Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/38963| Título: | Previsão de demanda: uso de modelagem matemática em uma indústria de produtos de higiene pessoal |
| Título(s) alternativo(s): | Demand forecasting: use of mathematical modeling in a personal care products industry |
| Autor(es): | Lourenço, Júlia Oliveira |
| Orientador(es): | Schmidt, Carla Adriana Pizarro |
| Palavras-chave: | Previsão Modelos matemáticos Higiene Forecasting Mathematical models Hygiene |
| Data do documento: | 6-Mai-2021 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | LOURENÇO, Júlia Oliveira. Previsão de demanda: uso de modelagem matemática em uma indústria de produtos de higiene pessoal. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Medianeira, 2021. |
| Resumo: | A previsão de demanda, cada vez mais usada no âmbito gerencial, é um método de extrema importância para planejar os movimentos da empresa. Se apresenta como a base da administração empresarial a curto, médio e longo prazos. Neste sentido, o objetivo do presente trabalho foi buscar o modelo matemático que melhor previsse a demanda de determinados produtos em uma empresa de higiene pessoal por meio da análise do seu histórico de vendas e da aplicação de métodos estatísticos. Para tanto, o estudo teve seu início com a aplicação da metodologia Delphi, utilizada junto ao gestor da empresa para analisar e definir os três produtos mais vendidos e consequentemente os que teriam sua demanda prevista. Após esta definição coletou se os dados históricos referentes aos produtos escolhidos e a partir desta etapa iniciou-se uma análise descritiva dos dados por meio de gráficos elaborados com o auxílio dos programas estatísticos. Diversos métodos quantitativos de previsão podiam ser aplicados aos dados coletados. A partir da pró-análise optou-se por utilizar os modelos de: suavização exponencial, Box-Jenkins (ARIMA) e o SARIMA. A partir desta coleta, as previsões foram desenvolvidas a partir dos softwares: Microsoft® Excel, Action Stat®, NNQ - Estatística e gretl®. O critério de seleção do melhor modelo que levou em consideração o melhor erro MAPE, o menor valor U de Theil e a previsão que apresentou o menor desvio em relação aos dados reais. Para o Produto 1 não foi possível definir um único modelo de previsão, a forma mais segura e adequada é acompanhar os dados utilizando o modelo de suavização exponencial (AAdA) em conjunto com o modelo ARIMA (2,1,4) para se obter uma perspectiva futura melhor acerca dos dados. Para o produto 2 o modelo mais adequado foi o ARIMA (1,1,0). Em relação ao Produto 3 o modelo que apresentou o segundo melhor erro MAPE e uma previsão próxima do real foi o modelo SARIMA - autorregressivo de médias móveis com sazonalidade. Todas as modelagens foram satisfatórias pois não ultrapassaram os limites de previsão. |
| Abstract: | Demand forecasting, increasingly used in management, is an extremely important method for planning all company movements. It presents itself as the basis for business management in the short, medium and long term. In this sense, the objective of the present work was to search for the mathematical model that better predicted the demand for certain products in a personal hygiene company through the analysis of its sales history and the application of statistical quantitative methods. To this end, the study started with the application of the Delphi methodology, which was used with the company's manager to analyze and define the three products most sold by the company and consequently those that would have their demand expected. After this definition, the historical data related to the chosen products was collected and from this collection, a descriptive analysis of the data was initiated through graphs elaborated with the aid of statistical programs. Several quantitative forecasting methods could be applied to the data that were collected, from the pro-analysis it was decided to use the models of: exponential smoothing, Box-Jenkins (ARIMA) and SARIMA. From this collection, the forecasts were developed from the software: Microsoft® Excel, Action Stat®, NNQ - Statistics and gretl®. The criterion for selecting the best model took into account the best MAPE error, the lowest U value of Theil and the forecast that showed the smallest deviation from the real data. For Product 1 it was not possible to define a single forecast model, the safest and most appropriate way is to follow the data using the exponential smoothing model (AAdA) in conjunction with the ARIMA model 2,1,4) to obtain a perspective better future about the data. For product 2, the most suitable model was ARIMA (1,1,0). In relation to Product 3, the model that presented the second best MAPE error and a forecast close to the real was SARIMA, seasonally moving auto-regressive averages. All the models were satisfactory because they did not exceed the forecast limits. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/38963 |
| Aparece nas coleções: | MD - Engenharia de Produção |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| previsaodemandamodelagemmatematica.pdf | 3,04 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.