Propuesta de un Modelo de Pronóstico de Demanda para una Empresa de Equipos Alimentarios Industriales

Visualizações: 120

Autores/as

DOI:

https://doi.org/10.56579/rei.v6i2.1153

Palabras clave:

Pronóstico de la Demanda, Método de Holt-Winters, Planificación de la Cadena de Suministro

Resumen

En escenarios cada vez más competitivos y dinámicos, en los que la satisfacción inmediata de las necesidades del mercado se convierte en una ventaja competitiva, prever la demanda futura se convierte en un elemento fundamental para la planificación de las actividades de una organización y la toma de decisiones. En este contexto, el presente estudio tiene como objetivo proponer un modelo de pronóstico de demanda para guiar la planificación de la cadena de suministro en una empresa de equipos alimentarios industriales. El estudio de caso se dividió en: recopilación de datos cualitativos y cuantitativos, clasificación ABC y definición de las familias de productos para ser analizadas, clasificación ABC y definición de los productos en función de la familia seleccionada, análisis del comportamiento y características de las series temporales, definición y aplicación de modelos de pronóstico, comparación entre los valores proyectados y los valores reales, y análisis de los resultados. El estudio demostró que el método de Holt-Winters es el modelo adecuado para aplicarse, en función del comportamiento y las características de estacionalidad y tendencia identificadas en la serie de datos. Los resultados indican que, a pesar de las diferencias entre los valores proyectados y la demanda real, el modelo sigue siendo aplicable a la realidad de la organización.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

André Luiz Emmel Silva, Universidad de Santa Cruz do Sul

Doctorado en Tecnología Ambiental por la Universidad de Santa Cruz do Sul (UNISC). Profesor en el Departamento de Ingeniería, Arquitectura y Computación de la Universidad de Santa Cruz do Sul (UNISC).

JORGE ANDRÉ RIBAS MORAES, Universidad de Santa Cruz do Sul

Doctorado en Ingeniería de Producción por la Universidad Federal de Santa Catarina (UFSC). Profesor en el Departamento de Ingeniería, Arquitectura y Computación de la Universidad de Santa Cruz do Sul (UNISC).

SILVIO CESAR FERREIRA ROSA, Universidad de Santa Cruz do Sul

Doctorando y Máster en Tecnología Ambiental por la Universidad de Santa Cruz do Sul (UNISC). Profesor en el Departamento de Ingeniería, Arquitectura y Computación de la Universidad de Santa Cruz do Sul (UNISC).

       

MARÍNDIA DA SILVEIRA MOURA, Universidad de Santa Cruz do Sul

Grado en Ingeniería de Producción por la Universidad de Santa Cruz do Sul (UNISC).

Citas

ABOLGHASEMI, M.; BEH, E.; TARR, G.; GERLACH, R. Demand forecasting in supply chain: The impact of demand volatility in the presence of promotion. Computers & Industrial Engineering, v.142, p.1-12, 2020. https://doi.org/10.1016/j.cie.2020.106380 DOI: https://doi.org/10.1016/j.cie.2020.106380

ACKERMANN, A. E. F; SELLITTO, M. A. Demand forecasting methods: a literature review. Innovar, v. 32, n. 85, p. 83-99, 2022. https://doi.org/10.15446/innovar.v32n85.100979 DOI: https://doi.org/10.15446/innovar.v32n85.100979

AHMAR, A. S.; SINGH, P. K.; RULIANA, R.; PANDEY, A. K.; GUPTA, S. Comparison of ARIMA, SutteARIMA, and Holt-Winters, and NNAR Models to Predict Food Grain in India. Forecasting, v. 5, n. 1, p. 138-152, 2023. https://doi.org/10.3390/forecast5010006 DOI: https://doi.org/10.3390/forecast5010006

ALVES, C. C.; HOEPERS, E.; CORAZZA, E. J.; SANTOS, G. J.; CRISTOFOLINI, R.; CRUZ, A. C. Applicationof statistical methods with exponential smoothing double and triple for demand forecasting inthe inventory management. Revista Produção Online, v. 19, n. 3, p. 1001-1026, 2019. https://doi.org/10.14488/1676-1901.v19i3.3539 DOI: https://doi.org/10.14488/1676-1901.v19i3.3539

BENHAMIDA, F. Z.; KADDOURI, O.; OUHROUCHE, T.; BENAICHOUCHE, M.; MANSILLA, D. C.; IPIÑA, D. L. Demand Forecasting Tool For Inventory Control Smart Systems. Journal of communications software and systems, v. 17, n. 2, 2021. https://doi.org/10.24138/jcomss-2021-0068 DOI: https://doi.org/10.24138/jcomss-2021-0068

BONADIO, B.; HUO, Z.; LEVCHENKO, A. A.; NAYAR, N. P. Global supply chains in the pandemic. Journal of International Economics, v. 133, 2021. https://doi.org/10.1016/j.jinteco.2021.103534 DOI: https://doi.org/10.1016/j.jinteco.2021.103534

FAVERJON, C.; BEREZOWSKI, J. Choosing the Best Algorithm for Event Detection Based on the Intend Application: A Conceptual Framework for Syndromic Surveillance. J. Biomed. Inform, v. 85, p. 126-135, 2018. https://doi.org/10.1016/j.jbi.2018.08.001 DOI: https://doi.org/10.1016/j.jbi.2018.08.001

FILDES, R.; MA, S.; KOLASSA, S. Retail forecasting: Research and practice. International Journal of Forecasting, v.38, n. 4, 2022, p.1283-1318, 2022. https://doi.org/10.1016/j.ijforecast.2019.06.004 DOI: https://doi.org/10.1016/j.ijforecast.2019.06.004

FU, W.; CHIEN, C. F. UNISON data-driven intermittent demand forecast framework to empower supply chain resilience and an empirical study in electronics distribution. Computers & Industrial Engineering, v.135, p. 940-949, 2019. https://doi.org/10.1016/j.cie.2019.07.002 DOI: https://doi.org/10.1016/j.cie.2019.07.002

GREEN, K. C; ARMSTRONGBC, J. S. Simple versus complex forecasting: The evidenc. Journal of Business Research, v. 68, n. 8, p. 1678-1685, 2015. https://doi.org/10.1016/j.jbusres.2015.03.026 DOI: https://doi.org/10.1016/j.jbusres.2015.03.026

HYNDMAN, R. J.; ATHANASOPOULOS, G. Forecasting: principles and practice, 3rd. Australia: Melbourne, 2021.

HYNDMAN, R. J.; KOEHLER, A. B.; SNYDER, R. D.; GROSE, S. A state space framework for automatic forecasting using exponential smoothing methods. International Journal of Forecasting, v. 18, n. 3, p. 439-454, 2002. https://doi.org/10.1016/S0169-2070(01)00110-8 DOI: https://doi.org/10.1016/S0169-2070(01)00110-8

JOSHI, S. A review on sustainable supply chain network design: Dimensions, paradigms, concepts, framework and future directions. Sustainable Operations and Computers, v. 3, p.136-148, 2022. https://doi.org/10.1016/j.susoc.2022.01.001 DOI: https://doi.org/10.1016/j.susoc.2022.01.001

MIRANDA, R. G.; ANDRADE, G. J. P. O.; GERBER, J. Z.; BORNIA, A. C. Structured method to the process of demand planning in organizations. Revista ADMPG, v. 4, n. 2, 2019.

MIRCETIC, D.; TABAR, B. R.; NIKOLICIC, S.; MASLARIC, M. Forecasting hierarchical time series in supply chains: na empirical investigation. International Journal of Production Research, v. 60, n. 8, p. 2514-2533, 2022. https://doi.org/10.1080/00207543.2021.1896817 DOI: https://doi.org/10.1080/00207543.2021.1896817

PETROPOULOS, F.; APILETTI, D.; ASSIMAKOPOULOS, V.; BABAI, M. Z.; BARROW, D. K.; TAIEB, S. B. et al. Forecasting: Theory and Practice. International Journal of Forecasting, v. 38, n. 3, p. 705-871, 2022. https://doi.org/10.1016/j.ijforecast.2021.11.001 DOI: https://doi.org/10.1016/j.ijforecast.2021.11.001

PINÇE, Ç.; TURRINI, L.; MEISSNER, J. Intermittent demand forecasting for spare parts: A Critical review. Omega, v. 105. p. 2-14, 2021. https://doi.org/10.1016/j.omega.2021.102513 DOI: https://doi.org/10.1016/j.omega.2021.102513

ROSTAMI-TABAR, B.; BABAI; M.; ZIED, D. Y.; SYNTETOS, A. Non-stationary demand forecasting by cross-sectional aggregation. International Journal of Production Economics, v. 170, p. 297-309, 2015. https://doi.org/10.1016/j.ijpe.2015.10.001 DOI: https://doi.org/10.1016/j.ijpe.2015.10.001

TIRKEŞ, G.; GURAY, C.; ÇELEBI, N. Demand forecasting: a comparison between the holt-winters, trend analysis and decomposition models. Tehnički vjesnik, v. 24, n. 2, p. 503-509, 2017. https://doi.org/10.17559/TV-20160615204011 DOI: https://doi.org/10.17559/TV-20160615204011

TRULL, O.; DÍAZ, J. C. G.; TRONCOSO, A. Initialization Methods for Multiple Seasonal Holt-Winters Forecasting Models. Mathematics, v. 8, n. 2, p. 268, 2020. https://doi.org/10.3390/math8020268 DOI: https://doi.org/10.3390/math8020268

TUBINO, Dalvio Ferrari. Planejamento e controle da produção. 3.ed. São Paulo: Atlas, 2022.

VERÍSSIMO, A. J.; ALVES, C. C.; HENNING, E.; AMARAL, C. E.; CRUZ, A. C. Statistical methods exponential smoothing holtwinters to forecast demand in a company of the metal mechanic sector. Revista Gestão Industrial, v. 8, n. 4, p. 154-171, 2012. https://doi.org/10.3895/S1808-04482012000400009 DOI: https://doi.org/10.3895/S1808-04482012000400009

ZELLNER, M.; ABBAS, A. E.; BUDESCU, D. V.; GALSTYAN, A. A survey of humanjudgement and quantitativeforecasting methods. Royal Society, v. 8, n. 2, p. 1-30, 2021. https://doi.org/10.1098/rsos.201187 DOI: https://doi.org/10.1098/rsos.201187

Publicado

2024-10-02

Cómo citar

Silva, A. L. E., MORAES, J. A. R., ROSA, S. C. F., & MOURA, M. D. S. (2024). Propuesta de un Modelo de Pronóstico de Demanda para una Empresa de Equipos Alimentarios Industriales. Revista De Estudios Interdisciplinarios, 6(2), 01–19. https://doi.org/10.56579/rei.v6i2.1153

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede {advancedSearchLink} para este artículo.