Aplicação de métodos de previsão de séries temporais em uma indústria têxtil

• Main Author: Brunato, Patrícia Budal
• Publication Date: 2015
• Format: Bachelor thesis
• Language: por
• Source: Repositório Institucional da Udesc
• dARK ID: ark:/33523/001300000k28g
• Download full: https://repositorio.udesc.br/handle/UDESC/13969
• topic: Indústria têxtil; Previsão de vendas; Análise de séries temporais

Durante a última década, a indústria têxtil brasileira experimentou constantes flutuações de demanda. O setor vive uma perda progressiva de participação de mercado, especialmente devido ao suprimento da sua demanda por produtos importados. Nesse contexto, é necessário que o planejamento dessas indústrias seja realizado de forma cautelosa, com enfoque no gerenciamento da produção e estoque. Portanto, uma previsão de vendas eficaz é imprescindível para a manutenção de sua competitividade no mercado. Este trabalho tem como objetivo o desenvolvimento de uma previsão de vendas para uma indústria têxtil, por meio da aplicação de métodos de previsão de séries temporais. Para tanto, as metodologias estatísticas selecionadas foram os métodos de suavização exponencial, e modelos autorregressivos de médias móveis (ARIMA). Diversos modelos foram testados e comparados em relação à sua adequação e qualidade. Modelos provenientes de diferentes metodologias também foram confrontados, com o intuito de selecionar o modelo mais eficaz. O modelo selecionado apresentou resultados satisfatórios, e poderá ser utilizado como ferramenta auxiliar no gerenciamento da empresa. Por fim, o modelo proposto neste trabalho foi comparado ao modelo de previsão utilizado atualmente pela empresa, que não utiliza uma metodologia específica no seu desenvolvimento. A partir da análise, foi possível definir que o modelo proposto apresenta uma alternativa com maior acurácia e estabilidade para realizar previsões. Assim, é evidenciado que, com a aplicação de metodologias estatísticas, a indústria será capaz de desenvolver modelos de melhor qualidade, com menores erros de previsão e maior confiabilidade.