Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário

• Autor(a) principal: Siqueira, Augusto Cesar de
• Data de Publicação: 2016
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
• Texto Completo: http://hdl.handle.net/10737/1386
• topic: ENG; Previsão de demanda; Séries temporais; Médias móveis; Suavização exponencial; Box-Jenkins

A previsão de demanda de passageiros em empresas de transporte rodoviário é essencial, visto a competitividade com que este setor trabalha e a necessidade de se obter um planejamento de suas atividades, visto que cada ampliação e investimento deste setor, representa uma incremento considerável em seu serviço. O presente estudo tem por objetivo definir o melhor modelo para a previsão de demanda de passageiros dentre as técnicas de séries temporais consideradas. Foram considerados três métodos de previsão de séries temporais, são: (i) médias móveis, pela sua simples aplicação e flexibilidade; (ii) suavização exponencial, pela sua eficiência computacional e razoável precisão; e, (iii) Box-Jenkins, por sua eficiente precisão e ponderação. A análise dos dados é realizada com indicadores de eficácia do método (MAE e MAPE de ajustamento e previsão), comparando um método ao outro, com o mesmo critério de análise. O método de pesquisa é constituído das seguintes etapas: (i) coleta dos dados; (ii) organização dos dados; (iii) modelagem e previsão da série temporal; (iv) comparação das previsões realizada com indicadores; e, (v) apresentação e análise dos resultados. O trabalho é um estudo de modelagem quanto aos procedimentos técnicos, aplicado quanto à natureza, descritivo quanto aos objetivos e quantitativo quanto a abordagem do problema. O melhor resultado dentre os métodos aplicados foi obtido pela metodologia de Box-Jenkins, com um MAPE de previsão de 2,25%, mas em relação à metodologia de Holt-Winters, apenas 5,58% superior. Em termos de análises estatísticas, se considera o método de Box-Jenkins, com a modelagem SARIMA (1,0,2)(1,0,2)12, como o melhor método de capacidade preditiva para a série temporal estudada.