Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2012-10-21T02:32:11Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T19:27:45Z : No. of bitstreams: 1 225463.pdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / O objetivo deste estudo foi identificar um modelo de previsão para a Receita Operacional da Empresa Brasileira de Correios e Telégrafos # ECT como ferramenta auxiliar ao planejamento de suas ações. Por ser a Receita Operacional base para os cálculos orçamentários desta empresa, é de interesse conhecer o desempenho futuro desta receita em específico.Para tanto, utilizou-se a Metodologia estatística para séries temporais, mais especificamente os métodos Box-Jenkins e Regressão com erros ARMA. Os dados trabalhados foram fornecidos pela ECT por meio de sua Diretoria Comercial # DICOM e Assessoria de Planejamento - APLAN, e se referem aos valores mensais da Receita Operacional, subdivididos pelos serviços que a compõe, durante o período de 1996 a 2001. A Receita Operacional foi descrita por meio de suas variáveis geradoras e de seus comportamentos ao longo do período estudado. Para realizar as análises, fez-se uso dos aplicativos computacionais SAS, Statistica e Excel. Vários modelos de previsão foram avaliados, resultando dois modelos de previsão, um univariado # modelo SARIMA e outro múltiplo # modelo Regressão com erros ARMA. The main objective of this study is to identify a forecasting model for Operational Income for the Brazilian Postal Service - Empresa Brasileira de Correios e Telégrafos (ECT) - as a support tool to its action planning. Due to the fact that Operational Income is the base of the budgetary estimation of this company, it is important to know specifically this income's future performance. In order to achieve this goal, we applied a statistics methodology to timeseries, especially Box-Jenkins methods and Regression with ARMA errors. The data were supplied by the Brazilian Postal Service, through its Commercial Board - DICOM (Diretoria Comercial) and Planning Support and they refer to the Operational Income monthly amounts, distributed among the services which form it, within 1996 - 2001. Operational Income is explained through several independents variables which are the following and behavior during the studying period. SAS, Statistics and Excel computer programs were used in the analysis. Several forecasting models were evaluated, but two models were chosen the best, the first univariate - SARIMA model - and the second multiple - Regression with ARMA errors model

No description available.

Resumo: A análise de cenários é uma ferramenta auxiliar que descreve determinadas características para uma previsão de carga. Para sua composição é preciso fazer um mapeamento adequado das variáveis a serem consideradas, assim como qual o peso de cada uma delas na análise decisória do cenário. A partir da composição de cenários é possível estabelecer um direcionamento estratégico para as previsões. O problema a ser abordado neste trabalho é realizar previsão de demanda para uma concessionária com base em um histórico de demandas medidas e premissas que caracterizam a carga de uma região escolhida para o estudo, através do conceito de densidade de carga. Estabelecer fatores multiplicativos para agregar a influência da temperatura e número de consumidores nas previsões futuras, assim como acrescentar informações de modificações topológicas. As análises foram feitas com base em séries temporais e os testes dos vetores de dados foram analisados com aplicação de redes neurais. Para validar e estabelecer uma análise comparativa entre os cenários obtidos foi aplicado a metodologia em uma área observável na região Oeste do Paraná, sinalizando possibilidades de arranjos entre variáveis para compor o melhor cenário a ser elaborado para uma previsão futura.

Resumo: Um dos principais problemas enfrentados no planejamento estratégico da cadeia de suprimentos de qualquer empresa é a previsão de demanda dos produtos e/ou serviços necessários. Obter informações da tendência do comportamento da demanda futura é imprescindível para a melhoria do nível de serviço em todos os setores de uma empresa. O problema abordado neste trabalho é a previsão de vendas de produtos aplicada a um sistema de reposição no varejo supermercadista. A programação de reposição de produtos pode ser otimizada de forma a maximizar a satisfação dos clientes (encontrando seus produtos nas lojas), minimizando a ruptura (falta de produtos nas gôndolas) dos mesmos e evitando a superestocagem. Estuda-se neste trabalho, de uma forma particular, o problema da ruptura que pode ocorrer na transição de produtos do Centro de Distribuição (CD) à Loja (CD-Loja). Utiliza-se, para isso, um método quantitativo clássico para a previsão de séries temporais, o algoritmo das Redes Neurais Artificiais de Função de Base Radial ou, simplesmente, Redes de Bases Radiais (RBF). Propõe-se neste trabalho, além de uma modificação no algoritmo das RBF, também um método qualitativo de interpretação dos resultados de previsão, com o estabelecimento de limites de estoque para cada produto de cada loja da rede. Analisou-se vários algoritmos de agrupamentos de padrões que podem ser utilizados na 2ª etapa do algoritmo das RBF e uma forma otimizada para se definir os seus parâmetros. Para melhor ilustrar a proposta, tomou-se por base dados reais de uma rede supermercadista, a qual utilizava o algoritmo das médias móveis para a previsão das séries temporais aplicado a um método de reposição baseada no tradicional método do ponto de pedido. Os resultados obtidos foram altamente satisfatórios reduzindo a ruptura CD-Loja, em média, de 12% para menos de 1% nos hipermercados e de 15% para cerca de 2% nos supermercados, gerando inúmeras vantagens competitivas para a empresa.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Centro Tecnológico / Made available in DSpace on 2012-10-17T19:37:03Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T17:12:29Z : No. of bitstreams: 1 178322.pdf: 8164173 bytes, checksum: 58dff9972980056ae164ad29c6b70fd0 (MD5) / Pesquisa que aborda o uso de Redes Neurais Artificiais (RNAs) - modelos biologicamente inspirados - no problema de processamento temporal, onde o principal objetivo é a previsão. Com base na Taxinomia de MOZER (1994) para processamento temporal, o foco do estudo recaiu em duas questões: 1) Definir a forma da memória de curto tempo, o conteúdo que deveria ser armazenado nesta, e como seus parametros serião atualizados; 2) e definir a topologia da rede (tamanho, estrutura e conexões), assim como os parâmetros do algoritmo de treinamento (taxa de aprendizado, termo de momento e outros). O modelo resultante foi comparado com a Metodologia de Box & Jenkins para modelos univariados, avaliado e criticado em termos de: capacidade representativa, processo de identificação e capacidade preditiva. Os resultados mostram que uma RNA, quando bem modelada, têm potencial para representar qualquer mapeamento complexo, não-linear, que pode governar mudanças em uma série de tempo. No estudo de caso foi possível prever o preço do ovo para um período de quatorze meses à frente

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção / Made available in DSpace on 2012-10-18T02:15:07Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T19:10:05Z : No. of bitstreams: 1 185075.pdf: 28316736 bytes, checksum: dee2d0ce5b0d976815326afcbc317d8c (MD5) / A importância do prognóstico para as empresas, ressaltando a necessidade de se obter valores cada vez mais confiáveis para a tomada de decisão empresarial. Estuda os métodos convencionais para a obtenção de valores de prognóstico, tais como regressão e metodologia de Box-Jenkins e apresenta as redes neurais para solucionar séries temporais com comportamento não-linear. O estudo de caso aborda a aplicação de redes neurais na série temporal representada pelo índice Bovespa

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2012-10-16T23:38:33Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T20:46:37Z : No. of bitstreams: 1 104675.pdf: 11731280 bytes, checksum: afe2067a6daaf4f957617ad6ab9448a6 (MD5) / Métodos de previsão convencionais de séries temporais têm alcançado limitado sucesso na realização de prognósticos de séries econômicas. Este comportamento é devido à dificuldade desses modelos em manipular observações decorrentes de ambientes extremamente dinâmicos, como o mercado de ações. Redes neurais artificiais são, a princípio, capazes de tratar com o problema de instabilidade estrutural entre as observações de uma série temporal. Neste sentido, este trabalho procura investigar a habilidade dos modelos conexionistas em realizar previsões acuradas de séries de preços de ações. É proposta uma forma alternativa de antecipação do comportamento futuro dessas séries, através da identificação de regularidades no movimento da cotação das ações no mercado. Os resultados obtidos pela aplicação de técnicas de redes neurais artificiais são analisados empiricamente e confrontados com aqueles gerados pelos métodos previsão clássicos.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T11:50:40Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T17:44:58Z : No. of bitstreams: 1 175131.pdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / O presente trabalho procurou implementar um sistema semi-automatizado de Controle Estatístico de Processos (CEP) para dados obtidos em tempo real. Tal sistema abrange um grande escopo de aplicações pois aplica-se tanto para processos serialmente correlacionados como para processos identicamente e independentemente distribuídos (iid). No sistema proposto, os dados são obtidos a partir de sensores em um processo automatizado qualquer. Em seguida esses dados são modelados e são gerados um conjunto de resíduos. Sobre esses resíduos atua uma rede neural, treinada off line, que faz o reconhecimento de padrões de uma carta de controle estatístico de processos em tempo real. O processo pode ser a qualquer momento remodelado para uma nova série de dados ou escolhendo-se um modelo testado anteriormente. Tal sistema foi parcialmente testado em relação a sistemas convencionais e várias medidas de desempenho mostraram resultados satisfatórios. Todo o sistema foi inteiramente simulado por computador e as rotinas computacionais são disponibilizadas para futuros aperfeiçoamentos e comparações. Uma aplicação real foi avaliada abordando um problema de reconhecimento de padrões da atividade eletrencefalográfica do cérebro.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T15:53:19Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T17:53:58Z : No. of bitstreams: 1 176225.pdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / A complexidade do mercado avícola em geral e o crescente aumento na produção de carnes de frangos no mercado brasileiro justificam a realização deste trabalho, que buscou a estruturação de uma estratégia para previsão de demanda para o mercado nacional de frangos de corte. A estratégia proposta buscou a utilização de duas formas diferentes de previsão para gerar uma previsão híbrida. A primeira forma buscou avaliar as séries históricas da produção de carne de frango no país e, através desses dados, gerar previsões para os períodos subsequentes. Os métodos utilizados são métodos tradicionais de previsão, onde se verificam os erros cometidos no tempo, pelos métodos utilizados, procurando-se utilizar, nas previsões, aquele que gera menor erro acumulado. A segunda forma, em adição às previsões tradicionais obtidas, utilizou-se de um modelo econométrico, em que através de uma função, gera-se uma previsão baseada em valores de algumas variáveis contextuais do mercado do frangos. A função econométrica é obtida através da regressão múltipla das séries históricas das variáveis contextuais do mercado de frangos. Após a obtenção das duas previsões, o planejador pode decidir pelo ajuste na previsão final, conforme observação e análise dos erros cometidos por ambas as formas no tempo, ou seja, a experiência na utilização da estratégia de previsão, bem como a observação dos resultados auxiliam na obtenção de previsões mais confiáveis. No entanto, o trabalho não procurou criticar ou enaltecer os métodos tradicionais de previsão, bem como os econométricos, mas buscou obter melhorias nas previsões de demanda para o mercado de frangos de corte, através da integração de duas formas diferentes de previsão. Os resultados apresentados, pela aplicação da estratégia de previsão proposta, mostraram ganhos em relação à utilização de um único método de previsão. Com isso considerou-se viável sua utilização, atingido-se os objetivos propostos neste trabalho.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Metrologia Científica e Industrial, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T05:03:16Z (GMT). No. of bitstreams: 1 284780.pdf: 3484745 bytes, checksum: 0385a31da7ea20735f719b912e6af3f3 (MD5) / O avanço tecnológico tem possibilitado a aquisição e o armazenamento de uma grande quantidade de dados em diversas áreas, dentre os quais, dados oriundos de medições realizadas continuamente ao longo do tempo. A representação e a análise de eventos e comportamentos no tempo é uma tarefa complexa e dependente do domínio de aplicação. Em segurança de barragens, a previsão de valores consiste em uma importante ferramenta de monitoração e prevenção pela capacidade de antecipar informações do processo de medição sob análise e com base nessas, realizar ações de contenção do problema. No entanto, os métodos tradicionais por se basearem na aplicação de técnicas estatísticas e na amostragem de dados, possuem limitações para detectar mudanças no processo. Desse modo, abordagens baseadas em aprendizado de máquina têm sido propostas para auxiliar nessa tarefa, tal como o algoritmo k-Nearest Neighbor-Time Series Prediction (kNN-TSP). Na monitoração da segurança de barragens, os dados das variáveis de interesse são obtidos por meio de processos de medição. Sua confiabilidade está afetada por diversas causas, que resultam no afastamento do resultado da medição com referência ao valor verdadeiro da variável medida, denominado de erro de medição. As técnicas de aprendizado de máquina aplicadas no apoio à tomada de decisões em segurança de barragens utilizam assim uma informação de entrada distorcida e, consequentemente, pode se esperar que as previsões geradas pelos algoritmos sejam também distorcidas. Para um desempenho adequado das ferramentas de apoio à tomada de decisão, é necessário que os dados sejam gerados por um processo de medição sob controle e capaz. Assim, torna-se fundamental o estudo da influência do uso de dados incertos sobre as ferramentas de auxílio à tomada de decisão, no contexto de controle de processos de medição. Desse modo, neste trabalho foi proposto um modelo de simulação para avaliar o efeito da incerteza de medição, em função de distintas composições de erros sistemáticos e aleatórios, e da frequência de amostragem dos dados, sobre a efetividade das previsões do algoritmo kNN-TSP. Inicialmente, o modelo de simulação foi validado por meio da aplicação do método sobre uma série temporal artificial com características de interesse para a segurança de barragens, tais como tendência e sazonalidade. Posteriormente, o modelo foi aplicado em séries provenientes de um processo de monitoração real, como da medição de deslocamentos da Usina de Itaipu. Com base nos resultados das simulações realizadas, algumas orientações com foco em uma relação custo-benefício entre a qualidade de ajuste do algoritmo aos dados da série e a incerteza de medição puderam ser posicionadas, com o intuito de auxiliar na seleção de ferramentas de previsão de dados para análise de riscos em segurança de barragens.