XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005
Analogia e combinação de previsões aplicados à demanda de novos
produtos
Diego Bouvie Grippa (UFRGS) [email protected]
Fernando de Oliveira Lemos (UFRGS) [email protected]
Flávio Sanson Fogliatto (UFRGS) [email protected]
Resumo
Com a diminuição do ciclo de vida dos produtos, lançamentos de novos produtos ocorrem
com uma maior freqüência. Uma previsão de demanda acurada desses novos produtos
fornece apoio à tomada de decisões em empresas, além de ser de extrema importância para
um planejamento empresarial correto. Este artigo apresenta uma metodologia para previsão
de demanda de novos produtos. A metodologia é baseada em previsões por analogia e
combinação de previsões quantitativas e qualitativas. O artigo traz, inicialmente, uma
revisão bibliográfica sobre analogia e combinação de previsão, seguido de um estudo de
caso, onde a metodologia proposta é aplicada na obtenção de uma previsão de demanda
para um produto que está sendo introduzido no mercado brasileiro.
Palavras chave: Previsão de Demanda, Analogia, Combinação.
1. Introdução
Realizar uma previsão de demanda significa predizer necessidades antes que elas realmente
aconteçam (ARCHER, 1980). Para este fim, normalmente utilizam-se dados históricos da
empresa, informações sobre ambiente e outras variáveis que possam interferir na demanda de
um determinado produto. A previsão de demanda tem um papel muito importante nas
empresas, pois fornece informações para que seus diversos setores planejem e controlem de
forma adequada todas suas ações (TANWARI & BETTS, 1999). Os resultados da previsão
são a base para a definição de modificações no nível de mão-de-obra, fluxo de caixa,
definição de promoções de vendas, gestão de estoques e capacidade, entre outras atividades.
Os múltiplos métodos utilizados para a realização de previsões são classificados em qualitativos
e quantitativos. Previsões baseadas em opiniões de especialistas são chamadas de previsões
qualitativas, e, normalmente, são utilizadas quando os dados históricos inexistem ou são
escassos (PELLEGRINI & FOGLIATTO, 2001). Métodos baseados em dados históricos são
conhecidos como métodos de previsões quantitativas. Podem-se realizar previsões quantitativas
através de análise de séries temporais ou através de modelos causais (ARCHER, 1980).
Atualmente, com o propósito de encontrar a melhor previsão, estão sendo desenvolvidos
diversos estudos sobre previsões por analogia e combinação de previsões. A proposta deste
trabalho é apresentar uma metodologia para a previsão de novos produtos, a qual consiste na
utilização do método de analogia e combinação de métodos qualitativos e quantitativos. A
idéia de elaborar uma metodologia de previsão de demanda de novos produtos se mostra
muito oportuna, visto que produtos com ciclo de vida cada vez menor são uma tendência
crescente, fazendo com que a substituição de produtos e o lançamento de novos produtos
sejam bastante freqüentes.
A lacuna de trabalhos na literatura acerca do desenvolvimento de métodos de previsão para
novos produtos, para os quais dados históricos são escassos ou inexistentes, foi constatada por
autores como Armostrong (2001) e Kuyven & Cunha (2003). Um levantamento bibliográfico
ENEGEP 2005
ABEPRO
2736
XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005
recente elaborado por Kahn (2002) listou 25 trabalhos relacionados, em maior ou menor grau,
ao tema; nenhum deles, entretanto, propõe a combinação de previsões como sistemática para
previsão de demanda de produtos novos. Assim, pode-se classificar a proposta metodológica
aqui apresentada como original, por não encontrar paralelo na literatura, e como atualizada,
por abordar um tema de discussão recente.
2. Referencial teórico
A grande dificuldade para a obtenção de previsões de demanda para novos produtos é a falta
de dados históricos. Para suprir esta necessidade, foram desenvolvidos os métodos de
analogia. Segundo Georgoff & Murdick (1986), realizar uma previsão por analogia significa
utilizar dados de um domínio em outro, acreditando que estes domínios possuam
características semelhantes. Entretanto, é importante que a analogia seja realizada de forma
estruturada. Deve-se realizar uma avaliação da previsão, pois não há garantia alguma de que o
que aconteceu no passado se repetirá no futuro (SOUDER & THOMAS, 1994). Segundo
Armstrong (2001), um uso formal da analogia pode auxiliar previsões qualitativas, já que,
através da analogia, tendências relativas ao otimismo ou visão irreal do ambiente podem ser
eliminadas.
Diversos aspectos podem ser utilizados para a realização da analogia, por exemplo:
funcionalidades dos produtos, tipo de compradores, estrutura do mercado, condições
econômicas, nível de inovação, programa de marketing para o lançamento do produto, entre
outros (SOUDER & THOMAS, 1994).
O uso do forecasting por analogia em uma estratégia de previsão combinada pode trazer
benefícios significativos em termos de acurácia de previsão, no caso de novos produtos. Segundo
Bopp (1985) existem três motivos para combinar previsões: (i) desejo de obter a melhor previsão,
ou seja, a previsão mais acurada; (ii) usar previsões de diferentes métodos, ao invés de definir,
como sendo a melhor, uma única previsão; ou (iii) presença de dados irregulares.
Segundo Hogarth apud Blattberg & Hoch (1990), combinar previsões qualitativas e
quantitativas aprimora as previsões, pois as fraquezas de um modelo tendem a ser canceladas
pelas forças do outro e vice-versa. Por exemplo, métodos qualitativos são flexíveis e, portanto,
incorporam mudanças no ambiente rapidamente, o que não ocorre com as técnicas quantitativas.
Por outro lado, métodos quantitativos apresentam resultados consistentes com os padrões de
demandas passadas, o que compensa a inconsistência inerente a julgamentos humanos.
Corroborando este estudo, uma pesquisa realizada por Collopy & Armstrong (1992) mostra que
a maioria dos especialistas em forecasting acredita que combinar métodos qualitativos com
quantitativos pode trazer ótimos resultados em termos de precisão para as previsões.
Existem diversas maneiras de realizar a combinação de previsões. Neste estudo, optou-se por
apresentar somente dois métodos, os quais são de simples utilização e trazem resultados
satisfatórios. Os métodos são (i) o ajuste de previsões quantitativas, através do uso de
opiniões de especialistas, e (ii) uso de média aritmética.
O ajuste de previsões quantitativas por especialistas é uma forma muito utilizada para
combinar métodos quantitativos e qualitativos. Entretanto, normalmente empresas utilizam
esta técnica informalmente, dificultando a reprodução da previsão por outros, visto que não
existe uma documentação apresentando os procedimentos utilizados para o ajuste (BUNN &
WRIGHT, 1991). De acordo com Reinmuth & Guerts apud Bunn & Wright (1991), em
épocas atípicas (ex., promoções), previsões baseadas na análise de séries temporais podem ser
significativamente aprimoradas por ajustes de especialistas. O principal motivo para esta
melhoria na previsão é que modelos quantitativos dificilmente incorporam mudanças radicais
no ambiente, problema que é corrigido através do ajuste.
ENEGEP 2005
ABEPRO
2737
XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005
A média aritmética é um dos métodos mais populares para combinação de diferentes
previsões (FLORES & WHITE, 1989). A combinação pode ocorrer através de média simples
ou ponderada. Todavia, de acordo com estudo realizado por Blattberg & Hoch (1990),
resultados obtidos utilizando média simples não diferem significativamente do melhor
resultado utilizando média ponderada.
Mesmo com a combinação de poucas previsões individuais, a média simples leva a um
aumento significativo na exatidão da previsão (RINGUEST & TANG, 1989). Caso não haja
nenhuma forte evidência de que o uso de um método para previsão é o mais indicado, é
recomendada a utilização de combinação de previsões através de média simples
(MAKRIDAKIS & WINKLER, 1983 apud THOMAS, 1987).
3. Metodologia para previsão de demanda e estudo de caso
A empresa analisada no estudo de caso, localizada no estado do Paraná, produz medidores de
energia elétrica, os quais são fornecidos para empresas de distribuição de energia tanto no
Brasil quanto no exterior. A empresa está introduzindo no mercado brasileiro medidores
eletrônicos de energia, o qual já apresentou sucesso no mercado Europeu e dos Estados
Unidos. Além de medidores eletrônicos a empresa produz medidores eletromecânicos. Os
medidores eletrônicos, e eletromecânicos são classificados como monofásicos e polifásicos.
As etapas seguidas neste estudo de caso foram adaptadas dos princípios de previsão de
demanda apresentados por Armstrong (2001); são elas: (i) estruturação do problema; (ii)
obtenção de informações; (iii) implementação dos métodos de previsão; e (iv) avaliação do
método de previsão.
3.1. Estruturação do problema
Nesta etapa, primeiramente define-se o objetivo da previsão, o qual, neste estudo de caso, é
obter uma previsão acurada da demanda de medidores eletrônicos monofásicos e polifásicos
para o mercado interno. A escolha deste problema deve-se ao fato de que as vendas de
medidores eletrônicos estão muito abaixo da previsão realizada pela empresa, resultando em
grandes dificuldades para a realização de um correto planejamento de curto e médio prazo.
Para completar a estruturação do problema, deve-se definir o período, horizonte e intervalo de
previsão. Definiu-se um período de previsão mensal, pois é com esta freqüência que se faz o
planejamento da produção e de estoques na empresa. Optou-se por um horizonte de previsão
de seis meses. Foi feita uma opção por um horizonte de previsão relativamente curto, porque
o mercado para medidores de energia elétrica é bastante instável, já que está sujeito a diversos
fatores, como decisões que o governo possa tomar em relação à utilização de medidores
eletrônicos em nível residencial. O intervalo de previsão será mensal, já que a empresa realiza
um acompanhamento mensal de suas vendas e, desta maneira, ela poderá facilmente realizar
um aprimoramento contínuo da previsão realizada neste trabalho.
3.2. Obtenção de informações
Esta etapa é de extrema importância para se obter uma previsão acurada, pois sem
informações adequadas e confiáveis, a acurácia da previsão fica bastante comprometida. As
informações a serem obtidas podem ser de dois tipos (MAKRIDAKIS et al., 1998): (i) dados
estatísticos, e (ii) informações subjetivas oriundas de julgamentos de especialistas. Nesta
etapa deve-se identificar dados que possam ser utilizados na previsão. Os primeiros dados
obtidos foram referentes às vendas dos medidores eletrônicos de outubro de 2002 a julho de
2004, os quais são apresentados na Tabela 1. Entretanto, como o medidor eletrônico é um
produto novo no mercado brasileiro, suas vendas ainda não possuem um histórico
significativo, o que pode ser verificado na Figura 1, sendo estes dados insuficientes para a
ENEGEP 2005
ABEPRO
2738
XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005
realização de uma previsão quantitativa.
Armstrong (2001) sugere que quando não há a possibilidade de se realizar a previsão
quantitativa, deve-se realizar uma previsão puramente qualitativa ou previsão por analogia.
Como os dados de demanda relativos aos medidores eletromecânicos também foram
disponibilizados pela empresa, optou-se pela realização de uma previsão por analogia. A
analogia entre medidores eletromecânicos e eletrônicos é justificada por eles possuírem
funcionalidades semelhantes, os mesmos compradores e estrutura de mercado semelhante. Os
dados dos medidores eletromecânicos eram referentes às vendas da empresa no período de
outubro de 2001 a julho de 2004, e estavam estratificados segundo a classificação (monofásico
e polifásico) e quanto ao mercado de destino do produto vendido (interno e externo).
Mês
out/02
nov/02
dez/02
jan/03
fev/03
mar/03
abr/03
mai/03
jun/03
jul/03
ago/03
Carga
Diária
0
500
252
1000
0
3
200
531
100
500
550
Mês
set/03
out/03
nov/03
dez/03
jan/04
fev/04
mar/04
abr/04
mai/04
jun/04
jul/04
Carga
Diária
1594
1111
828
680
0
82
479
700
685
562
602
1400
1200
1000
800
600
400
200
0
2003
Tabela 1- Dados de medidores eletrônicos
2004
Figura 1 – Série temporal medidores eletrônicos
3.3. Implementação dos métodos de previsão
Como citado anteriormente, pelo fato dos dados das demandas de medidores eletrônicos
serem insuficientes para a realização de uma previsão quantitativa, optou-se por obter uma
previsão por analogia utilizando os dados de demanda dos medidores eletromecânicos. A
previsão por analogia combinará métodos quantitativos e qualitativos, no intuito de ajustar as
diferenças de grandezas entre a demanda dos dois produtos. Para a implementação da
previsão por analogia, foram seguidos os seguintes passos: (i) previsão qualitativa; (ii)
previsão quantitativa; e (iii) combinação das previsões.
A previsão qualitativa tem como principal objetivo obter parâmetros que possibilitem a
realização do ajuste nas previsões quantitativas obtidas. Este ajuste é muito importante em
previsões por analogia, pois, sem ele, a acurácia das previsões fica bastante comprometida.
Para a realização da previsão qualitativa foi estruturada uma pesquisa. A pesquisa foi
submetida a especialistas da área de distribuição de energia elétrica do Brasil, os quais deram
suas opiniões sobre a demanda de medidores eletrônicos no mercado brasileiro. Os resultados
obtidos na pesquisa, que serão utilizados para o ajuste da previsão quantitativa, são
apresentados na Tabela 2. Nesta pesquisa, obteve-se evidência da tendência de substituição
dos medidores eletromecânicos monofásicos e polifásicos por medidores eletrônicos.
Taxa de substituição de medidores eletromecânicos por eletrônicos
Taxa média
Taxa anual Otimista
Taxa anual Pessimista
Monofásico Polifásico Monofásico Polifásico Monofásico Polifásico
3,0%
3,0%
4,5%
4,5%
1,0%
2,0%
Tabela 2 – Resultado da pesquisa qualitativa
Para a previsão quantitativa serão utilizados os dados referentes à demanda de medidores
eletromecânicos monofásicos e polifásicos, já que a previsão qualitativa indicou que os dois
modelos de medidores seriam substituídos no Brasil.
Após análise das séries temporais dos medidores monofásicos e polifásicos, retiraram-se
ENEGEP 2005
ABEPRO
2739
XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005
dados referentes ao período de outubro de 2001 a junho de 2002, pois estes foram
considerados atípicos (contaminados por eventos especiais como o “efeito apagão”, o qual
interferiu na demanda de medidores). Estes dados estavam prejudicando a identificação de um
padrão de comportamento para a previsão. Também se definiu que seriam utilizados os dados
de carga diária média de produção mensal para a obtenção das previsões quantitativas. A
utilização destes dados se deve ao fato de que, quando utilizados os dados de carga total de
produção mensal, não existia um padrão nas séries temporais analisadas que resultasse em
uma boa modelagem matemática de previsão. Além disso, os dados de lead time de entrega de
matéria-prima estavam em base diária, logo a utilização de carga diária facilitaria o
planejamento da empresa.
Para medidores monofásicos, optou-se por realizar uma previsão utilizando dados de demanda
total de medidores monofásicos (soma do mercado interno e externo), alternativa esta que
resultou em bom ajuste do modelo de previsão aos dados (apresentados na Tabela 3). Estes
dados apresentaram tendência e sazonalidade. A sazonalidade se caracterizou devido à
existência de um aumento nas vendas no início do ano e de diminuição no final. Segundo
Georgoff & Murdick (1986), um dos modelos indicados para séries temporais que apresentam
tendência e sazonalidade é o modelo de Winters multiplicativo. Este modelo de fato se mostrou
adequado, com boa capacidade preditiva (R² = 0,92). Os resultados, obtidos com a utilização do
software ForecastPro (1999), são apresentados na Tabela 4, e o gráfico com a série temporal e
a previsão na Figura 2. Para a realização da desagregação das previsões obtidas, ou seja, definir
a parcela referente ao mercado interno, calculou-se a média dos percentuais mensais de vendas
para o mercado doméstico no último ano e multiplicaram-se os resultados obtidos na previsão
por essa média. A média dos percentuais mensais foi igual a 64%. A previsão de demanda
doméstica para medidores monofásicos é apresentada na Tabela 5.
Mês
jul/02
ago/02
set/02
out/02
nov/02
Carga
Diária
1945
1919
1320
1571
1481
Mês
dez/02
jan/03
fev/03
mar/03
abr/03
Carga
Diária
1660
1850
2235
2500
2709
Mês
mai/03
jun/03
jul/03
ago/03
set/03
Carga
Diária
2734
2724
2416
2296
2020
Mês
out/03
nov/03
dez/03
jan/04
fev/04
Carga
Diária
1487
1968
2002
2597
2616
Mês
mar/04
abr/04
mai/04
jun/04
jul/04
Carga
Diária
3187
3328
3266
3187
3238
Tabela 3 – Dados de demanda total de medidores monofásicos
Observando-se os percentuais mensais de vendas para o mercado interno, observou-se uma
variabilidade relativamente alta. Assim, com o intuito de se obter uma previsão com uma
maior acurácia, fez-se uma previsão utilizando os dados de demanda do mercado interno de
medidores monofásicos, para se obter uma previsão através de média aritmética das duas
previsões. Para a obtenção da previsão com os dados de demanda do mercado interno,
apresentados na Tabela 6, foi utilizado o modelo de média móvel, utilizando os quatro últimos
meses, pois este modelo é o que melhor se adapta a uma série bastante irregular (GEORGOFF
& MURDICK, 1986). O resultado é apresentado na Tabela 7 e o gráfico com a série temporal
e a previsão, na Figura 3.
De posse das duas previsões, fez-se uma média aritmética simples para cada mês, para se
obter a previsão de demanda para mercado interno de medidores eletromecânicos
monofásicos. Os resultados obtidos são apresentados na Tabela 8. Para a previsão dos
medidores eletromecânicos polifásicos, foram utilizados os dados apresentados na Tabela 9.
Para este tipo de medidor não foi realizada a previsão dos dados agregados (mercado interno e
externo), pois não se obteve um padrão de demanda modelável matematicamente.
Os dados se mostraram bastante irregulares, e o modelo mais indicado para este caso é a
média móvel (GEORGOFF & MURDICK, 1986). Para a média móvel utilizou-se uma janela
ENEGEP 2005
ABEPRO
2740
XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005
de cinco meses, o que resultou no melhor ajuste. O resultado obtido é apresentado na Tabela
10 e o gráfico com a série temporal e a previsão, na Figura 4.
Mês
Carga Diária
ago-04
2837
set-04
2326
out-04
1970
nov-04
2344
dez-04
2441
jan-05
3016
Ajuste do Modelo
92%
3500
3000
2500
2000
1500
Tabela 4- Previsões de demanda
total de medidores monofásicos
2003
2004
2005
Figura 2 – Previsão de demanda total para medidores monofásicos (linha
grossa: dados históricos; linha fina: previsão)
Mês
ago-04
set-04
out-04
nov-04
dez-04
jan-05
Carga Diária
1810
1484
1257
1496
1558
1924
Tabela 5 – Primeira previsão de demanda do mercado interno de medidores monofásicos
Mês
jul/02
ago/02
set/02
out/02
nov/02
Carga
Diária
1423
803
1273
1571
1173
Mês
dez/02
jan/03
fev/03
mar/03
abr/03
Carga
Diária
660
1650
1627
1456
1922
Mês
mai/03
jun/03
jul/03
ago/03
set/03
Carga
Diária
1543
978
1496
1601
1430
Mês
out/03
nov/03
dez/03
jan/04
fev/04
Carga
Diária
1270
1410
633
998
1604
Mês
mar/04
abr/04
mai/04
jun/04
jul/04
Carga
Diária
2223
1894
1764
2012
3010
Tabela 6 – Dados de demanda de mercado interno de medidores monofásicos
Mês
Carga Diária
ago-04
2170
set-04
2170
out-04
2170
nov-04
2170
dez-04
2170
jan-05
2170
Ajuste do Modelo
18%
Tabela 7- Segunda previsão de
demanda do mercado interno de
medidores monofásicos
3000
2500
2000
1500
1000
2003
2004
2005
Figura 3 – Segunda previsão de demanda do mercado interno medidores
monofásicos (linha grossa: dados históricos; linha fina: previsão)
Mês
ago-04
set-04
out-04
nov-04
dez-04
jan-05
Carga Diária
1990
1827
1714
1833
1864
2047
Tabela 8 – Média das previsões de demanda do mercado interno de medidores monofásicos
ENEGEP 2005
ABEPRO
2741
XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005
Mês
jul/02
ago/02
set/02
out/02
nov/02
Carga
Diária
978
511
579
1468
1361
Mês
dez/02
jan/03
fev/03
mar/03
abr/03
Carga
Diária
1721
1733
1405
1530
1744
Mês
mai/03
jun/03
jul/03
ago/03
set/03
Carga
Diária
1848
1873
1895
1603
1538
Mês
out/03
nov/03
dez/03
jan/04
fev/04
Carga
Diária
1103
1038
940
836
1060
Mês
mar/04
abr/04
mai/04
jun/04
jul/04
Carga
Diária
1156
1071
1084
1313
1352
Tabela 9 – Dados de demanda do mercado interno de medidores polifásicos
Mês
Carga Diária
ago-04
1196
set-04
1196
out-04
1196
nov-04
1196
dez-04
1196
jan-05
1196
Ajuste do Modelo
10%
Tabela 10- Previsão de demanda do
mercado interno de medidores
polifásicos
1800
1600
1400
1200
1000
800
600
2003
2004
2005
Figura 4 – Previsão de demanda do mercado interno de medidores
polifásicos (linha grossa: dados históricos; linha fina: previsão)
Obtidas as previsões qualitativas e quantitativas, pode-se realizar a combinação das
previsões. A combinação foi realizada através de um ajuste da previsão quantitativa (valores
das Tabelas 8 e 10) utilizando a taxa de substituição média, apresentada na Tabela 1, obtida
na previsão qualitativa. Para a obtenção da previsão de demanda (carga diária média mensal)
do mercado interno para medidores eletrônicos, somaram-se os resultados obtidos com a
previsão ajustada e a média da demanda passada por medidores eletrônicos, desconsiderando
meses nos quais a demanda foi igual a zero. O resultado é apresentado na Tabela 11.
Mês
ago-04
set-04
out-04
nov-04
dez-04
jan-05
Carga Diária
127
122
118
122
123
128
Tabela 11 – Previsão de demanda do mercado interno de medidores eletrônicos
O resultado apresentado pode ser alterado pela empresa. Caso verifique-se que o cenário atual
é mais otimista ou pessimista, a empresa poderá utilizar as outras taxas de substituição
apresentadas na Tabela 1, com isso obtendo resultados mais adequados à realidade.
A avaliação da metodologia de previsão proposta será realizada pela própria empresa, que
optou por não divulgar os dados atuais de demanda por medidores eletrônicos. Sem esses
dados, não foi possível realizar a validação da metodologia proposta para apresentação neste
estudo.
4. Conclusão
Este artigo apresentou uma metodologia para a previsão de demanda de novos produtos. A
metodologia proposta se mostrou particularmente adequada para aplicação em casos onde um
novo produto irá substituir algum outro existente. A metodologia consistiu em combinar
previsões qualitativas e previsão quantitativa, numa estratégia de forecasting por analogia.
Trata-se de uma abordagem original, pois não encontra paralelo na literatura consultada, e
atualizada, pois aborda um tema que é objeto de pesquisas documentadas em publicações
recentes.
ENEGEP 2005
ABEPRO
2742
XXV Encontro Nac. de Eng. de Produção – Porto Alegre, RS, Brasil, 29 out a 01 de nov de 2005
Verificou-se que a metodologia é de fácil implementação através de sua validação em um
estudo de caso. Observou-se que a coleta de dados adequados e auxílio computacional são
essenciais na obtenção da previsão quantitativa; por outro lado, entrevistas a especialistas e
clientes da empresa são fundamentais para a obtenção da previsão qualitativa. Acredita-se que
a praticidade e facilidade de compreensão da metodologia são fatores que poderão incentivar
sua aplicação em outros estudos de caso.
Referências
ARCHER, B. H. (1980) – Quantitative and intuitive techniques. International Journal of Tourism Management.
Vol. 1, n.1, p.5-12.
ARMSTRONG, J. S. (2001) – Principles of Forecasting: A Handbook for Researchers and Practitioners.
Kluwer Academic Publishers. Norwell.
BLATTBERG, R. C. & HOCH, S. J. (1990) – Database models and managerial intuition: 50% Model + 50%
Manager. Management Science. Vol. 36, n. 8, p. 887-899.
BOPP, A. E. (1985) – On combining forecasts: some extensions and results. Management Science. Vol. 31, n.
12, p. 1492-1498.
BUNN, D. & WRIGHT, G. (1991) – Interaction of judgmental and statistical forecasting methods: issues &
analysis. Management Science. Vol. 37, n. 5, p. 501-518.
COLLOPY, F. & ARMSTRONG, J. S. (1992) – Expert opinions about extrapolation and the mystery of the
overlooked discontinuities. International Journal of Forecasting. Vol. 8, n. 4, p. 575-582.
FLORES, B. E. & WHITE, E. M. (1989) – Combining forecasts: why, when and how. The Journal of Business
Forecasting Methods & Systems. Vol. 8, n.3, p. 2-5.
FORECAST PRO, Ver. 3.0 (1999) – User’s manual. Business Forecast System Inc., MA.
GEORGOFF, R. G. & MURDICK, R. G. (1986) – Manager’s guide to forecasting. Harvard Business Review.
Vol. 64, n. 1, p. 110-120.
KAHN, K.B. (2002) - An exploratory Investigation of new product forecasting practices. J.Product Innovation
Man., v.19, n.2, 133-143.
KUYVEN, P.S. & CUNHA, G.D. (2003) – Análise de demanda para desenvolvimento de produtos no setor de
brinquedos. Anais do IV Congr.Bras.Gestão e Desenv. de Produtos, em CD-ROM, Gramado (RS).
MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. (1998) – Forecasting: Methods and applications.
3a ed., New York, John Wiley e Sons.
PELLEGRINI, F. R. & FOGLIATTO, F. S. (2001) Metodologia para implantação de sistemas de previsão de
demanda – técnicas e estudo de caso. Anais do XXI ENEGEP – CD-ROM, Salvador.
RINGUEST, J. L. & TANG, K. (1989) – An empirical comparison of five procedures for combining (or
selecting) forecasts. Socio-Economic Planning Sciences. Vol 23, n. 4, 1989, p. 217-225.
SOUDER, W. E. & THOMAS, R. J. (1994) – Significant issues for the future of product innovation. Journal of
Product Innovation Management. Vol. 11, n. 4, p. 344-353.
TANWARI, A. U. & BETTS, J. (1999) – Impact of forecasting on demand planning. Production and inventory
management journal. Vol. 40, n. 3, p. 31-35.
THOMAS, R. J. (1987) – Forecasting new product market potential: combining multiple methods. Journal of
Product Innovation Management. Vol. 4, n. 2, p. 109-119.
ENEGEP 2005
ABEPRO
2743