Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável

Abstract

Previsões de demanda são essenciais para o planejamento eficaz da cadeia de suprimentos, sobretudo no contexto de novos produtos, marcado por elevada incerteza devido à ausência de histórico de vendas. Este trabalho introduz um modelo híbrido de previsão de demanda combinando dois modelos preditivos e técnicas de Inteligência Artificial Explicável (XAI), com o objetivo de aumentar a clareza, a confiabilidade e a interpretabilidade das estimativas, de modo a subsidiar decisões gerenciais mais seguras.. Inicialmente, na primeira etapa do trabalho foi conduzida uma revisão sistemática da literatura para examinar a aplicabilidade dos métodos quantitativos, especialmente com o surgimento da Inteligência Artificial nas previsões de demanda de novos produtos. Em seguida, desenvolveu-se uma abordagem de IA que suprisse lacunas de informação nas previsões observadas na literatura, sendo avaliado em um cenário real de demanda de veículos elétricos no Brasil. O modelo sugerido empregou recursos XAI para tornar os resultados auditáveis, detectar vieses e orientar melhorias iterativas do processo preditivo. Os resultados empíricos indicam que o modelo híbrido superou consistentemente os modelos base isolados em métricas usuais de acurácia, confirmando sua capacidade preditiva. As explicações geradas mostraram-se coerentes e informativas, permitindo identificar os preditores mais influentes e apoiar decisões sobre lançamento e posicionamento de novos produtos. Em conjunto, os achados comprovaram a eficácia da abordagem proposta e avançaram o estado da arte em previsão de demanda para produtos recém-lançados, além de oferecerem evidências práticas para sua adoção em contextos organizacionais.

Abstract: Demand forecasting is crucial for efficient supply chain planning, especially for new items, which demonstrate significant uncertainty due to the lack of sales history. The present study developed a hybrid demand-forecasting model that integrates two predictive models with procedures from Explainable Artificial Intelligence (XAI), aiming to improve the transparency, reliability, and interpretability of estimates to facilitate safer managerial decision-making. A thorough literature analysis was undertaken to assess the relevance of quantitative methodologies, particularly considering advancements in Artificial Intelligence, for demand forecasting of new items. An AI-driven methodology was devised to rectify information deficiencies identified in the literature and was assessed in a practical context concerning the demand for electric vehicles in Brazil. The suggested model utilised XAI approaches to ensure results are auditable, identify biases, and provide iterative enhancements to the forecasting process. The empirical findings demonstrated that the hybrid model frequently surpassed standalone baseline models on conventional accuracy metrics, validating its predictive efficacy. The generated explanations were coherent and instructive, facilitating the identification of the most significant predictors and aiding decisions concerning the introduction and positioning of new items. The findings collectively illustrated the efficacy of the suggested method and enhanced the existing standards in demand forecasting for newly introduced items, while also offering empirical support for its use in organisational settings.