Aplicação do Modelo SARIMA na Previsão de Demanda no Setor Calçadista / Application of the SARIMA Model in the Forecast for Demand in the Footwear Sector

José Eduardo Carvlho Lima, Lucas Ferreira de Castro, Glauber Araujo Alencar Cartaxo

Resumo


A indústria brasileira de calçados sofreu forte queda nos últimos anos. Porém, devido a variação da demanda a que esse setor está exposto, a crise econômica vivenciada, a preferência dos consumidores, e a concorrência, intensificou-se a necessidade de realizar previsões de demandas mais efetivas e acuradas que garantam tomadas de decisões estratégicas e uma nova dinâmica de alocação de recursos no setor calçadista. (ABICALÇADOS, 2018). Neste estudo, tem-se como objetivo analisar um modelo de previsão de demanda de séries temporais por meio da metodologia Box-Jenkins que se adeque as necessidades da empresa. Sendo utilizada a série de demanda mensal de calçados de uma família do portfólio de produtos de uma empresa, classificado como salto PVC. O modelo de previsão escolhido foi um Autorregressivo Integrado de Média Móvel (SARIMA) (0,0,0)(1,0,0)12, tendo como critério de validação os valores do erro MAD, MAPE, TS e o BIC.

Palavras-chave


Previsão de demanda. Box-Jenkins. Construção de modelos ARIMA. Setor de calçados

Texto completo:

PDF

Referências


ABICALÇADOS. Associação Brasileira das Indústrias de Calçados. Relatório Setorial Indústria de Calçados do Brasil 2018. Disponível em: .

Acesso em 16 jul. 2018.

ABICALÇADOS. Associação Brasileira das Indústrias de Calçados. Relatório Setorial Indústria de Calçados do Brasil 2017. Disponível em: . Acesso em 08 jan. 2018.

https://drive.google.com/file/edit?id=0B0WGSAb1N6BiV0FzZEVsS2FacVE

ASTERIOU, D. and HALL, S.: A Modern Approach. Palgrave Macmillan, New York, 2007.

BOX, G. E. P.; JENKINS, G. M. Time series analysis forecasting and control. San Francisco: H. Day, 1976.

BOX, G. E. P.; TIAO, G. C. Bayesian Inference in statistical analysis. S.l.: Wiley Classics Library, 1992. 588p.

CHASE R. B.; JACOBS, F. R.; AQUILANO, N. J. Administração da Produção para Vantagem Competitiva. 10 ed. Porto alegre: Bookman, 2005.

CHOPRA, S.; MEINDL, P. Gestão da Cadeia de Suprimentos. 6 ed. São Paulo: Pearson. 2016.

CRYER, J. D.; CHAN, K. Time Series Analysis: With Applications in R. 2 ed. New York: Springer, 2008.

EHLERS, R. S. Análise de séries temporais. Laboratório de Estatística e Geoinformação. Universidade Federal do Paraná, 2007.

FARREL, P. J. STEWART, K. R. Comprehensive Study Of Tests For Normality And Symmetry: Extending The Spiegelhalter Test. Journal of Statistical Computation and Simulation. v. 76, n. 9, pp. 803–816, 2006.

FERNANDES, F. C. F. & GODINHO, F. M. Planejamento e controle da produção: dos fundamentos ao essencial, Editora Atlas. 2010

GIL, A. C. Como elaborar projetos de pesquisa. 6ª ed. São Paulo: Atlas, 2016.

GUJARATI, D. A.; PORTER, D. C. Econometria Básica. 5ª ed. São Paulo: Mc Graw Hill/Bookman, 2011.

HYNDMAN, R. J.; KHANDAKAR, Y. Automatic time series forecasting: the forecast package for R. Journal of Statistical Software, v. 27, n. 3, p.1-22, 2008.

KITAGAWA, G. Introduction to Time Series Modeling. Tokyo. Chapman & Hall/CRC, 2010.

KIRCHGÃSSNER, G.; WOLTER, J. Introduction to Modern Time Series Analysis, Springer-Verlag, Berlin Heidelberg, 2007.

KONISHI, S.; KITAGAWA, G. Information criteria and statistical modeling. New York: Springer, 2008.

LEE, Cheng-Min; KO, Chia-Nan. Short-term load forecasting using lifting scheme and ARIMA models. Expert Systems with Applications , v. 38, p. 5902-5911, 2011.

LUSTOSA, L. et al. Planejamento e Controle da Produção. 1 ed. Elsevier, 2008.

LUTKEPOHL, H.; KRATZIG A. Applied time series Econometrics. Cambridge, New York, Melbourne, Madrid, Cape Town, Singapore, São Paulo: Cambridge University Press, 2004

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

MARTINS, P. G.; LAUGENI F. P. Administração da produção. 3 ed. São Paulo: Saraiva, 2015.

MONTGOMERY, D. C.; JENNINGS, C. L.; KULAHCI, M. Introduction to Time Series Analysis and Forecasting. 2 ed. New Jersey e Canadá: Wiley, 2015.

MORETTIN, P. A.; TOLOI, C. M. Análise de Séries Temporais. 2 ed. São Paulo: Blucher, 2006.

R DEVELOPMENT CORE TEAM.R: a language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria, 2017. Disponível em: . Acesso em: 18 set. 2017.

RITZMAN, L. P.; MALHORTA, M.; KAJEWSKI, L. Administração de Produção e Operações. 8 ed. São Paulo: Prentice Hall, 2008.

ROSSI, J. W; NEVES, C. Econometria e Séries Temporais com Aplicações a Dados da Economia Brasileira. 1 ed. Rio de Janeiro: LTC, 2014.

SHUMWAY, R. H.; STOFFER, D. S. Time Series Analysis and Its Applications: With R Examples, 3rd ed; Springer: New York, NY, USA, 2011.

SLACK, N.; JONES, A. B.; JOHNSTON; R. Administração da produção. 4 ed. São Paulo: Atlas, 2015.

SOUZA, G. P.; SAMOHYL, R. W.; MIRANDA, R. G. Métodos simplificados de previsão empresarial. Rio de Janeiro: Ciência Moderna, 2008. 181 p.

SLACK, N.; JONES, B. A.; JOHNSTON, R. Operations Management. 7 ed. London: Pearson, 2013.

STEVENSON, W. J. Administração das operações de produção. São Paulo: LTC, 2002.

TUBINO, D. F. Planejamento e Controle da Produção teoria e prática. 3 ed. São Paulo: Atlas, 2017.




DOI: https://doi.org/10.14295/idonline.v13i46.1875

Apontamentos

  • Não há apontamentos.


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