< VOLTAR AO CURSO
Sumário
Previsão de estoque
As previsões de estoques, ou previsões de consumo (demanda), são o ponto de partida para o planejamento dos estoques. O administrador deve ter atenção em relação ao planejamento, pois os erros de previsão poderão conduzir a duas situações igualmente ruins. Um erro de previsão maior pode significar gastar mais que o necessário, comprometendo os recursos para outras áreas (e outras políticas organizacionais); um erro de previsão menor pode significar o não atendimento das políticas organizacionais e a consequente reclamação do cliente/usuário/beneficiário.
Toda previsão carrega consigo um fator de risco, um erro. Para cobrir esses erros, é possível criar junto aos estoques de matérias-primas e de estoques de manutenção uma quantidade adicional de materiais que chamaremos de estoque de segurança. Não é um novo tipo de estoques, mas uma parte especial dos estoques dos mesmos itens que manterão a operação funcionando. Cabe ao administrador minimizar o estoque de segurança. Como já dito, toda previsão carrega consigo um fator adicional (erro). Vamos chamar este fator de erro de previsão “Ɛ”, assim uma demanda representada pela letra “D” é igual a uma previsão representada pela letra “P”, mais um erro “Ɛ”, de tal forma que
D = P + Ɛ
A demanda D só será conhecida no futuro (ao fim de um ano civil), e corresponde a um período de tempo. A previsão P é um “palpite” e é determinado no presente; o erro Ɛ é a diferença entre a previsão e a demanda e só será conhecido ao final do período.
Existem vários métodos empregados na determinação de previsões. Cada método de previsão produzirá resultados diferentes, portanto erros diferentes. A qualidade do modelo de previsão escolhido está associada ao tamanho do erro que será gerado. Como o erro só será conhecido no futuro, cabe ao administrador constantemente analisar o desempenho do modelo e buscar outros métodos que produzam erros menores.
Classificação
As previsões podem seguir modelos denominados qualitativos ou quantitativos. Os modelos qualitativos são baseados em critérios subjetivos como opiniões dos envolvidos (gerentes, vendedores, compradores, pesquisas de mercado, clientes/usuários, influências da propaganda). Já os modelos quantitativos são baseados em estatísticas (população, renda. PIB, inflação, etc.). De maneira geral o comportamento dinâmico dos processos de previsão pode ser descrito como na figura abaixo:
Além da classificação de previsões em qualitativa e quantitativa, é possível outro tipo de classificação. São chamadas de Projeção, Explicação e Predileção.
- Projeção é a previsão baseada no pressuposto de que o futuro terá alguma forma de relação com o passado. Frequentemente a repetição de quantidades é a forma mais empregada por aqueles que desconhecem outras técnicas ou que, por comodismo, não têm interesse em usar novos métodos.
- Explicação é a previsão baseada no relacionamento de outras variáveis (modelos previsíveis). São modelos que podem ir de uma simples conta de média até modelos mais complexos. Normalmente produzem resultados superiores com menores erros em relação à projeção.
- Predileção é a previsão baseada nos especialistas. Usada raramente, mas uma opção quando não existem registros históricos ou modelos muito complexos.
Modelos de evolução de consumo são divididos em: horizontal, tendência e sazonalidade.
- Horizontal - não considera nenhuma influência conjuntural, usa média.
- Tendência - representada por uma modificação (crescimento ou redução) no comportamento do consumo. A tendência sempre é de longo prazo. Em termos de administração e materiais, a tendência é configurada quando o período for igual ou superior a um ano de consumo. Não se diz que algo apresenta tendência se o prazo é menor de um ano.
- Sazonal - A sazonalidade da demanda (ou consumo) normalmente ocorre em prazos menores que um ano, mas é possível ocorrer em períodos maiores. A sazonalidade é devida a um padrão na repetição (padrão) do consumo.
Por exemplo, todo ano no verão aumenta o consumo de equipamentos destinados a combater os efeitos do aumento de temperatura (ar condicionado, ventiladores). A sazonalidade pode ocorrer em períodos menores que um ano, como no caso das viagens (por exemplo, devido às férias escolares). Alguns autores apontam que deve existir uma alteração no comportamento da demanda superior a 25% para caracterizar a sazonalidade.
Na prática podem ocorrer combinações de modelos de previsão.
Métodos de previsão de demanda
A previsão de demanda é normalmente baseada nos dados de consumo, existentes no passado (recente ou longínquo) da organização. A falta de experiência do administrador, associada a outros fatores como falta de perspectiva, baixa motivação, cobrança insuficiente, falta de referência (concorrência), opinião do cliente/usuário, coleguismos e apelos narcisistas, podem induzir o administrador a buscar um método simples de previsão, como a simples repetição da última quantidade comprada. Um exemplo seria: no mês anterior, um departamento comprou 10.000 litros de combustível, portanto, para o próximo mês repetirá o mesmo volume de compras.
Uma possibilidade um pouco melhor é comprar de acordo com a média histórica. Existem vários tipos de estimadores de média, vamos nos concentrar em dois tipos. A chamada média simples é aquela que é calculada uma única vez para um período (um ano) e a média móvel permite o cálculo de várias médias dentro de um período (o período é dividido em partes menores como bimestres, trimestre, quadrimestres e semestres). Por exemplo, o administrador pode verificar a compra de papel sulfite nos últimos três meses e comprar para o próximo mês o valor correspondente a média. Outra possibilidade é verificar o valor acumulado das compras dos três últimos meses e comprar de uma única vez este volume (que seria válido para três meses). Mais uma possibilidade é verificar o consumo anual, pois os orçamentos normalmente são feitos anualmente, deixando as diferenças a maior para compras extraordinárias, feitas muitas vezes por um valor acima do mercado, o que também é questionável do ponto de vista das organizações (dos órgãos de controle).
Nada melhor do que um exemplo real para fixar o conhecimento. Na tabela estão valores de consumo de determinado item, da previsão pelo método do último período e do erro produzido a cada estimativa.
Observe na figura 3.1 que a curva em verde (previsão) apresenta o mesmo comportamento da curva em azul (consumo), apenas deslocado em um mês (foi usado o critério do último mês para prever o mês seguinte - método do último período). Observe que sempre houve um erro (diferença) associado. Este método funciona bem quando o padrão de consumo é praticamente estável, para padrões de consumo significativamente variáveis ele não é uma boa alternativa. Para padrões que apresentam uma maior variação o erro cresce proporcionalmente. Desprezando a previsão para janeiro (a primeira previsão válida é para o mês é fevereiro), visto que não tínhamos o valor de consumo de dezembro, os erros seguintes foram muito grandes. Observe com atenção os erros acumulados (não estão no gráfico, mas na tabela 3.1).
A qualidade do método é percebida diretamente a partir dos erros acumulados obtidos.
A média móvel com ponderação exponencial é outro tipo de modelo. Neste modelo se atribui pesos aos meses considerados, ou seja, dependendo do mês considerado o peso atribuído a ele pode ser maior (ou menor) que de outro mês.
Então, vamos voltar ao que estudamos sobre médias? Você aprendeu que se usar o método para calcular uma média bimestral será necessário esperar dois meses para ter os dados e então calcular a demanda, desta forma poderá atribuir mais peso ao segundo mês e menos peso ao primeiro mês. Agindo assim o segundo mês será mais representativo no modelo que o primeiro mês.
Exemplo:
M = média simples do período compreendido entre janeiro e fevereiro
Então: M = 382.
Desta forma, a média de previsão para março e abril é de 382 unidades. Mas, e se fevereiro tem comportamento de consumo diferente, algo de diferente em relação a janeiro, você poderia atribuir pesos a esses meses de forma que o cálculo da média representasse essa diferença. Digamos que fevereiro tenha 10% menos dias do que janeiro, ou que em janeiro o consumo diminui por ter menos pessoas usando determinado produto ou serviço, ou ainda que em janeiro o consumo aumente por causa das férias. Enfim, os motivos podem ser os mais variados, mas se o administrador conhecer a sua atividade poderá estabelecer estes pesos (+10%, -5%, ou qualquer outro valor).
A nossa fórmula precisa então sofrer ajustes para representar os pesos. Voltemos ao exemplo e vamos supor que os pesos sejam de +20% e -15% para janeiro e fevereiro respectivamente.
Mp = média ponderada do período compreendido entre janeiro e fevereiro.
Então: Mp = 380.
A média ponderada agora vale 380 contra 382 da média simples. Você pode se perguntar: para uma diferença de apenas 2 unidades vale a pena tanto cálculo? Na verdade não se pode responder a essa questão sem fazer as contas para a sua empresa, lembre que cada período tem um consumo, cada período tem um peso e que você deve trabalhar para o período maior (ano comercial).
Veremos mais à frente o aprofundamento destes métodos, de forma mais detalhada.