Análise do impacto das tecnologias disruptivas da quarta revolução industrial utilizando métodos de previsão de demanda: um estudo de caso em empresa do varejo alimentício
Resumo
A quarta revolução industrial, junto às tecnologias da informação, visa viabilizar maiores graus de customização em massa, bem como potencializar vantagens competitivas no âmbito industrial. Este trabalho objetiva apresentar os conceitos da quarta revolução industrial, os quais são: Indústria 4.0, Logística 4.0 e Gestão da Cadeia de Suprimentos 4.0 e realizar uma análise do impacto das tecnologias disruptivas que fazem parte dessa onda 4.0, comparando modelos de previsão de demanda. Nesse contexto, o projeto consiste em um estudo de caso em uma empresa do varejo alimentício para analisar e o impacto do uso das tecnologias na acuracidade da previsão da demanda em uma família de produtos. Como resultados, o método Amortecimento de Holt-Winters apresentou o menor erro e, a utilização desse modelo atrelado à adoção de tecnologias como machine learning e IoT possibilitariam um melhor abastecimento dos pontos de vendas e uma maior agilidade na gestão da cadeia de suprimentos.Downloads
Referências
BAHRIN, M.; OTHMAN, F.; AZLI, N.; TALIB, M. Industry 4.0: A review on industrial automation and robotic. Journal Teknologi, v. 78, n. 6-13, p. 137–143, 2016.
BAR, K.; ZAZA, N.; HERBERT-HANSEN, L.; KHALID, W. Considering Industry 4.0 aspects in the supply chain for an SME. Production Engineering, v. 12, n. 6, p. 747-758, 2018.
BOUZADA, M. A. C. Aprendendo Decomposição Clássica: Tutorial para um Método de Análise de Séries Temporais. TAC, Rio de Janeiro, v. 2, n. 1, art. 1, p. 1-18, 2012.
CHOPRA, S.; MEINDL, P. Gestão da Cadeia de Suprimentos: Estratégia, Planejamento e Operações. 6. ed. Pearson Universidades, 2016.
CORRÊA, H. L. A Indústria 4.0 e suas implicações para as cadeias de suprimentos. Revista Mundo Logística, 2019.
EAVES, A. Forecasting for the ordering and stock-holding of consumable spare parts. (PhD thesis) - Lancaster University, Department of Management Science. Lancaster, 2002.
FISCHER, S. Séries univariantes de tempo: metodologia de Box & Jenkins. v. 1000, p. 3, 1982.
FREITAS, M. M. B. C.; FRAGA, M. A. F.; SOUZA, G. P. L. Logística 4.0: conceitos e aplicabilidade: uma pesquisa-ação em uma empresa de tecnologia para o mercado automobilístico. Caderno PAIC, v. 17, n. 1, p. 237–261, 2016.
HASAN, S.; RENNIE, A. E. W.; HASAN, J. The business model for the functional rapid manufacturing supply chain. Studia Commercialia Bratislavensia, v. 6, n. 4, p. 536-552, mar. 2013.
HAYKIN, S. Redes Neurais: Princípios e Prática. 2. ed. Porto Alegre: Bookman, 2001.
HEUSER, C. A. Projeto de banco de dados. 4. ed. Porto Alegre: Bookman, 2008.
HOFFMANN, R. Análise de Regressão: Uma Introdução a Econometria. 3. ed. Editora Hucitec, 2006.
JAZDI, N. Dynamic calculation of the reliability of factory automation applications. IEEE International Conference on Automation, Quality and Testing, Robotics (AQTR), ClujNapoca, Romania, 2016.
KOEHLER, A. B.; SNYDER, R. D.; ORD, J. K. Forecasting Models and Prediction Intervals for the Multiplicative Holt-Winters Method. International Journal of Forecasting, v. 17, n. 2, p. 269-286, 2001.
KUPFER, D. Indústria 4.0 Brasil. Valor Econômico, 2016.
LAMBERT, D. M.; COOPER, M. C.; PAGH, J. D. Supply Chain Management: Implementation Issues and Research Opportunities. International Journal of Logistics Management, v. 9, n. 2, p. 1-20, jul. 1998.
LEMOS, A. A comunicação das coisas: Internet das Coisas e Teoria Ator-Red. Cyber Arte Cultura, 2012.
LUMMUS, R. R.; VOKURKA, R. J. Defining supply chain management: a historical perspective and practical guidelines. Industrial Management & Data Systems, v. 9, n. 1, p. 11-17, fev. 1999.
MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: Methods and Applications. 3. ed., New York: John Wiley & Sons, 1998.
MORETTIN, P.; TOLOI, C. Análise de séries temporais. São Paulo: Edgard Blücher, 2004.
PARMEZAN, A. R. S.; BATISTA, G. E. A. P et al. Descrição de modelos estatísticos e de aprendizado máquina para predição de séries temporais. São Carlos: ICMC-USP, 2016.
PELLEGRINI, F. R.; FOGLIATTO, F. S. Passos para Implantação de Sistemas de Previsão de Demanda Técnicas e Estudo de Caso. Revista Produção, v. 11, n. 1, p. 43-64, nov. 2001.
PETRISOR, I.; COZMIUC, D. Global Supply Chain Management Organization At Siemens In The Advent Of Industry 4.0. Global Intermediation and Logistics Service Providers, p. 123-142, 2017.
RITZMAN, L. P.; KRAJEWSKI, L. J. Administração da produção e operação. São Paulo: Abdr, 2004.
TAFNER, M. A. Redes Neurais Artificiais: Aprendizado e Plasticidade. Cérebro & Mente, v. 2, n. 5, mar. 1998.
TAYLOR, J. Short-term Electricity Demand Forecasting Using Double-seasonal Exponential Smoothing. Journal of Operational Research Society, v. 54, n. 8, p. 99–805, ago. 2003.
TEN HOMPEL, M.; KERNER, S. Logistik 4.0: Die Vision vom Internet der autonomen Dinge. Informatik-Spektrum, v. 38, n. 3, p. 176–182, 2015.
TUBINO, D. F. Planejamento e Controle da Produção: Teoria e Prática. 2. ed. São Paulo: Atlas, 2009.
VDE ASSOCIATION FOR ELECTRICAL, ELECTRONIC & INFORMATION TECHNOLOGIES. The German Standardization Roadmap Industrie 4.0. 1. ed. Frankfurt: DKE, 2013.
VERÍSSIMO, A. J. et al. Métodos Estatísticos de Suavização Exponencial Holt-winters para Previsão de Demanda em uma Empresa do Setor Metal Mecânico. Revista Gestão Industrial, v. 8, n. 4, p. 154-171, 2012.
WANG, S.; WAN, J.; LI, D.; ZHANG, C. Implementing Smart Factory of Industrie 4.0: An Outlook. International Journal of Distributed Sensor Networks, v. 12, p. 1-10, jan. 2016.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Refas - Revista Fatec Zona Sul
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1 - As fontes dos dados, as autorizações pertinentes e os textos publicados na revista são de inteira responsabilidade de seus autores.
2 - É permitida a reprodução, desde que citada a fonte e o autor.
3 - Após o artigo aprovado, o autor principal deverá enviar declaração, conforme o modelo:
Refas - Revista Fatec Zona Sul
Autorização par publicação
(Nome do autor), (no caso de vários autores citar todos), autorizo (ou autorizam, no caso de diversos autores) a publicação do artigo (nome do artigo), com exclusividade para a primeira publicação pela Revista Fatec Zona Sul, em meio eletrônico.
A contribuição é original e inédita, e não está sendo avaliada para publicação por outra revista; caso contrário, deve-se justificar em "Comentários ao editor".
Dados de todos os autores:
Nome completo:
Instituição:
E-mail:
Telefone:
Obs.: Informar os códigos dos serviços DDD e DDI.
Assinatura do autor principal: ____________________________________
Aviso de Direito Autoral
Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
b) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
c)Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons CC Attribution-NonCommercial-NoDerivatives 4.0, acessável em Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.