Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/97287
Title: Previsão da procura na indústria alimentar
Other Titles: Demand forecasting in the food industry
Authors: Norton, Sebastião Areosa da Cunha Martins
Orientador: Silva, Cristóvão
Keywords: Previsão; Procura; Planeamento; Vendas; Encomendas; Forecasting; Demand; Planning; Sales; Orders
Issue Date: 18-Jul-2019
metadata.degois.publication.title: Previsão da procura na indústria alimentar
metadata.degois.publication.location: Departamento de Engenharia Mecânica
Abstract: Num ambiente empresarial cada vez mais competitivo, as organizaçõesasseguram a sua sobrevivência através das suas vendas e da eficiência dos processos.É necessário que a previsão de vendas seja elaborada com a maior precisãopossível, para que não se produza em excesso, originando custos desnecessários e por outrolado, que não se incorra em défice de produção, não satisfazendo a procura. Com isto, se aprevisão falhar, haverá consequências em todas as áreas da organização.O documento inicia-se com uma análise crítica às áreas da organização onde asvendas têm um impacto mais direto, sendo elas o planeamento da produção e a gestão deencomendas. Posteriormente foi elaborada uma análise ao tipo de procura que os produtospossuem, bem como uma análise ao histórico de vendas da empresa.Este trabalho prossegue com a atribuição de um modelo de previsão adequado acada tipo de procura.Para testar a qualidade dos modelos, foi elaborado um documento Excel, queelabora as previsões de vendas de uma empresa do ramo alimentar de uma forma automática.O autor testou estes modelos através de dados reais já conhecidos, sendo então elaborada aprevisão de vendas para o ano de 2018 e consequentemente calculados os erros associados.Estes erros foram possíveis calcular, pois os dados da procura de 2018 já são conhecidos,sendo assim considerados, erros reais.Os resultados obtidos permitem tecer conclusões quanto à aplicabilidade dosmodelos, não só no que diz respeito ao modelo empresarial considerado, mas também aoutros, demonstrando que os resultados obtidos estão relativamente próximos da realidade.
In a very competitive business environment, the organizations secure their survivalthrough their sales and process efficiency.It is necessary that the sales forecasting is done with the most precision possible, so that itdoesn´t happen in excess, originating unnecessary costs and, from another point of view, itdoesn’t run into a production deficit, letting the demand unattended. With this, if theforecasting fails, there will be consequences in every area of the organization.The present document begins with a critical analysis of the different areas of theorganization where the sales have more impact, being the production planning and ordermanaging. After, we have an analysis of the different types of demand of each product, aswell as an analysis of the sales history of the company.It goes on with the allocation of a sales forecasting model to each demand type.To prove the veracity of those models, an Excel document was elaborated where,when submitting the demand history data, automatically returns the demand forecasting.The author tested these models, comparing them with real data, elaborating the salesforecasting for the year of 2018 and, in consequence, calculating the associated errors. Thiswas possible thanks to the demand data for 2018 being already known and in that way,considering them real errors.The paper allows to weave truthful conclusions as to the applicability of the models,not only for this business model, but also to other types, demonstrating that the results arerelatively close to reality.
Description: Dissertação de Mestrado em Engenharia e Gestão Industrial apresentada à Faculdade de Ciências e Tecnologia
URI: https://hdl.handle.net/10316/97287
Rights: openAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat
TESE SEBASTIÃO NORTON.pdf3.02 MBAdobe PDFView/Open
Show full item record

Page view(s)

86
checked on Oct 30, 2024

Download(s)

191
checked on Oct 30, 2024

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons