£¡$2) £©©$ £ ¡£¡©§¥¡£¡            4 ) 6 5  4 0 3 #  1 0 ) ( % #  % # # !  ¨ ¤   ¨    ¨   ¨ ¦ ¤¤ ¢            FAF hEY FAtsA...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                         h 7 j i • h d g – • e d 7 ™ — – ˜ — – – ...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                        h 7 j i • h d g – • e d 7 ™ — – ˜ — – – •...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                          h 7 j i • h d g – • e d 7 ™ — – ˜ — – –...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                        h 7 j i • h d g – • e d 7 ™ — – ˜ — – – •...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                                                          h 7 j i...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                         h 7 j i • h d g – • e d 7 ™ — – ˜ — – – ...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                           h 7 j i • h d g – • e d 7 ™ — – ˜ — – ...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                             h 7 j i • h d g – • e d 7 ™ — – ˜ — ...
©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€                                                h 7 j i • h d g – • e d 7 ™ — – ˜...
Upcoming SlideShare
Loading in …5
×

IV PROJETO DO PRODUTO - Etapas PP - III ANÁLISE DE VIABILIDADE_PREVISÃO DE DEMANDA DE NOVOS PRODUTOS MÉT QUANT QUAL_RUSCHEL_WERNER_LEMOS_2007 - Artigo

591 views
552 views

Published on

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
591
On SlideShare
0
From Embeds
0
Number of Embeds
31
Actions
Shares
0
Downloads
10
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

IV PROJETO DO PRODUTO - Etapas PP - III ANÁLISE DE VIABILIDADE_PREVISÃO DE DEMANDA DE NOVOS PRODUTOS MÉT QUANT QUAL_RUSCHEL_WERNER_LEMOS_2007 - Artigo

  1. 1. £¡$2) £©©$ £ ¡£¡©§¥¡£¡  4 ) 6 5 4 0 3 # 1 0 ) ( % # % # # ! ¨ ¤ ¨ ¨ ¨ ¦ ¤¤ ¢   FAF hEY FAtsAtyBARptyxwS FeFAbc¥Fcts@ R¥FFApFFS Ag FfBeFcbBFVS FIRWVTRBFIG FD ABA97 8 Y G E q Gr@ 8ri P i 8 Sr8v C X u S a ` GC D 8r E 8C q S i S D h E Y Q P d S a ` P Y C X G 8 U S Q 8 P H E C 8 @ 8 Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007 PREVISÃO DE DEMANDA DE NOVOS PRODUTOS: APLICAÇÃO INTEGRADA DE MÉTODOS QUANTITATIVO E QUALITATIVO Letícia Pereira Ruschel (ufrgs) letícia_ruschel@dell.com Liane Werner (ufgrs) liane@producao.ufrgs.br Fernando de Oliveira Lemos (pucrs/ufrgs) fernando.lemos@pucrs.brA previsão de demanda de novos produtos é particularmenteimportante para as empresas, pois é baseado nela que decisões deplanejamento de diversas áreas organizacionais serão tomadas. Nestetrabalho é feita uma revisão bibliográfica sobre técnicas quantitativase qualitativas de previsão de demanda, e integração de métodos deprevisão. É proposta uma metodologia para previsão de demanda denovos produtos a qual é aplicada através de um estudo de caso em umaindústria química. Esta metodologia sugere a utilização de analogiapara a realização da previsão de demanda para o novo produto.Através de análise de mercado e ajuste baseado na opinião dosespecialistas chega-se à previsão final do produto que a empresadeseja alcançar.Palavras-chaves: Previsão de Demanda; Analogia; Ajuste baseado emEspecialistas
  2. 2. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 20071. INTRODUÇÃOA capacidade de prever a demanda é fundamental para toda a atividade de uma organização,pois disponibiliza as entradas para planejamento e controle de todas as áreas funcionais,incluindo logística, marketing, produção e finanças (BALLOU, 2001), sua importância éjustificada pelo fato dela ser base para a realização de decisões estratégicas, planejamentos ouqualquer outra atividade que se baseie em acontecimentos futuros (MAKRIDAKIS, 1988).Para produtos novos a atividade de previsão de demanda é particularmente importante devidoao suporte que esta informação proporciona para tomada de decisão sobre o lançamento ounão do produto (ARMSTRONG; RODERICK, 1999). Além disso, o sucesso de outrasdecisões das fases de lançamento e de pré-lançamento também depende de uma previsão dedemanda acurada. Entre estas decisões podem ser citadas compra de materiais, programaçãoda produção, planejamento dos canais de distribuição, treinamento do time de vendas eexpectativas de retorno financeiro do novo produto (KAHN, 2002).Neste trabalho é proposta uma metodologia para a previsão de demanda de novos produtos. Aaplicação desta metodologia foi realizada em uma indústria química. A estratégia decrescimento desta empresa está apoiada na conquista de novos mercados através dolançamento de novos produtos, o que torna um estudo sobre previsão de demanda para novosprodutos particularmente importante.2. MÉTODOS DE PREVISÃO DE DEMANDAA previsão de demanda pode ser implementada através de três abordagens: (i) Utilização demétodos puramente qualitativos; (ii) Utilização de métodos puramente quantitativos; ou (iii)Utilização de integração de métodos quantitativos e qualitativos.Os métodos qualitativos de previsão de demanda são subjetivos. Eles se baseiam basicamenteno julgamento de pessoas (especialistas ou consumidores) que, de forma direta ou indireta,tenham capacidade de emitir opinião e estimar como a demanda irá acontecer. Estes métodossão utilizados quando não existem dados históricos ou quando dados históricos não sãorelevantes para a previsão do futuro (HANKE; REITSCH, 1998).Os métodos qualitativos mais conhecidos são: (i) Método Delphi; (ii) Pesquisa de Intenções;(iii) Opinião da Força de Vendas; (iv) Analogia Histórica; e (v) Grupo Focado. Segundo Kahn(2002) a analogia histórica é um dos métodos mais utilizados pelas empresas para realizarprevisão de demanda de novos produtos, já que no processo de lançamento de novos produtosnão existem dados históricos de demanda. Neste método se utilizam dados históricos sobreum produto similar para realizar a estimativa de vendas do produto de interesse.Armstrong e Green (2004) propõem uma metodologia para que a previsão de demanda atravésde analogia seja realizada de maneira estruturada. A metodologia deve ser operacionalizadaem cinco etapas: (i) Descrição do produto; (ii) Seleção de especialistas; (iii) Identificação edescrição dos produtos análogos pelos especialistas; (iv) Descrição das similaridades entre osprodutos análogos selecionados e aquele que se deseja prever; e (v) Previsão de demandabaseada nas análises dos especialistas.Métodos quantitativos são métodos que utilizam dados históricos supondo que dados passadossão relevantes para o futuro, ou seja, que o padrão passado se repetirá no futuro. Para se obteros valores da previsão são construídos modelos matemáticos que descrevem o comportamentoda demanda ao longo do tempo. Estes métodos subdividem-se em análise de séries temporais 2
  3. 3. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007e modelos causais (MAKRIDAKIS; WHEELWRIGHT; HYNDMAN, 1998).A análise de séries temporais pode ser realizada utilizando os métodos de suavizaçãoexponencial e de modelos ARIMA. Os modelos de suavização exponencial têm comosuposição que os dados mais atuais da série temporal são mais confiáveis para realizarprevisões para o futuro. Sendo assim, este modelo atribui uma ponderação diferente para cadavalor da série temporal. Os pesos decaem exponencialmente a partir dos dados mais, fazendocom que os valores mais atuais da série recebam uma importância maior. Para determinar aproporção entre os pesos são calculadas constantes de suavização que servem comoparâmetros. Dependendo dos componentes de perfil de demanda apresentado pela série(componente de nível, componente de tendência ou componente sazonal), são calculadas asconstantes de suavização (MAKRIDAKIS; WHEELWRIGHT; HYNDMAN, 1998). Já osmodelos ARIMA levam em consideração a autocorrelação ocorrida nos períodos passados.Com o objetivo de obter previsões com o menor erro possível tem crescido a utilização deintegrações de métodos quantitativos com métodos qualitativos. Esta prática proporciona aobtenção de estimativas mais acuradas de demandas futuras do que a utilização de um tipo demétodo isoladamente (CLEMEN, 1989; BLATTBERG; HOCH, 1990).Métodos qualitativos e quantitativos têm vantagens e desvantagens que irão se complementarquando a integração for realizada. O julgamento humano pode considerar eventos que nopassado eram inexistentes, porém este julgamento está sujeito a influência de diversos fatores,como conservadorismo e inconsistência. Diferentemente, métodos quantitativos são rígidos,mas são consistentes e podem utilizar um volume muito grande de dados históricos. Sendoassim, a integração de métodos qualitativos com métodos quantitativos para realização deprevisão de demanda traz como benefício uma maior acurácia, pois incorpora as vantagens decada um dos métodos assim como suaviza as desvantagens (GOODWIN, 2002).Webby e O’Connor (1996) classificam os métodos de integração de previsão em quatro tipos:(i) Construção de Modelos; (ii) Decomposição Baseada na Opinião; (iii) Combinação dePrevisões; e (iv) Ajuste Baseado na Opinião. O ajuste baseado na opinião consiste narealização de uma previsão através de métodos quantitativos e posterior ajuste agregandoinformações contextuais obtendo assim a previsão ajustada (WEBBY; O’CONNOR, 1996). Oajuste baseado na opinião é mais efetivo quando utilizado em situações onde informaçõescontextuais, disponíveis no ambiente de previsão, precisam ser agregadas à previsão. Umametodologia estruturada de ajuste é apresentada em Werner (2004).3. PREVISÃO DE DEMANDA PARA NOVOS PRODUTOSEm pesquisa feita por Kahn (2002) foram constatadas algumas características sobre a previsãode demanda de novos produtos: em geral, a acurácia da previsão de demanda para novosprodutos é muito baixa, ela varia em torno de 58%; a previsão de demanda de novos produtosna maioria dos casos tem como responsável o departamento de marketing, sendo que, quandose trata de empresas industriais, esta é normalmente atribuída aos times de vendas e tem umperíodo mais longo de previsão; e existe uma preferência pela utilização de métodosqualitativos de previsão de demanda.As organizações têm bastante interesse em encontrar maneiras de melhorar a previsão dedemanda de novos produtos e assim minimizar o erro das previsões, o qual é muito altoquando se trata de novos produtos (KAHN, 2002). Alguns fatores devem ser levados emconsideração no processo de previsão de demanda de novos produtos (GARTNER;THOMAS, 1993): (i) Conhecimento das demandas dos consumidores, para isso diversos 3
  4. 4. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007recursos podem ser utilizados, tais como: entrevistas individuais, grupo focado edemonstrações de produto; (ii) Utilização de mais de um método de previsão; (iii)Antecipação da volatilidade do mercado e do comportamento dos compradores, para que sepossam utilizar estas informações como dados para a previsão de demanda; e (iv)Comprometimento de uma equipe identificada com o objetivo de melhorar as previsões.Para antecipar os acontecimentos, tendências e forças do mercado que poderão influenciar nocomportamento de demanda, pode-se utilizar três técnicas: (i) Análise de Mercado; (ii)Análise do Ambiente de Marketing; e (iii) Análise de Demanda.Para que seja possível fazer algum julgamento sobre um mercado, assim como sobre suasdinâmicas é necessário desenvolver uma Análise de Mercado a partir da análise de clientes edos concorrentes. A Análise de Mercado é constituída das seguintes dimensões: tamanho atuale potencial do mercado; crescimento de mercado; lucratividade de mercado; estrutura decustos; sistemas de distribuição; tendências; e fatores-chave de sucesso (AAKER, 2001).Todas as partes envolvidas em um mercado (empresas, fornecedores, concorrentes e clientes)atuam em um macroambiente sujeito a forças e tendências que moldam as oportunidades etambém apresentam ameaças. Essas forças não são controláveis e por isso é importante que aempresa as monitore, de modo que conheça o ambiente no qual está inserida (KOTLER,2000). A Análise do Ambiente de Marketing é importante para ajudar na identificação dastendências de mercado, avaliando o risco de alguns eventos afetarem a demanda de umdeterminado produto. As seis as forças que influenciam o ambiente de marketing são:tecnológica, governamental, econômica, cultural, demográfica e o ambiente natural (escassezde matérias-primas, custo mais elevado de energia, níveis mais altos de poluição, etc.)(KOTLER, 2000; AAKER, 2001). Na Análise de Demanda é definida qual a variável de interesse no processo preditivo, ademanda total da indústria e/ou a demanda relativa da empresa. A demanda total da indústriarepresenta a demanda por um tipo de produto, em uma região pré-definida, considerandotodos os fornecedores deste produto. A demanda relativa da empresa é a porção do mercadoque a empresa detém relativamente a este produto (KUYVEN, 2004). Os fatores que podeminfluenciar a demanda total do mercado são (KUYVEN; CUNHA, 2001): (i) caracterização dalocalização geográfica; (ii) circunstâncias econômicas do local analisado; (iii) nível médio depreços do produto; (iv) fatores climáticos; (v) valor reconhecido do produto pelo consumidor;e (vi) nível de saturação do produto no mercado. A seleção dos fatores que serão consideradosna análise de demanda deve ser realizada com base em entrevistas com pessoas que estejamenvolvidas direta ou indiretamente com o mercado do produto analisado, como, por exemplo,vendedores, especialistas e clientes (KUYVEN; CUNHA, 2001).4. ESTUDO DE CASOO estudo de caso foi realizado em uma indústria química localizada no Rio Grande do Sul, aqual produz resinas alquídicas, poliésteres saturados e insaturados, poliuretanos e resinasacrílicas. A empresa tem como principais matérias-primas: óleos vegetais; ácidos graxosvegetais; polióis naturais; pentaeritritol; etilenoglicol; propilenoglicol; acetato de etila; enaftas. Entre seus principais clientes estão indústrias de tintas imobiliárias, tintas industriais,adesivos, massa plástica e plásticos reforçados com fibras de vidro.O direcionamento estratégico da empresa é aumentar sua participação de mercado no Brasil,priorizando o desenvolvimento de produtos inovadores, com qualidade e preços competitivos.A empresa procura explorar a preocupação atual com o desenvolvimento sustentável, tendo 4
  5. 5. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007também como estratégia o desenvolvimento de produtos renováveis, principalmente derivadosde óleos vegetais.A metodologia para previsão de demanda de novos produtos proposta neste trabalho consistede cinco etapas: (i) Definição do produto novo a ter sua demanda prevista; (ii) Escolha de umproduto análogo ao produto novo; (iii) Previsão de demanda do produto análogo selecionado;(iv) Previsão de demanda do mercado do produto novo; e (v) Previsão de demanda do produtonovo para uma empresa específica.4.1 Definição do produto novoO produto a ter sua demanda prevista será chamado de 2B, sendo o referido produto umamatéria-prima para a fabricação de espumas flexíveis. Dentre as espumas flexíveis pode-secitar colchões, estofados e espuma para calçados. É importante citar que este produto temcomo diferencial ser um produto natural renovável, pois é derivado de óleos vegetais.A empresa está investindo em pesquisa e desenvolvimento deste produto, porém ela não temuma estimativa do tamanho do mercado deste produto, dificultando o conhecimento de qual éo potencial de retorno sobre o seu investimento. Portanto, uma previsão de demanda desteproduto, além de ajudá-la a estruturar o planejamento da produção, também irá contribuir paraa tomada de decisões estratégicas sobre investimentos e dedicação de recursos para esteprojeto, assim como sobre a necessidade de expansão da sua capacidade produtiva.4.2 Escolha de um produto análogoNesta etapa os representantes da empresa sugeriram que o engenheiro responsável pelodesenvolvimento do novo produto fosse o especialista que indicaria o produto análogo maisadequado a ser utilizado. Foi realizada uma entrevista informal com este especialista. Duranteesta entrevista foi relatado que a proposta da empresa é que o produto 2B substitua o poliolpoliéter, que é uma matéria-prima utilizada na fabricação de espumas flexíveis. A diferença éque o primeiro é derivado de óleos vegetais e o segundo é derivado de petróleo.O produto 2B sofrerá as mesmas influências que a demanda do poliol poliéter. Portanto,assumiu-se que as séries temporais destes dois produtos serão semelhantes e que o produtoanálogo a ser utilizado no processo preditivo é o poliol poliéter.4.3 Previsão de demanda do mercado do produto análogoO primeiro passo desta etapa foi a coleta e o registro dos dados históricos de demanda doproduto análogo (volume de demanda mensal para o poliol poliéter no mercado brasileiro). Opoliol poliéter é um produto importado e produzido/exportado por empresas instaladas nopaís. Através de pesquisa em órgãos governamentais e associações de classe coletou-se dadosdisponibilizados pela Associação Brasileira da Indústria Química (ABIQUIM, 2006) e peloSistema de Análise das Informações de Comércio Exterior (ALICE-Web, 2006).A demanda de poliol poliéter no mercado brasileiro (Figura 1) foi obtida somando-se os dadosde importação e da produção nacional e diminuindo os dados de exportação (dados de janeirode 2001 a dezembro de 2005). 5
  6. 6. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007 Figura 1 - Série temporal do poliol poliéterEm uma primeira análise do gráfico, observa-se que a série aparenta ser estacionária. Aorealizar a modelagem dos dados da série histórica encontrou-se para a série do poliol poliétero modelo de Winters Multiplicativo como o modelo mais adequado. O modelo de Winters éutilizado para descrever dados de demanda que possuam componentes de tendência linear ede sazonalidade e a amplitude da variação sazonal aumenta ou diminui como função dotempo. Para as constantes de suavização , e foram estimadas os seguintes valores, ‰ Š ‹respectivamente: 0,18348; 0; e 0,25047, usando o software forecastpro. Desta forma omodelo é descrito pelas equações (1) a (3) e as previsões podem ser obtidas conforme aequação (4) (MAKRIDAKIS; WHEELWRIGHT; HYNDMAN, 1998).L t = 0,18348 z t + (0,81652)(Lt −1 + bt −1) S t −s (1)b =b t t −1 (2)S = 0,25047 z t + (0,74953) S t − s (3) t L tF = (Lt ) S t − s + m t +m (4)O modelo gerado apresentou um coeficiente de determinação (R2) de 0,5032. Observando asérie temporal nota-se que houve uma mudança no comportamento dos dados a partir doinício do ano de 2004. A média e a variação dos dados apresentaram um aumento, passando ase comportar de forma diferente. Devido a esta mudança de nível não foi possível um ajustemelhor do que o apresentado. Os valores previstos para o mercado brasileiro de poliol poliéterpara os próximos seis períodos encontram-se na Tabela 1.4.4 Previsão de demanda do mercado do produto novoAlguns fatores devem ser levados em consideração no processo de previsão de demanda denovos produtos, como a volatilidade do mercado e o comportamento dos consumidores(GARTNER; THOMAS, 1993). Análises de mercado, de demanda e de ambiente demarketing auxiliaram o entendimento do comportamento de demanda.De posse das previsões de demanda do produto análogo, passou-se a pesquisar informaçõessobre o mercado para o produto 2B. Esta pesquisa foi realizada buscando informações em: 6
  7. 7. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007associações de classe, artigos de revistas especializadas, órgãos governamentais e entrevistasinformais com alguns diretores da empresa.A primeira dimensão analisada foi quanto à estrutura de custos. Este produto é um insumo daindústria química que tem baixo valor agregado. Tem como característica de mercado o altovolume e o seu preço é relativamente baixo. Por isso, em relação aos custos agregados aoprocesso nota-se que o custo do transporte pode tornar-se relativamente alto em relação aocusto do produto. Se for necessário o transporte para grandes distâncias o valor do freteacabará onerando o preço do produto. Foi realizada, pela empresa, uma análise de custos detransporte e chegou-se à conclusão de que o custo de transporte do estado onde se localiza aempresa para os outros estados brasileiros pode dificultar a venda do produto. Os seusprincipais concorrentes estão localizados em estados localizados mais próximos aos mercadosconsumidores e teriam custos de transporte inferiores. Este fator tem alta influência sobre ocomportamento do mercado, desta forma a empresa optou por analisar a demanda do produtosomente no Rio Grande do Sul e Santa Catarina.Analisando as variáveis econômicas, os especialistas indicaram o Produto Interno Bruto (PIB)como sendo uma variável de bastante influência na demanda deste produto. Utilizando o PIBregional disponibilizado pelo IBGE, pode-se delimitar a demanda para os dois estados deinteresse. O estado do Rio Grande do Sul concentra 8,2% do PIB Nacional e o estado de SantaCatarina concentra 4% do PIB Nacional (juntos somam 12,2% do PIB Nacional). Opercentual de 12,2% foi aplicado à previsão de demanda no país e chegou-se aos valores deprevisão de demanda para os mercados de interesse (RS e SC), como pode ser observado naTabela 1. Previsão de demanda do produto análogo Previsão de demanda do produto novo noPeríodo no mercado nacional (em kg) mercado do RS e SC (em kg)jan/06 14.132.355 1.724.147fev/06 10.021.817 1.222.662mar/06 15.084.270 1.840.281abr/06 11.766.520 1.435.515mai/06 13.781.485 1.681.341jun/06 12.290.540 1.499.466 Tabela 1- Previsão de demanda do produto análogo e do produto 2BComo o produto 2B é matéria-prima do poliuretano, a sua demanda está fortemente ligada àdemanda deste produto. Foi analisado qual o tamanho potencial de mercado, buscandoobservar se existem oportunidades de vendas que não estão acontecendo. O consumo depoliuretano por habitante no Brasil é de 1,4kg, enquanto na Europa, Japão, EstadosUnidos/Canadá os índices são de 4,1kg, 4,5kg e 5,4kg, respectivamente (ABIQUIM, 2006).Pode-se concluir que o Brasil ainda tem potencial de crescimento, mas este está muitoatrelado ao desenvolvimento econômico do país. O consumo por habitante está muito ligadoao poder aquisitivo e ao nível de desenvolvimento. Estes indicadores econômicos influenciamo consumo de produtos como colchões e móveis, os quais utilizam espumas flexíveis (que temcomo matéria-prima o produto novo). Porém, para o horizonte de previsão que está sendoconsiderado (seis meses) considera-se que estes fatores não afetarão o tamanho do mercado.Algumas dimensões de análise de mercado como fator climático, valor reconhecido doproduto pelo consumidor, nível de saturação do produto no mercado, lucratividade domercado, sistemas de distribuição, tendências e fatores-chave de sucesso não foramconsiderados relevantes pelos especialistas para este período do estudo de caso, por isso não 7
  8. 8. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007foram abordados.4.5 Previsão de demanda do novo produto para o mercado potencial da empresaNesta etapa foram avaliadas alternativas para a realização do ajuste da previsão de demandado novo produto para o mercado potencial da empresa. A alternativa de pesquisa de intençõescom possíveis clientes da empresa seria considerada uma boa opção para este estudo de caso,porém, devido à limitação de tempo para desenvolvimento do processo preditivo, a pesquisade intenções não foi utilizada. A técnica de ajuste baseado na opinião de especialistas foiutilizada por ser de fácil implementação e gerar resultados com rapidez.O primeiro passo foi identificar os especialistas para estimar a demanda do produto 2B.Foram identificados três especialistas da empresa que poderiam colaborar com o estudo: oengenheiro responsável pelo desenvolvimento do produto; um gerente comercial; e umrepresentante comercial. O ajuste foi realizado com a realização de um grupo focado paraobtenção de previsões de demanda do novo produto. O grupo focado propiciou bonsresultados e se mostrou bastante eficiente para a troca de informações entre os trêsparticipantes, o que colaborou para a obtenção de um consenso sobre a previsão de demanda.A discussão entre os especialistas se concentrou nos possíveis negócios que a empresa poderáfechar e clientes potenciais. Também se avaliou a aceitação do produto no mercado, pois oproduto 2B é derivado de matérias-primas renováveis, sendo um fator que poderá aumentar asua aceitação no mercado. O seu preço também foi apontado como um fator de influênciapara sua penetração no mercado, além da vantagem quanto à logística, pois a empresa estámais perto de clientes da região Sul do que os fornecedores da região sudeste. A empresapode oferecer uma maior freqüência de entregas a um custo menor aos clientes do RS e SC.Como resultado obteve-se o consenso dos especialistas sobre os percentuais de mercado que aempresa conquistará nos próximos seis meses. Os percentuais indicados pelos especialistas aofinal do grupo focado foram de: 0,5% no mês 1; 0,7% no mês 2; 0,7% no mês 3; 1% no mês4; 1% no mês 5; e 1,5% no mês 6. Estes percentuais foram aplicados sobre a previsão dedemanda do produto novo no mercado RS/SC (Tabela 1), resultando na previsão final dedemanda do produto 2B para o mercado da empresa (Tabela 2). Período Previsão de demanda (em kg) jan/06 8.621 fev/06 8.559 mar/06 12.882 abr/06 14.355 mai/06 16.813 jun/06 22.492 Tabela 2 - Previsão de demanda final do produto 2B para a empresa5. CONCLUSÃOCom base no estudo do referencial teórico, sobre métodos quantitativos e qualitativos deprevisão de demanda, foi proposta uma metodologia para previsão de demanda de novosprodutos. Esta metodologia propôs que a previsão do novo produto seja realizada através deanalogia, integrando através de ajuste um método quantitativo de análise de séries temporaiscom um método qualitativo de opinião de especialistas.O padrão da série temporal de demanda do produto análogo foi modelado através desuavização exponencial (Winters Multiplicativo), com moderado nível de representatividade. 8
  9. 9. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007A análise de mercado identificou apenas o PIB como fator de influência na demanda, osdemais não foram considerados como influentes na demanda do período de previsão. Taisfatores devem ser considerados em futuras revisões da previsão de demanda do produto novo.A partir da aplicação do método proposto foram geradas previsões de demanda para aempresa (indústria química) do estudo. As previsões de demanda geradas permitiram que aempresa avaliasse seus investimentos em capacidade produtiva e em pesquisa edesenvolvimento do produto em questão. A aplicação do método demonstrou que este cumpreo objetivo de gerar previsão de demanda para novos produtos.A dificuldade de aplicação do método foi na etapa de coleta dos dados. As associações declasse por vezes, parecem dificultar o acesso a informações mais detalhadas sobre a demandado produto. A disponibilização de dados de demanda mais detalhados auxiliará empresas depequeno porte no desenvolvimento de sistemas de previsão de demanda.REFERÊNCIASAAKER, D. A. Administração estratégica de mercado. 5a Edição, Porto Alegre: Bookman, 2001.ABIQUIM. Associação Brasileira da Industria Química. Disponível em: www.abiquim.org.br Acesso em: 10de Abril de 2006.ALICE-Web. Disponível em: www.aliceweb.desenvolvimento.gov.br Acesso em 20 de Março de 2006.ARMSTRONG, S. J.; RODERICK, J. B. Forecasting for marketing. International Thompson Business Press,p. 92-119, 1999.ARMSTRONG, S. J.; GREEN, C., K. Structured analogies for forecasting. 2004 Disponível em:http://marketing.wharton.upenn.edu/ Acesso em: 20 de Novembro de 2005.BALLOU, R. H. Gerenciamento da cadeia de suprimentos: planejamento, organização e logística empresarial.4a Edição, Porto Alegre: Bookman, 2001.BLATTBERG, R. C.; HOCH, S. J. Database Models and Managerial Intution: 50% Model and 50% Manager.Management Science, v. 36, n. 8, 1990, p. 887-899.CLEMEN, R. T. Combining forecasts: a review and annotated bibliography. International Journal ofForecasting. v. 5, p.559-583, 1989.GARTNER, W. B.; THOMAS, R. J. Factors affecting new product forecasting accuracy in new firms. TheJournal of Product Innovation Management, v. 10, p. 35–52, 1993.GOODWIN, P. Integrating management judgment and statistical methods to improve short-term forecasts.Omega. The International Journal Management Science, v.30, p. 127-135, 2002.HANKE, J. E.; REITSCH, G. A. Business forecasting. 6a Edição, New Jersey: Prentice Hall, 1998.KAHN, B. K. An Exploratory investigation of new product forecasting practices. The Journal of ProductInnovation Management, v. 19, p. 133-143, 2002.KOTLER, P. Administração de marketing. 10a Edição, São Paulo: Prentice Hall, 2000.KUYVEN, P. S. Proposta de um método para a análise de demanda: aplicação numa indústria de brinquedos.Dissertação de Mestrado, Programa de Pós-Graduação em Engenharia de Produção, Porto Alegre, RS, 2004.KUYVEN, P. S.; CUNHA, G. D. Proposta de uma abordagem para previsão de demanda por produtos. In: IIICongresso Brasileiro de Gestão e Desenvolvimento de Produtos, , Florianópolis, SC, 2001.MAKRIDAKIS, S. Metaforecasting. Ways of improving forecasting accuracy and usefulness. InternationalJournal of Forecasting, v. 4, p.467-491, 1988.MAKRIDAKIS, S.; WHEELWRIGHT, S. C.; HYNDMAN, R. J. Forecasting – methods and applications. 3aEdição, New York: John Wiley, 1998.WEBBY, R.; O’CONNOR, M. Judgmental and statistical time series forecasting: a review of the literature. 9
  10. 10. ©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰pe‰ƒ©e$§’e‰©¡V…ƒ©©€ h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘  † ˆ ‡ † „ ‚‚  € W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wur cp scw9l m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t  w } | t { o z r m xw v m t s q o m n m Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007International Journal of Forecasting. v.12, p. 91-118, 1996.WERNER, L. Um modelo composto para realizar previsão de demanda através da integração da combinaçãode previsões e do ajuste baseado na opinião. Tese de Doutorado, Programa de Pós-Graduação em Engenharia deProdução, Porto Alegre, RS, 2004. 10

×