Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
Autor(es): dc.contributor | Siqueira, Hugo Valadares | - |
Autor(es): dc.contributor | Andrade, Mauren Louise Sguario Coelho de | - |
Autor(es): dc.contributor | Trojan, Flavio | - |
Autor(es): dc.creator | Ulinick, Andressa Aparecida de Quadros | - |
Autor(es): dc.creator | Schastai, Bianca | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:23:37Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:23:37Z | - |
Data de envio: dc.date.issued | 2021-01-14 | - |
Data de envio: dc.date.issued | 2021-01-14 | - |
Data de envio: dc.date.issued | 2019-12-09 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/23860 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1112494 | - |
Descrição: dc.description | Nowadays, perform a demand forecasting that present the smallest error is a frequent challenge for organizations. In general, they have chosen to use qualitative models to predict demand and sales. However, inaccurate and biased results are found in the literature, as the method includes factors such as judgment, experience, opinions and intuition. In addition, many companies prefer to base their forecasts much more on their managers’ experience than on mathematical models. It is known that a forecast with high accuracy can lead to large savings, resulting not only a financial return, but also an increase in competitiveness and customer satisfaction. In this sense, this work proposed the use of artificial neural networks to solve the problem, because they present learning capacity, can process the variables, and through them, create a more assertive prediction about future demand and sales. This work studies the demand forecasting process in a commercial unit of the pet shop branch from Ponta Grossa-PR. The results obtained with different versions of the Perceptron Multilayer network show the viability of the proposal. | - |
Descrição: dc.description | Atualmente, realizar previsões de demanda que apresentem o menor erro possível é um desafio frequente para as organizações. De modo geral, as mesmas têm optado por utilizar modelos qualitativos para realizar previsões de demanda e vendas. Entretanto, na literatura são encontrados resultados imprecisos e tendenciosos, já que o método inclui fatores como julgamentos, experiências, opiniões e intuições. Além disso, muitas empresas preferem basear suas previsões muito mais na experiência de seus gerentes do que em modelos matemáticos. Sabe-se que uma previsão com uma acurácia elevada é capaz de levar a grandes economias, trazendo como efeito não apenas um retorno financeiro, como também um aumento na competitividade e na satisfação de seus clientes. Nesse sentido, nesse trabalho foi proposta a utilização de redes neurais artificiais no problema, pois estas possuem capacidade de aprendizagem, podem processar as variáveis do problema e através delas, criar uma previsão mais assertiva sobre valores futuros de demanda e vendas. Este trabalho fará um estudo sobre o processo de previsão de demanda, em uma unidade comercial do ramo de pet shop da cidade de Ponta Grossa-PR. Os resultados obtidos com versões distintas da rede Perceptron de Múltiplas Camadas mostram a viabilidade da proposta. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia Elétrica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Oferta e procura | - |
Palavras-chave: dc.subject | Controle de estoque | - |
Palavras-chave: dc.subject | Controle de custo | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Supply and demand | - |
Palavras-chave: dc.subject | Inventory control | - |
Palavras-chave: dc.subject | Cost control | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Título: dc.title | Previsão de demanda para controle de estoque: aplicação de redes neurais artificiais em séries temporais | - |
Título: dc.title | Demand forecasting for inventory control: application of artificial neural networks in time series forecasting | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: