ESTUDO DE PREVISÃO DE DEMANDA PARA EMPRESA DE EQUIPAMENTOS
MÉDICOS DE DIAGNÓSTICO
Andréa Crispim Lima
[email protected]
Manoela Alves Vasconcelos
[email protected]
Resumo: A previsão de demanda é essencial no auxílio para a determinação dos recursos
necessários para a empresa. Neste artigo foi pesquisado o melhor método de previsão de
vendas para uma empresa de equipamentos médicos. A empresa apresenta uma variedade de
produtos de baixo volume. Como cada produto apresenta particularidades, a previsão de
demanda foi direcionada para o eletrocardiógrafo de repouso, buscando representar seu
comportamento temporal. A obtenção do modelo mais adequado foi obtida por meio de
gráfico, o qual subsidiou a decisão de adotar o método sazonal multiplicativo para a
previsão de demanda do eletrocardiógrafo de repouso.
Palavras-chaves: previsão de demanda, sazonalidade, eletrocardiógrafo.
1. Introdução
De acordo com Lustosa et al (2008), o processo de previsão de demanda é importante no
planejamento de uma empresa, pois com base nessa informação são tomadas decisões
financeiras, comerciais e operacionais. Dessa forma, uma previsão eficiente tem impacto
direto no resultado econômico da mesma.
Na área de equipamentos médicos, prever a demanda é essencial devido aos tempos de
produção dos equipamentos, e ensaios e testes de verificação de desempenho, aos quais os
equipamentos são submetidos, durante a produção e instalação. O atendimento de normas, tais
como as NBR IEC 601.1 e a norma particular NBR IEC 601.2-25 quanto à segurança elétrica
e a norma NBR IEC 601-1-2 quanto à compatibilidade eletromagnética, exige o uso de
componentes específicos, geralmente importados, com lead time alto, o que influencia
diretamente no tempo de produção do equipamento.
Existem três modelos de previsão amplamente utilizados pelas empresas.
Os modelos qualitativos são, basicamente, subjetivos e geralmente utilizados quando não
existem dados históricos para serem analisados como fundamento da previsão. Os principais
modelos qualitativos para previsão de demanda são predição, opinião de executivos, opiniões
da equipe de vendas, pesquisas de mercado, método Dephi e analogia com produtos similares.
Os modelos de decomposição de séries temporais são fundamentados no estudo estatístico da
demanda passada para projetar a demanda futura. Dentre os modelos de decomposição de
séries temporais tem-se os modelos baseados em séries (média móvel, média ponderada ou
com suavização exponencial), aplicados a demandas que não apresentem comportamento de
tendência ou sazonalidade, e os modelos de regressão linear, que são utilizados para
demandas que apresentem tendência mas não sazonalidade.
O modelo do ajustamento sazonal pode ser usado para séries temporais de demandas que
apresentam nível, tendência e sazonalidade.
Neste trabalho, empregou-se os métodos sazonal aditivo e multiplicativo para a previsão de
demanda de um equipamento médico de diagnóstico.
O método sazonal aditivo é um método por meio do qual previsões sazonais são geradas somandose uma constante à estimativa de demanda média por período sazonal.
O método sazonal multiplicativo é um método por meio do qual fatores sazonais são
multiplicados por uma estimativa de demanda média para se chegar a uma previsão sazonal.
Verificou-se a necessidade de prever a demanda em uma empresa de equipamentos médicos
de diagnóstico em decorrência da exigência de componentes específicos, em sua maioria
importados. O conhecimento antecipado da quantidade a ser produzida mensalmente auxilia
no planejamento de compras e administração de componentes.
A limitação neste trabalho decorre da limitação de dados do equipamento, devido ao mesmo
ter iniciado sua produção em 2010.
Neste artigo, a metodologia de previsões de vendas será aplicada na elaboração de um sistema
adequado de previsão de demanda para equipamentos médicos para diagnóstico. A estrutura
deste trabalho será da seguinte maneira. Na seção 2 será apresentada a Metodologia utilizada,
seguida dos Resultados na seção 3.
2. Metodologia
2.1. Revisão literária
As previsões de demanda são elaboradas utilizando técnicas qualitativas ou quantitativas, ou
ainda, a combinação das duas. Métodos quantitativos utilizam dados históricos para prever a
demanda no futuro. A previsão de demanda futura requer a construção de modelos
matemáticos a partir dos dados disponíveis.
O emprego de um modelo matemático depende do comportamento da série temporal
analisada. Uma série temporal pode exibir até quatro características comportamentais: média,
sazonalidade, ciclo e tendência.
A característica de média ocorre quando os valores da série flutuam em torno de uma média
constante. A série apresenta características sazonais quando padrões semelhantes de variação
se repetem em intervalos praticamente constantes no tempo. A característica cíclica ocorre
quando a série apresenta variações ascendentes e descendentes, porém, em intervalos
irregulares de tempo. Por fim, a característica de tendência existe quando a série apresenta
comportamento ascendente ou descendente por um longo período de tempo.
O modelo a ser empregado na previsão futura da demanda depende do comportamento da
série temporal e a escolha do modelo mais apropriado é que apresentar o menor valor a partir
do cálculo dos erros gerados por cada modelo.
2.1.1. Métodos de previsão de demanda
De com Makridakis et al (1998, apud Werner&Ribeiro 2003), realizar previsões de demanda
é importante para auxiliar na determinação dos recursos necessários para a empresa.
2.1.1.1. Método sazonal multiplicativo
O método multiplicativo é utilizado na modelagem matemática de dados sazonais onde a
amplitude do ciclo sazonal varia com o passar do tempo.
2.1.1.2. Método sazonal aditivo
O método aditivo é utilizado na modelagem matemática de dados sazonais onde a amplitude
do ciclo sazonal permanece constante com o passar do tempo.
2.1.1.3. Validação de métodos de previsão de demanda
Segundo Corrêa et al (2011), um sistema de previsão terá sucesso se os erros forem
apontados e analisados com os objetivos de reavaliar hipóteses, fazer modificações no método
de previsões e melhorar o processo.O erro de previsão é definido como a diferença entre a
demanda e a previsão.
O Erro Percentual Absoluto Médio (MAPE) é uma medida que relaciona o erro de previsão
ao nível de demanda e é útil para colocar o desempenho de previsão na perspectiva adequada.
O Desvio Absoluto Médio (MAD) é uma medida da dispersão dos erros de previsão.
Neste trabalho, foram utilizados como critérios de validação do método o Desvio Absoluto
Médio (MAD) e o Erro Percentual Absoluto Médio (MAPE)
2.2. Aplicação da metodologia
A empresa estudada é fabricante de Sistemas para Diagnósticos Médicos com 19 anos de
atuação e liderança na área de Cardiologia no Brasil. Ela desenvolve, fabrica e comercializa
equipamentos e softwares para o uso em Clínicas, Hospitais e Laboratórios. Inserida em uma
área de forte crescimento, os negócios de saúde, a empresa tem em seu DNA princípios e
ativos fortes tais como garantia de diagnóstico confiável e rápido, inovação contínua em
tecnologia e serviços, parceria científica com a comunidade médica, e total conformidade com
a legislação. A empresa é certificada pela ANVISA com as Boas Práticas de Fabricação
(BPF). Essa filosofia trouxe para a empresa uma marca forte e respeitada, market share alto e
em crescimento, bem como preços Premium. A empresa em estudo faturou R$ 15,8 milhões
em 2010.
O produto em estudo trata-se de um Eletrocardiógrafo USB computadorizado para captura e
impressão do traçado eletrocardiográfico em 12 derivações simultâneas com o paciente em
repouso. Possui ainda funcionalidades como possibilidade de execução de medidas de
amplitude e tempo sobre o traçado, bem como a possibilidade de arquivamento dos registros
executados em um banco de dados, para consulta posterior. A figura abaixo (Figura 1) ilustra
o Eletrocardiógrafo USB Wincardio.
Fig. 01: Eletrocardiógrafo USB Wincardio
Para o estudo realizado foram coletadas as demandas reais de 2010 a setembro de 2012 no
histórico da empresa além de entrevistas com o gestor da área de produção da empresa para a
obtenção de explicações sobre os picos de vendas e demais informações sobre a empresa.
Após a coleta dos dados foi gerado o gráfico das demandas reais do equipamento estudado
para análise de seu comportamento no tempo.
A partir dos dados coletadas foi elaborada a tabela com os referentes dados, conforme Tabela
1, e um gráfico para a análise do comportamento da séria temporal (Figura 2).
Tabela 1 - Demanda eletrocardiógrafo Wincardio
Mês
Janeiro
Fevereiro
Março
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
2010
25
34
36
36
66
38
56
85
47
115
32
47
2011
40
40
55
148
71
64
69
58
106
59
44
55
Fonte: dados fornecidos pela empresa
Figura 2 - Gráfico da série temporal
Fonte: dados fornecidos pela empresa
2012
70
52
99
56
82
74
48
84
46
-
Analisa-se, através do gráfico da série temporal, o seu comportamento no tempo para se
concluir que o mesmo apresenta um padrão sazonal. Este comportamento deve-se a um
aumento da demanda em dois períodos específicos, relacionados aos Congressos Paulista e ao
Brasileiro de Cardiologia.
Em 2010 o Congresso Paulista aconteceu no período de 29 de Abril a 01 de Maio e o
Brasileiro de Cardiologia de 26 a 29 de Setembro. Já em 2011 os eventos aconteceram no
período de 23 a 25 de Junho e 16 a 19 de Setembro. Neste ano os congressos foram de 07 a 09
de Junho (Paulista) e 14 a 17 de Setembro (Brasileiro de Cardiologia).
Fundamentado no comportamento da demanda optou-se pelo método sazonal multiplicativo,
para os cálculos de previsão de demanda para o Eletrocardiográfo Wincardio, obtendo-se os
resultados apresentados na Tabela 2.
Tabela 2 - Cálculo de previsão de demanda pelo Método Sazonal Multiplicativo
3. Resultados
A análise dos valores do MAD (23,89) e MAPE (38,29%) para a previsão de demanda
calculada para o ano de 2012 evidencia que o método utilizado não foi eficiente em
decorrência da base de dados e do comportamento da série temporal. Posto isto, faz-se
necessário um estudo mais abrangente dos dados históricos, do comportamento da série
temporal e da aplicação de outros métodos disponíveis de previsão de demanda, juntamente
com a validação dos métodos aplicados.
Referências
CORRÊA, L. H.; GIANESI, I. G. N.; CAON, M. Planejamento, Programação e Controle
da Produção MRP II/ERP. 5ª ed. São Paulo: Atlas, 2011.
LUSTOSA, L. et al. Planejamento e Controle da Produção. Rio de Janeiro: Elsevier, 2008.
WERNER, L.; RIBEIRO, J. L. D. Previsão de Demanda: Uma aplicação dos Modelos de
Box Jenkins na Área de Assistência Técnica de Computadores Pessoais. Gestão e Produção,
São Paulo: Universidade Federal de São Carlos, V. 10, nº 1, p. 47 - 67, abr. 2003
PEINADO, Jurandir; GRAEML, Alexandre Reis. Administração da produção: operações
industriais e de serviços.Curitiba: UnicenP, 2007