Este artigo apresenta um estudo comparativo de modelos de séries temporais para a previsão de vendas de determinado produto. O estudo teve como objetivo investigar a eficácia, em termos da capacidade preditiva de cada um dos modelos, utilizando uma série temporal real da demanda de determinado produto. Foram utilizados três tipos de modelos para a previsão dos valores futuros: (i) suavização exponencial (SE); (ii) autorregressivo integrado de médias móveis (ARIMA); e, (iii) redes neurais artificiais (RNAs). Após a modelagem, foram selecionados os modelos que apresentaram o melhor resultado em cada categoria supracitada e então comparado o desempenho entre cada. Os resultados demonstraram o modelo de RNAs MLP(6,10,1) como aquele mais eficaz para a série temporal utilizada (MAPE de ajustamento e previsão de 28,55% e 22,33%, respectivamente). Verificou-se que o modelo de RNAs MLP(6,10,1) apresentou um resultado 58% e 48% melhor, em termos de modelagem da série, em relação aos modelos de SE e ao modelo ARIMA, respectivamente. Em termos de capacidade preditiva, verificou-se que o modelo de RNAs MLP(6,10,1) apresentou um resultado 73% e 65% melhor em relação aos modelos de SE e ARIMA, respectivamente. Palavras-chave: Previsão de venda. Modelos de suavização exponencial. Modelos ARIMA. Redes neurais artificiais. 1 INTRODUÇÃO Em mercados altamente competitivos, prever os resultados futuros é uma importante informação para as organizações que nestes estão inseridas (FLORES, 2009). Quando se pode estimar, com certo grau de confiança, a quantidade a ser vendida nos próximos períodos, é possível estimar a quantidade de recursos necessários para o atendimento dessa demanda. A partir de então, desdobrar essa necessidade de recursos entre as principais funções e funções
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.