PROPOSTA DE UM MODELO DE PREVISÃO DE DEMANDA PARA UMA EMPRESA DE EQUIPAMENTOS ALIMENTÍCIOS INDUSTRIAIS

Visualizações: 14

Autores/as

DOI:

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

Palabras clave:

Previsão da Demanda, Método de Holt-Winters, Planejamento da Cadeia de Suprimentos

Resumen

Diante de cenários cada vez mais competitivos e dinâmicos em que atendimento imediato das necessidades do mercado torna-se um diferencial competitivo, conseguir prever a demanda futura torna-se um elemento fundamental para o planejamento das atividades de uma organização e para a tomada de decisões. Nesse contexto, o presente estudo tem por objetivo propor um modelo de previsão de demanda para orientar o planejamento da cadeia de suprimentos em uma empresa de equipamentos alimentícios industriais. O estudo de caso foi divido em: coleta de dados qualitativa e quantitativa, classificação ABC e definição das famílias de produto para serem analisadas, classificação ABC e definição dos produtos em função da família escolhida, análise do comportamento e características das séries temporais, definição e aplicação dos modelos de previsão, comparativo entre valores projetados e realizados e análise dos resultados. O estudo demonstrou que o método de Holt-Winters é o modelo adequado para ser aplicado em função do comportamento e características de sazonalidade e tendência identificadas na série de dados. Os resultados indicam que as previsões, apesar de apresentarem diferenças superiores e inferiores ao se comparar com a demanda real, ainda sim tornam-se um modelo aplicável a realidade da organização.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

André Luiz Emmel Silva, Universidade de Santa Cruz do Sul (UNISC)

http://lattes.cnpq.br/1794234318779801

Doutorado em Tecnologia Ambiental pela Universidade de Santa Cruz do Sul (UNISC). Professor do Departamento de Engenharia, Arquitetura e Computação da Universidade de Santa Cruz do Sul (UNISC)

JORGE ANDRÉ RIBAS MORAES, Universidade de Santa Cruz do Sul (UNISC)

Doutorado em Engenharia de Produção pela Universidade Federal de Santa Catarina (UFSC). Professor do Departamento de Engenharia, Arquitetura e Computação da Universidade de Santa Cruz do Sul (UNISC)

SILVIO CESAR FERREIRA ROSA, Universidade de Santa Cruz do Sul (UNISC)

Doutorando e Mestre em Tecnologia Ambiental pela Universidade de Santa Cruz do Sul (UNISC). Professor do Departamento de Engenharia, Arquitetura e Computação da Universidade de Santa Cruz do Sul (UNISC).

MARÍNDIA DA SILVEIRA MOURA, Universidade de Santa Cruz do Sul (UNISC)

Graduação em Engenharia de Produção pela Universidade 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Publicado

2024-10-02

Cómo citar

Silva, A. L. E., MORAES, J. A. R., ROSA, S. C. F., & MOURA, M. D. S. (2024). PROPOSTA DE UM MODELO DE PREVISÃO DE DEMANDA PARA UMA EMPRESA DE EQUIPAMENTOS ALIMENTÍCIOS INDUSTRIAIS. Revista De Estudios Interdisciplinarios, 6(2), 01–19. https://doi.org/10.56579/rei.v6i2.1153

Artículos similares

<< < 4 5 6 7 8 9 10 > >> 

También puede {advancedSearchLink} para este artículo.