Article
Logística reversa para resíduos de equipamentos eletroeletrônicos: seleção de variáveis para um modelo de previsão de demanda
Reverse logistics for waste electrical and electronic equipment: Variable selection for a forecasting model
Autor
Rodrigues, Jaqueline Terezinha Martins Corrêa
Werner, Liane
Institución
Resumen
A previsão de demanda é uma ferramenta importante para planejar e implantar a logística reversa,
obrigatória no Brasil, para equipamentos eletroeletrônicos (EEE). Este artigo objetiva selecionar
variáveis a serem utilizadas como base de um modelo de previsão de demanda para os Resíduos de
Equipamentos Eletroeletrônicos (REEE). Trata-se de uma pesquisa exploratória e descritiva,
desenvolvida por meio de revisão da literatura e da aplicação do Método de Análise Hierárquica
(AHP). A lista inicial das variáveis com potencial para compor um modelo de previsão de demanda
para REEE foi obtida na literatura e, a partir disso, foi elaborado um questionário para que
especialistas pudessem realizar as análises paritárias de importância. Após aplicação do método
AHP e do cálculo dos pesos ponderados, obteve-se a classificação das variáveis. Foram
selecionadas sete variáveis (33% do total) que representam 71,1% dos pesos ponderados,
destacando-se a estimava de vida útil do equipamento como a mais relevante. Demand forecasting is an important tool for planning and implementing reverse logistics,
mandatory in Brazil, for electrical and electronic equipment (EEE). This paper aims to select
variables to be used as the basis of a demand forecast model for Waste Electrical and Electronic
Equipment (WEEE). This is an exploratory and descriptive research, developed through a
literature review and the Analytic Hierarchic Process (AHP). The initial list of variables with the
potential to compose a demand forecast model for WEEE was obtained in the literature and, from
this, a questionnaire was elaborated so that experts could carry out the parity analyzes of
importance. After applying the AHP method and the weights calculation was obtained the variable classification. Were selected seven variables (33% of the total), representing 71.1% of the weighted
weights, highlighting the estimated equipment useful life as the most relevant.