Export this record: EndNote BibTex

Please use this identifier to cite or link to this item: http://tede2.pucrs.br/tede2/handle/tede/8171
Document type: Dissertação
Title: Método de previsão de vendas e estimativa de reposição de itens no varejo da moda
Author: Santos, Graziele Marques Mazuco dos 
Advisor: Ruiz, Duncan Dubugras Alcoba
Abstract (native): A previsão de vendas no varejo da moda é um problema complexo e um dos componentes essenciais da cadeia de suprimento, sendo utilizada tanto para previsão de longo prazo quanto para a previsão de curto prazo. A previsão de longo prazo é importante pois é difícil, em termos de produção, enfrentar o desvio da demanda em um curto espaço de tempo, então a previsão antecipada permite aumentar a capacidade de resposta da cadeia de suprimento. A previsão de curto prazo é importante para o acompanhamento da demanda, visando a adequação do nível de estoque. No varejo da moda a alta rotatividade, o curto ciclo de vida dos produtos e a consequente ausência de dados históricos dificulta a geração de previsões precisas. Para lidar com esse problema, há na literatura três principais abordagens: estatística, baseada em inteligência artificial e híbrida, que combina estatística e inteligência artificial. Esta pesquisa propõe um método de previsão de vendas em duas etapas: (1) previsão de longo prazo, que pretende detectar diferentes grupos de produtos com ciclos de vida semelhantes, permitindo assim a identificação do comportamento médio de cada um dos grupos e (2) previsão de curto prazo que busca associar os produtos novos nos grupos identificados na etapa de longo prazo e ajustar a curva de vendas levando em consideração fatores conservadores, otimistas ou pessimistas. Além disso, nesta etapa é possível realizar a previsão de reposição de itens. Como diferencial, o método proposto utiliza a medida de distância Dynamic Time Warping, identificada na literatura como adequada para lidar com séries temporais. O método é testado utilizando dois conjuntos de dados reais de varejistas da moda, foram realizados dois experimentos, que demonstram a qualidade da contribuição.
Abstract (english): Demand forecasting is one of the most essential components of supply chain management. Forecasts are used both for long-term and for short-term. Long-term forecasts are important because it is difficult in terms of production to face the demand deviation in a short time, so the anticipation of prediction helps to increase the responsiveness of the supply chain. Short term forecasts are important for the demand monitoring aiming to keep healthy inventory levels. In the fashion industry, the high change of products, the short life cycle and the lack of historical data makes difficult accurate predictions. To deal with this problem, the literature presents three approaches: statistical, artificial intelligence and hybrid that combines statistical and artificial intelligence. This research presents a two-phased method: (1) long-term prediction, identifies the different life cycles in the products, allowing the identification of sales prototypes for each cluster and (2) short-term prediction, classifies new products in the clusters labeled in the long-term phase and adjusts the sales curve considering optimistic and pessimist factors. As a differential, the method is based in dynamic time warping, distance measure for time series. The method is tested in a real dataset with real data from fashion retailers that demonstrates the quality of the contribution.
Keywords: Mineração de Dados
Séries Temporais
Dynamic Time Warping
Previsão de Vendas
Indústria da Moda
Data Mining
Time Series
Sales Forecast
Fashion Industry
CNPQ Knowledge Areas: CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Pontifícia Universidade Católica do Rio Grande do Sul
Institution Acronym: PUCRS
Department: Escola Politécnica
Program: Programa de Pós-Graduação em Ciência da Computação
Access type: Acesso Aberto
Fulltext access restriction: Trabalho não apresenta restrição para publicação
URI: http://tede2.pucrs.br/tede2/handle/tede/8171
Issue Date: 26-Apr-2018
Appears in Collections:Programa de Pós-Graduação em Ciência da Computação

Files in This Item:
File Description SizeFormat 
GRAZIELE_MARQUES_MAZUCO_DOS_SANTOS_DIS.pdfGRAZIELE_MARQUES_MAZUCO_DOS_SANTOS_DIS3.77 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.