RESUMO Este artigo procurou analisar a demanda intermitente de peças de reposição de uma empresa do setor de mineração, para propor melhorias no processo de predição para planejamento. Muitas destas peças possuem vários intervalos sem consumo intercalados com a demanda real, o que aumenta a incerteza de predições, juntamente com outros fatores como a obsolescência. Este artigo então buscou comparar o desempenho dos modelos de predição e suas otimizações, para a demanda intermitente, e avaliar como a escolha de medidas de erro pode influenciar este resultado. Foram aplicados métodos descritos na literatura, convencionais e alternativos, principalmente a partir do estudo de Croston (1972). Também foram utilizadas medidas de erro convencionais e alternativas, possibilitando uma análise conjunta de resultados entre modelos, medidas de erro e processos de otimização. Por fim, pretende-se contribuir para futuras aplicações dos métodos estudados, inclusive para fins de automatização de predições utilizando técnicas como Machine Learning e Neuro-Fuzzi.