Exponential weighting and decomposition times series applied to forecast the volume of cargo handling at International Airport of Sao Paulo

Transcrição

1 Ouubro de 2010, vol. 02, n o. 10 Ponderação exponencial e decomposição em séries emporais aplicadas à previsão do volume de movimenação de carga no Aeroporo Inernacional de São Paulo Tiago José Menezes Gonçalves <iagojmg@ia.br> Raquel Milina de Moraes Bezerra <rm.bezerra@geciv.uenf.br> Armando Gonçalves Madeira Junior <madeira@ia.br> Célio Caruso Gomes <celio.caruso@pernambucanas.com.br> Mischel Carmen Neyra Belderrain <carmen@ia.br> Resumo: A realização de previsões acuradas é de fundamenal imporância para o desenvolvimeno de esraégias, para a alocação de recursos e para deerminar prioridades em uma organização. Nese conexo, ese rabalho em como objeivo realizar uma previsão sobre o volume de movimenação de cargas no Terminal de Carga Aérea do Aeroporo Inernacional de São Paulo/Guarulhos para o segundo semesre de 2010 e para o ano de Para aingir ese objeivo, foi invesigada a uilização dos méodos de decomposição em séries emporais e de ponderação exponencial. Depois de calculadas as previsões com os méodos individualmene, os resulados de ambos os méodos foram agregados para a obenção de uma previsão final e os resulados foram discuidos. Palavras-chave: Previsão da demanda; Terminal de carga; Aeroporos. Exponenial weighing and decomposiion imes series applied o forecas he volume of cargo handling a Inernaional Airpor of Sao Paulo Absrac: The achievemen of accurae forecass is of fundamenal imporance for he developmen of sraegies, o resource allocaion and o deermine prioriies in an organizaion. In his conex, his work aims o make a predicion abou he volume of cargo a Air Cargo Terminal of he Inernaional Airpor of São Paulo/Guarulhos in he second half of 2010 and he year To achieve his goal, i was invesigaed he use of decomposiion mehods in ime series and exponenial weighing. Afer he predicions calculaed wih he mehods individually, he resuls of boh mehods were aggregaed o obain a final predicion and he resuls were discussed. Keywords: Demand forecasing; Cargo erminal; Airpors. 1. Inrodução O ranspore aéreo de carga represena um imporane propulsor do desenvolvimeno indusrial, provendo a inermodalidade e impulsionando o mercado inerno e exerno de um país (LIMA; BELDERRAIN, 2008). Como serviço inermediário usado na produção, o seor aéreo fornece serviços principalmene para os processos de produção dos seores indusrial e de serviços 75

2 Ouubro de 2010, vol. 02, n o. 10 (TOKASAGO e al., 2009). O ranspore aéreo possui vocação naural para a movimenação de bens de maior valor agregado, movimenando anualmene um quaniaivo de carga correspondene em valor a cerca de meade de oda a movimenação mundial de bens e mercadorias (SNEA, 2008). Represenando o maior complexo aeroporuário do Brasil, o Aeroporo Inernacional de São Paulo/Guarulhos (AISP/GRU) foi concebido originalmene para aender a voos domésicos na área da grande São Paulo, que se uilizavam do Aeroporo de Congonhas (com exceção da Pone Aérea Rio São Paulo), assim como voos inernacionais para países inegranes do Cone Sul (países localizados no sul da América do Sul), represenando uma alernaiva ao Aeroporo de Campinas. O AISP/GRU é o aeroporo responsável pela movimenação do maior volume de carga aérea no Brasil no ano de 2009 e início de De acordo com dados da Infraero (INFRAERO, 2010), em 2009 foi movimenada no Brasil uma quanidade de carga aérea correspondene a oneladas, sendo que somene no primeiro bimesre de 2010 foram movimenadas oneladas. Dese oal, o Aeroporo Inernacional de São Paulo/Guarulhos movimenou oneladas em 2009 e oneladas somene no primeiro semesre de 2010, o que corresponde respecivamene a 31,6% e 30,0% de oda a carga aérea brasileira movimenada nesse período. Um dos grandes desafios enfrenados por grande pare dos aeroporos brasileiros consise em maner a produividade dos recursos aeroporuários aravés da análise das diferenças enre a capacidade disponível para a movimenação de cargas e o volume de movimenação demandado. Se por um lado a operação de um volume de cargas excessivo acarrea ineficiências écnicas, por ouro a movimenação de um volume abaixo do nível óimo gera capacidade ociosa e consequene desperdício de recursos. Adapar a capacidade a demanda sempre represenou um problema presene em praicamene odo sisema de produção, sendo que para sua resolução orna-se necessária a realização de previsões acuradas sobre o volume da demanda. Nese senido, ese rabalho realiza uma previsão sobre o volume de movimenação de cargas no Terminal de Carga Aérea (TECA) do AISP/GRU para o segundo semesre de 2010 e para 2011, uilizando-se para iso a agregação dos méodos de ponderação exponencial e de decomposição em séries emporais. De maneira breve, ese arigo esá esruurado na seguine forma: a seção 2 raa da fundamenação eórica relacionada ao ranspore de carga aérea e a modelos de previsão de demanda; a seção 3 apresena o esudo de caso, com a descrição dos dados analisados, os resulados da previsão do volume de movimenação de carga com a uilização de ponderação exponencial, com a decomposição em séries emporais e com a combinação de ambos os méodos; por fim, a seção 4 apresena as considerações finais dese rabalho. 2. Fundamenação eórica 2.1 Transpore de carga aérea O ermo carga aérea pode ser definido como o conjuno de bens ransporados por via aérea que geram receia e que não sejam passageiros ou bagagens (MAGALHÃES, 1998). De acordo com Brown (1968), no conceio de carga aérea esão inseridos os seguines iens: encomendas courier, malas posais e a carga propriamene dia. Embora diversos auores considerem pouco imporanes as aividades de movimenação e armazenagem de cargas, concenrando seus esudos nas operações com passageiros (DAC, 2005), essas aividades êm sido a maior fone geradora de receias da 76

3 Ouubro de 2010, vol. 02, n o. 10 Infraero (INFRAERO, 2006). A vanagem mais significaiva no ranspore aéreo é ala rapidez no ranspore de cargas, permiindo benefícios logísicos como a redução ou eliminação de armazéns operacionais ou invenários (BOWERSOX; CLOSS; COOPER, 2006). Além disso, o avião é o único meio de ranspore que permie inerligar de pona-a-pona um país de dimensão coninenal como o Brasil em um único dia (VASCONCELOS, 2007). De acordo com Figueiredo e Pizzolao (2006), o ranspore de carga aérea apresena como caracerísica a grande eficiência no ranspore de mercadorias de alo valor agregado e com baixo peso e volume, prazo de enrega rígido e prioridade de urgência (produos perecíveis, documenos, ec.). Devido à grande heerogeneidade da carga aérea e consequene diversidade dos procedimenos referenes a seu manuseio, diferenes padronizações são criadas pelas empresas aéreas para faciliar a padronização das roinas uilizadas no manuseio de cargas (ASHFORD, 1992). Magalhães (1998) classifica as cargas aéreas em see caegorias: Carga normal ou comum: são cargas que não exigem cuidados especiais ou procedimenos diferenciados para manuseio e armazenagem. Podem ser armazenadas em pora-palees ou racks com praeleiras. Carga perecível: são cargas sujeias à deerioração ou que se ornam inúeis caso haja araso na enrega e, porano, possuem valor comercial limiado pelo empo. Carga de grande urgência: são cargas normalmene desinadas à manuenção ou salvameno de vidas humanas, como sores e vacinas. Carga de alo valor: são cargas com alo valor comercial, como ouro, praa e pedras preciosas. Podem requerer armazenameno em cofres. Cargas vivas: são cargas consiuídas por animais vivos. Requerem insalações e procedimenos específicos. Cargas resrias: são cargas cujas imporações ou exporações são regulamenadas por enidades governamenais. Cargas perigosas: são composas por maeriais capazes de colocar em risco a segurança, a saúde ou a propriedade quando ransporadas pelo modal aéreo. Um dos principais elemenos inseridos no complexo de carga aérea é o Terminal de Carga Aérea (TECA). De acordo com Azevedo e Uryu (2005) o TECA represena a insalação responsável pelo preparo da carga para o ranspore aéreo ou para o recebimeno pelo seu consignaário. De acordo com Meneses (2001), a carga aérea movimena-se seguindo fluxos de imporação (que acessam o erminal por via aérea e saem por via erresre), de exporação (que acessam o erminal por via erresre e saem por via aérea) e em rânsio (onde a carga acessa e sai do erminal pela mesma via). Segundo o mesmo auor, o erminal de cargas consise em um sisema dinâmico de processameno, devendo ser planejado de modo a aender os fluxos de imporação, de exporação e em rânsio. Para ano, orna-se necessária à realização da quanificação do volume de fluxo a ser aendido, o que pode ser realizado aravés de écnicas de previsão da demanda, conforme abordado na próxima seção. 2.2 Previsão da demanda A idenificação e previsão correa das mudanças do ambiene são faores chave para a obenção de sucesso no planejameno e direcionameno esraégico de uma empresa, o que 77

4 Ouubro de 2010, vol. 02, n o. 10 orna a previsão da demanda em um elemeno fundamenal para a omada de decisão empresarial (MONTGOMERY; JOHNSON; GARDINER, 1990). A obenção de resulados consisenes no processo de previsão da demanda esá condicionada a uilização de méodos formais (ELIKAI, F.; HALL; ELIKAI, P., 1999), os quais segundo Kurrle (2004) se dividem em méodos qualiaivos e quaniaivos. Os méodos qualiaivos de previsão (ambém denominados de méodos subjeivos ou inuiivos) fazem uso da experiência acumulada por um especialisa ou grupo de indivíduos para prever o resulado de um eveno, muias vezes com o auxílio de ipo de análise formal (ARMSTRONG, 1983). Esses méodos são mais adequados aos casos onde os dados são insuficienes para realizar uma análise quaniaiva (ARCHER, 1980). Embora sejam muio uilizadas, as abordagens qualiaivas coném desvanagens em relação às quaniaivas, pois seus resulados muias vezes são endenciosos devido à incorporação de opiniões de especialisas (SPENDDING; CHAN, 2000). Em relação aos méodos quaniaivos, eses englobam abordagens como a decomposição em séries emporais e a ponderação exponencial (MAKRIDAKIS; WHELLWRIGHT; HYNDMAN, 1997). Esses méodos consiuem abordagens ideais quando exisem dados com padrões simples, suaves e repeiivos (GILLILAND; PRINCE, 2001). Além disso, quando replicados por diferenes especialisas as previsões obidas são semelhanes (ARMSTRONG, 1983). De acordo com Bowerman e O Connell (1987) o méodo de decomposição em séries emporais consise em dividir uma série de empo em componenes sazonais, de endência, de variação cíclica e de variação residual, represenando uma excelene ferramena de previsão para períodos emporais de médio prazo, ou seja, de rês a doze meses. Esa análise combina as variações da demanda segundo a Equação 1: F = T S C R ( 1 ) onde F : demanda previsa; T: nível de endência; S: índice sazonal; C: índice cíclico; R: índice residual. Devido às dificuldades enconradas para decompor variações cíclicas de variações aleaórias e ao fao de que o índice residual (R) enconrado em modelos bem especificados é igual a 1,0 (não afeando a previsão), na práica ese modelo é reduzido, na maioria das vezes, a componenes de endência e sazonalidade (Ballou, 2006). Segundo Chafield (2000), o valor do componene de endência pode ser deerminado peça equação T = α + β, onde α e β podem ser calculados conforme as Equações 2 e 3: onde D ( ) N( D )( ) β = 2 2 ( 2 ) N α = D β ( 3 ) N : número de observações uilizadas na linha de endência; D : demanda no período ; D : demanda média em N períodos de empo; 78

5 Ouubro de 2010, vol. 02, n o. 10 : média de durane N períodos de empo. Já em relação ao componene de sazonalidade, Ballou (2006) indica a uilização da Equação 4. onde T = valor da endência; S = índice sazonal no período de empo. D S = ( 4 ) T Por fim, a previsão da demanda com a decomposição em séries de empo é concluída com o cálculo da demanda previsa aravés da fórmula F = ( T )( S L ). Em relação à ponderação exponencial, esa consise em um ipo de média móvel onde os dados mais recenes recebem maior peso no cálculo para as previsões (BROWN, 1963). De acordo com Ballou (2006), a ponderação exponencial pode ser realizada aravés das Equações 5, 6, 7 e 8, conforme abaixo. onde ( A / I L ) + ( )( S T ) β ( S 1 S ) + ( β ) T γ ( A / S ) + ( 1 ) I L + 1 ( S T + 1) I + 1 S = α 1 α T + 1 = + 1 I = γ F = L : período de empo aual; α : consane de ponderação exponencial; A : demanda no período ; S : previsão inicial para o período ; T : endência para o período ; β : consane ponderada da endência; I : índice sazonal para o período ; γ : consane de ponderação do índice sazonal; L : empo de uma esação complea; F : previsão para o período No que ange à aplicabilidade desses méodos para prever o volume de carga movimenado em um TECA como o de AISP/GRU, a aplicação de méodos quaniaivos represena nese caso uma abordagem eficiene devido à possibilidade de projear no fuuro as informações referenes a dados hisóricos de movimenação de carga disponíveis. Nese senido, foram selecionadas para a aplicação nese rabalho as écnicas de decomposição em séries emporais e de ponderação exponencial, conforme apresenado nas próximas seções. 3. Esudo de caso Conforme mencionado aneriormene, nese rabalho foi realizado um esudo para a previsão do volume de movimenação de cargas no TECA do AISP/GRU. Para ano, foram realizadas previsões aravés da uilização de séries emporais, de ponderação exponencial e aravés da combinação de ambos os méodos. ( 5 ) ( 6 ) ( 7 ) ( 8 ) 79

6 Ouubro de 2010, vol. 02, n o. 10 Para o cálculo das previsões, foram uilizados os dados de movimenação de carga do TECA do AISP/GRU, conforme as Tabelas 1 e 2. Devido à grande quanidade de cálculos exigidos para a realização das previsões, ano com a uilização de decomposição em séries emporais quano de ponderação exponencial, os méodos de previsão foram implemenados no Microsof Office Excel. TABELA 1 - Movimenação de cargas no TECA do AISP/GRU de 2003 a 2009 (em kg). Mês Jan Fev Mar Abr Mai Jun Jul Ago Se Ou Nov Dez Toal Fone: Infraero (2010). TABELA 2 - Movimenação de cargas no TECA do AISP/GRU de janeiro a junho de 2010 (em kg). Mês Jan. Fev. Mar. Abr. Mai. Jun. Toal Carga Fone: Infraero (2010). Nas próximas seções esão apresenados os resulados obidos em ambos os méodos de previsão uilizados nese rabalho, assim como a realização de uma previsão final aravés da agregação de ambos os méodos. 3.1 Previsão por ponderação exponencial Nese rabalho foi uilizado o modelo de ponderação exponencial que considera o nível de movimenação e realiza correções para endência e sazonalidade. Para idenificar a evenual exisência e frequência de repeição de ciclos sazonais no volume de movimenação de cargas do TECA em análise, foi realizada a análise dos picos e vales no volume de movimenação. Para ano, os dados da Tabela 1 foram uilizados para a consrução de um gráfico conforme a Figura 1. A parir da análise dese gráfico foi idenificada a presença de dois picos de movimenação de carga que se repeiram de 2003 a 2009, sendo o primeiro em março (pico ambém em 2010) e o segundo em ouubro. Além disso, foi idenificada uma diminuição no volume de movimenação de cargas no mês de janeiro. Em visa da idenificação das regularidades mencionadas, foi considerada nos modelos uilizados dese rabalho uma sazonalidade cujas esações se repeem em períodos de 12 meses. Para a inicialização do modelo foram uilizados os dados de volume de movimenação de carga dos meses referenes aos anos de 2003 a 2007, o que correspondeu a um período de 80

7 Ouubro de 2010, vol. 02, n o meses. Além disso, foram uilizados os primeiros 6 meses de 2010 para o cálculo do erro de previsão e foram realizadas previsões para os úlimos 6 meses de 2010 e para FIGURA 1 - Volume de movimenação de carga (em kg). Fone: Elaborada pelos auores. Para enconrar as consanes de nível, endência e sazonalidade mais adequadas, foram realizadas simulações com incremenos de 0.05 em cada uma dessas consanes, de forma a enconrar os valores que minimizassem o erro médio. Os valores enconrados para as consanes de nível, de endência e de sazonalidade foram respecivamene 0,25, 0,15 e 0,4, endo sido enconrado um erro médio de O resulado das previsões calculadas para o volume de movimenação de carga no TECA do AISP/GRU aravés da ponderação exponencial pode ser conferido na Tabela 3. TABELA 3 - Previsão com uso de ponderação exponencial (em kg). Mês/ano Previsão Mês/ano Previsão jul/ abr/ ago/ mai/ se/ jun/ ou/ jul/ nov/ ago/ dez/ se/ jan/ ou/ fev/ nov/ mar/ dez/ Fone: Elaborado pelos auores. 3.2 Previsão por decomposição em séries de empo No modelo por decomposição em séries de empo ambém foram uilizados os dados de 2003 a 2008 para a inicialização do modelo e uma sazonalidade com esações que se repeem a cada 12 meses, sendo que os 6 primeiros meses de 2010 ambém foram uilizados para o cálculo do erro de previsão. Para o cálculo da previsão do volume de movimenação de carga foi enconrada uma equação de endência com α = e β = Assim, foram realizadas as 81

8 Ouubro de 2010, vol. 02, n o. 10 previsões para os 6 úlimos meses de 2010 e para 2011, conforme Tabela 4. Ao final do cálculo das previsões foi enconrado um erro médio de TABELA 4 - Previsão com uso de decomposição em séries emporais (em kg). Mês/ano Previsão Mês/ano Previsão jul/ abr/ ago/ mai/ se/ jun/ ou/ jul/ nov/ ago/ dez/ se/ jan/ ou/ fev/ nov/ mar/ dez/ Fone: Elaborado pelos auores. 3.3 Agregação dos resulados A Figura 2 apresena as previsões do volume de movimenação de cargas no TECA do AISP/GRU realizadas com a uilização de ponderação exponencial e de decomposição em séries emporais. Um dos desafios para o profissional de logísica é deerminar qual dos méodos de previsão reorna o melhor resulado. Segundo Ballou (2006), depois de realizadas previsões com diferenes méodos, é possível o aprimorameno dos resulados aravés da combinação de seus resulados. Ese procedimeno é realizado aravés da ponderação dos resulados obidos com a uilização de cada méodo aravés da análise do erro médio. FIGURA 2 - Previsão do volume de movimenação de carga (em kg). Fone: Elaborado pelos auores. A obenção dos faores de ponderação referenes a cada méodo foi realizada em quaro passos: Passo 1: foi calculado o erro oal aravés da soma dos erros de previsão obidos em cada méodo. 82

9 Ouubro de 2010, vol. 02, n o. 10 Passo 2: foi obida a proporção do erro oal aravés da divisão do erro de previsão de cada méodo pela soma dos erros de previsão obida no primeiro passo. Passo 3: foi realizada a inversão de proporção de erro aravés da divisão do erro de previsão de cada méodo pela proporção do erro oal. Passo 4: foram obidos os faores de ponderação de cada méodo aravés da divisão da inversão de proporção de erro pelo seu oal. Os dados calculados com a realização dese procedimeno podem ser conferidos na Tabela 5. Méodo TABELA 5 - Ponderação dos méodos de previsão. Proporção do Inversão de Erro de previsão erro oal proporção de erro Pesos Ponderação exponencial , ,49 Decomposição em séries emporais , ,51 Toal Fone: Elaborado pelos auores. Depois de obidos os faores de ponderação, ano da ponderação exponencial quano da decomposição em séries emporais, as previsões combinadas foram calculadas. O cálculo dessas previsões foi realizado aravés da muliplicação da previsão mensal individual de cada méodo pelo seu faor de ponderação, obendo-se como resulado dois valores (um para cada méodo uilizado). A previsão final do volume de movimenação de cargas no TECA do AISP/GRU para cada mês foi obida aravés da soma dos dois valores obidos aneriormene, conforme apresenado na Tabela 6. Mês/ano TABELA 6 - Previsão com combinação de méodos (em kg). Ponderação Faor de Decomposição em Faor de exponencial ponderação séries emporais ponderação Previsão final jul/ , , ago/ , , se/ , , ou/ , , nov/ , , dez/ , , jan/ , , fev/ , , mar/ , , abr/ , , mai/ , , jun/ , , jul/ , , ago/ , , se/ , , ou/ , , nov/ , , dez/ , , Fone: Elaborado pelos auores. 83

10 Ouubro de 2010, vol. 02, n o Considerações finais Ese rabalho eve como objeivo realizar a previsão do volume de movimenação de cargas no TECA do AISP/GRU no segundo semesre de 2010 e no ano de 2011, aravés da uilização de ponderação exponencial e decomposição em séries de empo. Diferenemene de muios rabalhos na área, que realizam o cálculo das previsões de maneira agregada para os anos seguines, ese rabalho realizou uma previsão mensal do volume de movimenação de carga. A realização da previsão de maneira desagregada consise em um procedimeno imporane, já que nem sempre a demanda anual é disribuída regularmene durane odo o ano e pode esar concenrada em meses de grande pico no volume de movimenação de cargas. Caso ocorra, essa irregularidade pode razer sérias consequências, já que a capacidade da operação pode ser excedida mesmo quando a demanda anual é baixa. Ese fao é raificado ao realizar a análise dos dados, onde se percebe meses de pico de demanda em março e ouubro, e por ouro lado, uma pequena demanda no mês de janeiro. Depois de realizadas as previsões, os dados foram comparados com o volume de movimenação de carga nos anos aneriores, onde foi noada uma endência de decaimeno no volume de movimenação de carga aérea no TECA do AISP/GRU. Os dados de previsão foram levados para serem conemplados pelo gerene de logísica da organização em quesão, o qual afirmou que eses coincidem com a demanda por ele previsa, o que serviu como validação para a previsão realizada nese rabalho. Como rabalhos fuuros, ressala-se aqui a possibilidade de se ober resulados ineressanes aravés da uilização de ouros méodos de previsão, como modelos de regressão, economéricos, projeções de endências, ec., cujos resulados poderiam ser comparados individualmene e de forma combinada com as previsões obidas nese rabalho. Além disso, ouro rabalho ineressane seria esimar a capacidade de processameno aual do TECA do AISP/GRU, o qual poderia ser uilizado para verificar a exisência de capacidade insuficiene ou ociosa aravés da comparação enre a capacidade insalada e o volume de processameno de cargas previso. Por fim, ressala-se que os resulados aqui apresenados reraam a previsão do volume de movimenação de carga no TECA do AISP/GRU segundo as paricularidades e parâmeros dos méodos uilizados. Nese senido, a uilização de ouros méodos ou a inserção de dados mais anigos nos modelos uilizados podem fornecer resulados mais conclusivos, conribuindo inclusive para a verificação da validade dos valores previsos nese rabalho. Agradecimenos Os auores agradecem a Agência Espacial Brasileira (AEB) pelo apoio à realização desa pesquisa. Referências ARCHER, B. Forecasing demand: quaniaive and inuiive echniques. Inernaional Journal of Tourism Managemen, v. 1, n. 1, p. 5-12, ARMSTRONG, J. Sraegic planning and forecasing fundamenals. In: ALBERT, K. The sraegic managemen handbook. New York: MacGraw Hill, ASHFORD, N.; WRIGHT, P. H. Airpor Engineering. 3. ed. New York: John-Wiley & Sons Inc., p. AZEVEDO, L. T. M.; URYU, N. K. Imporância da ecnologia no gerenciameno de erminais de carga aérea: o caso do TECA Galeão. Brasília, DF: UnB, Originalmene apresenada como rabalho de conclusão de curso de graduação, Universidade de Brasília,

11 Ouubro de 2010, vol. 02, n o. 10 BALLOU, R. H. Gerenciameno da cadeia de suprimenos/logísica empresarial. 5. ed. Poro Alegre: Bookman, p. BOWERMAN, B. L.; O CONNELL, R. T. Time series forecasing. Boson: Duxbury Press, CHATFIELD, C. Time-series forecasing. Flórida/USA: Chapman & Hall, DAC (2005) Anuário do Transpore Aéreo. Deparameno de Aviação Civil, Minisério da Aeronáuica. FIGUEIREDO, R. M. A.; PIZZOLATO, N. D. Análise da esraégia hub-and-spoke e uma adapação ao caso brasileiro de ranspore de cargas aéreas. In: Congresso de Pesquisa e Ensino em Transpores, 20., 2006, Brasília. Anais... Brasília: Associação Nacional de Pesquisa e Ensino em Transpores, p LIMA, M. G.; BELDERRAIN, M. C. N. O fluxo logísico da carga aérea inernacional brasileira. In: Simpósio de Pesquisa Operacional e Logísica da Marinha, 11., 2008, Rio de Janeiro. Anais... Rio de Janeiro: Marinha do Brasil, p BOWERSOX, D. J.; CLOSS, D. J.; COOPER, M. B. Gesão logísica da cadeia de suprimenos. Poro Alegre: Bookman, 2006, 528 p. ELIKAI, F.; HALL; ELIKAI, P. Managing and improving he forecasing process. Journal of Business Forecasing Mehods & Sysems, v. 18, n. 1, p , GILLILAND, M.; PRINCE, D. New approaches o unforecasable demand. Journal of Business Forecasing Mehods & Sysems, v. 20, n. 2, p. 9-12, INFRAERO (2006), O Papel do Aeroporo na Logísica do Comércio Exerior- Apresenação para Clienes, Aeroporo Inernacional de Viracopos- KPLC, Campinas, São Paulo. INFRAERO Empresa Brasileira de Infraesruura Aeroporuária. Esaísicas de aeroporos. Disponível em: <hp:// Acesso em: 6 ago KURRLE, M. A. Méodos para previsão de demanda de veículos novos: esudo de caso em uma concessionária de auomóveis. Poro Alegre, RS: UFRGS, Originalmene apresenada como disseração de mesrado, Universidade Federal do Rio Grande do Sul, MAGALHÃES, J. S. Um méodo para dimensionameno de erminais de carga aérea no Brasil. São José dos Campos, SP: ITA, Originalmene apresenada como disseração de mesrado, Insiuo Tecnológico de Aeronáuica, MAKRIDAKIS, S.; WHELLWRIGHT, S. C.; HYNDMAN, R. J. Forecasing mehods and applicaions. 3. ed. New York: Wiley, 1997, 656 p. MENESES, L. O. Um esudo sobre as áreas operacionais de erminais de carga aérea. São José dos Campos, SP: ITA, Originalmene apresenada como disseração de mesrado, Insiuo Tecnológico de Aeronáuica, MONTGOMERY, D. C.; JOHNSON, L. A.; GARDINER, J. S. Forecasing and ime series analysis. 2. ed. New York: MacGrall Hill, SNEA Sindicao Nacional das Empresas Aeroviárias. A compeiividade inernacional das empresas brasileiras: uma análise das condições de auação das empresas aéreas brasileiras frene a suas compeidoras de ouros países Disponível em: <hp:// Inernacional%20abr08%20_Texo_.pdf>. Acesso em: 16 jul SPENDDING, T.; CHAN, K. Forecasing demand and invenory managemen using Bayesian ime series. Inegraed Manufacuring Sysems, v. 11, n. 5, p , TOKASAGO, M.; ROCHA, A.; DIVINO, J. A.; ANDRADE, J. P.; MOLLO, M. L. R. O seor aéreo na economia brasileira: imporância econômica e perspecivas ane a aberura do seor às empresas esrangeiras Disponível em: <hp:// Trabalho% pdf>. Acesso em: 16 jul VASCONCELOS, L. F. S. O aeroporo como o inegrane de um projeo de desenvolvimeno regional: a experiência brasileira. Brasília, DF: UnB, Originalmene apresenada como disseração de mesrado, Universidade de Brasília,