RONALDO NITO YAMAMOTO MODELO DE PREVISÃO DE DEMANDA EM UMA INDÚSTRIA ALIMENTÍCIA UTILIZANDO UM MÉTODO QUANTITATIVO

Transcrição

1 RONALDO NITO YAMAMOTO MODELO DE PREVISÃO DE DEMANDA EM UMA INDÚSTRIA ALIMENTÍCIA UTILIZANDO UM MÉTODO QUANTITATIVO Trabalho de Formaura apresenado à Escola Poliécnica da Universidade de São Paulo para obenção do diploma de Engenheiro de Produção São Paulo 2007

2

3 RONALDO NITO YAMAMOTO MODELO DE PREVISÃO DE DEMANDA EM UMA INDÚSTRIA ALIMENTÍCIA UTILIZANDO UM MÉTODO QUANTITATIVO Trabalho de Formaura apresenado à Escola Poliécnica da Universidade de São Paulo para obenção do diploma de Engenheiro de Produção Orienadora: Profª Drª Débora Prei Ronconi São Paulo 2007

4 FICHA CATALOGRÁFICA Yamamoo, Ronaldo Nio Modelo de previsão de demanda em uma indúsria alimenícia usando um méodo quaniaivo / R.N. Yamamoo. -- São Paulo, p. Trabalho de Formaura - Escola Poliécnica da Universidade de São Paulo. Deparameno de Engenharia de Produção..Previsão de vendas 2.Modelo em séries emporais 3.Demanda (Previsão) I.Universidade de São Paulo.Escola Poliécnica. Deparameno de Engenharia de Produção II..

5 AGRADECIMENTOS Aos meus pais, Hidemi e Margare, que sempre me incenivaram a esudar e me deram odas as condições para que eu aingisse o objeivo de me formar na Escola Poliécnica da Universidade de São Paulo. À minha família pelo oal apoio, confiança e colaboração durane odos os anos do curso de Engenharia de Produção. À odos os meus amigos por me acompanharem ao longo de minha vida. À minha orienadora, Professora Débora Prei Ronconi pela confiança, paciência e valiosa orienação durane a execução dese rabalho.

6

7 RESUMO Ese rabalho consise na aplicação de méodos quaniaivos de previsão de demanda baseados em séries emporais na Saborama, uma empresa do seor alimenício, fabricane de refrescos, xaropes, emulsões e produos para sorvee. Primeiramene foi feia uma descrição da Saborama com o objeivo de enender melhor suas necessidades, e assim assegurar que a conribuição dese rabalho eseja de acordo com os ineresses da empresa. A seguir, foi definido que uma boa conribuição seria melhorar o modo como a empresa faz as previsões da demanda de seus produos. Após a realização de pesquisa bibliográfica, seniu-se a necessidade de adapação para ese rabalho de algumas ferramenas radicionalmene uilizadas na lieraura, mais especificamene o méodo de Hol e de Hol- Winers. Foi ambém verificado que as medidas de erro radicionalmene uilizadas não aendem as necessidades da Saborama, o que levou o auor a sugerir uma nova forma de medição de erro, que foi chamada de WSE (Weighed Squared Error). Poseriormene foram feias as previsão. Por fim, foi concluído que os méodos de previsão uilizados podem conribuir para a previsão de demanda da Saborama, e porano, que os objeivos iniciais dese rabalho foram aingidos com sucesso. Palavras-chave: Previsão de vendas. Modelo em séries emporais. Demanda (previsão).

8 ABSTRACT This assignmen consiss in he applicaion of quaniaive mehods of demand forecas based in ime series a Saborama, a food secor company ha manufacures juice, syrup and producs for ice cream. Firsly a descripion of he company was done, aiming a beer undersanding of your necessiies, and so assuring ha his work conribuion considers he company s ineress. I was defined ha a good conribuion would be o improve he way Saborama forecass he demand of your producs. Afer researching he radiional lieraure, i was suggesed ha improvemens regarding he mehods could be done, specially he Hol and he Hol-Winers mehods. I was also verified ha he mos used error measure do no aend he necessiies of his assignmen; ha s why a new error measure was suggesed, which was named WSE (Weighed Squared Error). Finally, he demand forecas was made. I was concluded ha he forecas mehods used can conribue for he demand forecas of Saborama, and herefore, ha he iniial goal of his assignmen was successfully. Keywords: Demand forecas. Time series models. Demand (forecas)

9

10 SUMÁRIO LISTA DE FIGURAS... 3 LISTA DE GRÁFICOS... 4 LISTA DE TABELAS... 5 INTRODUÇÃO DESCRIÇÃO DA EMPRESA..... A Saborama Sabores e Concenrados Lda Os Produos Layou da fábrica Linhas de Produção Disribuição/logísica exerna Logísica inerna Caracerização do mercado e a concorrência DEFINIÇÃO DO PROBLEMA REVISÃO DA LITERATURA Méodos qualiaivos Méodos quaniaivos Decomposição de séries emporais Modelo de médias Médias simples Médias móveis Modelos de suavização exponencial Méodo de suavização exponencial simples (SES) Méodo de Suavização Exponencial Simples com Resposa Adapiva Méodo de Hol Méodo de Hol-Winers Medidas de erro de previsão ESCOLHA DA MEDIDA DE ERRO PREVISIBILIDADE E ADAPTAÇÃO DOS MODELOS LEVANTAMENTO DE DADOS E SELEÇÃO DE PRODUTOS A SEREM ANALISADOS... 52

11 2 7. ANÁLISE PRELIMINAR DOS DADOS E DOS MERCADOS Sucos Emulsão para refrigeranes Xaropes APLICAÇÃO DOS MODELOS Modelo de Médias Móveis Modelo de Hol-Winers com Sazonalidade Muliplicaiva Modelo de Hol-Winers com Sazonalidade Adiiva ANÁLISE DOS RESULTADOS Sucos Emulsões Xaropes DESENVOLVIMENTO DE UM SISTEMA DE MONITORAMENTO DE DISCREPÂNCIAS DA PREVISÃO DE DEMANDA CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS... 86

12 3 LISTA DE FIGURAS Figura Curva U de Porer... 8 Figura 2 Layou da fábrica... 3 Figura 3 - Layou das linhas de produção... 4 Figura 4 Processos de fabricação de sucos, concenrados, coberuras para sorvee e bases líquidas... 5 Figura 5 Fluxo de Maeriais... 7 Figura 6 Aproximação da esruura de classes sociais no Brasil Figura 7 Desdobramenos de gesão em empresas... 2 Figura 8 Exemplo de fases de um modelo de previsão Figura 9 Fases do modelo de Hol-Winers para a família de sucos Figura 0 Fases do modelo de Hol-Winers para as famílias de emulsões e xaropes Figura Fases do modelo de Hol-Winers para a família de sucos Figura 2 Fases do modelo de Hol-Winers para as famílias de emulsões e xaropes Figura 3 Modelo de escolha de méodos e moniorameno... 83

13 4 LISTA DE GRÁFICOS Gráfico - Evolução do mercado de bebidas não alcoólicas... 9 Gráfico 2 Série com endência Gráfico 3 Série com sazonalidade Gráfico 4 Série com endência e sazonalidade Gráfico 5 Penalidade dos erros maiores Gráfico 6 Comporameno da previsão do méodo de médias móveis Gráfico 7 Exemplo de previsão do modelo de Hol Gráfico 8 Exemplo de previsão do modelo de Hol modificações sugeridas pelo auor... 5 Gráfico 9 Represenaividade acumulada de cada produo sobre o faurameno oal Gráfico 0 - Represenaividade das principais linhas de produo nas vendas Gráfico Vendas de sucos ao longo dos anos Gráfico 2 Demanda de sucos da Saborama Gráfico 3 Demanda de emulsões para refrigeranes da Saborama Gráfico 4 Demanda de xaropes da Saborama Gráfico 5 Resulado gráfico das análises de previsão de demanda da família de sucos... 7 Gráfico 6 - Resulados da previsão de sucos uilizando o méodo de Hol-Winers com suavização muliplicaiva Gráfico 7 - Resulados da previsão de sucos uilizando o méodo de suavização exponencial com resposa adapiva Gráfico 8 - Resulado gráfico das análises de previsão de demanda da família de emulsões 76 Gráfico 9 - Resulados da previsão de emulsões uilizando o méodo de Hol-Winers com sazonalidade adiiva Gráfico 20 - Resulado gráfico das análises de previsão de demanda da família de xaropes.. 79 Gráfico 2 - Resulados da previsão de xaropes uilizando o méodo de Hol-Winers com sazonalidade muliplicaiva Gráfico 22 - Resulados da previsão de xaropes uilizando o méodo de suavização exponencial simples com resposa adapiva... 82

14 5 LISTA DE TABELAS Tabela Os produos da empresa... 2 Tabela 2 Ranking de faurameno do mercado das caegorias de bebidas não alcoólicas... 8 Tabela 3 Comparação enre diferenes medidas de erros Tabela 4 Exemplo de aplicação da medida de erro WSE com maior penalização de erros negaivos Tabela 5 - Exemplo de aplicação da medida de erro WSE com maior penalização de erros posiivos Tabela 6 Resulados dealhados das análises de previsão de demanda da família de sucos. 72 Tabela 7 Resulados dealhados das análises de previsão de demanda da família de emulsões Tabela 8 Resulados dealhados das análises de previsão de demanda da família de xaropes... 79

15 6

16 7 INTRODUÇÃO A indúsria nacional de bebidas em significável relevância para a economia brasileira, ano em face de seu valor inrínseco, mas ambém devido à dinâmica acenuada que seu mercado em apresenado. O segmeno caraceriza-se não só pela grande possibilidade de subsiuição enre produos de diferenes marcas, mas ambém pela compeição de bebidas subsiuas. Assim, sucos de uma marca sofrem efeios de compeição não só com sucos de ouras marcas, mas ambém com refrigeranes, água, isoônicos e chá. Denre exemplos recenes da dinâmica acenuada que esse mercado apresena no Brasil pode-se ciar o aumeno em mais de 0% no valor das vendas de refrigerane, devido em grande pare ao aumeno de ofera de refrigeranes sem adição de açúcar e/ou conendo complemenos adicionais, ais como aminoácidos. O processo produivo dessa indúsria envolve basicamene o recebimeno de maérias-primas e embalagens, a fabricação do produo básico (a bebida propriamene dia), o engarrafameno e a disribuição. Na oimização dessa cadeia, as grandes empresas êm noável vanagem compeiiva em relação aos seus concorrenes menores. As razões para al são maiores economias de escala em odas as eapas do processo produivo e maior poencial de negociação, denre ouras. Como conseqüencia, o mercado nacional de bebidas é caracerizado por grande barreira a novas e pequenas empresas, conduzindo a processos de fusões e aquisições basicamene em busca de: - aproveiameno de Know-How, de esruura e de clienes das empresas exisenes; - sinergias (como economias de escala, redução de cusos de ransações e de pesquisa e desenvolvimeno); - aumeno do marke-share e de barreiras para novos concorrenes; - impedir o crescimeno da concorrência direa ou indireamene; - concenração no core-business ou por ouro lado diversificação (laeral, horizonal e verical). A diversificação verical ocorre quando uma empresa passa a auar em ACNielsen do Brasil

17 8 mercados siuados aneriormene ou poseriormene a ela no Supply Chain (por exemplo um resaurane que passa a culivar vegeais). A diversificação laeral ocorre quando a empresa enra em um mercado oalmene novo para ela, ou seja, cujos produos não êm ligação nenhuma com os produos que a empresa oferece originalmene (por exemplo café e biciclea). A diversificação horizonal ocorre se a empresa passa a auar em um mercado novo, porém cujos produos enham alguma ligação com os produos que ela já oferecia (por exemplo amaciane e sabão em pó); - valorização das ações da empresa na bolsa / facilidade de capação de recursos; - enrada mais rápida em novo mercado. Enreano, as pequenas empresas podem conseguir resulados igualmene saisfaórios em relação aos grandes compeidores em seu reorno de invesimeno (ROI) 2, em visa de um pequeno grau de complexidade em seus processos de produção, de diferenciação ao aender seus clienes e de flexibilidade em geral, como sugere a curva U de acordo com PORTER (999) (Figura ). Essas vanagens devem ser poencializadas com a oimização de cusos para que as pequenas empresas enham possibilidade de auarem ao menos regionalmene, conquisando faias de mercado próximas de sua localização. Figura Curva U de Porer 2 O reorno de invesimeno (renabilidade)é popularizado na lieraura como ROI, sigla para reurn on invesmen e represena o valor de (invesimeno final invesimeno inicial)/invesimeno inicial.

18 9 De acordo com ROSA e al. (2006), oura caracerísica do seor de bebidas é a fore correlação que as suas vendas êm em relação ao preço e conseqüenemene com a renda da população (ala elasicidade de preço dos produos). As bebidas indusrializadas não são consideradas iens de primeira necessidade, de modo que em úlima análise a sobrevivência na compeição enre as empresas é baseada no preço do produo final ao consumidor, o que obriga as indúsrias a operarem com pequena margem de lucros. Assim, oimizar a esruura de cusos em imporância vial para as empresas do ramo. Exemplos de cusos relacionados ao esoque em uma indúsria são: - Perdas de oporunidades de vendas (no caso de um nível de esoque menor que o necessário); - Cuso de oporunidade do capial invesido em esoque desnecessário; - Cuso de obsolência dos produos em esoque (os produos êm período de validade limiada, o que dificula a venda do maerial produzido há muio empo); Além desses cusos imediaos relacionados ao esoque de produos pronos, exisem cusos relacionados ao esoque de embalagens e maérias-primas: - Cuso de oporunidade de economia de escala e preços promocionais, causados por fala de previsibilidade das vendas de produos pronos; - Cuso de oporunidade do capial invesido em esoque excedene (capial parado); - Cuso de oporunidade de compras sub-óimas (no caso de compra de embalagens e maéria-primas ser menor do que o necessário, forçando a empresa a ober com maiores cusos os maeriais falanes necessários); Todos esses cusos podem ser eviados ou ao menos significaivamene diminuídos com o conhecimeno da demanda fuura de produos pronos. Além disso, a previsibilidade da demanda de produos pronos raz ouras vanagens, como por exemplo:

19 0 - A possibilidade de fazer planejamenos melhores de produção (razendo oporunidades de economia de escala de produção e de uilização óima da capacidade indusrial); - A possibilidade de omar decisões esraégicas com mais segurança, como decisões de aualização do maquinário a fim de aumenar a capacidade de produção e de cooperações iner-empresariais. O auor dese rabalho não em nenhum vínculo empregaício com a empresa sobre a qual o mesmo foi escrio, que aua no segmeno de bebidas. Enreano, o auor em conaos em comum com os sócios da empresa e, aravés de reuniões com os mesmos, foi discuido como um rabalho de formaura do curso de Engenharia de Produção poderia conribuir. Foi concluído que reduzir os cusos é faor deerminane para empresa, e o meio indicado para al foi aravés da previsão da demanda.

20 . DESCRIÇÃO DA EMPRESA Ese primeiro capíulo apresena uma descrição da empresa na qual o rabalho será realizado, caracerizando seus principais aspecos organizacionais e gerenciais, seus produos, o mercado em que aua e principais concorrenes... A Saborama Sabores e Concenrados Lda. A Saborama é uma empresa 00% nacional e aua no segmeno de bebidas e sorvees, aendendo aos mais diversos ramos da indúsria alimenícia, como sorveerias, confeiarias, indúsrias de refrigeranes, aacados e supermercados. Foi fundada em 973, na capial de São Paulo, dedicando-se inicialmene à confecção de emulsão para a fabricação do refrigerane Grapee, da qual é deenora nacional dos direios de fabricação. Essa marca foi popularizada com o slogan "Quem Bebe Grapee Repee", o que alavancou as suas vendas desde a década de 60. O sucesso e aceiação do produo geraram a necessidade de aberura de franquias em odo o erriório nacional. Poseriormene a empresa deu inicio à fabricação de bases para sorvee de massa e picolé, surgindo assim o Liquido Para Sorvee Saborama. Na década de 80 o porfólio de produos fabricados pela empresa aumenou com os xaropes, aromas e novos sabores para as emulsões de refrigeranes. A Saborama começou a fabricar ambém produos para sorveeria indusrial e aresanal, como pó e líquidos, emulsificanes, esabilizanes (liga neura), coberuras, além de xaropes, preparados Die e Ligh, aromas líquidos, bebidas misas pronas para beber e ouros produos. O crescimeno exigiu maior espaço da área indusrial. Assim, em 993 a empresa adquiriu sua nova sede no município de Taboão de Serra-SP, abrangendo uma área de m 2.

21 2 Aualmene a empresa opera ambém aravés do sisema de franquias, colocando à disposição de fabricanes de refrigeranes a emulsão para a elaboração do produo..2. Os Produos Denro de sua linha de produos, enconram-se emulsões para refrigeranes, produos para sorvees, xaropes, preparados líquidos Ligh e Die, aromas diversos, bebidas misas, energéicas, chás e groselha. Na abela a seguir esão lisados a gama de produos da Saborama: Refrescos Concenrados (xaropes) Emulsões Produos para Soverve bebidas misas p/ refrigeranes die/ligh p/ refrescos normal p/ panificação p/ leie de soja Tabela Os produos da empresa base líquida pó liga neura emulsificane coberura Na Tabela, sucos são os refrescos pronos para beber, concenrado represena xaropes em geral a serem diluídos em água anes do consumo, groselha ligh é um ipo específico de xarope de caráer die a ser diluído em água anes do consumo, emulsões para refrigerane é maéria prima a ser vendida para fabricanes de refrigerane, produos para sorvee são os pó para sorvees, liga neura e emulsificane, e base líquida para sorvee são produos usados para a fabricação de sorvee ipo "geladinho", sorvee em máquina ipo Expand Frio e raspadinha. Além desses, a Saborama em ouros produos em seu leque de produção, como os produos para panificação, mas que não êm vendas/clienes significaivos e que serão ignorados no escopo dese rabalho. Uma caracerísica dos produos da Saborama é que seus produos são fabricados mediane a composição de água, do exrao de suco e de adiivos como aromaizanes, edulcoranes, coranes e conservanes, em derimeno de sucos naurais ou de polpa.

22 3.3. Layou da fábrica Para faciliar o enendimeno do funcionameno da fábrica, segue abaixo uma figura ilusraiva do layou da fábrica. Nessa figura, o espaço Fabricação de produos para sorvee represena a linha de produção apenas de pó para sorvees, liga neura e emulsificane. Como se pode observar, a produção desses produos é oalmene separada das ouras linhas de produção e é bem simples, consisindo basicamene de processos de misura. Figura 2 Layou da fábrica O espaço represenado por Linhas de produção merece um dealhameno maior por ser onde aconece quase a oalidade da produção da Saborama e são especificadas na próxima seção.

23 4.3.. Linhas de Produção A Saborama dispõe de dois anques de cozimeno, um paseurizador, dois anques de misura, uma linha de envase e uma linha de empacoameno, que esão disponibilizadas conforme a Figura 3: Figura 3 - Layou das linhas de produção Para a fabricação de sucos e concenrados (xaropes), odos os anques e linhas são uilizados. No caso da fabricação de coberuras para sorvee, udo exceo o processo de paseurização é uilizado. Para a obenção de bases líquidas são usados os anques de misura, a linha de envase e a linha de empacoameno. A seguir enconram-se esquemaizados os processos de fabricação relacionados a sucos, concenrados, coberuras para sorvee e bases líquidas:

24 5 Figura 4 Processos de fabricação de sucos, concenrados, coberuras para sorvee e bases líquidas Os empos de cada processo bem como o empo de seup do maquinário podem variar de acordo com o produo a ser produzido. Já para a fabricação de emulsão pra refrigeranes, a Saborama dispõe de ouros dois anques de misura/repouso. A obenção desse produo é simples; os ingredienes são misurados e envasados em galões direamene dos anques..4. Disribuição/logísica exerna A empresa dispõe de 3 caminhões e uma van. Quando a quanidade de produos a serem enregues supera a capacidade de sua froa própria, exise a opção de conraar o serviço de erceiros (empresa ransporadora). As vendas são feias aravés de vendedores, que são profissionais auônomos (não são conraados pela Saborama). Eses vendem os produos principalmene a mercados de pequeno pore e supermecados, aacados de doces e disribuidoras de bebidas, ano no esado de São Paulo quano no reso do país. Enreano, a nível nacional as vendas se concenram em sua quase oalidade aos produos de maior valor agregado, como o emulsificane para refrigeranes, cujo cliene direo se caraceriza por ser de grande pore. Para a disribuição de produos na grande São Paulo e arredores o prazo promeido de enrega é 5 dias úeis, embora na práica as enregas sejam efeuadas em prazos muio menores.

25 6 Muio recenemene a empresa em começado a fabricar o produo de emulsão para energéico para exporação (Porugal e Espanha), aravés de um vendedor. Esá em negociação um redirecionameno dos esforços da empresa para conquisar o mercado exerno..5. Logísica inerna O conrole de maéria prima e embalagens vazias é feio aualmene pelo princípio pull, ou seja, os pedidos são feios de acordo com o nível de esoque aual (ação em resposa à demanda). Ao conrário do princípio push, em que é levada em cona a previsão de demanda do produo final. O conrole de esoque de produos pronos para a venda é feio aravés da checagem de seu esado aual em relação ao nível de esoque mínimo permiido. O sisema de compuador gera relaórios (sugesões) de produos a serem fabricados no dia, que são os produos cujo esoque esá abaixo do mínimo permiido. A cona é simples: Qde a ser produzida = esoque mínimo (média de vendas nos úlimos 22 dias) - esoque aual vendas fechadas Na práica essa quanidade a ser produzida serve apenas como referência, já que o amanho dos loes óimos de produção deve ser levado em cona. Além disso, no caso de er mais de um produo a ser fabricado (segundo o relaório emiido pelo compuador), a ordem de fabricação depende da urgência de enrega do produo e do nível de esoque aual. Em ouras palavras, o sisema emie um relaório acusando os produos a serem produzidos. O operador lê esse relaório e decide a ordem cronológica de produção, baseado em criérios como o amanho dos loes óimos de produção e sua opinião própria sobre a urgência da fabricação. O espaço físico de esoque de maéria prima, embalagens e produo acabado ocupa grande pare da fábrica, em derimeno do espaço desinado aos processos de fabricação, envase e empacoameno dos produos. Para o armazenameno dos produos pronos, organiza-se os diferenes grupos em palees.

26 7 O fluxo de maeriais segue uma única direção, ou seja, exise um porão desinado à enrada de maéria prima de um lado da fábrica, seguida pelos esoques de maéria prima e embalagens, fabricação, esoques de produos pronos e finalmene um ouro porão desinado à saída de produos a serem enregues ao cliene. A seguir enconra-se um esquema ilusraivo do fluxo de maeriais denro da Saborama: Figura 5 Fluxo de Maeriais.6. Caracerização do mercado e a concorrência Esima-se que o consumo médio de alimenos líquidos de uma pessoa seja em orno de 730 liros por ano. Considerando-se que, no Brasil, o oal de consumo por pessoa por caegoria de bebida (café, refrigeranes, cerveja, água envasada, chá, bebidas alcoólicas, sucos e ouras) é de cerca de 246 liros/ano, pode-se admiir que a diferença enre o limie de 730 liros e o oal de 246 liros corresponderia ao consumo de água. Assim, no caso brasileiro o limie máximo para o crescimeno do consumo no mercado de bebidas gira em orno de 484 liros por pessoa (ROSA e al. (2006)).

27 8 A Saborama dedica-se exclusivamene a produos não alcoólicos, dos quais aualmene os sucos pronos para beber represenam grande pare de seu faurameno oal. A nível nacional, esse mercado movimena cerca de 250 milhões de liros/ano. No enano, ainda em de conquisar a preferência dos consumidores brasileiros que resisem em omar sucos indusrializados. Nesse nicho, as marcas procuram oferecer algum diferencial de saúde, de conveniência e inovação para roubar paricipação de mercado de ouros segmenos que possuam um aspeco mais naural ou um preço uniário menor (ROSA (2006)). Segundo uma pesquisa 3 feia no ano de 2006, o mercado de bebidas nessa caegoria no país em a seguine composição: Bebida Represenaividade em faurameno Cerveja 55% Refrigerane 4% Suco em pó 4% Água mineral 3% Suco prono 3% Suco concenrado % Bebida a base de soja % Chá líquido % Tabela 2 Ranking de faurameno do mercado das caegorias de bebidas não alcoólicas Um pono a se salienar é o crescimeno consane que esse mercado em apresenado nos úlimos anos. Desconsiderando-se o mercado de cerveja, as bebidas cujas performances de mercado êm surpreendido (dados aé o ano de 2005) são primeiramene bebidas à base de soja, seguidas por suco prono para consumo e água mineral. A próxima figura ilusra o comporameno do mercado de bebidas no Brasil nos úlimos anos: 3 Pesquisa feia por ACNielsen do Brasil (hp://acnielsen.com). A bebida cerveja, apesar de coner álcool, é classificada comumene pelo mercado como sendo uma bebida não alcoólica.

28 9 Gráfico - Evolução do mercado de bebidas não alcoólicas 4 Uma série de explicações razoáveis é aponada pela ACNielsen do Brasil sobre o comporameno do mercado de bebidas não alcoólicas no país: o aumeno da busca de produos saudáveis pela população, aumeno da disponibilidade de produos como bebidas a base de soja, sucos e chás pronos para o consumo e a gradual elevação da renda. Além disso, os produos die e ligh adquirem rápida e inensa aceiação no mercado nacional: enquano odas as caegorias audiadas ganharam 5,5% em faurameno, em 2002, as caegorias die e ligh fauraram 0,9% a mais. Os produos da versão ligh ainda êm espaço para crescer, apesar de serem aé 2% mais caros do que os radicionais. Em 2004, o produo ligh respondeu por 22% do oal de sucos consumido no país. Esima-se que essa paricipação possa chegar a 26%, nos próximos anos, por causa da crescene endência do consumidor em adquirir produos mais saudáveis. Aualmene exise grande capacidade de ofera ainda não consolidada, mas em permanene expansão, de fruas ropicais, onde o Brasil se desaca pela variedade de sabores. 5 Essa endência favorece em especial a demanda pela linha de refrescos pronos de fruas ropicais da Saborama. 4 Pesquisa feia por ACNielsen do Brasil. A evolução de cada caegoria em como base = 00 os respecivos valores de ABIR Associação Brasileira das Indúsrias de Refrigeranes e Bebidas não Alcoólicas

29 20 O cliene final dos produos da Saborama é caracerizado dominanemene por consumidores das classes C, D e E 6, que são classificados segundo o IGBE da seguine forma: Figura 6 Aproximação da esruura de classes sociais no Brasil 7 Analisando a disribuição geográfica das vendagens da Saborama, verifica-se que seu mercado aual de sucos e xaropes se concenra no esado de São Paulo, o que conrasa com o foco de desino das emulsões para refrigeranes, que são vendidas a nível nacional com excessão de São Paulo. O mercado da Saborama para emulsões para refrigeranes é bem resrio, represenado por seis ou see clienes de grande pore. Os produos para sorvee êm como desino principalmene São Paulo, Minas, Mao Grosso, Paraná e Paraguai. A concorrência se caraceriza ano por pequenas quano por grandes indúsrias. Em nível de comparação, enre as principais concorrenes no mercado de emulsões esão a Fruiflora, Givaudan, Duas Rodas e a Cargill. Esas rês úlimas merecem aenção especial, pois são giganes do mercado ano nacional quano inernacional. Segundo a Saborama, apesar da acirrada concorrência, há mercado suficienemene grande para odos. Os principais faores limianes das vendagens da empresa aualmene são a sua própria capacidade de produção (principalmene durane o verão) e fraco conao com vendedores 8. 6 Análise feia pela Saborama 7 Aproximação realizada a parir de dados do IBGE 8 Análise feia pela Saborama

30 2 2. DEFINIÇÃO DO PROBLEMA O objeivo principal desde rabalho é reduzir os cusos na Saborama, uilizando écnicas de previsão da demanda fuura de produos, endo em visa a oimização de esoques. Enreano as écnicas por si só não são suficienes para modelar com precisão o aual nível de complexidade do aual conexo compeiivo enre organizações. Assim, observa-se que é cada vez mais imporane que as operações écnicas, mesmo que enham caracerísicas operaivas como prever demandas, devem esar de acordo com as gesões esraégicas e normaivas da empresa, já que idealmene oda organização deve funcionar da seguine forma: Figura 7 Desdobramenos de gesão em empresas 9 Como se pode observar na Figura 7, a gesão nos rês níveis da empresa é desdobrada a parir da missão e filosofia da empresa, seus valores, políica da empresa, análise de mercado e análise inerna da empresa. A divisão do esudo de gesão de empresas em gesões normaivas, esraégica e operacional é usual na Europa e dominane especialmene na Alemanha 0, em conrase com a divisão usual no Brasil em gesões esraégica, áica e operacional. 9 Adapado de PFOHL, H.-C., 2004 e ULRICH, P./ FLURI, E., Como se pode observar nas lierauras de PFOHL, H.-C., 2004 e ULRICH, P./ FLURI, E., 995, que fazem pare da lieraura de cursos de universidades européias, em especial na Alemanhã, Suíça e França.

31 22 Na gesão normaiva são discuidos os rumos da empresa a parir dos ineresses dos proprieários. Mais especificamene no caso da logísica, a gesão normaiva faz com que as decisões da ala gerência levem em cona o pensameno de fluxo; seja de rabalho, cusos logísicos, maerial, informação ou bens da empresa, em odas as direções da cadeia de suprimeno. Tudo isso sempre endo em visa a missão, filosofia e políica da empresa, a análise de mercado e análise inerna da empresa. Já a logísica na gesão esraégica da empresa cuida das inerfaces enre os sisemas, concreizando um pouco mais as idéias da gesão normaiva. Aqui, os problemas são pouco definidos, e se considera grande horizone de empo (longo prazo) na hora de fazer as decisões. Por exemplo, o plano esraégico da logísica é responsável pela consrução de rede de empresas e Supply Chain (Cadeia de Suprimenos), considerando um escopo não só inerno aos sisemas, mas ambém exerno. No plano operacional, a logísica é responsável pela solução imediaa (observando o curo prazo) e não conínua de problemas. O foco da logísica no plano operacional da gesão da empresa são problemas predominanemene de eficiência claramene visíveis, grandes e com grandes probabilidades de sucesso. Geralmene os gesores endem a priorizar a solução de problemas no plano operacional. A idéia em que ese rabalho se baseia é que, para se alcançar um funcionameno adequado de empresas, solucionar seus problemas e fazer planejamenos e conrole, deve-se sempre er em mene não só o plano operacional, mas ambém o plano esraégico e normaivo da empresa. O foco do aual rabalho é auar no plano operacional, mas sem abandonar as dimensões normaivas e esraégicas da logísica, e sempre visando uma relação consruiva e harmoniosa enre as mesmas. Essa idéia acima descria esá de acordo com a idéia de logísica empresarial, que é um campo relaivamene novo do esudo da gesão inegrada, das áreas radicionais das finanças, markeing e produção. A novidade deriva do conceio da gesão coordenada de aividades iner-relacionadas, em subsiuição à práica hisórica de adminisrá-las separadamene (BALLOU, 2006). A logísica se preocupa das ransformações dos maeriais na dimensão

32 23 empo e espaço, além de ouras ransformações relaivas a quanidade e ipo de mercadoria, caracerísicas de manejameno e a deerminação logísica (reconhecimeno) dos produos são planejados, realizados e conrolados. Segundo a idéia de logísica empresarial, a logísica enra enão como faor deerminane nas decisões da empresa, se preocupando sempre em fornecer ano inernamene quano exernamene a cada sisema logísico os produos ceros (em quanidade e ipo), na condição cera, no empo e lugar adequado, com os mínimos cusos possíveis endo sempre em visa as inerdependências com ouras áreas da empresa, como a área financeira, markeing e produção. De odos os sisemas logísicos exisenes na Saborama, o rabalho se concenrará na previsão da demanda, ou seja, dos oupus (o produo em sua forma final, que é vendido e disribuído pela empresa). A previsão da demanda é essencial para a empresa, pois permie melhor planejameno de sua produção e de sua capacidade produiva, além de melhor conrole de seus esoques (ano do produo final quando de maérias primas). Aualmene, a previsão da demanda é feia omando-se como base as vendas nos úlimos 22 dias úeis. A produção é feia de acordo com o limie mínimo de esoque já descrio: Qde a ser produzida = esoque mínimo (vendas nos úlimos 22 dias) - esoque aual vendas fechadas Assim, o nível do esoque é manido de forma a esar sempre acima do número de vendas dos úlimos 22 dias úeis e das vendas já fechadas. Em ouras palavras, a empresa planeja sua produção diária equacionando as variáveis acima (vendas nos úlimos 22 dias úeis, esoque aual e vendas fechadas) odos os dias, para odos os seus produos. Essa forma aual de planejameno de produção leva em cona a previsão de demanda a parir de uma soma móvel (das vendas concreizadas nos úlimos 22 dias úeis). Com essa forma aual de previsão de vendas, a empresa é incapaz de fazer previsões acuradas; não se consegue definir, por exemplo, quano a empresa venderá no mês seguine ou em 6 meses. Isso raz algumas conseqüências negaivas em planejamenos para horizones de empo maiores do que mês: a. Na compra de embalagens e maérias-primas: a empresa não em informações confiáveis que a ajude a comprar os inpus de fabricação (alguns meses), de modo que Adapado de PFOHL, H.-C., 2004 e BALLOU, R. B., 2006.

33 24 oporunidades de economia de escala e promoções podem não ser aproveiadas em compras de maeriais. Assim, essas compras podem ser maiores do que o necessário, fazendo com que a empresa perca no cuso de oporunidade do capial invesido nos inpus excedenes parado no esoque. Por ouro lado, essas compras podem ser menores do que o ideal, forçando a empresa a ober com maiores cusos os maeriais falanes necessários. b. No esoque de produos pronos: a empresa pode esocar menos do que o necessário, impossibiliando enregas e fazendo-a perder não só oporunidades de vendas, mas ambém clienes auais e fuuros. Por ouro lado a empresa pode esocar muio mais do que o necessário, gerando cuso de capial parado em forma de esoques (cuso de oporunidade do capial), além de obsolência dos produos esocados (os produos êm período de validade limiada, o que dificula a venda do maerial produzido há muio empo). c. Na produção: a empresa é incapaz de fazer planejamenos melhores de produção, perdendo assim oporunidades de economia de escala de produção e subuilização de sua capacidade indusrial. d. No plano esraégio da empresas: com pouca visibilidade das vendas para longo horizone de empo, a ala gerência é dificulada no seu rabalho, como por exemplo em decisões de aualização do maquinário a fim de aumenar a capacidade de produção, esudos de mercado e de cooperações iner-empresarial. O objeivo do rabalho é sugerir um modelo de previsão maemáico e quaniaivo mais adequado e preciso do que a empresa usa para projear a demanda fuura e, a parir do qual, sugerir um modelo de manuenção oimizado dos níveis de esoque, que aualmene é feia de modo subjeivo. Esse modo de decisão é usado em muias empresas, independene do ipo de indúsria, amanho do empreendimeno ou esraégia de posicionameno da empresa. Segundo pesquisas, esse modo de decisão subjeiva acarrea maiores erros de previsão (SANDERS e MANRODT, 2003), o que se alinha aos benefícios associados aos modelos quaniaivos que ese rabalho uilizará.

34 25 3. REVISÃO DA LITERATURA Exisem na lieraura inúmeros méodos para previsão de dados. Apresenando caracerísicas diferenes, cada um é mais ou menos adequado para lidar com diversas siuações, com diferenes níveis de precisão e cusos de uilização. Os méodos podem ser divididos em dois grandes grupos: os méodos qualiaivos e os quaniaivos. Idealmene ambos devem ser complemenares, à medida que, segundo NEVES (996), combinar écnicas quaniaivas e qualiaivas orna uma pesquisa mais fore e reduz os problemas de adoção exclusiva de um desses grupos; a omissão no emprego de méodos qualiaivos, num esudo em que se faz úil empregá-los, empobrece a visão do pesquisador quano ao conexo em que ocorre o fenômeno. DUFFY (987) indica como vanagens do emprego conjuno dos méodos qualiaivos e quaniaivos os seguines: a) Possibilidade de congregar conrole dos erros (pelos méodos quaniaivos) com compreensão da perspeciva dos agenes envolvidos no fenômeno (pelos méodos qualiaivos); b) Possibilidade de congregar idenificação de variáveis específicas (pelos méodos quaniaivos) com uma visão global do fenômeno (pelos méodos qualiaivos); c) Possibilidade de complear um conjuno de faos e causas associados ao emprego de meodologia quaniaiva com uma visão da naureza dinâmica da realidade; d) Possibilidade de enriquecer consaações obidas sob condições conroladas com dados obidos denro do conexo naural de sua ocorrência; e) Possibilidade de reafirmar validade e confiabilidade das descoberas pelo emprego de écnicas diferenciadas. Tano os méodos qualiaivos quano os quaniaivos apresenam algumas caracerísicas em comum. Em geral, de acordo com Arnold (999), eles possuem quaro princípios fundamenais: a) As previsões geralmene esão erradas; erros são ineviáveis e devem ser esperados;

35 26 b) Por isso, as previsões devem esar acompanhadas com esimaivas de erro; c) As previsões são mais precisas e adequadas para grupos ou famílias; d) As previsões são mais precisas para períodos de empo mais próximos; quano maior for a disância emporal do presene, maior é a incereza; 3.. Méodos qualiaivos Os méodos qualiaivos são geralmene usados para janelas emporais grandes, quando se em à disposição pouco ou nenhum hisórico de dados (como no caso de um novo produo ou mercado) ou quando há faores conjunurais críicos que mudam ao longo do empo (como crise perolífera, guerra ou mudança de planejameno do governo). Méodos qualiaivos requerem imaginação, aleno individual, inuição, julgameno e conhecimeno, que segundo MAKRIDAKIS e al. (998), são na realidade mais imporanes do que os méodos qualiaivos em si. Para o rabalho aual é inencionado apenas o uso de méodos quaniaivos, já que méodos qualiaivos demandariam ajuda de especialisas, o que é economicamene cusoso e desineressane para a empresa. Assim, como o escopo do rabalho são os méodos quaniaivos, apenas um dos méodos qualiaivos mais conhecidos será aqui apresenado: o méodo Delphi. Ainda de acordo com MAKRIDAKIS e al. (998), o méodo Delphi é sem dúvida o mais usado enre os méodos qualiaivos e é essencialmene um modo refinado de obenção do consenso de um grupo formado geralmene por especialisas. Resumidamene pode-se caracerizar o méodo pelo uso de especialisas com anonimao e pela aplicação ineraiva de várias rodadas de quesionário. O méodo inicia com a elaboração do quesionário e seleção dos especialisas. A seguir promove-se a primeira rodada de aplicação do quesionário e os dados coleados são raados esaisicamene. As resposas são devolvidas aos especialisas com dados sobre a média e desvio-padrão das resposas. A seguir, o quesionário é reavaliado, sofre possíveis alerações perinenes e efeua-se uma nova rodada de aplicação do quesionário. Caso haja convergência de resposas nessa nova rodada, conclui-se o méodo com a elaboração de relaórios finais.

36 27 Caso ainda haja divergências de opinião enre os especialisas, novas rodadas de pesquisa são feias aé que se possa er um consenso Méodos quaniaivos Os méodos quaniaivos uilizam o hisórico de dados para descrever seu comporameno aravés de um modelo maemáico e prever os dados fuuros. Apesar de reornar a previsão em formas de números mais precisos possível, os méodos quaniaivos não explicam grandes variações inesperadas dos dados; e deve porano ser uilizada paralelamene ao conhecimeno qualiaivo de especialisas. Quando comparados com os méodos qualiaivos, os méodos quaniaivos apresenam em geral menores cusos (não exigem o uso freqüene de conhecimeno de especialisas do mercado, por exemplo) e exigem menos rabalho, o que possibilia sua uilização para prognoses em massa, ou seja, para decisões roineiras em curo prazo. Enreano, segundo MAKRIDAKIS e al. (998), seu uso depende de rês condições: a) Disponibilidade de dados hisóricos; b) As informações possam ser quanificadas em dados numéricos; c) Possa ser assumido que alguns aspecos do passado coninuarão no fuuro. Esa úlima condição é conhecida como a premissa da coninuidade; os méodos quaniaivos de previsão parem do princípio de que o hisórico de dados represena informações que são base do comporameno fuuro dos dados. Além dessas rês condições, para a uilização dos méodos quaniaivos é necessário que os dados hisóricos disponíveis sejam confiáveis. O grupo de méodos quaniaivos a serem aplicados nese rabalho se divide basicamene em modelos causais (modelos de regressão) e modelos baseados em séries de empo: Modelo de regressão Modelos baseados em séries de empo: Médias simples Médias móveis Suavização exponencial

37 28 A fim de selecionar o modelo de previsão mais indicado para deerminada siuação, é necessário conhecer as caracerísicas dos dados hisóricos observados e as caracerísicas de cada modelo de previsão. Uma vez selecionado o modelo, é recomendável simulá-lo e comparar sua medida de erro com as medidas de erros de ouros modelos, com o inuio de se verificar se o modelo escolhido realmene é o mais apropriado para al siuação. Como já mencionado, a aplicabilidade de um sisema de previsão quaniaivo depende de sua adequação com caracerísicas hisóricas dos dados, que serão apresenadas a seguir Decomposição de séries emporais Séries emporais são conjunos de números ordenados com o empo, que descrevem algum ipo de aconecimeno ou observação feia. Para o presene rabalho enender a decomposição de séries emporais é imporane, pois isso ajuda a enender melhor as caracerísicas dos dados e conseqüenemene a selecionar o méodo de previsão mais apropriado. As séries emporais podem apresenar endência, sazonalidade, ciclicidade e ruído: a) A endência exprime um padrão de movimeno de longo prazo com uma direção clara, que pode ser ascendene ou decrescene. No gráfico a seguir, a endência ascendene é facilmene observável: Gráfico 2 Série com endência

38 29 b) A sazonalidade exprime um padrão de movimeno que se repee regularmene denro de um inervalo curo de empo (em geral um ano), que de acordo com MAKRIDAKIS e al. (998), pode ser causado por fluuações da emperaura, chuvas, meses do ano, épocas de feriados e políica corporaivas. A sazonalidade pode ser facilmene verificada no gráfico a seguir: Gráfico 3 Série com sazonalidade Os dados ambém podem apresenar endência com sazonalidade, como se pode observar no gráfico a seguir: Gráfico 4 Série com endência e sazonalidade

39 30 Nese caso, observa-se o comporameno repeiivo de 3 em 3 unidades de empo, apresenando endência crescene, já que o nível da série aumena ao longo do empo. O nível exprime uma caegorização verical dos dados. c) Assim como a sazonalidade, a ciclicidade represena movimenos oscilaórios. A diferença enre as duas caracerísicas é que uma série com ciclicidade não precisa necessariamene er periodicidade fixa e aconece denro de um inervalo longo de empo. Segundo MAKRIDAKIS e al. (998), a componene cíclica é freqüenemene misurada á endência. d) Além das componenes acima descrias, uma série pode apresenar ambém a componene aleaória (ruído), que em um caráer casual e imprevisível. A decomposição das caracerísicas da série emporal em endência, sazonalidade, ciclicidade e ruído pode ser represenada maemaicamene como: y = f(endência, sazonalidade, ciclicidade, ruído). Nese rabalho, os efeios de ciclicidade serão removidos: 2 y = f(endência, sazonalidade, ruído). Os rês efeios (endência, sazonalidade e ruído) podem se apresenar basicamene de duas formas diferenes nas séries emporais. Se as caracerísicas se somam, a função que descreve a série em a forma y = endência sazonalidade ruído e é chamada pela lieraura de modelo adiivo. Um modelo adiivo é apropriado se a magniude das fluuações não varia com o nível das séries. Caso as fluuações sazonais 2 Essa remoção é muio uilizada na lieraura, como se pode observar em MAKRIDAKIS e al. (998).

40 3 aumenam ou diminuem proporcionalmene com os aumenos e diminuições nos níveis das séries, enão as caracerísicas se muliplicam, a função que descreve a série em a forma y = endência x sazonalidade x ruído e é chamada pela lieraura de modelo muliplicaivo. A seguir serão apresenados com maior profundidade os méodos de previsão quaniaivos uilizados nese rabalho Modelo de médias 3.4. Médias simples O modelo de médias simples consise em se calcular uma média ariméica de odos os dados da série hisórica a parir de um deerminado período: F = Y i i=, onde é o número de dados observados da série hisórica, F é a previsão do próximo valor da série e Y i represena cada dado da série hisórica. Admie-se que essa média ariméica descreva o comporameno da série no fuuro da seguine maneira: a cada nova observação (dado real), a previsão para o próximo período será a nova média enre os dados anigos mais essa úlima observação. Esse modelo se orna mais esável quano mais dados forem observados.

41 Médias móveis No modelo de médias móveis se faz uma média ariméica dos k dados mais recenes da série hisórica. A cada nova observação de um novo dado real se faz uma nova média: F = Y i k i= k, onde k é o número de dados a serem incluídos nessa média, e permanece sempre consane ao longo do empo. Quano maior o k, maior o efeio de suavização das médias (menor é a velocidade de resposa a mudanças no comporameno dos dados incluídos na média móvel). Ao conrário do que ocorre no méodo de médias simples, que leva em cona odos os valores observados a parir de um período, o méodo de médias móveis descara o valor mais anigo observado e considerado no cálculo da previsão do período anerior e passa a considerar o valor mais recene observado. De acordo com HANKE/REITSCH (998), esse modelo funciona melhor com dados que apresenam cera permanência, mas não supora muio bem endências nem sazonalidades, apesar de fazê-lo melhor do que a média simples. Segundo MAKRIDAKIS e al. (998), na práica a média móvel não é muio uilizada porque em geral os méodos de suavização exponencial são superiores Modelos de suavização exponencial No caso dos modelos de médias simples e médias móveis odos os dados hisóricos considerados influem com pesos iguais nos resulados. Já nos modelos de suavização exponencial, pode-se dar maior ou menor significância aos dados mais anigos. Assim, á medida que os dados observados ficam mais anigos, sua imporância no resulado da previsão orna-se exponencialmene menor. Os modelos de suavização exponencial comumene enconrados na lieraura são:

42 33 Suavização exponencial simples Suavização exponencial linear (méodo de Hol) Suavização exponencial com sazonalidade e endência linear (méodo de Hol- Winers) No caso dos modelos de suavização exponencial é aconselhável seguir os seguines passos 3 :. Escolher os dados a serem analizados e dividí-los em duas pares: dados a serem uilizados na inicialização e em ese. Por exemplo, se o analisa se enconra no período =20, uma de suas alernaivas é adoar os dados de = a =0 como dados de inicialização (que servirão de base para calcular os valores iniciais do modelo e os coeficienes que forem necessários) e os dados de = a =20 como dados de eses (que permiirão o cálculo de erros de previsão e o ajuse do modelo); 2. Escolher um méodo de suavização exponencial, de acordo com as caracerísicas da série emporal; 3. Inicializar o méodo uilizando os dados de inicialização; 4. Usar o méodo de suavização exponencial para a previsão sobre os dados de ese. Para avaliar a adequação ao méodo podem ser uilizadas medidas de erros, como por exemplo, MAPE (Mean Absolue Percenage Error) e MSE (Mean Squared Error). Nese eságio se fazem modificações dos parâmeros de inicialização, aé achar valores óimos; 5. Fazer a previsão de fao dos dados da série no fuuro. Durane a fase de inicialização calcula-se os valores iniciais do modelo e os coeficienes que forem necessários. A inicialização dos modelos é de exrema imporância e deve ser considerada com muio cuidado, já que ao uilizar valores de inicialização não apropriados, é provável que se faça previsões disorcidas por um longo período de empo. A forma com que a inicialização é feia varia de modelo para modelo e por isso será apresenada de forma disina em cada modelo. 3 Adapado de MAKRIDAKIS e al. (998)

43 Méodo de suavização exponencial simples (SES) Ese méodo se auo-ajusa comparando os dados observados (dados reais) e os respecivos dados previsos para períodos no passado. Ou seja, a parir dos erros de previsão comeidos no passado o méodo de suavização exponencial simples reorna a previsão do próximo período. A expressão que fornece a previsão é dada por: F = Y ( ) F α α onde α é uma consane enre 0 e. Quano mais próximo α é de, mais agressivo é o ajuse do méodo em relação ao erro de previsão comeido no período anerior (mais rápida será a adapação do modelo a oscilações de Y ). O pensameno conrário é análogo: quano mais próximo α é de 0, menos agressivo é o ajuse. Assim, a observação mais recene recebe o peso α, a segunda mais recene o peso α( α), a erceira ( α) 2 α e assim por diane, como se pode observar na seqüência de equações a seguir: F F F F = αy0 α) ( F 0 [ αy ( α ] 2 = αy α) F = αy ( α ) 0 ) ( F 0 [ αy ( α )[ αy ( α ] 3 = αy2 α) F2 = αy2 ( α ) 0 ) α ( F [ αy ( α ] ( α α α F 2 3 = Y2 ) Y ( ) 0 ) 0 0 A previsão do próximo período é simplesmene a previsão do período anerior adicionado a um ajusameno sobre o erro comeido no período anerior. Isso pode ser claramene observado reescrevendo-se a expressão do modelo de suavização exponencial simples: F = Y ( α ) F = Y F F = F ( Y F ) α α α α O méodo SES necessia de uma fase de inicialização, em que se obém um valor para F. MAKRIDAKIS e al. (998) sugerem duas formas de inicialização:

44 35 Adoção de F = Y ou Adoção de F como a média dos 4 ou 5 primeiros dados da série hisórica. Na fase de oimização, deve-se primeiramene escolher uma medida de erro a ser observada (como por exemplo MAPE ou MSE). Feio isso, uilizando o méodo de enaivas e erros ou um algorimo de oimização não-linear descobre-se o valor de α óimo para a série Méodo de Suavização Exponencial Simples com Resposa Adapiva Ese méodo é uma derivação do modelo de suavização exponencial simples, em que o α é sisemaicamene e auomaicamene recalculado, mudando a cada período, uilizando uma axa de resposa adapiva β. O β raz a vanagem de permiir a que o α seja modificado conroladamene, acompanhando possíveis mudanças nos dados observados. De acordo com MAKRIDAKIS e al. (998), essa caracerísica é muio araiva quando cenenas ou milhares de iens requerem previsão. A equação básica dese modelo é similar á do modelo SES, com a exceção do α, que é subsiuído por um α : F = Y ( ) F α α, Onde: α = A M A M = β E ( β ) A β β = E ( ) M E = Y F

45 36 β é um parâmero enre 0 e. Quano menor for o valor de β, menores serão as mudanças em α O ermo A represena uma esimaiva suavizada do erro de previsão, e é calculada como uma média ponderada de A e o úlimo erro de previsão. Analogamene, M represena uma esimaiva suavizada do erro absoluo de previsão, sendo calculado como uma média ponderada de M e o úlimo erro absoluo de previsão E. De acordo com a equação A α α =, M é calculada como uma razão absolua enre a esimaiva do erro de previsão com a esimaiva do erro absoluo de previsão. A inicialização dese modelo é um pouco mais complicada que para o modelo SES. Por exemplo, MAKRIDAKIS e al. (998) sugere que as seguines premissas sejam feias: F 2 = Y α α = α = β 2 = 3 4 A = M 0 = Segundo os mesmos auores, ainda que evenualmene ese méodo seja inferior ao méodo de suavização exponencial simples com um α óimo calculado, ele deve ser preferível porque reduz os riscos de erros sérios e permie a uilização do méodo com mínimas preocupações adminisraivas Méodo de Hol O méodo de Hol, ambém conhecido como méodo de suavização exponencial linear permie a previsão de dados hisóricos com endência, uilizando 2 consanes de suavização (α eβ ) e rês equações: L = αy ( α)( L b )

46 37 b = β( L L ) ( β ) b onde: F = L mb m L : nível da série emporal no período ; b : esimaiva da endência no período ; m : número do período fuuro para o qual se deseja fazer a previsão; F : previsão para o período m ; m α : consane de suavização do nível, assumindo valores enre 0 e ; β : consane de suavização da endência, assumindo valores enre 0 e. Como nos ouros méodos de suavização exponencial, é necessário passar pela fase de inicialização. Nese caso, o méodo requer duas esimações: uma para se ober o valor de L, e oura para se ober o valor de b. MAKRIDAKIS e al. (998) sugerem duas formas de inicialização: Adoção de L = Y ; b = Y2 Y ou b ( ) / = Y4 Y 3 ou Uilização de regressão de mínimos quadrados nos primeiros valores da série hisórica para descobrir L e b. Na fase de oimização, deve-se primeiramene escolher uma medida de erro a ser observada (como por exemplo MAPE ou MSE). Feio isso, uilizando o méodo de enaivas e erros ou um algorimo de oimização não-linear descobre-se o valor de α eβ óimos para a série Méodo de Hol-Winers O méodo de médias móveis e os méodos de suavização exponencial simples e suavização exponencial linear são apropriados apenas para dados não sazonais, em conraparida com o méodo de Hol-Winers, que leva em consideração aumeno ou redução significaivos da demanda pelo produo em deerminada época do ano.

47 38 O méodo de Hol-Winers é baseado em rês equações de suavização, referenes ao nível dos dados, à endência e à sazonalidade. O conjuno dessas rês equações pode apresenar duas formas diferenes, se a sazonalidade for modelada de forma adiiva ou muliplicaiva. As fórmulas dessas duas formas e seus respecivos perfis são: Sazonalidade Adiiva Méodo de Hol-Winers Sazonalidade Muliplicaiva L b S = = ( ) = γ ( Y L ) ( γ ) S s m = L mb S m s F α ( Y S s ) ( α )( L b ) β L L ) ( β b Y α ( ) ( α )( L b ) S = s = β ( L L ) ( β ) b L b S F Y = γ ( ) ( γ ) S s L m = ( L mb ) S m s Onde: s : inervalo da sazonalidade; L : nível da série emporal no período ; b : esimaiva da endência no período ; S : componene sazonal no período ; m : número do período fuuro para o qual se deseja fazer a previsão; F : previsão para o período m ; m α : consane de suavização do nível, assumindo valores enre 0 e ; β : consane de suavização da endência, assumindo valores enre 0 e ; γ : consane de suavização da sazonalidade, assumindo valores enre 0 e.

48 39 MAKRIDAKIS e al. (998) sugere que a inicialização dese méodo uilize dados de pelo menos duas sazonalidades consecuivas (de um período de empo em que se observa duas oscilações compleas). Em sua forma muliplicaiva, a inicialização ocorre da seguine forma: s L = ( Y Y Y... ) s 2 3 Y s Ys Y Ys 2 Y2 Ys 3 Y3 Y bs =... s s s s = Y, Y S = 2 2 L, Y S = 3 L,..., Ys 3 S s =. L s s s S L s s s Y s s Na forma adiiva do méodo, a inicialização de forma muliplicaiva. Para se inicializar os índices sazonais, se usa: S = Y Ls, S 2 = Y 2 Ls, S = Y 3 Ls L s e b s é idênica ás suas inicializações na 3,..., Ss = Ys Ls Medidas de erro de previsão O erro de previsão pode ser definido como a diferença enre o que foi previso e o que foi observado (o que realmene aconeceu): e = Y F, onde e é o erro de previsão, Y é a observação e percenual é oura maneira de se expressar o erro e pode ser definido por: F é a previsão no período. O erro Pe Y F = Y Para se medir a precisão, confiabilidade e aplicabilidade de um sisema de previsão em relação a uma série de dados é necessário analisar o conjuno de erros de previsão de vários períodos ( e ou uilizadas: Pe ). A seguir são apresenadas algumas medidas de erro usualmene

49 40 Erro Relaivo Médio (ME - Mean Error): é a média ariméica dos erros: ME= n n e =, onde n é o número de períodos. Como se pode observar, o ME é a média ariméica das diferenças enre o que se previu e o que se observou na realidade. Como os erros podem assumir ano valores posiivos quano negaivos, essa média poderá er um valor pequeno. Erro Absoluo Médio (MAE - Mean Absolue Error): MAE= n n = e O MAE é o módulo da média ariméica das diferenças enre o que se previu e o que se observou na realidade. Como os erros de cada período são somados em módulo, essa medida pode represenar mais fielmene os erros de previsão do que o ME. Erro Quadráico Médio (MSE Mean Squared Error): MSE= n n 2 e = Essa medida de erro considera exponencialmene os erros, de modo que os erros maiores são penalizados. Devido á essa caracerísica, o MSE é adequado quando se analisa um modelo que deva possuir erros pequenos.

50 4 Erro Relaivo Percenual Médio (MPE Mean Percenage Error): MPE = n n = Pe Essa medida permie comparar com maior precisão os erros de diferenes séries de dados hisóricos com seus respecivos erros, pois informa a magniude do valor previso com relação ao valor observado na realidade. Como no caso do Erro Relaivo Médio, o MPE assume que os erros podem apresenar ano valores posiivos quano negaivos, indicando se os valores previsos são em média superiores ou inferiores aos valores observados na realidade. Devido á essa caracerísica, o valor do MPE pode ser exremamene pequeno e não demonsrar com sucesso o quão preciso um modelo é em relação a uma série de dados. Além disso, ouro pono fraco dese méodo é que se a série coniver valores nulos o MPE não poderá ser calculado. Erro Absoluo Percenual Médio (MAPE Mean Absolue Percenage Error): MAPE= n n = Pe Essa medida pode represenar mais fielmene os erros de previsão do que o MPE, já que os erros de cada período são somados em módulo e os valores posiivos e negaivos não se anulam. Enreano, como para a medida MPE, a medida MAPE não pode ser calculada para séries que conenham valores nulos. A medida de erro é peça fundamenal para qualquer processo de previsão de demanda, pois é a parir dela que o modelo é calibrado e julgado. Dada essa imporância, é necessário escolher cuidadosamene a medida de erro que melhor aenda às necessidades e objeivos do rabalho, o que será feio no capíulo a seguir.

51 42 4. ESCOLHA DA MEDIDA DE ERRO A medida de erro a ser uilizada no aual rabalho deve er caracerísicas que aendam as necessidades da previsão da demanda da Saborama. Ela deve porano: a) Eviar que erros posiivos e negaivos se anulem; seria inadequado uilizar uma medida de erro cujo valor numérico possa ser pequeno apenas devido aos seus sinais. b) Permia a comparação enre diferenes séries; é ineressane comparar a aplicabilidade de um dado modelo de previsão a diferenes séries hisóricas (diferenes produos). c) Permia considerar valores nulos de séries hisóricas; é improvável que a demanda de algum produo seja nula em algum período, mas é ineressane que o modelo seja apo a considerar al possibilidade. d) Penalizar os erros maiores; para a Saborama, os cusos devidos desvios pequenos na previsão da demanda podem ser eviados aravés de uma margem de segurança no esoque. Além disso, erros de previsão muio grandes acarream muio mais cusos de oporunidade do que erros menores. e) Penalizar diferenemene os erros de previsão de demanda posiivos dos negaivos; em enrevisa com os gesores da empresa, foi indicado que menos cusoso e mais ineressane produzir mais do que o necessário do que o conrário. Desse modo, os erros posiivos (caso em que a empresa produza mais do que o necessário) devem ser menos penalizados do que os erros negaivos (caso em que a empresa produza menos que a demanda). Com o inuio de analisar as medidas de erros radicionalmene uilizadas em relação às necessidades do aual rabalho, foi feia a abela comparaiva a seguir:

52 43 Caracerísicas Mean Error (ME) Mean Absolue Error (MAE) Mean Squared Error (MSE) Mean Percenage Error (MPE) Mean Absolue Percenage Error (MAPE) Evia que erros posiivos e negaivos se anulem Permie a comparação enre diferenes séries Permie considerar valores nulos da série Penaliza erros maiores Penaliza erros negaivos ou posiivos diferenemene Tabela 3 Comparação enre diferenes medidas de erros Como se observa na Tabela 3, nenhuma dessas medidas de erros radicionalmene uilizadas na lieraura aendem às necessidades do aual rabalho. Por al razão uma nova medida de erro é proposa: WSE (Weighed Squared Error), que reúne as qualidades mais adequadas aos ineresses da Saborama. Essa medida de erro segue a seguine fórmula: WSE= ( w PerE ) ( w PerE ) onde: w : peso (penalidade) dada aos erros posiivos, ou seja, relacionados a previsões que se sejam maiores do que os valores observados Y ; w : peso (penalidade) dada aos erros negaivos, ou seja, relacionados a previsões que se sejam menores do que os valores observados Y. Os pesos posiivos e negaivos devem se siuar no inervalo [0,] e devem esar de acordo com a equação w = ; w F F

53 44 PerE : porcenagem da somaória dos erros quadráicos posiivos (relacionados a previsões F maiores do que os valores observados Y ) sobre a somaória oal dos erros quadráicos. Ou seja, a somaória dos erros quadráicos posiivos é n = 2 ( e ) e, porano PerE n 2 ( e ) = = n 2 n ( e ) = = ( e ) PerE : porcenagem da somaória dos erros quadráicos negaivos (relacionados a previsões F menores do que os valores observados Y ) sobre a somaória oal dos erros quadráicos. Ou seja, a somaória dos erros quadráicos negaivos é 2 ; n = 2 ( e ) e, porano PerE n 2 ( e ) = = n 2 n ( e ) = = ( e ) 2 ; Para o melhor enendimeno do cálculo dese erro, é sugerido a análise do exemplo a seguir, em que os erros negaivos são mais penalizados do que os erros posiivos. Y F 2 ( e ) 2 ( e ) w ,4 0, PerE w PerE , , WSE ,52942 Tabela 4 Exemplo de aplicação da medida de erro WSE com maior penalização de erros negaivos Na abela a seguir, enconra-se o mesmo exemplo numérico da Tabela 4, mas desa vez uilizando maior penalização de erros posiivos, em derimeno da penalização dos erros negaivos:

54 45 Y F 2 ( e ) 2 ( e ) w ,6 0, PerE w PerE , , WSE , Tabela 5 - Exemplo de aplicação da medida de erro WSE com maior penalização de erros posiivos Como se observa a parir da análise dos dois exemplos acima, quando se uilizou maior penalização dos erros posiivos a medida de erro WSE diminuiu em relação a ao primeiro exemplo. Isso é explicado pelo fao de PerE ser menor do que PerE no segundo exemplo. A medida de erro WSE foi selecionada para o uso no aual rabalho, devido às suas seguines caracerísicas: a) Evia que erros posiivos e negaivos se anulem; não impora se os erros são posiivos ou negaivos (se o pono de previsão se siua acima ou abaixo da curva de demanda real observada); eles são calculados sem ser anulados (por erem sinais oposos); b) Permie a comparação enre diferenes séries; a aplicabilidade de um dado méodo de previsão pode ser comparada enre diferenes séries hisóricas observadas, pois a medida de erro se siua sempre no inervalo [0,]. c) Permie considerar valores nulos da série. d) Penaliza erros maiores; os erros são elevados ao quadrado, e, como se observa no gráfico a seguir, exise penalização exponencial dos maiores erros. Isso favorece a empresa, pois para a Saborama os maiores erros represenam maiores cusos, enquano que discrepâncias menores enre a demanda previsa e a real podem ser mais facilmene resolvidas com uma margem de segurança de esoques e são, porano, considerados menos relevanes;

55 46 Gráfico 5 Penalidade dos erros maiores e) Penaliza erros negaivos ou posiivos diferenemene; a medida WSE separa os erros posiivos dos negaivos, que recebem pesos diferenes ( w e w ). Os gesores da Saborama indicam os valores w = 0, 4 e w = 0, 6 como sendo adequados para a empresa. Além da medida de erro acima descria, nese rabalho ao avaliar os méodos de previsão será sempre dado aenção a ouro indicador: o maior erro absoluo e = Y F enconrado para cada méodo, já que para a empresa é muio imporane que os desvios de previsão não sejam excessivamene alos, nem que isso ocorra apenas uma vez. Por exemplo, mesmo que as previsões ao longo do ano sejam óimas, uma previsão de demanda muio abaixo da demanda real referene um único mês pode ser caasrófico para a empresa, que pode perder não só vendas relaivas a ese mês, mas ambém boa pare do porfólio de clienes fiéis.

56 47 5. PREVISIBILIDADE E ADAPTAÇÃO DOS MODELOS Como já dio no capíulo 2, a Saborama em em visa a previsão da demanda para poder fazer decisões mais conscienes acerca de inúmeros problemas, como a quanidade de maéria prima a ser comprada no curo prazo, a quanidade de produos a serem enregues no mês seguine ou ainda a necessidade de invesimeno no capial fixo e no maquinário da empresa. Denre os modelos de previsão uilizados nese rabalho, os méodos com capacidade real de previsão para horizones maiores do que mês são os méodos de Hol e de Hol-Winers, pois caso os ouros méodos sejam aplicados, os seguines problemas ocorrerão: a) A previsão do méodo de médias móveis 4 ende rapidamene a um número. A causa desse comporameno é que, a parir do úlimo período em que se dispõe de dado real, é considerado (apenas para o cálculo da previsão) ser verificado no gráfico a seguir: Y = F. Esse comporameno pode Gráfico 6 Comporameno da previsão do méodo de médias móveis 4 Conforme já foi viso, o méodo de médias móveis segue a seguine equação: F = Y i k i= k

57 48 b) Os méodos de suavização exponencial simples e suavização exponencial simples adapiva êm a capacidade de reornar apenas período de previsão além do período para o qual se em o dado hisórico. De acordo com MAKRIDAKIS e al. (998), ao uilizar o méodo de suavização exponencial simples para horizones emporais maiores do que período fuuro, pode ser admiido que a função de previsão seja fla 5, ou seja, que F h = F para h maior do que 2. Isso significa que a previsão do modelo será sempre a mesma a parir segundo do período em que não se em o dado da demanda real. Desse modo, o modelo de previsão a ser uilizado deverá ser sempre o que reorne o menor erro quando se quer fazer decisões no horizone de mês, mas quando se quer fazer decisões em um horizone de empo maior, as opções de méodos avaliadas nese rabalho serão os méodos de Hol e de Hol-Winers. O auor observou que a previsão da componene de endência dos méodos de Hol e Hol- Winers pode prejudicar muio o resulado da previsão oal, já que eles consideram que a o nível e a endência a parir do úlimo período para o qual se em o dado hisórico serão sempre iguais ao nível e endência calculada nese úlimo período. Para melhor enender essa deficiência desses méodos, será analisado a seguir o exemplo do méodo de Hol. Suas rês equações são: L b = αy ( α)( L b ) = β( L L ) ( β ) b onde: F = L mb m L : nível da série emporal no período ; b : esimaiva da endência no período ; m : número do período fuuro para o qual se deseja fazer a previsão; 5 De acordo com MAKRIDAKIS e al. (998), A função fla é usada porque a suavização exponencial simples funciona melhor para dados que não enham endência, sazonalidade ou qualquer oura caracerísica do ipo.

58 49 F : previsão para o período m ; m α : consane de suavização do nível, assumindo valores enre 0 e ; β : consane de suavização da endência, assumindo valores enre 0 e. A previsão desse méodo aé úlimo período para o qual se consegue calcular L e b ocorre calculando-se F = L mb m com m =. A parir dese pono, a previsão no período seguine passa a adoar m = 2, depois m = 3 e assim por diane, com L e b sempre iguais aos seus valores do úlimo período para o qual se eve o dado de demanda real. Para o melhor enendimeno, omemos como exemplo o cenário da figura a seguir: Figura 8 Exemplo de fases de um modelo de previsão No exemplo da figura acima o nível ( L 36 ) e a endência ( b 36 ) a parir do período = 36 serão sempre iguais (a L 36 e b 36, respecivamene). Esse cenário é represenado no gráfico a seguir: Gráfico 7 Exemplo de previsão do modelo de Hol

59 50 Nesse exemplo do gráfico acima, a componene de endência b 36 não é uma boa represenane da série hisórica (é excepcionalmene baixa). Como o méodo de previsão uilizará essa endência para odos os períodos fuuros, fará uma previsão que não represenará bem a realidade, apresenando inclusive rapidamene valores negaivos de demanda, como se observa no próprio gráfico. Devido à essa possibilidade de previsões de baixa qualidade, o auor achou necessário fazer algumas mudanças em relação ao que é usual na lieraura, a fim de minimizar essa falha. A seguir enconram-se as modificações feias, uilizando como exemplo o esquema da Figura 8: a) Calcula-se as médias M e M 2 dos dados da série hisórica para o úlimo e penúlimo período, que devem er a mesma duração (no caso, 2 meses). No caso do méodo de Hol-Winers, essa duração deve ser equivalene à duração da sazonalidade. Assim, no exemplo dado, 24 Y = 2 32 M = e M 2 = Y. = 24 = β β. b) b p ( M 2 M ) ( ) b36 c) No caso do modelo de Hol, a componene de endência b a parir de = 38 será sempre b p. d) No caso adiivo, F 37 = L36 b36 S25. Já no caso muliplicaivo, F 37 = ( L36 b36 ) S25 e) No caso adiivo, F38 = L36 2b p S 26, F39 = L36 3b p S 27, F40 = L36 4b p S 28 e assim por diane. Já no caso muliplicaivo, F38 = ( L36 2b ) S 26, F 39 = ( L36 3b p ) S 27, F40 ( L36 4bp ) S 28 = e assim por diane. p Uilizando essas modificações, é assegurado que o valor da endência a ser uilizada na previsão a parir do úlimo período para o qual se em dados hisóricos será coerene com a média da endência em um longo período de empo, sendo porano mais confiável. O gráfico a seguir represena o exemplo uilizando as modificações sugeridas para a previsão do méodo de Hol:

60 Gráfico 8 Exemplo de previsão do modelo de Hol modificações sugeridas pelo auor 5

61 52 6. LEVANTAMENTO DE DADOS E SELEÇÃO DE PRODUTOS A SEREM ANALISADOS A eapa de levanameno de dados é geralmene um dos primeiros passos na elaboração de qualquer modelo de previsão de demanda. Para possibiliar o uso dos modelos quaniaivos é necessário uilizar uma base de dados referene a um período de empo considerável, especialmene quando se analisa dados com sazonalidade anual, como por exemplo os da família de sucos da Saborama. Quano mais dados exisirem disponíveis, melhor será a qualidade da análise e previsão dos dados. A Saborama uiliza um sisema de informação, no qual é possível er acesso a informações sobre o hisórico de volume de vendas desde janeiro de 2003, por fauramenos e unidades vendidas referenes a cada família de produo. A colea de dados eve porano como horizone de empo o período de janeiro de 2003 aé agoso de Seria ideal que o rabalho fosse feio baseado em dados da demanda dos produos, ou seja, dados que refleissem exaamene a inenção de compras de produos da empresa. Enreano, a Saborama não dispõe desses dados e, porano, será considerada que no passado os números de venda refleem perfeiamene os números da demanda a cada mês. Essa hipóese é razoável, já que a empresa cosuma aender oalmene a demanda, mesmo que haja raros arasos na enrega de seus produos. Assim, o rabalho uilizará dados de hisórico de vendas como uma aproximação da demanda real da empresa. No caso das informações sobre as quanidades vendidas, o sisema de informação rabalha com o nível de agrupameno por caixas (por exemplo, uma caixa de garrafas de sucos), ou por galões (por exemplo, um galão de emulsão para refrigeranes). Nese rabalho esse nível de agrupameno pode ser considerado adequado, sendo uma caixa de garrafas ou um galão unidades de medidas apropriadas para o esudo de demanda da empresa. Para o nível de agregameno emporal dos dados, considerou-se a colea das demandas mensais (ou seja, as vendas da empresa mês a mês). Esse agregameno emporal a ser

62 53 uilizado nese rabalho é adequado, uma vez que para a empresa é razoável realizar um planejameno de produção e compras de maeriais em períodos mensais. Para a escolha de quais famílias de produos seriam analisadas nese esudo, os produos foram classificados de acordo com a represenaividade das famílias de produos sobre as vendas. A represenaividade das famílias de produos sobre as vendas segue o conceio (princípio de Pareo), segundo a qual se fez uma classificação ABC adapada ao rabalho em quesão: - Iens classificados como A são os iens que represenam 80% do faurameno oal; - Iens classificados como B e C represenam os iens resanes. De acordo com BALLOU (200), os produos de uma empresa geralmene conribuem para as vendas oais de maneira desproporcional. Em ouras palavras, poucos iens (ou famílias de produos) represenam uma grande proporção do volume de vendas. Isso esá de acordo com o conceio 80-20, segundo o qual 80% das vendas são gerados por 20% dos produos. O gráfico a seguir mosra a represenaividade de vendas de cada produo da Saborama sobre o faurameno oal da empresa:

63 54 Gráfico 9 Represenaividade acumulada de cada produo sobre o faurameno oal Como se pode observar, as famílias de produos da Saborama classificadas nese rabalho como produos A são as famílias de emulsão para refrigerane, de suco e de xarope e foram, porano selecionadas para se prever suas respecivas demandas.

64 55 7. ANÁLISE PRELIMINAR DOS DADOS E DOS MERCADOS Nese capíulo os dados levanados serão analisados para enender o comporameno das demandas da empresa, como a exisência de sazonalidades, endências e aleaoriedade. Tais análises serão reforçadas com conhecimenos sobre o mercado e a Saborama. 8.. Sucos A família de produos selecionada para o primeiro esudo de previsão de demanda dese rabalho é a família de sucos. Os sucos, junamene com a emulsão para refrigeranes, são os dois produos de maior faurameno da empresa, apresenando aproximadamene 30% e 38% respecivamene nas vendas de 2006, como se pode observar no gráfico a seguir: Gráfico 0 - Represenaividade das principais linhas de produo nas vendas 6 6 Dados de janeiro e fevereiro de É imporane salienar que as vendas de cada produo variam ao longo do ano. Em geral, as vendas diminuem drasicamene durane o inverno e o percenual relaivo de cada produo nas vendas oais mudam sazonalmene.

65 56 Os produos da linha de sucos êm pouco valor agregado, mas correspondem à grande parcela no faurameno oal da Saborama. Nesse caso, a empresa siua-se mais pero do consumidor final na sequência da cadeia de formação de valor, produzindo, embalando e ransporando o produo em sua forma final. A família de sucos apresena não só faurameno menor do que a família de emulsão para refrigeranes, mas ambém margem de lucros muio inferiores do que a mesma. Enreano oimizar o esoque de sucos é prioridade no rabalho em quesão, pois as vendas desse produo são muio mais sensíveis á queda ou aumeno de preços, que por sua vez em correlação direa com a esruura de cusos e dessa forma ambém com os cusos de esoque. Além disso, o liro de suco é muio mais barao do que o liro de emulsão para refrigerane, de forma que a represenaividade de queda de cada cenavo em seu cuso por liro é muio maior do que no cuso da emulsão para refrigerane. A demanda dos sucos da Saborama apresenaria eoricamene sazonalidade de um ano. Essa sazonalidade seria explicada pela fore dependência que o consumo de sucos em em relação ao clima e emperaura; quano maior a emperaura, maior é a sensação érmica, maior é a sede e a vonade das pessoas em consumir sucos. Assim, seria de se esperar que a sazonalidade enha a duração anual, com picos de vendas durane o verão, que vão diminuindo aé chegar ao inverno, quando as vendas de sucos apresenam o menor nível do ano. Enreano, observa-se que na práica al sazonalidade de exaamene um ano não aconece no caso da família de sucos da empresa; ela varia em orno de 2 meses. Uma razão enconrada para ese comporameno é que a Saborama ainda se enconra em eságio de amadurecimeno no mercado, sendo muio dependene do desempenho de vendas dos vendedores, que é dependene da políica de concessões de comissões, desconos e promoções. A relação da empresa com o mercado passa por consanes mudanças, endo como conseqüência a não sazonalidade exaa do comporameno das vendas. A demanda da família de sucos apresena endência, já que o nível de sua vendas aumena ao longo dos anos, como se pode observar no gráfico a seguir:

66 57 Gráfico Vendas de sucos ao longo dos anos Essa caracerísica pode ser explicada por muios faores, como por exemplo, o crescimeno da própria Saborama como empresa e pelo aumeno de renda da população e ouros aspecos macro-econômicos, que geram o crescimeno do mercado de sucos no Brasil. De acordo com um esudo do BNDES, o consumo per capia de sucos no país ainda é muio reduzido, se comparado com ouros países. Enquano em países como Canadá e Esados Unidos alcançam mais de 50 liros por ano, no Brasil, varia enre 0,6 e 0,8 liro por ano. 7 Ainda segundo o mesmo esudo do BNDES, o consumo de sucos indusrializados no país é influenciado pelo nível de preocupação com a saúde, que é crescene e direamene proporcional á demanda de sucos, de modo que é de se esperar que a endência de vendas dessa família de produos seja posiiva e crescene. A parir das caracerísicas da demanda de sucos da Saborama acima abordadas, conclui-se que o méodo mais adequado de previsão de demanda da família desses produos é provavelmene o modelo de Hol-Winers, como será a seguir jusificado. O Gráfico 2 apresena a demanda de sucos da Saborama: 7 ROSA e al. (2006). Valores não conabilizam o consumo do suco naural exraído direamene da frua, do qual não se possui esaísicas minimamene organizadas.

67 58 Gráfico 2 Demanda de sucos da Saborama Observando-se os inervalos e 2 do Gráfico 2, percebe-se que a demanda de sucos da empresa em a forma de uma curva com leve endência, formao condizene com a capacidade do modelo de Hol-Winers de se calcular uma endência. Além disso, percebe-se que a parir de julho de 2005 a demanda de sucos da empresa apresena cera sazonalidade em orno de um ano de duração, com o mínimo ao redor de julho e máximo no começo do ano, sendo que as oscilações não endem a aumenar muio de amanho ao longo do empo. Anes de julho de 2005, as vendas de sucos da Saborama ainda não apresenavam sazonalidade, uma vez que ainda enfrenava um período de amadurecimeno de mercado, eses e enaivas da empresa. Dessa forma, decidiu-se nese rabalho descarar os dados da série anes dessa daa e rabalhar apenas com os dados no período em que a demanda de sucos da empresa já aingiu seu eságio de amadurecimeno Emulsão para refrigeranes As emulsões para refrigeranes são concenrados vendidos a ouras fábricas que produzem o refrigerane. Pode-se dizer que a Saborama é uma inegrane inermediária da cadeia de formação de valor que em como produo final o refrigerane que é vendido em supermercados e aacados de bebidas, por exemplo. É um produo cuja demanda depende foremene de relações comerciais com fábricas, não sendo, porano esperado grandes

68 59 variações da demanda sem mudanças na agressividade com que a empresa ena buscar novos clienes para ese produo. Pode se afirmar que o produo de maior valor agregado da Saborama é a linha de emulsões para refrigeranes, represenando grande pare do faurameno oal da empresa, sendo porém responsável por pequena quanidade de vendas, como se pode observar no Gráfico 0. Apesar de a linha de sucos ambém corresponder a grande parcela no seu faurameno oal, a empresa visa aumenar proporcionalmene as vendas de emulsões para refrigeranes, uma vez que sua produção é bem mais simples e demanda menos capacidade indusrial, que é razoavelmene limiada. Assim, isso possibiliaria uma relação faurameno/empo de operação maior, além de cusos menores. O Gráfico 3 apresena a demanda de emulsões para refrigeranes da Saborama. Gráfico 3 Demanda de emulsões para refrigeranes da Saborama Como se pode observar no Gráfico 3, a demanda de emulsões para refrigeranes apresena comporameno similar em alguns inervalos, como ala no final dos anos. Enreano, não se pode afirmar que há sazonalidade clara e nem endência clara de crescimeno ou diminuição.

69 Xaropes Os xaropes são os produos concenrados a serem diluídos em água anes do consumo. Eles represenam a família com o segundo maior valor agregado da empresa, arás apenas da família de emulsões para refrigeranes. Enconra-se a seguir um gráfico represenaivo da demanda de xaropes da empresa: Gráfico 4 Demanda de xaropes da Saborama Observando-se o gráfico acima, percebe-se facilmene que a demanda da família de xaropes da Saborama não apresena endência clara, mas, em geral, apresena um comporameno similar de baixa enre o começo e o final do ano.