| Summary: | Nos dias atuais a personalização de bens e serviços, idealizada por meio dos conceitos de Customização em Massa, tem se tornado uma importante estratégia da indústria na busca de mecanismos para se manter competitivo no mercado. Esta estratégia implica em uma nova realidade no que tange os desafios para Gestão de Operações das companhias, visto que, torna-se necessário desenvolver novos mecanismos para gerenciamento do negócio. Este trabalho aborda este tema propondo um método para previsão de demanda de produtos finais considerando um cenário onde existe uma ampla oferta de combinações de itens customizados e um ambiente com sazonalidade. Propõe-se a combinação entre o método de agrupamento por correlação e uso do modelo ARIMA para previsão de demanda. A acurácia da previsão proposta pelo método obteve melhor desempenho em comparação com a utilizada na empresa em grupos responsáveis por 85% das vendas. O MAPE obtido com a metodologia proposta foi de 33,6% em comparação a 69,7% da metodologia existente na empresa. Os resultados comprovam a possibilidade de um melhor desempenho na definição de itens que devem ser produzidos para estoque em momentos que a demanda do mercado não atinge os níveis da capacidade de produção da empresa, garantindo que o custo e o prazo de entrega, características dos ambientes de Customização em Massa sejam atendidos, pois permitem que um maior número de itens seja considerado na previsão. === Nowadays, the goods and services customization, introduced through the Mass Customization concepts, has become an important industry strategy in the search for opportunities to remain competitive in the market. That strategy implies a new reality regarding the challenges for Companies Operation Management whereas it becomes necessary to develop new business management methodologies. This Master Dissertation proposes a demand forecast methodology for seasonal customized items. The model considers a scenario where there is an ample offer of combinations for customized items and a seasonal environment. It is proposed the combination between of correlation clustering method and ARIMA model to forecast demand. The accuracy of the proposed forecast method performed is better than the current company method in clusters that represent 85% of sales. The MAPE resulted from the proposed demand forecast methodology was 33.6% in comparison of 69.7% obtained from company methodology. That results indicate a possibility of better adjustment in the items set that must be produced for inventory when the market demand does not reach the company production capacity level, guaranteeing cost and delivery time, characteristics of Mass customization environments to be reached because it allows a bigger number of items to be considered in the forecast.
|
|---|
