Visualização do documento
Título
Avaliação de métodos de séries temporais aplicados na previsão
de demanda de peças de reposição: uma aplicação em dados de
uma empresa automobilística
Orientador
Profa. Dra. Maria Celia De Oliveira
Autor
Fernando Cesar Rodrigues Teixeira
Palavra chave
Séries Temporais, Previsão de Demanda, Peça de Reposição, Nível de Serviço.
Grupo CNPQ
Programa
MS - ENGENHARIA DE PRODUÇÃO (PPGEP)
Área
ENGENHARIAS
Data da defesa
26/06/2014
Nº Downloads
1431
Resumo
O serviço de pós-venda é um fator importante para fidelizar novos clientes, mas frequentemente
é um dos principais motivos para perdê-los também. Os consumidores sempre estão à
procura por novos produtos e serviços, e nunca se esquecem, quando o seu principal ativo gerador
de receita permanece ocioso enquanto espera uma peça de reposição. Na grande maioria dos
casos, esta espera é causada por falhas na acuracidade das previsões de demanda de peças de
reposição. A dificuldade de previsão para este tipo de demanda incentivou o desenvolvimento
desta pesquisa, que tem o objetivo de identificar o melhor método de previsão para produtos
de uma empresa do setor automotivo. Esta pesquisa analisou métodos de previsão, baseados
em séries temporais para produtos com comportamento de demanda suave, irregular e errática.
Seis métodos foram considerados: Opinião de Especialistas (atualmente utilizado na empresa),
Suavização Exponencial (SE), Autoregressivos Integrado de Médias Móveis (ARIMA), Holt-
Winters (HW), método Croston (CR), Aproximação de Syntetos-Boylan (SBA). Estes métodos
foram implementados no pacote estatístico R, e um estudo comparativo foi feito a partir das
previsões realizadas (pelo método atual), a demanda real verificada e as previsões feitas com os
métodos considerados. A eficiência de cada método analisado foi definida pelo erro absoluto
médio escalonado (MASE). Os principais resultados obtidos indicam que o método atualmente
utilizado pela empresa não é o mais adequado. Os outros métodos de previsão analisados seriam
aplicáveis. Alguns deles apresentaram melhores resultados (previsões mais exatas, erros
menores) do que o método atual, como é o caso do método de previsão Syntetos-Boylan (SBA)
(o melhor entre os seis métodos analisados).
Abstract
The after-sales service is an important factor to retain new customers, but often is a major
reason for losing them too. Consumers are always looking for new products and services, and
never forget, when your main asset revenue generator remains idle while waiting for a replacement
part. In most cases, this delay is caused by flaws in the accuracy of forecasts of demand
for spare parts. The diculty in forecasting demand for this type of development encouraged
this research, which aims to identify the best forecasting method for a company’s products in
the automotive sector. This research examined prediction methods based on temporal behavior
for products with demand smooth, irregular and erratic series. Six methods were considered:
Expert Opinion (currently used in the company), Exponential Smoothing (SE), Autoregressive
Integrated Moving Average (ARIMA), Holt-Winters (HW), Croston (CR), Syntetos-Boylan Approximation
method (SBA ). These methods were implemented in the R statistical package, and
a comparative study was made from the forecasts made (the current method), real demand
and verified the predictions made with the methods considered. The eciency of each method
analyzed was defined by the mean absolute scaled error (MASE). The main results indicate that
the method currently used by the company is not the most appropriate. The other prediction
methods discussed would apply. Some of them showed better results (more accurate predictions,
smaller errors) than the current method, such as the prediction method Syntetos-Boylan
(SBA) (the best among the six analyzed methods).
