste é determinar a quantidade dos pedidos que os minimizem. Onde é possível uma melhor compreensão pela equação 14 e o Gráfico 4: (14) Onde: C T : Custo total; C P : Custo de pedido;

39 D: Valor de demanda; Q C : Quantidade de estoque; C M : Custo de manter o estoque; ES: Estoque de segurança. A fim de melhor gerir como irá se abordar os estoques, dois modelos de gestão de estoques, cuja demanda é independente, são apresentados, no caso o método do controle periódico e o método do ponto de pedido (RUSSOMANO, 2000). O método de controle periódico é aquele no qual se verifica o produto após certo período, este sendo fixo, e, caso necessário, se providencia a complementação. Este é mais usado na gestão de estoque de empresas comerciais, onde periodicamente o controlador percorre as prateleiras, verificando os níveis de e anotando as quantidades necessárias à sua complementação. O método do ponto de pedido é aquele que, em intervalos irregulares, se providencia nova quantidade de material, caso a disponibilidade total atinja determinado valor previamente calculado. Portanto, ponto de pedido é a quantidade de disponibilidade total (estoque físico mais saldo de pedido) que, ao ser atingido, indica que deve ser tomada nova providência de reposição de material. Este último método, como pode ser automatizado, foi o escolhido para aplicação na ferramenta especialista, sendo exemplificado no Gráfico 3 e na equação 15. Gráfico3: Exemplificação do ponto de pedido. Fonte: Autoria própria, (2011).

40 (15) Onde, PP: Ponto de pedido; ES: Estoque de segurança; TR: Tempo de ressuprimento; D: Valor de demanda Estoque de segurança é um amortecedor que se deve prever para minorar os efeitos de variações, tanto no consumo médio mensal como no tempo de reposição, ou de ambos. Deve ser estabelecido com certo cuidado, pois é responsável pela imobilização de capital em estoque. O problema se concentra em determinar uma reserva de estoque que equilibre de um lado os custos de oportunidade das faltas de estoque e, de outro, os custos de estocagem de maiores quantidades no almoxarifado (RUSSOMANO, 2000). (16) Onde: ES: Estoque de segurança; FS: Fator de segurança, cujo valor é tabelado de acordo com o nível de serviço pretendido; σ: desvio-padrão estimado; LT: lead time de suprimento; PP: período à qual se refere o desvio-padrão. Para se calcular o valor de σ, necessita-se antes de uma preparação nos dados de demanda, descritos abaixo nas equações: (17) Onde: Di: Demanda do período i; : Demanda média, onde: (18)

41 Para Chopra e Meindl (2003), quanto mais eficiente for o fluxo de informações em uma cadeia de suprimentos, menor será o estoque necessário para o atendimento da demanda, mas este fluxo de informações precisa ser diferenciado em duas referências, são elas: As informações (demanda, estoque, previsões, capacidade, lead time, etc.) fluem na cadeia com a gestão feita entre os elos próximos, As informações são centralizadas em um nível superior de gestão de forma a enxergar a cadeia de suprimentos como um sistema. Como já abordado, o estoque de segurança garante a probabilidade de faltar produto para uma demanda não prevista, porém, com a existência de um estoque maior, com o estoque de segurança incluído no estoque, a adição de custos é inevitável para a indústria. Dessa forma, para minimizar esses custos, é introduzida a opção de trabalhar com lotes econômicos. Lote econômico é a quantidade de material pedida para reabastecimento, onde os custos totais de estoque são ou se encontram na faixa econômica, ou seja, onde a somatória dos custos encontra-se equilibrada entre as vantagens e desvantagens de se manter um estoque. Este cálculo foi abordado na parte computacional do trabalho, pois assim, a ferramenta pode auxiliar quanto à redução de custos para o produtor (SLACK, 2002). Para chegar à equação de lote econômico, deve-se levar em conta a equação de custo total de estoque e derivar a sua expressão geral de forma que o custo total de estoques é igual ao custo do lote, como é apresentado nas equações abaixo e no Gráfico 4: (19) Se, então: (20) (20.1) (20.2)

42 Gráfico4: Gráfico de custos totais. Fonte: Ching (2010). Apesar de o lote econômico apontar um único valor de lote Q, cujo minimiza os custos totais, qualquer desvio relativamente pequeno em relação ao LEC não irá acrescer custos de uma maneira significativa. Em outras palavras, os custos ainda estarão próximos do valor ótimo, mas desde que essa oscilação não se distancie muito da faixa econômica. Traduzindo, pequenos erros de estimação, ou dos custos de manutenção de estoque não resultarão em desvio significativo de LEC. Esse é um fenômeno particular conveniente ao produtor, pois os custos de manutenção como os pedido não são fáceis de estimar com precisão (SLACK, 2002). 4. SISTEMAS ESPECIALISTAS A demanda por soluções tecnológicas provocadas pela era da informação, caracterizada pela alta conectividade, pelo grande volume de informações produzidas pelas corporações, e pela rápida evolução dos padrões e sistemas computacionais, provocam o aquecimento da indústria do software, como forma de atender as necessidades organizacionais de gestão através de recursos informáticos. Sistemas Especialistas são sistemas de computação que realizam funções semelhantes àquelas normalmente executadas por um especialista humano. Esses sistemas usam representação de conhecimento ou perícia humana num domínio particular de forma a executar funções semelhantes às de um especialista, e este conhecimento é representado por algum formalismo para representação do conhecimento. O sistema especialista é informado sobre as características do problema e decide, durante o processamento, qual o caminho mais provável de conter a solução. O termo Inteligência Artificial (IA) foi inicialmente mencionada em 1956, durante uma conferência de verão em Dartmouth College, nos Estados Unidos. Define-se como

43 Inteligência Artificial a parte da ciência da computação que compreende o projeto de sistemas computacionais que exibam características associadas, quando presentes no comportamento humano, a inteligência. (BARR e FEIGENBAUM, 1981). Durkin (1994) as técnicas mais difundidas da Inteligência Artificial e seus estudos passaram por momentos oscilantes e de grandes decepções, com fases de avanços e amplos fracassos. E, após anos de muitas promessas não cumpridas, gradativamente a Inteligência Artificial foi encarada, de uma forma mais realista, como uma ciência. Desde seu início, houve grandes evoluções no que se refere à criação de sistemas e programas computacionais projetados para a realização de tarefas específicas que simulavam aspectos específicos da inteligência humana. Tais sistemas ficaram conhecidos como Sistemas Especialistas. Em linhas gerais, os Sistemas Especialistas são programas solucionadores de problemas específicos acoplados a imensos bancos de memória, onde o conhecimento humano acerca de uma determinada área de disciplina encontra-se estocado (REZENDE, 2003). Parte-se do pressuposto de que a inteligência não é apenas raciocínio, mas também capacidade de memorização. Seu princípio é que a memória é condição necessária para inteligência (TEIXEIRA, 1998). Heizer e Render (2001) conceituam a inteligência artificial como uma área computacional que envolve a construção e a programação de computadores para imitarem os processos de raciocínio humano, e salientam que três tecnologias são fundamentais nesta disciplina: sistemas especialistas, lógica difusa (também conhecida como lógica nebulosa ou lógica fuzzy) e redes neurais. Da mesma forma, Carvalho (2002) apud Terra e Pereira (2000) aponta que redes neurais artificiais são técnicas computacionais, que juntamente com sistemas especialistas, algoritmos genéticos, lógica nebulosa e outras, constituem a inteligência artificial. Seu objetivo é simular algumas características de processos inteligentes por meio da aquisição de conhecimento por experiência. Sauer (1997) comenta que a partir do início dos anos 80, vêm sendo introduzidas novas técnicas de modelagem e de solução de problemas, por meio de abordagens por inteligência artificial, para suportar a solução de problemas práticos de sequenciamento. A modelagem, isto é, a elaboração de modelos para compreender os eventos a serem controlados e contornados se tornou o maior obstáculo.

44 Aqui reside o maior desafio dos Sistemas Especialistas: armazenar conhecimento humano de forma a ser utilizado adequada e eficientemente em estruturas de dados. Na verdade, sabe-se muito mais do que aquilo que se consegue expressar. Segundo Rezende (2003) apud Newell, (1982) sistemas especialistas devem ser segmentados em duas partes: uma referente ao conhecimento sob o domínio e processado pelo homem, e outro sob propriedade computacional. Ou seja, a programação computacional em si não funciona sem o apoio do conhecimento do especialista. Segundo Ensslin (2001), para se tomar uma decisão é necessário definir claramente as regras de trabalho a serem utilizadas que definem o que é ou não é válido realizar, quais métodos podem ser utilizados, os problemas a ser resolvido, o objetivo desejado e como adquirir as informações. No processo de tomada de decisão, a resolução de problemas é uma atividade crítica dentro de qualquer organização. Em Stair (2006), os estágios do processo de resolução de problemas são definidos como: Estágio de informação: identificação e definição dos problemas e oportunidades existentes. Também são identificadas as informações relativas às causas e ao escopo do problema, bem como restrições ao ambiente e aos recursos envolvidos; Estágio de projeto: desenvolvimento de soluções alternativas para o problema e avaliação de viabilidade; Estágio de escolha: seleção da ação (alternativa) a ser executada, onde diversos fatores podem influenciar nesta fase; De acordo com Rezende (2003), a inteligência artificial é um campo de conhecimentos que oferece modelos de apoio à decisão e ao controle com base em fatos reais e conhecimentos empíricos e teóricos, mesmo que apoiados em dados incompletos. A inteligência é a demonstração por resultados de princípios coerentes, em escala de tempo verificável: a natureza é inteligente em escala de tempo inacessível para os humanos. O oposto da inteligência é o caos: em sistema caótico, duas entradas muito próximas resultam em duas saídas sem qualquer conexão (CONAI, 1994). Para Mc Carty (2002), inteligência é a parte computacional da habilidade de alcançar objetivos, percebendo-se diversos tipos e graus de inteligência em pessoas, em muitos animais e em máquinas. Os sistemas especialistas buscam a resposta e aprendem com a experiência, resolvendo problemas por análise inferencial, a partir de sintomas e intensidades aleatórios e apoiados em

45 bases de conhecimento que podem, inclusive, ser transferidas. Os sistemas especialistas possuem: (i) um banco de conhecimentos que contém fatos, regras e padrões; (ii) um dispositivo de inferência capaz de tomar decisões; (iii) uma linguagem na qual as regras são escritas; (iv) um organizador que inclui o dispositivo de inferência, o gerenciador da base de conhecimento e as interfaces de usuários (NIKOLOPOULOS, 1997 e RABUSKE, 1995). A arquitetura de Sistemas Especialistas está baseada em três elementos básicos: a memória de trabalho, a base de conhecimento e a máquina de inferência, como representado na Figura 2 (BITTENCOURT, 1998). Figura 2: Arquitetura do sistema especialista. Fonte: Bittencourt, (1998). Uma vasta variedade de métodos pode ser usada para simular o desempenho do especialista, entretanto para isso deve se possuir os requisitos para atender de forma adequada, sendo eles: A criação de uma base de conhecimento que utiliza os próprios conhecimentos de situações dentro da empresa de forma a capturar a essência do conhecimento do especialista; Um processo que, depois de coletada as informações essenciais, codificar as situações através de uma linguagem de programação, que pode ser chamada de engenharia desconhecimento; Sistemas especialistas podem ou não possuir capacidade de aprendizado em sua base dados, mas um terceiro requisito seria de que, quando o software é finalizado, este deve ser capaz de resolver problemas onde um especialista deveria ser consultado,