| Campo Dublin Core | Valor | Língua |
| dc.contributor.advisor | Gonçalves, Marcelo Carneiro | - |
| dc.contributor.author | Marcelino, Danilo Aureliano | - |
| dc.identifier.citation | MARCELINO, 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.description | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia de Produção, 2025. | pt_BR |
| dc.description.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. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Aprendizado de máquina | pt_BR |
| dc.subject.keyword | Previsão de demanda | pt_BR |
| dc.subject.keyword | Gestão de empresas | pt_BR |
| dc.subject.keyword | Tomada de decisão | pt_BR |
| dc.subject.keyword | Empresas | pt_BR |
| dc.subject.keyword | Gestão de estoque | pt_BR |
| dc.title | Aplicação de Machine Learning na previsão de demanda em uma loja de roupas no Distrito Federal | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2026-08-13T18:21:52Z | - |
| dc.date.available | 2026-08-13T18:21:52Z | - |
| dc.date.submitted | 2025-07-10 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/45386 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A 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.abstract1 | This 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
|