Aplicação De Modelos De Previsão De Demanda Em Uma Fábrica De Embalagens Plásticas

Os modelos de previsão de séries temporais são ferramentas importantes no apoio ao planejamento da produção e na tomada de decisão de organizações como as agroindústrias. Um dos desafios da agroindústria brasileira de frango, uma das mais importantes do mundo, é prever adequadamente a demanda de seus clientes. Nesse contexto, o objetivo deste estudo foi propor um modelo paramétrico para previsão de demanda baseado nos dados de expedição de pintos da linhagem de corte em uma agroindústria do centro-oeste de Minas Gerais. Diferentes métodos foram avaliados sobre a série histórica de 59 semanas, a fim de identificar o comportamento das expedições semanais e verificar possíveis tendências e sazonalidades. Dados de 56 semanas foram avaliados e os modelos candidatos foram obtidos a partir da análise das autocorrelações das observações. Por meio dos critérios de avaliação BIC e AIC, o modelo Autorregressivo de Primeira Ordem (AR) (1) se mostrou o mais adequado. Para avaliar o poder de predição do modelo AR (1) foi realizada uma comparação entre os valores preditos e observados nas últimas quatro semanas da série. Por meio da análise foi verificado um desempenho satisfatório, uma vez que os valores observados se encontravam dentro do intervalo de 95% de confiança construído por meio do modelo. Palavras-chave: Série temporal. Previsão de demanda. Pintos de corte. Frango. AR (p) for forecasting demanddata in an agroindustry Abstract Time series forecasting models are important tools in supporting production planning and decision-making of the companies, such as agroindustries. One of the challenges facing Brazilian chicken agribusinesses, one of the most important in the world, is to correctly forecast the demand of its customers. In this context, the aim of this paper was to propose a parametric model for demand forecasting based on the data of dispatch of chicks of the broiler line in an agroindustry in the Midwest of Minas Gerais. Different methods were evaluated over the 59-week historical series in order to identify the behavior of the weekly expedition and to verify possible trends and seasonalities. Data of 56 weeks were evaluated and the candidate models were obtained from the analysis of the autocorrelations of the observations. Through the BIC and AIC evaluation criteria, the First Order Autoregressive model (AR) was the most appropriate one. To assess the predictive accuracy of the AR (1) model, a comparison was made between predicted and observed values in the last four weeks of the time-series. Through this analysis, a satisfactory performance was verified, since the observed values were within the 95% confidence interval constructed through the model. Keywords: Time-series. Demand forecasting. Broiler chicks. Chicken.

show abstract

AR (p) para previsão de demanda em uma agroindústria

Santos¹,

Alves

Medeiros

et al. 2020

ForScience

View full text Add to dashboard Cite

show abstract

Aplicações de previsão de demanda por meio de séries temporais

Cambuí¹,

Piratelli²,

Achcar³

et al. 2023

R. G. Secr.

View full text Add to dashboard Cite

A previsão de demanda por series temporais colabora com o planejamento e tomada de decisão, assumindo papel estratégico no processo de gestão organizacional. O objetivo deste estudo é realizar uma revisão da literatura sobre trabalhos que fizeram uso de séries temporais para previsão de demanda, identificando as áreas de aplicações, origem e principais resultados encontrados. A pesquisa é de caráter descritivo, exploratório, com abordagem qualitativa. Verificou-se a disseminação do assunto havendo destaque para os anos de 2019 e 2020, também se observou a grande importância da previsão de demanda no meio empresarial, em que diversos trabalhos foram aplicados. Conclui-se que os artigos evidenciam fatores positivos à utilização da previsão de demanda por meio de series temporais, sugerindo a aplicação destes em estudos correlatos.

show abstract

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.

Contact Info

hi@scite.ai

10624 S. Eastern Ave., Ste. A-614

Henderson, NV 89052, USA

Blog Terms and Conditions API Terms Privacy Policy Contact Cookie Preferences Do Not Sell or Share My Personal Information

Made with 💙 for researchers

Part of the Research Solutions Family.

Aplicação De Modelos De Previsão De Demanda Em Uma Fábrica De Embalagens Plásticas

Cited by 2 publications

References 1 publication

AR (p) para previsão de demanda em uma agroindústria

AR (p) para previsão de demanda em uma agroindústria

Aplicações de previsão de demanda por meio de séries temporais

Contact Info

Product

Resources

About