Melhoria de um processo de previsão de volumes vendidos de combustível Prio

Detalhes bibliográficos
Autor(a) principal: Gomes, Henrique Miguel Brandão
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10773/33977
Resumo: Este projeto teve como principal objetivo a melhoria do processo de previsão de vendas nas bombas de combustível na Prio Energy, com base em estudos de tráfego e captação. Como objetivos específicos: estudaram-se os fatores com capacidade de previsão nas vendas referidas, definiram-se novas categorias para as variáveis utilizadas na previsão e agruparam-se postos com base na sua similaridade. Após uma análise exploratória de dados inicial, que permitiu uma caraterização das variáveis utilizadas, foram usados modelos de Regressão Simples, Múltipla, Logística, Árvores de Regressão (com recurso à linguagem R) e Análise de Clusters. Os dados referem-se a cerca de 90 (dos seus 258) postos de combustível, no ano de 2019, tendo sido analisados, entre outros, os fatores que influenciam o volume de vendas, comparando-se as variáveis utilizadas então pela empresa (R²=63%) e o novo conjunto de variáveis proposto (R²=77%), que revela um ganho na explicação do modelo de regressão utilizado. Também se determinaram, para a variável dependente volume de vendas, melhores categorias que as atuais (com mais capacidade preditiva, valores de R² mais elevados) para variáveis independentes como: densidade populacional, poder de compra, distância à via arterial e número de postos com desconto a menos de 10Km. Foi ainda proposta uma nova classificação dos postos e caraterizado o perfil dos respetivos clusters, verificando-se uma classificação correta de aproximadamente 88% dos postos. Como trabalho futuro sugere-se a utilização desta metodologia numa rede de postos mais alargada da empresa, melhorando, a nível geral, a previsão de vendas.
id RCAP_54c0989195b56ca3f01bd47e1fb8e67b
oai_identifier_str oai:ria.ua.pt:10773/33977
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Melhoria de um processo de previsão de volumes vendidos de combustível PrioPrioPrevisãoCombustívelVendasRegressãoFatoresMelhoriaClusterEste projeto teve como principal objetivo a melhoria do processo de previsão de vendas nas bombas de combustível na Prio Energy, com base em estudos de tráfego e captação. Como objetivos específicos: estudaram-se os fatores com capacidade de previsão nas vendas referidas, definiram-se novas categorias para as variáveis utilizadas na previsão e agruparam-se postos com base na sua similaridade. Após uma análise exploratória de dados inicial, que permitiu uma caraterização das variáveis utilizadas, foram usados modelos de Regressão Simples, Múltipla, Logística, Árvores de Regressão (com recurso à linguagem R) e Análise de Clusters. Os dados referem-se a cerca de 90 (dos seus 258) postos de combustível, no ano de 2019, tendo sido analisados, entre outros, os fatores que influenciam o volume de vendas, comparando-se as variáveis utilizadas então pela empresa (R²=63%) e o novo conjunto de variáveis proposto (R²=77%), que revela um ganho na explicação do modelo de regressão utilizado. Também se determinaram, para a variável dependente volume de vendas, melhores categorias que as atuais (com mais capacidade preditiva, valores de R² mais elevados) para variáveis independentes como: densidade populacional, poder de compra, distância à via arterial e número de postos com desconto a menos de 10Km. Foi ainda proposta uma nova classificação dos postos e caraterizado o perfil dos respetivos clusters, verificando-se uma classificação correta de aproximadamente 88% dos postos. Como trabalho futuro sugere-se a utilização desta metodologia numa rede de postos mais alargada da empresa, melhorando, a nível geral, a previsão de vendas.The main objective of this project was to improve the sales forecasting process at Prio Energy’s fuel pumps, based on traffic and capture studies. As specific objectives: the factors with predictive capacity in the referred sales were studied, new categories were defined for the variables used in the forecast and fuel pumps were grouped based on their similarity. After an initial exploratory data analysis, which allowed a characterization of the variables used, Simple, Multiple, Logistics, Regression Trees (using the R language) and Cluster Analysis models were used. The data refer to about 90 (of its 258) gas stations, in the year 2019, having analyzed, among others, the factors influencing sales volume, comparing the variables used by the company at the time (R²=63%) and the new set of variables proposed (R²=77%), which reveals a gain in the explanation of the regression model used. It was also determined, for the dependent variable sales volume, better categories than the current ones (with more predictive capacity, higher R² values) for independent variables such as: population density, purchasing power, distance to the arterial route and number of service stations with discount near than 10Km. A new classification of the gas stations was also proposed and the profile of the respective clusters was characterized, with a correct classification of approximately 88% of the gas stations. As future work, we suggest the use of this methodology in a wider network of the fuel pumps in the company, improving, in general, the sales forecast.2022-05-27T09:53:33Z2021-07-26T00:00:00Z2021-07-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/33977porGomes, Henrique Miguel Brandãoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-22T12:05:22Zoai:ria.ua.pt:10773/33977Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:05:19.178164Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Melhoria de um processo de previsão de volumes vendidos de combustível Prio
title Melhoria de um processo de previsão de volumes vendidos de combustível Prio
spellingShingle Melhoria de um processo de previsão de volumes vendidos de combustível Prio
Gomes, Henrique Miguel Brandão
Prio
Previsão
Combustível
Vendas
Regressão
Fatores
Melhoria
Cluster
title_short Melhoria de um processo de previsão de volumes vendidos de combustível Prio
title_full Melhoria de um processo de previsão de volumes vendidos de combustível Prio
title_fullStr Melhoria de um processo de previsão de volumes vendidos de combustível Prio
title_full_unstemmed Melhoria de um processo de previsão de volumes vendidos de combustível Prio
title_sort Melhoria de um processo de previsão de volumes vendidos de combustível Prio
author Gomes, Henrique Miguel Brandão
author_facet Gomes, Henrique Miguel Brandão
author_role author
dc.contributor.author.fl_str_mv Gomes, Henrique Miguel Brandão
dc.subject.por.fl_str_mv Prio
Previsão
Combustível
Vendas
Regressão
Fatores
Melhoria
Cluster
topic Prio
Previsão
Combustível
Vendas
Regressão
Fatores
Melhoria
Cluster
description Este projeto teve como principal objetivo a melhoria do processo de previsão de vendas nas bombas de combustível na Prio Energy, com base em estudos de tráfego e captação. Como objetivos específicos: estudaram-se os fatores com capacidade de previsão nas vendas referidas, definiram-se novas categorias para as variáveis utilizadas na previsão e agruparam-se postos com base na sua similaridade. Após uma análise exploratória de dados inicial, que permitiu uma caraterização das variáveis utilizadas, foram usados modelos de Regressão Simples, Múltipla, Logística, Árvores de Regressão (com recurso à linguagem R) e Análise de Clusters. Os dados referem-se a cerca de 90 (dos seus 258) postos de combustível, no ano de 2019, tendo sido analisados, entre outros, os fatores que influenciam o volume de vendas, comparando-se as variáveis utilizadas então pela empresa (R²=63%) e o novo conjunto de variáveis proposto (R²=77%), que revela um ganho na explicação do modelo de regressão utilizado. Também se determinaram, para a variável dependente volume de vendas, melhores categorias que as atuais (com mais capacidade preditiva, valores de R² mais elevados) para variáveis independentes como: densidade populacional, poder de compra, distância à via arterial e número de postos com desconto a menos de 10Km. Foi ainda proposta uma nova classificação dos postos e caraterizado o perfil dos respetivos clusters, verificando-se uma classificação correta de aproximadamente 88% dos postos. Como trabalho futuro sugere-se a utilização desta metodologia numa rede de postos mais alargada da empresa, melhorando, a nível geral, a previsão de vendas.
publishDate 2021
dc.date.none.fl_str_mv 2021-07-26T00:00:00Z
2021-07-26
2022-05-27T09:53:33Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10773/33977
url http://hdl.handle.net/10773/33977
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799137707889262592