|
Abstract:
|
O presente trabalho tem como objetivo desenvolver um procedimento baseado em técni- cas de clusterização georreferenciadas para apoiar a previsão de demanda de comidas orientais-brasileiras do Grupo Pastel da Mi, localizado na cidade de São Paulo. A pesquisa foi motivada pela importância da previsão de demanda e da gestão de estoques no setor alimentício, especialmente em estabelecimentos que trabalham com insumos perecíveis e apresentam variações de consumo entre diferentes unidades. Quanto à metodologia, a pesquisa caracteriza-se como aplicada, quantitativa e desenvolvida por meio de um estudo de caso. Inicialmente, realizou-se a coleta e tratamento dos dados históricos de vendas referentes aos anos de 2025 e 2026. Posteriormente, aplicou-se a técnica de clusterização k-means, utilizando o método do cotovelo para definição do número ideal de agrupamentos, permitindo segmentar os produtos conforme demanda, quantidade vendida e lucratividade. Em seguida, foram aplicados os métodos de suavização exponencial simples, dupla e tripla para realização das previsões de demanda. O desempenho dos modelos foi avaliado por meio das métricas MAD (MAE) e MAPE, possibilitando a comparação entre os métodos utilizados. Os resultados obtidos permitiram identificar padrões distintos de comportamento entre as unidades analisadas, além de demonstrar que os modelos aplicados podem au- xiliar no planejamento operacional e na gestão de estoques da empresa. Além disso, a utilização da clusterização georreferenciada permitiu analisar a consistência entre a de- manda prevista e a demanda real entre as diferentes unidades estudadas, contribuindo para previsões mais alinhadas às características regionais de consumo. |
