The availability of data and the increased processing power of computers have made it easier to make decisions based on data, specially with Artificial Intelligence. One area where AI is widely applicable in companies is Supply Chain Management, particularly in demand forecasting. This paper aims to forecast sales for a company in the Cosmetic, Fragrance, and Toiletry market. Data from 2019 to 2023 were used from two different sales channel. To predict the demand, three Gradient Boosting algorithms (CatBoost, LightGBM, and XGBoost) were compared, and forecasts were made for three different time horizons (next period, five and ten periods ahead). After the experiments, LightGBM showed more stability compared to the other models.
Discurso de ódio em redes sociais direcionado a minorias trazem hostilidade para este meio causando sofrimento e danos que vão além do mundo digital. Moderadores podem ajudar no controle de mensagens ofensivas, mas com o grande volume de mensagens publicadas é inviável realizar uma filtragem manual. Para tentar combater a propagação de mensagens de ódio de forma mais abrangente, este trabalho tem como objetivo utilizar análise de sentimentos para detecção de mensagens homofóbicas em português no Twitter. Os resultados da técnica desenvolvida foram comparados com as interpretações de humanos. Neste experimento, a técnica obteve 0,6148 de acurácia, 0,6667 de precisão, 0,6216 de sensibilidade e 0,6433 de f-measure.
The rapid growth of freight transport in Brazil has increased the demand for intelligent tax auditing tools capable of handling high-volume, real-time data. This paper presents the integration of three computer vision modules into CACTO, a large-scale monitoring platform used by the State Treasury Secretariat of Paraíba (SEFAZPB). The modules address key inspection tasks: vehicle re-identification and multi-camera tracking, direction recognition and route monitoring, and open-truck cargo detection. By combining distributed architectures with scalable machine learning pipelines, the system enhances proactive and evidence-based auditing, supporting fiscal enforcement and reducing vulnerabilities to tax evasion.
1 July 2024 in Brazilian Journal of Production Engineering
A disseminação da tomada de decisão baseada em dados tem sido impulsionada pela abundância de informações e pelo aumento da capacidade de processamento computacional. Para apoiar esse processo decisório, é viável extrair conhecimento e realizar previsões por meio da Ciência de Dados. Dentro da Gestão da Cadeia de Abastecimento, um desafio comum é fazer a previsão de demanda utilizando dados históricos. Prever o volume de vendas de uma empresa é complexo. Superestimar a demanda leva a desperdícios de estoque, enquanto subestimar causa ruptura. Neste estudo de caso, será feita a previsão de demanda de longo prazo (30 semanas) para dois canais de vendas diferentes de uma empresa do segmento da indústria e do varejo do mercado de Higiene Pessoal, Perfumaria e Cosméticos. Foi utilizado o algoritmo Prophet. Após implementada a metodologia, os resultados mostraram que a semana 30 apresentou um WAPE de 4% e 5% para os canais Loja e Venda Direta, respectivamente. Ao analisar o erro na trigésima semana para as três categorias de produtos mais comercializados, observou-se que o maior erro registrado foi de 9,36%. Esse resultado sugere que a metodologia empregada alcançou desempenho satisfatório.