Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário

Detalhes bibliográficos
Autor(a) principal: Coelho, Tamires Mara
Data de Publicação: 2017
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/12739
Resumo: Para as empresas que realizam manutenção em seus ativos, é muito importante que, se uma peça vier a falhar, haja outra disponível em estoque para a troca. Porém, é difícil saber quando algum item irá falhar, e gerar estoques de peças para prevenir este problema pode originar prejuízos para a empresa. Por isso, elas vêm investindo cada vez mais em gestão de estoque, com o objetivo de reduzir o capital parado, sem afetar a disponibilidade de material para aplicação. Para terem uma boa gestão de estoque, a utilização de séries temporais para a previsão de demanda vem ganhando espaço nas empresas. Além de conseguirem uma boa previsão, as companhias precisam classificar seus itens em grupos que possuam características comuns, para não obterem resultados generalizados que possam não se adequar a todos. Assim, separar os itens de acordo com a representatividade orçamentária para a empresa e a periodicidade e variabilidade da quantidade consumida ajuda a categorizá-los de forma adequada. Um grupo de itens se destaca por serem difíceis de serem previstos porque possui poucos períodos com demanda e há grande variação na quantidade consumida. Ele é classificado como de demanda Intermitente. Para este estudo, analisamos a demanda de itens trocados em manutenção corretiva de uma empresa ferroviária, que possuem característica de demanda Intermitente. Este grupo de itens foi dividido de acordo com a importância orçamentária para a empresa, gerando três sub- grupos. Calculamos as previsões pelos métodos de Média utilizados pela empresa, Médias Móveis, Amortecimento Exponencial, Método de Croston e Método de Croston Ajustado. Calculamos também os erros Absoluto Médio, Quadrático Médio e Geométrico Quadrático Médio e os analisamos. Verificamos que os métodos de Croston Ajustado e Croston foram os que apresentaram menores erros, e são por isso os indicados para aplicação na empresa em substituição ao método de Média utilizado.
id UFJF_a1e8953e951a8d47111c4003b8cd7f8d
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/12739
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling Hippert, Henrique Steinherzhttp://lattes.cnpq.br/6907017215672171Hippert , Henrique Steinherzhttp://lattes.cnpq.br/6907017215672171Ferreira, Clécio da Silvahttp://lattes.cnpq.br/7842524715253287Vieira, Marcel de Toledohttp://lattes.cnpq.br/1980385021266418http://lattes.cnpq.br/7536798012033114Coelho, Tamires Mara2021-05-24T20:56:50Z2021-01-012021-05-24T20:56:50Z2017-11-23https://repositorio.ufjf.br/jspui/handle/ufjf/12739Para as empresas que realizam manutenção em seus ativos, é muito importante que, se uma peça vier a falhar, haja outra disponível em estoque para a troca. Porém, é difícil saber quando algum item irá falhar, e gerar estoques de peças para prevenir este problema pode originar prejuízos para a empresa. Por isso, elas vêm investindo cada vez mais em gestão de estoque, com o objetivo de reduzir o capital parado, sem afetar a disponibilidade de material para aplicação. Para terem uma boa gestão de estoque, a utilização de séries temporais para a previsão de demanda vem ganhando espaço nas empresas. Além de conseguirem uma boa previsão, as companhias precisam classificar seus itens em grupos que possuam características comuns, para não obterem resultados generalizados que possam não se adequar a todos. Assim, separar os itens de acordo com a representatividade orçamentária para a empresa e a periodicidade e variabilidade da quantidade consumida ajuda a categorizá-los de forma adequada. Um grupo de itens se destaca por serem difíceis de serem previstos porque possui poucos períodos com demanda e há grande variação na quantidade consumida. Ele é classificado como de demanda Intermitente. Para este estudo, analisamos a demanda de itens trocados em manutenção corretiva de uma empresa ferroviária, que possuem característica de demanda Intermitente. Este grupo de itens foi dividido de acordo com a importância orçamentária para a empresa, gerando três sub- grupos. Calculamos as previsões pelos métodos de Média utilizados pela empresa, Médias Móveis, Amortecimento Exponencial, Método de Croston e Método de Croston Ajustado. Calculamos também os erros Absoluto Médio, Quadrático Médio e Geométrico Quadrático Médio e os analisamos. Verificamos que os métodos de Croston Ajustado e Croston foram os que apresentaram menores erros, e são por isso os indicados para aplicação na empresa em substituição ao método de Média utilizado.For companies that perform maintenance on their assets, it is very important that when one part fails, there is another available in stock for the exchange. However, it is difficult to know when any item will fail, and generating parts inventories to prevent this problem can cause unnecessary expenses to the company. As a result, these companies have been investing more and more in inventory management, in order to reduce their capital stock, without affecting the availability of material for application. In order to have good inventory management, the use of time series for forecasting demand has been gaining space in companies. In addition to getting accurate forecasts, companies need to rank their items in groups that have common characteristics. Separating the items according to their budgetary representativeness for the company, and the periodicity and variability of the quantity consumed, helps to categorize them adequately. There is a group of items that is particularly difficult to predict, because their components have few periods with demand and there is great variation in the amount consumed; this group is said to have Intermittent demand. In this study, we analyze the demand for items, exchanged in corrective maintenance by a railway company, which have intermittent demand characteristics. This group of items was subdivided according to their budget importance for the company, generating three subgroups. We calculated the forecasts using the Simple Average method used by the company, and also by Moving Averages, Exponential Smoothing, the Croston Model and the Adjusted Croston Model. We also calculated the Mean Absolute, Mean Quadratic and Mean Quadratic Geometric errors, and analyzed them. We concluded that the models of Croston and Croston Adjusted were the ones that presented the smallest errors, and are therefore the ones indicated for application in the company, instead of the model now in use.porUniversidade Federal de Juiz de Fora (UFJF)UFJFBrasilICE – Instituto de Ciências Exatashttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICAMétodos de PrevisãoMedidas de Erro de PrevisãoClassificação de ConsumoDemanda IntermitenteForecasting MethodsForecasting Error MeasuresIntermittent DemandClassification of DemandAnálise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviárioinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFORIGINALtamiresmaracoelho.pdftamiresmaracoelho.pdftamiresmaracoelhoapplication/pdf1146063https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/1/tamiresmaracoelho.pdf3f3ab52d607e9cbd0e6c222e8c77b9deMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTtamiresmaracoelho.pdf.txttamiresmaracoelho.pdf.txtExtracted texttext/plain50744https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/4/tamiresmaracoelho.pdf.txtedc42b421f197197dbc78b4bcabe1d8aMD54THUMBNAILtamiresmaracoelho.pdf.jpgtamiresmaracoelho.pdf.jpgGenerated Thumbnailimage/jpeg1131https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/5/tamiresmaracoelho.pdf.jpg7518e81bbe9da5882abfd9a9113a7dd6MD55ufjf/127392021-05-25 03:14:46.729oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2021-05-25T06:14:46Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário
title Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário
spellingShingle Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário
Coelho, Tamires Mara
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
Métodos de Previsão
Medidas de Erro de Previsão
Classificação de Consumo
Demanda Intermitente
Forecasting Methods
Forecasting Error Measures
Intermittent Demand
Classification of Demand
title_short Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário
title_full Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário
title_fullStr Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário
title_full_unstemmed Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário
title_sort Análise de métodos de previsão para demandas Intermitentes de itens de uma empresa de transporte ferroviário
author Coelho, Tamires Mara
author_facet Coelho, Tamires Mara
author_role author
dc.contributor.advisor1.fl_str_mv Hippert, Henrique Steinherz
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/6907017215672171
dc.contributor.referee1.fl_str_mv Hippert , Henrique Steinherz
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/6907017215672171
dc.contributor.referee2.fl_str_mv Ferreira, Clécio da Silva
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/7842524715253287
dc.contributor.referee3.fl_str_mv Vieira, Marcel de Toledo
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/1980385021266418
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/7536798012033114
dc.contributor.author.fl_str_mv Coelho, Tamires Mara
contributor_str_mv Hippert, Henrique Steinherz
Hippert , Henrique Steinherz
Ferreira, Clécio da Silva
Vieira, Marcel de Toledo
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
topic CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
Métodos de Previsão
Medidas de Erro de Previsão
Classificação de Consumo
Demanda Intermitente
Forecasting Methods
Forecasting Error Measures
Intermittent Demand
Classification of Demand
dc.subject.por.fl_str_mv Métodos de Previsão
Medidas de Erro de Previsão
Classificação de Consumo
Demanda Intermitente
Forecasting Methods
Forecasting Error Measures
Intermittent Demand
Classification of Demand
description Para as empresas que realizam manutenção em seus ativos, é muito importante que, se uma peça vier a falhar, haja outra disponível em estoque para a troca. Porém, é difícil saber quando algum item irá falhar, e gerar estoques de peças para prevenir este problema pode originar prejuízos para a empresa. Por isso, elas vêm investindo cada vez mais em gestão de estoque, com o objetivo de reduzir o capital parado, sem afetar a disponibilidade de material para aplicação. Para terem uma boa gestão de estoque, a utilização de séries temporais para a previsão de demanda vem ganhando espaço nas empresas. Além de conseguirem uma boa previsão, as companhias precisam classificar seus itens em grupos que possuam características comuns, para não obterem resultados generalizados que possam não se adequar a todos. Assim, separar os itens de acordo com a representatividade orçamentária para a empresa e a periodicidade e variabilidade da quantidade consumida ajuda a categorizá-los de forma adequada. Um grupo de itens se destaca por serem difíceis de serem previstos porque possui poucos períodos com demanda e há grande variação na quantidade consumida. Ele é classificado como de demanda Intermitente. Para este estudo, analisamos a demanda de itens trocados em manutenção corretiva de uma empresa ferroviária, que possuem característica de demanda Intermitente. Este grupo de itens foi dividido de acordo com a importância orçamentária para a empresa, gerando três sub- grupos. Calculamos as previsões pelos métodos de Média utilizados pela empresa, Médias Móveis, Amortecimento Exponencial, Método de Croston e Método de Croston Ajustado. Calculamos também os erros Absoluto Médio, Quadrático Médio e Geométrico Quadrático Médio e os analisamos. Verificamos que os métodos de Croston Ajustado e Croston foram os que apresentaram menores erros, e são por isso os indicados para aplicação na empresa em substituição ao método de Média utilizado.
publishDate 2017
dc.date.issued.fl_str_mv 2017-11-23
dc.date.accessioned.fl_str_mv 2021-05-24T20:56:50Z
dc.date.available.fl_str_mv 2021-01-01
2021-05-24T20:56:50Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufjf.br/jspui/handle/ufjf/12739
url https://repositorio.ufjf.br/jspui/handle/ufjf/12739
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.publisher.initials.fl_str_mv UFJF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv ICE – Instituto de Ciências Exatas
publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/1/tamiresmaracoelho.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/2/license_rdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/3/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/4/tamiresmaracoelho.pdf.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12739/5/tamiresmaracoelho.pdf.jpg
bitstream.checksum.fl_str_mv 3f3ab52d607e9cbd0e6c222e8c77b9de
e39d27027a6cc9cb039ad269a5db8e34
8a4605be74aa9ea9d79846c1fba20a33
edc42b421f197197dbc78b4bcabe1d8a
7518e81bbe9da5882abfd9a9113a7dd6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1801661343544115200