Avaliao de modelos para a previso de demanda de catalisadores de Planta Piloto Bruna Nichele, Cristian Correa, Lilian Jaboinski

UFRGS Engenharia de Produo Planejamento e Controle da Produo MBE 2012

1. Introduo
As previses de demanda so tcnicas que usam dados passados na projeo de dados futuros, sendo fundamental para o planejamento e controle de produo. Pode usar mtodos quantitativos e/ou qualitativos. Plantas piloto se caracterizam por apresentarem uma pequena capacidade de produo e, assim, facilitar a realizao de testes em uma escala menor, minimizando possveis riscos num futuro scale up. Na Planta Piloto P8, so comumente testados diferentes tipos de catalisadores e estes, por sua vez, apresentam um perfil diferente de demanda quando comparados aos demais insumos da planta. Embora tais catalisadores sejam para uso da P8, sua estocagem e disponibilizao fica sob responsabilidade de outra rea. Para otimizar a produtividade de ambas as reas, se faz necessrio um planejamento da quantidade demanda, o que atualmente no ocorre. Focado nesta problemtica, o presente trabalho tem como objetivo testar quatro modelos distintos para previso de demanda e avaliar qual deles apresenta maior aderncia aos dados histricos coletados nos ltimos 2 (dois) anos.

2. Previso da demanda
A previso de demanda encontrada nas diversas reas e so fundamentais no processo de planejamento e controle de produo. Pois de um modo geral, elas fazem uma previso, ou seja, tentam prever um futuro de maneira a auxiliar as tomadas de decises. Uma previso de demanda bem realizada pode determinar onde, quanto e quando os produtos ou servios ofertados pela empresa sero requisitados e com isso, a empresa se organiza de modo a responder adequadamente a essas necessidades. Para tanto, deve-se conhecer o mtodo de previso da demanda, pois dele depende o sucesso do planejamento e planos de produo. A previso da demanda o incio de todo o processo de produo. Toda atividade de planejamento requer previses sobre um fato futuro. Quanto melhor for essa previso, melhores sero as hipteses utilizadas para o planejamento (DIAS, 2009). E ainda, segundo Tubino (1997, p.63), a previso da demanda a base para o planejamento estratgico da produo, vendas e finanas de qualquer empresa. O planejamento da produo tem a previso da demanda como um dos seus principais subsdios. A previso tem a funo de fornecer informaes sobre a demanda futura dos produtos para que a produo possa ser planejada com antecedncia, permitindo que os recursos produtivos

estejam disponveis na quantidade, momento e qualidade adequada (QUEIROZ e CAVALHEIRO, 2003).

3. Suavizao exponencial
Segundo Armstrong e Brodie (1999), citado por LEMOS (2006) a Suavizao Exponencial o mtodo mais popular e com melhor custo benefcio entre os mtodos de extrapolao. Archer (1980) citado por LEMOS (2006) afirma que o mtodo de Suavizao Exponencial aplica uma mdia ponderada nas observaes de uma srie temporal. Os pesos aplicados no mtodo so determinados em progresso geomtrica, com pesos maiores para as informaes mais recentes, isto , dados mais antigos tem pesos menores. Para Makrindakis; Wheelwright; Hyndman (1998), citado por LEMOS (2006) as maiores vantagens dos mtodos de suavizao so sua simplicidade e baixo custo. Quando h necessidade de previso de milhares de itens, como no caso de sistemas de controle de estoque, os mtodos de suavizao so geralmente os nicos mtodos de previso com rapidez suficiente para gerao de resultados para um sistema de previso de demanda eficaz. Ainda segundo os autores anteriormente citados, os mtodos de previso de demanda que aplicam suavizao exponencial se dividem em: Suavizao Exponencial Simples; Suavizao Exponencial Linear de Holt e Mtodo de Holt-Winters. Nesse estudo iremos abordar os modelos de Suavizao Exponencial Simples e Suavizao Exponencial Linear de Holt, por se tratarem de dados j explicitados anteriormente que no apresentam variao sazonal.

3.1 Suavizao Exponencial Simples

A Suavizao Exponencial simples assume que o padro de demanda histrica apresenta somente componentes de nvel e rudo. O mtodo obtm a previso para um perodo futuro ajustando a previso do perodo atual com o erro de previso. A forma geral do mtodo de Suavizao Exponencial Simples apresentada na equao (1) onde alocado um parmetro de suavizao aos valores de Yt, e um peso 1- para as previses mais recentes. F(t+1)= .Y(t)+ (1-).F(t) (1)

Sendo assim a previso no perodo t+1, F(t+1), igual demanda observada em t, Y(t), mais a previso feita para o perodo t ponderadas por um ndice de suavizao . Quanto mais prximo de 1 o valor de , maior o ajuste do erro na previso anterior, ou seja, o modelo enfatiza demandas recentes e mais sensvel a mudanas. Quanto mais prximo de 0 o valor de , menor o ajuste, ou seja, o modelo trata as demandas histricas mais uniformemente e gera previses mais estveis.

Para inicializar o mtodo, necessrio ter-se um valor F(t). Pode-se proceder de duas maneiras: i) considerar F(t) igual a Y(t); ii) utilizar a mdia das primeiras observaes da srie temporal. Um problema do mtodo a escolha do timo, o que pode ser feito atravs da minimizao de erros. Escolhem-se determinados valores de , aplica-se o mtodo e o erro obtido para diferentes valores de . O parmetro de suavizao de timo ser aquele com o qual se obtiver o menor valor de erro nas previses.

3.2 Suavizao Exponencial Linear de Holt

O mtodo da Suavizao Exponencial Linear de Holt tambm conhecido como Suavizao Exponencial Dupla. Esse mtodo expande o mtodo de Suavizao Exponencial Simples para previso de dados que apresentem tendncia linear, mas que no apresentem sazonalidade. A previso com Suavizao Exponencial Linear de Holt obtida com o uso de duas constantes de suavizao, e (com valores entre 0 e 1 e no relacionados) e das equaes (2) (3) e (4).

Previso: F(t+1) = A(t) + T(t) Nvel: A(t)= .D(t) + (1-).[A(t-1)+ T(t-1)] Tendncia: T(t)= .[A(t) A(t-1)] + (1 - ).T(t-1) Sendo: F(t+m) = previso para o perodo t+m A(t) = estimativa do nvel da srie temporal no perodo t T(t) = estimativa de tendncia da srie temporal para o perodo t e = constantes de suavizao

(2) (3) (4)

A equao (2) utilizada para obter a previso de demanda e a equao (3) ajusta diretamente o A(t). Esse procedimento ajuda a eliminar o atraso na incorporao de mudanas no padro de demanda e conduz o valor de A(t) para um nvel prximo do valor de demanda atual da srie temporal. A equao (4) atualiza a tendncia atravs da diferena entre os ltimos dois valores suavizados de nvel A(t) e A(t-1). A tendncia do ltimo perodo A(t) e A(t-1), modificada pela suavizao com o , adicionada estimativa anterior da tendncia T(t-1) multiplicada por (1- ). A inicializao do mtodo de Holt requer duas estimativas: uma o valor suavizado de A0 e outra a tendncia T0. Como no mtodo de Suavizao Exponencial Simples, os valores de e podem ser determinados atravs da minimizao da soma dos quadrados dos erros de previso.

4. Estudo de Caso
A Braskem possui Unidades de Poliolefinas, e dentro delas existem plantas piloto de polimerizao tanto para a produo de polietileno (PE) quanto polipropileno (PP). Estas plantas, por

possurem uma menor escala de produo, so constantemente utilizadas para testes de novos produtos, novos catalisadores e at mesmo novas condies de processo. A Planta Piloto P8 produz polietileno de alta densidade (PEAD) e polietileno de ultra alto peso molecular (PEUAPM) atravs do processo Slurry. Estes polietilenos so utilizados em aplicaes distintas (garrafas farmacuticas e cosmticas, gales, tubos, etc) e cada uma dessas aplicaes requer tambm diferentes condies de processo e, sobretudo, diferentes catalisadores. Por se tratar de uma planta de pequena escala (produo de aproximadamente 50 kg/h), todos os insumos utilizados na P8 (como eteno, hidrognio, buteno, gua, sacarias) so continuamente fornecidos pelas plantas industriais. Assim, todo o planejamento com alocaes de pedidos, tempo de espera e custo de guarda est fora da gesto das Plantas Piloto. No entanto, por solicitao de diversos testes de desenvolvimento, existe uma demanda de catalisadores ainda no homologados nas plantas industriais e que, portanto, no esto disponveis para pronto fornecimento P8. Por definio em procedimentos internos, a compra dos catalisadores de responsabilidade do coordenador do teste que ser realizado, mas, uma vez que o produto foi recebido na empresa, ele armazenado nos laboratrios de catlise, onde permanece em atmosfera inerte para garantir sua integridade. Assim, cada vez que a P8 inicia um teste, so solicitadas amostras de catalisador aos laboratrios e, com estas amostras, so preparadas bateladas de catalisador diludo em hexano para alimentar o processo. Ao longo do teste, dependendo do consumo e do rendimento do catalisador, novas bateladas precisam ser preparadas e, para isso, novas solicitaes de amostras so feitas ao laboratrio de catlise. Atualmente, estas solicitaes de amostras ocorrem de forma no planejada, embora o laboratrio exija que os pedidos sejam feitos com no mnimo 3 dias de antecedncia. No h acompanhamento nem controle da quantidade de solicitaes realizadas pela P8 e to pouco h qualquer estimativa sobre frequncia de solicitaes ou sobre a quantidade de amostra solicitada. A finalidade dos laboratrios de catlise o desenvolvimento de novos catalisadores em escala de bancada e as amostragens para a P8 so, portanto, atividades secundrias, mas que tambm demandam horas homem dos funcionrios. Por outro lado, na falta de catalisador, se faz necessria parada da planta piloto P8 e a total interrupo do teste em andamento, gerando perdas operacionais at que seja possvel fazer nova batelada. Desta forma, este trabalho objetiva coletar informaes sobre as solicitaes de catalisador para o laboratrio, criando um banco de dados de onde seja possvel realizar uma previso de demanda confivel dentro do perodo de um ms. Para reduzir os riscos de perda operacional na P8 e de baixa produtividade no laboratrio, dever ser considerado um lead time de 3 dias.

5. Metodologia
O desenvolvimento do trabalho foi iniciado atravs da organizao e estruturao de um banco de dados relacionando a demanda de catalisadores da P8 aos diferentes testes, nmero de receitas produzidas, durao de cada teste. A coleta de dados foi realizada atravs do histrico de

operao da planta que registrado pelos operadores no Livro de Turno, um relatrio de eventos operacionais atualizado continuamente durante a operao da planta. Com base nestes dados, foi realizada uma previso de demanda atravs de tcnicas de suavizao exponencial. Inicialmente, foi feita uma anlise de testes para que, a partir dela, fosse escolhido o mtodo que apresentasse os melhores resultados. Essa anlise de testes tratou de dividir os dados coletados em duas partes: uma contendo 75% dos dados reais, denominada de modelo de treino, e a outra com os demais 25%. O objetivo desta diviso aplicar aos 75% tcnicas diversas e verificar a que melhor se adqua atravs dos cruzamentos com os demais 25% dos dados. Esta anlise permite confrontar os dados das previses realizadas pelas tcnicas aplicadas com os dados reais j obtidos nos dados histricos. Assim, ser possvel testar a confiabilidade dos modelos e verificar qual apresenta maior aderncia aos dados. Como os dados no apresentam sazonalidade foi possvel optar pela anlise estatstica de sries temporais utilizando modelos de suavizao exponencial simples e comparando-os com os resultados de suavizao exponencial para dados com tendncia.

6. Resultados
Para avaliar os diferentes modelos de previso de demanda, foi utilizado o software NCSS. Para realizao destes testes, foram levantados 36 dados, conforme apresentado na Tabela 1.

Tabela 1: Dados histricos de demanda de catalisador

Figura 1: Grfico de demanda aleatria, ou nivelado sem tendncia nem elementos sazonais.

Abaixo so apresentados os resultados para os diferentes mtodos utilizados.

Figura 2: Mtodo de Tendncia Linear

Figura 3: Mtodo da Suavizao Exponencial Simples

Figura 4: Mtodo da Suavizao Exponencial Dupla

Figura 5: Mtodo da Suavizao Exponencial Linear de Holt

7. Concluso
Conforme resultados mostrados acima, os dados da demanda de amostragem de catalisadores no possuem perfil sazonal, embora apresentem uma grande variabilidade, o que dificultou a aderncia dos dados aos modelos utilizados. A fim de buscar um maior coeficiente de correlao, foram desconsideradas as observaes 3, 8, 18 e 24. Mesmo assim, a aderncia dos dados a todos os modelos testados foi extremamente baixa, conforme verificado pelos valores do Pseudo R-Squared. Foram testados os seguintes modelos: tendncia linear, suavizao exponencial simples, suavizao exponencial dupla e suavizao exponencial linear de Holt. Destes, o que apresentou maior valor de Pseudo R-Squared foi o modelo tendncia linear, um modelo extremamente simples

que utiliza o padro dos dados histricos para extrapolar o comportamento futuro. No entanto, por se tratar de um valor muito baixo, mesmo este modelo no apresentaria dados satisfatrios de previso de demanda, podendo levar a grandes erros se fosse implementado na prtica. Conclui-se, portanto, que tanto o modelo de previso linear quanto a famlia de modelos exponenciais no so capazes de reproduzir a tendncia para estes dados. Para complementar o estudo realizado, sugere-se ampliar a coleta de dados e avaliar a sua aderncia a outros grupos de modelos a fim de garantir uma previso de demanda mais confivel para a amostragem de catalisadores da Planta Piloto P8.

Referncias Bibliogrficas

DIAS, G. P. P.. Proposta de processo de previso de vendas para bens de consumo. 2009. Disponvel em: <http://www.proage.com.br/proage/exe/empresa/.../bens_de_consumo.pdf>. Acesso em: 16 de novembro 2009. LEMOS, Fernando de Oliveira, Metodologia para Seleo de Mtodos de Previso de Demanda, Porto Alegre: UFRGS, 2006, 183 p. Dissertao Submetida ao Programa de Ps-Graduao em Engenharia da Produo, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2006. Disponvel em: <http://www.lume.ufrgs.br/bitstream/handle/10183/5949/000522463.pdf?sequence=1>. Acesso em: 15 de junho de 2012. QUEIROZ, A. A. & CAVALHEIRO, D.. Mtodo de previso de demanda e deteco de sazonalidade para o planejamento da produo de indstrias de alimentos. XXIII Encontro Nac. de Eng. de Produo - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003, P. 1-8. TUBINO, D. F.. Manual de Planejamento e Controle de Produo. 1. ed. So Paulo: Atlas, 1997