Previsão de autopeças: estudo de caso em uma consessionária de veículos

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção.Este trabalho tem por objetivo determinar o modelo quantitativo de previsão de demanda com maior grau de acurácia para se efetuar previsões de vendas de autopeças. Outrossim, propõe a utilização de um método de avaliação e monitoramento dos modelos selecionados através da análise dos erros de previsão. A determinação de métodos preditivos com maior grau de precisão, constitui-se em etapa fundamental do processo de gerenciamento de estoques. Se a previsão apresentar uma baixa acurácia pode-se gerar excesso ou falta de estoques. Para alcançar o objetivo proposto, buscou-se, em primeiro lugar, o estudo dos principais aspectos teóricos relacionados ao processo de gestão de estoques e aos métodos de previsão de demanda. Posteriormente, segue o processo de seleção dos modelos com maior grau de precisão. O processo de seleção supracitado analisou 13 modelos preditivos, ou seja, 9 exponenciais e 4 baseados nas médias móveis. Por fim, adota-se um sistema de monitoramento dos modelos preditivos. Os resultados obtidos, mediante a utilização da metodologia proposta, mostraram que os modelos exponenciais, em relação às séries temporais analisadas, possuem maior grau de acurácia que os baseados nas médias móveis. Mastery Degree Program in Productions Engineering, UFSC, Florianópolis. The aim of this study is to determine, in a more accurate way, the quantitative pattern of demand forecast in order to predict auto parts sales. It also proposes the use of an assessment and monitoring approach of selected models through the forecast error analysis. The determination of forecast methods at a higher level of accuracy constitutes a fundamental phase in the inventory management process. If the forecast shows a lower level of accuracy, it can cause surplus or lack of inventory. In order to achieve the proposed goal we first examined the study of the main heoretical aspects related to the inventory administration process and to the demand forecast methods. Afterwards, we followed the process of pattern selection with a higher level of precision. The selection process, as mentioned, analyzed 13 forecast patterns, in other words, 9 exponents and 4 based on moving averages. Finally, a forecast pattern monitor system was adopted. The acquired results showed that, compared to the analyzed time series, the exponential patterns have a higher level of accuracy than the ones based on moving averages