APLICAÇÃO DE PREVISÃO DE DEMANDA CONSIDERANDO INTELIGÊNCIA ARTIFICIAL OTIMIZADA POR MEIO DE ALGORITMOS GENÉTICOS

Abstract

Modelos matemáticos de previsão de demanda são ferramentas cada vez mais utilizadas para as empresas gerenciarem melhor seus recursos e buscar vantagens competitivas. Para tanto, é fundamental identificar o modelo que melhor se adapta aos dados, de forma a deixar o resultado mais preciso e, ao mesmo tempo, facilitar a tomada de decisão. Este estudo tem por objetivo aplicar métodos de previsão de demanda em uma empresa que atua no ramo industrial sobre itens importados. Buscou-se a comparação entre os modelos de Suavização Exponencial, ARIMA, modelo de Redes Neurais Artificiais (RNA) com parâmetros otimizados. Esta comparação visou mostrar diferença entre os erros de previsão de cada um dos métodos. Com a aplicação dos modelos matemáticos sobre a base de dados histórica de uma empresa do ramo metal mecânico, observou-se que o modelo RNA otimizada apresentou o menor percentual de erro na maioria dos casos, proporcionando maior confiabilidade para aplicações práticas. A avaliação do desempenho e comparativo entre os métodos foram baseados sobre os dados do MAPE e MAE.