Previsão de demanda: uma aplicação dos modelos Box-Jenkins na área de assistência técnica de computadores pessoais Demand forecasting: an application of the Box-Jenkins models in the technical assistance of personal computer

Gestão & Produção

卷:10

关键词: previsão de demanda;    modelos Box-Jenkins;    modelos ARIMA;    séries temporais;    assistência técnica;    forecasting;    Box-Jenkins models;    ARIMA models;    time series;    technical assistance;   

DOI  :  10.1590/S0104-530X2003000100005

来源: DOAJ

【 摘 要 】

A previsão de demanda é uma atividade importante para auxiliar na determinação dos recursos necessários para a empresa. Neste artigo, a metodologia de Box-Jenkins foi utilizada para analisar dados históricos de uma empresa de assistência técnica de computadores pessoais e obter previsões do número de atendimentos. A empresa estudada apresenta três tipos de clientes diferenciados: contratos, garantia e avulsos. Como cada segmento de clientes tem suas peculiaridades, a previsão de demanda foi direcionada a cada tipo, buscando representar o comportamento de tendência e a sazonalidade por meio dos modelos de Box-Jenkins. A obtenção dos modelos mais adequados foi baseada na análise de gráficos e em testes estatísticos próprios da metodologia, os quais subsidiaram a decisão de adotar o modelo AR(1) para prever o número de atendimentos dos clientes tipo contrato, o modelo ARIMA(2,1,0) para os clientes tipo garantia e um modelo sazonal SARIMA(0,1,0)(0,1,1)12 para os clientes tipo avulsos.
Demand forecasting is an important tool to aid on the determination of necessary resources of a given company. In this paper, the Box-Jenkins methodology was applied to analyze historical data of a personal computer repair company and provide a forecast for the number of service calls. The company studied presents three segments of clients: contracts, warranty, and on-call. As each client has it own characteristics, in order to better represent tendency and seasonality behavior through the Box-Jenkins models, a specific forecasting model was developed for each segment. The choice of the optimum models were based into graphic analysis and statistical tests, which lead to the decision of adopting the AR(1) model to foresee the number of contract clients, the ARIMA(2,1,0) model for warranty clients and the SARIMA(0,1,0)(0,1,1)12 seasonal model for on-call clients.

【 授权许可】

Unknown