Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/50377
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | LINS, Isis Didier | - |
dc.contributor.author | MENEZES, Paulo Victor de Oliveira Gomes | - |
dc.date.accessioned | 2023-05-19T15:31:40Z | - |
dc.date.available | 2023-05-19T15:31:40Z | - |
dc.date.issued | 2023-04-27 | - |
dc.date.submitted | 2023-05-15 | - |
dc.identifier.citation | MENEZES, Paulo Victor de Oliveira Gomes. Análise de dados históricos e aplicação de modelos estatísticos para previsão de demanda em uma empresa distribuidora de alimentos. 2023. 61 f. TCC (Graduação) - Curso de Engenharia de Produção, Departamento de Engenharia de Produção, Centro de Tecnologia e Geociências, Universidade Federal de Pernambuco, Recife, 2023. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/50377 | - |
dc.description.abstract | A previsão de demanda é um processo importante nas organizações, pois, a partir dela é possível planejar o futuro, baseando nesses números previsões orçamentarias, de vendas, compras e até mesmo necessidades de expansão das operações, como a instalação de uma nova fábrica, além disso é possível entender os gargalos do negócio, posicionamento de mercado e traçar ações estratégicas para corrigir possíveis erros e melhorar os resultados. Devido a isso, o presente estudo buscou estudar os resultados gerados pela adoção de um processo de previsão quantitativo de demanda com modelos estatísticos em uma empresa distribuidora de alimentos no Nordeste do Brasil. O estudo buscou entender incialmente o referencial teórico que seria importante para o trabalho, desde os processos de planejamento integrado de vendas e operações, a teoria do planejamento de demanda e modelos estatísticos, e acompanhamento dos resultados, com o cálculo de erro. Também foi analisado o estado da arte das pesquisas já realizadas no tema, entendendo qual seria o posicionamento do trabalho e quais pontos seriam relevantes de diferenciação e contribuição. O estudo então dividiu-se em 4 etapas, todas executadas com auxílio do software SAP IBP. A primeira etapa foi a organização de uma base de dados consistente com informações acerca da empresa, produtos, clientes e o faturamento mês a mês, a segunda etapa do estudo buscou estudar a segmentação dos produtos, classificando-os a partir de uma segmentação ABC | XYZ, a terceira parte foi direcionada à analise das séries temporais, buscando classifica-las e posteriormente filtrar quais modelos estatísticos se adequavam as classificações de cada uma das séries estudadas, por fim, a última etapa tratou da aplicação e execução dos modelos, com análise de erro em cenários de execução diferentes. Os resultados obtidos com as pesquisas foram excelentes, com um estudo que gerou valor a empresa e permitiu uma análise completa, gerando uma previsão para todo o ano de 2023 que guiará os planejamento e estratégias adotadas ao longo do ano. | pt_BR |
dc.format.extent | 61p. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Previsão de demanda | pt_BR |
dc.subject | Análise de séries temporais | pt_BR |
dc.subject | Métodos estatísticos para previsão de demanda | pt_BR |
dc.title | Análise de dados históricos e aplicação de modelos estatísticos para previsão de demanda em uma empresa distribuidora de alimentos | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.degree.level | Graduacao | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/5632602851077460 | pt_BR |
dc.description.abstractx | Demand forecasting is an important process in organizations, as it allows for future planning based on predicted numbers, including a budget, sales, purchasing, and even operational expansion needs such as installing a new factory. It also helps to understand business bottlenecks, market positioning, and strategic actions to correct potential errors and improve results. Therefore, this study aimed to examine the results generated by adopting a quantitative demand forecasting process with statistical models in a food distributor company in Northeast Brazil. The study began by exploring the theoretical background, including integrated sales and operations planning processes, demand planning theory, statistical models, and result monitoring with error calculation. Additionally, the state of the art of previous research on the topic was analyzed to understand the research position and identify relevant differentiation and contribution points. The study was then divided into four stages, all of which were executed using SAP IBP software. The first stage involved organizing a consistent database with information about the company, products, customers, and monthly revenue. The second stage focused on product segmentation by classifying them according to an ABC | XYZ segmentation. The third stage was dedicated to analyzing time series data by classifying them and filtering the statistical models that best fit each series studied. Finally, the last stage involved applying and executing the models, and analyzing errors in different execution scenarios. The research generated excellent results, adding value to the company and providing a comprehensive analysis that generated a forecast for the entire year of 2023. This forecast will guide planning and strategies adopted throughout the year. | pt_BR |
dc.degree.departament | Departamento de Engenharia de Produção | pt_BR |
dc.degree.graduation | Engenharia de Produção | pt_BR |
dc.degree.grantor | Universidade Federal de Pernambuco | pt_BR |
dc.degree.local | Recife | pt_BR |
Aparece nas coleções: | (TCC) - Engenharia de Produção |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC - Paulo Victor Menezes_Final_Biblioteca.pdf | 1,33 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons