Seleção de modelo de previsão de demanda agregada para série temporal no setor industrial de tintas e vernizes

Abstract

A previsão de demanda é um aspecto crucial para o bom planejamento de recursos e de vendas. O uso de computadores para fazer previsões tornou-se padrão para agilizar análises, contando inclusive com linguagens de programação específicas para análises estatísticas. Neste trabalho, é buscada uma forma computacional de melhorar a previsão de demanda para uma empresa do setor industrial de tintas e vernizes a fim de entender o comportamento das vendas de seus produtos para melhor embasar o pedido de compra de matérias primas. É, então, proposto um método de previsão de demanda agregada para as linhas de produtos da empresa em questão, verificando o melhor ajuste da previsão para cada uma, através da medida de erro MAE, dentre seis modelos diferentes: Amortecimento Exponencial Simples, Duplo e Triplo, Decomposição Clássica, Decomposição STL e ARIMA. Para esse fim, foi desenvolvido um algoritmo em R que testa os modelos e traz as medidas do MAE para comparação e seleção. São, então, apontados os melhores modelos para cada linha de produtos, trazendo os resultados da previsão e, por fim, discutindo os resultados. Identificou-se que o modelo de Amortecimento Exponencial Triplo obteve o melhor resultado na maioria dos casos analisados para o contexto dado.