Previsão de demanda na produção de pão francês: um estudo de caso em uma padaria de supermercado

Abstract

Este trabalho tem como objetivo aplicar e comparar métodos quantitativos de previsão de demanda na produção de pão francês em uma padaria de supermercado, com o intuito de identificar a abordagem mais adequada para apoiar o planejamento da produção e reduzir desperdícios e rupturas de estoque. A pesquisa caracteriza-se como um estudo de caso de natureza aplicada, com abordagem quantitativa, utilizando dados históricos de vendas coletados entre abril e agosto de 2026, complementados por informações sobre variáveis como dia da semana, período de venda e temperatura ambiente. Foram aplicados diferentes métodos de previsão, incluindo Média Móvel Simples, Suavização Exponencial Simples, método de Holt, modelo de Holt-Winters e Regressão Linear Múltipla. O desempenho dos modelos foi avaliado com base nas métricas de erro MAE, RMSE e MAPE. Os resultados indicaram que a demanda apresenta comportamento influenciado principalmente por fatores temporais, como dia da semana e período do dia, evidenciando a presença de sazonalidade semanal. Entre os modelos analisados, o método de Holt apresentou o melhor desempenho geral, demonstrando maior capacidade de representar a dinâmica da demanda. Conclui-se que a aplicação de métodos quantitativos contribui significativamente para a melhoria do processo de tomada de decisão, permitindo um planejamento mais eficiente da produção em ambientes com elevada variabilidade, como no caso de produtos perecíveis.

This study aims to apply and compare quantitative demand forecasting methods in the production of French bread in a supermarket bakery, in order to identify the most appropriate approach to support production planning and reduce waste and stockouts. The research is characterized as a case study of an applied nature, with a quantitative approach, using historical sales data collected between April and August 2026, complemented by variables such as day of the week, sales period, and ambient temperature. Different forecasting methods were applied, including Simple Moving Average, Simple Exponential Smoothing, the Holt method, the Holt-Winters model, and Multiple Linear Regression. The performance of the models was evaluated based on the error metrics MAE, RMSE, and MAPE. The results indicated that demand behavior is mainly influenced by temporal factors, such as day of the week and time of day, evidencing the presence of weekly seasonality. Among the evaluated models, the Holt method presented the best overall performance, demonstrating greater capacity to represent the dynamics of demand. It is concluded that the application of quantitative methods significantly contributes to improving the decision-making process, enabling more efficient production planning in environments with high variability, such as perishable product operations.