Anlise de Demanda no Restaurante Universitrio do Instituto Central de Tecnologia da Unifesp.

Anlise de Demanda no Restaurante Universitrio do Instituto Central de

Tecnologia da Unifesp.
Douglas Diniz Landim
Universidade Federal de So Paulo Cincia da Computao.
12231-280, Campus do Parque Tecnolgico, So Jos dos Campos, SP
E-mail: ddlandim@unifesp.br

RESUMO
O presente trabalho tem como objetivo a anlise das vendas do restaurante universitrio da Unifesp, atravs
da aplicao de mtodos estatsticos. A temperatura da regies onde se localiza o campus do restaurante
apresentada como sendo um possvel fator que exerce impacto significativo sobre as vendas; essa relao
verificada atravs de uma anlise de correlao entre variveis.
Por fim, atravs dos resultados obtidos so sugeridos alguns trabalhos futuros, como a estruturao do
procedimento de coleta de dados e a possibilidade de uso de outros mtodos para uma anlise mais
aprofundada do comportamento das vendas da empresa e dos fatores que exerceriam impacto sobre as
mesmas.O cenrio deste projeto o restaurante universitrio da Universidade Federal de So Paulo, unidade
de So Jos dos Campo SP.
A relao do volume de vendas em funo das ocorrncias ser submetida em correlao da mdia de
temperatura do horrio das vendas. A gerao de amostragens para a correlao ser realizada por
permutao via Bootstrap para vendas e temperatura.
O estudo da correlao de vendas e temperatura ou outras variveis climticas j comum em outros cenrios,
entre eles o de maior destaque na demanda de energia eltrica. Os cenrios de vendas de alimentos
perecveis ganha tambm destaque, apesar de se encontrar investimentos maiores na indstria de produo
de energia eltrica.
O objetivo tanto no cenrio deste trabalho, o restaurante universitrio, como em outros cenrios o mesmo,
atender toda a demanda de consumo e evitar transtorno qualquer consumidor pela falta da mesma, e evitar
prejuzos de produo no consumida. Tais prejuzos impactam no s ao fornecedor mas tambm ao
consumidor, um fornecimento de produto e servio com um bom planejamento de demanda, poupa recursos
ao produtor que podem ser investidos em melhor qualidade de produto, e menor preo ao consumidor.
Palavras-chave: Previso de demanda. Bootstrap. Correlao. Demanda em funo de temperatura.

Anlise de Demanda no Restaurante Universitrio do Instituto Central de Tecnologia da Unifesp.

O DESPERDCIO DE ALIMENTOS NO RESTAURANTE.

Todo restaurante universitrio enfrenta problemas de previso de demanda de refeies, e prejuzos com a falta
de vendas e ou o descarte de refeies no vendidas. Um dos grandes problemas enfrentados hoje no mundo
a elevao dos preos dos alimentos, o valor alm de monetrio moral, a alimentao o recurso primitivo
de base da humanidade que hoje ainda enfrenta um mal acesso este em muitas regies carentes. O descarte
indevido de alimentos, provocado por suas limitaes e durabilidade no gera somente prejuzos monetrios e
sim prejuzos ambientes e morais. Isto tem causado preocupaes para a populao em geral e tambm para
as empresas como restaurantes que sofrem diretamente os reflexos da variao no preo dos alimentos e na
demanda. Atualmente o Restaurante Universitrio (R.U.) da Universidade Federal de So Paulo no possui um
sistema que ajude na gesto de compras dos alimentos.
No restaurante universitrio do ICT-Unifesp as refeies so fornecidas de segunda sexta feira. O caso
particular de restaurantes universitrios envolve um fluxo de demanda influenciado por cada dia da semana,
visto que a demanda influenciada pela quantia de alunos presentes na universidade, que por sua vez
influenciada pela grade de aulas determinada periodicamente para cada dia da semana.
O caso de anlise para este projeto foi tomado aps informao do desperdcio de 300 refeies descartadas
em um s dia por uma falta de projeo de demanda. possvel observar nas amostras um valor de outlier de
78 vendas, enquanto na maior coleta de vendas foi obtido o valor de 381 vendas.
Neste projeto tomada a previso da demanda apenas para o dia de quarta-feira. Foram analisadas todas as
vendas de refeies do dia de quarta-feira durante o perodo de 13 semanas, de 10 de agosto de 2016 16 de
novembro de 2016. A varivel de influncia sobre a demanda ser a mdia de temperatura do perodo
compreendido no horrio da refeio, no caso do almoo o perodo das 11:00 at as 14:00 horas.
Devido s condies burocrticas no ambiente do restaurante universitrio do campus ICT-Unifesp, que compreendem fidelidade de contrato, exclusividade na regio pois o restaurante se encontra em localizao que o
faa ser o nico provedor de alimentos ao pblico do campus do ICT devido a este campus estar isolado
fisicamente de qualquer regio comercial, exclusividade de contrato que permite que no sejam abertos concorrentes dentro do campus, e acessibilidade do pblico aquisio de refeies que em sua maior parte adquirem refeies pelo valor de R$2,50 sendo a outra parte do custo da refeio subsidiada e paga pela instituio atravs de verbas federais, foi escolhida como principal varivel de correlao, a mdia de temperatura da
venda.
Grande parte do pblico do restaurante, os alunos de graduao de perodo integral, podem tomar decises em
frequentar a universidade fora do perodo de aula, em janelas de grade horria por exemplo, e frequentar o
restaurante baseado em condies climticas que facilitam o deslocamento at a instituio.
Outro ponto importante a obteno dos valores de venda, no foi escolhido as vendas diretas do ponto de
venda de tickets de refeio, e sim os dados de coleta da entrada do restaurante, que demonstram a real movimentao
de
pblico
no
restaurante
em
determinado
dia.
Uma coleta de dados de venda em um ponto de venda se tornaria impreciso j que os tickets comprados podem
ser utilizados em qualquer data e horrio.

Anlise de Demanda no Restaurante Universitrio do Instituto Central de Tecnologia da Unifesp.

METODOLOGIA
ESTUDO E APLICAES DA TCNICA BOOTSTRAP
A tcnica de re-amostragem Bootstrap muito til por no necessitar de muitas suposies para estimao de
parmetros das distribuies de interesse. Este artigo se baseia no mtodo Bootstrap por conter um nmero
pequeno de amostras de vendas realizadas para correlao com medidas de temperatura, por fazer parte do
conjunto de mtodos estudados na disciplina de Simulao de Sistemas cursada pelo autor no 2 semestre de
2016 (durante o perodo de coletas dos dados), e pelo mtodo Bootstrap conter exemplos abrangentes de
sucesso no estudo de frequncia de populao correlacionado com variveis climticas [1]
De acordo com publicao [4], a tcnica de re-amostragem Bootstrap pode abranger tcnicas paramtricas e
no paramtricas, as tcnicas so relacionadas de forma independente e devem ser selecionadas com minuciosa
correlao de propriedades que se encaixam em cada cenrio de anlise. So Intervalo de Confiana Bootstrap
Percentil, o Intervalo de Confiana Bootstrap Percentil das Diferenas, o Intervalo de Confiana Bootstrap t,
o Intervalo de Confiana Percentil Corrigido em Relao ao Vis (BCPB) e o Intervalo de Confiana de
Correo de Vcio Acelerado (BCa), alm da tcnica de Bootstrap para a regresso e realizao de testes de
hipteses utilizando intervalos de confiana Bootstrap.
No clculo do BCPB no intervalo so selecionados os valores extremos que medem os percentis da distribuio
feita pela re-amostragem Bootstrap com o ajuste de vcio e assimetria da distribuio. J anlise BCa permite
a mesma anlise realizada no BCPB para dados onde a assimetria pode ser mais forte, utilizando uma constante
de acelerao e ajuste do vcio (a).
No estudo deste caso, ser selecionada a tcnica de bootstrap com a funo de correlao conforme adendo
[1], e anlise do intervalo de confiana BCa de acordo com a referncia [4], por ser mais indicada para anlises
com reajuste de assimetria na distribuio, e por no ser um clculo trivial conforme Figura 1 indicada
tambm em anlises computacionais em plataformas. Neste projeto utilizada a Plataforma R contendo a
biblioteca (boot). O cdigo elaborado na linguagem em R, elaborado com os dados coletados de vendas e
temperaturas no perodo abrangido pelo projeto, e operaes da biblioteca (boot).
O GRFICO 1 contm a relao linear dos dados de venda e temperatura nas ocorrncias de quarta-feira
durante o semestre. Seguem nas tabelas 1 e 2 a coleta de dados de venda conforme adendo [2] do primeiro e
segundo perodo respectivamente, coleta de dados de temperatura conforme adendo [3]. O primeiro perodo
de anlise foi selecionado, na TABELA 1 conforme o incio de aulas do semestre, o segundo perodo na
TABELA 2 foi selecionado para abranger melhor a poca de provas e encerramento de semestre na hiptese
de que estes perodos podem ter rotinas diferentes da movimentao dos estudantes dentro da universidade.

Anlise Linear de Vendas e Temperatura

40
35
30
25
20
15
10
5
0

450
400
350
300
250
200
150
100
50
0

TEMPERATURA

GRFICO 1
3

VENDAS

Anlise de Demanda no Restaurante Universitrio do Instituto Central de Tecnologia da Unifesp.

DATA

VENDAS TEMPERATURA

10/08/16
17/08/16
24/08/16
07/09/16
14/09/16
21/09/16
28/09/16

316
303
291
310
381
291
291

18
28
23
21
27.5
20
24
TABELA 1

GRFICO 2

GRFICO 2: Clculo bootstrap de 1000 reamostragens t da TABELA 1 em funo da densidade.

Intervalo de confiana obtido por Bca: 95% (-0.8666, 0.9290), outras estatsticas obtidas pela biblioteca:
Original: 0.4040055, Bias: -0.148679, Erro padro: 0.51477
DATA

VENDAS TEMPERATURA

28/09/16
05/10/16
19/10/16
26/10/16
09/11/16
16/11/16

291
284
78
277
274
214

TABELA 2

27
21
35
30
31
30
GRFICO 3

GRFICO 3: Clculo bootstrap de 1000 reamostragens t da TABELA 2 em funo da densidade.

Intervalo de confiana obtido por Bca: 95% (-0.9998, 0.0000), outras estatsticas obtidas pela biblioteca:
Original: -0.69753, Bias: 0.005320677, Erro padro: 0.2682905

GRFICO 4
GRFICO 4: Clculo bootstrap de 1000 re-amostragens t do perodo total conforme GRAFICO 1 em funo
da densidade. Intervalo de confiana obtido por Bca: 95% (-0.5502, 0.7634), outras estatsticas obtidas pela
biblioteca: Original: -0.4040055, Bias: -0.05229429, Erro padro: 0.3169665

Anlise de Demanda no Restaurante Universitrio do Instituto Central de Tecnologia da Unifesp.

CONCLUSO
A partir da anlise observada no perodo da TABELA 1, perodo apontado como incio de semestre e de rotina
da movimentao dos estudantes, conforme GRFICO 2 pode-se observar uma linearidade nas vendas
inclusive nos momentos de picos de temperaturas correspondendo maior volume de vendas na amostragem.
Ao realizar a re-amostragem por bootstrap com o clculo de correlao dos valores, conclui-se uma
distribuio mais concentrada em valores prximo a 0,5. O intervalo de confiana calculado pelo mtodo BCa,
fica nos valores prximos ao limite do clculo de correlao de (-0.8666, 0.9290).
A partir da anlise observada no perodo da TABELA 2, perodo apontado como fim de semestre e de rotina
da movimentao dos estudantes, conforme GRFICO 3 pode-se observar um comportamento oposto nas
vendas, onde os picos de valores so invertidos em comparao com o primeiro perodo, ocorrendo
temperaturas maiores e menor volume de vendas. Ao realizar a re-amostragem por bootstrap com o clculo de
correlao dos valores, conclui-se uma distribuio mais concentrada em valores negativos e bem prximos a
-1. O intervalo de confiana BCa, fica prximo ao limite da correlao de (-0.8666, 0.9290).
Realizando a re-amostragem do perodo total, conforme GRFICO 4, observa-se um comportamento anlogo
ao primeiro perodo, de distribuio um pouco mais concentrada em valores positivos prximos a 0,5, com
intervalo de confiana obtido em (-0.5502, 0.7634).
Conclui-se que necessrio alm de variveis de temperatura, uma identificao melhor da rotina do pblico
do restaurante universitrio, onde foi observado um comportamento de correlao negativa no perodo 2, que
se
ofusca
em
uma
anlise
de
perodo
total
em
todo
o
semestre.
possvel observar picos de linearidade mostrando propores diretas entre vendas e temperatura, como ocorre
no GRFICO 1 no primeiro perodo, e tambm observar maior concentrao da correlao negativa
(proporo inversa) conforme GRFICO 3. As correlaes e sua re-amostragem acompanham as variaes de
temperatura e vendas, bem como as variaes dos perodos optados pela hiptese de alteraes na rotina dos
estudantes em perodo de incio e fim de semestre. Porm se faz necessrio alm do estudo da correlao, a
diviso correta dos perodos onde pode se agrupar uma rotina comum dos alunos, como at a consulta direta
ao mesmos sobre a rotina e inteno direta de consumo [3] que pode ser utilizado como dados para modelo de
validao da predio, e de tcnicas de predio avanadas em restaurantes universitrios com uso de redes
neurais de acordo com a referncia [2] e com predio de consumo com variveis climticas em funo do
tempo com utilizao de modelos probabilsticos discretos como o mtodo de Markov[5].
ADENDOS
[1] FUNO F DE CORRELAO UTILIZADA NA PLATAFORMA RSTUDIO PERSONAL,
COMPILADORA DO CDIGO E CALCULOS NESTE PROJETO, PLATAFORMA DISPONVEL EM:
<https://www.rstudio.com/products/rstudio/download3/> ACESSO EM: 04 DE DEZEMBRO DE 2016.
F
[2] BANCO DE DADOS DE VENDAS, DO RESTAURANTE UNIVERSITRIO NUTRIMENTA
REFEIES, RUA OLINTO DE AQUINO, 63 SO JOS DOS CAMPOS/SP.
<nutrimentarestaurante@gmail.com> TELEFONE +55 12 39391570
[3] BANCO DE DADOS DE MDIA DE TEMPERATURA <http://www.accuweather.com/pt/br/brazilweather> ACESSO EM: 04 DE DEZEMBRO DE 2016.

Anlise de Demanda no Restaurante Universitrio do Instituto Central de Tecnologia da Unifesp.

[4] CDIGO EXECUTADO NA PLATAFORMA RSTUDIO
library(boot)
#primeiro perodo, aulas
#10/08 17/08 24/08 07/09 14/09 21/09 28/09
#vendas <- c(316,303,291,310,381,291,291)
#temperatura <- c(18,28,23,21,27.5,20,24)
#segundo perodo, provas
#28/09 05/10 19/10 26/10 09/11 16/11
#vendas <- c(291,284,78,277,274,214)
#temperatura <- c(27,21,35,30,31,30)
#perodo completo aulas + provas
vendas <- c(316,303,291,310,381,291,291,316,303,291,310,381,291,291)
temperatura <- c(18,28,23,21,27.5,20,24,18,28,23,21,27.5,20,24)
data <- data.frame(vendas,temperatura)
f <- function(d, i){
d2 <- d[i,]
return(cor(d2$vendas, d2$temperatura))
}
bootcorr <- boot(data, f, R=1000)
bootcorr # ESTATSTICAS DO CALCULO BOOTSTRAP
plot(bootcorr)
boot.ci(bootcorr, type = "bca") #INTERVALO DE CONFIANA
REFERNCIAS
[1] ALVES, EDMAR JOS. MTODOS DE BOOTSTRAP E APLICAES EM PROBLEMAS BIOLGICOS: DISSERTAO APRESENTADA AO PROGRAMA DE PS-GRADUAO MESTRADO PROFISSIONAL EM MATEMTICA
UNIVERSITRIA COMO REQUISITO PARCIAL PARA A OBTENO DO GRAU DE MESTRE. UNIVERSIDADE ESTADUAL PAULISTA JLIO DE MESQUITA FILHO INSTITUTO DE GEOCINCIAS E CINCIAS EXATAS.
[2] LOPES, L.C. MODELOS PARA PREVISO DE DEMANDA NO RESTAURANTE UNIVERSITRIO UTILIZANDO
TCNICAS DE REDES NEURAIS DMA UNIVERSIDADE FEDERAL DE VIOSA IV CONGRESSO NACIONAL DE
EXCELNCIA EM GESTO 2008. DISPONVEL EM: <http://www.novoscursos.ufv.br/projetos/ufv/gesep/www/wp-content/uploads/5.pdf> ACESSO EM: 04 DE DEZEMBRO DE 2016.
[3] RESTAURANTE UNIVERSITRIO UFV PREVISO DE DEMANDA. DISPONVEL EM < https://rufv.wordpress.com/cadastro/previsao-de-demanda/> ACESSO EM: 04 DE DEZEMBRO DE 2016.
[4] RIZZO, A.L.T UNIVERSIDADE PRESBITERIANA MACKENZIE - II JORNADA DE INICIAO CIENTFICA ESTUDO
E APLICAES DA TCNICA BOOTSTRAP. DISPONVEL EM: <http://meusite.mackenzie.com.br/raquelc/ana_lucia.pdf> ACESSO EM: 04 DE DEZEMBRO DE 2016.
[5] SILVA, C.V.M UNIVERSIDADE FEDERAL DO PAMPA - METODOLOGIA PARA PREVISO DE DEMANDA DE
ENERGIA ELTRICA EM CURTSSIMO PRAZO BASEADA EM UM MODELO PROBABILSTICO DISCRETO. DISPONVEL EM <http://alegrete.unipampa.edu.br/gesep/wp-content/uploads/2010/05/Previs%C3%A3o-de-demanda-utiilizando-m%C3%A9todo-de-Markov_Final.pdf> ACESSO EM: 04 DE DEZEMBRO DE 2016.