Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Moura Junior, Joelmir Luz de
Orientador(a): Frazzon, Enzo Morosini
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/270317
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 2025.
id UFSC_e99afdbe7f4c82dc5b84bc6637e89123
oai_identifier_str oai:repositorio.ufsc.br:123456789/270317
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaMoura Junior, Joelmir Luz deFrazzon, Enzo Morosini2025-11-27T23:32:27Z2025-11-27T23:32:27Z2025394788https://repositorio.ufsc.br/handle/123456789/270317Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 2025.Previsões de demanda são essenciais para o planejamento eficaz da cadeia de suprimentos, sobretudo no contexto de novos produtos, marcado por elevada incerteza devido à ausência de histórico de vendas. Este trabalho introduz um modelo híbrido de previsão de demanda combinando dois modelos preditivos e técnicas de Inteligência Artificial Explicável (XAI), com o objetivo de aumentar a clareza, a confiabilidade e a interpretabilidade das estimativas, de modo a subsidiar decisões gerenciais mais seguras.. Inicialmente, na primeira etapa do trabalho foi conduzida uma revisão sistemática da literatura para examinar a aplicabilidade dos métodos quantitativos, especialmente com o surgimento da Inteligência Artificial nas previsões de demanda de novos produtos. Em seguida, desenvolveu-se uma abordagem de IA que suprisse lacunas de informação nas previsões observadas na literatura, sendo avaliado em um cenário real de demanda de veículos elétricos no Brasil. O modelo sugerido empregou recursos XAI para tornar os resultados auditáveis, detectar vieses e orientar melhorias iterativas do processo preditivo. Os resultados empíricos indicam que o modelo híbrido superou consistentemente os modelos base isolados em métricas usuais de acurácia, confirmando sua capacidade preditiva. As explicações geradas mostraram-se coerentes e informativas, permitindo identificar os preditores mais influentes e apoiar decisões sobre lançamento e posicionamento de novos produtos. Em conjunto, os achados comprovaram a eficácia da abordagem proposta e avançaram o estado da arte em previsão de demanda para produtos recém-lançados, além de oferecerem evidências práticas para sua adoção em contextos organizacionais.Abstract: Demand forecasting is crucial for efficient supply chain planning, especially for new items, which demonstrate significant uncertainty due to the lack of sales history. The present study developed a hybrid demand-forecasting model that integrates two predictive models with procedures from Explainable Artificial Intelligence (XAI), aiming to improve the transparency, reliability, and interpretability of estimates to facilitate safer managerial decision-making. A thorough literature analysis was undertaken to assess the relevance of quantitative methodologies, particularly considering advancements in Artificial Intelligence, for demand forecasting of new items. An AI-driven methodology was devised to rectify information deficiencies identified in the literature and was assessed in a practical context concerning the demand for electric vehicles in Brazil. The suggested model utilised XAI approaches to ensure results are auditable, identify biases, and provide iterative enhancements to the forecasting process. The empirical findings demonstrated that the hybrid model frequently surpassed standalone baseline models on conventional accuracy metrics, validating its predictive efficacy. The generated explanations were coherent and instructive, facilitating the identification of the most significant predictors and aiding decisions concerning the introduction and positioning of new items. The findings collectively illustrated the efficacy of the suggested method and enhanced the existing standards in demand forecasting for newly introduced items, while also offering empirical support for its use in organisational settings.95 p.| il., tabs.porEngenharia de produçãoInteligência artificialProdutos novosPrevisão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicávelinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEPS5913-D.pdfPEPS5913-D.pdfapplication/pdf4047076https://repositorio.ufsc.br/bitstream/123456789/270317/-1/PEPS5913-D.pdf7d84806334e17f6fd30cd0fe0d0109eaMD5-1123456789/2703172025-11-27 20:32:27.496oai:repositorio.ufsc.br:123456789/270317Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732025-11-27T23:32:27Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável
title Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável
spellingShingle Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável
Moura Junior, Joelmir Luz de
Engenharia de produção
Inteligência artificial
Produtos novos
title_short Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável
title_full Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável
title_fullStr Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável
title_full_unstemmed Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável
title_sort Previsão de demanda de produtos novos: uma abordagem híbrida baseada em inteligência artificial explicável
author Moura Junior, Joelmir Luz de
author_facet Moura Junior, Joelmir Luz de
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Moura Junior, Joelmir Luz de
dc.contributor.advisor1.fl_str_mv Frazzon, Enzo Morosini
contributor_str_mv Frazzon, Enzo Morosini
dc.subject.classification.none.fl_str_mv Engenharia de produção
Inteligência artificial
Produtos novos
topic Engenharia de produção
Inteligência artificial
Produtos novos
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 2025.
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-11-27T23:32:27Z
dc.date.available.fl_str_mv 2025-11-27T23:32:27Z
dc.date.issued.fl_str_mv 2025
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 https://repositorio.ufsc.br/handle/123456789/270317
dc.identifier.other.none.fl_str_mv 394788
identifier_str_mv 394788
url https://repositorio.ufsc.br/handle/123456789/270317
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 95 p.| il., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/270317/-1/PEPS5913-D.pdf
bitstream.checksum.fl_str_mv 7d84806334e17f6fd30cd0fe0d0109ea
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758879995592704

Registros relacionados