Estudo de previsão de demanda de uma companhia de varejo para dimensionamento de estoques

O cenário competitivo do mercado atual requer que as empresas utilizem cada vez mais técnicas de gestão da produção para garantir a qualidade de seus serviços e evitar desperdícios com estoques. Neste contexto, destaca-se a participação das empresas varejistas, na realização de suas atividades, prever a demanda é essencial na gestão das operações, servindo como base para as principais decisões estratégicas. Desta forma, o presente estudo tomou como base o banco de dados de uma companhia varejista que atua no mercado eletrônico a fim de prever a demanda do primeiro trimestre do ano 2018 dos principais produtos comercializados pelo departamento de informática. Foram escolhidos através da ferramenta de Classificação ABC, 20 produtos para a previsão. O presente estudo tem como objetivo principal a aplicação das técnicas quantitativas de previsão demanda (Média Móvel, Modelo de Suavização Exponencial Simples, Modelo de Suavização Exponencial de Holt, Modelo de Suavização Exponencial de Winters) aos dados históricos da empresa. Assim, foram analisados e coletados dados da empresa do período de 2015 à 2017, totalizando 36 observações. Ao final deste estudo foi possível comparar as previsões realizadas e escolher o melhor método de previsão, ou seja, o que apresentou menor erro de previsão de acordo com a série histórica de cada item selecionado. O método escolhido para a previsão de demanda da empresa foi o Modelo de Winters.The competetive scenario of market in these days requires the companies to use prodution management to ensure service quality and avoid inventory waste. In this context, we highlight the participation of retail companies in the execution of their activities, demand forecast is essential in the operations management, serving as a basis for key strategic decisions. Thus, this study was based on the database of a retail company that operates in e-commerce in order to forecast demand for the first semester of 2018 for the main products marketed by the PCs department. 20 products were selected using the ABC Classification tool. The present study has as main objective the application of quantitative forecasting techniques (Moving Average, Single Exponencial Smoothing, Holt Exponencial Smoothing, Winters Exponencial Smoothing) to the company's historical data. Thus, we analyzed and collected company data for the period from 2015 to 2017, totalizing 36 observations. At the end of this study it was possible to compare the predictions made and choose the best forecasting method, the one that presented the lowest prediction error according to the historical series of each selected item. The method chosen for the company forecasting demand was the Winters Model.149 f