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

£'''¡$'2) £©'©$ £ ¡£¡©§¥¡£¡
4 ) 6 5 4 0 3 # 1 0 ) ( % # % # # ! ¨ ¤ ¨ ¨ ¨ ¦ ¤¤ ¢
FAF hEY FAtsAtyBARptyxwS FeFAbc¥Fcts@ R¥FFApFFS Ag FfBeFcbBFVS FIRWVTRBFIG FD ABA97
8 Y G E q Gr@ 8ri P i 8 Sr8v C X u S a ` GC D 8r E 8C q S i S D h E Y Q P d S a ` P Y C X G 8 U S Q 8 P H E C 8 @ 8
Foz do Iguaçu, PR, Brasil, 09 a 11 de outubro de 2007

PREVISÃO DE DEMANDA DE NOVOS
PRODUTOS: APLICAÇÃO INTEGRADA
DE MÉTODOS QUANTITATIVO E
QUALITATIVO

Letícia Pereira Ruschel (ufrgs)
letícia_ruschel@dell.com
Liane Werner (ufgrs)
liane@producao.ufrgs.br
Fernando de Oliveira Lemos (pucrs/ufrgs)
fernando.lemos@pucrs.br

A previsão de demanda de novos produtos é particularmente
importante para as empresas, pois é baseado nela que decisões de
planejamento de diversas áreas organizacionais serão tomadas. Neste
trabalho é feita uma revisão bibliográfica sobre técnicas quantitativas
e qualitativas de previsão de demanda, e integração de métodos de
previsão. É proposta uma metodologia para previsão de demanda de
novos produtos a qual é aplicada através de um estudo de caso em uma
indústria química. Esta metodologia sugere a utilização de analogia
para a realização da previsão de demanda para o novo produto.
Através de análise de mercado e ajuste baseado na opinião dos
especialistas chega-se à previsão final do produto que a empresa
deseja alcançar.

Palavras-chaves: Previsão de Demanda; Analogia; Ajuste baseado em
Especialistas

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €
W~c ‚q{ cw¥tw¥xcsyx… ˆyw cbW~u~r Ww¥yn ym cW~Wcw ~ W€ccc~~WcWw W£yBt£Wu'r cp scw9l
m { r q „ r…n m…ƒ t ƒ m w m‡ o z † w } | o p m… q o „ w ƒ w p ‚ q { v t w } | t { o z r m xw v m t s q o m n m

1. INTRODUÇÃO
A capacidade de prever a demanda é fundamental para toda a atividade de uma organização,
pois disponibiliza as entradas para planejamento e controle de todas as áreas funcionais,
incluindo logística, marketing, produção e finanças (BALLOU, 2001), sua importância é
justificada pelo fato dela ser base para a realização de decisões estratégicas, planejamentos ou
qualquer outra atividade que se baseie em acontecimentos futuros (MAKRIDAKIS, 1988).
Para produtos novos a atividade de previsão de demanda é particularmente importante devido
ao suporte que esta informação proporciona para tomada de decisão sobre o lançamento ou
não do produto (ARMSTRONG; RODERICK, 1999). Além disso, o sucesso de outras
decisões das fases de lançamento e de pré-lançamento também depende de uma previsão de
demanda acurada. Entre estas decisões podem ser citadas compra de materiais, programação
da produção, planejamento dos canais de distribuição, treinamento do time de vendas e
expectativas de retorno financeiro do novo produto (KAHN, 2002).
Neste trabalho é proposta uma metodologia para a previsão de demanda de novos produtos. A
aplicação desta metodologia foi realizada em uma indústria química. A estratégia de
crescimento desta empresa está apoiada na conquista de novos mercados através do
lançamento de novos produtos, o que torna um estudo sobre previsão de demanda para novos
produtos particularmente importante.
2. MÉTODOS DE PREVISÃO DE DEMANDA
A previsão de demanda pode ser implementada através de três abordagens: (i) Utilização de
métodos puramente qualitativos; (ii) Utilização de métodos puramente quantitativos; ou (iii)
Utilização de integração de métodos quantitativos e qualitativos.
Os métodos qualitativos de previsão de demanda são subjetivos. Eles se baseiam basicamente
no julgamento de pessoas (especialistas ou consumidores) que, de forma direta ou indireta,
tenham capacidade de emitir opinião e estimar como a demanda irá acontecer. Estes métodos
são utilizados quando não existem dados históricos ou quando dados históricos não são
relevantes para a previsão do futuro (HANKE; REITSCH, 1998).
Os métodos qualitativos mais conhecidos são: (i) Método Delphi; (ii) Pesquisa de Intenções;
(iii) Opinião da Força de Vendas; (iv) Analogia Histórica; e (v) Grupo Focado. Segundo Kahn
(2002) a analogia histórica é um dos métodos mais utilizados pelas empresas para realizar
previsão de demanda de novos produtos, já que no processo de lançamento de novos produtos
não existem dados históricos de demanda. Neste método se utilizam dados históricos sobre
um produto similar para realizar a estimativa de vendas do produto de interesse.
Armstrong e Green (2004) propõem uma metodologia para que a previsão de demanda através
de analogia seja realizada de maneira estruturada. A metodologia deve ser operacionalizada
em cinco etapas: (i) Descrição do produto; (ii) Seleção de especialistas; (iii) Identificação e
descrição dos produtos análogos pelos especialistas; (iv) Descrição das similaridades entre os
produtos análogos selecionados e aquele que se deseja prever; e (v) Previsão de demanda
baseada nas análises dos especialistas.
Métodos quantitativos são métodos que utilizam dados históricos supondo que dados passados
são relevantes para o futuro, ou seja, que o padrão passado se repetirá no futuro. Para se obter
os valores da previsão são construídos modelos matemáticos que descrevem o comportamento
da demanda ao longo do tempo. Estes métodos subdividem-se em análise de séries temporais

2

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €

e modelos causais (MAKRIDAKIS; WHEELWRIGHT; HYNDMAN, 1998).
A análise de séries temporais pode ser realizada utilizando os métodos de suavização
exponencial e de modelos ARIMA. Os modelos de suavização exponencial têm como
suposição que os dados mais atuais da série temporal são mais confiáveis para realizar
previsões para o futuro. Sendo assim, este modelo atribui uma ponderação diferente para cada
valor da série temporal. Os pesos decaem exponencialmente a partir dos dados mais, fazendo
com que os valores mais atuais da série recebam uma importância maior. Para determinar a
proporção entre os pesos são calculadas constantes de suavização que servem como
parâmetros. Dependendo dos componentes de perfil de demanda apresentado pela série
(componente de nível, componente de tendência ou componente sazonal), são calculadas as
constantes de suavização (MAKRIDAKIS; WHEELWRIGHT; HYNDMAN, 1998). Já os
modelos ARIMA levam em consideração a autocorrelação ocorrida nos períodos passados.
Com o objetivo de obter previsões com o menor erro possível tem crescido a utilização de
integrações de métodos quantitativos com métodos qualitativos. Esta prática proporciona a
obtenção de estimativas mais acuradas de demandas futuras do que a utilização de um tipo de
método isoladamente (CLEMEN, 1989; BLATTBERG; HOCH, 1990).
Métodos qualitativos e quantitativos têm vantagens e desvantagens que irão se complementar
quando a integração for realizada. O julgamento humano pode considerar eventos que no
passado eram inexistentes, porém este julgamento está sujeito a influência de diversos fatores,
como conservadorismo e inconsistência. Diferentemente, métodos quantitativos são rígidos,
mas são consistentes e podem utilizar um volume muito grande de dados históricos. Sendo
assim, a integração de métodos qualitativos com métodos quantitativos para realização de
previsão de demanda traz como benefício uma maior acurácia, pois incorpora as vantagens de
cada um dos métodos assim como suaviza as desvantagens (GOODWIN, 2002).
Webby e O’Connor (1996) classificam os métodos de integração de previsão em quatro tipos:
(i) Construção de Modelos; (ii) Decomposição Baseada na Opinião; (iii) Combinação de
Previsões; e (iv) Ajuste Baseado na Opinião. O ajuste baseado na opinião consiste na
realização de uma previsão através de métodos quantitativos e posterior ajuste agregando
informações contextuais obtendo assim a previsão ajustada (WEBBY; O’CONNOR, 1996). O
ajuste baseado na opinião é mais efetivo quando utilizado em situações onde informações
contextuais, disponíveis no ambiente de previsão, precisam ser agregadas à previsão. Uma
metodologia estruturada de ajuste é apresentada em Werner (2004).
3. PREVISÃO DE DEMANDA PARA NOVOS PRODUTOS
Em pesquisa feita por Kahn (2002) foram constatadas algumas características sobre a previsão
de demanda de novos produtos: em geral, a acurácia da previsão de demanda para novos
produtos é muito baixa, ela varia em torno de 58%; a previsão de demanda de novos produtos
na maioria dos casos tem como responsável o departamento de marketing, sendo que, quando
se trata de empresas industriais, esta é normalmente atribuída aos times de vendas e tem um
período mais longo de previsão; e existe uma preferência pela utilização de métodos
qualitativos de previsão de demanda.
As organizações têm bastante interesse em encontrar maneiras de melhorar a previsão de
demanda de novos produtos e assim minimizar o erro das previsões, o qual é muito alto
quando se trata de novos produtos (KAHN, 2002). Alguns fatores devem ser levados em
consideração no processo de previsão de demanda de novos produtos (GARTNER;
THOMAS, 1993): (i) Conhecimento das demandas dos consumidores, para isso diversos

3

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €

recursos podem ser utilizados, tais como: entrevistas individuais, grupo focado e
demonstrações de produto; (ii) Utilização de mais de um método de previsão; (iii)
Antecipação da volatilidade do mercado e do comportamento dos compradores, para que se
possam utilizar estas informações como dados para a previsão de demanda; e (iv)
Comprometimento de uma equipe identificada com o objetivo de melhorar as previsões.
Para antecipar os acontecimentos, tendências e forças do mercado que poderão influenciar no
comportamento de demanda, pode-se utilizar três técnicas: (i) Análise de Mercado; (ii)
Análise do Ambiente de Marketing; e (iii) Análise de Demanda.
Para que seja possível fazer algum julgamento sobre um mercado, assim como sobre suas
dinâmicas é necessário desenvolver uma Análise de Mercado a partir da análise de clientes e
dos concorrentes. A Análise de Mercado é constituída das seguintes dimensões: tamanho atual
e potencial do mercado; crescimento de mercado; lucratividade de mercado; estrutura de
custos; sistemas de distribuição; tendências; e fatores-chave de sucesso (AAKER, 2001).
Todas as partes envolvidas em um mercado (empresas, fornecedores, concorrentes e clientes)
atuam em um macroambiente sujeito a forças e tendências que moldam as oportunidades e
também apresentam ameaças. Essas forças não são controláveis e por isso é importante que a
empresa as monitore, de modo que conheça o ambiente no qual está inserida (KOTLER,
2000). A Análise do Ambiente de Marketing é importante para ajudar na identificação das
tendências de mercado, avaliando o risco de alguns eventos afetarem a demanda de um
determinado produto. As seis as forças que influenciam o ambiente de marketing são:
tecnológica, governamental, econômica, cultural, demográfica e o ambiente natural (escassez
de matérias-primas, custo mais elevado de energia, níveis mais altos de poluição, etc.)
(KOTLER, 2000; AAKER, 2001).
Na Análise de Demanda é definida qual a variável de interesse no processo preditivo, a
demanda total da indústria e/ou a demanda relativa da empresa. A demanda total da indústria
representa a demanda por um tipo de produto, em uma região pré-definida, considerando
todos os fornecedores deste produto. A demanda relativa da empresa é a porção do mercado
que a empresa detém relativamente a este produto (KUYVEN, 2004). Os fatores que podem
influenciar a demanda total do mercado são (KUYVEN; CUNHA, 2001): (i) caracterização da
localização geográfica; (ii) circunstâncias econômicas do local analisado; (iii) nível médio de
preços do produto; (iv) fatores climáticos; (v) valor reconhecido do produto pelo consumidor;
e (vi) nível de saturação do produto no mercado. A seleção dos fatores que serão considerados
na análise de demanda deve ser realizada com base em entrevistas com pessoas que estejam
envolvidas direta ou indiretamente com o mercado do produto analisado, como, por exemplo,
vendedores, especialistas e clientes (KUYVEN; CUNHA, 2001).
4. ESTUDO DE CASO
O estudo de caso foi realizado em uma indústria química localizada no Rio Grande do Sul, a
qual produz resinas alquídicas, poliésteres saturados e insaturados, poliuretanos e resinas
acrílicas. A empresa tem como principais matérias-primas: óleos vegetais; ácidos graxos
vegetais; polióis naturais; pentaeritritol; etilenoglicol; propilenoglicol; acetato de etila; e
naftas. Entre seus principais clientes estão indústrias de tintas imobiliárias, tintas industriais,
adesivos, massa plástica e plásticos reforçados com fibras de vidro.
O direcionamento estratégico da empresa é aumentar sua participação de mercado no Brasil,
priorizando o desenvolvimento de produtos inovadores, com qualidade e preços competitivos.
A empresa procura explorar a preocupação atual com o desenvolvimento sustentável, tendo

4

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €

também como estratégia o desenvolvimento de produtos renováveis, principalmente derivados
de óleos vegetais.
A metodologia para previsão de demanda de novos produtos proposta neste trabalho consiste
de cinco etapas: (i) Definição do produto novo a ter sua demanda prevista; (ii) Escolha de um
produto análogo ao produto novo; (iii) Previsão de demanda do produto análogo selecionado;
(iv) Previsão de demanda do mercado do produto novo; e (v) Previsão de demanda do produto
novo para uma empresa específica.
4.1 Definição do produto novo
O produto a ter sua demanda prevista será chamado de 2B, sendo o referido produto uma
matéria-prima para a fabricação de espumas flexíveis. Dentre as espumas flexíveis pode-se
citar colchões, estofados e espuma para calçados. É importante citar que este produto tem
como diferencial ser um produto natural renovável, pois é derivado de óleos vegetais.
A empresa está investindo em pesquisa e desenvolvimento deste produto, porém ela não tem
uma estimativa do tamanho do mercado deste produto, dificultando o conhecimento de qual é
o potencial de retorno sobre o seu investimento. Portanto, uma previsão de demanda deste
produto, além de ajudá-la a estruturar o planejamento da produção, também irá contribuir para
a tomada de decisões estratégicas sobre investimentos e dedicação de recursos para este
projeto, assim como sobre a necessidade de expansão da sua capacidade produtiva.
4.2 Escolha de um produto análogo
Nesta etapa os representantes da empresa sugeriram que o engenheiro responsável pelo
desenvolvimento do novo produto fosse o especialista que indicaria o produto análogo mais
adequado a ser utilizado. Foi realizada uma entrevista informal com este especialista. Durante
esta entrevista foi relatado que a proposta da empresa é que o produto 2B substitua o poliol
poliéter, que é uma matéria-prima utilizada na fabricação de espumas flexíveis. A diferença é
que o primeiro é derivado de óleos vegetais e o segundo é derivado de petróleo.
O produto 2B sofrerá as mesmas influências que a demanda do poliol poliéter. Portanto,
assumiu-se que as séries temporais destes dois produtos serão semelhantes e que o produto
análogo a ser utilizado no processo preditivo é o poliol poliéter.
4.3 Previsão de demanda do mercado do produto análogo
O primeiro passo desta etapa foi a coleta e o registro dos dados históricos de demanda do
produto análogo (volume de demanda mensal para o poliol poliéter no mercado brasileiro). O
poliol poliéter é um produto importado e produzido/exportado por empresas instaladas no
país. Através de pesquisa em órgãos governamentais e associações de classe coletou-se dados
disponibilizados pela Associação Brasileira da Indústria Química (ABIQUIM, 2006) e pelo
Sistema de Análise das Informações de Comércio Exterior (ALICE-Web, 2006).
A demanda de poliol poliéter no mercado brasileiro (Figura 1) foi obtida somando-se os dados
de importação e da produção nacional e diminuindo os dados de exportação (dados de janeiro
de 2001 a dezembro de 2005).

5

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €

Figura 1 - Série temporal do poliol poliéter

Em uma primeira análise do gráfico, observa-se que a série aparenta ser estacionária. Ao
realizar a modelagem dos dados da série histórica encontrou-se para a série do poliol poliéter
o modelo de Winters Multiplicativo como o modelo mais adequado. O modelo de Winters é
utilizado para descrever dados de demanda que possuam componentes de tendência linear e
de sazonalidade e a amplitude da variação sazonal aumenta ou diminui como função do
tempo. Para as constantes de suavização , e foram estimadas os seguintes valores, ‰ Š ‹
respectivamente: 0,18348; 0; e 0,25047, usando o software forecastpro. Desta forma o
modelo é descrito pelas equações (1) a (3) e as previsões podem ser obtidas conforme a
equação (4) (MAKRIDAKIS; WHEELWRIGHT; HYNDMAN, 1998).

L t
= 0,18348 z t
+ (0,81652)(Lt −1 + bt −1)
S t −s (1)
b =b
t t −1 (2)

S = 0,25047 z t + (0,74953) S t − s (3)
t
L t

F = (Lt ) S t − s + m
t +m (4)
O modelo gerado apresentou um coeficiente de determinação (R2) de 0,5032. Observando a
série temporal nota-se que houve uma mudança no comportamento dos dados a partir do
início do ano de 2004. A média e a variação dos dados apresentaram um aumento, passando a
se comportar de forma diferente. Devido a esta mudança de nível não foi possível um ajuste
melhor do que o apresentado. Os valores previstos para o mercado brasileiro de poliol poliéter
para os próximos seis períodos encontram-se na Tabela 1.
4.4 Previsão de demanda do mercado do produto novo
Alguns fatores devem ser levados em consideração no processo de previsão de demanda de
novos produtos, como a volatilidade do mercado e o comportamento dos consumidores
(GARTNER; THOMAS, 1993). Análises de mercado, de demanda e de ambiente de
marketing auxiliaram o entendimento do comportamento de demanda.
De posse das previsões de demanda do produto análogo, passou-se a pesquisar informações
sobre o mercado para o produto 2B. Esta pesquisa foi realizada buscando informações em:

6

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €

associações de classe, artigos de revistas especializadas, órgãos governamentais e entrevistas
informais com alguns diretores da empresa.
A primeira dimensão analisada foi quanto à estrutura de custos. Este produto é um insumo da
indústria química que tem baixo valor agregado. Tem como característica de mercado o alto
volume e o seu preço é relativamente baixo. Por isso, em relação aos custos agregados ao
processo nota-se que o custo do transporte pode tornar-se relativamente alto em relação ao
custo do produto. Se for necessário o transporte para grandes distâncias o valor do frete
acabará onerando o preço do produto. Foi realizada, pela empresa, uma análise de custos de
transporte e chegou-se à conclusão de que o custo de transporte do estado onde se localiza a
empresa para os outros estados brasileiros pode dificultar a venda do produto. Os seus
principais concorrentes estão localizados em estados localizados mais próximos aos mercados
consumidores e teriam custos de transporte inferiores. Este fator tem alta influência sobre o
comportamento do mercado, desta forma a empresa optou por analisar a demanda do produto
somente no Rio Grande do Sul e Santa Catarina.
Analisando as variáveis econômicas, os especialistas indicaram o Produto Interno Bruto (PIB)
como sendo uma variável de bastante influência na demanda deste produto. Utilizando o PIB
regional disponibilizado pelo IBGE, pode-se delimitar a demanda para os dois estados de
interesse. O estado do Rio Grande do Sul concentra 8,2% do PIB Nacional e o estado de Santa
Catarina concentra 4% do PIB Nacional (juntos somam 12,2% do PIB Nacional). O
percentual de 12,2% foi aplicado à previsão de demanda no país e chegou-se aos valores de
previsão de demanda para os mercados de interesse (RS e SC), como pode ser observado na
Tabela 1.

Previsão de demanda do produto análogo Previsão de demanda do produto novo no
Período
no mercado nacional (em kg) mercado do RS e SC (em kg)
jan/06 14.132.355 1.724.147
fev/06 10.021.817 1.222.662
mar/06 15.084.270 1.840.281
abr/06 11.766.520 1.435.515
mai/06 13.781.485 1.681.341
jun/06 12.290.540 1.499.466
Tabela 1- Previsão de demanda do produto análogo e do produto 2B

Como o produto 2B é matéria-prima do poliuretano, a sua demanda está fortemente ligada à
demanda deste produto. Foi analisado qual o tamanho potencial de mercado, buscando
observar se existem oportunidades de vendas que não estão acontecendo. O consumo de
poliuretano por habitante no Brasil é de 1,4kg, enquanto na Europa, Japão, Estados
Unidos/Canadá os índices são de 4,1kg, 4,5kg e 5,4kg, respectivamente (ABIQUIM, 2006).
Pode-se concluir que o Brasil ainda tem potencial de crescimento, mas este está muito
atrelado ao desenvolvimento econômico do país. O consumo por habitante está muito ligado
ao poder aquisitivo e ao nível de desenvolvimento. Estes indicadores econômicos influenciam
o consumo de produtos como colchões e móveis, os quais utilizam espumas flexíveis (que tem
como matéria-prima o produto novo). Porém, para o horizonte de previsão que está sendo
considerado (seis meses) considera-se que estes fatores não afetarão o tamanho do mercado.
Algumas dimensões de análise de mercado como fator climático, valor reconhecido do
produto pelo consumidor, nível de saturação do produto no mercado, lucratividade do
mercado, sistemas de distribuição, tendências e fatores-chave de sucesso não foram
considerados relevantes pelos especialistas para este período do estudo de caso, por isso não

7

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €

foram abordados.
4.5 Previsão de demanda do novo produto para o mercado potencial da empresa
Nesta etapa foram avaliadas alternativas para a realização do ajuste da previsão de demanda
do novo produto para o mercado potencial da empresa. A alternativa de pesquisa de intenções
com possíveis clientes da empresa seria considerada uma boa opção para este estudo de caso,
porém, devido à limitação de tempo para desenvolvimento do processo preditivo, a pesquisa
de intenções não foi utilizada. A técnica de ajuste baseado na opinião de especialistas foi
utilizada por ser de fácil implementação e gerar resultados com rapidez.
O primeiro passo foi identificar os especialistas para estimar a demanda do produto 2B.
Foram identificados três especialistas da empresa que poderiam colaborar com o estudo: o
engenheiro responsável pelo desenvolvimento do produto; um gerente comercial; e um
representante comercial. O ajuste foi realizado com a realização de um grupo focado para
obtenção de previsões de demanda do novo produto. O grupo focado propiciou bons
resultados e se mostrou bastante eficiente para a troca de informações entre os três
participantes, o que colaborou para a obtenção de um consenso sobre a previsão de demanda.
A discussão entre os especialistas se concentrou nos possíveis negócios que a empresa poderá
fechar e clientes potenciais. Também se avaliou a aceitação do produto no mercado, pois o
produto 2B é derivado de matérias-primas renováveis, sendo um fator que poderá aumentar a
sua aceitação no mercado. O seu preço também foi apontado como um fator de influência
para sua penetração no mercado, além da vantagem quanto à logística, pois a empresa está
mais perto de clientes da região Sul do que os fornecedores da região sudeste. A empresa
pode oferecer uma maior freqüência de entregas a um custo menor aos clientes do RS e SC.
Como resultado obteve-se o consenso dos especialistas sobre os percentuais de mercado que a
empresa conquistará nos próximos seis meses. Os percentuais indicados pelos especialistas ao
final do grupo focado foram de: 0,5% no mês 1; 0,7% no mês 2; 0,7% no mês 3; 1% no mês
4; 1% no mês 5; e 1,5% no mês 6. Estes percentuais foram aplicados sobre a previsão de
demanda do produto novo no mercado RS/SC (Tabela 1), resultando na previsão final de
demanda do produto 2B para o mercado da empresa (Tabela 2).

Período Previsão de demanda
(em kg)
jan/06 8.621
fev/06 8.559
mar/06 12.882
abr/06 14.355
mai/06 16.813
jun/06 22.492
Tabela 2 - Previsão de demanda final do produto 2B para a empresa

5. CONCLUSÃO
Com base no estudo do referencial teórico, sobre métodos quantitativos e qualitativos de
previsão de demanda, foi proposta uma metodologia para previsão de demanda de novos
produtos. Esta metodologia propôs que a previsão do novo produto seja realizada através de
analogia, integrando através de ajuste um método quantitativo de análise de séries temporais
com um método qualitativo de opinião de especialistas.
O padrão da série temporal de demanda do produto análogo foi modelado através de
suavização exponencial (Winters Multiplicativo), com moderado nível de representatividade.

8

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €

A análise de mercado identificou apenas o PIB como fator de influência na demanda, os
demais não foram considerados como influentes na demanda do período de previsão. Tais
fatores devem ser considerados em futuras revisões da previsão de demanda do produto novo.
A partir da aplicação do método proposto foram geradas previsões de demanda para a
empresa (indústria química) do estudo. As previsões de demanda geradas permitiram que a
empresa avaliasse seus investimentos em capacidade produtiva e em pesquisa e
desenvolvimento do produto em questão. A aplicação do método demonstrou que este cumpre
o objetivo de gerar previsão de demanda para novos produtos.
A dificuldade de aplicação do método foi na etapa de coleta dos dados. As associações de
classe por vezes, parecem dificultar o acesso a informações mais detalhadas sobre a demanda
do produto. A disponibilização de dados de demanda mais detalhados auxiliará empresas de
pequeno porte no desenvolvimento de sistemas de previsão de demanda.
REFERÊNCIAS
AAKER, D. A. Administração estratégica de mercado. 5a Edição, Porto Alegre: Bookman, 2001.
ABIQUIM. Associação Brasileira da Industria Química. Disponível em: www.abiquim.org.br Acesso em: 10
de Abril de 2006.
ALICE-Web. Disponível em: www.aliceweb.desenvolvimento.gov.br Acesso em 20 de Março de 2006.
ARMSTRONG, S. J.; RODERICK, J. B. Forecasting for marketing. International Thompson Business Press,
p. 92-119, 1999.
ARMSTRONG, S. J.; GREEN, C., K. Structured analogies for forecasting. 2004 Disponível em:
http://marketing.wharton.upenn.edu/ Acesso em: 20 de Novembro de 2005.
BALLOU, R. H. Gerenciamento da cadeia de suprimentos: planejamento, organização e logística empresarial.
4a Edição, Porto Alegre: Bookman, 2001.
BLATTBERG, R. C.; HOCH, S. J. Database Models and Managerial Intution: 50% Model and 50% Manager.
Management Science, v. 36, n. 8, 1990, p. 887-899.
CLEMEN, R. T. Combining forecasts: a review and annotated bibliography. International Journal of
Forecasting. v. 5, p.559-583, 1989.
GARTNER, W. B.; THOMAS, R. J. Factors affecting new product forecasting accuracy in new firms. The
Journal of Product Innovation Management, v. 10, p. 35–52, 1993.
GOODWIN, P. Integrating management judgment and statistical methods to improve short-term forecasts.
Omega. The International Journal Management Science, v.30, p. 127-135, 2002.
HANKE, J. E.; REITSCH, G. A. Business forecasting. 6a Edição, New Jersey: Prentice Hall, 1998.
KAHN, B. K. An Exploratory investigation of new product forecasting practices. The Journal of Product
Innovation Management, v. 19, p. 133-143, 2002.
KOTLER, P. Administração de marketing. 10a Edição, São Paulo: Prentice Hall, 2000.
KUYVEN, P. S. Proposta de um método para a análise de demanda: aplicação numa indústria de brinquedos.
Dissertação de Mestrado, Programa de Pós-Graduação em Engenharia de Produção, Porto Alegre, RS, 2004.
KUYVEN, P. S.; CUNHA, G. D. Proposta de uma abordagem para previsão de demanda por produtos. In: III
Congresso Brasileiro de Gestão e Desenvolvimento de Produtos, , Florianópolis, SC, 2001.
MAKRIDAKIS, S. Metaforecasting. Ways of improving forecasting accuracy and usefulness. International
Journal of Forecasting, v. 4, p.467-491, 1988.
MAKRIDAKIS, S.; WHEELWRIGHT, S. C.; HYNDMAN, R. J. Forecasting – methods and applications. 3a
Edição, New York: John Wiley, 1998.
WEBBY, R.; O’CONNOR, M. Judgmental and statistical time series forecasting: a review of the literature.

9

©k§‰‰§…T‰f7 ‰©‰‰V‰‰FT‰p'e‰ƒ©e$§’e‰©¡V…ƒ©©€
h 7 j i • h d g – • e d 7 ™ — – ˜ — – – • ” “ † ˆ‚ ‡ “ † ˆ ‘ † ˆ ‡ † „ ‚‚ €

International Journal of Forecasting. v.12, p. 91-118, 1996.
WERNER, L. Um modelo composto para realizar previsão de demanda através da integração da combinação
de previsões e do ajuste baseado na opinião. Tese de Doutorado, Programa de Pós-Graduação em Engenharia de
Produção, Porto Alegre, RS, 2004.

10

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

Recomendados

Recomendados

Mais conteúdo relacionado

Destaque

Destaque (20)

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

Semelhante a IV PROJETO DO PRODUTO - Etapas PP - III ANÁLISE DE VIABILIDADE_PREVISÃO DE DEMANDA DE NOVOS PRODUTOS MÉT QUANT QUAL_RUSCHEL_WERNER_LEMOS_2007 - Artigo (20)

Mais de Thays J. Perassoli Boiko

Mais de Thays J. Perassoli Boiko (20)

Último

Último (20)

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