Integração de ferramentas de clusterização e modelos quantitativos de previsão de demanda : uma aplicação no setor alimentício

• Ano de defesa: 2020
• Autor(a) principal: Carazza, Heitor Augusto Vianna
• Orientador(a): Anzanello, Michel José
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Análise de clusters; Seleção de variáveis; Previsão de demanda; Indústria de alimentos
• Palavras-chave em Inglês: Clusterization; Variables selection; Demand forecasting and food sector
• Link de acesso: http://hdl.handle.net/10183/213152

A competição acirrada nos mercados e a demanda dos clientes por maior agilidade nos serviços de entrega e qualidade nos produtos têm pressionado as empresas na busca de diferenciais competitivos. Vários estudos e investimentos têm sido direcionados ao aprimoramento da gestão de produção visando maximizar as receitas e reduzir os seus custos operacionais. Neste sentido, a adequada utilização de técnicas de previsão de demanda pode ajudar as empresas a aumentarem sua previsibilidade sobre eventos futuros. Tal entendimento é fundamental em setores alimentícios, onde a eficiente gestão de insumos perecíveis não só repercute em termos financeiros, mas também na saúde do cliente. Este estudo tem como intuito utilizar ferramentas de agregação de dados históricos de demanda e de agrupamento de produtos com características similares para aumentar a precisão de modelos de previsão de demanda. Para tanto, inicialmente propõe uma análise de clusterização para agrupar produtos similares com base em variáveis que descrevem seus comportamentos e características. A ideia é reduzir o volume de modelagens quando comparado à avaliação dos produtos isolados. Na sequência, estrutura-se um método de agregação dos dados históricos de demanda de produtos inseridos no mesmo cluster previamente à modelagem de previsão. Com a agregação, objetiva-se reduzir ruídos da série e aumentar a aderência dos modelos aos dados. Por fim, realiza-se a desagregação das predições. As proposições são ilustradas em dados reais de uma pizzaria do ABC Paulista, e potenciais implicações gerenciais são apresentadas.