Adequação dos Métodos de Previsão às Especificidades das Demandas / Suitability of Forecast Methods to Demands’ Specificities
Resumo
O presente estudo teve como objetivo identificar o método de previsão mais adequado para a demanda de cada um dos insumos críticos da empresa XYZ. Os dados foram coletados de um sistema integrado de gestão ERP usado na empresa, sendo emitido um relatório de consumo mensal. Após a montagem do splitsample (amostras de teste e de validação), foram aplicados diferentes métodos de previsão de séries temporais a cada insumo no período referente à amostra de teste, e calculados os erros para cada método aplicado a cada insumo no período referente à amostra de validação. Esses erros foram comparados, visando identificar o método de previsão com maior acurácia. Os resultados apresentados indicaram que a adequação entre tipo de demanda e método de previsão sugerida na teoria se verificou, na prática, em poucos casos. Em 6 dos 11 insumos, o método sugerido pela teoria ficou entre os piores, em termos de desempenho; em 3 desses 6 casos, o método sugerido foi, de fato, o pior dentre os 6 testados. Foi possível concluir que não há um padrão a ser seguido e que, independentemente do tipo de demanda do insumo, não se deve aplicar o modelo sugerido na teoria, sem antes certificar-se que não há outro modelo melhor. O ideal é testar vários métodos para observar qual terá o melhor desempenho em cada caso.
Palavras-chave: Previsão De Demanda. Séries Temporais. Planejamento e Controle da Produção. Métodos Quantitativos.
ABSTRACT
The present study aimed to identify the most suitable forecasting method for each of the critical raw materials of XYZ Company. The data were collected from an ERP integrated management system used in the company from its monthly consumption report. After the splitting the sample (test sample and validation sample), different methods of time series forecast were applied to every raw material within the test sample period and the errors for each method applied to each raw material were calculated within the the validation sample period. These errors were compared, in order to identify the forecast method with greater accuracy. The results indicated that the fit between type of demand and forecast method suggested in theory did happen only in a few cases. For 6 (out of 11) raw materials, the method suggested by the theory was among the worst ones, in terms of performance; for 3 of them, the suggested method was, in fact, the worst among the 6 tested. It was possible to conclude that there is no pattern to be followed and that, regardless of the type of raw material demand, it should not be applied the model proposed in theory, without making sure that there is no other better method. It is recommended to test several methods to observe which will have the best performance for each case.
Keyword: Demand Forecast. Time Series. Production Planning and Control. Quantitative Methods.
Referências
ANDRADE, M. G.; REIS, R. L; SOARES, S.; SILVA FILHO, D. Análise do erro de previsão de vazões mensais com diferentes horizontes de previsão. Controle e Automação, Campinas, v. 23, n. 3, p. 294-305, 2012.
ARMSTRONG, J.; COLLOPY, F. Error Measures for Generalizing About Forecasting Methods: Empirical Comparisons, International Journal of Forecasting, v.8, p. 69-80, 1992.
BALLOU, R. H. Logística Empresarial. São Paulo: Atlas, 1995.
BARROS, V. F. A., MENEZES, J. E. de. Análise da relação entre a produção e o consumo de água na grande Goiânia utilizando o método estatístico de previsão de Holt-Winters. Rev. Elet. em Gestão, Educação e Tecnologia Ambiental. v. 7, nº 7, p. 1272-1282, (e-ISSN: 2236-1170), 2012.
BERTOLO, L. A. Técnicas de Previsão de Box-Jenkins - ARIMA. Catanduva: IMES, 2009.
BOUZADA, M. A. C. Aprendendo Decomposição Clássica: Tutorial para um Método de Análise de Séries Temporais. TAC, Rio de Janeiro, v. 2, n. 1, art. 1, pp. 1-18, 2012.
BOUZADA, M. A. C.; SALIBY, E. Prevendo a demanda de ligações em um call center por meio de um modelo de Regressão Múltipla. Gestão & Produção, v.16, n.3, pp.382-397, set/2009.
CARVALHO, C. A. V. Análise de Previsão de Itens de Demanda Intermitente Utilizando o Modelo Syntetos Boylan Approximation (SBA). XXXVI Encontro da ANPAD. Rio de Janeiro/RJ: 2012.
CAVALHEIRO, D. Método de previsão de demanda aplicado ao planejamento da produção de indústrias de alimentos. Dissertação (mestrado em engenharia mecânica) - Programa De Pós-Graduação Em Engenharia Mecânica, Florianópolis: UFSC, 2003.
CORRÊA, H. L.; GIANESI, I. G. N.; CAON, M. Planejamento, Programação e Controle da Produção: MRP II/ ERP: conceitos uso e implantação. 5 ed. São Paulo: Atlas, 2009.
DOYLE, P.; FENWICK, I.A. Sales Forecasting — Using a Combination of Approaches. Long-Range Planning, v. 9, n. 3, p. 60-69, 1976.
EAVES, A. H. C. Forecasting for the Ordering and Stock-Holding of Consumable Spare Parts. Tese. Department of Management Science the Management School, Lancaster University, Lancaster, Inglaterra (2002).
FAGUNDES, M. B. B.; XAVIER, R. A. G.; ALMEIDA JUNIOR, L. C.; FERREIRA, M. R. A infraestrutura aeroportuária em Campo Grande/MS: um modelo de previsão a partir da demanda. Revista Economia e Gestão, v. 13, n. 32, 2013.
FAVA, V. L. Manual de econometria. In: VASCONCELOS, M. A. S.; ALVES, D. São Paulo: Editora Atlas, 2000.
FAVARETTO, F. Impacto das incertezas da previsão da demanda no planejamento detalhado da produção. Revista P&D em Engenharia de Produção, Itajubá, v. 10, n. 1, p. 101-108, 2012.
FIGUEREDO, C.J. Previsão de séries temporais utilizando a metodologia Box & Jenkins e redes neurais para inicialização de planejamento e controle da produção – Dissertação de Mestrado. Curitiba: UFPR, 2008.
FORNO, A. J; SILVA, P. B; MIRANDA, R. G; BORNIA, A. C.; FOCELLINI, F. A. Previsão de Demanda nas Organizações: resultados de 23 empresas do Brasil. X Simpósio de Excelência em Gestão e Tecnologia. Resende/RJ: 2013.
GARDNER, E. Evaluating Forecast Performance in an Inventory Control System, Management Science, 36, 490-499, 1990.
GOODWIN, P.; LAWTON, R. On the asymmetry of the symmetric MAPE. International journal of forecasting, v. 15, p. 405-408, 1999.
HYNDMAN R. J. Another look at forecast-accuracy metrics for intermittent demand. Foresight: Int J Appl Forecast 4: 43–46, 2006.
HORNBURG, S.; et al. A programação da produção puxada pelo cliente: Estudo de caso na indústria têxtil. XXVIII Encontro Nacional de Engenharia de Produção. Rio de Janeiro/RJ: 2008.
KERKKÂNEN, A.; KORPELA, J.; HUISKONEN, J. Demand forecasting errors in industrial context: Measurement and impacts. Int. J. Production Economics, v.118, p. 43-48, 2009.
LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatística: Teoria e Aplicações. Rio de Janeiro: Editora LTC, 2000.
MAIA, F. L. S.; MARTINS, L. M; BOOSE, A. R. A otimização do processo de programação de insumos do componente alfa utilizado pela empresa XYZ. XXX Encontro Nacional de Engenharia de Produção. São Carlos/SP: 2010.
MANCUSO, A. C. B.; WERNER, L. Estudo dos Métodos de Previsão de Demanda aplicado em uma empresa de auditorias médicas. Revista Ingeniería Industrial, n° 1, p. 99-111, 2014.
MANCUZO, F. Análise e previsão de demanda: Estudo de caso em uma empresa distribuidora de rolamentos. Dissertação de mestrado em Engenharia. Porto Alegre: UFRGS, 2003.
MONTGOMERY, D. C.; JOHNSON, L. A.; GARDINER, J. S. Forecasting and time series analysis.2ª ed., New York: McGraw-Hill, 1990.
MORO, M. F.; SCORTEGAGNA, C.; WEISE, A. D.; BORTOLOTTI, S. L. V. Aplicação do método de Holt-winters para a previsão de demanda de computadores de mesa em uma loja de informática em Foz do Iguaçu. V Congresso Brasileiro de Engenharia de Produção. Ponta Grossa/PR: 2015.
MOURA, R. G.; HERDIES, D. L.; MENDES, D.; MENDES, M. C. D. Avaliação do modelo regional ETA utilizando as análises do CPTEC e NCEP. Rev. bras. meteorol. v.25, n.1, São Paulo: 2010.
OLIVEIRA, F. L. C.; et al. Critérios de identificação da ordem do modelo autorregressivo periódico – PAR(P). XLII SBPO. Bento Gonçalves/RS: 2010.
PACHECO, R. F.; SILVA, A. V. F. Aplicação de modelos quantitativos de previsão em uma empresa de transporte ferroviário. XXIII Encontro Nac. de Eng. de Produção, Ouro Preto/MG: 2003.
PEGELS, E. M. C. C. An Approach for Selecting Times Series Forecasting Models, International Journal of Operations & Production Management, v. 10, Iss 3, p. 50 – 60, 1990.
PELLEGRINI, F.R; FOGLIATTO, F. Estudo comparativo entre modelos de Winters e de BoxJenkins para a previsão de demanda sazonal. Revista Produto & Produção, v. 4, número especial, p.72-85, 2000.
PIRES, S. R. J. Gestão estratégica da produção. Piracicaba: Unimep, 1995.
RAMSER, C. A. S; et al. Previsão para o volume de vendas no varejo - Combustíveis e lubrificantes – no estado do Rio Grande do Sul. Espacios, v. 36, n. 10, 2015.
RUSSOMANO, V. H. Planejamento e controle da produção. São Paulo: Pioneira, 1995.
SALLES, A. A. de; ARANTES, P. E.; TAVARES, C. C. Um Estudo da Série de Vendas de Automóveis no Brasil através de Métodos Clássicos de Previsão de Demanda. XXXIV Encontro da EnANPAD. Rio de Janeiro/RJ: 2010.
SANTOS FILHO, E. L; SILVA, W. V; VEIGA, C. P; TORTATO, U. Previsão dos retornos do Ibovespa utilizando redes neurais artificiais Feedforward Evolutivas. Revista Produção Online. Florianópolis/SC, 2011.
SENNA, P.; TANSCHEIT, R.; GOMES, A. M. Planejando o processo de previsão de demanda com auxílio da lógica Fuzzy. Revista Produção e Desenvolvimento, v.1, n.2, p.90-103, 2015.
TABACHNICK, B.; FIDELL, L. S. Using multivariate statistics (3a ed.). New York: Harper Collins, 1996.
VERÍSSIMO, A. J.; ALVES, C. C.; HENNING, E.; AMARAL, C. E. Métodos estatísticos de suavização exponencial Holt-Winters para previsão de demanda em uma empresa do setor metal-mecânico. Revista Gestão Industrial. v. 08, n. 04, p. 154-171, 2012.
WANKE, P; JULIANELLI, L. Previsão de Vendas. São Paulo: Atlas, 2006.
WERNER, L.; RIBEIRO, J. L. D. Previsão de Demanda: Uma Aplicação dos Modelos Box-Jenkins, Gestão & Produção, v.10, n.1, p.47-67, 2003.
DOI: http://dx.doi.org/10.12819/2017.14.6.2
Apontamentos
- Não há apontamentos.
Atribuição (BY): Os licenciados têm o direito de copiar, distribuir, exibir e executar a obra e fazer trabalhos derivados dela, conquanto que deem créditos devidos ao autor ou licenciador, na maneira especificada por estes.
Não Comercial (NC): Os licenciados podem copiar, distribuir, exibir e executar a obra e fazer trabalhos derivados dela, desde que sejam para fins não-comerciais
Sem Derivações (ND): Os licenciados podem copiar, distribuir, exibir e executar apenas cópias exatas da obra, não podendo criar derivações da mesma.
ISSN 1806-6356 (Impresso) e 2317-2983 (Eletrônico)