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

Authors

  • Séfora Laissa Alcântara Pereira Centro Universitário Doutor Leão Sampaio
  • José Eduardo de Carvalho Lima Centro Universitário Doutor Leão Sampaio

DOI:

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

Keywords:

Previsão. ARIMA. Setor de Automotivo.

Abstract

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.

Downloads

Download data is not yet available.

Author Biographies

Séfora Laissa Alcântara Pereira, Centro Universitário Doutor Leão Sampaio

Graduanda do curso de administração de empresas, Centro Universitário Doutor Leão Sampaio/Unileão – Juazeiro do Norte – CE, sefora_laissa@hotmail.com

 

José Eduardo de Carvalho Lima, Centro Universitário Doutor Leão Sampaio

1] Professor orientador do Centro Universitário Doutor Leão Sampaio/Unileão – Juazeiro do Norte – CE, Mestre em Economia do Setor Público pela Universidade Federal do Ceará e Doutorando em Engenharia de Produção e Sistemas pela Universidade do Vale do Rio dos Sinos, joseduardo@leaosampaio.edu.br

References

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: <https://anaiscbc.emnuvens.com.br/anais/article/view/1871> 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: <https://amstat.tandfonline.com/doi/abs/10.1080/01621459.2000.10474331?journalCode=uasa20#.W49ib-hKhPY> 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: <http://lajbm.net/index.php/journal/article/view/462> 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: <http://www.revistaespacios.com/a14v35n10/14351010.html> 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: <https://mpra.ub.uni-muenchen.de/5939/> 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: <https://revistas.unila.edu.br/orbis/article/view/919/890> Acesso em: 02 de out. 2018.

SANTOS, V. Séries temporais ARIMA. 2014. Disponível em: <http://www.ufpa.br/heliton/arquivos/aplicada/seminarios/M1_08_ARIMA_Verena.pdf> 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: <http://www.seer.ufu.br/index.php/matematicaeestatisticaemfoco/article/view/39080> Acesso em: 08 de set. 2018.

Published

2018-10-31

Issue

Section

Artigos