Matches in SemOpenAlex for { <https://semopenalex.org/work/W1952157636> ?p ?o ?g. }
Showing items 1 to 53 of
53
with 100 items per page.
- W1952157636 abstract "A previsao de vendas e fundamental para organizacoes uma vez que permite melhorar o planejamento e a tomada de decisao sobre o futuro da empresa, contudo toda previsao carrega consigo a incerteza. Na tentativa de diminuir essa incerteza, novas tecnicas e metodos sao constantemente pesquisados e desenvolvidos. Entre as diversas tecnicas de previsao existem as baseadas em metodos quantitativos, que analisam o comportamento e padrao das series no passado e tracam projecoes futuras sobre as mesmas. A evolucao destes modelos tem sido determinada pelo avanco da tecnologia da informacao que, a partir da utilizacao mais intensiva de tecnicas de inteligencia artificial, permite o desenvolvimento de modelos preditivos com melhor desempenho. Diante destas novas possibilidades que a inteligencia artificial propicia, emerge o seguinte problema de pesquisa: Quais sao as tecnicas que apresentam maior acuracia quando aplicadas para previsao de vendas? Para responder a esta questao, essa dissertacao avaliou de forma quantitativa modelos de previsao aplicados em dados reais de uma industria brasileira do segmento textil. Foram desenvolvidas e avaliadas tecnicas estatisticas de suavizacao exponencial, modelos ARIMA, regressao e redes neurais artificiais otimizadas pela tecnica de algoritmos geneticos. A pesquisa mostrou que a inclusao de variaveis externas auxilia na melhor acuracia dos modelos de previsao e que a adocao de metodos que captam variacoes nao lineares nem sempre gera ganhos de previsao. Por fim, os resultados mostraram que a otimizacao por Algoritmos Geneticos pode gerar modelos com uma capacidade preditiva superior." @default.
- W1952157636 created "2016-06-24" @default.
- W1952157636 creator A5004406119 @default.
- W1952157636 date "2014-03-29" @default.
- W1952157636 modified "2023-09-24" @default.
- W1952157636 title "AVALIAÇÃO DE MODELOS DE PREVISÃO DE VENDAS A PARTIR DA EXPLORAÇÃO DE TÉCNICAS DE ANÁLISE DE SÉRIES TEMPORAIS, MÉTODOS CAUSAIS E DE REDES NEURAIS ARTIFICIAIS" @default.
- W1952157636 cites W1496372007 @default.
- W1952157636 cites W1527408989 @default.
- W1952157636 cites W171350495 @default.
- W1952157636 cites W1968475341 @default.
- W1952157636 cites W1970398852 @default.
- W1952157636 cites W1978587881 @default.
- W1952157636 cites W1986097484 @default.
- W1952157636 cites W1986906265 @default.
- W1952157636 cites W2015393497 @default.
- W1952157636 cites W2038208549 @default.
- W1952157636 cites W2074531922 @default.
- W1952157636 cites W2080937899 @default.
- W1952157636 cites W2082633357 @default.
- W1952157636 cites W2084175761 @default.
- W1952157636 cites W2098148222 @default.
- W1952157636 cites W2119010892 @default.
- W1952157636 cites W2121970262 @default.
- W1952157636 cites W2124758339 @default.
- W1952157636 cites W2150206739 @default.
- W1952157636 cites W2164449365 @default.
- W1952157636 cites W2181348349 @default.
- W1952157636 cites W2183213505 @default.
- W1952157636 cites W2419150734 @default.
- W1952157636 cites W2796359004 @default.
- W1952157636 cites W2811507150 @default.
- W1952157636 cites W2188429793 @default.
- W1952157636 hasPublicationYear "2014" @default.
- W1952157636 type Work @default.
- W1952157636 sameAs 1952157636 @default.
- W1952157636 citedByCount "0" @default.
- W1952157636 crossrefType "journal-article" @default.
- W1952157636 hasAuthorship W1952157636A5004406119 @default.
- W1952157636 hasConcept C121332964 @default.
- W1952157636 hasConcept C138885662 @default.
- W1952157636 hasConcept C15708023 @default.
- W1952157636 hasConceptScore W1952157636C121332964 @default.
- W1952157636 hasConceptScore W1952157636C138885662 @default.
- W1952157636 hasConceptScore W1952157636C15708023 @default.
- W1952157636 hasIssue "1" @default.
- W1952157636 hasLocation W19521576361 @default.
- W1952157636 hasOpenAccess W1952157636 @default.
- W1952157636 hasPrimaryLocation W19521576361 @default.
- W1952157636 hasVolume "3" @default.
- W1952157636 isParatext "false" @default.
- W1952157636 isRetracted "false" @default.
- W1952157636 magId "1952157636" @default.
- W1952157636 workType "article" @default.