Gestão de Inventários de uma cadeia de retalho

• Autor(a) principal: Alves, Jorge Ricardo Cordeiro de Oliveira Monteiro
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/24049
• topic: Forecasting; Retail; Supply Chain Management; Stock; Machine Learning; Domínio/Área Científica::Engenharia e Tecnologia

O presente trabalho aborda a criação de um modelo de previsão de vendas semanais por artigo / localização com base em dados reais de uma empresa de retalho líder no setor de cosmética. O modelo atualmente utilizado pela empresa apresenta indícios de não captar corretamente as características da procura dos seus clientes, o que gera ineficiências dentro da cadeia de abastecimento por excesso de alocação de stock a um determinado ponto, assim como falhas de stock e consequentes perdas de venda em alturas sazonais ou em que existem eventos especiais. Foram aplicados métodos clássicos de previsão com base em séries temporais, como o método de Amortecimento Exponencial Simples, o Método de Holt, Holt-Winters, e o método ARIMA. Adicionalmente, foi também aplicado um algoritmo de multilayer perceptron (MLP) que utiliza variáveis de eventos culturais, nacionais, desportivos, e meteorológicos, além de informação sobre a família e subfamília do artigo. Para estimar os valores da sazonalidade, da tendência e os resíduos de cada série temporal, é utilizado o Amortecimento Exponencial Simples para prever os pontos do horizonte de previsão e aplicado o método STL com sazonalidade a um ano para extrair os valores estimados, que são posteriormente aplicados na previsão de vendas gerada pelo modelo MLP. Os modelos foram testados utilizando um método de Janela Deslizante ao longo de um ano, em que a cada ponto se procurava prever os dois pontos futuros, utilizando o RMSE médio de cada modelo como avaliação. O modelo MLP conseguiu o melhor desempenho em 16 dos 19 artigos utilizados para teste, o que demonstra a potencialidade da utilização de algoritmos de Machine Learning para prever a procura de uma cadeia de retalho.