Ana Clara Chaves Sousa

Ana Clara Chaves Sousa

Auto-generated profile, based on publicly available information

Ana Clara Chaves Sousa

Universidade Federal da Paraíba

Research Focus & Metrics

Academic Career Length

6Years (2021-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
25 September 2023
Verified
Conference Paper
Open access
PDF file
ASAna Clara Chaves Sousa
Ana Clara Chaves Sousa
TGThais Gaudencio
Thais Gaudencio
YMYuri Malheiros
Yuri Malheiros
TFTelmo Silva Filho
Telmo Silva Filho
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.

1 July 2024 in Brazilian Journal of Production Engineering
Verified
Journal Article
Open access
PDF file
ASAna Clara Chaves Sousa
Ana Clara Chaves Sousa
YMYuri Malheiros
Yuri Malheiros
TFTelmo Silva Filho
Telmo Silva Filho
TGThais Gaudencio
Thais Gaudencio
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.

28 November 2021
Verified
Book Chapter
Closed access
PDF file
IFItamar de Paiva Rocha Filho
Itamar de Paiva Rocha Filho
JTJ. Pedro Teixeira
J. Pedro Teixeira
JLJoão Wallace Lucena Lins
João Wallace Lucena Lins
FSFelipe Honorato de Sousa
Felipe Honorato de Sousa
ASAna Clara Chaves Sousa
Ana Clara Chaves Sousa
TFTelmo Silva Filho
Telmo Silva Filho