Publicação
Modelo de gestão e previsão de vendas baseado em aprendizagem computacional : estudo de caso numa empresa de soluções técnicas para a indústria
| dc.contributor.advisor | Mendes, Mateus Daniel Almeida | |
| dc.contributor.advisor | Farinha, José Manuel Torres | |
| dc.contributor.author | Lopes, Jorge Filipe Costa | |
| dc.date.accessioned | 2026-03-04T13:30:57Z | |
| dc.date.available | 2026-03-04T13:30:57Z | |
| dc.date.issued | 2025-10-22 | |
| dc.description.abstract | Este trabalho apresenta um modelo de gestão e previsão de vendas aplicado ao contexto específico de uma empresa nacional de engenharia e soluções técnicas industriais, com o objetivo de apoiar as tomadas de decisão estratégicas através de previsões fiáveis e fundamentadas. A organização em estudo tem presença em diversas regiões de Portugal e opera fundamentalmente num contexto B2B, fornecendo uma vasta gama de componentes técnicos e serviços especializados para o sector industrial. Oprojeto segue uma abordagem baseada em dados históricos reais de aturação, abrangendo mais de uma década de atividade da empresa, e recorre a técnicas de Machine Learning (ML) para a construção de modelos preditivos. A metodologia adotada é a CRISP-DM, que permite estruturar o processo desde a compreensão do negócio até à sua validação e avaliação dos resultados. No desenvolvimento deste trabalho foram testados cinco modelos preditivos, LSTM, GRU, MLP Regressor, XGBoost e um modelo híbrido, que combinava o LSTM e o XGBoost. A análise comparativa e avaliação sobre os modelos foi realizada com base em métricas como MSE, RMSE, MAE e MAPE. O modelo XGBoost destacou-se como o mais eficaz, apresentando o menor MAPE (16,45%), confirmando o seu desempenho superior em ambientes com grande variabilidade de dados. O documento discute ainda o impacto do pré-processamento de dados, engenharia de features e ajuste de hiperparâmetros, destacando a importância destas etapas para o sucesso dos modelos. A viabilidade da modelação híbrida foi também avaliada, embora para este caso em concreto não tenha superado o modelo base mais robusto. Os resultados obtidos estão em consonância com evidências presentes na literatura científica, reforçando a aplicabilidade prática do ML em ambientes industriais. É esperado que o modelo proposto se revele uma ferramenta valiosa para apoiar a gestão comercial e estratégica da empresa, contribuindo para um planeamento mais informado e uma resposta mais eficaz às dinâmicas e necessidades de mercado. | por |
| dc.identifier.tid | 204216842 | |
| dc.identifier.uri | http://hdl.handle.net/10400.26/61974 | |
| dc.language.iso | por | |
| dc.rights.uri | N/A | |
| dc.subject | Previsão de vendas | |
| dc.subject | Machine learning | |
| dc.subject | Modelos preditivos | |
| dc.subject | CRISP-DM | |
| dc.subject | LSTM | |
| dc.subject | GRU | |
| dc.subject | MLP Regressor | |
| dc.subject | XGBoost | |
| dc.title | Modelo de gestão e previsão de vendas baseado em aprendizagem computacional : estudo de caso numa empresa de soluções técnicas para a indústria | por |
| dc.type | master thesis | |
| dspace.entity.type | Publication |