TRABALHO INTERDICIPLINAR

[pic 1]

[pic 2]

TRABALHO INTERDICIPLINAR
	.
São Luis 2018

OBJETIVO

Através da analise de produtos comercializado pela empresa  Container conveniência verificarmos a rotatividade, ou seja, crescimento e declínio das vendas no período de 6 meses, para uma possível previsão de demanda desses produtos, utilizando tabelas e gráficos para  comparação durante esse período, visando o um melhor planejamento dessas vendas nos meses posteriores

---

FUNDAMENTAÇÃO

As previsões de demandas possui uma função muito importante nos processos de planejamento dos sistemas de produção, pois permite que os administradores destes sistemas antevejam o futuro e planejem adequadamente suas ações.

Previsões de demanda podem ser usadas em vários tipos de negócios e segundo vários métodos. Relatos de casos surgem na literatura. Dentre outros, citam-se: Werner et al. (2006) que usam a suavização exponencial simples, para prever a demanda de produtos agrícolas e produzir uma estimativa da área a ser plantada; Antônio e Pires (2005), que usam simulação computacional para a previsão de demandas em cadeia de suprimentos; e Araújo, Araújo e Adissi (2005), que usam multivariáveis na previsão de demanda de um call-center.

Utilizaremos a pesquisa Quantitativa pelo Método estatístico: quando a previsão da demanda deve ser feita para um período mais longo, esta é a opção frequentemente utilizada. Aliás, de um modo geral o Método Estatístico é usado com mais frequência e, se comparado ao Método de Pesquisa, tem alguns pontos de vantagem, pois trabalha com dados, portanto traz o elemento de confiabilidade.

Segue abaixo a tabela de produtos dos últimos 6 meses da container conveniência:[pic 3]

A regressão polinomial é utilizada para prever possíveis dados de variáveis para eventos futuros e analisar dados no momento presente. A ideia é estabelecer uma equação considerando um conjunto de variáveis independentes que possam influenciar uma variável dependente.[pic 4][pic 5]

• A regressão polinomial permitiu o melhor ajuste na função de previsão de demanda devido a sazonalidade da venda do produto.[pic 6][pic 7]

• A regressão polinomial permitiu o melhor ajuste na função de previsão de demanda devido a sazonalidade da venda do produto.

---

[pic 8][pic 9]

• A regressão polinomial permitiu o melhor ajuste na função de previsão de demanda devido a sazonalidade da venda do produto.

Os modelos intrinsecamente lineares compreendem funções da variável independente que são rigorosamente crescente ou decrescente. Em muitas situações podemos nos deparar com gráficos de dispersão de dados que sugerem funções com um ou mais picos e vales.

---

CONCLUSÃO

Portanto casos como estes não podem representar de forma fidedigna o comportamento da variável dependente através dos modelos intrinsecamente lineares, pois podemos subestimar intervalos de dados e causar erros maiores ao deixar a estimativa tendenciosa. Deste modo a adoção de funções polinomiais para representação do modelo pode fornecer uma aproximação bem mais satisfatória para uma função de regressão real.