Proposta de melhoria do desempenho de modelos de previsão através da utilização de variáveis independentes para o planejamento de demanda de uma empresa no setor industrial.

• Ano de defesa: 2025
• Autor(a) principal: Zanezi, André Caron
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de séries temporais; Cadeia de suprimentos; Demand; Demanda; Forecasting; Neural network; Previsão; Redes neurais; Supply chain; Time series analysis
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3136/tde-30042025-074807/

A tomada de decisão gerencial tem um papel importante no gerenciamento da cadeia de suprimentos. Modelar e prever demanda de mercado é uma abordagem amplamente discutida com relação a facilitar este processo de tomada de decisão. Este trabalho teve como objetivo investigar os benefícios da utilização de indicadores macroeconômicos bem como modelos não paramétricos para a previsão de demanda quando comparados aos modelos clássicos, tendo como premissa dados de processos de manufatura de componentes elétricos do mercado Brasileiro. Primeiramente, uma extensa revisão da literatura foi realizada para prover embasamento teórico com relação a séries temporais, modelos paramétricos e não paramétricos e medidas de qualidade e desempenho de previsões. No geral, para previsões de 6 ou 12 meses, os modelos clássicos como ARIMA e SARIMA mostraram bom desempenho. As variáveis independentes melhoraram o desempenho de modelos paramétricos e não paramétricos. Três medidas de acurácia para avaliação dos modelos foram utilizadas: média do erro absoluto (MAE), porcentagem média do erro absoluto (MAPE) e raiz quadrada do erro quadrático médio (RMSE). Para acadêmicos, este trabalho provê sólidas informações com relação ao uso e sustentabilidade de resultados de modelos de séries temporais para uma área pouco explorada até o momento, equipamentos de manufatura industrial do mercado Brasileiro. Para a utilização prática, o maior valor agregado está na aplicação de uma vasta gama de modelos e suas implicações práticas para uma tomada de decisões relacionadas ao gerenciamento da cadeia de suprimentos.