Aplicação de Machine Learning na previsão de demanda em uma loja de roupas no Distrito Federal

Abstract

Este projeto tem como objetivo aplicar técnicas de Machine Learning (ML) para a previsão da demanda de produtos em uma empresa têxtil familiar localizada na Feira Permanente do Cruzeiro, em Brasília-DF. A partir da análise de dados históricos de vendas, combinada com algoritmos como Decision Tree, Gradient Boosting, K-Nearest Neighbors (KNN) e Support Vector Machines (SVM), buscou-se criar modelos preditivos que oferecessem suporte ao controle de estoque e à tomada de decisão sobre a produção e reposição de produtos. Foram utilizadas variáveis temporais e comerciais (como mês, dia da semana e preços) para treinar e testar os modelos, validados junto à gestão da empresa. Os resultados indicaram que o modelo Decision Tree apresentou melhor desempenho, com menor erro percentual médio (MAPE), sendo o mais apropriado para aplicação prática. A proposta demonstrou ser eficaz para pequenas empresas que buscam soluções de baixo custo e alto impacto para melhorar a gestão de sua cadeia produtiva.