XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO

“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”

Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Previsão de Demanda e Controle

de Estoques em uma Empresa do
Setor de Supermercados
João Marcos Prado Ramos
(Universidade Federal de Goiás)
joã[email protected]

Vanessa Aparecida de Oliveira Rosa

(Universidade Federal de Uberlândia)
[email protected]

Com o crescimento tanto da indústria quanto do comércio, sistemas

produtivos de serviço ganham acentuada relevância. Neste cenário
destacam-se os supermercados, que tem como objetivo atender a
demanda imediata dos clientes e, ao mesmo tempo, alcançarem
excelência em seus sistemas de controle de estoque. Para isto, é de suma
importância a aplicação de ferramentas de gestão e, portanto, faz-se
necessário adotar um sistema eficiente de planejamento e controle da
produção (PCP). Este trabalho tem como objetivo realizar a previsão de
demanda e propor um modelo de controle de estoques para itens classe
A de um supermercado, a fim de auxiliar o gestor na definição da
quantidade e momento de reposição. Foi realizado um estudo de caso,
que consistiu nas seguintes etapas: i. Aplicação da curva ABC para
definir os três produtos de maior relevância, a partir dos dados
históricos de venda de uma família de produtos; ii) análise do
comportamento da série temporal e definição do método quantitativo
mais adequado para a realização da previsão de demanda; iii) definição
do modelo de controle de estoque a ser aplicado. A partir dos resultados
obtidos na análise da série temporal, optou-se por realizar uma previsão
de demanda utilizando o método da suavização exponencial simples,
bem como a aplicação do sistema de reposição contínua de estoques.

Palavras-chave: Planejamento e controle da produção, previsão de

demanda, controle de estoques.
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

1. Introdução
O crescimento das indústrias e do comércio em todo o mundo se deve, principalmente, ao
fenômeno chamado globalização, em que ocorre a evolução de redes mundiais de empresas de
grande, médio e pequeno porte que se caracterizam pelas práticas de acordos cooperativos.
Além disso, a globalização trouxe rápido avanço econômico, aumento substancial na
produção de bens e serviços, e o acesso rápido a novas tecnologias (MARIANO et al., 2014).
Neste cenário, sistemas produtivos de serviço ganham destaque. Dentre eles os
supermercados, que tem como objetivo atender a demanda imediata dos clientes. Segundo a
Associação Brasileira de Supermercados (ABRAS, 2020), este setor apresentou no ano de
2018 um faturamento de R$ 355,7 bilhões, e correspondeu a 5,2% de participação do
faturamento sobre o Produto Interno Bruto (PIB), demonstrando a relevância deste setor para
o país.
Um dos grandes desafios destas empresas supermercadistas, sejam elas de grande, médio ou
pequeno porte, é um eficiente controle de estoque para garantir o atendimento à demanda e,
ao mesmo tempo, reduzir as perdas. Logo, é de suma importância a aplicação de ferramentas
de gestão. Neste sentido faz-se necessário adotar um sistema de planejamento e controle da
produção (PCP), já que há um contínuo aumento nas redes de demanda e suprimentos. Ainda,
um sistema de PCP evoluído gera resultados benéficos relevantes para uma empresa, e a
execução de tarefas relacionadas a tal sistema aumenta a satisfação dos clientes
(VOLLMANN et al., 2006).
As principais questões a serem abordadas pelo PCP é quando e quanto produzir ou comprar, a
partir dos dados de demanda. Neste sentido, prever a demanda possui um papel fundamental
para o setor de planejamento e, através das informações adquiridas, são realizadas decisões de
caráter comercial, operacional e financeiro, as quais influenciarão diretamente no resultado
econômico de uma organização (LUSTOSA et al., 2008).
Além disso, o PCP ocupa-se em definir o momento de colocação das ordens de produção ou
compra. Côrrea, Gianesi e Caon (2011) destacam que essa questão está diretamente atrelada
ao dinamismo da demanda e, portanto, varia com as necessidades dos consumidores. Para
tanto, diferentes modelos de controle de estoque podem ser aplicados de acordo com os
produtos trabalhados na organização.
Diante do exposto, o objetivo deste trabalho é realizar a previsão de demanda e propor um
modelo de controle de estoques para os itens de maior importância relativa de um
supermercado, a fim de auxiliar o gestor na definição da quantidade e momento de reposição.
1
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Este trabalho se justifica uma vez que a previsão de demanda, aliada com um controle
eficiente de estoques, pode aumentar o nível de serviço ao cliente, de maneira a oferecer o
produto no momento em que o consumidor deseja, aumentando assim a competitividade no
mercado. Ainda, diminui estoques desnecessários, podendo contribuir na redução de custos.

2. Referencial teórico
2.1. Previsão de demanda
De acordo com Lustosa et al. (2008), a competência das empresas em prever e gerenciar a
demanda constitui fator crítico de sucesso na busca da excelência operacional. Para esses
autores, antes de realizar a previsão é primordial que sejam seguidas algumas etapas para
resultados mais acurados. Primeiramente, é necessário identificar qual é o objetivo da
previsão, ou seja, é necessário definir o que será previsto, o número de itens, o nível de
agregação, o horizonte de planejamento da decisão, o volume de recursos a serem utilizados e
o grau de detalhe requerido pela previsão. Posteriormente, é importante decidir qual será a
abordagem escolhida, a saber, qualitativa, quantitativa ou uma combinação de ambas. A
abordagem qualitativa caracteriza-se por técnicas baseadas em consenso e também
conhecimento de mercado, e as quantitativas empregam métodos matemáticos e estatísticos
para a obtenção de resultados.
O terceiro passo é selecionar qual método de previsão empregar, que está diretamente
relacionado com o tipo de abordagem escolhida. Caso seja qualitativa pode-se utilizar, por
exemplo, analogia histórica, pesquisa de mercado, método Delphi e pesquisa da equipe de
vendas. Se for quantitativa, a escolha do método de previsão depende do comportamento da
série temporal (LUSTOSA et al., 2008).
Para Fernandes e Godinho Filho (2010), uma série temporal consiste em um conjunto de
dados ordenados ao longo do tempo, e pode apresentar como principais características:
a) média: ocorre quando os dados da série oscilam em torno de um valor médio
constante;
b) sazonalidade: ocorre quando existem padrões cíclicos de variação em intervalos
constantes de tempo, seja no período de dia, semana, mês ou estação;
c) tendência: existe quando a série, de uma maneira geral, apresenta uma tendência,
ascendente ou descendente, quando analisado um longo período de tempo.
Quando a série temporal dos dados obtidos não apresenta um movimento de tendência
significativo, os métodos de média móvel e suavização exponencial simples podem ser
2
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

empregados. Se apresenta movimentos significativos de tendência, é mais indicado a

utilização do método linear de Holt, Holt-Winters, dentre outros (LUSTOSA et al., 2008).
Uma vez realizada a previsão, a última etapa consiste em monitorar o modelo, por meio do
acompanhamento do erro de previsão. A seguir é o apresentado o método da suavização
exponencial simples.

2.1.1. Suavização exponencial simples

Segundo Fernandes e Godinho Filho (2010), este método consiste na utilização de pesos que
decrescem geometricamente ou exponencialmente conforme os dados avançam para o
passado. Cada previsão realizada é obtida em relação a previsão anterior, porém
diferentemente da média móvel, um fator de erro é acrescido para a realização do cálculo.
Esse erro consiste na subtração da demanda do período anterior (Dt-1) pela previsão do
período anterior (Mt-1), corrigido por um coeficiente de suavização (α). Este coeficiente deve
assumir valores que variam entre 0 a 1. Quanto maior o valor de α, mais rápido o modelo de
previsão irá reagir conforme a real variação da demanda. Caso contrário, as previsões se
sujeitarão a ficarem defasadas da demanda real. Além disso, quando for utilizado um valor
muito grande de α, há maiores chances de ocorrerem variações aleatórias nas previsões
obtidas.
O cálculo da previsão de demanda utilizando a suavização exponencial simples é feita a partir
da Equação 1.

𝑀𝑡 = 𝑀𝑡−1 + 𝛼(𝐷𝑡−1 − 𝑀𝑡−1 ) (1)

Em que:
𝑀𝑡 = previsão para o período t;
𝑀𝑡−1 = previsão para o períoto t – 1;
𝛼 = coeficiente de suavização;
𝐷𝑡−1 = demanda do período t – 1.

2.1.2. Erro de previsão

De acordo com Tubino (2007), é importante salientar que toda técnica de previsão de
demanda possui aplicabilidade, porém, não existe uma técnica que pode ser empregada em
todas as situações. Além disso, todo método de previsão deve ser monitorado, realizando os
3
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

ajustes necessários no modelo inicial. A previsão, geralmente, apresenta erros, porém estes
podem ser minimizados através da utilização do método apropriado (FERNANDES;
GODINHO FILHO, 2010).
Segundo Fernandes e Godinho Filho (2010), o erro de previsão acontece de duas formas. A
primeira advém da escolha do método e dos parâmetros de previsão utilizados. A segunda
pode ser atribuída à aleatoriedade do mercado, podendo, portanto, causar mudanças
imprevisíveis nos valores encontrados pelos métodos.
Lustosa et al. (2008) afirmam que o erro de previsão pode ser calculado de diversas formas,
sendo que o indicador básico desta medida é comparar o valor previsto com a demanda real,
como mostrado na Equação 2.

𝐸𝑡 = 𝑀𝑡 − 𝑀𝑡−1 (2)

Em que:
𝑀𝑡 = previsão para o período t;
𝑀𝑡−1 = previsão para o períoto t – 1;

A partir dos valores de erro pode-se calcular o desvio absoluto médio (MAD), que pode ser
aplicado como sendo a média do desvio absoluto em todos os períodos. Outra forma de
acompanhar o desempenho do modelo de previsão é observar o comportamento do erro em
um gráfico de controle. Em geral, compara-se o valor do erro calculado pela Equação 2, com
o valor de 4 MAD para o limite superior e inferior. Se os valores dos erros estiverem dentro
da faixa aceitável (entre os limites de controle), o modelo de previsão está sob controle. Caso
contrário, o modelo de previsão deve ser revisto. Assim, a cada nova previsão, o erro deve ser
plotado, analisado e se constar alguma extrapolação dos limites, ações corretivas devem ser
tomadas (TUBINO, 2006).

2.2. Controle de estoques

Côrrea, Gianesi e Caon (2011) definem que estoques são acúmulos de recursos materiais entre
fases específicas de processos de transformação. Para Vollmann et al. (2006), estoques
permitem desconectar operações sucessivas ou até mesmo antecipar mudanças na demanda.
Os estoques também tornam possíveis que a produção de mercadorias seja realizada em uma
localização distante do cliente.
4
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

É importante ressaltar que são ativos relevantes para as empresas e devem ser administrados
de maneira eficiente para não comprometerem os resultados da organização. Portanto,
estoques são itens guardados tanto para o consumo dos clientes internos como externos e,
portanto, caracteriza-se como uma espécie de “pulmão” entre o suprimento e a demanda.
Dessa forma, é essencial uma boa gestão de estoques na empresa.
Um sistema de controle de estoques deve responder quando e quanto se deve adquirir de cada
item, por compra ou fabricação. Ainda, deve-se definir o quanto manter de estoques de
segurança. Para tanto, os dois principais modelos de controle de estoque são modelo de
reposição contínua e modelo de reposição periódica.
No sistema de reposição contínua, segundo Lustosa et al. (2008) é estabelecido um nível
mínimo de estoque e, no momento em que for atingido, um pedido é realizado. Esse nível é
chamado de ponto de ressuprimento, que deve ser uma quantidade suficiente para atender a
demanda durante o tempo de reposição. Este tempo de espera (ou tempo de ressuprimento)
leva em consideração o momento que o fornecedor recebe o pedido até a entrega deste para o
cliente.
Os dois parâmetros deste modelo são: ponto de ressuprimento (R), também chamado de ponto
de pedido, e estoque de segurança (Es). Estes são calculados a partir das Equações 3 e 4,
respectivamente. A Figura 1 apresenta o gráfico dente de serra (genérico), para o modelo de
reposição contínua.

𝑅 = 𝑑𝐿 + 𝐸𝑠 (3)

𝐸𝑠 = 𝑧𝜎𝑑 √𝐿 (4)

Em que:
𝑑 = demanda média diária;
𝐿 = tempo de espera;
𝐸𝑠 = estoque de segurança;
𝑧 = coeficiente da distribuição normal em função do nível de serviço desejado;
𝜎𝑑 = desvio padrão da demanda.

5
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Figura 1 – Gráfico dente de serra do modelo de reposição contínua

Fonte: Lustosa et al. (2008)

Por sua vez, no sistema de reposição periódica, a reposição dos estoques é feita em intervalos
regulares onde o nível do estoque é verificado no instante de revisão e posteriormente um
pedido é realizado com quantidade suficiente para repor o estoque ao nível máximo projetado
(LUSTOSA et al., 2008).

3. Metodologia
A Figura 2 apresenta as etapas de desenvolvimento do trabalho.

Figura 2 – Etapas de desenvolvimento do trabalho

Seleção da empresa

Coleta de dados

Classificação ABC

Análise da série temporal e definição

do método de previsão de demanda

Realização de previsão de demanda

Definição do modelo de controle de estoque

Fonte: Autores (2018)

6
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Quanto ao procedimento, a pesquisa caracteriza-se como um estudo de caso, uma vez que se
analisou uma determinada situação com profundidade e procurou-se compreender o seu
motivo e efeito que tem na organização. Para o estudo foi selecionada uma empresa de
pequeno porte do setor de supermercados, que possui uma alta variedade de produtos nas
categorias alimentícia, limpeza, cosméticos, higiene pessoal e utensílios domésticos. Por sua
vez, cada categoria é composta por subcategorias.
A abordagem da pesquisa caracteriza-se como quantitativa, uma vez que se utilizou de
modelos matemáticos para realizar os cálculos relacionados a previsão de demanda e ao
controle de estoques.
Para a coleta de dados, foram realizadas entrevistas semiestruturadas a fim de conhecer a
organização da empresa e verificar se esta possuía os históricos de vendas de cada produto.
Logo, a pesquisa caracteriza-se como exploratória, com o objetivo de conhecer mais o
problema e criar hipóteses, e também de natureza aplicada, já que busca gerar conhecimentos
a respeito de problemas específicos para uma aplicação na prática.
Os dados obtidos indicaram que a empresa dispunha de um banco de dados com a demanda
dos produtos, sendo as bebidas a subcategoria com maior venda da categoria alimentícia.
Dessa forma, foram coletados os dados de demanda desta família de produtos, composta por
quarenta e três itens, no período de abril de 2017 até março de 2018, para verificar quais eram
mais relevantes para as vendas da empresa.
A partir dos dados coletados, foi realizada a classificação ABC e selecionados os três
primeiros itens da classe A para a análise da série temporal e definição do modelo de previsão
de demanda. Posteriormente, foram realizadas as previsões de demanda para os meses de abril
a agosto de 2018, utilizando um modelo quantitativo. Após esta etapa, foi feito o estudo para
definição do modelo de controle de estoque da empresa, com o objetivo de definir quando
realizar o pedido. Para a manipulação dos dados foram utilizadas planilhas eletrônicas.

4. Resultados e discussões
4.1. Aplicação da classificação ABC
A partir da demanda da subcategoria bebidas foi elaborada a classificação ABC, apresentada
na Tabela 1. Dessa forma, foi possível verificar a importância relativa de cada item em
relação ao total de vendas.

7
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Tabela 1 – Classificação ABC

acumulado

acumulado
individual

individual
(unidade)

(unidade)
Demanda

Demanda
Classe

Classe
Item

Item
%

%
1 10370 13,30 13,30 A 23 692 0,89 91,81 C
2 7090 9,09 22,39 A 24 585 0,75 92,56 C
3 6587 8,45 30,84 A 25 562 0,72 93,28 C
4 5979 7,67 38,51 A 26 516 0,66 93,94 C
5 5617 7,20 45,71 A 27 513 0,66 94,60 C
6 4884 6,26 51,98 A 28 506 0,65 95,25 C
7 4794 6,15 58,13 A 29 458 0,59 95,83 C
8 3273 4,20 62,32 A 30 407 0,52 96,36 C
9 3125 4,01 66,33 A 31 396 0,51 96,86 C
10 2974 3,81 70,15 B 32 382 0,49 97,35 C
11 2601 3,34 73,48 B 33 382 0,49 97,84 C
12 2143 2,75 76,23 B 34 377 0,48 98,33 C
13 2052 2,63 78,86 B 35 331 0,42 98,75 C
14 1949 2,50 81,36 B 36 226 0,29 99,04 C
15 1195 1,53 82,89 B 37 162 0,21 99,25 C
16 1145 1,47 84,36 B 38 144 0,18 99,43 C
17 986 1,26 85,63 B 39 105 0,13 99,57 C
18 964 1,24 86,86 B 40 101 0,13 99,70 C
19 936 1,20 88,06 B 41 99 0,13 99,83 C
20 785 1,01 89,07 B 42 68 0,09 99,91 C
21 737 0,95 90,02 B 43 68 0,09 100,00 C
22 705 0,90 90,92 B Total 77971 - -

Fonte: Autores (2018)

Para a classificação ABC foi adotado o seguinte critério: 20% dos itens pertencem a classe A,
30% são de classe B e 50% classe C. Logo, 9 itens correspondem a classe A, 13 itens
pertencem à classe B e os outros 21 itens são classe C. Observa-se que os itens da classe A
correspondem a aproximadamente 66% da demanda, portanto, são classificados como os itens
mais relevantes. Os outros 34 produtos (80% do total) correspondem a apenas 34% das
vendas e, portanto, possuem importância menor para a empresa com relação à demanda.
A partir da classificação ABC foram selecionados os três primeiros itens da classe A, para
análise da série temporal e definição do modelo de previsão de demanda, apresentados a
seguir.

8
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

4.2. Análise das séries temporais e definição do modelo de previsão

Para a definição do modelo matemático mais adequado para a realização das previsões de
demanda, foram analisados o comportamento das séries temporais dos três produtos
selecionados, apresentados na Figura 3.

Figura 3 – Comportamento da série temporal dos itens 1, 2 e 3

2600
2400
2200
Demanda (unidades)

2000
1800
1600
1400
1200
1000
800
600
abr/17 mai/17 jun/17 jul/17 ago/17 set/17 out/17 nov/17 dez/17 jan/18 fev/18 mar/18

Item 1 Item 2 Item 3

Fonte: Autores (2018)

Observa-se que os itens tiveram um aumento de demanda no mês de dezembro; isto se

justifica uma vez que este mês é marcado por festas natalinas e de réveillon. Apesar deste
pico, observa-se que as séries temporais apresentam um padrão de demanda médio, não
apresentando elementos de tendência ou sazonalidade.
Logo, foi selecionado o modelo da suavização exponencial simples e feita a previsão de
demanda para o item 1. Isto porque, uma vez validado o modelo, este pode ser aplicado para
os outros itens, que apresentam um comportamento da série temporal similar.

4.3. Previsão de demanda

Para realizar a previsão de demanda do item 1 foi admitido um valor aleatório de alfa igual a
0,5. Os resultados são apresentados na Figura 4.

9
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Figura 4 – Demanda real e demanda prevista com alfa igual a 0,5

1200

1100
Demanda (unidades)

1000

900

800

700

600

Demanda Real Demanda Prevista

Suavização Exp.

Fonte: Autores (2018)

A partir dos dados de demanda real e de demanda prevista foi calculado o MAD, que resultou
em 57,1. Porém, como o objetivo é minimizar esse valor de erro, foi realizado o processo de
otimização do valor de alfa utilizando a ferramenta Solver do Excel®. Após a aplicação,
obteve-se que o valor ótimo de alfa é 0,101692, que resultou em um MAD de 49,6. A Figura
5 mostra o gráfico do comportamento da demanda real e da demanda prevista, para o novo
valor de alfa.

Figura 5 – Demanda real e demanda prevista com alfa igual a 0,101692

1200

1100
Demanda (unidades)

1000

900

800

700

600

Demanda Real Demanda Prevista

Suavização Exp.

Fonte: Autores (2018)

10
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Observa-se que a demanda prevista acompanha de maneira suavizada a demanda real, uma
vez que a cada significativo aumento ou redução da demanda real, o valor da demanda
prevista para o próximo mês não altera na mesma proporção. Isso se dá por conta de que a
constante de suavização (α) está mais próxima de 0 que de 1.
Para verificar a acuracidade do modelo, foi feito um gráfico de controle (Figura 6)
correspondente a 4 MAD (TUBINO, 2006). Os limites inferior e superior foram -198,4 e
198,4, respectivamente.

Figura 6 – Gráfico de controle para MAD igual a 49,6

300,0
250,0
200,0
150,0
Erro (unidades)

100,0
50,0
0,0
-50,0
-100,0
-150,0
-200,0
-250,0

Erro MAD -4 MAD 4

Fonte: Autores (2018)

Observa-se que os erros de previsão estão dentro dos limites de controle, com exceção do erro
referente ao mês de dezembro, uma vez que, como exposto anteriormente, há um aumento de
demanda neste mês devido às festas natalinas e de réveillon. Neste sentido, é importante que o
gestor realize também uma análise qualitativa, observando os fatores externos que podem
influenciar a sua demanda. Para o mês de dezembro, por exemplo, o gestor pode estimar um
aumento das vendas de 30% acima da média que foi prevista utilizando o modelo proposto.
Validado o modelo, foi feita a previsão de demanda para os meses subsequentes, utilizando-se
o mesmo valor de valor alfa de 0,101692. É importante esclarecer que, uma vez que a
suavização exponencial simples é utilizada para previsão de demanda de curto prazo, a
aplicação deste modelo exige que o gestor atualize a série temporal e faça a previsão de
demanda para o próximo mês. Os resultados são apresentados na Figura 7.

11
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Figura 7 – Demanda real e demanda prevista dos meses de abril/17 a agosto/18

1200

1100

1000
Demanda (unidades)

900

800

700

600

Demanda real Demanda prevista

Fonte: Autores (2018)

Observa-se na Figura 7 que, novamente, os valores de demanda prevista acompanharam de

forma suave os valores da demanda real, uma vez que mante-se o mesmo valor da constante
de suavização (α).
Foi calculado novamente o MAD considerando os novos valores da série temporal, e este
assumiu o valor de 43,4. Também foi elaborado o gráfico de controle, em que os valores de
limite superior e inferior foram de – 173,6 a 173,6, respectivamente (Figura 8).

Figura 8 – Gráfico de controle para MAD igual a 43,4

300,0
250,0
200,0
150,0
100,0
Erro (unidades)

50,0
0,0
-50,0
-100,0
-150,0
-200,0
-250,0

erro 4 MAD - 4 MAD

Fonte: Autores (2018)

12
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Observa-se que os valores de erro de previsão para os meses de abril a agosto de 2018
encontram-se dentro dos limites de controle. Logo, o modelo continuou adequado.
É importante ressaltar que as previsões baseadas em modelos quantitativos são sempre
sujeitas a erros de previsão. Porém, os valores fornecidos podem embasar as decisões do
gestor do supermercado com relação à quantidade a ser comprada dos fornecedores, de modo
a atender a demanda.
A próxima etapa consistiu em definir o modelo de controle de estoque da empresa, com o
objetivo de determinar quando realizar o pedido.

4.4. Definição do modelo de controle de estoques

Uma vez que a previsão de demanda auxilia o gestor na definição da quantidade a ser
comprada dos fornecedores, é importante também definir quando pedir e de quanto deve ser o
estoque de segurança do produto.
Na coleta de dados, o gestor informou que os pedidos de todos os itens da subcategoria de
bebidas eram feitos semanalmente. Porém, desta forma pode ser que haja ruptura no estoque
até que se complete o ciclo de pedido e recebimento dos produtos, resultando no não
atendimento à demanda. Por este motivo, foi proposto o modelo de reposição contínua, uma
vez que neste modelo será feito um novo pedido sempre que o estoque atingir o ponto de
ressuprimento, de maneira que o estoque restante seja capaz de atender a demanda até o
momento de recebimento do pedido.
Para a aplicação do modelo de reposição contínua foi necessário definir o ponto de
ressuprimento (R) e o estoque de segurança (Es), a partir das Equações 3 e 4. Foi calculado o
desvio-padrão da demanda mensal no período analisado, e este foi de 67,5 unidades. Quanto
ao tempo de ressuprimento (L) foi considerado um valor constante, igual a 7 dias (0,23 mês).
O nível de serviço adotado foi de 95% (z = 1,465). Os valores obtidos são apresentados a
seguir.

𝐸𝑠 = 1,465 x 67,5 x √0,23 = 47,4 ≅ 48 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

𝑅 = 850,6 x 0,23 + 48 = 243,6 ≅ 244 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

A partir dos valores calculados, tem-se que o gestor deve realizar um novo pedido de compras
sempre que o estoque deste item atingir o valor de 244 unidades, sendo que a quantidade a ser
13
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

comprada deverá ser definida com base na previsão de demanda para o período em que o
pedido for feito. Caso aconteça algum imprevisto, como atraso na entrega ou aumento da
demanda média, o estoque de segurança poderá suprir eventuais imprevistos que venham
acontecer, como atraso na entrega ou aumento inesperado da demanda.
A Figura 9 apresenta o gráfico dente de serra genérico do modelo de controle de estoque
proposto, com seus parâmetros R e Es.

Figura 9 – Gráfico genérico do modelo de controle de estoque proposto

Fonte: Autores (2018)

5. Considerações finais
O presente trabalho demonstrou a relevância da aplicação de uma política de gestão e controle
de estoques bem definida para as empresas, em particular para aquelas de pequeno porte do
setor supermercadista. Aplicar as ferramentas de previsão de demanda e de reposição contínua
auxiliam o gestor a tomar decisões importantes, relacionadas aos seus produtos, no momento
correto.
Verificou-se que através de uma análise criteriosa do comportamento da demanda de um
produto é possível realizar uma previsão a curto e médio prazo da quantidade a ser requisitada
nos próximos meses. Além disso, utilizando softwares de fácil acesso o gestor consegue
verificar a previsão mais adequada (com o menor MAD) com o objetivo de aproximar o
máximo possível da demanda real.

14
 XL ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
“Contribuições da Engenharia de Produção para a Gestão de Operações Energéticas Sustentáveis”
Foz do Iguaçu, Paraná, Brasil, 20 a 23 de outubro de 2020.

Também se notou a importância de controlar o estoque adequadamente utilizando a

ferramenta de reposição contínua, que permitiu uma visualização clara do momento a ser
pedido uma nova remessa do produto.
Tais ferramentas, se forem de fato utilizadas, poderão se tornar parte da rotina do
supermercado em questão, já que atualmente não há um controle de estoques. Portanto,
espera-se que o gestor aplique estes métodos com o intuito de facilitar seu entendimento
quanto a estes assuntos e, ao mesmo tempo, melhorar sua a gestão de todo seu negócio sendo
eficiente em seus pedidos, evitando assim desperdícios.

Referências bibliográficas
ABRAS – Associação Brasileira de Supermercados. Os números do setor. Disponível em:
<http://www.abras.com.br/economia-e-pesquisa/ranking-abras/os-numeros-do-setor/>. Acesso em: 14 de maio
de 2020.

CÔRREA, H. L.; GIANESI, I. G. N.; CAON, M.;- Planejamento, programação e controle da produção. 5º
ed. p. 36. São Paulo: Atlas, 2011.

FERNANDES, F. C. F.; GODINHO FILHO, M.;- Planejamento e controle da produção - Dos fundamentos
ao essencial. São Paulo: Atlas, 2010.

LUSTOSA, L.; [et al.]. Planejamento e controle da produção. 4ª reimp. p. 52. Rio de Janeiro: Elsevier, 2008.

MARIANO, A. M.; VÉRAS, J. M.; SILVA, A. J.; et al. Impactos da globalização nas organizações
brasileiras. Revista Eletrônica Gestão e Saúde. Edição Especial. p. 3657-75. Ano 2014.

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

VOLLMANN, T. E; [et al.]. Sistemas de planejamento e controle da produção para o gerenciamento da

cadeia de suprimentos. 5ª ed. p. 27. Porto Alegre: Bookman, 2006.

15