Modelo de previsão SARIMA aplicado na indústria automobilística brasileira: previsão de demanda de veículos para pessoas com deficiência e taxistas

Abstract

A produção de automóveis no Brasil vem apresentando um crescimento muito significativo nos últimos anos devido à grande demanda no território nacional. Para suprir a necessidade deste tipo de mercado, é necessário um bom planejamento para que as montadoras mantenham a competitividade no mercado, e um dos setores de automóveis que vem apresentando uma grande expansão de demanda é a venda de veículos para Pessoas com Deficiência (PCD) e Taxistas. Para manter a competitividade neste mercado é importante a escolha de estratégias mais eficazes. Para isso, é importante a avaliação e estudo por meio de previsão de séries temporais. Este trabalho tem como objetivo aplicar o modelo de previsão de Médias Móveis Integradas autoregressivas Sazonais (SARIMA) em uma série histórica mensal referente ao faturamento de veículos para Pessoas com Deficiência e Taxistas entre o período de Fevereiro de 2011 a Julho de 2019. Foi possível obter o modelo SARIMA (2,2,4)x(0,2,2), sendo o mais adequado para a previsão.

The automobile production in Brazil has been presenting a very significant growth in the last years due to the great demand in the national territory. To meet the need for this type of market, good planning is needed for automakers to remain competitive in the market, and one of the auto sectors that has been experiencing a major expansion in demand is the sale of vehicles for People with Disabilities (PWD) and taxi drivers. To remain competitive in this market, it is important to choose the most effective strategies. For this, it is important to evaluate and study through the prediction of time series. The objective of this paper is to apply the Seasonal Autoregressive Integrated Moving Average (SARIMA) forecasting model in a monthly historical series regarding the invoicing of vehicles for People with Disabilities and Taxi drivers from February 2011 to July 2019. It was possible to obtain the SARIMA (2,2,4) x (0,2,2) model, being the most suitable for the forecast.