Previsão e Séries Temporais para Tomada de Decisão Empresarial em uma Indústria Moveleira da Região de Criciúma–SC

Authors

  • Fernanda Cristina Barbosa Pereira Queiroz Universidade Federal do Rio Grande do Norte - UFRN (RN)
  • Hélio Roberto Hékis Universidade Federal do Rio Grande do Norte - UFRN (RN)
  • Dalliane Vanessa Pires Andrade Universidade Federal do Rio Grande do Norte - UFRN (RN)
  • Jamerson Viegas Queiroz Universidade Federal do Rio Grande do Norte - UFRN (RN)
  • Danielle Moraes de Macêdo Universidade Federal do Rio Grande do Norte - UFRN (RN)

DOI:

https://doi.org/10.16930/2237-7662/rccc.v11n32p26-42

Keywords:

Previsão, Séries temporais, Decisões empresariais.

Abstract

Uma previsão adequada deve dar suporte a uma decisão minimizadora de risco por parte dos tomadores de decisão, sendo essencial para o planejamento individual e organizacional de agentes econômicos. Neste sentido, o objetivo deste artigo é realizar um estudo sobre previsão e séries temporais para tomada de decisão empresarial em uma indústria moveleira da região de Criciúma-SC. A metodologia utilizada fundamenta-se na construção de modelos univariados de previsão de preços, com base em dados de séries temporais. O estudo é classificado como exploratório, bibliográfico e um estudo de caso com dados quantitativos. Há uma grande variedade de modelos aplicáveis a estudos desta natureza. Para fins desta pesquisa, optou-se por selecionar o método linear Holt e Holt-Winters e o modelo ARIMA (Auto Regressive Integrate Moving Average). Procurou-se, neste sentido, apresentar os diferentes modelos disponíveis na literatura, objetivando estimar a demanda por móveis para banheiro e projetar vendas futuras. Os resultados mostraram que o modelo ARIMA (Auto Regressive Integrate Moving Average) não se mostrou eficiente no caso analisado, devido ao número pequeno de dados, o que impossibilitou uma análise da sazonalidade, sugerindo-se que a empresa utilize o método de Holt, a fim de estimar o número de produtos a ser vendido e que, à medida que os novos produtos sejam vendidos, os demais modelos sejam testados novamente, uma vez que a incorporação de novos dados irá permitir confirmar a existência ou não da sazonalidade.

Author Biographies

Fernanda Cristina Barbosa Pereira Queiroz, Universidade Federal do Rio Grande do Norte - UFRN (RN)

Doutora em Engenharia de Produção pela Universidade Federal de Santa Catarina (2003), mestrado em Engenharia de Produção pela Universidade Federal de Santa Catarina (1999) e graduação em Ciências Econômicas pela Universidade Federal de Juiz de Fora (1997). Atualmente é professora Adjunto I da Universidade Federal do Rio Grande do Norte. Tem experiência nas áreas de Engenharia de Produção, Economia e Administração, com ênfase em Estratégia e Gestão Universitária, atuando principalmente nos seguintes temas: análise estatística, competitividade e inovação, gestão da qualidade. É avaliadora Institucional e de cursos do INEP/MEC.

Hélio Roberto Hékis, Universidade Federal do Rio Grande do Norte - UFRN (RN)

Doutor em Engenharia de Produção e Serviços - Área de concentração - Gestão de Negócios pela Universidade Federal de Santa Catarina - UFSC (2004). Mestre em Administração - Gestão Estratégica das Organizações pela Universidade do Estado de Santa Catarina - UDESC/ESAG (1999). Especialista em Auditoria Empresarial pela Universidade Federal de Santa Catarina UFSC (1992). Graduação em Ciências Contábeis pela Universidade Federal de Santa Catarina - UFSC (1988). Atualmente é Professor Adjunto, do Curso de Engenharia de Produção da Universidade Federal do Rio Grande do Norte - UFRN. Avaliador institucional e de cursos pelo INEP/MEC. Foi Diretor Geral da Faculdade Estácio de Vitória - ES. Diretor Geral da Faculdade Estácio de Sá de Vila Velha - ES. Conselheiro do Conselho Regional do Estado
de Santa Catarina - CRC/SC. Avaliador do Prêmio Inovação na Gestão Pública do Espírito Santo - INOVES. Avaliador Institucional e de Cursos pelo Conselho Estadual de Santa Catarina - CEE-SC. Pesquisador em competitividade, inovação e estratégia de gestão. Professor no curso de Mestrado em Engenharia de Produção da UFRN na área de Gestão do Conhecimento.

Dalliane Vanessa Pires Andrade, Universidade Federal do Rio Grande do Norte - UFRN (RN)

Mestranda em Engenharia de Produção pela Universidade Federal do Rio Grande do Norte - UFRN, Brasil. Especialização em andamento em Gestão Tributária e Fiscal, pela Faculdade Natalense para o Desenvolvimento do Rio Grande do Norte, FARN, Brasil. Possui graduação em Ciências Contábeis pela Universidade Federal do Rio Grande do Norte (2009).

Jamerson Viegas Queiroz, Universidade Federal do Rio Grande do Norte - UFRN (RN)

Doutor em Engenharia de Produção pela Universidade Federal de Santa Catarina (2003), mestrado em Economia pela Universidade Federal de Santa Catarina (2000) e graduado em Ciências Econômicas pela Universidade da Amazônia (1996). Teve sua primeira experiência como professor universitário em 1999 na Universidade do Extremo Sul de Santa Catarina (UNESC). Atualmente é professor Adjunto da Universidade Federal do Rio Grande do Norte. Professor do mestrado em Engenharia de Produção da UFRN. Tem experiência na área de Economia, com ênfase em elaboração e analise de projetos de fomento nacional e internacional, Macroeconomia e Microeconomia. Atua em pesquisas que tem como foco os seguintes temas: Capitação de recursos, gestão estratégica e gestão universitária e hospitalar . É avaliador Institucional e de cursos do INEP/MEC.

Danielle Moraes de Macêdo, Universidade Federal do Rio Grande do Norte - UFRN (RN)

Mestranda em Engenharia de Produção na linha de pesquisa de Estratégia e Qualidade, na Universidade Federal do Rio Grande do Norte, UFRN, Brasil. Possui graduação em Engenharia de Produção pela Universidade Federal do Rio Grande do Norte (2010).

Published

2024-03-15

How to Cite

Queiroz, F. C. B. P., Hékis, H. R., Andrade, D. V. P., Queiroz, J. V., & Macêdo, D. M. de. (2024). Previsão e Séries Temporais para Tomada de Decisão Empresarial em uma Indústria Moveleira da Região de Criciúma–SC. Revista Catarinense Da Ciência Contábil, 11(32), p. 26–42. https://doi.org/10.16930/2237-7662/rccc.v11n32p26-42