Estudo dos métodos de previsão de demanda aplicado em uma empresa de auditorias médicas

Resumen

A previsão de demanda é um dos principais fatores para a eficiência do gerenciamento das organizações, afetando diretamente a lucratividade do negócio. Quanto maior a acurácia da previsão de demanda melhor será o desempenho empresarial. Neste ideal, métodos de combinação de previsões e suas previsões individuais vêm sendo constantemente comparados. O objetivo principal deste trabalho é averiguar como as redes neurais artificiais (RNA) e o modelo de combinação por regressão se comportam frente a uma série de dados reais (divergentes), métodos encontrados como melhores no estudo de simulação (séries estacionárias) em Mancuso (2013). Aplicado aos dados de demanda dos serviços na área de auditoria médica, três técnicas de previsão foram avaliadas: RNA, Box-Jenkins (ARIMA), alisamento exponencial; e três combinações foram consideradas: média simples (aritmética), variância mínima e regressão. Os resultados demonstram a superioridade dos métodos de combinação, em termos precisão, comparados às previsões individuais.Acombinação por regressão obteve as previsões mais acuradas, mas as previsões obtidas com RNA não apresentaram o mesmo destaque.

Demand forecasting is a major factor for the efficiency of the management of organizations, directly affecting business profitability. Higher accuracy of the prediction, better the business performance. In this ideal, methods of combining individual forecasts and their forecasts are being constantly compared. The main objective of this work is to investigate how artificial neural networks (ANN) and regression model combination behave in the face of a series of real data (divergent), better methods found in the simulation study (stationary series) in Mancuso (2013). Applied to demand data services in the area of medical audit, three forecasting techniques were evaluated: ANN, Box-Jenkins (ARIMA), exponential smoothing, and three combinations were considered: simple average (arithmetic mean), minimum variance and regression. The resultsdemonstrate the superiority of combination methods, in terms precision, compared to individual forecasts.The combining regression obtained the most accurate predictions, but the predictions obtained with RNA did not show the same prominence.