Previsão de vendas aplicada a perfis de alumínio

Abstract

Cada vez mais, as empresas necessitam de tomar decis~oes que otimizem os desperd cios existentes, como por exemplo, ajudar na diminui c~ao dos custos associados a stock. Assim a modela c~ao de s eries temporais e os m etodos de previs~ao constituem uma ferramenta fundamental para auxiliar na tomada de decis~oes na gest~ao de stocks em empresas. Neste relat orio de est agio, o principal objetivo consiste em fazer previs~ ao de quantidades de stocks existentes para os pr oximos 3 meses, considerando tr^es per s de alum nio da empresa Extrusal, sediada em Aveiro. Para se efetuar a previs~ao faz-se a modela c~ao considerando os modelos ARIMA e usando a correspondente metodologia Box e Jenkins e os modelos com Amortecimento Exponencial. Tendo em vista a obten c~ao de intervalos de previs~ao, a metodologia de Box e Jenkins exige que os res duos tenham uma distribui c~ao normal. Uma vez que este pressuposto nem sempre acontece nas series observadas e por outro lado para se incorporar a variabilidade devida a estima c~ao dos par^ametros, desenvolve-se e aplica-se, ainda em alternativa, a metodologia bootstrap de reamostragem. Os modelos s~ao escolhidos tendo como base os crit erios AIC e BIC e as respetivas previs~oes s~ao avaliadas em termos dos Erros Quadr aticos M edios correspondentes.

Increasingly, companies need to take decisions that optimize the existing waste, such as help in the decrease of the costs associated with stocks. Thereby time series modeling and forecast methods are essential tool to support the decision making in the companies stock management. In this thesis, the mail goal is to predict the amount of existing stocks for the next three months, considering the aluminum pro les currently available in Extrusal, based in Aveiro. To make the forecasts, the modeling procedure is made taking into account the ARIMA processes and using the corresponding Box-Jenkins methodology and models with Exponential Smoothing. In order to obtain forecasts intervals, Box-Jenkins methodology requires that residuals has a normal distribution. As this assumption doesn t always happen in the observed time series and also to incorporate the variability due to parameters estimation , it is developed an applied, in alternative, the bootstrap resampling methodology. The models are chosen based on the AIC and BIC criteria and the respective point forecasts are evaluated in terms of the corresponding Mean Square Errors.