Os avanços na Tecnologia da Informação e a proliferação de itens de consumo, entre outros aspectos, mudaram o cenário e o desempenho das previsões. Os processos de previsão devem ser reexaminados, estabelecendo mecanismos de comunicação formais que compartilhem a informação entre os diferentes níveis hierárquicos dentro da organização, eliminando ou reduzindo o desconforto das previsões paralelas e desconexas oriundas de níveis hierárquicos diferentes. O objetivo deste trabalho é propor um sistema de apoio à decisão baseado em métodos matemáticos e sistemas de informação, capaz de integrar as previsões de vários níveis hierárquicos de uma empresa por um repositório de dados (Data Warehouse ou DW) e um Sistema de Apoio à Decisão (SAD) com sistema Business Intelligence (BI), onde os níveis hierárquicos acessem as informações com o nível de detalhe apropriado dentro do processo de decisão, alinhado às expectativas corporativas de crescimento. Assim, a modelagem realizada neste trabalho teve como foco a geração de cenários para criar um sistema de apoio à decisão, prevendo demandas agregadas e individuais, gerando uma estrutura de integração entre as previsões feitas em diferentes níveis e alinhando valores oriundos de métodos quantitativos e julgamento humano. Uma das maiores preocupações foi verificar qual método (séries temporais, métodos causais) teria destaque em um processo integrado de previsão. Entre os diferentes testes efetuados, pode-se destacar os seguintes resultados: (1) a suavização exponencial tripla proporcionou melhor ajuste (dos dados passados) de séries históricas de demandas mais agregadas e proporcionou previsões mais precisas de representatividades agregadas. Para séries históricas de demanda individual e representatividade individual, os outros métodos comparados apresentaram desempenho muito próximo; (2) a criação de diferentes cenários de previsão, fazendo uso de um repositório de dados e sistema de apoio à decisão, permitiu análise de uma gama de diferentes valores futuros. Uma forma de simulação para apoiar a formulação das expectativas da diretoria foi adaptada da literatura e sugerida; (3) os erros de previsão nas abordagens top-down ou bottom-up são estatisticamente iguais no contexto desta pesquisa. Conclui-se que o método de suavização exponencial tripla traz menos erros às previsões de séries mais agregadas, se comparado com outros métodos abordados no trabalho. Esse fato está de acordo com asserções encontradas na literatura pesquisada de que o método de suavização exponencial é cada vez mais utilizado na previsão, em detrimento dos métodos causais como a regressão múltipla. Conclui-se, principalmente, que os sistemas SAD e BI propostos deram suporte aos vários níveis hierárquicos, proporcionando variedades de estilos de decisão e que podem diminuir o hiato entre o raciocínio qualitativo adotado em nível estratégico e o aspecto quantitativo mais comum em níveis operacionais em qualquer empresa. / Advances in Information Technology (IT), and the increase of consumption items, among other things, changed the performance in the forecasts predictions. It is not uncommon that organizations will perform parallel forecasts within the various hierarchical levels without communicating with each other. The objective of this work is to build an integrated \"infrastructure\" for forecasting through a repository of data (Data Warehouse or DW) and a Decision Support System (DSS) with Business Intelligence (BI) where the hierarchical levels have access to the information with the appropriate level of detail within the process, aligned to the corporate growth expectations. The modeling in this work focused in the generation of scenarios to create a decision support system, predicting individual and aggregate demand, create a structure for integrating and aligning the estimated forecast generated by quantitative and qualitative methods. After a series of experimental tests, main results found were: (1) triple exponential smoothing provided the best fit using historical aggregated demand, and provided a more precise estimate of aggregate representation. For historical series of individual demand and individual representation, the other methods used for comparison performed similarly; (2) the creation of different scenarios for prediction, using data repository and decision support system, allowed for analysis of a range of different future values. The simulation to support management expectations has been adapted from the literature; (3) the prediction errors in the top-down and bottom-up approaches are statistically the same in the context of this research. In conclusion, the method of triple exponential smoothing has fewer errors in the forecasts of aggregated series when compared to other methods discussed in this work. Moreover, the DSS and BI systems provided decision-making support to the various hierarchical levels, reducing the gap between qualitative and quantitative decision processes thus bridging the strategic and operational decision making processes.

Orientador: Orlando Fontes Lima Junior / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Civil, Arquitetura e Urbanismo / Made available in DSpace on 2018-08-06T11:48:39Z (GMT). No. of bitstreams: 1 Alvim_SilvioLuizdosSantos_M.pdf: 894034 bytes, checksum: 8510da8a4daac170064169ed4d755466 (MD5) Previous issue date: 2005 / Resumo: As atividades logísticas de planejamento e controle de demanda exigem estimativas acuradas dos volumes de produtos e serviços a serem manipulados pela cadeia de suprimento. O objetivo deste trabalho é analisar comparativamente o comportamento de alguns modelos de previsão de demanda quanto a propagação de erros ao longo da cadeia logística em um caso da indústria eletroeltrônica. No desenvolvimento do estudo de caso foram selecionados alguns modelos estatísticos clássicos de previsão de demanda, a partir dos quais foi possível analisar o efeito de propagação de erros de previsão de demanda em um caso prático de uma empresa multinacional fabricante de computadores. Estes produtos são comercializados num mercado dinâmico e fortemente competitivo, sujeito a impactos de economia internacional e da tecnologia avançada, o que exige um monitoramento intensivo no processo de previsão de demanda. O equacionamento deste problema permite otimizar a gestão do planejamento de materiais, reduzir custos de inventários e garantir linearidade do fluxo de produção, minimizando o efeito da propagação de erros de previsão de demanda na cadeia de suprimento, também conhecido como Efeito Chicote / Abstract: The logistics activities of planning and demand control need accuracy in estimating the volumes of products and services to be managed by the supply chain. The goal of this study was compare and analyses some demand forecast models regarding the error propagation in the logistics supply chain on the electric electronic industry case study. Due this study case development some classic statistical models demand forecast have been selected, from which were possible analyze the propagation effect errors in the demand forecast process regarding practical case in an international computers company manufacturer. These products are commercialized in the competitive dynamic market and strongly submitted to impacts of international economy and advanced technology, what demands kind intensive management process of demand forecast. Solving this problem will be able to optimizing the management materials planning, in order to reduce inventories costs assuring production linearity flow, minimizing errors propagation effect of demand forecast in the supply chain, also knowed as Bull-Whip Effect / Mestrado / Transportes / Mestre em Engenharia Civil

O segmento de fast-food tornou-se um mercado muito concorrido e com empresas bem conhecidas, tais como: Subway, McDonalds, Burguer King, Bobs e Habibs. Técnicas de inteligência artificial e ciência de dados podem oferecer inúmeros benefícios para este mercado, como por exemplo, permitir o desenvolvimento de modelos computacionais para tomada de decisões. No contexto de finanças onde envolvam a comercialização de determinados produtos, é muito comum deparar-se com cenários que envolvam incerteza, principalmente quando se deseja realizar projeções financeiras, avaliar riscos e estimativas. O objetivo deste trabalho consiste em desenvolver modelos probabilísticos baseados em Redes Bayesianas (RB) para realizar predições em vendas e análise de causalidade entre variáveis que influenciam no processo de comercialização de determinados grupos de produtos no seguimento de fast-food. Nesta análise foram avaliadas Redes Bayesianas com aprendizado de estrutura baseado em restrições, através do algoritmo Grow Shrink (GS), e Redes Bayesianas com aprendizado de estrutura baseado em pontuação, através do algoritmo Hill-Climbing (HC), posteriormente foram comparadas com um modelo de série temporal baseado em Generalized Additive Model (GAM). Os dados para análise foram adquiridos de uma rede de fast-food brasileira que possui cerca de 1100 lojas associadas, destas, foram utilizadas lojas que pertencem ao estado de São Paulo, assim como avaliado variáveis de grupos de vendas no período de 2010 à 2017. Os resultados foram avaliados através da métrica Mean Absolute Percentage Error (MAPE), que considera valores reais alimentados em modelos e valores ajustados a partir do modelo e calcula a diferença absoluta entre os dois como porcentagem do valor real, com base neste cálculo é possível obter a acurácia de cada modelo. A Rede Bayesiana (RB) com aprendizagem de estrutura baseada em pontuação, utilizando o algoritmo Hill Climbing (HC), foi escolhida como o melhor modelo, pois apresentou relações causais mais coerentes entre os vértices que influenciam o processo de venda, bem como combinações de vértices que resultam em combos de produtos, além disso, resultou em 97.60% de acurácia na previsão de vendas das lojas do estado de São Paulo (SP) na amostra de teste avaliada, com base na métrica Mean Absolute Percentage Error (MAPE). / The fast-food segment has become a busy market with well-known companies such as: Subway, McDonalds, Burger King, Bobs and Habibs. Artificial intelligence and data science techniques can offer innumerable benefits to this market, such as allowing the development of computational models for decision making. In the context of finances involving the marketing of certain products, it is very common to come across scenarios where uncertainty is involved, especially when financial projections are desired, to evaluate risks and estimation. The objective of this work is to develop probabilistic models based on Bayesian Networks (BN) to make sales predictions and causality analysis among variables that influence the commercialization process of certain product groups in the fast-food segment. In this analysis we evaluated Bayesian networks with learning of structure based on constraints, through the algorithm Grow Shrink (GS), and Bayesian Networks with learning of structure based on score, through the algorithm Hill-Climbing (HC), later were compared with a model time series based on Generalized Additive Model (GAM). The data for analysis were acquired from a Brazilian fast-food chain with approximately 1100 associated stores, of which stores were used that belong to the state of São Paulo, as well as evaluated variables of sales groups in the period from 2010 to 2017. The results were evaluated by using the Mean Absolute Percentage Error (MAPE), which considers real values fed in models and values adjusted from the model and calculates the absolute difference between the two as a percentage of the real value, based on this calculation it is possible to obtain the accuracy of each model. The Bayesian Network (BN) with scoring based structure learning, using the Hill Climbing (HC) algorithm, was chosen as the best model because it presented more coherent causal relationships between vertices that influence the sales process, as well as combinations of vertices that result in product combos, in addition, achieved a 97.60% accuracy in the sales forecast of stores in the state of Sao Paulo (SP) in the test sample evaluated, based on the Mean Absolute Percentage Error (MAPE) metric.

Made available in DSpace on 2016-06-02T19:50:10Z (GMT). No. of bitstreams: 1 3530.pdf: 3939391 bytes, checksum: 555a1e91c6d19c737e2b04d918e65d42 (MD5) Previous issue date: 2011-02-18 / Frequent changes in consumer behavior and the characteristics of complexity and competition involving the market demands constant innovation in products, technologies, management strategies and management systems, including the systems that make the integration between the company and its customers or suppliers, as well as systems that integrate or coordinate business processes. In this scenario, understanding and managing of the vendors and/or sales representatives of the company turn out to be an essential factor for the company to remain competitive in the market. In this light, the process of determining and allocating sales quotas appears as integral and important part of the sales management process, which allows, among other things, the evaluation of vendor performance toward the goals set by the company. The purpose of this thesis was to establish a set of procedures to forecast appropriately, sales in the footwear industry and from then on, build a model to determine sales quotas which meets the specific of a sector and integrate two important functions of the company: Sales and Production. Semi-structured interviews with sales professionals, as well as production planning and control were made to subsidize the development of the proposal. The evaluation of the proposal was made by means of a case study in a footwear company in the city of Franca (SP). It was concluded that demand management in the footwear industry, is connected to the quotas they should limit (directly or indirectly) to sales due to the production capacity available and the considered models, in this study, meet the criteria to the studied situation. / As frequentes mudanças no comportamento do consumidor e as características de complexidade e competição que envolvem o mercado demandam inovações constantes nos produtos, tecnologias, estratégias de gestão e sistemas de gestão, entre eles, os sistemas que fazem a integração entre a empresa e seus clientes ou fornecedores, bem como os sistemas que integram ou coordenam processos da empresa. Neste cenário, a compreensão e administração dos vendedores e/ou representantes de vendas da empresa revelam-se um fator essencial para a empresa manter-se competitiva no mercado. Sob esta ótica, o processo de determinação e alocação de quotas de vendas aparece como parte integrante e importante do processo de gestão de vendas, o que permite, entre outras coisas, a avaliação do desempenho do vendedor em direção aos objetivos traçados pela empresa. A proposta desta tese foi estabelecer um conjunto de procedimentos para prever, de forma adequada, as vendas na indústria de calçados e, a partir daí, construir um modelo para determinar quotas de vendas o qual atenda as especificidades do setor e integre duas importantes funções da empresa: Vendas e Produção. Para subsidiar a elaboração da proposta foram feitas entrevistas semiestruturadas com profissionais de vendas e planejamento e controle da produção. A avaliação da proposta deu-se por meio de um estudo de caso em uma empresa de calçados da cidade de Franca (S.P). Concluiu-se que a gestão de demanda na indústria calçadista está atrelada às quotas que devem limitar (direta ou indiretamente) as vendas em função da capacidade de produção disponível, e os modelos propostos neste estudo atendem bem à situação estudada.

Orientador: Antonio Batocchio / Dissertação (mestrado profissional) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-06T08:19:28Z (GMT). No. of bitstreams: 1 Barbeiro_FranciscoMiguel_M.pdf: 3666365 bytes, checksum: 90bcb4b2a8648ea08f9f8360c1b7ed50 (MD5) Previous issue date: 2005 / Resumo: O Planejamento de Vendas e Operações é um processo integrado de gerenciamento do negócio, que pode gerar vantagem competitiva através de uma visão e entendimento do cenário futuro e do envolvimento de um time multifuncional para definir e executar um conjunto de planos operacionais alinhados de modo a maximizar os resultados do negócio e melhor atender os clientes. Este trabalho tem como objetivo apresentar uma metodologia que suporte a implementação de um Processo de Planejamento de Vendas e Operações e testá-la através de sua aplicação prática numa Divisão de Negócios que atende o mercado de consumo a partir de uma manufatura de produção para estoque. Identifica os fatores relevantes para uma implementação de sucesso, abordando os três elementos básicos do S&OP: i) Pessoas - Uma vez que o processo é gerenciado e operacionalizado por pessoas, estas precisam estar conscientes, treinadas, além de entender o que se espera delas. Precisam, também, operar o processo em conformidade com os princípios aprovados, políticas e procedimentos; ii) Processo - Um processo precisa estar formalizado, com etapas, entradas, saídas, definição de responsabilidades e de medidas de desempenho; iii) Ferramentas - Devem estar disponíveis para suportar as pessoas na execução de suas atividades. Podem incluir hardware, software, manuais e sistemas de comunicação. O trabalho aborda, também, os potenciais benefícios de um processo eficaz de S&OP, bem como suas limitações, demonstrando a melhoria do trabalho em equipe, do serviço aos clientes e da gestão de ativos, obtidos pela implementação do processo na Divisão de Negócio analisada / Abstract: Sales and Operations Planning is an integrated business management process to generate competitive advantage by looking forward, understanding future scenarios and involving a multifunctional team to define and execute a set of operational plans, aligned to maximize the business results and best attend the customers. This project aims to present a methodology to support a Sales and Operations Planning Process implementation and test it through a practical application in Business Division that attends consumer market through make to stock manufacturing. Identifies the relevant factors to a well succeeded implementation, covering S&OP basic elements: i) People - Whatever is a process managed and operated by people, they need to be acknowledgeable, trained and understand what is expected of them. They also need to operate the process in accordance with agreed-upon principles, policies and procedures; ii) Process - A process needs to be formalized, defining process steps, inputs, outputs, roles, responsibilities, and measurements; iii) Tools - Need to be available allowing people to fulfill their part in the process. These tools may include hardware, software, manual and communication systems. This project also wants to discuss Sales and Operations Planning potential benefits and limitations, demonstrating the improvements the Business Division achieved related to teamwork, customer service and asset management, due to the S&OP process implementation / Mestrado / Planejamento e Gestão Estrategica da Manufatura / Mestre em Engenharia Mecânica

Orientador: Antonio Batocchio / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-20T08:27:21Z (GMT). No. of bitstreams: 1 Casula_HenriqueCury_M.pdf: 1869496 bytes, checksum: 0ebc9d261c898a9363cb007fa72f0bef (MD5) Previous issue date: 2012 / Resumo: A previsibilidade é uma importante ferramenta que os tomadores de decisão buscam nas suas escolhas. Entende-se a tomada de decisão como o processo de identificação de um problema ou de uma oportunidade e a seleção de uma linha de ação para resolvê-la ou de alteração dos objetivos e metas a fim de superá-las. Visando o auxilio a decisões de dimensionamento da cadeia de suprimentos será apresentado um estudo de caso de aplicação de modelos estatísticos em séries temporais para gerar cenários futuros, os riscos inerentes e os erros de previsão. Os dados matemáticos foram ajustados com os especialistas da empresa em estudo que acrescentaram informações não presentes nas séries temporais, como informações de mercado, gerando assim a previsão fim para as decisões. O trabalho foi aplicado em uma manufatura para o auxilio no dimensionamento do seu centro de distribuição para comportar o crescimento de longo prazo / Abstract: Predictability is an important tool for decision makers in their choices. The decision-making is the process of identifying a problem or an opportunity and the selection of a course of action to solve it or change the goals and objectives in order to overcome them. In order to help of design decisions in the supply chain will be presented to the application of statistical models in time series to generate future scenarios, the risks and the forecast errors. The mathematical data were fitted with the company's experts added information not present in time series, such as market information, thereby generating the prediction order for decisions. The method was applied in a manufacturing to design your distribution center to accommodate the long-term growth / Mestrado / Materiais e Processos de Fabricação / Mestre em Engenharia Mecânica

Submitted by SANTIAGO BURGADA (sburgada@maxam.net) on 2015-01-25T12:10:08Z No. of bitstreams: 1 DISSERTATION SANTIAGO BURGADA CORPORATE INTERNATIONAL MASTERS SUBMISSION VERSION.pdf: 3588309 bytes, checksum: b70385fd690a43ddea32379f34b4afe9 (MD5) / Approved for entry into archive by Janete de Oliveira Feitosa (janete.feitosa@fgv.br) on 2015-02-04T19:27:15Z (GMT) No. of bitstreams: 1 DISSERTATION SANTIAGO BURGADA CORPORATE INTERNATIONAL MASTERS SUBMISSION VERSION.pdf: 3588309 bytes, checksum: b70385fd690a43ddea32379f34b4afe9 (MD5) / Approved for entry into archive by Marcia Bacha (marcia.bacha@fgv.br) on 2015-02-11T13:27:32Z (GMT) No. of bitstreams: 1 DISSERTATION SANTIAGO BURGADA CORPORATE INTERNATIONAL MASTERS SUBMISSION VERSION.pdf: 3588309 bytes, checksum: b70385fd690a43ddea32379f34b4afe9 (MD5) / Made available in DSpace on 2015-02-11T13:34:18Z (GMT). No. of bitstreams: 1 DISSERTATION SANTIAGO BURGADA CORPORATE INTERNATIONAL MASTERS SUBMISSION VERSION.pdf: 3588309 bytes, checksum: b70385fd690a43ddea32379f34b4afe9 (MD5) Previous issue date: 2014-10-29 / Industrial companies in developing countries are facing rapid growths, and this requires having in place the best organizational processes to cope with the market demand. Sales forecasting, as a tool aligned with the general strategy of the company, needs to be as much accurate as possible, in order to achieve the sales targets by making available the right information for purchasing, planning and control of production areas, and finally attending in time and form the demand generated. The present dissertation uses a single case study from the subsidiary of an international explosives company based in Brazil, Maxam, experiencing high growth in sales, and therefore facing the challenge to adequate its structure and processes properly for the rapid growth expected. Diverse sales forecast techniques have been analyzed to compare the actual monthly sales forecast, based on the sales force representatives’ market knowledge, with forecasts based on the analysis of historical sales data. The dissertation findings show how the combination of both qualitative and quantitative forecasts, by the creation of a combined forecast that considers both client´s demand knowledge from the sales workforce with time series analysis, leads to the improvement on the accuracy of the company´s sales forecast.

Submitted by Adriana Bezerra Bessa (adrianabbessa@gmail.com) on 2018-05-09T00:07:09Z No. of bitstreams: 1 Tese_AdrianaBessa_versaofinal.pdf: 4846338 bytes, checksum: 5d2e8d52cd770e8fd17a4a9adee180d2 (MD5) / Approved for entry into archive by Thais Oliveira (thais.oliveira@fgv.br) on 2018-05-10T17:26:20Z (GMT) No. of bitstreams: 1 Tese_AdrianaBessa_versaofinal.pdf: 4846338 bytes, checksum: 5d2e8d52cd770e8fd17a4a9adee180d2 (MD5) / Approved for entry into archive by Suzane Guimarães (suzane.guimaraes@fgv.br) on 2018-05-11T12:30:07Z (GMT) No. of bitstreams: 1 Tese_AdrianaBessa_versaofinal.pdf: 4846338 bytes, checksum: 5d2e8d52cd770e8fd17a4a9adee180d2 (MD5) / Made available in DSpace on 2018-05-11T12:30:08Z (GMT). No. of bitstreams: 1 Tese_AdrianaBessa_versaofinal.pdf: 4846338 bytes, checksum: 5d2e8d52cd770e8fd17a4a9adee180d2 (MD5) Previous issue date: 2018-04-24 / A previsão de vendas é um aspecto crítico para maior parte das organizações, já que permite tornar o processo de planejamento mais eficiente, impactando assim nos resultados a serem obtidos pelas empresas. Entre as diversas técnicas de previsão, temos o grupo de métodos estatísticos clássicos e os métodos avançados, que trazem uma contribuição no tratamento das não linearidades. É neste contexto, que surge o problema desta dissertação: Quais são as técnicas que apresentam maior acurácia quando aplicadas para previsão de vendas no varejo de moda? Para responder a esta questão, esse trabalho avaliou dez métodos de previsão: Naive, SARIMA, SARIMA com exógenas, SARIMA GARCH, SARIMA GARCH com exógenas, método atual utilizado pela empresa estudada, rede neural MLP, rede neural MLP com exógenas, rede neural recorrente LSTM e rede neural recorrente LSTM com exógenas para quatro séries de quantidades vendidas de categorias de produtos distintas de uma empresa varejista do setor de moda. É fundamental destacar, que de forma casual, a pesquisa identificou que as quatro séries semanais de vendas dos produtos analisados são estacionárias, considerando um período longo de dez anos, o que por si só já é um resultado relevante. A análise dos diversos métodos de previsão para cada série de produto mostrou que os métodos avançados superaram os métodos estatísticos clássicos e, mais especificamente, a rede neural recorrente LSTM foi a que apresentou a maior precisão. Sendo assim, não há dúvidas que adoção dos métodos avançados para as empresas, que atuam no varejo de moda, pode trazer melhorias significativas em termos de gestão de estoque, de gestão da cadeia de abastecimento e de gestão de caixa, garantindo um aumento de eficiência e dos resultados das mesmas. De forma prática, para a empresa estudada foi obtido um incremento de acuracidade de 54,32%. / The sales forecasting is a critical aspect for most organizations, since it allows to make the planning process more efficient, thus impacting the results to be obtained by the companies. Among the various forecasting techniques, we have the group of classical statistical methods and the advanced methods, which make a contribution in the treatment of nonlinearities. It is in this context, that the problem of this dissertation arises: What are the techniques that present the greatest accuracy when applied to forecast sales in fashion retail? In order to answer this question, this study evaluated ten predictive methods: Naive, SARIMA, SARIMA with exogenous, SARIMA GARCH, SARIMA GARCH with exogenous, current method used by the studied company, MLP neural network, MLP neural network with exogenous, recurrent neural network LSTM and LSTM recurrent neural network with exogenous for four series of quantities sold from product categories distinct from a retailer in the fashion industry. It is important to highlight that, on a casual basis, the research identified that the four weekly series of sales of the analyzed products are stationary, considering a long period of ten years, which in itself is already a relevant result. The analysis of the various prediction methods for each product series showed that the advanced methods overcame the classic statistical methods and, more specifically, the recurrent neural network LSTM was the one that presented the highest precision. Therefore, there is no doubt that adoption of the advanced methods for companies that operate in fashion retail can bring significant improvements in terms of inventory management, supply chain management and cash management, ensuring an increase in efficiency and in its results. In practice, for the company studied, an accuracy increase of 54.32% was obtained.