Desenvolvimento de um sistema de previsão de demanda para o comércio varejista: o caso de rede de farmácias na região Sudeste do Brasil

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorQuelhas, Osvaldo Luiz Gonçalves-
Autor(es): dc.contributorSilva, Diogo Ferreira de Lima-
Autor(es): dc.contributorSalles, Mara Telles-
Autor(es): dc.creatorSouza, Caíque Estevão Araújo-
Data de aceite: dc.date.accessioned2024-07-11T18:05:06Z-
Data de disponibilização: dc.date.available2024-07-11T18:05:06Z-
Data de envio: dc.date.issued2023-12-28-
Data de envio: dc.date.issued2023-12-28-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/31729-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/763207-
Descrição: dc.descriptionA decisão nas grandes corporações é cada vez mais orientada por dados de diversas fontes, como vendas, concorrência, estoque e sociodemografia. Nesse contexto, a previsão de demanda é crucial para o controle de estoque e evita excessos ou rupturas. Este trabalho propõe um sistema de previsão de demanda, aprimorando a tomada de decisão a partir de vários atributos, com foco na cadeia de consumo de uma rede farmacêutica no sudeste brasileiro, especialmente em produtos de saúde bucal. A análise identifica perfis de consumo com base em sociodemografia, usando dados granulares para embasar decisões estratégicas na produção e gestão da cadeia de abastecimento. Resultados destacam a importância desses dados na precisão das previsões, oferecendo percepções valiosas para a gestão de estoque e produção, otimizando resultados comerciais e aumentando a eficácia operacional. Limitações incluem a dependência da qualidade dos dados e amostras limitadas, mitigadas pela agregação de volumes totais. Aplicações práticas sugerem melhorias na gestão da cadeia de abastecimento e decisões estratégicas, com a implementação de sistemas de previsão de demanda baseados em dados granulares, promovendo eficiência e rentabilidade. A metodologia utilizou um sistema de aprendizado de máquina com modelo de regressão linear em Python, proporcionando flexibilidade e eficiência no desenvolvimento do modelo. Dentre os principais resultados da pesquisa, pode-se destacar Dentre os principais resultados da pesquisa, pode-se destacar a eficácia da metodologia empregada utilizando aprendizado de máquina para desenvolver um sistema de previsão de demanda personalizado. Essa abordagem permitiu não apenas a otimização de operações e possíveis reduções de custos, mas também evidenciou a importância de considerar variáveis como sazonalidade, perfil sociodemográfico e volume de produto na elaboração de estratégias assertivas no setor farmacêutico.-
Descrição: dc.descriptionDecision-making process in large corporations is increasingly driven by data from various sources, such as sales, competition, inventory, and sociodemographic factors. In this context, demand forecasting is crucial for inventory control, preventing overstock or stockouts. This work proposes a demand forecasting system, enhancing decision-making based on multiple attributes, focusing on the consumer chain of a pharmaceutical network in the southeastern region of Brazil, especially in oral health products. The analysis identifies consumption profiles based on sociodemography, using granular data to inform strategic decisions in production and supply chain management. Results emphasize the importance of such data in forecast accuracy, providing valuable insights for inventory and production management, optimizing business outcomes, and increasing operational efficiency. Limitations include the dependence on data quality and limited samples, mitigated by aggregating total volumes. Practical applications suggest improvements in supply chain management and strategic decisions through the implementation of demand forecasting systems based on granular data, promoting efficiency and profitability. The methodology employed a machine learning system with a linear regression model in Python, providing flexibility and efficiency in model development. Among the key research findings, it is noteworthy that the methodology effectively employed machine learning to develop a customized demand forecasting system. This approach not only optimized operations and potential cost reductions but also highlighted the importance of considering variables such as seasonality, sociodemographic profile, and product volume in formulating successful strategies in the pharmaceutical sector.-
Descrição: dc.description71 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagejp-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectPrevisão de demanda-
Palavras-chave: dc.subjectGranularidade de dados-
Palavras-chave: dc.subjectEstoque e Produção-
Palavras-chave: dc.subjectPrevisão de demanda-
Palavras-chave: dc.subjectControle de estoque-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectComércio varejista-
Palavras-chave: dc.subjectIndústria farmacêutica-
Palavras-chave: dc.subjectRegião sudeste (Brasil)-
Palavras-chave: dc.subjectDemand Forecasting-
Palavras-chave: dc.subjectData Granularity-
Palavras-chave: dc.subjectInventory and Production-
Título: dc.titleDesenvolvimento de um sistema de previsão de demanda para o comércio varejista: o caso de rede de farmácias na região Sudeste do Brasil-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.