Determinação do método de previsão de demanda para uma fábrica de fermento biológico em Passos/MG

Autores

  • Roberson Rocha UEMG unidade Passos
  • José da Silva Ferreira Junior UEMG unidade Passos
  • Eduardo Henrique Marques Ferreira UEMG unidade Passos

Palavras-chave:

Séries Temporais. Ajustamento de previsão, Erro de Previsão, Sinais de controle.

Resumo

Introdução: O fermento biológico é um produto altamente perecível e tem como requisito seu armazenamento em baixa temperatura, gerando um maior custo na sua estocagem. Diante disto, fez-se necessário um estudo das informações da empresa sobre vendas passadas, com dados coletados no período de janeiro de 2016 a abril de 2019.

Objetivo: Buscou-se determinar o melhor método de previsão de demanda, dentro dos propostos teoricamente, para uma fábrica de fermento biológico seco em Passos/MG.

Métodos: Utilizou-se para avaliação os ajustes por séries temporais dos métodos de previsão, realizando posteriormente, comparativos por meio de erros de previsão e sinais de controle.

Resultados: , o método que melhor se comportou foi o de ajustamento sazonal para fenômenos com tendência, também chamado de método Holt-Winters. Neste, os erros MSEA, EQM e SAE estiveram entre os melhores (quanto menor melhor em comparação com os demais métodos) e os sinais de rastreamento e de Trigg também se mostraram bons. A limitação do método se deu por meio da coleta de dados, a qual foi possível apenas no período de janeiro de 2016 a abril de 2019, devido a restrições de arquivos do objeto de estudo. Contudo, mesmo diante desta limitação, os cálculos utilizados se mostraram conformes a literatura dita e os resultados alcançaram os objetivos propostos neste artigo. Por fim, como sugestão para trabalhos futuros, há a verificação do método adotado para avaliação dos custos, além da aplicação da ferramenta escolhida em cada tipo de produto oferecido de maneira separadamente, por tamanho de empacotamento.

Conclusão: Determinou-se que o método de Holt-Winters baseado em ajustamento sazonal com tendência foi o que melhor se encaixou para a empresa em questão.

Biografia do Autor

Roberson Rocha, UEMG unidade Passos

Graduado em Engenharia de Produção pela UEMG unidade Passos. Analista de processos.

José da Silva Ferreira Junior, UEMG unidade Passos

Mestre em Engenharia de Produção pela UNIFEI; Especialista em Engenharia da Inovação pela UNISEB; Especialista em Gestão em Engenharai e Logística Industrial pela UNIFRAN; Graduado em Engenharia de Produção pela UNIFRAN. Atualmente docente no curso de engenharia de produção da UEMG unidade Passos e na Faculdade Calafiori.

Eduardo Henrique Marques Ferreira, UEMG unidade Passos

Especialista em Tecnologias para o Desenvolvimento WEB pelo Instituto Federal de Educação, Ciência e Tecnologia do Sul de Minas Gerais, Graduado em Sistemas de Informação pela FESP/UEMG. Docente na UEMG unidade Passos e Analista de Sistemas

Referências

ABIP – Associação Brasileira da Indústria de Panificação e Confeitaria. Disponível em: https://www.abip.org.br/site/indicadores-da-panificacao-e-confeitaria-brasileira-2018/. Acesso em 25/10/2019.

ALEMSAN, N.; LISTA, A. P.; GUIMARÃES, M. C.; TORTORELLA, G. L.; GONÇALVES, A. L. Previsão de demanda de materias de nutrição em um hospital público.In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 41, São Paulo, 2021. Anais do XLI ENEGEP, Foz do Iguaçu-PR, 2021.

BALLOU, R. B. Gerenciamento da cadeia de suprimentos/Logística empresarial. 5. Ed. Porto Alegre, 2006.

CAVALCANTE, J. N. G.; SILVA, M. M. Modelos de séries temporais para previsão de demanda de aparelhos de ar-condicionado split no Brasil. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 41, São Paulo, 2021. Anais do XLI ENEGEP, Foz do Iguaçu-PR, 2021.

CONSUL, F. B.; WERNER, L. Avaliação de técnicas de previsão de demanda utilizadas por um software de gerenciamento de estoques no setor farmacêutico. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 30, São Paulo, 2010. Anais do XXX ENEGEP. São Paulo- SP. 2010.

CORRÊA, A. C.; CORRÊA, L. H. Administração da Produção e Operações. 2. ed. São Paulo: Atlas, 2008.

DAVE, E.; LEONARDO, A.; JEANICE, M.; HANAFIAH, N. Forecasting Indonesia Exports using a Hybrid Model ARIMA-LSTM. Procedia Computer Science, v. 179, p. 480-487, 2021.

FEIZABADI, J. Machine Learning demand forecasting and supply chain performance. International Journal of supply chain management, v. 25, n. 2 2022.

FERNANDES, F. C. F.; GODINHO, F. M. Planejamento e Controle da Produção – Dos Fundamentos ao Essencial. São Paulo: Atlas, 2010.

FRÍAS-PAREDES, L.; MALLOR, F.; GASTÓN-ROMEO, M.; LEÓN, T. Dynamic mean absolute error as new measure for assessing forecasting errors. Energy Conversion and Management, v. 162, p. 176188, feb. 2018.

GAITHER, N.; FRAIZER, G. Administração da Produção e Operações. 8. ed. São Paulo: Pioneira, 2001.

GUERRA, I. V.; OLIVEIRA-MELO, F. G. Aplicação dos métodos de previsão de demanda em uma indústria de alimentos. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 41, São Paulo, 2021. Anais do XLI ENEGEP, Foz do Iguaçu-PR, 2021.

JÚLIO, G. M.; CAMPANINI, L.; LAGE JÚNIOR, M. Proposta de aplicação de métodos de previsão de demanda em uma empresa fabricante de acessórios para construção civil.In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 41, São Paulo, 2021. Anais do XLI ENEGEP, Foz do Iguaçu-PR, 2021.

KANTASA-ARD, A.; NOUIRI, M.; BEKRAR, A.; AIT EL CADI, A.; SALLEZ, Y. Machine learning for demand forecasting in the physical internet: a case study of agricultural products in Thailand. International Journal of Production Research, v. 59, n. 24, 2020.

LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatística: Teoria e Aplicações. 5. ed. Rio de Janeiro: Editora LTC, 2008.

MAKRIDAKIS, S. G.; WHEELWRIGHT, S. C.; HYNDMAN, R. J. Forecasting: methods and applications. 3. ed. New York: John Willey & Sons, 1998.

MARTINS, P. G.; LAUGENI, F. P. Administração da produção. 2. ed. São Paulo: Saraiva, 2005.

NASCIMENTO, C. A. G.; SOARES, R. S. Análise da previsão de demanda utilizando o software Excel: um estudo de caso em uma pequena empresa de confecção na região metropolitana de Belém. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 41, São Paulo, 2021. Anais do XLI ENEGEP, Foz do Iguaçu-PR, 2021.

PELLEGRINI, F. R. Metodologia para Implementação de Sistemas de Previsão de Demanda. 2000. 146 f. Dissertação de Mestrado (Programa de Pós-Graduação em Engenharia de Produção) - Universidade Federal do Rio Grande do Sul, Porto Alegre, 2000.

PELLEGRINI, F.R.; FOGLIATTO, F. S. Passos para implantação de sistemas de previsão de demanda - técnicas e estudo de caso. Revista Produção, v. 11, n. 1, p. 43-64, 2001.

SAMOHYL, R. W.; SOUZA, G.; MIRANDA, R. Métodos Simplificados de Previsão Empresarial. Rio de Janeiro: Ciência Moderna, 2008.

SCHNEIDER, A. C.; ZANOTTO, M. R.; CORSO, L. L. Aplicação de métodos de previsão de demanda para projeção de consumo de chapas de MDP de uma indústria do ramo moveleiro.In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 41, São Paulo, 2021. Anais do XLI ENEGEP, Foz do Iguaçu-PR, 2021.

TAVARES, N. G.; VERALDO JUNIOR, L. G.; DOROTEA, R. S.; BORGES, J. E. S.; ZANIN, M. A. Aplicação de métodos para previsão de demanda em um posto de gasolina no Vale do Paraíba.In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 41, São Paulo, 2021. Anais do XLI ENEGEP, Foz do Iguaçu-PR, 2021.

TUBINO, D. F. Planejamento e controle da produção: teoria e prática. São Paulo: Atlas, 2009.

YIN, R. K. Estudo de caso: planejamento e métodos. 5. ed. Porto Alegre: Bookman, 2015.

Downloads

Publicado

2022-08-04

Como Citar

Rocha, R., Ferreira Junior, J. da S., & Ferreira, E. H. M. (2022). Determinação do método de previsão de demanda para uma fábrica de fermento biológico em Passos/MG. Ciência ET Praxis, 14(27), 42–58. Recuperado de https://revista.uemg.br/index.php/praxys/article/view/4753

Edição

Seção

ARTIGOS - ENGENHARIAS, CIÊNCIAS EXATAS E DA TERRA