[pt] A necessidade de previsões de demanda é comum no processo de planejamento e controle. As previsões representam fator chave na gestão das diversas áreas das organizações e são fundamentais no gerenciamento da cadeia logística, especialmente, na gestão de estoques, níveis de serviço ao cliente e planejamento de compras. Nesse contexto, este trabalho teve como objetivo propor melhorias na cadeia de suprimentos de material de saúde da Marinha do Brasil (MB), através da implementação de um método de previsão de demanda que melhor se adapte com as características das séries temporais. Na MB, as séries temporais dos itens de saúde apresentam demandas intermitentes, tornando a modelagem e previsão uma tarefa difícil. Os métodos testados e avaliados são simples, práticos e de baixo custo de implantação. São eles: Amortecimento Exponencial, Croston e Poisson, além do próprio método utilizado pela MB. O produto gerado por esta dissertação possibilitou uma melhoria de 40 por cento nas previsões de demanda dos principais itens de saúde. Sua implementação proporcionará significativa economia de recursos financeiros e aumento do nível de serviço dos itens de saúde. Este trabalho serve de base para utilização em outras cadeias de suprimentos da MB (sobressalentes, combustíveis, munições, gêneros alimentícios e fardamentos), podendo ser implementado tanto na MB, quanto em outras Forças Armadas. / [en] The need for demand forecasts is common in the planning and control processes. Such predictions represent a key factor for managing the various organizational departments, especially those related to logistics and supply chain such as stock management, service level and purchasing. In this context, this study s objective was to propose improvements in Brazilian Navy s health material through the implementation of more effective demand forecasting methods. In the Brazilian Navy, the demand data series for essential health items have an erratic pattern, making the mathematical modeling for demand forecasting a complex task. The methods tested and evaluated are simple, practical, and low-cost deployment. Are they: Exponential Smoothing, Croston method and Poisson Distribution, besides the current demand forecasting currently applied by the Brazilian Navy itself. The results found in this dissertation showed a 40 percent improvement in the main items demand forecast when compared to the current method, It s implementation will provide significant savings of financial resources and increase the level of service of health items This work serves as a basis for use in other supply chains in Brazilian Navy (spare parts, fuels, ammunition, foodstuffs and uniforms), and can be implemented in both MB and other Armed Forces.

[pt] Demanda intermitente é definida por períodos de vendas nulas intercaladas com vendas positivas e de quantidade altamente variável. A maior parte das unidades de manutenção de estoque (stock keeping units, em inglês) ao nível loja pode ser caracterizada como contendo demanda desse tipo. Assim, modelos acurados para prever séries com demanda intermitente trazem grandes impactos em relação à gestão de estoque. Nesta dissertação nós propomos o uso do framework GAS com as distribuições adequadas para dados de contagem, além de suas versões com excesso de zeros, e aplicamos os modelos derivados a dados reais obtidos com uma grande rede varejista brasileira. Nós demonstramos que os modelos com excesso de zeros propostos são estimados de forma consistente por máxima verossimilhança e a distribuição dos estimadores é assintóticamente normal. A performance dos modelos propostos é comparada com benchmarks adequados das literaturas de séries temporais para dados de contagem e previsão de demanda intermitente. A avaliação das previsões é feita com base tanto na precisão da distribuição preditiva quanto na precisão das previsões pontuais. Nossos resultados mostram que os modelos propostos, em especial o modelo derivado sob distribuição hurdle Poisson, performam melhor do que os benchmarks analisados. / [en] Intermittent demand is defined by periods of zero sales interleaved with positive sales with highly variable quantities. Most stock keeping units at the store level can be characterized as containing such demand. Thus, accurate models for predicting series with intermittent demand have major impacts in relation to inventory management. In this dissertation we propose the use of the GAS framework with the appropriate distributions for count data, in addition to their versions with excess of zeroes, and apply the derived models to real data obtained from a large Brazilian retail chain. We demonstrate that the proposed models with excess of zeros are consistently estimated via maximum likelihood and the distribution of the estimator is asymptotically normal. The performance of the proposed models is compared to adequate benchmarks from the time series literature for count data and intermittent demand forecast. Forecasting is evaluated based on the accuracy of both the entire predictive distribution and point forecasts. Our results show that the proposed models, specially the one derived from hurdle Poisson distribution, perform better than the analyzed benchmarks.