[pt] Esta dissertação se propõe a fazer uma análise dos níveis de inventário de uma empresa distribuidora de combustíveis brasileira. Trata da busca contínua pelo estado-da-arte em termos de modelagem logística e como lidar com os diversos trade-offs existentes na cadeia de suprimentos. O objetivo principal é apresentar como este modelo foi criado utilizando um Sistema de Planejamento Avançado, como isso ajudou no dimensionamento dos estoques de segurança e, finalmente, que ações foram necessárias para garantir um processo de melhoria contínua que agregasse valor à companhia pudesse ser desenvolvido. Trata ainda sobre o ganho de importância dos softwares de gerenciamento da cadeia de suprimentos e como o uso destas tecnologias pode ser útil no tratamento de problemas relacionados a análise de inventário utilizando uma abordagem de pesquisa-ação. Este trabalho trouxe percepções valiosas para o negócio, como a realocação dos estoques de segurança a partir dos tempos de transporte e perfil da demanda, a economia potencial que uma previsão de vendas mais assertiva pode trazer para a companhia e ainda como os investimentos em infraestrutura podem ser direcionados pela compreensão da dinâmica do inventário. A nova solução proposta implicou em uma redução de 17,8 porcento nos níveis de inventário. / [en] This dissertation addresses the initiatives in the inventory analysis of a fuel distribution company in Brazil. It tells about the continuous search for the stateof-art in terms of logistics modeling and how to deal with several of trade-offs existing in the supply chain. The main objective is to present how this model was created using an Advanced Planning System, how it helped to dimension the safety stocks and finally, what actions need to be taken in order to ensure that a ripening process that adds value to the company can be developed. It still addresses the growing importance of Supply Chain Management software and how the use of these technologies can be useful to tackle inventory analysis problems using an action research approach. This work provided powerful insights like the reallocation of safety stocks according to the transportation times and demand profiles, the potential economy that a more accurate demand forecast can bring to the company and even how investments in infrastructure can be driven by the new comprehension of the inventory dynamics. The new solution proposed implies a reduction of 17.8 percent in the inventory levels.

[pt] O setor elétrico brasileiro é fortemente dependente da energia hidrelétrica e a predição acurada das séries de vazões é essencial para o planejamento e gestão de risco. Recentemente, os modelos híbridos, que combinam técnicas de previsão e pré-processamento de dados, têm se destacado. Entretanto, na literatura, não há consenso sobre a superioridade de previsão destes modelos em relação aos tradicionais (puros). Este trabalho visa contribuir para literatura com a avaliação de performance de previsão e a adequabilidade de modelos puros e híbridos para séries mensais estacionárias e não estacionárias de vazões. Para isso, foram construídos modelos usando as técnicas de previsão de Redes Neurais Artificiais e ARIMA acoplados com as técnicas de pré-processamento de dados Singular Spectrum Analysis (SSA) e Seasonal and Trend decomposition based on Loess (STL). Como resultado, este estudo mostra para a série de Belo Monte (estacionária) os modelos puros obtiveram um melhor desempenho, já para a série de Sobradinho (não estacionária) os modelos híbridos foram os melhores. / [en] The Brazilian electricity sector is strongly dependent on hydropower and the accurate prediction of streamflow series is essential for planning and risk management. Recently, hybrid models, which combine prediction and data preprocessing techniques, have stood out. However, in the literature there is no consensus on the predictive superiority of these hybrid models versus their pure version. This paper aims to contribute to the literature with the evaluation of prediction performance suitability of pure and hybrid models for monthly stationary and non - stationary series of streamflow. For this, models were constructed using Artificial Neural Network and ARIMA forecasting techniques coupled with the Singular Spectrum Analysis (SSA) and Seasonal and Trend decomposition based on Loess (STL) data pre-processing techniques. As a result, this study shows that pure models obtained a better performance for the Belo Monte (stationary series), already hybrid models were the best for the Sobradinho (non-stationary series).