GERENCIMENTO DA DEMANDA: UM SURVEY NA CADEIA DE SUPRIMENTOS AUTOMOTIVA BRASILEIRA Guaratinguetá - SP 2016 MARIO AUGUSTO MATOS SIMON ESTEVES Mario Augusto Matos Simon Esteves GERENCIMENTO DA DEMANDA: UM SURVEY NA CADEIA DE SUPRIMENTOS AUTOMOTIVA BRASILEIRA Dissertação apresentada à Faculdade de Engenharia do Campus de Guaratinguetá, Universidade Estadual Paulista, para obtenção do título de Mestre em Engenharia de Produção na área de Gestão e Otimização. Orientadora: Marcela Aparecida Guerreiro Machado Coorientador: Bruno Chaves Franco Guaratinguetá - SP 2016 P977u Esteves , Mario Augusto Matos Simon Gerencimento da demanda: um survey na cadeia de suprimentos auto- motiva brasileira / Mario Augusto Matos Simon Esteves – Guaratinguetá, 2016. 102 f : il. Bibliografia: f. 88-93 Dissertação (Mestrado) – Universidade Estadual Paulista, Faculdade de Engenharia de Guaratinguetá, 2016. Orientador: Dra Marcela Aparecida Guerreiro Machado Freitas Coorientador: Prof. Dr Bruno Chaves Franco 1. Gestão da Demanda. 2. Previsão de Demanda. 3. Survey I. Título CDU 658.5(043) DADOS CURRICULARES MARIO AUGUSTO MATOS SIMON ESTEVES NASCIMENTO 08.02.1987 – Resende / RJ FILIAÇÃO Mario Anibal Simon Esteves Julia Beatriz Matos Simon Esteves 2005/2010 Curso de Graduação em Engenharia de Produção Universidade Estadual do Rio de Janeiro 2014/2016 Curso de Pós-Graduação em Engenharia de Produção, nível de Mestrado, Faculdade de Engenharia do Campus de Guaratinguetá, Universidade Estadual Paulista Dedico este trabalho ao meu avô, exemplo inspirador de acadêmico, que sempre me incentivou a trilhar o caminho do conhecimento. AGRADECIMENTOS Agradeço a Deus por todas as suas bênçãos, por sempre guiar meus passos e iluminar a família e os amigos. Com carinho especial, meus agradecimentos aos meus pais e à minha noiva Anyelen, que sempre estiveram presentes e me apoiando em todos os momentos. A todos os meus demais familiares e amigos, por entenderem meus momentos de ausência nos últimos meses. Aos meus amigos Jairo Modesto e Lúcio Flore, Márcio Garcia e Marcus Puerta, pela amizade, pelo suporte e pelo incentivo durante toda esta caminhada. Ao Prof. Dr. Bruno Chaves Franco, pela oportunidade, pela orientação e pela valiosa contribuição ao longo de todo o curso de mestrado. A Maxion Structural Components, pelo apoio no meu desenvolvimento e pela confiança no meu trabalho. A todos que, de alguma forma, seja direta ou indiretamente, contribuíram para a realização deste trabalho, muito obrigado! “Talvez não tenha conseguido fazer o melhor, mas lutei para que o melhor fosse feito. Não sou o que deveria ser, mas Graças a Deus, não sou o que era antes.” Marthin Luther King RESUMO Com o contínuo crescimento da competitividade global, o grande desafio é trabalhar de forma enxuta, mas sem prejudicar o nível de serviço ao cliente. Para isso, busca-se uma rápida e adequada integração das necessidades do mercado na direção dos fornecedores, de modo a balancear e alinhar estrategicamente a demanda com a capacidade operacional ao longo de toda a cadeia de suprimentos. Para a presente pesquisa, utilizou-se levantamento do tipo survey, e o objetivo geral é verificar o panorama atual das práticas de Gestão de Demanda e Previsão de Demanda nas indústrias da Cadeia de Suprimentos Automotiva Brasileira, identificando as principais práticas utilizadas e as principais dificuldades relacionadas à execução dos processos de gestão e previsão de demanda, bem como as consequências causadas pelas variações e incertezas de demanda. Para tanto, com base na revisão da literatura e no método hipotético dedutivo de Popper, foi elaborado um questionário que foi respondido por 37 empresas da cadeia de suprimento automotiva dos mais diversos setores. Os resultados mostram que as empresas da cadeira de suprimento automotiva fazem uso com predominância de técnicas mais simples como opiniões de executivos e da equipe de vendas e utilização de médias móveis. A falta de disponibilidade de dados, a necessidade de capacitação e treinamento da equipe e a deficiencia no conhecimento dos modelos e ferramentas de previsão de demanda aparecem como as maiores barreiras para elaboração das previsões de demanda. PALAVRAS-CHAVE: Gestão da Demanda, Previsão de Demanda, Cadeia de Suprimentos Automotiva Brasileira, Survey. ABSTRACT With the continued growth of global competitiveness, the challenge is to work lean way, but without affecting the level of customer service. As a result, a quick and proper integration of the market requirements towards suppliers should be sought, in order to balance and strategically align the demand with the operational capacity along the entire supply chain. This research use the survey method and the overall objective is to find what the current situation of Demand Management and Demand Forecasting practices in the industries of Brazilian Automotive Supply Chain, identifying the main practices and the difficulties related to the implementation of the management and demand forecasting processes, as well as those caused consequences as a result of variations and demand uncertainties. Therefore, based on the literature review and popper´s hypothetico-deductive method, it has been designed a questionnaire that was answered by 37 companies in the automotive supply chain in various sectors. The results show that companies in the automotive supply chair make use predominantly of the simplest techniques as executive and sales force opinion methods and use of moving averages. The lack of availability of data, the need of professional training and deficiency of knowledge of the models and demand forecasting tools appear as major barriers to development of demand forecasts. KEYWORDS: Demand Management, Demand Forecasting, Brazilian Automotive Supply Chain, Survey. LISTA DE FIGURAS Figura 1 - Perfil das publicações com a palavra-chave “Demand Forecasting”: (a) artigos publicados por ano; (b) citações em cada ano. ......................................................................... 17 Figura 2 - Perfil das publicações com as palavras-chave: Demand Forecasting e Automotive: (a) artigos publicados por ano; (b) citações em cada ano. ............................................................... 17 Figura 3 - Etapas de estruturação de um survey. ...................................................................... 19 Figura 4 - Estrutura de uma rede típica da cadeia de suprimentos. .......................................... 22 Figura 5 - Modelo Conceitual de Gerenciamento da Cadeia de Suprimento. .......................... 24 Figura 6 - Empresas fabricantes de máquinas agrícolas e rodoviárias. .................................... 27 Figura 7 - Empresas fabricantes de autoveículos ..................................................................... 27 Figura 8 - Indústria automobilística brasileira em grandes números........................................ 28 Figura 9 - Vendas líquidas e percentuais de participação da indústria automotiva no PIB industrial – 1966 / 2012 ............................................................................................................ 30 Figura 10 - Distribuição das empresas conforme o faturamento de 2014. ............................... 31 Figura 11 - Processo de S&OP ................................................................................................. 34 Figura 12 - Modelo de CPFR ................................................................................................... 38 Figura 13 - Segmentação de produtos para determinar o modelo de previsão apropriado. ..... 42 Figura 14 - Características de uma série temporal ................................................................... 44 Figura 15 - Formulação das conjecturas a partir do método hipotético-dedutivo. ................... 53 Figura 16 - Questionário – Survey Monkey – Caracterização da Empresa – Parte 1. .............. 61 Figura 17 - Questionário – Survey Monkey – Caracterização da Empresa – Parte 2 ............... 61 Figura 18 - Questionário – Survey Monkey – Questão 1- Parte 1. .......................................... 62 Figura 19 - Questionário – Survey Monkey – Questão 1 – Parte 2. ......................................... 62 Figura 20 - Questionário – Survey Monkey – Questão 2 ......................................................... 62 Figura 21 - Questionário – Survey Monkey – Questão 3 ......................................................... 63 Figura 22 - Questionário – Survey Monkey – Questão 4 ......................................................... 63 Figura 23 - Questionário – Survey Monkey – Questão 5 – Parte 1 .......................................... 64 Figura 24 - Questionário – Survey Monkey – Questão 5 – Parte 2 .......................................... 64 Figura 25 - Questionário – Survey Monkey – Questão 6 – Parte 1 .......................................... 65 Figura 26 - Questionário – Survey Monkey – Questão 6 – Parte 2 .......................................... 65 Figura 27 - Questionário – Survey Monkey – Questão 7 ......................................................... 65 Figura 28 - Questionário – Survey Monkey – Questão 8 ......................................................... 66 Figura 29 - Questionário – Survey Monkey – Questão 9 ......................................................... 66 Figura 30 - Questionário – Survey Monkey – Questão 10 ....................................................... 66 Figura 31 - Questionário – Survey Monkey – Questões 11 e 12 .............................................. 67 Figura 32 - Distribuição das empresas de acordo com o número de funcionários. .................. 69 Figura 33 – Distribuição Geográfica das unidades empresariais. ............................................ 69 Figura 34 – Faturamento Anual e distribuição percentual por destino .................................... 70 Figura 35– Distribuição das empresas respondentes do questionário conforme o estado de localização (N = 37). ................................................................................................................ 73 Figura 36 – Distribuição das empresas respondentes do questionário conforme o número de funcionários (N = 37). .............................................................................................................. 73 Figura 37 – Distribuição das empresas respondentes do questionário de acordo com a sua origem conforme o número de funcionários (N = 37). ............................................................. 73 Figura 38 – Distribuição das empresas respondentes do questionário conforme o número de modelos para previsão de demanda utilizados (N = 24). .......................................................... 76 Figura 39 – Distribuição das empresas respondentes do questionário de acordo com as dificuldades no uso de modelos de previsão de vendas, conforme a origem das empresas (N = 25). ............................................................................................................................................ 80 Figura 40– Distribuição das empresas respondentes do questionário de acordo com a identificação de variação, modificação ou cancelamento de pedidos já firmados (N = 26). ... 81 Figura 41– Distribuição das respostas (sim / não) das empresas às subquestões componentes da conjectura 8 (N = 26) ........................................................................................................... 82 LISTA DE QUADROS Quadro 1 - Vantagens e desvantagens das perguntas abertas e das perguntas fechadas. ......... 20 Quadro 2 - Atividades dos subprocessos estratégicos e operacionais. ..................................... 32 Quadro 3 - Vantagens e desvantagens da utilização de VMI. .................................................. 40 Quadro 4 - Correspondência entre as questões para coleta de dados e as respectivas conjecturas. ............................................................................................................................... 54 LISTA DE TABELAS Tabela 1 - Vendas de veículos por países – 2005 / 2014 (em mil veículos). ........................... 29 Tabela 2 - Produção de veículos por países – 2005 / 2014 (em mil veículos). ........................ 29 Tabela 3 – Cargos exercidos pelos respondentes do questionário (N = 37). ............................ 71 Tabela 4 – Localização das empresas respondentes do questionário (N = 37). ....................... 72 Tabela 5 – Setor de atuação das empresas respondentes do questionário (N = 37). ................ 74 Tabela 6 – Setor de atuação dos clientes das empresas (N = 37) ............................................. 74 Tabela 7 – Distribuição das empresas respondentes do questionário de acordo com o tipo de estratégia usada para gerenciamento de demanda (N = 22). .................................................... 75 Tabela 8– Distribuição das empresas respondentes do questionário de acordo com o modelo utilizado para elaboração da previsão de demanda (N = 24) .................................................... 76 Tabela 9– Distribuição das empresas respondentes do questionário de acordo com a frequência de realização / revisão das previsões (N = 24). ...................................................... 77 Tabela 10– Distribuição das empresas respondentes do questionário de acordo com aplicação em horizontes de curto, médio e longo prazo de métodos de previsão de demanda, conforme origem nacional e multinacional e número médio de funcionários (N = 25). .......................... 77 Tabela 11– Distribuição das empresas respondentes do questionário de acordo com as ferramentas de previsão de demanda utilizadas, conforme horizontes de curto, médio e longo prazo (N = 25). ......................................................................................................................... 78 Tabela 12 – Distribuição das empresas respondentes do questionário de acordo com as dificuldades isoladas e associadas no uso de modelos de previsão, conforme a origem das empresas (N = 25). ................................................................................................................... 79 Tabela 13– Distribuição das empresas respondentes do questionário de acordo com as estratégias de produção utilizadas, conforme a origem das empresas (N = 26). ...................... 81 Tabela 14– Distribuição das empresas respondentes do questionário de acordo com a frequência de variação relevante de pedidos já firmados dos clientes que declaram identificar (N = 23). ................................................................................................................................... 82 Tabela 15– Distribuição das respostas (sim / não) das empresas às subquestões componentes da conjectura 8 (N = 26) ........................................................................................................... 83 Tabela 16– Distribuição das empresas respondentes do questionário de acordo com o recebimento de pedidos via EDI dos clientes (N = 26). ........................................................... 84 Tabela 17– Distribuição das empresas respondentes do questionário de acordo com o envio de pedidos via EDI aos fornecedores (N = 26). ............................................................................ 85 Tabela 18– Distribuição das empresas respondentes do questionário de acordo com o tempo médio de atualização dos pedidos para o fornecedor em casos de variação de pedidos de clientes ou de necessidade de aumentos e cortes de programas devidos a mudanças do mercado (N = 26). ..................................................................................................................... 85 SUMÁRIO 1 INTRODUÇÃO ............................................................................................................ 15 1.1 CONTEXTUALIZAÇÃO DO PROBLEMA .............................................................. 15 1.2 OBJETIVOS, DELIMITAÇÃO E JUSTIFICATIVA ................................................. 16 1.3 MÉTODO DE PEQUISA ............................................................................................ 18 1.4 ESTRUTURA DO TRABALHO ................................................................................ 20 2 FUNDAMENTAÇÃO TEÓRICA ................................................................................ 22 2.1 GERENCIAMENTO DA CADEIA DE SUPRIMENTOS ......................................... 22 2.1.1 Efeito Chicote .............................................................................................................. 25 2.1.2 Estoques ....................................................................................................................... 25 2.1.3 Cadeia de Suprimentos Automotiva ......................................................................... 26 2.3 GESTÃO DA DEMANDA ......................................................................................... 31 2.4 T T T SUPRIMENTOS .......................................................................................................... 33 2.2.1 Sales & Operations Planning (S&OP) ....................................................................... 33 2.2.2 Collaborative Planning, Forecasting, and Replenishment (CPFR) .......................... 36 2.2.3 Vendor Managed Inventory (VMI) ............................................................................. 38 2.4 PREVISÃO DE DEMANDA ...................................................................................... 40 2.4.1 Indicadores de erro nas previsões ............................................................................. 42 2.5 TÉCNICAS DE PREVISÃO DE DEMANDA POR SÉRIES TEMPORAIS ............ 44 2.5.1 Média Móvel Simples ................................................................................................. 45 2.5.2 Método da Suavização Exponencial .......................................................................... 45 2.5.3 Método de Box e Jenkins (ARIMA) .......................................................................... 46 2.6 TÉCNICAS DE PREVISÃO DE DEMANDA POR CAUSA E EFEITO .................. 47 2.6.1 Regressão Linear Simples .......................................................................................... 47 2.6.2 Redes Neurais Artificiais ............................................................................................ 48 2.7 TÉCNICAS DE PREVISÃO POR JULGAMENTO .................................................. 49 2.7.1 Delphi ........................................................................................................................... 49 2.7.2 Pesquisa de Mercado .................................................................................................. 49 2.7.3 Opinião da Força de Vendas ...................................................................................... 50 3 DESENVOLVIMENTO DA PESQUISA .................................................................... 52 3.1 CONJECTURAS DA PESQUISA .............................................................................. 52 3.2 INFORMAÇÃO SOBRE AS EMPRESAS PESQUISADAS ..................................... 54 3.3 CONSTRUÇÃO E VALIDAÇÃO DO QUESTIONÁRIO ........................................ 54 3.3.1 Elaboração das questões ............................................................................................. 54 3.3.2 Estrutura do questionário .......................................................................................... 60 3.3.3 Teste-piloto .................................................................................................................. 67 3.3.4 Coleta de Dados ........................................................................................................... 68 3.3.5 Descrição da População .............................................................................................. 68 3.3.6 Tratamento dos Dados ............................................................................................... 70 4 RESULTADOS ............................................................................................................ 71 4.1 DESCRIÇÃO DA AMOSTRA ................................................................................... 71 4.2 ANÁLISE DAS CONJECTURAS .............................................................................. 74 4.2.1 Análise da Conjectura 1: As empresas da cadeia de suprimento automotiva fazem a gestão da demanda e utilizam estratégias como CPFR e S&OP ..................................... 74 4.2.2 Análise da Conjectura 2: As empresas da cadeia de suprimento automotiva utilizam os modelos de séries temporais, de causa e efeito ou de julgamento para elaboração da previsão de demanda ..................................................................................... 75 4.2.3 Análise da Conjectura 3: As autopeças utilizam ferramentas de previsão de demanda apenas para os horizontes de médio e longo prazo, de forma a utilizar o curto prazo os pedidos dentro do período firme com a montadora, ou seja, período em que não poderia haver variações ......................................................................................................... 77 4.2.4 Análise da Conjectura 4: A utilização de softwares específicos é feita apenas por empresas de grande porte da cadeia de suprimento em decorrência do valor de investimento e manutenção desses para a elaboração da previsão de demanda ............. 78 4.2.5 Análise da Conjectura 5: O entendimento e o uso, além da obtenção dos dados, são as principais dificuldades encontradas no uso de modelos de previsão de vendas .... 79 4.2.6 Análise da Conjectura 6: A indústria automotiva utiliza as duas estratégias de produção MTO e MTS ........................................................................................................... 81 4.2.7 Análise da Conjectura 7: Apesar de um horizonte de pedidos firmes, há variação relevante de demanda no curto prazo................................................................................... 81 4.2.8 Análise da Conjectura 8: A instabilidade na variação da demanda contribui de maneira efetiva para a construção de estoques de materiais ao longo da cadeia, aumentando, portanto, o desperdício e acentuando os custos de manutenção de inventários de segurança para atendimento aos clientes .................................................... 82 4.2.9 Análise da Conjectura 9: EDI é uma ferramenta utilizada nas indústrias da cadeia de suprimento de forma a agilizar a transmissão dos dados de demanda entre montadora e fornecedores ..................................................................................................... 84 4.3 SÍNTESE DOS RESULTADOS ................................................................................. 85 5 CONCLUSÕES ..................................................................................................................... 87 REFERÊNCIAS ....................................................................................................................... 88 APÊNDICE A - SÍNTESE DE PUBLICAÇÕES ANALISADAS. ......................................... 94 APÊNDICE B – CARTA AOS RESPONDENTES .............................................................. 102 15 1 INTRODUÇÃO 1.1 CONTEXTUALIZAÇÃO DO PROBLEMA Previsões de demanda desempenham papel-chave em diversas áreas na gestão das organizações. A área financeira, por exemplo, planeja a necessidade de recursos, analisando previsões de demanda de longo prazo; as mesmas previsões também servem às áreas de recursos humanos e marketing no planejamento de modificações no nível da força de trabalho e no agendamento de promoções de vendas (KRAJEWSKI; RITZMAN, 1999). Os modelos de previsão são métodos que nos permitem estimar valores futuros, por meio de procedimentos qualitativos ou quantitativos (SAMOHYL et al., 2008). Kotler (2000) reforça essa importância ao mencionar que mensurar demandas futuras é uma ferramenta importante para diversos fins dentro de uma organização, como, por exemplo, para a aquisição de matérias-primas, para o cálculo do custo do produto e para o planejamento da produção. É muito importante que a empresa saiba utilizar todas as ferramentas disponíveis para conseguir antecipar a demanda futura com alguma precisão. Isso pode envolver, formar e manter uma base de dados de históricos de vendas, assim como informações que expliquem suas variações e comportamentos no passado. A utilização de modelos matemáticos adequados ajuda a explicar o comportamento da demanda, a compreender como os fatores ou variáveis internas e externas interferem e influenciam no comportamento da demanda, a coletar informações relevantes do mercado e, portanto, a ser capaz de derivar daí uma estimativa da demanda futura (CORRÊA et al., 1997). Sharma (2009) afirma que para os fornecedores está cada vez mais difícil atingir as expectativas dos clientes, incluindo a expectativa de preço sem uma precisa previsão de demanda e seu efetivo gerenciamento. A previsão de demanda é uma das ferramentas fundamentais para alcançar níveis altos de desempenho. Segundo Furtado (2006), a pesquisa por modelos que permitam prever quantitativamente uma variável e medir a qualidade dessa previsão é um diferencial que está sendo, atualmente, cada vez mais utilizado por empresas de todos os portes. Por meio de ferramentas como essa, podem-se antecipar cenários futuros para planejar, alocar e dimensionar recursos, de modo a tentar reduzir gastos desnecessários com decisões equivocadas. Porém, muitos gestores acreditam que sua experiência e seu conhecimento no ramo em 16 que atuam lhes tornam suficientemente capazes de estimar previsões futuras, e as julgam mais precisas do que aquelas decorrentes de métodos quantitativos. No entanto, a realização de um estudo para identificar o melhor modelo de previsão é capaz de prever melhores resultados, podendo diminuir os erros pela metade (SAMOHYL et al., 2008). Uma vez que a gestão da demanda e as elaborações de previsões assertivas têm se tornado cada vez mais relevantes, e dada a sua grande importância para uma melhor gestão e melhor resultado das empresas, a questão de pesquisa que norteia este trabalho é: Como está senda tratada a gestão da demanda nas empresas do setor automotivo no Brasil? 1.2 OBJETIVOS, DELIMITAÇÃO E JUSTIFICATIVA O objetivo deste estudo avaliar o panorama atual das práticas de previsão e de gestão de demanda nas indústrias da cadeia de suprimentos automotiva. Para a consecução do objetivo geral, foram definidos os seguintes objetivos específicos:  Analisar o processo de gestão da demanda das indústrias do setor automotivo;  Identificar de que forma as empresas da cadeia de suprimento automotiva gerenciam essas demandas, lidam com variações e formam previsões de demanda;  Evidenciar similaridades e diferenças entre as empresas pesquisadas. Em relação às delimitações, esta pesquisa se restringe apenas as empresas da cadeia de suprimento automotiva brasileira, entre elas montadoras de automóveis e fabricantes de autopeças. Uma análise dos gráficos gerados pela plataforma ISI Web of Science demonstra um aumento, nos últimos anos, do interesse pelo tema Demand Forecasting, como indicam o gráfico de publicações (Figura 1a) e o gráfico de citações (Figura 1b), que apresentam o número de publicações por ano e a quantidade de artigos da plataforma que foram utilizados como referência em outras pesquisas, respectivamente. 17 Figura 1 - Perfil das publicações com a palavra-chave “Demand Forecasting”: (a) artigos publicados por ano; (b) citações em cada ano. (a) (b) Fonte: Adaptado de Web of Science (2015). Mesmo com o crescente interesse da comunidade acadêmica sobre Demand Forecasting, quando se realiza uma busca cruzando as palavras-chave Demand Forecasting e Automotive, observa-se através dos gráficos de publicações (Figura 2a) e de citações (Figura 2b) que há poucos trabalhos que tratam deste tema dentro da cadeia de suprimentos automotiva, totalizando um montante de apenas oito artigos nos últimos dez anos. Figura 2 - Perfil das publicações com as palavras-chave: Demand Forecasting e Automotive: (a) artigos publicados por ano; (b) citações em cada ano. (a) (b) Fonte: Adaptado de Web of Science (2015). 18 Portanto, este trabalho também se justifica pelo fato do tema previsão da demanda na indústria automotiva estar sendo pouco explorado no meio acadêmico, frente à importância do setor automotivo na produção acadêmica, com 118.272 publicações no mesmo período (mesmos critérios das Figuras 1 e 2 para o Web of Science), bem como à importância da indústria automotiva brasileira, objeto de estudo deste trabalho, que hoje representa o quarto mercado mundial em vendas, oitavo em produção mundial, e que registrou 23% de participação no PIB industrial em 2013, conforme será melhor detalhado na subseção 2.1.3. 1.3 MÉTODO DE PEQUISA Segundo Thiollent , metodologia entendida como uma disciplina que se relaciona com a filosofia da ciência. Seu objetivo consiste em analisar as características dos vários métodos disponíveis, avaliar suas capacidades, potencialidades, limitações ou distorções, e criticar os pressupostos ou as implicações de sua utilização. A metodologia lida com a avaliação de técnicas de pesquisa e com a geração ou a experimentação de novos métodos que remetem aos modos efetivos de captar e processar informações, e de resolver diversas categorias de problemas teóricos e práticos da investigação. sta pesquisa tem natureza aplicada , , uma vez que os conhecimentos adquiridos podem ser usados para aplicação prática voltada para a solução de problemas. Do ponto de vista, da estratégia metodológica, esta pesquisa abordará aspectos qualitativos e quantitativos (DESLANDES, 2000), pois apresenta soluções a questões particulares, trabalhando com um nível de realidade que não pode ser totalmente quantificado, isto , com motivos, crenças, valores, comportamentos e percepções individuais, assim como utilizará instrumental estatístico como base para analisar o problema. Quanto ao objetivo, esta pesquisa é exploratória, o que, segundo Gil (2007), proporciona maior familiaridade com o problema, com vistas a torná-lo mais explícito ou a construir hipóteses. Para a presente pesquisa, utilizou-se levantamento do tipo survey, Figura 3, que, segundo Miguel (2012), tem sido usado para pesquisar fenômenos em diferentes áreas da engenharia de produção. Esse levantamento do tipo survey permite obter um panorama sobre o fenômeno conforme as variáveis definidas. Um survey pode variar conforme seu objetivo principal, podendo ser exploratório, descritivo ou explanatório (FORZA, 2002). 19 Nesta pesquisa será utilizado o survey do tipo explanatório, uma vez que a coleta de dados será conduzida com o objetivo específico de testar a adequação das variáveis relacionadas ao fenômeno, e serão testadas hipóteses construídas para tal (MIGUEL, 2012). Figura 3 - Etapas de estruturação de um survey. Fonte: Adaptado de Forza (2002). Para esta pesquisa, adotou-se o questionário como instrumento de coleta de dados, o qual foi construído a partir de conjecturas enunciadas com base no referencial teórico e nas questões de pesquisa. Um teste-piloto foi realizado para identificar falhas ou incoerências e para entender se o tempo para respondê-lo estaria adequado e se o questionário conseguiria abarcar as questões de pesquisa. Este teste-piloto será detalhado na subseção 4.3. O questionário é um instrumento de coleta de dados muito usado, no qual o informante responde por escrito às questões que foram previamente elaboradas. Gil (2002) recomenda 20 que ele seja: 1 - Preferencialmente, composto de perguntas fechadas; 2 - Com perguntas que se refiram a uma única ideia de cada vez; 3 - Iniciado com perguntas simples e finalizado com as mais complexas; 4 - Com número de perguntas limitado ao tempo de resposta restrito dos respondentes; 5 - Com perguntas que favoreçam os procedimentos de tabulação e análise de dados; 6 - Com questões que estejam relacionadas com as conjecturas da pesquisa. Em relação aos tipos de pergunta, Hill e Hill (1998) sintetizam as vantagens e desvantagens de cada tipo de pergunta, conforme o Quadro 1. Quadro 1 - Vantagens e desvantagens das perguntas abertas e das perguntas fechadas. Tipo de pergunta Vantagens Desvantagens Perguntas Abertas  Podem fornecer mais informação;  Muitas vezes geram informação mais “rica” e detalhada;  Por vezes fornecem informação inesperada.  Muitas vezes as respostas têm de ser interpretadas;  É preciso muito tempo para codificar as respostas;  Normalmente é preciso utilizar pelo menos dois avaliadores na “interpretação” e codificação das respostas;  As respostas são mais difíceis de analisar numa maneira estatisticamente sofisticada e a análise requer muito tempo; Perguntas Fechadas  É fácil aplicar técnicas estatísticas para analisar as respostas;  Muitas vezes é possível analisar os dados de maneira sofisticada.  Por vezes a informação das respostas é pouco “rica”;  Por vezes as respostas conduzem a conclusões simples demais. Fonte: Adaptado de Hill; Hill (1998). 1.4 ESTRUTURA DO TRABALHO Neste capítulo 1 foi realizada uma breve introdução sobre o trabalho desenvolvido, os objetivos, a justificativa, o método de pesquisa e a estrutura deste trabalho. No capítulo 2 é apresentada a revisão bibliográfica, que descreve tópicos sobre Cadeia de Suprimentos, dados da Indústria de Automóveis, Planejamento da Produção, e ferramentas para gerenciamento e elaboração de Previsões de Demanda. No capítulo 3 discorre sobre o desenvolvimento da pesquisa, contendo as etapas de elaboração das conjecturas e perguntas, o desenvolvimento da ferramenta de coleta de dados, 21 a execução do teste piloto, a coleta de dados e a descrição da população. No capítulo 4 apresentam-se os resultados encontrados, a discussão e análises de cada resultado da pesquisa, bem como cada conjectura elaborada. No capítulo 5 se discorre sobre as conclusões sobre o trabalho realizado, além de sugestões para estudos futuros. 22 2 FUNDAMENTAÇÃO TEÓRICA 2.1 GERENCIAMENTO DA CADEIA DE SUPRIMENTOS Segundo Moreira (2014), os termos Cadeia de Suprimentos (Supply Chain) e Gerência da Cadeia de Suprimentos (Supply Chain Management - SCM) apareceram no início da década de 1990 no mundo dos negócios. A Cadeia de Suprimentos definida como o conjunto de atividades que envolvem a distribuição do produto para o consumidor final, desde a aquisição de matéria-prima, manufatura e montagem, armazenagem, controle de estoques, controle de entrada e saída de materiais, distribuição entre os elos da cadeia, entrega ao consumidor, e também o sistema de informações envolvido (LUMMUS; VOKURKA, 1999). Beamon (1999) entende a Cadeia de Suprimentos como um processo integrado, em que a matéria-prima é transformada em produto final que é, então, entregue aos clientes (via distribuição, varejo ou ambos). Para Mentzer et al. (2001), a Cadeia de Suprimentos é definida como um conjunto de três ou mais entidades diretamente envolvidas no fluxo de produtos, serviços, finanças e/ou informação desde uma fonte até o consumidor final, observada a partir da Figura 4, que apresenta uma estrutura-padrão de conexão de uma Cadeia de Suprimentos: Figura 4 - Estrutura de uma rede típica da cadeia de suprimentos. Fonte: Adaptado de Lambert et al. (1998) Cecatto (2003) define que o SCM consiste em aprimorar e desenvolver todas as Empresa focal Empresas pertencentes à Cadeia de suprimento focal Cliente Tier 1 Cliente Tier 2 Cliente Tier 3/ Cliente Final Fornecedor Tier 1 Fornecedor Tier 2 Fornecedor Tier 3 até Fornecedor Inicial F o rn ec ed o r In ic ia l F o rn ec ed o r T ie r 3 C li en te I n ic ia l C li en te T ie r 3 a 23 atividades relacionadas com o fluxo e transformação de produtos e serviços associados, desde a obtenção de matérias-primas até a chegada do produto ao usuário final, bem como os fluxos de informação relacionados e a geração de valor para todos os componentes da cadeia. Chistopher (1997) entende que o SCM é como a gestão e a coordenação dos fluxos de informações e materiais entre a fonte e os usuários como um sistema, de forma integrada. A ligação entre cada fase do processo, à medida que os produtos e materiais se deslocam em direção ao consumidor, é baseada na otimização, ou seja, na maximização do serviço ao cliente, enquanto se reduzem os custos e os ativos detidos no fluxo logístico. Para Tan et al. (2002), o SCM consiste em uma filosofia de gestão que perpassa as atividades internas da empresa e busca alcançar objetivos comuns a todos os agentes envolvidos, por meio de colaboração e parcerias. Para Krajewski et al. (2009), o gerenciamento da cadeia de suprimento visa a desenvolver uma estratégia para organizar, controlar e determinar os recursos envolvidos no fluxo de serviços e materiais no interior da cadeia de suprimentos. Rodrigues (2004) aborda em seu conceito de SCM a integração de todos os processos, desde a fabricação até a distribuição do produto, com o intuito de otimizar custos para o fabricante e agregar valor ao consumidor final, por meio de funções que atendam às suas necessidades, tendo todo esse processo que acontecer em tempo rápido de resposta, desde o atendimento do pedido até a entrega do produto. Ballou (2006) afirma que o SCM destaca as interações que ocorrem entre as funções marketing, logística e produção no âmbito de uma empresa, e essas mesmas interações entre as empresas no âmbito do canal de fluxo de produtos. O mesmo autor não considera o SCM uma abordagem nova, reconhece que a sua base é formada pela incorporação de muitas áreas da logística, e acredita que se trata de um processo evolutivo em que a transferência de mercadorias de uma empresa para outra exige coordenação de demanda e de fornecimento ao longo da rede (BALLOU, 2007), Cooper et al. (1997) alertam, no entanto, que o conceito de SCM não pode ser confundido com o conceito de logística, como acreditam alguns autores, pois essa confusão conceitual reduz a importância de se atingirem níveis mais amplos de integração entre as empresas. Ou seja, fator importante no conceito de SCM é representado pela construção e pelo gerenciamento do relacionamento entre os membros da cadeia, já que o gerenciamento de uma cadeia integrada por parceiros é diferente do gerenciamento de uma empresa que atua de forma isolada. Após um vasto estudo das várias definições de SCM, Mentzer et al. (2001) propõem que 24 o Gerenciamento da Cadeia de Suprimentos seja definido como a coordenação estratégica das tradicionais funções de negócios e das táticas ao longo dessas funções de negócios no âmbito de uma determinada empresa, e ao longo dos negócios da cadeia de suprimentos em que essa empresa está inserida, com o objetivo de aperfeiçoar o desempenho de longo prazo das empresas isoladamente e da cadeia de suprimentos como um todo. Para melhor ilustrar essa definição, Mentzer et al. (2001) desenvolveram um modelo conceitual ilustrado na Figura 5 (ver página seguinte), na qual a cadeia de suprimentos pode ser visualizada como um canal em que as funções tradicionais de Marketing, Vendas, Pesquisa e Desenvolvimento, Sistemas da Informação, Finanças e Serviços aos Clientes gerenciam e atingem esses fluxos desde o fornecedor do fornecedor até o cliente final, provendo valor e satisfazendo o cliente. Estudos conduzidos por Li et al. (2006) e por Kotzab et al. (2011) evidenciaram que, da execução eficaz do SCM, podem decorrer melhoras no desempenho das empresas, principalmente em consequência da maior integração de processos de negócios internos e externos, o que também conduz a uma maior vantagem competitiva que, segundo Brito e Berardi (2010), pode manifestar-se no desempenho da empresa, embora não se confunda com ele. Figura 5 - Modelo Conceitual de Gerenciamento da Cadeia de Suprimento. Fonte: Adaptado de Mentzer et al. (2001) 25 2.1.1 Efeito Chicote Um dos fenômenos mais discutidos em gestão da cadeia de suprimentos, no meio tanto acadêmico quanto empresarial, tem sido o denominado “efeito chicote” do Inglês bullwhip effect). Segundo Fioriolli e Fogliatto (2009), o efeito chicote é um fenômeno importante presente nas cadeias de suprimentos, observado quando a variabilidade da demanda aumenta à medida que se avança pelos níveis da cadeia, desde o varejista até o fabricante, produzindo impactos negativos sobre a regularidade e a estabilidade dos pedidos recebidos em todos os seus níveis, como exemplificado por Kurt Salmon Associates (1993): se um fabricante observa apenas os seus pedidos, pode ser enganado pelos padrões amplificados de demanda, o que traz implicações graves em custo, como o excesso de estoque de matérias-primas; custos adicionais de produção e armazenagem devido ao excesso de capacidade para atender a essa demanda amplificada; a utilização ineficiente dos recursos produtivos; além dos custos adicionais de transporte devidos à programação ineficiente e das taxas de transporte especial. Lee et al. (1997), Henry (2007) e Paik e Bagchi (2007) indicam como principais causas do efeito chicote a variabilidade da demanda, problemas de qualidade, fatores externos (greves, incêndios etc.) combinados com atrasos na transmissão ou mesmo falta de informação ao longo da cadeia, negligência aos pedidos na tentativa de reduzir inventários, e longos ciclos de processamento, além da falta de coordenação nos demais elos da cadeia de suprimentos. Reid e Sanders (2005) adicionam, também, que cada membro da cadeia de suprimento faz sua previsão de demanda revendo o nível de estoques e a expectativa de demanda futura, e que, como cada elo da cadeia coloca um pedido para seu fornecedor imediato, essa variação é amplificada e, muitas vezes, não reflete o volume do consumidor final. Lustosa et al. (2008) afirmam que as oscilações de demanda a montante da cadeia de suprimentos devem ser maiores que aquelas observadas no varejo, devido à política de compras e/ou produção em grandes lotes. 2.1.2 Estoques Um propósito fundamental do projeto da cadeia de suprimentos para a manufatura é o controle de estoques por meio da administração do fluxo de materiais (KRAJEWSKI et al., 2009). Para Moreira (2014), estoque é todo produto acabado, matéria-prima ou componentes 26 usados na produção, que são acondicionados de forma inativa por um determinado período de tempo. Segundo Tubino (2009), os estoques de matéria-prima são gerados para evitar que a produção fique parada em decorrência de atrasos de fornecedores. Da mesma forma, são criados estoques de produtos em processos para evitar que uma etapa de produção antecessora pare as atividades da etapa posterior, já os produtos acabados são estocados de forma que, mesmo com possíveis paradas na produção, a empresa possa atender o mercado consumidor e também objetivam atender pequenas variações de demandas do mercado consumidor. A manutenção de um nível eficiente de estoques é útil para o aumento do giro (turnover) do estoque nas empresas, ou seja, níveis reduzidos de estoque auxiliam a aumentar o seu giro, ainda que seja necessário estoque de segurança para que as empresas se protejam das incertezas que são inerentes a processos de compra e venda (AMIRJABBARI; BHUIYAN, 2014). Estipular os níveis adequados de estoque envolve vários riscos, pela dificuldade de estabelecer com precisão a quantidade desejada pelo cliente, por problemas ao estabelecer o valor necessário para manter em estoque e, principalmente, pela dificuldade de prever com exatidão a chegada da matéria-prima para produção. Para diminuir os riscos, é essencial efetuar o cálculo da previsão de demanda e antever o tempo de ressuprimento (HONG, 2008). Afonso et al. (2011) discorrem sobre a relevância da aplicação das metodologias de previsão de demanda na gestão de estoque, pois as reduções de custos que as aplicações das técnicas permitem alcançar são fundamentais para investimentos futuros em outras áreas da organização. Segundo Ballou (2006), a natureza da demanda ao longo do tempo desempenha papel significativo na determinação de como controlar os níveis de estoques. 2.1.3 Cadeia de Suprimentos Automotiva A Associação Nacional dos Fabricantes de Veículos Automotores – ANFAVEA – é a entidade que reúne as empresas fabricantes de autoveículos (automóveis, comerciais leves, caminhões e ônibus) e máquinas agrícolas (tratores de rodas e de esteiras, colheitadeiras e retroescavadeiras) com instalações industriais e produção no Brasil. Fundada em 15 de maio de 1956, entre as principais atribuições da entidade estão: estudar temas da indústria e do mercado de autoveículos e máquinas agrícolas automotrizes, coordenar e defender os interesses coletivos das empresas associadas, participar, patrocinar ou apoiar em caráter institucional eventos e exposições ligados à indústria, e compilar e divulgar 27 dados de desempenho do setor. Nas Figuras 6 e 7 estão apresentadas todas as montadoras de veículos automotores associadas a ANFAVEA, e os tipos de veículos que cada montadora produz. Figura 6 - Empresas fabricantes de máquinas agrícolas e rodoviárias. Fonte: Retirado de Anuário da Indústria Automobilística Brasileira – ANFAVEA, 2015. Figura 7 - Empresas fabricantes de autoveículos Fonte: Retirado de Anuário da Indústria Automobilística Brasileira – ANFAVEA, 2015. De acordo com a ANFAVEA, a indústria automobilística brasileira é composta de 31 fabricantes com 64 plantas fabris e capacidade de produção total de 4,5 milhões de unidades 28 por ano. Essas montadoras são abastecidas por 500 fornecedores de autopeças. O faturamento total da indústria automotiva, incluindo as montadoras e autopeças, somou em torno de US$ 100,9 bilhões em 2013, como pode ser visualizado na Figura 8. Figura 8 - Indústria automobilística brasileira em grandes números. Fonte: Retirado de Anuário da Indústria Automobilística Brasileira – ANFAVEA, 2015. Nas Tabelas 1 e 2 é possível observar a relevância do mercado de automotores brasileiro no cenário mundial. No ano de 2014 foi o quarto mercado em vendas e o oitavo em produção de veículos. 29 Tabela 1 - Vendas de veículos por países – 2005 / 2014 (em mil veículos). Fonte: OICA (2015). Tabela 2 - Produção de veículos por países – 2005 / 2014 (em mil veículos). Fonte: OICA (2015). A importância crescente da indústria automotiva na participação no PIB industrial brasileiro é observada na Figura 9, que apresenta a evolução dessa participação do faturamento do mercado automotivo em relação ao PIB industrial brasileiro; em 2013, conforme dados da ANFAVEA, registrou 23% de participação no PIB industrial. 30 Figura 9 - Vendas líquidas e percentuais de participação da indústria automotiva no PIB industrial – 1966 / 2012 Fonte: Retirado de Desempenho do Setor de Autopeças – SINDIPEÇAS, 2015. Quanto ao setor fabricante de autopeças no Brasil, as empresas, em quase sua totalidade, estão associadas ao Sindicato Nacional da Indústria de Componentes para Veículos Automotores – SINDIPEÇAS e à Associação Nacional da Indústria de Autopeças – ABIPEÇAS, os quais atuam diretamente no desenvolvimento e no fortalecimento do setor, que reúne empresas de pequeno, médio e grande porte. O SINDIPEÇAS junto com a ABIPEÇAS atuam nas atividades de:  levantamentos e estudos apresentados ao governo e aos outros elos da cadeia produtiva, a fim de melhorar o desempenho das empresas associadas;  apoio na área de comércio exterior, oferecendo informações sobre legislação e características de mercado de países que possam comprar autopeças brasileiras;  linhas de financiamento especiais para o setor de autopeças, como resultado de insistente tra alho de levantamento de necessidades e de cen rios de possi ilidades feito pelo indipe as e pela ipe as  estudo da frota circulante brasileira, levantamento de mercado mais preciso sobre quantidade por modelo, em todos os detalhes possíveis, e idade média dos veículos que circulam por ruas e estradas brasileiras;  publicação do Desempenho do Setor de Autopeças, anuário com os principais indicadores da indústria brasileira de autopeças e dados de produção de veículos no Brasil e nos outros principais países produtores;  cursos, treinamentos e palestras nas áreas de produtividade industrial, recursos humanos, vendas, administrativa e outras;  apoio técnico ao governo brasileiro na definição de acordos comerciais com países e a 31 blocos econômicos;  assessoria jurídica nas áreas tributária, fiscal e trabalhista: consultoria nas questões setoriais gerais e orientação em casos específicos. Segundo dados de 2015 apresentados pelo SINDIPEÇAS, são 583 empresas autopeças associadas, de capital nacional, estrangeiro ou misto, conforme ilustrado na Figura 10. Figura 10 - Distribuição das empresas conforme o faturamento de 2014. Fonte: Retirado de Desempenho do Setor de Autopeças – SINDIPEÇAS (2015) 2.3 GESTÃO DA DEMANDA Lustosa et al. (2008) definem demanda como a disposição dos clientes ao consumo de bens e serviços ofertados por uma organização. De acordo com Mentzer et al. (2001 , a gestão da demanda a cria ão de um flu o coordenado de demanda entre os membros da cadeia de suprimentos e seus mercados. Entretanto, apesar dos benefícios da integração e da colaboração entre os membros da cadeia de suprimentos, poucas empresas conseguem alcançar um bom potencial de integração. A gestão da demanda inclui atividades que determinam desde a estimativa de demanda dos clientes at a conversão de ordens de compra em datas de entrega estimadas (VOLLMANN et al., 2005). Segundo Ballou (2006), isso ocorre provavelmente devido às dificuldades para se alcançar colaboração efetiva e também à algumas limitações como, por exemplo, resistência no compartilhamento de informações. O processo de gerenciamento de demanda deve balancear os requisitos do cliente com a capacidade de fornecimento da empresa. Parte da Gestão da Demanda envolve tentativas de determinar o que e quando os clientes comprarão. Um bom sistema de Gestão de Demanda usa PDV (Ponto de Venda) e informações-chave do cliente para reduzir a incerteza e prover fluxo eficiente na cadeia de suprimento. Em sistemas e aplicações mais avançados, a demanda do cliente e as taxas de produção são sincronizadas para gerenciar inventários globalmente e 32 de forma integrada (LAMBERT; COOPER, 2000). Segundo Croxton et al. (2002), o processo de gestão de demanda consiste em subprocessos operacionais e estratégicos que objetivam:  determinar a previsão de vendas;  sincronizar a previsão de vendas com a capacidade da empresa e a cadeia de suprimentos;  incorporar a estratégia da organização; e  mapear as necessidades dos consumidores. Nos processos estratégicos é estabelecida a estrutura para gerenciamento do processo, o qual é necessariamente o primeiro passo na integração da empresa com as outras empresas da cadeia de suprimento. Já na parte operacional, é onde as atividades do dia-a-dia são executadas e onde realmente é realizada a Gestão da Demanda (CROXTON et al., 2002). O Quadro 2 discrimina as atividades de cada subprocesso de Gestão de Demanda. Quadro 2 - Atividades dos subprocessos estratégicos e operacionais. Fonte: Adaptado de Croxton et al. (2002). 33 Croxton et al. (2002) explicam que todos esses subprocessos que compreendem o processo de gerenciamento de demanda são liderados por gerentes de diversas áreas da empresa, incluindo marketing, finanças, produção, compras e logística. Inclusive, a equipe deve incluir membros de fora da empresa como, por exemplo, um fornecedor-chave ou provedor de serviços. Essa equipe tem a responsabilidade de gerenciar o processo tanto no âmbito estratégico quanto no operacional, naturalmente com o suporte de outros funcionários da empresa na execução de atividades do dia a dia. 2.4 T T T SUPRIMENTOS Almeida (2014) sintetiza que o processo de Planejamento de Vendas e Operações (Sales and Operations Planning – S&OP) está relacionado com a colaboração interna da empresa, que reúne diversas áreas da empresa. Por sua vez, os processos colaborativos CPFR (Collaborative Planning, Forecasting, and Replenishment) e o sistema Vendor Managed Inventory (VMI) estão relacionados com a colaboração externa da empresa. O CPFR facilita a colaboração de informações de demanda entre empresas, e o VMI melhora o desempenho da Cadeia de Suprimentos, situação em que o fornecedor acessa dados de estoque de seu cliente e se responsabiliza em manter o nível de estoque necessário. Ainda de acordo com Almeida , uma das principais dificuldades para implementar as iniciativas de , e a falta de confian a e cola ora ão interna e externa que estão relacionadas com os princípios ou valores das empresas, o que desencadeia problemas de ressuprimento ineficaz em resposta às flutuações da demanda, dificuldade em gerenciar exceções e variações de volumes de vendas e ressuprimento, e falta de alinhamento entre as empresas da Cadeia de Suprimento. Na indústria, iniciativas como essas revelam o problema, evidenciando a decorrência nociva do efeito chicote sobre a eficiência das cadeias de suprimento. As empresas buscam reduzir as incertezas quanto à demanda na cadeia para reduzir o efeito chicote mudando o padrão de reposição de estoques, além de investir em ferramentas de tecnologia da informação (LEE et al., 2004). 2.2.1 Sales & Operations Planning (S&OP) De acordo com Wallace (2008), o Planejamento de Vendas e Operações (Sales & 34 Operations Planning – S&OP) é um processo de tomada de decisões que ajuda as empresas a proporcionarem atendimento satisfatório aos clientes e a conduzir melhor os negócios. Segundo Krajewski et al. (2009), S&OP é o processo de planejamento de níveis de recurso agregado ao futuro, que faz com que o suprimento esteja em equilíbrio com a demanda. Essa ferramenta auxilia no balanceamento da demanda e da oferta, e permite que o balanceamento seja conservado ao longo do processo produtivo, no qual é fundamental para melhor condução dos negócios, e é necessário que ocorra tanto em nível de volume agregado como em nível detalhado de mix de produtos (WALLACE, 2008). Olhager et al. (2001) dividem o processo de S&OP em duas áreas: planejamento de vendas e planejamento de produção. Essas duas áreas afetam os n veis de invent rios e ou pedidos em atraso e requerimentos de capacidade de produ ão ara os autores, o processo de o f rum onde estrat gias de diferentes fun es de uma empresa se encontram para estabelecer o planejamento de produção que economicamente atenda às necessidades de mercado e, ao mesmo tempo, suporte as estratégias e o planejamento financeiro de uma empresa. As sequências de etapas e decisões que compõem um processo de S&OP nas empresas propostas por Wallace (2004) e retratadas por Bremer et al. (2008) na realidade brasileira podem ser observadas na Figura 11. Figura 11 - Processo de S&OP Fonte: Adaptado de Wallace (2004). 35 Essas etapas e decisões apresentadas na Figura 11, segundo Wallace (2004), têm o objetivo de: 1. Execução dos relatórios de previsões de vendas: devem-se atualizar os arquivos com dados do período que finalizou, como dados de vendas reais, produção do período, níveis de estoques, carteiras de pedidos e entregas realizadas. A partir daí, o pessoal de marketing e vendas deve realizar novas previsões de vendas. 2. Planejamento da Demanda: a partir dos dados recebidos na fase 1, a área comercial (marketing e vendas) reveem as informações e geram novas previsões de demanda para os 12 ou mais meses seguintes, incluindo lançamentos de produtos, ações de marketing planejadas e outras atividades que possam influenciar a demanda. 3. Planejamento de Materiais e Capacidade: neste momento, são analisadas as capacidades, considerando as previsões enviadas na fase 2 e as planilhas do plano de S&OP atualizadas com o planejamento do período anterior. Para as análises de capacidade, são considerados níveis de estoque e restrições de produção, de armazenagem, de distribuição e de fornecedores em termos agregados. Como output desta fase temos a planilha de S&OP com as análises realizadas e relatórios de análise de capacidade, grosso modo, e uma lista de possíveis problemas de fornecimento. 4. Reunião de Pré-S&OP: são tomadas decisões de balanço entre demanda e fornecimento, analisando os problemas e as diferenças para que recomendações sejam preparadas para a reunião executiva de S&OP. Caso surjam problemas que não poderão ser solucionados, neste momento se define como tal situação será apresentada na reunião de S&OP, podendo, assim, desenvolver cenários que tratem de possíveis alternativas. Ainda nesta fase, define-se a agenda da reunião de S&OP, além de se analisar o desempenho da S&OP anterior. Como output desta fase, tem-se uma visão financeira atualizada do negócio, recomendações para cada família de produtos (como manter as previsões, aumentar ou diminuir os planos de vendas e de produção), impactos de lançamentos de produtos analisados, recomendações de alterações de recursos (como contratar pessoas), recomendações de mudanças na estratégia de suprimentos e a agenda para a próxima fase. 5. Reunião Executiva de S&OP: esta fase final é para onde convergem todas as anteriores. Neste momento são validadas ou rejeitadas as recomendações da fase 4: no caso de não serem aceitas, a escolha de um novo caminho é realizada. Esta fase final tem a participação da alta gerência, a qual fica incumbida de verificar se o resultado do processo de S&OP está alinhado com o planejamento estratégico do negócio. 36 De acordo com Volmann et al. (2006), o uso do S&OP pode gerar grandes benefícios nas empresas. Pode-se dividi-los em duas categorias: benefícios quantitativos, que podem ser mensurados rapidamente, e benefícios não quantitativos, que são mais subjetivos e menos quantificáveis, mas também de grande importância, como apresentado a seguir: a) Benefícios quantitativos:  Nível elevado de serviço: é a habilidade de enviar o pedido completo e a tempo;  Menor inventário de materiais acabados: conseguir atender aos pedidos dos clientes com menores inventários;  Menor tempo de espera entre o pedido e o recebimento: por meio de uma habilidade intensificada de administrar a carteira de pedidos do cliente e mantê-la a um nível baixo;  Taxas de produção mais estáveis: com a habilidade de prever antecipadamente os pedidos futuros da demanda dos clientes, pode-se ajustar as taxas de produção a níveis mais adequados;  Aumento da produtividade: evitar extremas variações no volume de produção com as dispensas e recontratações de funcionários. b) Benefícios não quantitativos:  Intensificação do trabalho em equipe: entre o nível tanto executivo assim como o operacional, resultado de maior visão holística da empresa a partir do S&OP;  Melhores decisões: S&OP promove alta eficiência na estrutura de tomada de decisão com base nos problemas de fornecimento e demanda com menor esforço e tempo;  Melhor controle e confiança: devido à possibilidade de visualizar o passado e o futuro. Todavia, estudo de caso conduzido por Tomas et al. (2012) em empresa multinacional brasileira revelou que, apesar de o S&OP ter se mostrado um processo consolidado e ter se caracterizado como um “processo-padrão avan ado” no caso estudado, não foi o servado estágio de maturidade plena do processo. Segundo esses autores, apesar de todas as vantagens do S&OP, poucos estudos têm se voltado para o nível de maturidade desse processo, especialmente no que tange às empresas brasileiras. 2.2.2 Collaborative Planning, Forecasting, and Replenishment (CPFR) Com base na definição elaborada pelos VICS – Voluntary Interindustry Commerce Standards (2004), CPFR é uma prática de negócio que combina a inteligência colaborativa de 37 múltiplas empresas no planejamento e no atendimento à demanda do cliente, além de conectar as melhores práticas de vendas e marketing ao planejamento da cadeia de suprimentos, aumentando a disponibilidade, enquanto reduz estoque, transporte e custos logísticos. Nas palavras de Vivaldini et al. (2008), trata-se de “uma prática intimamente atrelada à gestão do relacionamento da cadeia de suprimentos, em especial a partir da administração da demanda e dos pedidos de compra”. Segundo Quesada et al. (2008), CPFR promove a integração entre os participantes da cadeia de suprimento, contribuindo a agilizar a resposta perante a volatilidade da demanda, melhorar a qualidade das informações e o conhecimento operacional. O sucesso depende da existência de processos internos bem estruturados e operacionalizados, assim como uma relação bem estabelecida entre as empresas parceiras (PIRES, 2010). Chang et al. (2007) reforçam a importância da confiança entre os agentes da Cadeia de Suprimentos para o sucesso do CPFR. Para eles, os membros da Cadeia de Suprimentos formam uma organização virtual. Se um membro não atua, o outro pode atuar e diminuir o efeito sobre a demanda. O CPFR muda o relacionamento transacional (somente compra e venda, por exemplo) para o colaborativo com o cliente. Para isso, devem ser estabelecidos objetivos comuns, e o fornecedor e o cliente devem concordar com quais informações compartilharão, o que, segundo Cederlund et al. (2007), não é uma questão fácil de ser resolvida. Outro ponto importante levantado por Holmström et al. (2002) se refere aos meios de mensuração dos benefícios do CPFR, que é ferramenta importante de suporte para esse processo colaborativo. Para Fliedner (2003), a utilização do CPFR é mais comum em setores onde, a demanda é mais volátil e o mercado é bem competitivo. O modelo de referência de CPFR, conforme os VICS (2004), fornece uma visão geral para os aspectos colaborativos do processo de planejamento, previsão e reposição. A Figura 12 ilustra essa visão geral do processo, que pode ser aplicado por várias indústrias. O comprador e o vendedor, como participantes colaborativos, trabalham juntos para satisfazer o cliente final que está no centro do modelo. 38 Figura 12 - Modelo de CPFR Fonte: adaptada de VICS (2004) Os VICS (2004) consideram quatro atividades colaborativas para melhora do desempenho na Cadeia de Suprimentos:  Estratégia e planejamento: estabelecer regras para todos para o relacionamento colaborativo. Determinar o mix, o estágio e os planos de desenvolvimento dos produtos para um dado período.  Demanda e gestão do abastecimento: projetar a demanda de venda assim como garantir que os pedidos sejam expedidos no prazo.  Execução: colocar pedidos, preparar e expedir, receber e estocar produtos no varejo, gravar as transações de venda e fazer pagamentos.  Análises: monitorar as atividades de planejamento e execução para exceções. Agregar resultados e calcular o desempenho. Dividir ideias e ajustes de planos para, continuamente, melhorar os resultados. 2.2.3 Vendor Managed Inventory (VMI) Disney e Towill (2003) afirmam que Magee (1958) realizou a primeira discussão sobre a prática que hoje é conhecida como VMI. Porém, foi o sucesso da parceria entre Walmart e Procter&Gamble, na década de 1980, que popularizou a iniciativa que, hoje, está sendo efetivamente utilizada por empresas como Kraft Foods, Walmart, Barilla, McCainFoods, HP e Shell (MARQUÉS et al., 2010; SETAK; DANESHFAR, 2014). 39 No VMI, as decisões de abastecimento, tais como quantidade necessária, embarques e cronogramas, são feitas pelo fornecedor por meio do monitoramento do nível de inventário do cliente (WALLER et al., 1999). Para Reddy e Vrat (2007), os sistemas de tecnologia da informação (TI) auxiliam o reabastecimento dos estoques, uma vez que fornecem melhores informações relacionadas com a utilização, venda de produtos, inventário do cliente e outras informações relacionadas com a atividade de marketing. Claassen et al. (2008) apontam que, no VMI, os níveis de serviço são acordados com o cliente e, a partir disso, o fornecedor pode planejar sua produção e decidir a programação dos reabastecimentos, reduzindo ou até mesmo eliminando os problemas de estoque de segurança. Segundo Chen (2013), tanto o processo de tomada de decisões quanto o fluxo de mercadoria e de informação se tornam mais produtivos no VMI, a partir de um contrato de consignação e de compartilhamento das receitas, quando se considera uma cadeia de suprimentos descentralizada. Os fornecedores se beneficiam do melhor atendimento e da maior fidelização do cliente, melhor gestão da demanda e melhor conhecimento do mercado (PIRES, 2010). Waller et al. (1999) também mostram que o fornecedor consegue a estabilização da sua produção e a otimização dos custos de transporte. Nesse sentido, Claassen et al. (2008) explicam que os fornecedores conseguem alinhar seus processos produtivos com a demanda do cliente quando trabalham com o VMI. A redução da incerteza da demanda reduz a necessidade de estoques de segurança. Os benefícios decorrentes da adoção do VMI são atribuídos a dois fatores principais: o compartilhamento de informações e o controle da transferência dessas informações (DONG et al., 2015), mas dependem dramaticamente da efetiva colaboração do fornecedor (CHOUDHARY; SHANKER, 2015). As empresas clientes conseguem menor custo de estocagem e menor dispêndio de capital de giro. Elas recebem melhor atendimento do fornecedor e têm as gestões de compra e inventário simplificadas (CLAASSEN et al., 2008; PIRES, 2010). Sari (2007) afirma que o aumento da disponibilidade de produtos, o aumento do nível de serviço, a redução dos custos de monitoramento de estoque e a realização de pedido são benefícios trazidos pelo VMI (ver Quadro 3). 40 Quadro 3 - Vantagens e desvantagens da utilização de VMI. Fornecedor Cliente Vantagens  melhor atendimento e maior fidelização do cliente;  melhor gestão da demanda;  melhor conhecimento do mercado.  menor custo dos estoques e de capital de giro;  melhor atendimento por parte do fornecedor;  simplificação da gestão dos estoques de compras. Desvantagens  custo do estoque mantido no cliente;  custo da gestão do sistema.  maior dependência do fornecedor;  perda do controle sobre seu abastecimento. Fonte: Adaptado de Pires (2010). 2.4 PREVISÃO DE DEMANDA O planejamento e o controle das atividades da Cadeia de Suprimentos dependem de estimativas acuradas dos volumes de produtos e serviços a serem processados pela cadeia de suprimentos (BALLOU, 2006). Chopra e Meindl (2003) afirmam que a previsão de demanda é a base para todas as decisões estratégicas e de planejamento em uma cadeia de suprimentos. “Previsões de vendas são utilizadas pelo departamento de finanças para levantar o caixa necessário, para o investimento e para as operações; pelo departamento de produção, para estabelecer níveis de capacidade e de produção; pelo departamento de compras, para aquisição dos suprimentos necessários; e pelo departamento de recursos humanos, para a contratação do número necessário de funcionários” (KOTLER, 2000 p. 140). Para Chopra e Meindl (2003), as empresas da cadeia de suprimentos devem estar atentas para as seguintes características das previsões:  As previsões estão sempre erradas e, por isso, devem incluir o valor esperado e uma medida de erro de previsão;  As previsões de longo prazo são normalmente menos precisas que as de curto prazo, ou seja, previsões de longo prazo têm um desvio-padrão maior que as de curto prazo;  As previsões agregadas são normalmente mais precisas que as previsões desagregadas. As previsões agregadas costumam apresentar menor desvio-padrão de erro relativo à média. Ainda segundo Chopra e Meindl (2003), a empresa deve compreender alguns fatores 41 antes de escolher um modelo adequado de previsão:  Demanda passada;  Planejamento das campanhas publicitarias ou de marketing;  Conjuntura econômica;  Planejamento de desconto nos preços;  Ações tomadas pelos concorrentes. Além desses fatores, Krajewski et al. (2009) acrescentam os fatores relacionados abaixo:  Disponibilidade de dados, tempo e recursos: há certos métodos, mais sofisticados, normalmente envolvendo modelos matemáticos, que exigem, além de dados numéricos, também a existência de profissionais com o conhecimento necessário para trabalhar com os modelos e, muitas vezes, também é necessário o uso de computadores, dependendo do número e da variedade dos produtos.  Horizonte de previsão: há métodos que se mostram melhores para previsões de longo prazo (vários anos no futuro), enquanto outros são rotineiramente aplicados às previsões para períodos mais curtos como meses, semanas ou mesmo dias. De acordo com Croxton et al. (2002), o método apropriado para a elaboração das previsões depende do meio em que a previsão está inserida. De fato, diferentes métodos podem ser usados para diferentes produtos. Sugere-se que a escolha do método de previsão de demanda dos produtos seja realizada por meio da matriz 2 x 2, conforme pode ser visualizada na Figura 13. O quadrante onde o produto é inserido pelos eixos Volume e Variação da Demanda determina a escolha do método. Para produtos com alto volume e variação de demanda é necessária mais entrada de dados por experiência humana (o que, nesta pesquisa, será abordado na subseção 2.7 – Técnicas de previsão por julgamento). Para produtos de alto volume e baixa variabilidade de demanda, podem-se utilizar métodos quantitativos baseados em dados históricos, os quais serão discorridos na subseção 2.5 (Técnicas de previsão por séries temporais). Vale ressaltar que os métodos de previsão por causas e efeitos serão tratados na subseção 2.6 (Técnicas de previsão por causa e efeito). 42 Figura 13 - Segmentação de produtos para determinar o modelo de previsão apropriado. Fonte: Adaptado de Croxton et al. (2002) 2.4.1 Indicadores de erro nas previsões Segundo Moreira (2014), podem-se distinguir duas classes de indicadores de controle de erro nas previsões: indicadores que servem para verificar a adequação de um modelo de previsão, denominados de indicadores de adequação; e indicadores que servem para acompanhar o desempenho de um modelo já escolhido, denominados de indicadores de desempenho. Os indicadores de adequação são divididos em: (a) Erro-padrão da estimativa, (b) Desvio Absoluto Médio (MAD) e (c) Erro Médio Quadrático (MSE): (a) O erro-padrão de estimativa é calculado conforme a equação (1): √ ( ̂) (1) em que representa o valor real da demanda; ̂ a previsão com n períodos anteriores. O erro-padrão pode ser utilizado para determinar um intervalo de confiança para a previsão (MOREIRA, 2014). Produção MTO Previsões direcionadas por pessoas Previsões direcionadas por dados x x x x x x x x x x x x x x x x x x Alto Baixo V ar ia çã o d e d em an d a Baixo Volume deman- Alto 43 (b) O Desvio Absoluto Médio – MAD (Mean Absolute Deviation) é a soma dos desvios absolutos dos períodos, dividida pelo número de períodos. É representado pela equação (2): ∑| | (2) em que é o valor real da demanda; , a previsão; , o número de pares ( ). (c) O Erro Quadrático Médio – MSE (Mean Squared Error) é dado pela expressão (3): ∑( ) (3) em que é o valor real da demanda; , a previsão; , o número de pares ( ). De forma geral, quando o erro for pequeno, os dados reais seguem estritamente as previsões da variável dependente, e o modelo de previsão fornece previsões acuradas. Os indicadores de desempenho são divididos em: (d) Medida do Viés da Previsão (MVP) e (e) Sinal de Percurso. (d) Medida do Viés da Previsão Existe um erro de viés na previsão quando essa se mantém constantemente acima (superestimava) ou abaixo (subestimativa) do valor real da demanda. O MVP é calculado pela equação (4): ∑| | (4) em que e representam demandas reais e previstas, respectivamente, correspondentes a n períodos anteriores. (e) Sinal de Percurso Assim como o MVP, o sinal de percurso deve ser recalculado a cada novo período de previsão. É definido na equação (5): (5) 44 Pode-se usar o para monitor quantitativamente a previsão. Basta, para tanto, fixar uma faixa de valores máximo e mínimo para e observar se os valores calculados caem dentro da faixa pré-fixada. Uma faixa usada com frequência é (MOREIRA, 2014). 2.5 TÉCNICAS DE PREVISÃO DE DEMANDA POR SÉRIES TEMPORAIS Uma série temporal é um conjunto de dados obtidos durante certo período de tempo, como, por exemplo, taxa de juros semanais, preços de ações, temperaturas anuais, acidentes diários, dentre diversos outros (CRYER; CHAN, 2008). Ao se fazer uma análise de séries temporais, deseja-se entender ou modelar um mecanismo estocástico. Dessa forma, é possível obter informações futuras baseadas na história da série. Uma série temporal pode exibir até quatro características diferentes em seu comportamento: média, sazonalidade, ciclo e tendência (MAKRIDAKIS et al., 1998). Essas características estão exemplificadas na Figura 14. Figura 14 - Características de uma série temporal Fonte: Adaptado de Makridakis et al (1998) Krajewski et al. (2009) explicam que demanda tendência se refere a quando há aumento ou redução sistemática na média das séries ao longo do tempo, e o padrão da demanda é médio ou também conhecido como estacionária ou horizontal, quando há flutuação de dados 45 em torno de uma média constante. 2.5.1 Média Móvel Simples Morettin e Toloi (2006) explicam que o principio da média móvel simples é que a cada espaço de tempo, a última observação será utilizada para substituir sua antecessora. Por meio dessa técnica, os valores futuros calculados para o intervalo é a média dos valores previstos (expresso por ), como denotado na equação (6): ̂ (6) em que ̂ são vendas previstas no período; , , vendas realizadas no período; e , o número de períodos considerados na média. Davis et al. (2001), ressaltam que apesar da facilidade do uso do modelo, a falta de acurácia em series históricas que apresentam tendência ou sazonalidade é a principal desvantagem. Uma alternativa que pode amenizar o erro é a utilização da média ponderada, contudo, pode haver dificuldade no estabelecimento dos pesos a serem utilizados no modelo de média ponderada. 2.5.2 Método da Suavização Exponencial Corrêa e Corrêa (2006) define o Método da Suavização Exponencial como uma média ponderada de dados do passado, com peso de ponderação que diminui exponencialmente, quanto mais antigos forem os dados, ou seja, as observações passadas não recebem peso igual. A Equação (7) define o método: ( ) (7) em que é a previsão para o instante seguinte de ; é a demanda no instante ; é a previsão para o instante ; e é a constante de ponderação exponencial, sendo . Ballou (2006) afirma que quanto maior o valor de , maior peso é atribuído às demandas mais recentes, e, dessa forma, o modelo reage mais rapidamente às mudanças na série histórica. No caso inverso, quanto menor o valor de α, maior o peso atri u do à demanda histórica na previsão de demanda, e, assim, a previsão reage de forma mais estável e mais lenta às mudanças no nível da demanda. 46 Ballou (2006) recomenda a utilização do método de suavização exponencial simples quando as tendências e sazonalidade da demanda não são presentes de forma significativa, e o Modelo de Holt-Winters, quando as séries tem sazonalidade e tendência. O Modelo de Holt-Winters aditivo é utilizado quando a amplitude da sazonalidade é constante, ou seja, a diferença entre o menor e maior ponto de demanda nos ciclos permanece constante, já se utiliza o modelo de Modelo de Holt-Winters multiplicativo quando a sazonalidade aumenta com o decorrer do tempo. 2.5.3 Método de Box e Jenkins (ARIMA) De acordo com Pellegrini e Fogliatto (2001), os modelos ARIMA (Modelos Autorregressivos Integrados de Média Móvel), também conhecidos como modelos de Box e Jenkins, partem do pressuposto de que os valores de uma série temporal guardam uma relação de dependência; cada valor atual pode ser explicado pelo valor prévio do dado da série. Os principais recursos utilizados para a identificação e diagnóstico das séries em que se pode utilizar o Método ARIMA são as funções de autocorrelação (FAC) e autocorrelação parcial (FACP). Se determinada série apresenta uma FAC e uma FACP com características similares ao de um processo estocástico, então é possível modelar a série por esse método (MORETTIN; TOLOI, 2006). A equação geral dos modelos ARIMA (p, d, q) é representada por: ( ) ( ) ( ) ( ) (8) em que são os valores da série temporal de observados em um tempo ; é o erro associado aos valores observados no tempo ; é a ordem de um modelo autorregressivo de coeficientes ; é a ordem de um modelo de média móvel de coeficientes ; e é a ordem de integração do modelo ARIMA. Observa-se pela Equação 8 que, no modelo ARIMA, os valores futuros de uma série temporal são supostos como associados tanto aos valores passados da série (a componente autorregressivo) quanto aos erros das observações passadas (componente média móvel). 47 2.6 TÉCNICAS DE PREVISÃO DE DEMANDA POR CAUSA E EFEITO Chopra e Meindl (2003) afirmam que modelos de previsão causais pressupõem que a previsão de demanda é amplamente correlacionada com alguns fatores conjunturais como, por exemplo, situação econômica e/ou taxa de juros. Modelos de previsão causais estabelecem essa correlação entre demanda e fatores conjunturais, utilizando estimativas de quais são esses fatores conjunturais para prever a demanda futura. Dentro da classe dos modelos causais, as regressões simples ou múltiplas são as técnicas mais conhecidas. 2.6.1 Regressão Linear Simples A regressão linear simples analisa a relação entre duas variáveis. Tem-se uma variável independente (variável ) e uma dependente (variável ), sendo que a primeira causa mudanças na segunda. (NEUFELD, 2003). Hoffman (2006) afirma que a analise estatística de regressão apenas modela qual relacionamento matemático pode existir, se existir algum. Qualquer equação de uma reta pode ser escrita da seguinte maneira: (9) em que é o intercepto; e é a declividade. Chopra e Meindl (2003) definem a previsão de um modelo estático utilizando a regressão linear simples, tendo a previsão como sendo: (10) em que é a estimativa da tendência; é a estimativa de nível para o período 0; e é a estimativa de fator de sazonalidade para o período . Segundo Chopra e Meindl (2003), antes de estimar os parâmetros de nível e tendência, deve-se separar o componente de sazonalidade dos dados de demanda. A periodicidade é o número de períodos em que o ciclo de sazonalidade se repete. Para garantir que toda estação receba o mesmo peso no momento de dessazonalização da demanda, calcula-se a média dos períodos consecutivos da demanda segundo as Equações 11 e 12: 48 ̅ ⁄ ⁄ ∑ ( ) ⁄ ⁄ para par (11) ̅ ∑ ( ) ⁄ ⁄ para ímpar (12) A demanda dessazonalizada ( ̅ ) pode crescer ou declinar em uma taxa constante. Dessa forma, existe uma relação linear entre a demanda dessazonalizada e o tempo (CHOPRA; MEINDL, 2003). Para estimar valores de nível ( ) e tendência ( ) para a demanda dessazonalizada, utiliza-se a regressão linear. O nível inicial ( ) é o intercepto, e a tendência ( ) é o declive, como demonstrado na Equação 13 a seguir: ̂ (13) em que ̂ é a demanda dessazonalizada após regressão linear. Conforme Chopra e Meindl (2003), uma vez definidos os valores de nível e tendência, devem-se estimar os fatores de sazonalidade. O fator de sazonalidade S para o período t é a proporção da demanda real Dt para a demanda dessazonalizada, sendo representado na Equação 14: ̅ ̂ (14) Utilizando-se a Equação 10, pode-se obter a previsão para os períodos futuros. Essa fórmula multiplica o resultado da regressão linear pelo fator de sazonalidade para cada período. Sendo assim, a sazonalidade retorna à série prevista. (CHOPRA; MEINDL, 2003) 2.6.2 Redes Neurais Artificiais Segundo Dougherty (1995), Redes Neurais é um termo genérico que abrange grande quantidade de diferentes arquiteturas ou paradigmas. A operação desses paradigmas pode variar muito. Entretanto, todas as redes neurais compartilham algumas feições básicas. Elas são compostas de um número grande de elementos de processamento denominado neurônios. As Redes Neurais Artificiais (RNAs) consistem em ferramentas computacionais baseadas nos neurônios biológicos e têm como principal objetivo resolver problemas 49 complexos que envolvam variáveis independentes, por meio da identificação dos padrões existentes entre essas variáveis e da aproximação das funções apresentadas à rede (TERRA; PASSADOR, 2010). Oliveira (2002) afirma que as RNAs podem ser utilizadas na solução de grande quantidade de problemas encontrados nas mais diversas áreas: classificação, diagnóstico, análise de sinais e imagens, otimização, previsão e controle. Zhang et al. (1998) afirmam que as RNAs fornecem alternativa atrativa para usuários de previsão e também para pesquisadores do assunto. Alves et al. (2013a), em pesquisa focada na previsão de vendas de loja do varejo, recomendam a utilização de redes neurais. Para Alves et al. (2013b), as RNAs se destacam dentre os modelos de previsão por sua capacidade de aprendizado por meio de um conjunto de observações, obtendo ótimos resultados de previsão, sem a necessidade de uma modelagem prévia dos dados. 2.7 TÉCNICAS DE PREVISÃO POR JULGAMENTO 2.7.1 Delphi O método Delphi consiste numa reunião de pessoas que deve opinar sobre certo assunto, dentro de regras determinadas para a coleta e a depuração de opiniões (MOREIRA, 2014). De acordo com Wanke e Julianelli (2006), o método se baseia na premissa de que o julgamento coletivo, quando bem organizado, apresenta resultados mais acurados do que um julgamento individual. Gaither e Frazier (2004) afirmam que podem acontecer até seis rodadas para que se atinja um consenso, sendo que, muitas vezes, pode-se chegar a uma previsão que teve discordância inicial, mas com a qual, ao final, a maioria dos participantes concordou. Moreira (2014) aponta como principal vantagem do método Delphi para previsão de vendas o fato de ele permitir a obtenção de opiniões sem que haja interações dentro do grupo, as quais podem distorcer os resultados. Entretanto, o método é muito sensível à qualidade do instrumento de coleta de opiniões, principalmente porque, como o contato pessoal é evitado, não há mecanismo formal para se debater a eventual ambiguidade de algumas questões. 2.7.2 Pesquisa de Mercado Nesta técnica, a demanda é determinada pelos consumidores; logo, a opinião deles é 50 fundamental para a elaboração da previsão. Esse tipo de pesquisa requer um conhecimento técnico especializado e exige grande cuidado no seu planejamento, pois é necessário que se monte a estrutura de pesquisa, se estabeleçam os instrumentos de coleta de dados, se crie um plano de execução e se interpretem os resultados de maneira precisa (MOREIRA, 2014). Para Davis et al. (2001), essa técnica permite a coleta de dados de várias maneiras, com o objetivo de testar hipóteses sobre o mercado. Afirmam, ainda, que sua utilização serve, principalmente, para previsão de vendas de novos produtos ou horizontes de longo prazo. Kotler (2000) também compartilha dessa visão e enfatiza que um teste direto de mercado, por meio de um novo canal de distribuição ou em um novo território, é especialmente necessário para a previsão de vendas de novos produtos ou de produtos já estabelecidos. 2.7.3 Opiniões de Executivos Krajewski et al. (2009) explicam que a aplicação desse método parte da formação de um grupo (geralmente pequeno) de altos executivos da empresa que se reúnem para, em conjunto, desenvolver uma previsão. O grupo é formado por executivos de diversas áreas, tais como marketing, finanças, produção etc. Moreira (2014) direciona que o interesse desse grupo está normalmente em previsões de longo prazo, que envolvem um ou outro aspecto do planejamento estratégico da empresa, inclusive o desenvolvimento de novos produtos, processos e planejamento estratégico de manufatura. Moreira (2014) realça, ainda, que a vantagem dessa técnica é a reunião de talentos com diferentes visões de determinado assunto, de forma que os resultados sejam mais precisos e de qualidade. Mas alerta que, se houver alguma pessoa com personalidade forte que exerça influência sobre o grupo, o resultado pode ser distorcido, o que torna, então, essa técnica inviável. Ritzman e Krajewski (2004), por outro lado, apontam como desvantagem o fato de, eventualmente, determinada previsão ser alterada sem consenso de todos os executivos e, ainda, de ser um método custoso, que exige muito tempo dos executivos. 2.7.3 Opinião da Força de Vendas Desenvolver previsões com base na opinião do pessoal envolvido diretamente com as vendas pode ser uma alternativa atraente (KRAJEWSKI et al., 2009). Essas pessoas estão em 51 contato diário tanto com os produtos da empresa como com os consumidores, além de conhecerem o desenvolvimento histórico dos produtos e perceberem as evoluções do mercado. Kotler (2000) entende que o envolvimento da equipe de vendas nas estimativas traz uma série de benefícios. Os representantes de vendas podem ter uma visão melhor das tendências de desenvolvimento do que qualquer outro grupo. Depois de participarem do processo de estimativa, eles se sentirão mais confiantes em relação às suas quotas de vendas e mais incentivados a atingi-las. Krajewski et al. (2009) citam alguns problemas que costumam aparecer nesse tipo de técnica de previsão: o pessoal de vendas pode confundir o que os clientes gostariam de fazer e o que eles realmente farão; pode ser muito influenciado por eventos de um passado recente; e, em casos em que as previsões são usadas para fixar metas de vendas para vendedores ou equipe de vendedores, cria-se um conflito de interesses, em que pode ser interessante aos vendedores projetar baixas estimativas de demanda. 52 3 DESENVOLVIMENTO DA PESQUISA 3.1 CONJECTURAS DA PESQUISA As conjecturas foram desenvolvidas a partir da percepção que o pesquisador teve sobre o tema “gestão e previsão de demanda no setor automotivo” somado também ao fato de atuar diretamente neste setor. Essa percepção ocorreu durante a pesquisa e estudo do referencial bibliográfico. Essas conjecturas estão descritas na Figura 15, a partir do método de abordagem hipotético-dedutivo de Popper, segundo o qual essas conjecturas serão testadas e confirmadas ou rejeitas por meio da análise dos resultados do instrumento de coleta de dados. O método de abordagem hipotético-dedutivo parte da percepção de uma lacuna nos conhecimentos, acerca da qual se formulam conjecturas e, pelo processo de inferência dedutiva, testa-se a predição da ocorrência de fenômenos abrangidos pelas conjecturas (MARCONI; LAKATOS, 2004). Para Popper, no seu método hipotético-dedutivo, o que é almejado é a verdade absoluta e objetiva, mas jamais se pode alcançar a certeza. Um ato de imaginação gera uma hipótese, iniciada num rico contexto de conhecimento de fundo. Na tentativa de explicar o observável pelo inobservável, é inventada uma resposta hipotética a um problema. Os enunciados que foram alcançados dedutivamente podem, então, ser testados. Consequências experimentalmente testáveis são deduzidas da hipótese. Experimentos são montados para testar as predições. Um resultado favorável não é considerado um elemento de prova, mas um encorajamento para continuar a hipótese. Por outro lado, o resultado que contraria a previsão falseará a hipótese. Com isso, adquire-se maior compreensão do problema e ruma-se para uma nova hipótese que percorrerá o mesmo caminho (WACHTERSHAUSER, 1995). 53 Figura 15 - Formulação das conjecturas a partir do método hipotético-dedutivo. Fonte: Adaptado de Markoni; Lakatos (2004) Conhecimento prévio e teorias existentes: Gestão da manufatura, previsão de demanda, riscos e incertezas na manufatura, modelos de previsão da de- manda, modelos colaborativos. Lacuna, contradição ou problema: Como é a gestão de demanda nas empresas do setor automotivo no Brasil? Conjecturas, soluções ou hipóteses: C1. As empresas da cadeia de suprimento automotiva fazem a gestão da demanda e utilizam estratégias colaborativas como CPFR e S&OP. C2. As empresas da cadeia de suprimento automotiva utilizam dos modelos de previsão, seja de séries temporais, causa e efeito ou de julgamento para elaboração de previsão de demanda. Tais como: Simulação, Delphi, Painel de especialistas, Média móvel, Alisamento exponencial, ARIMA, Regressão, Econométrico, Redes Neurais. C3. As autopeças utilizam ferramentas de previsão de demanda apenas para os horizontes de médio e longo prazo, de forma a utilizar no curto prazo os pedidos dentro do período firme com a montadora, ou seja, período ao qual não poderia haver variações. C4. A utilização de software é feita ape-nas por empresas de grande porta da cadeia de suprimento em decorrência do valor de investimento e manutenção do software. C5. A dificuldade no entendimento e uso, além da dificuldade na obtenção dos dados são as principais dificuldades encon- tradas no uso de modelos de previsão de vendas. C6. A indústria automotiva utiliza das duas estratégias de produção MTO e MTS. C7. Apesar de um horizonte de pedidos firmes, há variação de demanda relevantes no curto prazo; C8. A instabilidade na variação de demanda contribui de maneira efetiva para a construção de estoques de materiais ao longo da cadeia, aumentando, portanto o desperdício e acentuando os custos com a manutenção de inventários de seguran- ça para atendimento aos clientes. C9. EDI é uma ferramenta utilizada nas indústrias da cadeia de suprimento de forma a agilizar a transmissãodos dados de demanda entre montadora e fornecedores. Consequências falseáveis, enunciados deduzidos: Se as conjecturas formuladas não forem verdadeiras, será possível concluir que as possíveis soluções não atendem, em parte, aos postulados da presente pesquisa. Testagem: 1. Definir público-alvo 2. Desenvolver o questionário (perguntas + interface) 3. Realizar teste-piloto (avaliar clareza e tempo de resposta de preenchimento) 4. Revisão do questionário 5. Aplicação do Survey Análise dos resultados: Os dados colhidos na pesquisa de campo serão analisados por meios estatísticos. Avaliação das conjecturas, soluções e hipóteses: Corroboração (não rejeição): O critério para corroboração será oposto ao adotado na refutação. Refutação (rejeição): Quando as conjec- turas não forem acei- tas na análise dos resultados. Nova teoria: A partir dos dados pode ser elaborada, ou não, uma nova teoria. Nova lacuna, contradição ou problema: Poderão ser apontadas novas lacunas, contradições ou problemas encontra- dos, e sugeridos outros caminhos para a pesquisa. 54 3.2 INFORMAÇÃO SOBRE AS EMPRESAS PESQUISADAS As empresas a serem pesquisadas são montadoras cadastradas na ANFAVEA e fornecedores de autopeças associados ao SINDIPEÇAS. O detalhamento das empresas pesquisadas será fornecido após a realização do survey. 3.3 CONSTRUÇÃO E VALIDAÇÃO DO QUESTIONÁRIO Segundo Miguel (2012), questionário é um instrumento de registro formado por um conjunto de perguntas ordenadas, cujas respostas podem ser lidas e preenchidas pelo indivíduo que responde, sem a presença do interessado. As etapas de construção e validação do questionário foram: 1. Elaboração das questões a serem respondidas 2. Estruturação do questionário 3. Teste-piloto do questionário 3.3.1 Elaboração das questões Foram enunciadas perguntas com o objetivo de testar as conjecturas elaboradas. Portanto, no Quadro 4, estão descritas as perguntas e as respectivas conjecturas que a respondem. Quadro 4 - Correspondência entre as questões para coleta de dados e as respectivas conjecturas. Questões Conjecturas 1) A empresa usa de estratégias colaborativas para o gerenciamento de demanda? ( ) Sim ( ) Não Qual(is) estratégia(s) utilizada(s)? ( ) S&OP - Sales and Operations Planning ( ) CPFR - Collaborative Planning, Forecasting, and Replenishment) ( ) VMI - Vendor Managed Inventory ( ) Outras. Especifique: _________________ C1. As empresas da cadeia de suprimento automotiva fazem a gestão da demanda e utilizam estratégias como CPFR e S&OP; 55 2) A empresa usa algum método de previsão de de- manda? ( ) Sim ( ) Não C2. As empresas da cadeia de suprimento automotiva utilizam dos modelos de previ- são, seja de séries temporais, causa e efeito ou de julgamento para elaboração de previ- são de demanda. Tais como: Simulação, Delphi, Painel de especialistas, Análise his- tórica, Média móvel, Alisamento exponenci- al, ARIMA, Regressão, Econométrico, Re- des Neurais; 3) Qual a frequência para realização/revisão das previ- sões? ( ) Semanal ( ) Quinzenal ( ) Mensal ( ) Bimestral ( ) Semestral ( ) Anual ( ) Outra. Especifique: _________________ 4) Os métodos de previsão adotados para a previsão da demanda são aplicados em horizontes de: ( ) Curto ( ) Médio ( ) Longo Curto prazo: São as previsões utilizadas com enfoque na programação dos recursos existentes. Até três me- ses de horizonte. Médio Prazo: Horizonte entre três e 12 meses. O foco são as necessidades futuras da produção, para avalia- ção e desenvolvimento de planos para ações que te- nham maior tempo de preparação. Longo Prazo: Horizonte de mais de um ano. Nesse horizonte, as previsões, tem foco mais estratégico, visando preparar a organização para uma situação futura, se esta vai atender novos mercados, fabricar novos produtos ou precisar realizar investimentos de maior grandeza e lead time. C3. As autopeças utilizam ferramentas de previsão de demanda apenas para os hori- zontes de médio e longo prazo, de forma a utilizar no curto prazo os pedidos dentro do período firme com a montadora, ou seja, período ao qual não poderia haver variações. 56 5) Selecione qual(ais) modelo de previsão de deman- da a empresa utiliza em cada horizonte de tempo. Selecione o(s) modelo(s) adotado(s) no Curto Prazo: ( ) Não se utiliza nenhum modelo ( ) Utiliza-se apenas pedidos firmados dos clientes ( ) Média Móvel ( ) Alisamento exponencial ( ) Método de Box & Jenkins (ARIMA) ( ) Regressão ( ) Redes Neurais ( ) Delphi ( ) Pesquisa de Mercado ( ) Opiniões de Executivos ( ) Opinião da Forca de Vendas ( ) Software de Previsão de Demanda ( ) Outros. Especifique: _________________ C3. As autopeças utilizam ferramentas de previsão de demanda apenas para os hori- zontes de médio e longo prazo, de forma a utilizar no curto prazo os pedidos dentro do período firme com a montadora, ou se