Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/16374
Title: Aplicação de métodos quantitativos de previsão de demanda em uma empresa de cabotagem
Authors: Oliveira, Rafaella Andrade de
metadata.dc.contributor.advisor: Monteiro, Marcelo Maciel
metadata.dc.contributor.members: Roboredo, Marcos Costa
Pereira, Valdecy
Issue Date: 2020
Citation: OLIVEIRA, Rafaella Andrade de. Aplicação de métodos quantitativos de previsão de demanda em uma empresa de cabotagem. 2020. 70f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção) - Universidade Federal Fluminense, Niterói, 2020.
Abstract: A previsão da demanda consiste em uma das etapas do processo de Planejamento de Vendas e Operações (S&OP). O objetivo deste trabalho é identificar um método de previsão de demanda que reduza a lacuna entre o volume de carga previsto pelo modelo atual e o realizado, dessa forma, melhorando o resultado do processo de S&OP. O método de Média Móvel, que é o modelo utilizado atualmente, é confrontado com os métodos de Suavização Exponencial e ARIMA, utilizando a base histórica mensal de uma empresa de logística marítima de contêineres atuante no território nacional. Através dos critérios de erro da previsão, foi possível concluir que os métodos testados apresentaram melhorias com relação ao método atual, sendo o método ARIMA o escolhido como mais acurado. Este teve um ganho de 7% no porto 1, 10% no porto 2 e 2% no porto 3 com relação ao indicador MAPE, comparado à média móvel. Este modelo de previsão da demanda possibilita uma previsão mais alinhada à realidade e, portanto, traz benefícios para o processo de S&OP como a diminuição dos custos e do retrabalho e um melhor atendimento aos clientes.
metadata.dc.description.abstractother: Demand forecasting is one of the stages that comprise the Sales and Operations Planning (S&OP) process. The aim of this work is to identify a demand forecasting method that reduces the gap between the volume of cargo predicted by a statistical model and the one realized in practice, thus improving the result of the S&OP process. The Moving Average method, which is the model used at present, is compared with the Exponential Smoothing and ARIMA methods, using the historical cargo data of a maritime container logistics company operating in Brazilian territory. Based on the chosen prediction error criteria, it was possible to conclude that all tested methods showed increased accuracy in relation to the current method, with the ARIMA method standing out as the most accurate. This method had an improvement of 7% in port 1, 10% in port 2 and 2% in port 3 in relation to the MAPE indicator, compared to the moving average. Consequently, adopting this demand forecasting model allows for a forecast which is closer to reality, and which therefore brings benefits to the S&OP process, such as lower costs, less revisions and better customer service.
URI: https://app.uff.br/riuff/handle/1/16374
Appears in Collections:TEP - Trabalhos de Conclusão de Curso - Niterói

Files in This Item:
File Description SizeFormat 
Projeto Final - Rafaella Andrade de Oliveira.pdf2.6 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons