Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/42859
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | LOPES, Rodrigo Sampaio | - |
dc.contributor.author | SILVA, Luan dos Santos | - |
dc.date.accessioned | 2022-02-15T18:21:40Z | - |
dc.date.available | 2022-02-15T18:21:40Z | - |
dc.date.issued | 2017-12-12 | - |
dc.date.submitted | 2022-02-15 | - |
dc.identifier.citation | SILVA, Luan dos Santos. Aplicações de técnicas de previsão de demanda: m estudo de caso em uma indústria no setor de jeans. / Luan dos Santos Silva. Caruaru: O Autor, 2017. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/42859 | - |
dc.description.abstract | Com a competitividade acirrada no polo de confecções do agreste pernambucano a busca por práticas de gestão de produção se tornou um diferencial competitivo muito requerido por diversas empresas, nesse contexto, pode-se destacar a utilização das técnicas de previsão de demanda para garantir a qualidade da operação e evitar problemas com estoque, compras de matéria-prima e garantir a satisfação cliente. Diante disso, prever a demanda tornou-se essencial na gestão das organizações, servindo como base para as principais decisões estratégicas. A precisão desta estimativa interfere diretamente nos resultados da organização, uma vez que a mesma se baseia neste valor para estabelecer metas de venda. O presente trabalho propõe a aplicação de cinco métodos de previsão de demanda, são eles: Regressão Linear, Suavização Exponencial Simples, Modelo de Holt, Modelo de Holt-Winters Multiplicativo e Modelo de Holt-Winters Aditivo. Também foi realizado um procedimento de otimização das constantes de suavização α, β e γ para que diminuísse ainda mais os erros das previsões em que as reduções se deram em um intervalo de 4% até 57% em relação a previsão sem a utilização do processo de otimização. Após a aplicação dos métodos de previsão de demanda e sua posterior otimização será realizada a escolha do método que dê como resultado os menores erros de previsão. | pt_BR |
dc.format.extent | 48p. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Demanda (Teoria econômica) - Previsão | pt_BR |
dc.subject | Previsão de vendas | pt_BR |
dc.subject | Otimização matemática | pt_BR |
dc.subject | Administração da produção - Modelos matemáticos | pt_BR |
dc.subject | Pesquisa operacional - Modelos matemáticos | pt_BR |
dc.subject | Jeans (Vestuário) | pt_BR |
dc.title | Aplicações de técnicas de previsão de demanda: m estudo de caso em uma indústria no setor de jeans. | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.degree.level | Graduacao | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/7741826884583892 | pt_BR |
dc.description.abstractx | With the fierce competition in the garment industry in Pernambuco, the search for production management practices has become a competitive differential much required by several companies, in this context, it is possible to highlight the use of demand forecasting techniques to guarantee the quality of the operation and avoid problems with inventory, purchases of raw material and ensure customer satisfaction. Faced with this, predicting demand has become essential in the management of organizations, serving as the basis for key strategic decisions. The accuracy of this estimate directly interferes with the results of the organization, since it relies on this value to establish sales targets. The present work proposes the application of five methods of demand forecasting: Linear Regression, Simple Exponential Smoothing, Holt Model, Holt-Winters Multiplicative Model and Additive Holt-Winters Model. An optimization procedure of the α, β and γ smoothing constants was also performed to further reduce the errors of the predictions where the reductions occurred in a range of 4% to 57% in relation to the prediction without the use of the optimization. After the application of the demand prediction methods and their subsequent optimization will be carried out the choice of the method that results in the smallest prediction errors. | pt_BR |
dc.subject.cnpq | Áreas::Engenharias::Engenharia de Produção | pt_BR |
dc.degree.departament | ::(CAA-NT) - Núcleo de Tecnologia | pt_BR |
dc.degree.graduation | ::CAA-Curso de Graduação em Engenharia de Produção | pt_BR |
dc.degree.grantor | Universidade Federal de Pernambuco | pt_BR |
dc.degree.local | Caruaru | pt_BR |
Aparece nas coleções: | TCC- Engenharia de Produção - Bacharelado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
SILVA, Luan dos Santos.pdf | 1,06 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons