[pt] Os métodos de amortecimento exponencial, apesar de originalmente proposto nos anos 60, continuam em pleno uso nos dias de hoje. Neste trabalho apresentamos um método novo para previsão de séries temporais com ou sem sazonalidade utilizando as teorias de amortecimento exponencial e análise harmônica. Assume-se que a série seja composta por uma tendência secular (constante, linear ou quadrática) e seus parâmetros são atualizados seqüencialmente pelo procedimento de amortecimento direto. Já a parte sazonal é tratada separadamente através da técnica de análise harmônica, conforme sugerida por Harrison, 1964. Dessa forma, o método proposto se apresenta como uma alternativa ao método de Souza & Epprecht, (1983) ; tendo como principal vantagem a rotina de estimação inicial dos parâmetros que no método de Souza & Epprecht produz estimadores tendenciosos em alguns casos. / [en] The method of exponential smoothing, although originally propesed during the 60´s, still continues in use up to today. In this thesis we present a new forecasting method for time series / with and/or without seasonality, applying the theory of exponential smoothing and harmonic analysis. It is assume that the series is composed of secular trend (constant, linear or quadratic) and a seasonal part. The trend parameters are sequentially using direct smoothing procedure. The seasonal part of the process is treated / separately through the technic of harmonica analysis according to Harrison´s suggestion, (1964). In this way, the proposed method can be viewed as an alternative to that of Souza & Epprecht, (1983), which has, as the most important advantage, the routine of initial estimation of the parameters, which in Souza & Epprecht method produces, in some cases, biased estimators.

[pt] O objetivo deste trabalho é inserir variáveis exógenas no modelo Holt-Winters com múltiplos ciclos, genuinamente univariado. Serão usados dados horários de demanda de energia elétrica provenientes de uma cidade da região sudeste do Brasil e dados de temperatura, tanto em sua forma primitiva quanto derivada, por exemplo, indicadores de dias quentes, o chamado cooling degree days (CDD). Com isso, pretende-se melhorar o poder preditivo do modelo, gerando previsões com maior acurácia. / [en] The aim of this thesis is to insert exogenous variables in the model Holt-Winters with multiple cycles, genuinely univariate. Hourly data will be used for electricity demand from a city in southeastern Brazil and temperature data, both in its original form as derived, for example, indicators of hot days, cooling degree days called (CDD). With this, we intend to improve the predictive power of the model, generating predictions with greater accuracy.

[pt] Em um mundo globalizado, em contínua transformação, são cada vez mais freqüentes mudanças no perfil da demanda. Se não detectadas rapidamente, elas podem gerar impactos negativos no progresso de um negócio devido à baixa qualidade nas previsões de venda, que começam a gerar valores sistematicamente acima ou abaixo da demanda real indicando a presença de viés. Para evitar esse cenário, técnicas formais para detecção de viés podem ser incorporadas ao processo de previsão de demanda. Diante desse quadro, a presente dissertação compara os desempenhos, via simulação, das principais técnicas formais de detecção de viés em previsão de demanda presentes na literatura. Nesse sentido, seis técnicas são identificadas e analisadas. Quatro são baseadas em estatísticas Tracking Signal e duas são adaptadas de técnicas de Controle Estatístico de Processos. Os modelos de previsão de demanda monitorados pelas técnicas em questão são os de séries temporais estruturadas, associados ao método de amortecimento exponencial simples e ao método de Holt, respectivamente, para séries com nível médio constante e séries com tendência. Três tipos de alterações no perfil da demanda – que acarretam em viés na previsão – são examinados. O primeiro consiste em mudanças no nível médio em séries temporais de nível médio constante. O segundo tipo também considera séries temporais de nível médio constante, porém com o foco em surgimentos de tendências. O terceiro viés consiste em mudanças na tendência em series temporais com tendência pré-incorporada. Entre os resultados obtidos, destaca-se a conclusão de que, para a maioria das situações estudadas, as técnicas baseadas nas estatísticas Tracking Signal possuem desempenho superior às demais técnicas com relação à eficiência na detecção de viés. / [en] In a globalized world, in continuous transformation, changes in the demand pattern are increasingly frequent. If not rapidly detected, they can have a negative and persistent impact in the wellbeing of a business due to continuously poor quality sales forecasts, which begin to generate values systematically above or below the actual demand indicating the presence of bias. To avoid this happening, statistical techniques can be incorporated in a prediction process with the objective known as bias detection in demand forecasting. Considering this situation, the present dissertation compares, through simulation, the efficiency performance of the main existing formal techniques of monitoring demand forecasting models, with the view of bias detection. Six of such techniques are identified and analyzed in this work. Four are based on Tracking Signal Statistics and two are adapted from the Statistical Process Control approach. The demand forecasting models monitored by the techniques in question can be classified as structured time series, for a constant level or trend pattern, and using both the simple exponential smoothing and the Holt s methods. Three types of changes in the demand pattern - which result in biased prediction - are examined. The first one focus on simulated changes on the average level of various constant times series. The second type also considered various constant times series, but now simulating the appearance of different trends. And the third refers to simulate changes in trends in various times series with pre-established trends. Among the results attained, one stands out: the techniques based on Tracking Signal Statistics - when compares to other methods - showed superior performance insofar as efficient bias detection in demand forecasting.

[pt] Nesta dissertação é desenvolvida uma metodologia para previsão de demanda mensal de energia elétrica considerando cenários de racionamento. A metodologia usada consiste em, a partir das taxas de crescimento da série temporal, identificar e eliminar os efeitos do racionamento de energia elétrica através da aplicação de Modelos Lineares Dinâmicos. São analisadas também estruturas de intervenção nos modelos estatísticos de Box & Jenkins e Holt & Winters. Os modelos são então comparados segundo alguns critérios, basicamente no que tange à sua eficiência preditiva. Conclui-se ao final sobre a eficiência da metodologia proposta, dado a grande dificuldade para solucionar o problema a partir dos modelos estatísticos de Box & Jenkins e Holt & Winters. Esta solução é então proposta como a mais viável para criar cenários de racionamento e pósracionamento de energia para ser utilizado por agentes do sistema elétrico nacional. / [en] In this dissertation, a methodology is developed to forecast monthly demand of electric energy, considering the rationing scenery. The methodology is based on, taking the growth rate from the time series, identify and eliminate the effects of electric energy rationing, using Dynamic Linear Models. It is also analyzed intervention structures in the statistics models of Box & Jenkins and Holt & Winters. The models are compared according to some criterions, mainly forecast accuracy. At the end, we concluded that the methodology proposed is more efficient, due to the difficult to solve the problem using the statistics models with intervention. This solution is proposed as the best among them to create scenery during the energy rationing and after energy rationing, to be used by the national electric system agents.