domingo, 17 de março de 2013


Controle de estoques: logística e previsão de demanda


A logística serve, de maneira geral, para solucionar um dos problemas encontrados pelas empresas: diferenças entre o local e o momento da produção e do consumo dos produtos. Normalmente as fábricas encontram-se longe dos centros de consumo, acarretando necessidade de transporte – a maior das atividades da logística. Mas também, uma diferença temporal entre quando o produto é fabricado e quando ele é requisitado pelos consumidores exige que se façam estoques nos pontos de venda, para atender à demanda futura, trazendo à tona um elemento pelo qual o profissional de logística é pressionado: a redução dos estoques.
Estas duas características somadas abrem espaço para mais uma atividade do setor de logística: as previsões. Estas servem para planejar compra de matéria-prima, capacidade de máquinas e de mão-de-obra bem como também para estimar o volume adequado dos estoques – cujo gerenciamento é talvez a 2ª atividade mais importante da logística.
Previsões podem ser encontradas em diferentes áreas das atividades humanas, e são essenciais ao bom funcionamento de empresas. De modo geral, fazer uma previsão consiste em tentar prever o futuro de maneira que isto possa auxiliar a tomada de decisões. Em particular, a previsão da demanda visa estimar a demanda futura por produtos e/ou serviços da organização. Ela constitui uma etapa importante de diversos processos de planejamento da gestão de operações e da logística. As previsões visam, portanto, determinar onde, quanto e quando os produtos/serviços serão requisitados, de maneira a responder adequadamente a esta demanda.
As previsões são necessárias em diferentes esferas (ou horizontes) do planejamento:
- no curto prazo, para o planejamento operacional, normalmente compreendendo períodos de horas até poucas semanas, as previsões de demanda são necessárias para gerenciar estoques, planos de ressuprimento, criar rotas de coleta/entrega, etc. Em geral são previsões com alta acurácia e cujos resultados são utilizados quase de modo online, em tempo real;
- no médio prazo, para o planejamento tático, normalmente de algumas semanas até poucos meses, sendo utilizadas para planejamento de produção e determinação dos recursos que serão necessários, bem como seu transporte e distribuição.
- no longo prazo, para o planejamento estratégico, as previsões são mais suscetíveis a fatores externos como a situação econômica, mas são utilizadas para o planejamento da cadeia de suprimentos, escolha de fornecedores, quantidade e locais de centros de distribuição e fábricas, etc.
Ao se fazer a previsão da demanda, a gestão dos estoques é sem dúvida a principal preocupação. Grande parte das empresas precisa fazer seus pedidos de produtos e matérias-primas antes de conhecer completamente a demanda. Enquanto parte da demanda já é conhecida (pedidos feitos com bastante antecedência), há sempre uma parcela da demanda que só será conhecida poucos momentos antes do momento da ocorrência. Aí que atuam os modelos de previsão, tentando prever com antecedência suficiente qual será a demanda futura, para que esta informação possa servir na tomada de decisões: por exemplo, quanta matéria-prima comprar em janeiro, para recebê-la em fevereiro, para processá-la e vender os produtos finais em março. Mas em janeiro ainda não se sabe qual será a demanda final de março. Por isso trabalha-se com previsões, e deseja-se que a previsão seja a mais próxima possível da verdadeira demanda que acontecerá em março, para que não sobre matéria-prima (o que custa dinheiro, dentre outros, para armazenar) nem que faltem produtos (o que também custa, por exemplo, imagem negativa frente aos clientes além da venda perdida).
Um bom sistema de previsão não deve fornecer apenas um número como previsão final, mas um intervalo ao redor de um número. De nada adianta uma previsão de que serão vendidas de 2561 unidades de um produto para um determinado mês, se não sabemos qual a confiança ao redor deste número. São 2561 unidades ± 5%? Neste caso o intervalo seria de 2433 até 2689, ou um erro de 128 unidades, o que é bastante plausível e aceitável na maioria dos casos. Diferentemente de uma previsão com alvo em 2561, mas variando de 1793 até 3329, o que representa um erro de 30%. Em qual número confiar, e em qual basear todas as ações para os próximos 2 meses?
É importante perceber também que quanto maior for o horizonte do planejamento, menos precisas serão as previsões (ou em outras palavras, mais largo será o intervalo de confiança).
Finalmente, vale ressaltar que sempre é possível incrementar o processo de previsão, se houver um incremento no orçamento disponível para tal. É preciso encontrar o ponto de equilíbrio entre as vantagens de uma previsão correta e o custo que ela implicará.
Existem dois grandes grupos de modelos de previsão: os modelos quantitativos e aqueles qualitativos, podendo ainda haver uma combinação de ambos.
Os métodos qualitativos apresentam normalmente um menor grau de precisão, sendo, mesmo assim, bastante utilizados por empresas, possivelmente pela relação das previsões por eles geradas corresponderem às metas de demanda estabelecidas pelas empresas. No grupo dos métodos qualitativos encontram-se aqueles baseados em julgamento e apreciação de especialistas, principalmente quando não há dados históricos ou estes são insuficientes. O método qualitativo mais conhecido é a técnica Delphi.
Os métodos quantitativos se utilizam de matemática e estatística para identificar padrões nos dados históricos, impulsionados pelo avanço da computação e da capacidade de processamento das máquinas nas últimas décadas. Estes podem ser divididos entre estudo de séries temporais e métodos causais. O estudo de séries temporais aposta na crença de que padrões passados irão se repetir no futuro, enquanto os métodos causais analisam relacionamentos com outras variáveis (independentes).
Antes de iniciar as previsões, é preciso conhecer os fatores que alteram a demanda, separando fatores internos (aos quais você tem controle: preço, qualidade, gasto em publicidade, novos pontos de venda, introdução de produtos substitutos, etc.) e externos (preço do concorrente, economia, moda, regulamentação governamental, gostos do consumidor, etc.). Esta distinção é importante para incluir nos modelos causais tanto as variáveis internas quanto as externas.
Por lidar com dados quantitativos, são então utilizadas técnicas formais de estatística a fim de se obter informações relevantes (as previsões). Ferramentas de análise estatística e diferentes modelos de previsão são utilizados para modelar o comportamento da variável ao longo do tempo, e fazer previsões para os próximos períodos. Os métodos de análise de série temporal são, dentre outros: decomposição clássica, suavizações exponenciais e ARIMA (Box-Jenkins). Dentre os métodos causais destacam-se as regressões simples e múltipla.