Resumo: O presente estudo propõe um modelo baseado em Redes Neurais Artificiais (RNA) para Previsão de Vendas adequado a um processo de Gestão da Demanda. Para tanto, realizamos a avaliação e aperfeiçoamento geral do processo de negócio da Gestão da Demanda (GD), tendo como foco principal os métodos de Previsão de Vendas (PV) e servindo-nos do processo e dos dados históricos de uma grande empresa de máquinas agrícolas. Após uma revisão sobre o processo de GD, uma avaliação dos métodos de PV atuais da empresa foi realizada. A partir da revisão bibliográfica sobre ambos os temas, um modelo matemático de RNA foi desenvolvido em sintonia com um processo de GD, ambos aplicados à empresa. O modelo de previsão é considerando aqui como parte de um processo de GD, sendo função de variáveis distintas de mercado, levando em considerações diversas características, incluindo horizonte de planejamento, padrões da demanda, acurácia e a aplicabilidade dos métodos. Os resultados dos modelos testados de RNA foram comparados aos métodos de Regressão Múltipla e Suavização Exponencial. O modelo de Suavização, o qual faz uso apenas da série histórica de vendas para realizar a previsão, foi o que apresentou performance menos satisfatória. Os métodos causais de Regressão Múltipla e Redes Neurais Artificiais, por sua vez, exibiram uma boa performance, semelhantes entre si. A Regressão Múltipla, cuja aplicação é mais usual na literatura, exibiu desvios menores que a RNA em algumas das medições de acurácia utilizadas. A pesquisa apresenta tanto contribuição de natureza teórica, uma vez que a literatura não abrange métodos previsão de vendas para produtos similares, como de natureza prática, pois colabora de forma concreta para o meio empresarial, em particular para uma empresa de grande porte. Contribui ainda com o uso empírico da técnica de Inteligência Artificial que, apesar de ser conhecida há mais de meio século, ainda é tida como um método de difícil implantação Ver menos

Abstract: The presented study proposes a model based in Artificial Neural Networks (ANNs) for sales forecasting, suitable for the Demand Management process. We performed the valuation and improvement of the business process for demand management, focusing on sales forecasting methods and using the data series from a large company of agricultural machinery. After the review of the current process we we evaluated the current forecasting method. An algorithm model of ANNs has been developed in parallel to the process. The forecasting models were considered as part of the demand management and have distinct market variables in its main function. Some of the characteristics considered include planning horizon, demand patterns, accuracy and applicability of methods. The results of the ANNs models were compared with the exponential smoothing and multiple regression methods. The first, which uses only the sales history series to perform the forecast, was the one with worst results. The multiple regression and the artificial neural networks, which are known as causal methods, presented good performance, similar to each other. The multiple regression even showed less errors than the ANNs in some of the error measures we have used. This research presents contribution for the theory of forecasting methods, once there is not much of research for similar products. The contribution of this study is also practical, since it collaborates with a company's reality, in particular a large enterprise Ver menos