Publicação
Inteligência artificial na cadeia de abastecimento: análise de séries temporais para previsão da procura
| dc.contributor.advisor | Simões, David | |
| dc.contributor.advisor | Anunciação, Pedro | |
| dc.contributor.author | Lucas, Miguel Sacadura | |
| dc.date.accessioned | 2026-01-28T14:48:41Z | |
| dc.date.available | 2026-01-28T14:48:41Z | |
| dc.date.issued | 2025-11 | |
| dc.description.abstract | Numa era onde a componente digital penetra todo e qualquer setor de atividade, a cadeia de abastecimento é naturalmente uma área que não foge à regra. Processos de transformação digital ou digitalização oferecem maior capacidade às organizações de reformular áreas de gestão e subprocessos na perspetiva de acrescentar valor às respetivas atividades. Um dos temas mais sonantes da atualidade é o avanço significativo da inteligência artificial e como cada vez mais, essas descobertas e implementações oferecem a várias áreas, nomeadamente, à cadeia de abastecimento, novas formas de analisar dados, prever cenários futuros e formular novos tipos de ação/reação de acordo com as diferentes situações. A tomada de decisão é assim suportada por dados relevantes, de qualidade superior, previamente trabalhados para determinado objetivo e é através dessa premissa que se desenvolve todo este projeto. Inevitavelmente, uma das áreas de maior influência no fluxo das cadeias de abastecimento é o planeamento da procura e como tal, torna-se imperativo apontar à máxima eficiência possível dos métodos e modelos utilizados para a prever. Sabendo que haverá sempre constrangimentos diretos ou indiretos que podem impactar negativamente estes fluxos, o esforço é feito fundamentalmente para minimizar esses mesmos estragos. A relação entre a existência de constrangimentos e a eficiência da cadeia de abastecimento será sempre uma de proporcionalidade inversa, uma vez que, quanto melhor ou mais precisa for a previsão calculada da procura, menor serão os constrangimentos causados às operações a jusante. Neste seguimento, entram em ação os modelos preditivos desenvolvidos através de aprendizagem automática e como estes podem oferecer novos padrões de qualidade ao processo de previsão da procura e planeamento de necessidades. Modelos de análise e previsão em séries temporais são um dos exemplos utilizados para prever níveis de procura e será sobre esse que incidirá o foco neste projeto. | por |
| dc.description.abstract | In a digital era that permeates every sector of activity, the supply chain is naturally an area that does not escape this trend. Digital transformation processes offer every kind of organization greater capacity to reformulate management areas and subprocesses with the main goal being adding value to their respective activities. One of the most prominent topics nowadays is the remarkable evolution of artificial intelligence and how these breakthroughs and implementations offer various areas, namely, the supply chain, new ways to analyze data, predict possible scenarios and manage new types of action taking accordingly. Decision-making is thus supported by relevant, high-quality data, previously processed for a specific purpose creating a new concept of data-driven supply chains. Inevitably, one of the areas with the most influence on the supply chain is demand planning and, as such, it becomes imperative to aim for the maximum efficiency possible when methods/models used to predict it are applied. Knowing that there will always be direct and/or indirect constraints that can negatively impact these flows, the effort is fundamentally made to minimize these unpredictable damages. The relationship between the existence of constraints and the efficiency of the supply chain will always be one of inverse proportionality, since the better or more accurate the calculated demand is, the fewer constraints caused to downstream operations such as inventory management or warehousing. In this context, predictive models developed through machine learning come into play and specifically, how can they offer new quality standards to the demand forecasting and planning processes. Time series analysis and forecasting models are one of the examples used to predict demand levels, and this will be the focus of the project. | eng |
| dc.identifier.tid | 204055512 | |
| dc.identifier.uri | http://hdl.handle.net/10400.26/61271 | |
| dc.language.iso | por | |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Cadeia de abastecimento | |
| dc.subject | Planeamento da procura | |
| dc.subject | Inteligência artificial | |
| dc.subject | Previsão de séries temporais | |
| dc.subject | Supply chain | |
| dc.subject | Demand planning | |
| dc.subject | Artificial intelligence | |
| dc.subject | Time-series forecasting | |
| dc.title | Inteligência artificial na cadeia de abastecimento: análise de séries temporais para previsão da procura | por |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.grantor | Instituto Politécnico de Setúbal | |
| thesis.degree.name | Mestrado em Ciência de Dados para Empresas |
Ficheiros
Principais
1 - 1 de 1
A carregar...
- Nome:
- ProjetoFinal_MiguelLucas_220353019_VersaoDefinitiva.pdf
- Tamanho:
- 1.45 MB
- Formato:
- Adobe Portable Document Format
Licença
1 - 1 de 1
Miniatura indisponível
- Nome:
- license.txt
- Tamanho:
- 1.85 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: