Modelos de Previsão Aplicados no Setor Automóvel

• Autor(a) principal: Cardoso, Gonçalo Faceira Teixeira da Fonseca
• 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/10400.22/24961
• topic: Car Market; Registrations Forecast; Data Mining; Machine Learning; Forecasting Algorithms; Domínio/Área Científica::Engenharia e Tecnologia

Atualmente, a previsão de valores de indicadores de gestão, tais como vendas, procura, rentabilidade, etc., desempenha um papel importantíssimo no mundo empresarial, contribuindo, de forma impactante, nas decisões estratégicas das organizações. As previsões tradicionais, baseadas em fórmulas simples ou na opinião de peritos, apenas, estão a ficar obsoletas e a ser substituídas por modelos de previsão automatizados e mais modernos. Isto porque, muitas vezes, existe complexidade nas tendências dos dados disponíveis que não são corretamente detetados pelos métodos mais simples. O presente trabalho teve como objetivo principal a aplicação de algoritmos de previsão baseados em modelos estatísticos e em métodos de aprendizagem automática para melhorar a precisão das previsões de matrículas futuras da Toyota Caetano Portugal. Os trabalhos iniciaram com uma revisão sobre métodos de previsão, seguindo-se uma análise exploratória exaustiva dos dados disponíveis e a modelação via modelos estatísticos e modelos de aprendizagem automática da procura e das vendas de automóveis da Toyota Caetano Portugal. A seleção do melhor método foi efetuada com base em métricas adequadas. Através da análise dos resultados, observou-se que o modelo baseado em redes neuronais foi o que produziu erros mais baixos. Além disso, as previsões obtidas com esse modelo apresentaram valores próximos dos valores reais e são mais precisas do que aquelas anteriormente realizadas pela Toyota Caetano Portugal. Como contribuição, este trabalho demonstra a viabilidade da aplicação de algoritmos de previsão no setor automóvel de forma a melhorar a eficácia das projeções de matrículas. Estes resultados têm uma importância prática tremenda, pois ajuda a empresa a tomar decisões mais corretas, e a realizar o plano de matrículas e os orçamentos com maior confiança.