Porque prever o preço de metálicos?
O planejamento de um negócio deve utilizar todas as ferramentas disponíveis que possibilitam a antecipação de mudanças no mercado para que ações possam ser tomadas e os custos otimizados. O dinamismo do mercado pode trazer impactos ao ramo metalúrgico e ter uma ferramenta que antecipa essas mudanças é de extrema importância ao tomador de decisões. A sucata de ferro está intrinsecamente ligada à produção do aço, podendo ser uma das matérias primas nesse processo de fabricação. Decidir se uma certa quantidade de sucata deve ser comprada no mês atual ou nos meses seguintes é uma tarefa difícil que pode aumentar os custos da fabricação do aço e impactar toda a cadeia produtiva dessa matéria e também os custos dos produtos que utilizam a mesma para serem confeccionados. Uma ferramenta analítica que permite entender a dinâmica do mercado de matérias primas com antecedência permite a redução de custos de fabricação podendo afetar de forma positiva toda a cadeia de produção.
Um desafio foi proposto a MURABEI onde dois tipos de sucata de ferro deveriam ter seus valores previstos e explicados e uma ferramenta com capacidade de simulação de cenários, previsão e interpretação foi desenvolvida.
Processo de produção do metal e variáveis selecionadas para modelagem
A ciência de dados é multidisciplinar e o profissional da área deve estar preparado para atuar em diferentes ramos da indústria. A modelagem do preço da sucata requer o entendimento de toda a cadeia de produção do aço para que seja de conhecimento do profissional todas as variáveis que possam impactar no preço da variável predita. A lógica para prever o preço da sucata continua a mesma de quando se quer prever produtos como minério de ferro, nióbio, prata, ouro etc. A metodologia é genérica, sendo necessário entender as variáveis que estão relacionadas a demanda e oferta do produto para a construção do modelo.
Antes do processo de laminação e lingotamento, o Aço pode ser refinado de duas formas diferentes e é importante observar os processos pois eles podem fornecer variáveis para a modelagem do preço da sucata. A Aciaria elétrica tem a sucata e o gusa sólido para refinamento de aço, já a Aciaria LD utiliza minério de ferro, carvão mineral para produção de coque e a madeira para produção de carvão vegetal. Todos esses materiais são processados em alto fornos e em seguida, refinados para ter o aço como resultado. Entender esse processo é importante pois as variáveis utilizadas podem ser explicativas e de grande importância na modelagem.
Ferramenta estatística e suas interpretações
Modelos de previsão têm cada vez mais auxiliando em diversos casos de tomada de decisões nas mais diversas áreas. Não existe previsão perfeita então sempre haverá incertezas atribuídas aos modelos e haverá a necessidade de tomar decisões considerando a existência dessas incertezas. O desafio proposto à MURABEI teve como ferramenta estatística de previsão o Modelo Linear Dinâmico como solução, que é uma ferramenta robusta com capacidade de gerar previsões confiáveis, aprender de forma dinâmica e ser interpretável.
A ferramenta desenvolvida é capaz de gerar três tipos de resultados ao analista e são eles:
- Previsão do preço da matéria prima
- Decomposição dos efeitos de cada variável
- Métrica de variação futura percentual em relação ao último valor conhecido da matéria prima
Esses resultados fornecem ao tomador de decisão uma ideia do comportamento do preço da sucata nos próximos meses e dá a capacidade de antecipar o dinamismo do mercado. A ferramenta também entrega a significância das variáveis utilizadas para a previsão e o quanto elas contribuíram no valor previsto. A figura abaixo apresenta a explicação de um tipo de resultado que mostra a variação futura percentual e assim é possível entender a probabilidade do preço da variável predita subir ou cair em uma certa porcentagem do último valor conhecido. Como exemplo, a figura apresenta a distribuição preditiva e com isso a probabilidade do preço da sucata ser superior a uma determinada porcentagem do último valor conhecido nos próximos três meses.
Previsão do preço da Sucata
A proposta era realizar a construção de dois modelos com distintos tipos de sucata, sendo uma delas de geração industrial originária das montadoras e demais indústrias transformadoras de produtos siderúrgicos. A outra tem como origem bens de consumo de aço já obsoletos pelo uso, tal como eletrodomésticos, automóveis, silos e tanques de estocagem.
Foi adotado estratégias diferentes de modelagem para os dois tipos de sucata. O modelo para a sucata de origem industrial tem variáveis ligadas a essa área como:
- Produção brasileira mensal de veículos
- Consumo aparente de aço
- Índice de Atividade Econômica do Banco Central – IBC-Br
A produção de veículo está conectada à origem da sucata visto que uma das formas de obtê-la são os retalhos do processo de fabricação. O consumo de aço e o IBC-Br estão ligados à atividade industrial e econômica, afetando assim o valor da variável a ser predita.
Já o modelo da sucata com origem de bens de consumo obsoletos tem as seguintes variáveis na sua modelagem:
- Taxa de desemprego Pnad
- Bens de consumo duráveis (IPEA)
- Construção civil (IPEA)
- Índice de Atividade Econômica do Banco Central – IBC-Br
Essas variáveis impactam no preço da sucata e estão conectadas com sua origem. Vale ressaltar que a forma como essa sucata é obtida também impacta no seu valor e para isso foi incluído a taxa de desemprego, visto que com desemprego alto, uma quantidade maior de pessoas buscam serviços informais e assim pode haver mais catadores de sucata, aumentando sua oferta no mercado. É importante no processo de modelagem conhecer o histórico da variável predita para que possam ser encontradas todas as variáveis explicativas relevantes no processo e assim construir um modelo interpretável e com desvios baixos.
Um dos resultados dessa modelagem é a probabilidade de variação positiva do preço da sucata em 10% do último valor conhecido. A figura abaixo apresenta esse resultado indicando que a probabilidade do aumento do preço ser superior a 10% de 1550 aumenta a cada horizonte de previsão. Em 1 mês a frente a probabilidade do preço ser superior a 1705 é de 22,8% e em 3 meses a frente será de 30,14%. Essa interpretação dá ao tomador de decisão uma liberdade de simulação pois esses 10% poderiam ser um input do usuário e assim seria construído um simulador de cenários.
A previsão de metálicos é muito importante para a indústria pois permite tomada de decisão que gera ganhos financeiros e de produção. Esse modelo poderia ser aplicado a diversos materiais como preço de minério de ferro, manganês, bauxita, ouro, prata, níquel, nióbio e outros.
Autor: Lucas Cardoso
Conheça um pouco mais do jeito Murabei acompanhando nosso perfil no Linkedin. Seguimos ainda mais conectados!