DESENVOLVIMENTO DE UM APLICATIVO PARA PREVISÃO DE DEMANDA USANDO A FERRAMENTA MICROSOFT EXCEL

Transcrição

1 ISSN DESENVOLVIMENTO DE UM APLICATIVO PARA PREVISÃO DE DEMANDA USANDO A FERRAMENTA MICROSOFT EXCEL Yuri Leal Clemente Ferreira (CEFET/RJ) Daniel Pareto Gomes (CEFET/RJ) Thiago Tadeu Silva da Costa (CEFET/RJ) Resumo Nos últimos anos, o Brasil vem se destacando com o surgimento de novas empresas que, com uma taxa de empreendedorismo em estágio inicial (TEA) de 17,5%, ocupa a 10ª posição (2010) em porcentagem de população adulta com alguma atividade emprreendedora dentre os países analisados pelo GEM (Global Entrepreneurship Monitor) no mesmo ano. Considerando que cerca de 97% das empresas no país são constituídos de micro e pequenas empresas e que desse percentual 22% não alcançam dois anos de funcionamento, o presente trabalho apresenta uma solução com o uso do programa Microsoft Excel que visa mitigar a mortalidade empresarial, mostrando o desenvolvimento de um aplicativo de previsão de demanda. Esse aplicativo utiliza alguns métodos de previsão de séries temporais mais comuns e de fácil entendimento e escolhe o melhor dentre eles criando uma estimativa de vendas para o próximo período. Para comprovar a eficiência do projeto, os autores utilizaram usuários betas e conseguiram, com isso, obter melhorias não só na interface, mas também na funcionalidade do aplicativo. Palavras-chaves: Empreendedorismo. Micro e Pequenas Empresas. Microsoft Excel. Previsão de Demanda.

2 1. Introdução Atualmente no Brasil o número de novas micro e pequenas empresas cresce continuamente e as dificuldades encontradas por elas tendem a aumentar na mesma proporção. O que se vê hoje no cenário empreendedor do Brasil é que as condições macroeconômicas (ambiente estável, com inflação parcialmente controlada e crescimento econômico favorável) estão favorecendo o crescimento de novos empreendimentos. O número de negócios com até três meses de atividade cresceu 97% em relação a 2008, quando 2,93% da população adulta tocavam empreendimentos. Em 2009, esse número saltou para 5,78%. Ao longo dos dez anos de pesquisa GEM, o Brasil apresentou média de 13% de sua população economicamente ativa empreendendo, taxa que subiu para 15% em (GEM, 2009) Os desafios impostos às organizações não são como no passado, fazendo com que empresas tenham que evoluir numa proporção igual ou superior às necessidades dos mercados e, consequentemente, dos consumidores. (CLEMENTE FERREIRA, 2010) 2. Desenvolvimento do aplicativo Nesse capítulo, serão abordadas, primeiramente, as etapas que nos levaram ao desenvolvimento da ferramenta de previsão de demanda, mencionando os requisitos escolhidos, justificando o porquê da utilização do Microsoft Excel como base, analisando a importância do Solver para a ferramenta, bem como apontando a compatibilidade do aplicativo com as versões do programa anteriormente citado. Por fim, serão apontados os requisitos de sistema para utilização do aplicativo. Cabe ressaltar, que no primeiro momento foi lançada uma versão do software, para que através da experiência com os usuários beta fosse possível aprimorá-lo. Sendo assim, nos baseando nas sugestões recebidas, enfocamos em melhorar, principalmente, a parte visual do produto, que será a responsável pelo despertar dos interesses, sendo um artifício essencial para a aceitação deste no mercado. 2.1 Requisitos da ferramenta 2

3 Conforme citamos anteriormente, nessa seção serão apresentados os requisitos da ferramenta, incluindo softwares base, versão, suplementos do aplicativo e os requisitos de hardware e software. 3

4 2.1.1 Especificação das funcionalidades A ferramenta que será desenvolvida por este trabalho tem como objetivo aplicar métodos de previsão de demanda, estando dentre eles: Média móvel simples, Média móvel ponderada, Média móvel exponencial, Média móvel exponencial com ajuste de tendência, Holt-Winter e todas as variações com sazonalidade, exceto para o método Holt-Winter, que já é um método que tem como pressuposto a questão sazonal. Após calcular a previsão com os métodos escolhidos pelo usuário, será apontado como o mais eficaz aquele que obtiver o menor erro absoluto médio. No caso de previsões sazonais, o usuário será indicado a apontar qual o período de sazonalidade da série. Esse período deve estar na unidade de tempo dos intervalos entre os pontos da série que serão informados ao programa na sua execução (Se são passados dados de vendas mensais, é necessário que se passe a quantidade de meses que são o período sazonal, por exemplo.) Escolha da ferramenta base Existem vários softwares acessíveis na atualidade e dentre eles o que mais vem se destacando e ganhando mercado é a planilha eletrônica do Excel, que é considerada, hoje, a mais popular no Brasil Otimização dos parâmetros Alguns métodos de previsão de demanda precisam que seus parâmetros sejam ajustados, como é o caso da média móvel ponderada e da média móvel exponencial e suas variações, objetivando que sua otimização permita atingir o menor erro possível no momento de sua aplicação. Sendo assim, faz-se necessário que exista um ajuste desses parâmetros a fim de minimizar o erro absoluto médio, método escolhido para obter a melhor previsão. Para média móvel ponderada, deve-se resolver o seguinte problema de pesquisa operacional para achar a melhor previsão: 4

5 (1) Sujeito a: (2) Onde, Erro absoluto médio, Coeficiente i Para a média móvel exponencial, deve-se resolver o seguinte problema: (3) Sujeito a: (4) Onde, Erro absoluto médio, Coeficiente de ajuste Para a média móvel exponencial com ajuste de tendência, deve-se resolver o seguinte problema: (5) Sujeito a: (6) (7) Onde, Erro absoluto médio, Coeficientes de ajuste Para o modelo de Holt-Winters, deve-se resolver o seguinte problema: 5

6 (8) Sujeito a: (9) (10) (11) Onde, Erro absoluto médio, Coeficientes de ajuste Como o Microsoft Excel será utilizado para realizar os cálculos dos métodos, existe uma biblioteca nativa para resolução de problemas de problemas de programação linear e não linear, o Solver. Existem outras bibliotecas que poderiam ser utilizadas para otimização desses parâmetros, mas isso requeriria instalações adicionais. Portanto, utilizaremos o Solver como nossa ferramenta de trabalho Versão do Microsoft Excel A versão do Microsoft Excel escolhida foi a do ano de 2007, pois tem grande inserção no mercado. Não é possível usar o aplicativo em versões anteriores do Microsoft Excel, sob pena de não funcionamento, pois a biblioteca do Solver foi reformulada nessa edição, fazendo que os códigos para sua utilização fossem completamente modificados. Quanto a versões superiores, não é aconselhado que se use a ferramenta em versões beta, pois podem ocorrer problemas inesperados, como o não funcionamento do próprio Solver ou de alguma outra biblioteca de funções Requisitos de hardware e software No que tange a requisitos de hardware, para que seja possível utilizar a ferramenta de previsão de demanda, é necessário que utilize uma máquina que atinja os requisitos mínimos do próprio Microsoft Excel São eles 1 : 1 Baseado em < 6

7 Computador e processador: Processador de 500 megahertz (MHz) ou superior; Memória: 256 megabytes (MB) de RAM ou superior; Disco rígido: 1,5 gigabyte (GB); uma parte desse espaço em disco será liberada após a instalação se o pacote original baixado for removido do disco rígido; Unidade: Unidade de CD-ROM ou DVD; Monitor: Monitor com resolução 1024x768 ou superior; Sistema operacional: Microsoft Windows XP com Service Pack (SP) 2, Windows Server 2003 com SP1 ou sistema operacional posterior; Outros: Alguns recursos de tinta exigem a execução do Microsoft Windows XP Tablet PC Edition ou versão posterior. A funcionalidade de reconhecimento de fala requer um dispositivo de saída de áudio e um microfone de curto alcance. Os recursos de IRM requerem acesso a um Windows 2003 Server com SP1 ou versão posterior que execute o Windows Rights Management Services. A conectividade com o Microsoft Windows Server 2003 com SP1 ou versão posterior, executando o Microsoft Windows SharePoint Services, é necessária para algumas funcionalidades avançadas de colaboração. Internet Explorer 6.0 ou versão posterior, apenas navegadores de 32 bits. A funcionalidade de Internet exige acesso à Internet (pode requerer o pagamento de taxas). Como requisito de software, é necessário instalar o próprio Microsoft Excel. Também é necessário que se habilite o Solver na ferramenta, para que seja possível realizar as otimizações necessárias Modelagem do diagrama de casos de uso Para modelar o desenho e os padrões adotados por softwares, foi criada uma linguagem visual para descrever essas relações, a UML (PILONE e PITMAN, 2005). Essa linguagem dispõe de diversas ferramentas para modelar softwares, entre elas estão diagramas de classe, diagrama de atividades, diagrama de implantação, diagrama de componentes, diagrama de caso de uso e outros. Para modelar a interação entre o usuário e a ferramenta, utilizaremos apenas o diagrama de caso de uso descrito pela UML para descrever essa relação. 7

8 Os casos de uso são uma forma de capturar a funcionalidade do sistema e os requisitos em UML. Diagramas de casos de uso consistem em pedaços chamados de funcionalidade (casos de uso), as pessoas ou coisas que solicitam a funcionalidade (atores) e, possivelmente, os elementos responsáveis pela execução dos casos de uso (indivíduos). (PILONE e PITMAN, 2005, p.77 (Tradução Nossa)) Como caso de uso podemos identificar um usuário que deseja saber a previsão da sua série utilizando cada um dos métodos de previsão de demanda. Modelando o sistema em um diagrama de caso de uso, encontra-se o abaixo: Figura 1: Diagrama de Caso de Uso A Figura 2 ilustra como serão as integrações do usuário com a ferramenta. Vê-se que a utilização de métodos extritamente sazonais não é obrigatória, porém ao menos um método é necessário para o funcionamento da ferramenta, seja ele sazonal ou não. Observa-se também que para criar uma previsão sazonal é necessário que seja fornecido o período de sazonalidade da série. 3. Implantação da ferramenta Nessa seção será apresentado o desenvolvimento do aplicativo, dividido em duas grandes partes. Na primeira, consiste na implantação dos métodos de previsão de demanda em 8

9 VBA, considerando apenas a parte dos métodos e não a interface que liga o usuário ao resultado final esperado pela utilização da ferramenta, além das validações feitas para evitar erros na inserção dos dados no aplicativo. Na segunda parte será desenvolvida a interface gráfica do programa, contando com uma primeira versão pré-teste de usuários beta e uma versão definitiva para atender as necessidades desses usuários. 3.1 Utilização das bibliotecas de funções Para que toda a programação da ferramenta seja possível, primeiro falaremos sobre as referências das bibliotecas usadas. Primeiro falaremos um pouco sobre a biblioteca VBE6.DLL (chamada de Visual Basic For Aplications). Esse arquivo é responsável por disponibilizar as funções de uso comum, como funções de verificação de tamanho de uma cadeia de caracteres (função Len()), por exemplo. Também é responsável pelo carregamento dos UserForms, responsáveis pelo funcionamento da parte gráfica do programa. Outra biblioteca usada é a EXCEL.EXE. Como o nome sugere, essa biblioteca permite que objetos do Microsoft Excel sejam manipulados por código Visual Basic. Sem ela seria mais complexo criar uma ferramenta desse tipo, possivelmente tendo que reformular totalmente o que foi executado nesse trabalho. A biblioteca FM20.DLL é responsável pela manipulação de objetos dentro dos UserForm, como por exemplo os botões e todos seus eventos que são desencadeados. A biblioteca SOLVER.XLAM é utilizada para otimizar os parâmetros requeridos de alguns métodos de previsão de demanda, como já citado anteriormente. 3.2 Implantação dos métodos de previsão de demanda Para atingir o objetivo da ferramenta, foi necessário adaptar a aplicação dos métodos de previsão de demanda citados anteriormente para métodos possíveis de serem executados no Microsoft Excel, usando as formulas nativas do programa e desenvolvendo subrotinas para aplicar as previsões sobre a série que é fornecida pelo usuário. Foram desenvolvidas as seguintes subrotinas para atender as necessidades da ferramenta: MediaMovelSimples3(): Essa subrotina aplica na série o método Média Móvel Simples de 3 passos. Não é necessário nenhum parâmetro. 9

10 MediaMovelSimples4(): Essa subrotina aplica na série o método Média Móvel Simples de 4 passos. Não é necessário nenhum parâmetro. MediaMovelSimples5():Essa subrotina aplica na série o método Média Móvel Simples de 5 passos. Não é necessário nenhum parâmetro. MediaMovelPonderada3(): Essa subrotina aplica na série o método Média Móvel Ponderada de 3 passos. Não é necessário nenhum parâmetro. MediaMovelPonderada4(): Essa subrotina aplica na série o método Média Móvel Ponderada de 4 passos. Não é necessário nenhum parâmetro. MediaMovelPonderada5(): Essa subrotina aplica na série o método Média Móvel Ponderada de 5 passos. Não é necessário nenhum parâmetro. AmortecimentoExponencialSimples(): Essa subrotina aplica na série o método Média Móvel Exponencial. Não é necessário nenhum parâmetro. AmortecimentoExponencialTend(): Essa subrotina aplica na série o método Média Móvel Exponencial com ajuste de Tendência. Não é necessário nenhum parâmetro. HoltWinter(saz as Integer): Essa subrotina aplica na série o método Holt-Winters. O parâmetro saz é o período de sazonalidade da série. MediaMovelCentrada(saz as Integer): Essa subrotina aplica na série o método Média Móvel Centrada. O parâmetro saz é o período de sazonalidade da série. MediaMovelSimples3Saz(): Essa subrotina aplica na série desazonalizada o método Média Móvel Simples de 3 passos. Não é necessário nenhum parâmetro. MediaMovelSimples4Saz(): Essa subrotina aplica na série desazonalizada o método Média Móvel Simples de 4 passos. Não é necessário nenhum parâmetro. MediaMovelSimples5Saz(): Essa subrotina aplica na série desazonalizada o método Média Móvel Simples de 5 passos. Não é necessário nenhum parâmetro. MediaMovelPonderada3Saz(): Essa subrotina aplica na série desazonalizada o método Média Móvel Ponderada de 3 passos. Não é necessário nenhum parâmetro. MediaMovelPonderada4Saz(): Essa subrotina aplica na série desazonalizada o método Média Móvel Ponderada de 4 passos. Não é necessário nenhum parâmetro. 10

11 MediaMovelPonderada5Saz(): Essa subrotina aplica na série desazonalizada o método Média Móvel Ponderada de 5 passos. Não é necessário nenhum parâmetro. AmortecimentoExponencialSimplesSaz(): Essa subrotina aplica na série desazonalizada o método Média Móvel Exponencial. Não é necessário nenhum parâmetro. 3.3 Validação dos dados de entrada Para prevenir dados que gerariam erros no programa, algumas validações foram implantadas. Num contexto geral, foi feita uma restrição para evitar que o usuário tente gerar uma previsão sem selecionar nenhum método ou sem selecionar a série. Para séries com previsões sazonais, é necessário que o período sazonal seja maior que 3 e menor que a quantidade de dados fornecidos na série. 3.4 Aplicação da parte visual da ferramenta Tão importante quanto o funcionamento correto dos métodos é a boa interação entre a ferramenta e o usuário. Para isso foi desenvolvida uma interface amigável, como será mostrado a seguir. Figura 2: Comando inicial A Figura 2 mostra como está disposto o comando para a primeira interação entre a ferramenta e o usuário. Escolheu-se que essa fosse apresentada na própria planilha para criar uma familiaridade da ferramenta com a pessoa que a está utilizando. No segundo momento de utilização da ferramenta serão escolhidos os parâmetros para a geração da previsão de demanda. 11

12 Figura 3: Seleção da Série A Figura 3 demonstra como o usuário deve escolher a série que será analisada. Na modelagem da ferramenta foi escolhido que os dados seriam carregados de outra planilha. Figura 4: Seleção da série na planilha base A Figura 4 mostra a caixa que aparece para selecionar a série na planilha que foi escolhida anteriormente. Essa caixa retém a referência das células onde está armazenada a série. Quando o usuário confirma a ação, a planilha é fechada e a série é importada para a ferramenta. 12

13 Figura 5: Métodos sazonais A Figura 5 ilustra como estão dispostos os métodos sazonais usados pela ferramenta e a seleção do período sazonal. Nessa tela também foi adicionado uma caixa de seleção caso o usuário deseje utilizar todos os métodos para realizar a previsão. A Figura 6, abaixo, exibe a disposição dos métodos não sazonais utilizados no aplicativo. Assim como os métodos sazonais, essa tela também dispõe de uma caixa de seleção caso o usuário necessite utilizar todos os métodos para gerar uma previsão. Figura 6: Métodos não sazonais Após passar por essas etapas, o usuário deve voltar à aba inicial para começar o processo de geração das previsões. 4. Aplicação experimental em usuários beta Foi desenvolvido um procedimento para realização dos testes da versão preliminar com o objetivo de avaliar os seguintes pontos: A funcionalidade O layout A facilidade de uso Sugestões de melhorias 13

14 Para fazer a avaliação foi criado um roteiro com perguntas, que guia os usuários a utilizar as funções do software que deveriam ser testadas. Ao longo do roteiro, as perguntas questionavam sobre os pontos citados acima, com apenas três opções sim, não, e não sei opinar para facilitar a compilação dos dados. Dez alunos da turma de PCP, do curso de engenharia de produção do CEFET/RJ, foram escolhidos como usuários de teste como sugestão do professor orientador. Para tal, foram distribuídos a ferramenta, uma série experimental, o manual e o roteiro impresso. O conhecimento prévio que eles tinham pelo assunto foi muito útil para gerar uma avaliação mais crítica e realista, que não seria possível com usuários leigos. Os gráficos abaixo mostram os resultados das perguntas do questionário. 4.1 Resultados encontrados Dez alunos da turma de PCP, do curso de engenharia de produção do CEFET/RJ, foram escolhidos aleatoriamente como usuários de teste. Para tal, foram distribuídos juntamente a ferramenta, uma série experimental, um manual e o roteiro impresso. O conhecimento prévio que eles tinham pelo assunto foi útil para gerar uma avaliação mais crítica e realista, que não seria possível com usuários leigos gerando os gráficos abaixo. Gráfico 1: Resposta encontradas através de questionários aplicados a usuários Beta parte I 14

15 Gráfico 2: Resposta encontradas através de questionários aplicados a usuários Beta parte II Gráfico 3: Resposta encontradas através de questionários aplicados a usuários Beta parte III 15

16 Gráfico 4: Resposta encontradas através de questionários aplicados a usuários Beta parte IV 4.2 Avaliação dos resultados De acordo com as questões levantadas no questionário, críticas, sugestões e comentários gerais, destacam-se os seguintes pontos: Seleção do arquivo com a série. Muitos usuários sugeriram que a série fosse inserida dentro do próprio software, trazendo mais facilidade. Outro ponto de atenção é que no momento em que o arquivo com a série é selecionado o Excel oferece a opção de salvar as mudanças. Alguns usuários ficaram receosos de perder os dados. Problema na identificação do intervalo que têm que ser selecionado. Muitos consideraram o título da série junto com os dados numéricos, gerando o erro. Essa inconsistência no software originou todos os erros de caráter operacional durante o teste e gerou confusão mesmo entre os usuários que acertaram. Seleção dos métodos de previsão. Alguns usuários acharam necessário que uma breve explicação dos métodos fosse aplicada antes do uso efetivo do aplicativo para facilitar a escolha. 16

17 4.3 Correções com base nos resultados dos testes O principal eixo de mudança foi o layout, para tentar deixar o software mais intuitivo e gerar menos complicações para o usuário. Também foi inserido um gráfico que apresenta a série histórica juntamente com as previsões. Assim o usuário pode acompanhar e verificar tendências e a assertividade das previsões. Dentre as principais mudanças do layout, destaca-se a forma como o usuário lida com a série de dados. Na nova versão ele não precisa carregar um arquivo externo com as séries, elas foram incluídas dentro do aplicativo. A maneira de adicionar um novo dado a série também foi modificado. Agora existe um botão inserir dados, em que o usuário escolhe a série que deseja modificar e digita o novo valor. Outro passo foi inserir um botão avançado. Nele o usuário pode escolher os métodos que deseja usar na previsão. Como o software já escolhe o método mais eficaz, não é necessário que essa seleção seja feita cada vez que uma nova previsão é gerada, salvando tempo e complicações as pessoas menos familiarizadas com o tema. Apenas os usuários avançados, e trabalhando com séries muito grandes ou com poucos recursos computacionais, podem limitar o número de métodos e reduzir a quantidade de tempo gasto com os cálculos. 4.4 Mudança na parte visual da ferramenta Através da avaliação dos resultados obtidos com os questionários, finalizou-se a interface do aplicativo com os usuários, apresentando-se da seguinte forma: Figura 7: Janela exemplo inicial do aplicativo nomeado de dtyforecast Tool 17

18 5. Conclusão Em 2008, o SEBRAE anunciou que as micro e pequenas empresas representavam 97,5% do total de empresas em funcionamento no Brasil, contribuindo fortemente na economia e na geração de emprego. O grande problema é que 22% do total dessas empresas decretam falência antes de completarem dois anos de sobrevivência devido a vários fatores como, por exemplo, falhas gerenciais, problemas financeiros e falta de conhecimento do mercado. Empresas de grande porte têm maior disponibilidade de caixa e facilidade de financiamento para a compra de programas ERPs capazes de gerenciar e integrar de forma eficaz todos os setores da organização, elaborando relatórios confiáveis e com erros de pequena grandeza. Esse não é o caso das micro e pequenas empresas, que possuem pouca disponibilidade de caixa e dão prioridade a despesas mais urgentes no curto prazo. O sucesso de um empreendimento não está apenas na habilidade, capacidade ou no conhecimento dos funcionários, é claro que sem essas características são fundamentais, mas como os tomadores de decisão tomarão vão agir sem ter dados confiáveis para analisar? Em vista desse cenário, esse projeto desenvolveu um aplicativo de previsão de demanda baseado em séries históricas, capaz de ajudar as micro e pequenas empresas na tomada de decisão. Como esse tipo de software normalmente não é prioridade para essa categoria de empresa, o aplicativo foi gerado com dois grandes objetivos: ser barato e ser fácil. Dado esses objetivos o aplicativo foi desenvolvido utilizando o Microsoft Excel como ferramenta base. Ele já tem grande penetração nas micro e pequenas empresas e é familiar aos usuários, o que faz com que a ferramenta possa ser instalada sem complicações e sem custos adicionais. A primeira versão do aplicativo foi concluída e testada na turma de PCP I do CEFET/RJ. Ela era funcional e atendia aos objetivos iniciais, porém um ponto importante foi ressaltado pelos usuários: a pobreza do layout. A segunda versão foi desenvolvida então com foco no usuário, tendo como objetivo adequar a ferramenta ao possível cliente. O layout foi melhorado e diversas funções foram modificadas para serem mais intuitivas, para facilitar o uso de pessoas que não tem conhecimento no assunto. 18

19 Essa última versão atende aos objetivos desejados da ferramenta: a facilidade, o baixo custo e o layout agradável. Ela também calcula de forma eficaz as previsões, com tempo de processamento baixo e com pouca necessidade de hardware. De posse das características acima o projeto desenvolvido tem grande potencial de ajudar na tomada de decisão das micro e pequenas empresas, sem grande dificuldade, bastando apenas abrir uma pequena planilha e inserir os dados de vendas. Mas vale ressaltar que a ferramenta sozinha não resolve o problema de falência dessas empresas. Ela pode resolver um pedaço de um problema muito maior, que possui outros fatores, tanto de características do empreendedor, quanto do ambiente de negócios. Mesmo assim é uma contribuição valiosa para quem desejar utilizar-la. 6. Referências CHASE, R. B.; AQUILANO, N. J.; JACOBS, F. R. (2006); Administração da produção para a vantagem competitiva. 10 ed. Rio de Janeiro, Bookman. CHIAVENATO, I. Administração: Teoria, Processos e Prática, Rio de Janeiro: Elsevier, p. Bibliografia: p ISBN CLEMENTE FERREIRA, Y. L. Indicadores de desempenho de Produção Gráfica e Qualidade. Em Pauta-Revista Acadêmica dos Cursos de Administração e Marketing da Faculdade CCAA, Rio de Janeiro, n. 1, p , GEM (2009): Global Entrepreneurship Monitor: empreendedorismo no Brasil Curitiba: SEBRAE. Disponível em: < DC7/$File/NT0003EF2A.pdf>, Acesso em: 11 Jun PILONE, D.; PITMAN, N. (2005); UML 2.0 in a Nutshell; 1. ed. Califórnia, O Reilly Media. REQUISITOS DA VERSÃO 2007 MICROSOFT PUBLISH SYSTEM. Disponível em: < >. Acesso em 21 abr