Avaliação do uso de métodos univariados baseados na suavização exponencial na previsão de curto prazo de produtos com diferentes padrões de demanda.

Abstract

Este trabalho tem como objetivo propor um método de previsão de demanda quantitativo univariado para diferentes padrões de séries históricas através da comparação de medidas de performance para uma empresa de construção civil. O trabalho faz um levantamento bibliográfico dos métodos vastamente conhecidos e aplica os métodos de previsão ARIMA e ETS. A primeira etapa do trabalho trata de passos de uma metodologia normal de uma previsão e a segunda etapa foca na comparação do melhor método escolhido na primeira etapa a fim de comparar com o método de médias móveis de três meses, atual modelo da empresa. Os dados são mensais e o conjunto de três itens escolhidos para realizar as previsões conta tanto com séries históricas com padrões de tendência e sazonalidade definidos, como com séries com grande indefinição. Através de uma análise exploratória são definidos as variações e os parâmetros dos métodos que melhor se adequam às necessidades das séries históricas. Após a aplicação da previsão dos modelos, escolhe-se o que teve a melhor medida de performance. Uma nova aplicação dos modelos é feita, agora seguindo as metodologias aplicadas pela empresa. As previsões são executadas e os potenciais métodos são postos em comparação com o modelo de médias móveis da empresa, através de medidas de performance. Por fim são propostos os modelos, que apresentam ganhos nas medidas de performance de 8,6% para séries com padrões bem definidos mas que, apesar de ainda apresentarem ganhos, diminuem para 0,2%, para séries com quase ou sem nenhum padrão.

This work aims to propose a univariate quantitative demand forecasting method for different patterns of historical series through the comparison of performance measures for a construction company. The work makes a bibliographical survey of the widely known methods and applies the ARIMA and ETS forecasting methods. The first stage of the work deals with steps of a normal forecasting methodology and the second stage focuses on comparing the best method chosen in the first stage in order to compare it with the three-month moving average method, the company's current model. The data are monthly and the set of three items chosen to carry out the forecasts has both historical series with defined trend and seasonal patterns, as well as series with great uncertainty. Through an exploratory analysis, the variations and parameters of the methods that best fit the needs of the historical series are defined. After applying the forecast of the models, the one that had the best performance measure is chosen. A new application of the models is made, now following the methodologies applied by the company. Forecasts are performed and potential methods are compared to the company's moving average model through performance measures. Finally, models are proposed, which present gains in performance measures of 8.6% for series with well-defined patterns, but which, despite still showing gains, decrease to 0.2% for series with almost or without any pattern.