Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/45386
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2025_DaniloAurelianoMarcelino_tcc.pdf5,77 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorGonçalves, Marcelo Carneiro-
dc.contributor.authorMarcelino, Danilo Aureliano-
dc.identifier.citationMARCELINO, Danilo Aureliano. Aplicação de Machine Learning na previsão de demanda em uma loja de roupas no Distrito Federal. 2025. 222 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) — Universidade de Brasília, Brasília, 2025.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia de Produção, 2025.pt_BR
dc.description.abstractEste 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.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordAprendizado de máquinapt_BR
dc.subject.keywordPrevisão de demandapt_BR
dc.subject.keywordGestão de empresaspt_BR
dc.subject.keywordTomada de decisãopt_BR
dc.subject.keywordEmpresaspt_BR
dc.subject.keywordGestão de estoquept_BR
dc.titleAplicação de Machine Learning na previsão de demanda em uma loja de roupas no Distrito Federalpt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2026-08-13T18:21:52Z-
dc.date.available2026-08-13T18:21:52Z-
dc.date.submitted2025-07-10-
dc.identifier.urihttps://bdm.unb.br/handle/10483/45386-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1This project aims to apply Machine Learning (ML) techniques to forecast product demand for a family-owned textile business located in the Feira Permanente do Cruzeiro, Brasília-DF, Brazil. By analyzing historical sales data and using algorithms such as Decision Tree, Gradient Boosting, K-Nearest Neighbors (KNN), and Support Vector Machines (SVM), the study developed predictive models to support inventory management and decision-making related to production and product restocking. Temporal and commercial variables (such as month, weekday, and prices) were used to train and test the models, which were validated in collaboration with the company’s management. The Decision Tree model achieved the best performance, showing the lowest mean absolute percentage error (MAPE), making it the most suitable for practical application. This approach proved effective for small businesses seeking affordable and impactful solutions to optimize their production planning and inventory control.pt_BR
Aparece na Coleção:Engenharia de Produção



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.