Estudo sobre o método de previsão de demanda mais eficaz para uma loja de calçados

Abstract

O presente trabalho teve como objetivo determinar qual método quantitativo de previsão de demanda é mais alinhado para a loja Elza Costa Comércio de Calçados LTDA – ME, situada em Jundiaí – SP, tendo seu ramo no comércio varejista de calçados. A empresa apresenta problemas referentes à concorrência com as demais lojas da região e com suas vendas que variam em determinadas épocas do ano. Para auxiliar na sua gestão de estoque e ter maior eficiência foi necessário o levantamento dos dados dos produtos comercializados, os tipos de modelos (botas, chinelos, sandália, sapato, tamanco e tênis), os preços médios de vendas e as quantidades de vendas mensais de cada calçado nos anos de 2015, 2016 e 2017. A seguir os produtos foram classificados conforme a Curva ABC. Os quatro principais produtos (sandália, sapato, tamanco e tênis) foram submetidos aos métodos de previsão de demanda: Média Móvel Aritmética, Média Ponderada, Mínimos Quadrados e Suavização Exponencial. Os erros de previsão foram analisados e o método que melhor descreveu a demanda foi o dos Mínimos Quadrados.

The present work had the objective of determining which quantitative method of demand forecast is most aligned to the elza Costa Comércio de Calçados LTDA - ME store, located in Jundiaí - SP, operating in the footwear retail trade. the company presents problems regarding competition with other stores in the region and its sales vary at certain periods of the year. In order to assist its inventory management and to be more efficient, it was necessary to collect data on marketed products, types of models (boots, slippers, sandals, shoes, clogs and sneakers), average sales prices and monthly sales quantities of each footwear in the years 2015, 2016 and 2017. the products were then classified according to the abc curve. the four main products (sandals, shoes, clogs and sneakers) were submitted to the methods of demand forecast: Arithmetic Moving Average, Weighted Average, Least Squares and Exponential Smoothing. The prediction errors were analyzed and the method that best described the demand was the least squares method