Uma metodologia para a previsão de demanda de produtos utilizando redes neurais artificiais de funções de bases radiais modificadas e uma proposta de logística de reposição

Abstract

Resumo: Um dos principais problemas enfrentados no planejamento estratégico da cadeia de suprimentos de qualquer empresa é a previsão de demanda dos produtos e/ou serviços necessários. Obter informações da tendência do comportamento da demanda futura é imprescindível para a melhoria do nível de serviço em todos os setores de uma empresa. O problema abordado neste trabalho é a previsão de vendas de produtos aplicada a um sistema de reposição no varejo supermercadista. A programação de reposição de produtos pode ser otimizada de forma a maximizar a satisfação dos clientes (encontrando seus produtos nas lojas), minimizando a ruptura (falta de produtos nas gôndolas) dos mesmos e evitando a superestocagem. Estuda-se neste trabalho, de uma forma particular, o problema da ruptura que pode ocorrer na transição de produtos do Centro de Distribuição (CD) à Loja (CD-Loja). Utiliza-se, para isso, um método quantitativo clássico para a previsão de séries temporais, o algoritmo das Redes Neurais Artificiais de Função de Base Radial ou, simplesmente, Redes de Bases Radiais (RBF). Propõe-se neste trabalho, além de uma modificação no algoritmo das RBF, também um método qualitativo de interpretação dos resultados de previsão, com o estabelecimento de limites de estoque para cada produto de cada loja da rede. Analisou-se vários algoritmos de agrupamentos de padrões que podem ser utilizados na 2ª etapa do algoritmo das RBF e uma forma otimizada para se definir os seus parâmetros. Para melhor ilustrar a proposta, tomou-se por base dados reais de uma rede supermercadista, a qual utilizava o algoritmo das médias móveis para a previsão das séries temporais aplicado a um método de reposição baseada no tradicional método do ponto de pedido. Os resultados obtidos foram altamente satisfatórios reduzindo a ruptura CD-Loja, em média, de 12% para menos de 1% nos hipermercados e de 15% para cerca de 2% nos supermercados, gerando inúmeras vantagens competitivas para a empresa.

Abstract: A major problem faced in the supply chain strategic planning of any company is the demand forecasting for products and / or services required. Information from the tendency of the behavior of future demand is essential to improve the service level in all company sectors. The problem addressed in this paper is sales forecasting of products applied to a replacement system in the retail supermarket. The schedule of replacement products can be optimized to maximize customer satisfaction (finding the products in the store), minimize the disruption (lack of products on the shelves) and avoid the super storage. It is studied in this paper, in a particular form, the disruption problem that may occur in the products transition from Distribution Center (DC) to Shop (DC-Store). It is used to this, a quantitative method for the classical time-series forecasting, the algorithm Neural Network Radial Basis Function or simply Radial Basis Networks (RBF). It is proposed in this work a change in the algorithm of RBF and also a qualitative method of interpreting the forecast results, with the establishment of limits of stock for each product at each store network. It was analyzed several algorithms for clusters of patterns that may be used in Step 2 of the RBF algorithm and an optimized way to define its parameters. To better illustrate the proposal, has become based on real data from a supermarket network, which uses the algorithm of moving averages to forecast time series applied to a reset method based on the traditional method from the point of application. The results were highly satisfactory reducing the break-CD Shop, on average, form 12% to less than 1% in hypermarkets and from 15% to about 2% in supermarkets, generating many competitive advantages for the company.