Modelo híbrido ARIMA-XGBoost para previsão de demanda e definição de parâmetros de estoque de EPIs : aplicação prática na área de suprimentos de uma indústria.

Abstract

A gestão eficiente de estoques é um fator crı́tico para a competitividade industrial, exigindo o equilı́brio entre a disponibilidade de materiais, evitando rupturas, e a minimização de ca- pital imobilizado que pode ser investido em outras frentes. O presente trabalho tem como objetivo desenvolver e aplicar um modelo de previsão de demanda hı́brido, combinando os métodos ARIMA (AutoRegressive Integrated Moving Average) e XGBoost (Extreme Gradient Boosting), para melhorar a definição dos parâmetros de estoque de equipamen- tos de proteção individual (EPIs) em uma indústria de aluminas especiais. A metodologia caracterizou-se como um estudo de caso de natureza aplicada, utilizando dados históricos de consumo do perı́odo de junho de 2022 a novembro de 2025. O processamento dos da- dos envolveu a automação da extração via scripts em Python, estruturação em banco de dados SQL e modelagem preditiva em linguagem R. Os resultados demonstraram que o modelo hı́brido obteve uma acurácia global ponderada (baseada no WMAPE) de 77,65% nos meses testados para um grupo de itens. A redefinição dos parâmetros sugerida pelo modelo evidenciou oportunidades de redução nos nı́veis de estoque mı́nimo de itens de Classe A, liberando capital de giro, além do dimensionamento de itens com Lead Time elevado. Conclui-se que a abordagem proposta oferece um desempenho satisfatório, pro- porcionando agilidade no processamento das informações e oferecendo uma metodologia para o gestor de estoque.