Estudo de previsão preditiva de demanda de peças de reposição para máquinas de construção, através de séries temporais

Abstract

Resumo : O presente estudo realiza a previsão preditiva de demanda de peças de reposição para máquinas de construção utilizando séries temporais. O objetivo central é melhorar a gestão de manutenção e a disponibilidade de peças, garantindo maior precisão nas previsões de demanda e receita, minimizando interrupções operacionais. Inicialmente, realizou-se o mapeamento de uma frota de máquinas de construção, classificando-as em quartis com base em dados de telemetria, como horas de operação, utilizando a metodologia ARIMA, um modelo estatístico de séries temporais, para prever o horímetro das máquinas nos próximos 12 meses. Após isso, integraram-se essas previsões ao catálogo de peças de reposição do fabricante, considerando a vida útil definida pela engenharia. A identificação do momento exato em que uma peça está prestes a falhar, com base nas horas de uso, é crítica para a precisão das previsões, por isso avaliaram-se também as falhas e trocas de um determinado período para validar as previsões, ajustando os modelos de acordo com o histórico de falhas de determinada peça. Destaca-se no estudo a importância de uma rede robusta de distribuidores para cobrir todas as regiões do Brasil, facilitando a sinergia entre fábrica e distribuidores para proporcionar uma experiência de pós-venda de alta qualidade. A capacidade de atender rapidamente às demandas, minimizar o tempo de inatividade e garantir a disponibilidade de peças em estoque são diferenciais competitivos, que serão beneficiados com o projeto. Por fim, o estudo analisou o desgaste dos componentes a partir do ciclo de vida do produto, exemplificado por um grupo de injetores, ajustando o planejamento de manutenção para maximizar a eficiência e reduzir o tempo de inatividade das máquinas. O estudo teve na metodologia desenvolvida um aumento significativo na precisão das previsões de utilização horária e substituição de componentes, reduzindo os erros de estimativas e melhorando a gestão de estoque e suprimentos. Os resultados obtidos indicam que a aplicação do modelo não apenas melhora a eficiência operacional, mas também reforça a posição competitiva da empresa no mercado de máquinas de construção. O estudo também sugere que a metodologia pode ser expandida para outros componentes, ampliando os benefícios para toda a cadeia de pós-venda

Abstract : This study carries out predictive demand forecasting for spare parts for construction machinery using time series. The main objective is to improve maintenance management and parts availability, ensuring greater accuracy in demand and revenue forecasts and minimizing operational interruptions. Initially, a fleet of construction machines was mapped, classified into quartiles based on telemetry data, such as operating hours, using the ARIMA methodology, a statistical time series model, to forecast the machines' hour meter over the next 12 months. These forecasts were then integrated with the manufacturer's spare parts catalog, considering the useful life defined by engineering. Identifying the exact moment when a part is about to fail, based on hours of use, is critical to the accuracy of the forecasts, which is why the failures and replacements of a given period were also evaluated to validate the forecasts, adjusting the models according to the failure history of a given part. The study highlights the importance of a robust network of distributors to cover all regions of Brazil, facilitating synergy between the factory and distributors to provide a high-quality after-sales experience. The ability to meet demands quickly, minimize downtime and guarantee the availability of parts in stock are competitive differentials that will benefit from the project. Finally, the study analyzed component wear based on the product's life cycle, exemplified by a group of injectors, adjusting maintenance planning to maximize efficiency and reduce machine downtime. The study found that the methodology developed significantly increased the accuracy of hourly utilization and component replacement forecasts, reducing estimation errors and improving stock and supply management. The results obtained indicate that the application of the model not only improves operational efficiency but also strengthens the company's competitive position in the construction machinery market. The study also suggests that the methodology can be expanded to other components, extending the benefits to the entire after-sales chain