Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Silva, Diogo Ferreira de Lima | - |
Autor(es): dc.contributor | Monteiro, Marcelo Maciel | - |
Autor(es): dc.contributor | Roboredo, Marcos Costa | - |
Autor(es): dc.creator | Lima, Joao Guilherme Alvares | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:43:35Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:43:35Z | - |
Data de envio: dc.date.issued | 2023-12-27 | - |
Data de envio: dc.date.issued | 2023-12-27 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/31722 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/756225 | - |
Descrição: dc.description | O presente estudo apresenta a aplicação de modelos baseados em árvores de decisão para previsão de demanda em uma organização do segmento farmacêutico. O objetivo principal é fornecer uma solução para a previsão de demanda, utilizando técnicas de aprendizado de máquina. O método utilizado envolveu a curadoria dos dados de vendas, análise exploratória dos dados, aplicação de modelos supervisionados de aprendizado de máquina e avaliação da precisão e qualidade dos modelos. Os resultados obtidos mostraram que os modelos baseados em árvores de decisão apresentaram boa acurácia na previsão de vendas e permitiram identificar os principais impulsionadores ou fatores que influenciam as vendas. As conclusões indicam que a aplicação desses modelos pode ser uma solução eficaz para a previsão de demanda em organizações do segmento farmacêutico. Em síntese, o trabalho destaca-se pela abordagem robusta na área de previsão de vendas, contribuindo para estratégias de gestão mais eficientes baseadas em dados e informações de negócio no contexto do setor farmacêutico. A pesquisa não apenas alcança seus objetivos, mas também fornece uma base prática e aplicável para aprimorar as práticas de planejamento nas empresas do referido segmento. Dentre os resultados alcançados, foi possível observar um erro médio absoluto de cerca de 8% para o modelo de florestas randômicas, sendo este considerado um bom resultado para efeitos de previsão de demanda pela organização. | - |
Descrição: dc.description | This study presents the application of models based on decision trees for demand forecasting in an organization in the pharmaceutical sector. The main objective is to provide a solution for demand forecasting using machine learning techniques. The method used involved the curation of sales data, exploratory analysis of the data, application of supervised machine learning models and evaluation of the accuracy and quality of the models. The results obtained showed that the models based on decision trees had good accuracy in forecasting sales and made it possible to identify the main drivers or factors influencing sales. The conclusions indicate that applying these models can be an effective solution for forecasting demand in organizations in the pharmaceutical sector. In summary, the work stands out for its robust approach in the area of sales forecasting, contributing to more efficient management strategies based on data and business information in the context of the pharmaceutical sector. The research not only achieves its objectives, but also provides a practical and applicable basis for improving planning practices in companies in this segment. Among the results achieved, it was possible to observe an mean absolute error of around 8% for the random forest model, which is considered a good result for the purposes of demand forecasting by the organization. | - |
Descrição: dc.description | 73 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Previsão de Demanda | - |
Palavras-chave: dc.subject | Aprendizado de Máquina | - |
Palavras-chave: dc.subject | Árvores de Decisão | - |
Palavras-chave: dc.subject | Previsão de demanda | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Árvore de decisão | - |
Palavras-chave: dc.subject | Demand Forecasting | - |
Palavras-chave: dc.subject | Machine Learning | - |
Palavras-chave: dc.subject | Decision Trees | - |
Título: dc.title | Aplicação de modelos baseados em árvores de decisão para previsão de demanda em uma organização do segmento farmacêutico | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: