Unveiling the impact of causal variables in industrial demand forecasting: a comparative analysis between traditional and machine learning models (2024)
- Authors:
- USP affiliated authors: MOTA, DANIEL DE OLIVEIRA - EP ; HO, LINDA LEE - EP ; ZANEZI, ANDRÉ CARON - EP
- Unidade: EP
- DOI: 10.14488/enegep2024_tn_st_412_2020_46863
- Subjects: CADEIA DE SUPRIMENTOS; ANÁLISE DE SÉRIES TEMPORAIS; REDES NEURAIS; APRENDIZADO COMPUTACIONAL
- Language: Inglês
- Imprenta:
- Publisher: ABEPRO
- Publisher place: Rio de Janeiro
- Date published: 2024
- Source:
- Conference titles: Encontro Nacional de Engenharia de Produção - ENEGEP
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: bronze
-
ABNT
ZANEZI, André Caron e MOTA, Daniel de Oliveira e HO, Linda Lee. Unveiling the impact of causal variables in industrial demand forecasting: a comparative analysis between traditional and machine learning models. 2024, Anais.. Rio de Janeiro: ABEPRO, 2024. Disponível em: https://doi.org/10.14488/enegep2024_tn_st_412_2020_46863. Acesso em: 31 dez. 2025. -
APA
Zanezi, A. C., Mota, D. de O., & Ho, L. L. (2024). Unveiling the impact of causal variables in industrial demand forecasting: a comparative analysis between traditional and machine learning models. In ENEGEP 2024 - Reindustrialização no Brasil. Rio de Janeiro: ABEPRO. doi:10.14488/enegep2024_tn_st_412_2020_46863 -
NLM
Zanezi AC, Mota D de O, Ho LL. Unveiling the impact of causal variables in industrial demand forecasting: a comparative analysis between traditional and machine learning models [Internet]. ENEGEP 2024 - Reindustrialização no Brasil. 2024 ;[citado 2025 dez. 31 ] Available from: https://doi.org/10.14488/enegep2024_tn_st_412_2020_46863 -
Vancouver
Zanezi AC, Mota D de O, Ho LL. Unveiling the impact of causal variables in industrial demand forecasting: a comparative analysis between traditional and machine learning models [Internet]. ENEGEP 2024 - Reindustrialização no Brasil. 2024 ;[citado 2025 dez. 31 ] Available from: https://doi.org/10.14488/enegep2024_tn_st_412_2020_46863 - Proposta de melhoria do desempenho de modelos de previsão através da utilização de variáveis independentes para o planejamento de demanda de uma empresa no setor industrial
- Projeto da Poli busca aumentar a produtividade nas zonas portuárias e ajudar o meio ambiente: as duas questões não são antagônicas, são sinérgicas, diz o professor Daniel Mota. [Entrevista a Roxane Ré]
- Modelagem da programação de navios para otimização no canal de acesso ao Porto de Santos
- Desafios da implementação do ciclo S&OP na logística humanitária: uma perspectiva crítica
- Evaluating a new intermodal terminal using Markov Decision Process: a case study on Ferrogrão railroad
- Análise de contagens multivariadas
- Professora da Poli, Linda Lee Ho, recebe menção honrosa por suas contribuições para a engenharia da produção brasileira
- Design of economically optimal zero-defect acceptance sampling with rectification when diagnosis errors are present
- Métodos bayesianos na estimação de modelos de confiabilidade estrutural: uma abordagem usando o algoritmo S.I.R
- Estimadores não viciados para o tempo médio até a falha e para percentis obtidos do modelo de regressão de weibull
Informações sobre o DOI: 10.14488/enegep2024_tn_st_412_2020_46863 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Unveiling_the_impact_of_c... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
