Aplicação do Modelo Box-Jenkins na Previsão da Produção de Automóveis

Séfora Laissa Alcântara Pereira, José Eduardo de Carvalho Lima

Resumo


O setor automotivo executa um papel indispensável para o crescimento de um país cabido a sua eficácia integrada. Ultimamente, o setor automobilístico vem passando por momentos cíclicos, gerando complicações no planejamento de ações. Por isso, tem sido um objeto de estudo direcionado tanto para procedimentos de propagação e produção, quanto para a contribuição na atuação de decisões.  Com isso, apresenta uma necessidade de prever sua produção por obter influência no favorecimento de resoluções viáveis. O presente artigo tem como objetivo analisar um modelo de previsão de séries temporais por meio da metodologia Box-Jenkins, que se adeque às características da produção do setor automotivo, com o intuito da realização da previsão de produção de automóveis brasileiros. Foi utilizada uma série de produção mensal em recorte temporal de 2007 a junho de 2018 com dados da ANFAVEA, concluindo o modelo mais apto: SARIMA (1,0,0) (1,0,0), com tendência desfavorável, conforme crises ocorridas atualmente.


Palavras-chave


Previsão. ARIMA. Setor de Automotivo.

Texto completo:

PDF

Referências


AMORIM, M. R. B. Modelagem em séries temporais aplicados a dados de temperatura máxima na cidade de Campina Grande–PB. 2014.Disponível em: < http://dspace.bc.uepb.edu.br/jspui/handle/123456789/4125 > Acesso em: 06 de ago. 2018.

ASTOLPHI, M.V. C. et al. A inserção da indústria automobilística brasileira nas cadeias globais de valor: uma análise do período 2000-2017. 2018. Disponível em: < http://repositorio.ufu.br/handle/123456789/22119.> Acesso em: 06 de ago. 2018.

BOWERSOX, D. J. Logística Empresarial: o processo de integração da cadeia de suprimentos. 1.ed. São Pualo; Atlas, 2010. Acesso em: 07 ago. 2018.

BOX, G. E. P; JENKINS, G. M. (1976). Time series analysis: forecasting and control, 2nd ed. San Francisco. Holden-Day. Acesso em: 08 de ago. 2018.

CAMPOS, P. A.C.; CLEMENTE, A.; DE CORDEIRO, A. A.L. Aplicação do modelo ARIMA para previsão do preço do frango inteiro resfriado no grande atacado do estado de São Paulo. In: Anais do Congresso Brasileiro de Custos-ABC. 2006. Disponível em: Acesso em: 10 ago. 2018.

CARLIN, B. P.; LOUIS, T. A. Empirical Bayes: Past, present and future. Journal of the American Statistical Association, v. 95, n. 452, p. 1286-1289, 2000. Disponível em: Acesso em: 16 set. 2018.

CAS, C. G. Aplicação do Modelo ARIMA para Previsão do Preço da Commodity Milho. Revista GEPROS, v. 13, n. 1, p. 263, 2018. Disponível em: < https://revista.feb.unesp.br/index.php/gepros/article/view/2040 > Acesso em: 08 de ago. 2018.

CERETTA, P. S.; RIGHI, P. B.; SCHLENDER, S. G. Previsão do preço da soja: uma comparação entre os modelos ARIMA e redes neurais artificiais. Informações Econômicas, v. 40, n. 9, p. 15-27, 2010. Disponível em: < ftp://ftp.sp.gov.br/ftpiea/publicacoes/ie/2010/tec2-0910.pdf> Acesso em: 15 de ago. 2018.

CRYER, J. D.; CHAN, K. Time Series Analysis: With Applications in R. 2 ed. New York: Springer, 2008. Acesso em: 22 de set. 2018.

DE SALES, J. P. et al. Utilização do método de box-jenkins para modelagem e previsão da produção brasileira de autoveículos. Latin American Journal of Business Management, v. 9, n. 1, 2018. Disponível em: Acesso em: 13 de ago. 2018.

DE SENNA, V. et al. Análise exploratória e aplicação da metodologia box e jenkins na modelagem e previsão de fluxo de caixa de empresa na área gráfica. Revista ESPACIOS| Vol. 35 (Nº 10) Año 2014, 2014. Disponível em: Acesso em: 14 de set. 2018.

EHLERS, R. Análise de séries temporais: Relatório Técnico. Säo Paulo: USP, 2009

FAVA, V. Manual de econometria. In: VASCONCELOS, M. A. S.; D. São Paulo: Editora Atlas, 2000. Acesso em: 29 de set. 2018.

FELIPE, I. J. dos S. Aplicação de modelos ARIMA em séries de preços de soja no norte do Paraná. Tekhne e Logos, v. 3, n. 3, p. 16-32, 2012. Disponível em: http://www.fatecbt.edu.br/seer/index.php/tl/article/view/150> Acesso em: 03 de set. 2018.

FERRO, W. A. et al. Previsão de demanda em indústrias de eletrodomésticos por meio da integração de métodos quantitativos e qualitativos. 2018. Dissertação de Mestrado. Universidade Tecnológica Federal do Paraná. Disponível em; < http://repositorio.utfpr.edu.br:8080/jspui/handle/1/3058 > Acesso em: 05 de out. 2018.

FIGUEIREDO, N. M.; BLANCO, C. J. C.. Simulação de Vazões e Níveis de Água Médios Mensais para o Rio Tapajós Usando Modelos ARIMA. Revista Brasileira de Recursos Hídricos, v. 19, n. 3, p. 111-126, 2014. Disponível em: < https://www.researchgate.net/profile/Claudio_Blanco/publication/278609243_Simulacao_de_Vazoes_e_Niveis_de_Agua_Medios_Mensais_para_o_Rio_Tapajos_Usando_Modelos_ARIMA/links/55816e3008ae607ddc33bc88/Simulacao-de-Vazoes-e-Niveis-de-Agua-Medios-Mensais-para-o-Rio-Tapajos-Usando-Modelos-ARIMA.pdf.> Acesso em: 20 ago. 2018.

FLIGENSPAN, F. B.; CALANDRO, Maria Lucrécia. Novos investimentos na indústria automobilística brasileira: o caso gaúcho. Indicadores Econômicos FEE, v. 30, n. 3, p. 5-30, 2002. Disponível em: < file:///C:/Users/S%C3%A9fora/Desktop/TCC%20ARIMA/1403-5868-1-PB.pdf> Acesso em: 16 de out. 2018.

GOMES, F. C. Os modelos Arima e a abordagem de Box-Jenkins uma aplicação na previsão do IBOVESPA a curtíssimo prazo. Revista de Administração de Empresas, v. 29, n. 2, p. 63-70, 1989. Disponível em: < http://www.scielo.br/scielo.php?pid=S0034-75901989000200006&script=sci_arttext&tlng=pt> Acesso em: 22 de set. 2018.

GUJARATI, D. N.; PORTER, Dawn C. Econometria Básica-5. Amgh Editora, 2011. Acesso em: 17 de ago. 2018.

KITAGAWA, G. Introduction to Time Series Modeling. Tokyo. Chapman & Hall/CRC, 2010. Acesso em: 16 de ago. 2018.

LATORRE, M. do R. D. de et al. Análise de séries temporais em epidemiologia: uma introdução sobre os aspectos metodológicos. Revista Brasileira de Epidemiologia, v. 4, p. 145-152, 2001. Disponível em: < https://www.scielosp.org/article/rbepid/2001.v4n3/145-152/pt/> Acesso em: 03 de set. 2018.

LEE, C.; KO, C.. Short-term load forecasting using lifting scheme and ARIMA models. Expert Systems with Applications, v. 38, p. 5902-5911, 2011. Disponível em: < https://www.sciencedirect.com/science/article/pii/S0957417410012704> Acesso em: 18 de ago. 2018.

LEITE, D. A. N. de O. et al. Avaliação dos parâmetros do índice de qualidade de água segundo o modelo ARIMA. Holos Environment, p. 24-39, 2013. Disponível em: < https://repositorio.unesp.br/handle/11449/137288> Acesso em: 01 de out. 2018.

LOURENÇO, I. dos S.; NASCIMENTO, L. de O. Métodos de previsão aplicados a uma série de volume de produção de caminhões. 2012 Disponível em: < http://www.ufjf.br/estatistica/files/2014/10/ME_2012_07_Isaac-dos-Santos Louren%C3%A7o-e-Luis-de-Oliveira-Nascimento.pdf> Acesso em: 01 de set. 2018.

LUCAS, E. W. M. et al. Modelagem hidrológica determinística e estocástica aplicada à região hidrográfica do Xingu–Pará. Revista Brasileira de Meteorologia, v. 24, n. 3, p. 308-322, 2009. Disponível em; < http://www.scielo.br/pdf/rbmet/v24n3/a05v24n3> Acesso em: 04 de out. 2018.

MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: Methods and Applications, 3rd ed.; JohnWiley & Sons: New York, NY, USA, 1998. Acesso em: 05 de set. 2018.

MARENGUE, R. H. Um estudo sobre a aplicação do método ARIMA para a previsão das movimentações de veículos nos portos de Paranaguá e Santos. 2017. Trabalho de Conclusão de Curso. Universidade Tecnológica Federal do Paraná. Disponível em; < http://repositorio.roca.utfpr.edu.br/jspui/handle/1/8635 > Acesso em: 12 de out. 2018.

MARTIN, A. C. et al. Análise de séries temporais para previsão da evolução do número de automóveis no Município de Joinville. Revista ESPACIOS| Vol. 37 (Nº 06) Año 2016, 2016. Disponível em: < http://www.revistaespacios.com/a16v37n06/16370629.html> Acesso em: 17 de set. 2018.

MONIZ, A. Futuros da indústria automóvel: Qual a sua importância para a definição do produto, modelos de produção e estratégias de mobilidade?. 2007. Disponível em: Acesso em: 18 de out. 2018.

MORETTIN, P. A.; TOLOI, C. M. de C. Modelos para previsão de séries temporais. Instituto de matematica pura e aplicada, 1981. Acesso em: 19 de out. 2018.

MORETTIN, P.; TOLOI, C. M. C. Análise de séries temporais. São Paulo: Edgard Blucher, 2004. 535p. Acesso em: 26 de set. 2018.

MOURA, G. C. de. Previsão custo unitário por meio de modelos de previsão da classe geral arima. 2018. Disponível em: < http://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/5077> Acesso em: 23 de ago. 2018.

PELLEGRINI, F. R. Metodologia para implementação de sistemas de previsão de demanda. Mestrado em Engenharia de Produção-Departamento de Engenharia de Produção e Transportes. Porto Alegre-Universidade Federal do Rio Grande do Sul, 2000. Disponível em; < http://www.producao.ufrgs.br/arquivos/publicacoes/Fernando%20R%20Pellegrini.pdf> Acesso em: 14 de ago. 2018.

PINDYCK, R. S.; RUBINFELD, D. L. Economia–Modelo e Previsões. Tradução da, 2004. Acesso em: 17 de set. 2018.

PRODANOV, C. C.; FREITAS, E. C. de. Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico-2ª Edição. Editora Feevale, 2013. Acesso em: 15 de out. 2018.

RAJAPRASAD, S. V. S. Prediction of fatal accidents in Indian factories based on ARIMA. Production Engineering Archives, v. 18, p. 24‐-30, 2018. Disponível em: < http://yadda.icm.edu.pl/yadda/element/bwmeta1.element.baztech-cc7726e7-5961-47ad-929e-6c3e78e16158.> Acesso em: 03 de out. 2018.

RIBEIRO, L. C.; PAULA, A. V. de. Previsão de população através dos modelos arima de Box e Jenkins: um exercício para Brasil. Anais, 2016. Disponível em: < file:///C:/Users/S%C3%A9fora/Desktop/TCC%20ARIMA/1067-3085-1-PB%20(1).pdf> Acesso em: 14 de ago. 2018.

SÁFADI, T.. Uso de séries temporais na análise de vazão de água na represa de Furnas. Ciência e Agrotecnologia, v. 28, n. 1, p. 142-148, 2004. Disponível em: < https://www.researchgate.net/profile/Thelma_Safadi/publication/273364375_Uso_de_series_temporais_na_analise_de_vazao_de_agua_na_represa_de_furnas/links/56b086cf08ae9c1968b6e17a/Uso-de-series-temporais-na-analise-de-vazao-de-agua-na-represa-de-furnas.pdf > Acesso em: 02 de set. 2018.

SANTILI, M. A. Métodos de previsão auto-regressivo aplicado a uma série de volume de produção de caminhões. 2015. Disponível em: < https://repositorio.unesp.br/bitstream/handle/11449/139106/000865443.pdf?sequence=1> Acesso em: 24 de set. 2018.

SANTOS, C. dos. Previsão de custos de um condomínio de apartamentos utilizando a metodologia de box e jenkins para séries temporais. Orbis Latina, v. 7, n. 4, p. 74-90, 2018. Disponível em: Acesso em: 02 de out. 2018.

SANTOS, V. Séries temporais ARIMA. 2014. Disponível em: Acesso em: 04 de out. 2018.

SÁ-SILVA, J. R.; ALMEIDA, C. D. de; GUINDANI, Joel Felipe. Pesquisa documental: pistas teóricas e metodológicas. Revista brasileira de história & ciências sociais, v. 1, n. 1, 2009. Disponível em; < https://www.rbhcs.com/rbhcs/article/view/6 > Acesso em: 10 de out. 2018.

SEVERINO, A. J. Metodologia do trabalho científico. Cortez editora, 2017. Acesso em: 01 de out. 2018.

SILVA, A. F.. Definição de um modelo de previsão das vendas da rede varejista alphabeto. 2008. Tese de Doutorado. UNIVERSIDADE FEDERAL DE JUIZ DE FORA. Disponível em: < http://www.ufjf.br/ep/files/2014/07/2008_3_Andr%C3%A9.pdf> Acesso em: 24 de ago. 2018.

SILVA, L. da. Análise da aplicação do modelo ARIMA: estudo em uma instituição federal de ensino superior. 2017. Disponível em: < https://repositorio.ufsm.br/bitstream/handle/1/11684/SILVA_Luiza_Da.pdf?sequence=1&isAllowed=y> Acesso em: 18 de set. 2018.

SLACK, N.; JONES, A. B.; JOHNSTON; R. Administração da produção. 4 ed. São Paulo: Atlas, 2015. Acesso em: 20 de set. 2018.

SOKI, J. R. Métodos de previsão da taxa de inflação de Angola. 2018. Tese de Doutorado. Instituto Superior de Economia e Gestão. Disponível em: < https://www.repository.utl.pt/handle/10400.5/15560 > Acesso em: 22 de set. 2018.

SOUZA, F. M. Modelos Box & Jenkins aplicados a previsão de demanda de leitos hospitalares. Programa de Pós-Graduação em Estatística e Modelagem Quantitativa, Universidade Federal de Santa Maria (UFSM): Santa Maria, Brazil, 2006. Disponível em: < http://w3.ufsm.br/adriano/mon/fm.pdf> Acesso em: 03 de out. 2018.

SOUZA, F. M.; SOUZA, A. M.; LOPES, L. F. D.. Previsão da demanda de leitos hospitalares por meio da análise de Série Temporais. Ciência e Natura, v. 31, n. 1, p. 33-47, 2009. Disponível em: < https://periodicos.ufsm.br/index.php/cienciaenatura/article/view/9904.> Acesso em: 24 de set. 2018.

TOLEDO, G. L.; MARTINS, G. de A.; FONSECA, J. S. da. Estatística aplicada. São Paulo: Atlas, 1985. Acesso em: 09 de ago. 2018.

TORRES, R. L.; CARIO, S. A. F. A governança da cadeia global de valor na indústria automobilística: um estudo de caso. Revista Econômica, v. 14, n. 1, 2013. Disponível em: < http://www.revistaeconomica.uff.br/index.php/revistaeconomica/article/view/40> Acesso em: 05 de ago. 2018.

TUBINO, D. F. Planejamento e controle da produção: teoria e prática / Dalvio Ferrari Tubino. – 3. ed. – São Paulo: Atlas, 2017. Acesso em: 04 de set. 2018.

WALTER, O. M. F. C. et al. Aplicação de um modelo SARIMA na previsão de vendas de motocicletas. Exacta, v. 11, n. 1, 2013. Disponível em: < http://www.redalyc.org/html/810/81027458007/> Acesso em: 14 de ago. 2018.

WALTER, O. M. F. C. et al. Previsão de vendas para um modelo de automóvel popular com a metodologia Box e Jenkins. X SEPROSUL–Semana De Engenharia De Produção Sul-Americana. Chile, Santiago, p. 1-10, 2010. Disponível em: < http://previsaosimples.pbworks.com/w/file/fetch/67434559/039%20BOX%26JENK.pdf> Acesso em: 13 de ago. 2018.

WERNER, L.; RIBEIRO, J. L. D.. Previsão de demanda: uma aplicação dos modelos Box-Jenkins na área de assistência técnica de computadores pessoais. Gestão e produção. São Carlos, SP. Vol. 10, n. 1 (abr. 2003), p. 47-67, 2003. Disponível em: < http://www.scielo.br/pdf/gp/v10n1/a05v10n1> Acesso em: 06 de set. 2018.

ZUCOLOTO, A. C.; GIAROLA, L. T. P.; ROCHA, R. C. da. Modelagem da Exportação Brasileira de Automóveis. Matemática e Estatística em Foco, v. 6, n. 1, p. 12-23. Disponível em: Acesso em: 08 de set. 2018.




DOI: https://doi.org/10.14295/idonline.v12i42.1382

Apontamentos

  • Não há apontamentos.


A Id on Line (ISSN: 1981-1179) é indexada nas seguintes bases de dados: