Método de previsão de vendas e estimativa de reposição de itens no varejo da moda
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 d...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2018 |
| País: | Brasil |
| Institución: | Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da PUC_RS |
| Idioma: | portugués |
| OAI Identifier: | oai:tede2.pucrs.br:tede/8171 |
| Acceso en línea: | http://tede2.pucrs.br/tede2/handle/tede/8171 |
| Access Level: | acceso abierto |
| Palabra clave: | Mineração de Dados Séries Temporais Previsão de Vendas Indústria da Moda Dynamic Time Warping Data Mining Time Series Sales Forecast Fashion Industry CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO |
| Sumario: | 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. |
|---|