Este projeto utiliza técnicas de modelagem de séries temporais para prever a demanda de insumos em um contexto de Supply Chain, ajudando na tomada de decisão para planejamento logístico e de estoques.
- Desenvolver um modelo preditivo para estimar a demanda futura de insumos em Kg, baseado em dados históricos.
- Auxiliar o planejamento de compras e produção, minimizando rupturas e excessos de estoque.
- Fonte: Dados fictícios simulados para fins de estudo.
- Período: 2023-01 a 2025-06.
- Variáveis principais:
data: data da demanda.demanda_insumos_kg: quantidade demandada em Kg.
- Exploração de dados (EDA):
- Análise da sazonalidade, tendência e componentes residuais.
- Transformações:
- Aplicação de log para estabilizar variância.
- Aplicação de diferenciação para tornar a série estacionária.
- Modelagem:
- Uso do modelo SARIMAX para capturar tendência, sazonalidade e efeitos externos.
- Avaliação:
- Verificação dos resíduos do modelo.
- Forecast:
- Projeção da demanda para os próximos 30 dias.
- Gráficos de decomposição e previsão mostrando alinhamento do modelo com o comportamento histórico.
- Previsões exportadas para auxiliar análises futuras.
- Python (Jupyter Notebook)
- pandas, numpy, matplotlib, seaborn
- statsmodels (SARIMAX)
- Clone o repositório:
git clone https://github.com/jaquelinesfernandes/SuplyChain_TimesSeries.git
- Abra o notebook:
jupyter notebook project_suplychain_ts.ipynb
✍️ Autora | Jaqueline Fernandes |