Previsão de Demanda de Autopeças com Redes Neurais.
Nome: OTÁVIO MASSASHI MINE
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 20/08/2010
Orientador:
| Nome | Papel |
|---|---|
| ELIAS SILVA DE OLIVEIRA | Orientador |
Banca:
| Nome | Papel |
|---|---|
| FÁBIO DAROS DE FREITAS | Coorientador |
| CHRISTOVÃO THIAGO DE BRITO NETO | Examinador Externo |
| MARCELO SANCHES PAGLIARUSSI | Examinador Externo |
| CLAUDINE SANTOS BADUE | Examinador Interno |
| ELIAS SILVA DE OLIVEIRA | Orientador |
Resumo: Este trabalho apresenta uma metodologia para previsão de demanda de autopeças por meio de Redes Neurais Artificiais (RNA). Para validá-la, foi realizado um estudo comparativo com um trabalho de referência da literatura, que é baseado em métodos de suavização exponencial e de médias móveis. Os produtos, agrupados em 10 categorias de acordo com a proximidade espacial, totalizaram 72 observações mensais. As previsões geradas foram classificadas qualitativamente seguindo o critério de menor erro percentual absoluto médio (MAPE), e o modelo RNA se mostrou potencialmente superior em 70% das instâncias consideradas, frente aos melhores modelos tratados pelo autor, e efetivamente superior em 60% do total. As duas únicas instâncias que apresentaram o melhor erro MAPE foram implementadas com o modelo baseado em redes neurais.
Esta metodologia foi então aplicada a um estudo de caso em uma empresa de atuação nacional no mercado de autopeças, com estoque composto por mais de 11.500 tipos diferentes de produtos. Nesta aplicação, foi proposta uma nova abordagem de agrupamento temporal, que difere das formas semanal e mensal, além do não agrupamento dos produtos em categorias, e cujo objetivo é evitar as influências advindas deste tipo de agregação e de solucionar os problemas causados pela demanda diária intermitente. Foram coletados dados de demanda no período de janeiro de 2007 a julho de 2009, totalizando 122 valores em agrupamento temporal definido como quarto de mês.
A seleção da amostra deste estudo de caso, realizado através da classificação de Pareto, mostrou que pouco mais de 12% do total de produtos eram responsáveis por mais de 80% do volume mensal movimentado pela empresa. Dentre outros passos, este trabalho propôs o tratamento de outliers das séries através da transformação das instâncias, a análise de autocorrelação das séries originais e transformadas, e análise qualitativa dos resultados das previsões.
Observou-se que a metodologia baseada em RNAs superou qualitativamente a maior parte dos resultados dos métodos de referência da literatura, tanto na abordagem comparativa quanto no estudo de caso.
