Análise de cluster e séries temporais para prevenção de quebra de estoque no setor varejista

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGarcia, Vanessa da Silva-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2206038698250045-
Autor(es): dc.contributorChristo, Eliane da Silva-
Autor(es): dc.contributorhttp://lattes.cnpq.br/0831388652787701-
Autor(es): dc.contributorMendes, Amanda dos Santos-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9745502402792419-
Autor(es): dc.contributorFerreira, Marcelo Sales-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8194523141613358-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2782252218029095-
Autor(es): dc.creatorRibeiro, Lucas Matheus da Silva-
Data de aceite: dc.date.accessioned2025-01-03T11:44:07Z-
Data de disponibilização: dc.date.available2025-01-03T11:44:07Z-
Data de envio: dc.date.issued2024-10-10-
Data de envio: dc.date.issued2024-10-10-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/34995-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/920696-
Descrição: dc.descriptionO setor varejista brasileiro é amplo e diversificado, tanto no setor de comércio eletrônico, quanto em lojas físicas. A variedade dos produtos é grande, e cada vez mais as empresas buscam ter o maior sortimento possível para satisfazer as necessidades dos clientes. Entretanto, é comum que esse sortimento exista sem previsões adequadas de demanda e sem um planejamento estratégico dos seus estoques, resultando em excessos e deterioração, reclassificados como quebra de mercadorias. A existência de quebra de mercadorias sensibiliza diretamente a margem de lucro e gera impactos ambientais negativos. Por este motivo, torna-se necessário realizar previsões de demanda assertivas para garantir a competitividade e crescimento das empresas varejistas. Uma gestão de estoques eficiente envolve planejamento e tomada de decisão. Busca-se operar de maneira contínua, evitar contratempos e erros, aumentar a satisfação do cliente e reduzir os custos associados ao armazenamento dos produtos. A previsão de quebras pode auxiliar o gestor de estoques a reduzir alguns problemas, pois possibilita que decisões sejam tomadas para prevenir a perdas de mercadorias. Nessa pesquisa, considera-se como objeto de estudo uma empresa brasileira do setor varejista, que possui grande sortimento de produtos. Tem-se como objetivo desenvolver um método para realizar previsão de quebra de estoques de mercadorias que possa auxiliar gestores de empresas varejistas. É proposta uma modelagem matemática em duas fases: na primeira utiliza-se a análise de cluster, através do algoritmo K-Means para selecionar departamentos de produtos mais críticos e, na segunda, é realizada uma análise de séries temporais, para identificar padrões e tendências dos departamentos mais críticos. Para realizar os cálculos propostos foi utilizado o software R Studio com auxílio de pacotes e algoritmos já existentes. Na fase inicial da modelagem, a aplicação do K-Means foi bem-sucedida e resultou na seleção dos departamentos 'Alimentos 01', 'Alimentos 07', 'Limpeza 03' e 'Alimentos 08' como os mais críticos para a análise das séries temporais, utilizando os modelos Holt-Winters e Box-Jenkins. Ambos os modelos foram eficazes na realização das previsões de todos os departamentos, apresentando erros entre 2,31% a 4,07%. Entretanto, fatores externos ao modelo, como a pandemia, cujo impacto foi diagnosticado com base no horizonte temporal, afetaram o comportamento das séries temporais, gerando outliers que alteram as observações subsequentes. Esses impactos são notáveis a longo prazo devido à incerteza, mas não comprometem a capacidade preditiva dos modelos. Os resultados indicam que os métodos aplicados foram eficazes e podem servir como ferramentas valiosas para apoiar os gestores na tomada de decisões.-
Descrição: dc.descriptionThe Brazilian retail sector is broad and diverse, encompassing both e-commerce and physical stores. The variety of products is extensive, and companies increasingly seek to offer the widest assortment possible to meet customer needs. However, it is common for this assortment to exist without adequate demand forecasting or strategic stock planning, resulting in excess inventory and spoilage, which are reclassified as product breakages. The occurrence of product breakages directly affects profit margins and generates negative environmental impacts. For this reason, it is necessary to perform accurate demand forecasting to ensure the competitiveness and growth of retail companies. Efficient inventory management involves planning and decision - making, aiming to operate continuously, avoid setbacks and errors, increase customer satisfaction, and reduce costs associated with product storage. Breakage for ecasting can assist inventory managers in mitigating some issues by enabling decisions that prevent product losses. In this research, a Brazilian retail company with a wide range of products is considered as the object of study. The objective is to develop a method to forecast product stock breakages that can assist retail company managers. A two-phase mathematical model is proposed: in the first phase, cluster analysis is performed using the K-Means algorithm to select the most critical product departments, and in the second phase, a time series analysis is conducted to identify patterns and trends in the most critical departments. To carry out the proposed calculations, the R Studio software was used, with the help of existing packages and algorithms. In the initial phase of the modeling, the application of K-Means was successful, resulting in the selection of the departments 'Alimentos 01', 'Alimentos 07', 'Limpeza 03', and 'Alimentos 08' as the most critical for time series analysis, using the Holt-Winters and Box-Jenkins models. Both models were effective in forecasting all departments, with errors ranging from 2.31% to 4.07%. However, external factors to the model, such as the pandemic, whose impact was diagnosed based on the time horizon, affected the behavior of the time series, generating outliers that alter subsequent observations. These impacts are notable in the long term due to uncertainty but do not compromise the predictive capacity of the models. The results indicate that the applied methods were effective and can serve as valuable tools to support managers in decision-making.-
Descrição: dc.description122 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAnálise de Cluster-
Palavras-chave: dc.subjectAnálise de séries temporais-
Palavras-chave: dc.subjectPrevenção de perdas de estoque-
Palavras-chave: dc.subjectSetor varejista-
Palavras-chave: dc.subjectAnálise de agrupamento-
Palavras-chave: dc.subjectTomada de decisão-
Palavras-chave: dc.subjectProdução intelectual-
Palavras-chave: dc.subjectEngenharia de Produção-
Palavras-chave: dc.subjectCluster analysis-
Palavras-chave: dc.subjectTime series analysis-
Palavras-chave: dc.subjectLoss prevention-
Palavras-chave: dc.subjectRetail store losses-
Palavras-chave: dc.subjectDecision making-
Título: dc.titleAnálise de cluster e séries temporais para prevenção de quebra de estoque no setor varejista-
Tipo de arquivo: dc.typeDissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.