Gestão da cadeia de abastecimento de bens de consumo baseada em modelos de previsão lineares

Dissertação apresentada ao Instituto Politécnico do Porto para obtenção do Grau de Mestre em LogísticaA previsão de vendas é fundamental para o sucesso das operações da cadeia de abastecimento de qualquer distribuidor do comércio a retalho. Previsões erradas poderão conduzir a aprovisionamentos escassos ou excessivos afetando diretamente o lucro da empresa e a sua posição competitiva no mercado. O objetivo deste trabalho foi comparar o desempenho de previsão dos modelos de espaço de estados e dos modelos ARIMA quando aplicados a um vasto conjunto de séries de vendas de bens de consumo do comércio a retalho. Para este trabalho a empresa Jerónimo Martins disponibilizou as vendas diárias, compreendidas entre 2 de janeiro de 2007 e 31 de julho de 2012, de todos os produtos de quatro categorias distintas de uma loja Pingo Doce com uma dimensão de 1500 m2. Em ambas as metodologias de previsão foram utilizados procedimentos automáticos de seleção do melhor modelo, baseados no critério de informação de Akaike, essenciais quando está em análise um vasto conjunto de séries. Os resultados mostram que o desempenho de previsão dos modelos ARIMA é indiscutivelmente superior ao do dos modelos de espaço de estados quando julgados pelo EPAM e que as previsões multi-passo são de um modo geral mais corretas do que as previsões 1-passo à frente situação que não é surpreendente visto que as previsões multi-passo incorporam dados históricos mais recentes. Também foi avaliado o desempenho de ambas as metodologias na produção de intervalos de previsão. Os resultados mostram que ambas as metodologias ETS e ARIMA produzem probabilidades de cobertura que estão muito próximas das taxas nominais. A metodologia ETS produz melhores probabilidades de cobertura em ambos os intervalos de previsão de 80% e 95% para ambas as previsões 1-passo à frente e multi-passo.Sales forecasting is crucial to the success of the supply chain operations of any retail distributor. Wrong predictions can lead to excessive or scarce supplies directly affecting the profit of the company and its competitive position in the market. The purpose of this study was to compare the forecasting performance of state space models and ARIMA models when applied to a wide range of sales series of consumer goods of retail trade. For this work the company Jerónimo Martins provided daily sales, between January 2, 2007 and July 31, 2012, of all products from four distinct categories of a Pingo Doce store with size of 1500 m2. In both forecasting methodologies automatic procedures for selecting the best model (based on the Akaike information criterion) were used which are essential when analyzing a wide range of series. The results show that the forecasting performance of ARIMA models is arguably superior to the state space models when judged by EPAM and that the multi-step forecasts are generally more accurate than the 1-step forecasts which is not surprising since the multi-step forecasts incorporate more recent historical data. We also assessed the performance of both approaches in the production of prediction intervals. The results show that both ETS and ARIMA methods produce coverage probabilities that are very close to the nominal rates of 80% and 95%. The ETS methodology produces better coverage probabilities than ARIMA on both 1-step and multi-step forecasts