Aplicação de modelos de previsão e inteligência artificial para avaliar demanda no segmento de sistemas de iluminação automotivo

Abstract

A concorrência de mercado estimula as organizações a buscarem inovações, com o objetivo de alcançarem posição de destaque, trazendo diferenciais para o segmento em que atuam. Essa competitividade severa faz com que, também, seja necessário às empresas procurar formas de redução de custos, otimização de processos; a acuracidade na previsão de demanda é fator essencial para o aprimoramento da produtividade, a gestão de estoque, a redução de lead time, contribuindo para a melhora dos resultados da empresa. Este trabalho tem como objetivo utilizar modelos matemáticos de séries temporais e inteligência artificial para verificar qual método possui maior acuracidade nas previsões de demanda dos principais produtos de uma organização do segmento de sistemas de iluminação automotivo. Para o método de Redes Neurais Artificiais (RNA), buscou-se otimizá-lo, utilizando-se configurações em relação ao número de neurônios e diferentes algoritmos de treinamento para encontrar os modelos mais assertivos. Por meio da aplicação dos erros de previsão MAPE e MAE, constatou-se que determinadas configurações de RNA são os métodos de melhor acuracidade para realização das previsões dos produtos analisados, em que foi possível concluir que, em média, os erros de previsão da RNA otimizada são de 3,25 vezes (para o MAPE) e de 4 vezes (para o MAE) menor em relação ao método atual da empresa.