[en] TECHNIQUES FOR DETECTION OF BIAS IN DEMAND FORECASTING: PERFORMANCE COMPARISON

• Ano de defesa: 2021
• Autor(a) principal: FELIPE SCHOEMER JARDIM
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] SERIE TEMPORAL; [pt] GRAFICO DE CONTROLE; [pt] ERRO DE PREVISAO; [pt] HOLT WINTERS; [pt] AMORTECIMENTO EXPONENCIAL; [en] TIME SERIE; [en] CONTROL CHARTS; [en] FORECAST ERROR; [en] HOLT-WINTERS; [en] EXPONENTIAL SMOOTHING
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55757&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55757&idi=2; http://doi.org/10.17771/PUCRio.acad.55757

[pt] Em um mundo globalizado, em contínua transformação, são cada vez mais freqüentes mudanças no perfil da demanda. Se não detectadas rapidamente, elas podem gerar impactos negativos no progresso de um negócio devido à baixa qualidade nas previsões de venda, que começam a gerar valores sistematicamente acima ou abaixo da demanda real indicando a presença de viés. Para evitar esse cenário, técnicas formais para detecção de viés podem ser incorporadas ao processo de previsão de demanda. Diante desse quadro, a presente dissertação compara os desempenhos, via simulação, das principais técnicas formais de detecção de viés em previsão de demanda presentes na literatura. Nesse sentido, seis técnicas são identificadas e analisadas. Quatro são baseadas em estatísticas Tracking Signal e duas são adaptadas de técnicas de Controle Estatístico de Processos. Os modelos de previsão de demanda monitorados pelas técnicas em questão são os de séries temporais estruturadas, associados ao método de amortecimento exponencial simples e ao método de Holt, respectivamente, para séries com nível médio constante e séries com tendência. Três tipos de alterações no perfil da demanda – que acarretam em viés na previsão – são examinados. O primeiro consiste em mudanças no nível médio em séries temporais de nível médio constante. O segundo tipo também considera séries temporais de nível médio constante, porém com o foco em surgimentos de tendências. O terceiro viés consiste em mudanças na tendência em series temporais com tendência pré-incorporada. Entre os resultados obtidos, destaca-se a conclusão de que, para a maioria das situações estudadas, as técnicas baseadas nas estatísticas Tracking Signal possuem desempenho superior às demais técnicas com relação à eficiência na detecção de viés.