anÁlise da demanda por sal refinado de cozinha: estudo de

ANÁLISE DA DEMANDA POR SAL

REFINADO DE COZINHA: ESTUDO DE

CASO NUMA EMPRESA

MOSSOROENSE

Priscila Goncalves Vasconcelos Sampaio (UFERSA )

[email protected]

hugo dantas da silva ribeiro (UFERSA )

[email protected]

O presente artigo tem como objetivo propor um modelo de previsão de

demanda para uma empresa do setor salineiro, para os anos de 2011

até 2020, em relação às vendas do sal de refinado de cozinha de 1 Kg,

com base nos dados históricos de demmanda dos anos de 2013 até

2022. A escolha deste produto se deu pela importância que o setor

salineiro tem para Mossoró e região, bem como pela importância que

este tipo de sal representa para a empresa em estudo, já que é um dos

produtos que apresenta maior lucratividade/rentabilidade para a

mesma. Em um primeiro momento coloca-se uma breve descrição da

produção do sal, bem como do conceito de previsão de demanda e de

cada uma das técnicas de previsão utilizáveis nas organizações

segundo autores como Tubino (2009) e Moreira (1999). Em seguida

realiza-se a análise dos dados, aplicação do modelo de previsão,

interpretação dos resultados e análise da capacidade produtiva.

Palavras-chaves: Previsão de demanda; Capacidade produtiva; Sal

refinado.

XXXIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Gestão dos Processos de Produção e as Parcerias Globais para o Desenvolvimento Sustentável dos Sistemas Produtivos

Salvador, BA, Brasil, 08 a 11 de outubro de 2013.



2

1. Introdução

O Rio Grande do Norte responde por quase 95% de todo o sal bruto e refinado do Brasil. A

maior parte dessa produção está concentrada em Areia Branca, que possui as maiores salinas e

também o mais importante canal de escoamento do que é produzido em abundância no

município e na região: o Porto-Ilha. A importância no sal no contexto econômico e social de

Mossoró e região se devem ao fato do mesmo gerar divisas e empregos direto e indireto

mantendo o setor aquecido.

Devido ao crescimento do setor, a competitividade entre as empresas salineiras tende a

aumentar cada vez mais. Com isso as empresas precisam ser competitivas e, para tanto,

buscam colocar no mercado produtos de qualidade que atendam a demanda e às necessidades

dos seus clientes. As variações da demanda apresentam-se como um dos principais fatores

que determinam esta competitividade e provocam mudanças no planejamento das indústrias

em geral. Para controle dos sistemas de produção, as empresas desafiam suas limitações de

capacidade produtiva e financeira buscando soluções em máquinas e equipamentos como

alternativa para seu desenvolvimento e atendimento da demanda.

A previsão de demanda é de fundamental importância na gestão de estoques e no

planejamento e controle da produção. Para Werner e Ribeiro (2006) esta importância se dá,

pois a previsão gera informações para que as empresas consigam dimensionar o volume de

bens ou serviços que irão produzir, estocar e expedir, de modo a suprir a demanda dos

clientes.

Diante do exposto acima, o presente artigo tem como objetivo propor um modelo de previsão

de demanda para uma empresa do setor salineiro, para os anos de 2013 até 2022, em relação

às vendas do sal de refinado de cozinha de 1 Kg, com base nos dados históricos de demanda

dos anos de 2008 até 2013. A escolha deste produto se deu pela importância que o setor

salineiro tem para Mossoró e região, bem como pela importância que este tipo de sal

representa para a empresa em estudo, já que é um dos produtos que apresenta maior

lucratividade/rentabilidade para a mesma. Em um primeiro momento coloca-se uma breve

descrição da produção do sal, bem como do conceito de previsão de demanda e de cada uma

das técnicas de previsão utilizáveis nas organizações segundo autores como Tubino (2009) e

Moreira (1999). Em seguida realiza-se a análise dos dados, aplicação do modelo de previsão,

interpretação dos resultados e análise da capacidade produtiva.



3

2. Referencial teórico

Essa seção apresenta o referencial teórico sobre o conceito de previsão de demanda, os

modelos de previsão e as medidas de acurácia utilizadas para identificar a precisão do modelo

ou para selecionar o melhor modelo para cada caso.

2.1. Previsão de demanda

As previsões de demanda são de suma importância no processo de planejamento da produção

no planejamento da capacidade produtiva, no estudo de lançamento de novos produtos etc.

Segundo Martins e Laugeni (2006) previsão de demanda consiste na determinação de dados

futuros com base em modelos estatísticos, matemáticos ou econométricos. Para Dias (1993)

previsão de demanda significa estimar com antecedência o volume de vendas num

determinado período, levando em consideração uma margem de erro.

De acordo com Tubino (2009) um modelo de previsão de demanda pode ser dividido em

cinco etapas básicas, conforme Figura 1.

Figura 1 - Etapas do modelo de previsão

Fonte: Tubino 2009

Na primeira etapa deve-se definir o motivo pelo qual se esta fazendo a previsão. Uma vez

definido o objetivo do modelo de previsão, deve-se coletar e analisar os dados históricos do

produto, com intuito de identificar e desenvolver a técnica de previsão que melhor se adapte.

Quanto mais dados históricos forem coletados e analisados, mais confiável será a técnica de

previsão. É importante observar que variações extraordinárias de demanda, como promoções

especiais ou greves, devem ser analisadas e substituídas por valores médios, compatíveis com

o comportamento normal da demanda. O tamanho do período de consolidação de dados

(semanal, mensal, trimestral, etc.) tem influência direta na escolha da técnica de previsão mais

adequada, bem como na análise das variações extraordinárias.

A terceira etapa é a decisão pela técnica mais apropriada. Existem alguns fatores que

merecem destaque na escolha da técnica de previsão: disponibilidade de recursos

computacionais, disponibilidade de dados históricos, experiência passada com aplicação de



4

determinada técnica, disponibilidade de tempo para coletar, analisar e preparar os dados e a

previsão, entre outros.

A etapa seguinte é a obtenção da previsão propriamente dita, uma vez que já se definiu a

técnica de previsão e a aplicação dos dados passados. Quanto maior for o horizonte

pretendido, menor a confiabilidade da demanda prevista.

No decorrer do tempo as previsões vão sendo alcançadas pela demanda real. Surge então a

última etapa de um modelo de previsão que é o monitoramento do modelo. Deve-se monitorar

a extensão do erro entre a demanda real e a prevista, para averiguar se a técnica e os

parâmetros usados são válidos. Um ajuste nos parâmetros do modelo é suficiente, em

situações normais, para que reflita as tendências mais recentes. Em situações mais críticas,

uma reavaliação de todo modelo (desde o objetivo do modelo) pode ser necessária, incluindo

um novo exame dos dados e a escolha de uma nova técnica de previsão.

2.2. Modelos de previsão

A previsão de demanda pode ser feita por meio de modelos qualitativos, quantitativos ou

através da combinação dos dois modelos.

Os modelos qualitativos são baseados no julgamento e na experiência de especialistas. Tais

modelos são utilizados principalmente quando não existem dados disponíveis ou quando os

dados históricos são insuficientes para a modelagem matemática (MOREIRA, 1999).

Os modelos quantitativos de previsão podem ser divididos em séries temporais e técnicas de

correlação. A previsão baseada nas séries temporais é aquela em que a futura demanda não

sofrerá influencia de outras variáveis e será um espelho de valores passados. Podem ser

subdividas em média móvel, média exponencial móvel, equação linear para tendência,

ajustamento exponencial para tendência, sazonalidade simples, sazonalidade com tendência e

correlação.

- Média Móvel: É indicada quando não há tendência ou sazonalidade. É baseada na média

aritmética de valores passados:

(1)

Pt+1 - Previsão para o próximo período;

Rt - Valor real observado no período t;

n - Número de períodos no histórico de



5

vendas passadas;

- Média Exponencial: A média móvel exponencial é uma extensão da média móvel simples e

utiliza suavização da mesma para reduzir quantidade de sinais de compra ou de venda. O

cálculo é feito da seguinte forma: Mt = Mt-1 + α (Dt-1 – Mt-1) (2)

Onde: Mt= previsão para o período t; Mt-1= previsão para o período t-1; α= coeficiente de

ponderação (este coeficiente é fixado pelo analista numa faixa que varia de 0 a 1); Dt-1=

demanda do período t-1.

- Equação Linear para tendência: Refere-se ao movimento gradual de longo prazo da

demanda. A equação poderá ser linear, ou não, porém, nosso estudo, limitou-se somente a

tendência linear, onde, calculamos a equação da seguinte forma:

Y= a + bX (3)

Onde: Y= previsão da demanda para o período X; a = ordenada à origem, ou intercessão no

eixo dos Y; b = coeficiente angular; X= período (partindo de X = 0) para previsão.

- Ajustamento exponencial para tendência: O ajustamento exponencial para tendência consiste

em fazer a previsão com base em dois fatores: a previsão da média exponencial móvel da

demanda e uma estimativa exponencial da tendência.

O calculo é feito da seguinte forma:

Pt-1 = Mt + Tt (4)

Sendo que:

Mt = Pt + a1 (Dt – ; (5) / Tt = Tt-1 + a2 (( Pt – Pt-1)- Tt-1) (6)

Onde: Pt+1 = previsão da demanda para o período t+1; Pt = previsão da demanda para o

período t; Pt-1= previsão da demanda para o período t-1; Mt = previsão da média exponencial

móvel da demanda para o período t; Tt = previsão da tendência exponencial móvel para o

período t; Tt-1= previsão da tendência para o período t-1; a1 = coeficiente de ponderação da

média; a2 = coeficiente de ponderação da tendência; Dt = demanda do período t.

- Sazonalidade simples: A técnica consiste em obter o índice de sazonalidade (que é obtido

dividindo-se o valor da demanda no período pela média móvel centrada nesse período) para

cada um dos períodos da série e aplicá-lo em cima da previsão média em cada um desses

períodos.



6

- Sazonalidade com tendência: Aplica-se para o caso da demanda apresentar sazonalidade

com tendência, sendo necessário aplicar essas duas características no modelo de previsão.

- Correlação: As previsões com correlação têm como objetivo prever a demanda de

determinado produto com base na previsão de outra variável que esteja relacionada com o

produto. O cálculo é feito da seguinte maneira:

Y= a + bX, (7)

Onde: Y= previsão da demanda para o item dependente; a = ordenada à origem, ou

intersecção no eixo dos Y; b = coeficiente angular; X= valor da variável independente.

E os coeficientes de a e b podem ser calculados da seguinte forma:

(8) (9)

Onde n, é o número pares de XY.

2.3. Erros de previsão

No estudo dos modelos de previsão de demanda as medidas de precisão são uma aplicação de

extrema importância. Assim, é fundamental incluir informação acerca da medida em que a

previsão pode desviar-se do valor real da variável. Este conhecimento adicional fornece uma

melhor percepção sobre o quão precisa pode ser a previsão (STEVENSON, 2001).

Chopra e Meindl (2003), calculam o erro de previsão como sendo a diferença entre a previsão

para o período t e a demanda real neste mesmo período.

Et = Ft – Dt (10)

onde, Et = erro de previsão para um período t; Ft = previsão para o período t; Dt = demanda

real para o período t.

O desvio médio absoluto (DMA) é uma das medidas mais comuns de erro de previsão Para

calcular o DMA, subtrai-se o valor da previsão ao valor real em cada período de tempo, tendo

em conta que o resultado deverá ser positivo, ou seja, sempre em módulo, soma-se e divide-se

pelo número de valores que foram usados para obter a soma.

(11)

http://pt.wikipedia.org/wiki/Precis%C3%A3o

http://pt.wikibooks.org/wiki/Log%C3%ADstica/Refer%C3%AAncias#refbSTEVENSON

http://pt.wikipedia.org/wiki/M%C3%B3dulo



7

Onde: | | Significa: usar o valor absoluto, ignorando a direção do desvio.

2.4. Capacidade instalada

A capacidade instalada de uma empresa é a capacidade máxima de produção que a mesma

pode alcançar, ou seja é a quantidade de produtos que a empresa consegui produzir, levando

em consideração os equipamentos e instalações que tem disponíveis. De acordo com Isaac

(2004), “sabendo analisar sua capacidade, outra iniciativa importante é saber como balancear

essa capacidade com os investimentos necessários para sua expansão, de modo a não se

investir desnecessariamente nela nem ficar despreparado para aumentos futuros e imprevistos

de demanda”.

3. Procedimento metodológico

O presente artigo tem como objetivo desenvolver um modelo de previsão para vendas de sal,

para uma empresa do setor salineiro. Para tanto, foi utilizada a estratégia de pesquisa de

natureza quantitativa, classificada também como descritiva, bem como exploratória, e que

utilizou para o desenvolvimento de seu processo a técnica do estudo de caso. O estudo de caso

que segundo Yin (2005), representa uma investigação empírica e compreende um método

abrangente, com a lógica do planejamento, da coleta e da análise de dados e da escolha do

referencial teórico. Pode incluir tanto estudos de caso único quanto de múltiplos, assim como

abordagens quantitativas e qualitativas de pesquisa.

A realização deste trabalho, conforme indica a Figura 2, consistiu inicialmente na realização

de duas visitas à empresa objeto de estudo. Em seguida foram coletados os dados históricos

de demanda do sal referentes aos anos de 2008, 2009, 2010, 2011 e 2012 em seguida foi

analisado, por meio da ferramenta Microsoft Excel, o comportamento dos dados ao longo do

tempo o que possibilitou a escolha do modelo/técnica de previsão que melhor se aderiu às

séries temporais. O modelo escolhido foi o de sazonalidade com tendência. Após a escolha do

modelo mais adequado, foi realizado o cálculo da previsão de demanda e em seguida o do

erro que tem como objetivo verificar, através de gráficos de controle, se os erros estão

normais para o modelo de previsão escolhido, ou seja, se estão sobre controle. Por último foi

feita a análise da capacidade instalada, para verificar se é possível a empresa suprir a demanda

prevista para os próximos dez anos (2013 à 2022).

http://www.logisticadescomplicada.com/category/previsao/



8

Figura 2 - Procedimento metodológico

4. Estudo de caso

4.1. Processo produtivo do sal

O processo produtivo do sal refinado inicia-se, conforme ilustra a Figura 3, com a lavagem do

sal in natura (sal grosso) (1), que em seguida passa pela etapa de moagem (2), secagem (3),

seleção por peneiramento (4), adição de ferrocianeto de sódio e iodato de potássio – (5),

empacotamento (6), inspeção por amostragem (7) e enfardamento (8). Após o enfardamento

(1 fardo = 30 pacotes de 1 Kg) o fardo é encaminhado para o setor de estoque (9) para ser

posteriormente distribuído (10).

Figura 3 – Fluxograma do processo

Fonte: Autores

4.2. Caracterização da empresa

A empresa objeto de estudo, foi Criada em 1949 e tem sede administrativa em Mossoró.

Exerce a atividade de extração, beneficiamento e comercialização de sal marinho. Atende as

indústrias têxtil, alimentícia, frigorífica, siderúrgica, etc, e o consumo humano. Todas as

marcas de sal da empresa são devidamente Registradas no Ministério da Saúde. Conta com

um laboratório equipado, onde são realizadas todas as analises necessárias a verificação da

qualidade do sal produzido e industrializado.



9

4.3. Coleta e Análise dos dados

Os dados coletados neste trabalho, Quadro 1, foram obtidos através do resumo anual de

entrada e saída de produtos que é feito, no início do ano seguinte, pelo setor de contabilidade

da empresa.

Quadro 1 - Demanda por sal refinado de 1 Kg para os anos de 2008 á 2012

Mês Ano (2008) Ano (2009) Ano (2010) Ano (2011) Ano (2012)

Janeiro 2000 3000 3400 4100 4100

Fevereiro 2000 2900 3600 3900 3900

Março 2500 3200 3900 4100 3900

Abril 2500 3000 3950 4000 4100

Maio 2800 3500 4000 4100 4100

Junho 2600 3600 3900 4200 4000

Julho 2700 3500 4100 4300 4300

Agosto 2800 3800 3800 4100 4000

Setembro 2600 3800 3900 4100 4100

Outubro 2800 3800 3800 4200 4100

Novembro 2900 3900 4000 4200 4200

Dezembro 2700 3500 3800 4000 4000

Trimestre

1 6500 9100 10900 12100 11900

2 7900 10100 11850 12300 12200

3 8100 11100 11800 12500 12400

4 8400 11200 11600 12400 12300

Demanda real (quantidade vendida em toneladas)

Os dados foram estratificados por trimestre, o que permitiu uma melhor visualização do

comportamento da demanda ao longo dos anos analisados conforme demonstra a Figura 4.

Figura 4 - Gráfico de demanda por sal refinado de 1 Kg para os anos de 2008 á 2012



10

Realizada a coleta de dados, e analisados os períodos de oscilações na demanda, pode-se

destacar algumas características pertinentes:

- Nos primeiros trimestres de 2008 a demanda era baixa, pois a empresa estava iniciando no

mercado de vendas deste produto;

- Em 2012 houve uma queda nas vendas, pois o inverno foi muito rigoroso, o que

impossibilitou a estocagem da matéria-prima o que consequentemente causou a diminuição na

produção e vendas;

- Com o passar do tempo e com a evolução comercial, ou seja, com o aumento da carteira de

clientes, a demanda foi aumentando chegando ao final do último trimestre de 2012 a 12300

toneladas;

- No final de cada ano as vendas aumentam, pois há necessidade de se ter este produto em

estoque para o início do ano seguinte, devido a retração na compra por conta do fechamento

do balanço contábil;

- Em seguida (do primeiro para o segundo trimestre) as vendas crescem, pois os clientes, para

suprir a diminuição do estoque ocorrida no primeiro semestre, compram mais.

Dessa forma, percebe-se que essa demanda apresenta sazonalidade, devido à ocorrência de

variações, para cima ou para baixo em intervalos regulares, nas séries temporais da demanda.

E apresenta também a componente tendência, referente ao movimento gradual ao longo da

demanda, pois as vendas sobem a cada trimestre durante o ano.

4.4. Seleção da técnica de previsão

Segundo Tubino (2009) quando há sazonalidade e tendência, se faz necessário incorporar

essas duas características no modelo de previsão. Para tanto, ele define as seguintes etapas

para um modelo de previsão baseado em sazonalidade com tendência:



11

a) Obtenção dos índices de sazonalidade através da média móvel centrada;

b) Retirar o componente de sazonalidade da série de dados históricos, dividindo-os pelos

correspondentes índices de sazonalidade;

c) Desenvolver uma equação para a representação da tendência;

d) Efetuar a previsão colocando o componente da sazonalidade.

4.5. Aplicação do modelo de previsão

Seguindo as etapas descritas acima, encontra-se a média móvel centrada no meio do período

(MMC½). A MMC½ foi obtida com a soma dos dados dos 4 primeiros trimestres e dividida

pelo número de períodos, no caso 4. Para obtenção da MMC foi utilizada a equação (12) que

realiza a média de dois valores descentralizados. Por exemplo, a média móvel para o período

3 é igual a (7725 + 8375) / 2 = 8050. Em seguida devem-se obter os índices de sazonalidade

para todos os períodos através da equação (13).

(12)

Onde: MMC: Média Móvel Centrada; MMC½: Media Móvel Centrada do Meio do Período.

(13)

Com os índices de sazonalidades encontrados, devemos encontrar os índices de sazonalidade

médios através da equação (14).

(14)

Onde: IS médio: Índice de Sazonalidade Médio; ISi: Índice de Sazonalidade do período

inicial; ISn: Índice de Sazonalidade do período final; n.IS: Número de índices de

sazonalidades.

Os índices de sazonalidades médios serviram para encontrar a tendência dos dados. Essa por

sua vez informa qual equação, que melhor representa os dados em relação à tendência. A

tendência é calculada retirando-se os índices de sazonalidades dos períodos através da

equação (15).



12

(15)

Onde: PROD. REALi: Produção Real do Período; ISi: Índice de Sazonalidade do Período;

Desenvolvidos todos os cálculos obtiveram-se os seguintes valores, conforme indica o Quadro

2.

Quadro 2 - Cálculo da MMC, da MMC ½, do IS, do IS médio e da Tendência

Trimestre Demanda MMC1/2 MMC IS IS médio Tend

1 6500 0,979 6639

2 7900 1,011 7814

7725

3 8100 8050 1,0062112 1,02 7943

8375

4 8400 8650 0,9710983 0,993 8460

Com os dados da tendência, calcula-se a equação que melhor a represente, que nesse caso é

linear (Y = 273,95 X + 7945,85), conforme pode ver na Figura 5.

Figura 5 - Equação da tendência

Obtida a equação linear que melhor represente a tendência dos dados, essa pode ser aplicada

para encontrar a tendência de demanda para qualquer período futuro. A demanda prevista é

encontrada aplicando a equação (16). Para o presente estudo projetou-se a demanda por sal

refinado de 1 Kg para os anos de 2013 até 2022 como pode ser observada no Quadro 3.

D. Prev(x) = Y + (Y * (IS - 1)) (16)

Y = 273,95 X + 7945,85

R2 = 0,8941873



13

Onde: D.Prev (x): Demanda prevista para o período; Y: Tendência para o Período; (IS – 1):

Devolvendo o Índice de Sazonalidade.

Quadro 3 - Previsão demanda por sal refinado de 1 Kg para os anos de 2013 á 2022

Período Y IS Dem. Prev. Período Y IS Dem. Prev.

2013 21 13698,8 0,97911 13412,63 2018 41 19177,8 0,97911 18777,18

22 13972,75 1,01104 14127,01 42 19451,75 1,01104 19666,5

23 14246,7 1,01982 14529,07 43 19725,7 1,01982 20116,66

24 14520,65 0,99294 14418,13 44 19999,65 0,99294 19858,45

2014 25 14794,6 0,97911 14485,54 2019 45 20273,6 0,97911 19850,08

26 15068,55 1,01104 15234,91 46 20547,55 1,01104 20774,39

27 15342,5 1,01982 15646,59 47 20821,5 1,01982 21234,18

28 15616,45 0,99294 15506,2 48 21095,45 0,99294 20946,52

2015 29 15890,4 0,97911 15558,45 2020 49 21369,4 0,97911 20922,99

30 16164,35 1,01104 16342,8 50 21643,35 1,01104 21882,29

31 16438,3 1,01982 16764,11 51 21917,3 1,01982 22351,7

32 16712,25 0,99294 16594,26 52 22191,25 0,99294 22034,58

2016 33 16986,2 0,97911 16631,36 2021 53 22465,2 0,97911 21995,9

34 17260,15 1,01104 17450,7 54 22739,15 1,01104 22990,19

35 17534,1 1,01982 17881,63 55 23013,1 1,01982 23469,22

36 17808,05 0,99294 17682,33 56 23287,05 0,99294 23122,64

2017 37 18082 0,97911 17704,27 2022 57 23561 0,97911 23068,81

38 18355,95 1,01104 18558,6 58 23834,95 1,01104 24098,09

39 18629,9 1,01982 18999,14 59 24108,9 1,01982 24586,74

40 18903,85 0,99294 18770,39 60 24382,85 0,99294 24210,71

Com base nos dados do Quadro 3 construiu-se o gráfico de previsão de demanda para os anos

de 2013 a 2022.

Figura 6 - Gráfico de previsão demanda por sal refinado de 1 Kg para os anos de 2013 á 2022



14

Analisando as linhas que representam a demanda por sal refinado de 1 Kg no decorrer dos

anos, conseguimos ver uma clara evolução de crescimento sendo que no final de 2022 a

demanda será de 24.210 toneladas. Observando o comportamento da demanda dos anos

anteriores com a demanda para os próximos anos, pode-se observar que para os respectivos

períodos, ou seja, trimestres, há sempre um aumento da demanda de um ano para outro. E isso

também ocorre com a previsão de demanda feita, considerando a tendência e a sazonalidade.

Este aumento na demanda pode estar associado à tendência de crescimento da população, bem

como ao aumento da renda e do poder de compra dos consumidores, que à medida que

ganham mais, tendem a consumir mais produtos que levam este ingrediente na sua

composição.

4.6. Monitoramento do modelo de previsão

Segundo Tubino (2009) o monitoramento do modelo de previsão busca verificar acuracidade

dos valores previstos, identificar, isolar e corrigir as variações anormais, permitir a escolha de

técnicas, ou parâmetros mais eficientes. Este monitoramento é realizado através do

acompanhamento do erro da previsão. O cálculo é a diferença que ocorre entre o valor real da

demanda e o valor previsto pelo modelo para dado período. Como pode ser observado no

Quadro 4.

O MAD (Desvio Médio Absoluto) é encontrado através da equação (16) e representará os

limites inferiores e superiores de controle (4 x MAD).

(16)

Onde: DAtual: Demanda Ocorrida no Período; DPrevista: Demanda Prevista no Período; n:

Número de Períodos;



15

Quadro 4 - Erro de previsão

Demanda Prevista

(DP = Y + (Y*(IS-1)))

1 6500 8048 -1548,1295 1548 -2792,8836 2792,8836

2 7900 8587 -687,49714 687 -2792,8836 2792,8836

3 8100 8941 -841,44693 841 -2792,8836 2792,8836

4 8400 8978 -577,81989 578 -2792,8836 2792,8836

5 9100 9121 -21,043676 21 -2792,8836 2792,8836

. . . . . . .

. . . . . . .

. . . . . . .

17 11900 12340 -439,78632 440 -2792,8836 2792,8836

18 12200 13019 -819,07536 819 -2792,8836 2792,8836

19 12400 13412 -1011,5075 1012 -2792,8836 2792,8836

20 12300 13330 -1030,0764 1030 -2792,8836 2792,8836

698 MAD

2792,8836 LSC

-2792,8836 LIC

LSCTrimestre Demanda Erro Erro ABS LIC

Com o erro e o MAD construiu-se o gráfico para verificar a consistência do modelo,

conforme a Figura 7.

Figura 7 - Gráfico de controle do erro

Através deste gráfico percebe-se que o erro está sob controle, pois se encontra dentro das

especificações dos limites superior e inferior de controle. Vale ressaltar que a verificação do

erro deve ser feita para os anos seguintes a fim de verificar a consistência do modelo e caso

seja necessário adotar outro modelo.

4.7. Análise da capacidade produtiva

A capacidade produtiva é o valor máximo que define as saídas do processo produtivo

por unidade de tempo. Para a empresa em estudo esse tempo é o mês. A capacidade produtiva

para o sal refinado de cozinha de 1 Kg é de 4000 toneladas/mês, o que garante uma

capacidade trimestral de 15000 toneladas.



16

Figura 8 - Gráfico da demanda prevista para os anos de 2013 a 2022 X Capacidade produtiva

Com base na Figura 8, pode-se perceber que será necessário aumentar a capacidade produtiva,

pois a mesma, a partir do ano de 2013 não conseguirá atender a demanda prevista.

A fim de adequar a capacidade produtiva à demanda solicitada pelo mercado se faz necessário

a aquisição novas máquinas/equipamentos, tais como: 1- Centrifugadora; 1- Extratora; 1-

Moinho; 1- Secador; 1- Conjunto de peneiras vibratórias; 1- Empacotadeira; 1- Enfardadeira;

1- Linha de paletização. Estas máquinas/equipamentos são responsáveis respectivamente por:

expelir toda a água contida no sal, reduzindo a umidade do produto a um valor aproximado de

4%; extrair a água que retorna à cuba de lavagem; reduzir o tamanho sal, de maneira a obter

uma granulometria fina; reduzir a umidade do sal de 4% a 0,2%; preparar as diferentes

granulometrias do sal obtidas após a moagem e secagem; empacotar/ensacar o sal; colocar em

fardos os pacotes de sal provenientes da etapa anterior; colocar em paletes os fardos vindos da

enfardadeira.

Com a aquisição destas máquinas/equipamentos a empresa passa a dobrar a sua capacidade

produtiva para o sal refinado de cozinha obtendo então, uma capacidade trimestral de 30000

toneladas, o que garante o atendimento da demanda no período analisado.

5. Considerações finais

Para as empresas que almejam a competitividade a previsão de demanda é de suma



17

importância pelo fato de gerar dados que fornecem informações que irão apoiar a empresa no

seu planejamento estratégico e nas tomadas de decisões.

O objetivo deste artigo foi propor um modelo de previsão para uma empresa do setor

salineiro, para os anos de 2013 até 2022, em relação às vendas do sal de refinado de cozinha

de 1 Kg, com base nos dados históricos de demanda dos anos de 2008 até 2022.

O modelo de previsão adotado foi a técnica para previsão de sazonalidade com tendência,

visto que a demanda para este produto é crescente ao longo dos trimestres e possui

sazonalidade durante esses períodos.

Através deste método verificou-se um aumento da demanda para os anos de 2013 até 2022.

Este aumento ocasionou à necessidade do aumento da capacidade produtiva, pois a mesma, a

partir de 2013, não conseguirá atender a demanda prevista. Logo, foram indicadas algumas

máquinas/equipamentos, como: Centrifugadora, Extratora, Moinho, Secador, Conjunto de

peneiras vibratórias, Empacotadeira, Enfardadeira, Linha de paletização, a fim adequar esta

capacidade à solicitação do mercado. Com o aumento da capacidade a produção da empresa

passará de 15000 toneladas/ trimestre para 30000/trimestre, o que garantirá o atendimento da

demanda no período analisado.

Referências

CHOPRA, S.; MEINDL, P. Gerenciamento da cadeia de suprimentos. São Paulo: Pearson Prentice Hall, 2003.

DIAS, M. A. P. Administração de Materiais: uma abordagem logística. São Paulo: Atlas, 1993.

ISAAC, M. Capacidade instalada - uma análise sistêmica. Revista Tecnologística - Dezembro 2004.

MARTINS, P. G.; LAUGENI, F. P. Administração da Produção. 2ª ed. São Paulo: Saraiva, 2006.

MOREIRA, D. A. Administração da Produção e operações. 4ª ed. São Paulo: Pioneira, 1999.

SLACK, N. et al. Administração da Produção. 2ª ed. São Paulo: Atlas, 2002.

TUBINO, D. F. Manual de Planejamento e Controle da Produção. 2ª ed. São Paulo: Atlas, 2009.

YIN, R. K. Estudo de Caso: planejamento e método. Porto Alegre: Bookman, 2005.

anÁlise da demanda por sal refinado de cozinha: estudo de

Documents