Este tópico do trabalho apresentará conceitos e referências bibliográficas acerca de algumas abordagens para medição e caracterização de variações (e padrões) de demanda.
Xu (2004) utilizou o coeficiente de variação (CV), que é o valor do desvio padrão de uma distribuição dividido pela sua média, e nomeou os itens cujo coeficiente de variação fossem maior do que 1, como sendo esporádicos.
Em seu trabalho, Xu (2004) ainda apresenta o princípio de que é mais fácil e mais exata a previsão de demanda em termos de família de produtos do que em termos de produtos individuais, sendo que o próprio coeficiente de variação é consistentemente menor quando tratamos os dados relativos às famílias de produtos de forma agregada ao invés de cada produto individualmente.
Outra medida também utilizada é a dispersão entre os itens, ou seja, busca-se identificar se há correlações (normalmente óbvias) entre os diferentes produtos (XU, 2004).
Para caracterização da demanda, temos também a classificação de Dias (2005), que caracteriza a demanda em três tipos que, embora possam coexistir em uma organização ou família de produtos e sofrendo efeitos do ciclo de vida do produto, fornece importante insumo para a análise de vendas:
1. Regular: é caracterizada quando a necessidade é constante (ou com pequenas variações) ao longo do tempo, podendo-se assumir um comportamento regular.
2. Crescente ou Decrescente: ocorre quando notadamente, ao longo do tempo, a necessidade sofre um crescimento ou decréscimo.
3. Irregular: Sem influência de tendência ou sazonalidade.
Dependendo do comportamento da série temporal que se deseja analisar, vários modelos podem ser empregados na previsão de seus valores futuros. A escolha do modelo mais apropriado é feita a partir do somatório dos erros gerados por cada modelo. Uma vez que o cálculo dos erros pode resultar em valores positivos e negativos, diferentes formas de cálculo para o somatório dos erros podem ser empregadas. Estas diferentes formas de cálculo constituem-se em critérios para a escolha de modelos mais apropriados às séries temporais. (SOARES e PEREIRA, 2006).
O presente trabalho não objetiva adentrar aos aspectos relativos às técnicas de previsão de demanda, principalmente pelo fato de propor técnicas para alteração do fluxo de
necessidades de forma a este tornar-se mais nivelado e, portanto, não necessariamente respeitando modelos de previsão (quantitativos ou qualitativos) que levem em consideração dados históricos ou causais.
No entanto, o entendimento da demanda (atual e passada) fornecido por alguns métodos de previsão é importante fator de caracterização da mesma, e pode fornecer informações úteis para o objetivo de nivelamento das vendas.
Conforme apresenta Higuchi (2006), uma análise da curva de demanda pode suas tendências (movimentos graduais), sazonalidades (períodos cíclicos) e também variações irregulares que não são englobadas nas tendências e sazonalidades, ficando incluídas na margem de erros de uma eventual previsão.
Slack (2002) afirma que a sazonalidade pode ocorrer por fatores climáticos, políticos, comportamentais, financeiros e sociais, e que podemos assumir que os períodos de sazonalidade se repetem, ou incluirmos um índice de sazonalidade de diversos períodos (calculado a partir da média móvel centrada), conforme apresentado por Higuchi (2006).
Queiroz e Cavalheiro (2003) apresentam um método de previsão de demanda que analisa um aspecto fundamental de significância da sazonalidade através da análise de variância e teste F, indicando a natureza dos dados quanto à sua sazonalidade.
Antes de utilizarmos técnicas quantitativas no estudo de uma série de vendas, devemos representá-la graficamente para que possamos identificar seus componentes (SALIBY, 1999).
Identificado o componente sazonal, podemos representar o seu efeito de duas maneiras:
• Componente aditivo: tem como princípio a adição (soma ou subtração) de parcelas associadas a cada período sazonal. Ou seja, a demanda de cada período pode ser vista como sendo a média dos períodos adicionada ou subtraída de uma quantidade fixa (componente aditivo relativo à cada período em relação à média dos períodos).
Esta maneira de representar o efeito sazonal não leva em consideração a tendência da série, e para o cálculo do componente aditivo pode-se utilizar a regra de que a soma dos efeitos sazonais ao longo do período (ano, por exemplo) seja neutra. Ou seja, através do cálculo das médias de aumento / redução das vendas para cada período do ano.
• Componente multiplicativo: é utilizado um fator multiplicativo para cada período, sob a forma de um percentual. Neste caso, um efeito
sazonal multiplicativo neutro corresponde à um índice sazonal igual a 1 (100%). Para cálculo deste componente multiplicativo, podemos usar a mesma regra (soma dos efeitos sazonais igual a zero). De qualquer forma, o componente multiplicativo mostra-se, em geral, mais adequado por embutir a idéia de que a sazonalidade das vendas tem um efeito proporcional ao nível total das vendas.
O componente multiplicativo tem ainda uma vantagem adicional em relação ao componente aditivo, pois permite uma melhor comparação de sazonalidades entre diferentes produtos, diferentes setores de atividade ou mesmo diferentes estabelecimentos.
Saliby (1999) afirma que métodos mais sofisticados podem fornecer resultados de previsão de vendas mais precisos, mas diversos autores têm concluído que, em geral, métodos relativamente simples fornecem resultados quase tão bons como os métodos mais sofisticados, muitas vezes não compensando o preço de uma maior complicação matemática e dificuldade de compreensão.
Desta forma, até esta etapa do trabalho, pretende-se caracterizar a demanda entre freqüente ou esporádica; regular, crescente ou decrescente ou irregular; e com presença significativa ou não de sazonalidade.
Quanto ao Efeito Forrester, ou amplificação da demanda, Jones e Womack (2004) apresentam um modelo de representação gráfica deste processo por meio do Quadro de Amplificação da Demanda, que traz uma visão histórica da produção de uma empresa e seus respectivos pedidos feitos para o elo anterior da cadeia de suprimentos, empresa a empresa.
Na Figura 9 a seguir, pode-se ver um exemplo desde quadro proposto pelos autores, no qual podemos perceber que produção na empresa ALFA tem uma variação em torno de 5%, já os seus pedidos para a BETA apresentam uma variação de 15%. A empresa BETA, por sua vez, já apresenta uma variação de produção, ao longo do período analisado, de 20%, e seus pedidos para a GAMA mostram uma variação de 25%. Já a empresa GAMA apresenta variação da produção de até 30% e seus pedidos para o fornecedor primário (Aços Michigan, no exemplo) mostram uma variação de até 35%.
Figura 9: Quadro de amplificação da demanda Fonte: Jones e Womack (2004)
Pode-se, a partir do Quadro de Amplificação de Demanda, construir um Quadro Simplificado da Amplificação da Demanda, também embasado no trabalho de Jones e Womack (2004), que resumi a mudança percentual máxima na produção e na liberação de pedidos diários, durante o mês anterior, para cada planta.
O Quadro Simplificado de Amplificação da Demanda é apresentado na Figura 10 a seguir, e pode-se perceber que quanto maior o seu gradiente (inclinação da curva), mais acentuado mostra-se o efeito de chicoteamento de demanda para esta referida rede de suprimento.
Figura 10: Quadro simplificado de amplificação da demanda Fonte: Jones e Womack (2004)
Uma medida extraída do quadro simplificado de amplificação da demanda é o Índice de Amplificação da Demanda, que é obtido a partir da divisão do percentual de variação na demanda no fim de um fluxo, pelo percentual de variação na demanda no início deste fluxo. No exemplo apresentado na figura anterior, teríamos um Índice de Amplificação da Demanda de 7 (sete), que representa a divisão de 35% (pedidos GAMA – final do fluxo) por 5% (produção ALFA – início do fluxo).
Xu (2004), no estudo de caso presente em seu trabalho, apresenta três razões principais para a incerteza e variabilidade da demanda:
• Personalização: é uma tendência natural de mercados em seu estágio evolutivo rumo à personalização em massa. A personalização do produto, por si só, impulsiona a demanda a ser mais randômica e imprevisível.
• Processo de compra complexo: processos de compra demorados (necessidades de várias aprovações, orçamentos prévios, etc.) e complexos (detalhes técnicos influenciam a decisão de compra) contribuem para a variação e incerteza quanto à demanda, tanto em quantidade quanto ao momento em que esta ocorrerá.
• Fatores diversos: outros fatores que contribuem significativamente para incerteza e variabilidade de demanda são a dispersão do mercado consumidor, diversidade destes consumidores, etc.