Dissertações em Engenharia de Processos (Mestrado) - PPGEP/ITEC
URI Permanente para esta coleçãohttps://repositorio.ufpa.br/handle/2011/10053
Navegar
Navegando Dissertações em Engenharia de Processos (Mestrado) - PPGEP/ITEC por Assunto "Acuracidade"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Dissertação Acesso aberto (Open Access) Um modelo de previsão de vendas em uma empresa de médio porte na cidade de Manaus(Universidade Federal do Pará, 2022-02-18) FONSECA, Vera Lúcia de Assis da Fonseca; MAGNO, Rui Nelson Otoni; http://lattes.cnpq.br/9017163598972975O processo de previsão de vendas vem se estruturando ao longo do tempo com novas tecnologias e ferramentas, para consolidação e manuseio de dados. As empresas, que antes não possuíam foco no processo de previsão de vendas, não se viam impactadas pela falta dele, mas, atualmente, adequações são necessárias para a inserção do mesmo, pois há consenso de que somente a intuitividade, normalmente direcionada por experiências passadas ou subjetividades, ou otimizavam resultados ou os subestimavam. Caminhando no exposto, esta pesquisa visa identificar um modelo de previsão de vendas adequado ao portfólio de uma empresa de bebidas de médio porte. No estudo desta dissertação foi aplicada a técnica de pesquisa explicativa com análises exploratórias e descritivas, também foram utilizados os softwares Minitab® e Excel® para realizar as análises através de resumos estatísticos, tabelas e figuras, para que houvesse a escolha assertiva do modelo para ser aplicado ao negócio. Foram avaliados modelos de previsão qualitativos e quantitativos, análise gráfica, de resíduos e cálculos de erro de previsão. Foram comparados os desvios médios e os MAPEs (Mean Absolute Percent Error) dos modelos: média móvel, suavização exponencial, tendência linear e holt winter e, como conclusão, os modelos com menores erros de previsão foram: média móvel N=2 com MAPE=14,8%, suavização exponencial com MAPE=15,2% e tendência linear com MAPE=15,4%. A escolha foi pelo modelo de suavização exponencial, apesar de não ser o menor erro é de fácil aplicação e pondera os dados históricos.