Previsão de demanda de peças sobressalentes utilizando rede neural artificial

Abstract

Em relação à manutenção de ativos, sabe-que que a previsão de demanda para reposição de peças é uma condição importante para a gestão de estoques, visando diminuir custos e evitar a obsolescência de produtos. É evidente que a utilização de métodos preditivos com maior grau de precisão é uma ferramenta fundamental nesse contexto, frente à falta de peças e a super estocagem. Desse modo, o presente trabalho tem por objetivo avaliar o desempenho de uma rede neural artificial na predição de demanda de peças de reposição de um setor de manutenção de tratores agrícolas. Para isso, utilizou-se como método de avaliação e monitoramento a análise dos erros percentuais médios absolutos da previsão. Com intuito de alcançar o objetivo proposto, buscou-se, primeiramente, o estudo dos principais aspectos teóricos relacionados à gestão de estoques e aos métodos de previsão de demanda. Posteriormente, foi feita a seleção das redes Elman para o estudo, e em relação à seleção de peças para análise, ferramentas de gestão de estoques foram utilizadas, visando explorar itens importantes para o setor. Mediante a utilização da metodologia proposta, os resultados mostraram que as redes neurais possuem uma boa aplicação para o contexto em questão, pois, além de apresentar configurações com erros aceitáveis, por várias vezes a rede acertou os picos de maiores e menores demandas, análise importante para a gestão de estoques. Palavras-chave: Manutenção; Gestão de Estoques; Previsão de Demanda; Redes Neurais.