Planejando o processo de previsão de demanda com auxílio da lógica fuzzy

Autores

  • Pedro Senna CEFET/RJ
  • Ricardo Tanscheit PUC-Rio
  • Andreia Macedo Gomes CEFET/RJ

DOI:

https://doi.org/10.32358/rpd.2015.v1.89

Palavras-chave:

Previsão de Demanda, Decomposição Clássica, Lógica Fuzzy

Resumo

De uma forma ampla, prever a demanda de forma acurada é parte fundamental do processo de Gestão de Demanda das empresas. Como em muitos casos não é possível que a produção seja sob encomenda, há a necessidade de estimar a quantidade de produtos a serem vendidos e utilizar esta previsão. Considerando este cenário, prever demanda com o mínimo erro possível deve ser a principal prioridade para as empresas. Para atingir este objetivo, são apresentadas, basicamente, duas técnicas de previsão: a Decomposição Clássica e a previsão baseada em Lógica Fuzzy. Como principal resultado, pode-se ressaltar o baixo erro encontrado por ambas as técnicas, com pequena vantagem para a Lógica Fuzzy.

Downloads

Não há dados estatísticos.

Referências

AROZO, R. Sales and Operations Planning: Uma maneira de obter ganhos com integração interna. COPPEAD, 2000.

DU, X. F., LEUNG, S. C. H., ZHANG, J. L., LAI, K.K. Demand forecasting of perishable farm products using support vector machine. International journal of systems Science. v. 44, n. 3, p. 556-567, mar. 2013.

FERREIRA, B. B. Aplicação de Ferramentas de Lógica Nebulosa à Predição de Séries Temporais. Rio de Janeiro: Instituto Militar de Engenharia, Curso de Mestrado em Engenharia Mecânica, Dissertação, 2008. 124 p.

FIRJAN. Série de dados utilizados na previsão. Disponível em: <http://www.firjan.org.br/data/pages/4028808120E98EC7012122BA8A14346E.htm>. Acesso em: 2011.

LAMBERT, D. M. Supply Chain Management: Processes, Partnerships, Performance. 2. ed. Florida, SCMI, 2004.

LIN, C.C., LIN, C.L., SHYU, J. Z. Hybrid multi-model forecasting system: a case study on display market. Knowledge-based systems. v. 71, p. 279-289, nov. 2014.

LIU, N., REN, S., CHOI, T. M., HUI, C. L., NG, S. F. Sales Forecasting for Fashion Retailing Service Industry: A Review. Mathematical Problems in Engineering. v. 2013, Article ID 738675, 9 p., 2013. doi:10.1155/2013/738675

LINARES-MUTARÓS, S. MERINGÓ, J. M. FERRER-COMELAT, J. C. Processing extreme values in sales forecasting. Cybernetics and Systems. v. 46, n. 3-4, p. 207-229, mai. 2015.

LUSTOSA, L. J.; MESQUITA, M. A.; GONÇALVES, O. L.; OLIVEIRA, R. J. Planejamento e Controle da Produção. 1. ed. Rio de Janeiro: Elsevier, 2008.

MORETTIN, P. A.; TOLOI, C. M. Séries Temporais. São Paulo: Atual, 1986.

SAVI, M. A. Dinâmica Não-Linear e Caos. 1. ed. Rio de Janeiro: E-papers Serviços Editoriais Ltda, 2006.

TANSCHEIT, R. Sistemas Fuzzy, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro. 2004.

WANKE, P.; JULIANELLI, L. Previsão de vendas: processos organizacionais e métodos quantitativos e qualitativos. 2. ed. São Paulo: Atlas, 2011.

WANG, L. X., MENDEL, J. M. Generating Fuzzy Rules by Learning from Examples, IEEE Trans. On Systems, Man and Cybernetics, , V 22, n. 6, p.1414-1427 1992.

XIA, M. WONG, W. K. A seasonal discrete grey forecasting model for fashion retailing. Journal knowledge-based systems. V. 57, p. 119-126, Fev. 2014.

YIN, R. Estudos de Caso: Planejamento e Métodos. 2. ed. Porto Alegre: Bookman, 2010.

ZADEH, L. “Fuzzy Sets”, Information and Control, vol. 8, p. 338-353, 1965.

Publicado

2015-08-31

Como Citar

Senna, P., Tanscheit, R., & Gomes, A. M. (2015). Planejando o processo de previsão de demanda com auxílio da lógica fuzzy. Revista Produção E Desenvolvimento, 1(2), 90–103. https://doi.org/10.32358/rpd.2015.v1.89

Edição

Seção

Assuntos de Gestão