
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 | Monteiro, Marcelo Maciel | - |
| Autor(es): dc.contributor | Silva, Diogo Ferreira de Lima | - |
| Autor(es): dc.contributor | Roboredo, Marcos Costa | - |
| Autor(es): dc.creator | Reis, Thiago Dias Paes | - |
| Data de aceite: dc.date.accessioned | 2025-01-03T11:44:32Z | - |
| Data de disponibilização: dc.date.available | 2025-01-03T11:44:32Z | - |
| Data de envio: dc.date.issued | 2024-08-13 | - |
| Data de envio: dc.date.issued | 2024-08-13 | - |
| Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/34119 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/920821 | - |
| Descrição: dc.description | A crescente complexidade das cadeias de suprimentos, especialmente em setores dinâmicos como o de bens de consumo, exige o desenvolvimento de métodos robustos e eficientes para a previsão de demanda. Sob essa ótica, no contexto do mercado de beleza brasileiro, essa necessidade se intensifica, dado o seu crescimento constante e a alta competitividade. Desse modo, o presente estudo visa otimizar a previsão de demanda dos produtos profissionais de uma multinacional do setor, utilizando uma abordagem estatística orientada pelo comportamento do consumidor final. Para tanto, o estudo se baseia em uma análise aprofundada de séries temporais de vendas, explorando os componentes de sazonalidade, tendência e ciclos. A partir dessa análise, diferentes modelos estatísticos foram selecionados e suas fórmulas estudadas a fim de identificar o método mais adequado para cada item. Nesse sentido, para automatizar o processo de modelagem e previsão, foi desenvolvida uma ferramenta em linguagem Python. Esta utiliza dados históricos de Sell In e Sell Out para gerar previsões granulares, considerando canais de distribuição e clientes. Os resultados demonstram uma melhora de mais de 40% na média dos erros absolutos das previsões em relação aos métodos tradicionais, além de reduzir significativamente o tempo despendido no processo, o que permite que os Planejadores de Demanda priorizem atividades de maior valor agregado. Nesse aspecto, o estudo conclui que a ferramenta, ao integrar dados de Sell Out e automatizar a modelagem estatística, constitui um avanço na gestão do ciclo de S&OP e consequentemente da Cadeia de Suprimentos, promovendo maior acuracidade nas previsões de Sell In, otimização do planejamento de estoque e melhor atendimento às demandas do mercado | - |
| Descrição: dc.description | The increasing complexity of supply chains, especially in dynamic sectors such as consumer goods, demands the development of robust and efficient methods for demand forecasting. In the context of the Brazilian beauty market, this need is further intensified given its constant growth and high competitiveness. Therefore, this study aims to optimize the demand forecasting of professional products for a multinational company in the sector, utilizing a statistical approach driven by end-consumer behavior. To this end, the study is based on a thorough analysis of sales time series, exploring seasonality, trend, and cycle components. Based on this analysis, different statistical models were selected and their formulas studied to identify the most appropriate method for each item. Accordingly, a tool was developed in Python language to automate the modeling and forecasting process. This tool leverages historical Sell In and Sell Out data to generate granular forecasts, considering distribution channels and customers. The results demonstrate a more than 40% mean absolute error improvement in forecasting accuracy compared to traditional methods, in addition to significantly reducing the time spent in the process, allowing Demand Planners to prioritize higher value-added activities. In this regard, the study concludes that the tool, by integrating Sell Out data and automating statistical modeling, constitutes a significant advancement in the management of the S&OP cycle and consequently, the supply chain. This leads to greater accuracy in Sell In forecasts, optimization of inventory planning, and improved responsiveness to market demands | - |
| Descrição: dc.description | 60 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 | Cadeia de suprimentos | - |
| Palavras-chave: dc.subject | Mercado de beleza | - |
| Palavras-chave: dc.subject | S&OP | - |
| Palavras-chave: dc.subject | Modelagem | - |
| Palavras-chave: dc.subject | Previsão de demanda | - |
| Palavras-chave: dc.subject | Indústria de beleza | - |
| Palavras-chave: dc.subject | Modelagem computacional | - |
| Palavras-chave: dc.subject | Demand forecasting | - |
| Palavras-chave: dc.subject | Supply chain | - |
| Palavras-chave: dc.subject | Beauty market | - |
| Palavras-chave: dc.subject | Statistical models | - |
| Título: dc.title | Modelagem e previsão de demanda de produtos profissionais de uma empresa do mercado de beleza | - |
| 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: