No description available.

Made available in DSpace on 2014-06-12T17:16:37Z (GMT). No. of bitstreams: 2 arquivo2907_1.pdf: 634979 bytes, checksum: 330e453c0db3f5452e436a3247c47be0 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Esta dissertação tem como principal objetivo apresentar os modelos de previsão de arrecadação do ICMS, por segmento econômico, para a Secretaria da Fazenda do Estado de Pernambuco, utilizando as técnicas econométricas. Objetiva-se, com essa pesquisa, disponibilizar aos gestores púbicos do Estado mais um modelo de previsão consistente e com certo grau de confiabilidade. Para tanto, utilizou-se da metodologia Box-Jenkins, mais especificamente os modelos: ARIMA - modelo autorregressivo integrado de média móvel, e SARIMA - modelo autorregressivo integrado de média móvel sazonal, e o software RATS (Regression Analyse Time Series). O trabalho apresenta o comportamento da arrecadação de ICMS no Estado e uma revisão da literatura, onde são abordados os principais conceitos teóricos utilizados, bem como uma análise dos resultados obtidos. Conclui-se que o modelo de previsão utilizando séries temporais, em função de sua capacidade preditiva, pode se transformar em um valioso instrumento para auxiliar na elevação da receita tributária no Estado de Pernambuco, dentro da capacidade contributiva de cada contribuinte

Ingeniera Civil Industrial / Un problema crítico al que se ven enfrentadas las empresas en la actualidad es mejorar el nivel de servicio entregado a sus clientes, ya que en mercados altamente competitivos este puede ser un factor diferenciador. Luego, es crucial contar con una estrategia óptima de gestión de inventario que permita satisfacer la demanda al mínimo costo. En este contexto, uno de los desafíos es contar con un adecuado sistema de pronóstico de demanda. El presente trabajo se desarrollará en una empresa proveedora de productos de consumo masivo, en particular, aceites, pastas galletas y otros. Es la segunda empresa de consumo masivo más grande en la región Andina, con exportaciones a Estados Unidos y a toda Latinoamérica. La empresa en cuestión cuenta con más de 1000 SKU´s pertenecientes a distintas categorías y 41 centros propios de distribución, por lo que existe una gran cantidad de demandas distintas a nivel distribuidor-SKU. Dada la complejidad de realizar esta cantidad de pronósticos, la empresa ha optado por un sistema simple de estimación de demanda, que consiste en calcular la media móvil de las ventas de los últimos 6 meses a nivel de categoría y repartir esta estimación según la participación de cada SKU dentro de la categoría. El problema de esta estimación es que no considera estacionalidad ni otros factores externos que pudieran ayudar a precisar el modelo. El propósito de esta memoria consiste en estimar la demanda a nivel SKU-distribuidor de los productos pertenecientes a la categoría más importante para la empresa (Aceites), creando una metodología que permita realizar estimaciones de grandes volúmenes de series de tiempo al mismo tiempo que utilice de manera inteligente la información contenida en la data transaccional utilizando técnicas de minería de datos. Se propone la utilización de modelos ARIMA para estimar el volumen de ventas de cada distribuidor. Luego, para desagregar a nivel de SKU, se modelan las participaciones de mercado utilizando regresiones y modelos de media móvil. El beneficio del modelo anterior es que permite comprender el mercado, ya que introduce variables dependientes tales como presencia de feriados y fechas especiales, además de la detección de estacionalidad. Utilizando ARIMA se logró disminuir el WMAPE desde un 17% a un 12%, con una reducción de error de 34% en promedio y un incremento de 44 puntos porcentuales en la varianza explicada. Al desagregar a nivel de SKU, se logra una reducción de 38% del error a nivel global. El beneficio económico obtenido al contar con un pronóstico más preciso es una reducción del 42% de los costos actuales.

The principal excitation to a vehicle's chassis system is the road profile. Simulating a vehicle traversing long roads is impractical and a method to produce short roads with given characteristics must be developed. By understanding the characteristics of the road, a reduced set of models can be created from which appropriate representations of the terrain can be synthesized. Understanding the characteristics of the terrain requires the ability to accurately measure the terrain topology. It is only by increasing the fidelity and resolution of terrain topology data that application of these data can be advanced. The first part of this work presents the development of a high fidelity 3-D laser terrain measurement system. The system is developed for both on-highway and off-road measurement. It is capable of measuring terrain in three dimensions, whereas current systems measure separate 2-D profiles in each wheel path of the vehicle. The equipment setup and signal processing techniques are discussed, as well as future improvements and applications of this enabling technology. The second part of this work develops a method of characterizing non-stationary road profile data using ARIMA (Autoregressive Integrated Moving Average) modeling techniques. The first step is to consider the road to be a realization of an underlying stochastic process. The model identification techniques are demonstrated. Statistical techniques are developed and used to examine the distribution of the residual process and the results are demonstrated. The use of the ARIMA model parameters and residual distributions in classifying road profiles is also discussed. By classifying various road profiles according to given model parameters, any synthetic road realized from a given class of model parameters will represent all roads in that set, resulting in a timely and efficient simulation of a vehicle traversing any given type of road. / Master of Science

In recent years, the use of machine learning has increased significantly. Its uses range from making the everyday life easier with voice-guided smart devices to image recognition, or predicting the stock market. Predicting economic values has long been possible by using methods other than machine learning, such as statistical algorithms. These algorithms and machine learning models use time series, which is a set of data points observed constantly over a given time interval, in order to predict data points beyond the original time series. But which of these methods gives the best results? The overall purpose of this project is to predict Sweden’s aid curve using the machine learning model Support Vector Regression and the classic statistical algorithm autoregressive integrated moving average which is abbreviated ARIMA. The time series used in the prediction are annual summaries of Sweden’s total aid to the world from openaid.se since 1998 and up to 2019. SVR and ARIMA are implemented in python with the help of the Scikit- and Statsmodels libraries. The results from SVR and ARIMA are measured in comparison with the original value and their predicted values, while the accuracy is measured in Root Square Mean Error and presented in the results chapter. The result shows that SVR with the RBF-kernel is the algorithm that provides the best results for the data series. All predictions beyond the times series are then visually presented on a openaid prototype page using D3.js / Under det senaste åren har användningen av maskininlärning ökat markant. Dess användningsområden varierar mellan allt från att göra vardagen lättare med röststyrda smarta enheter till bildigenkänning eller att förutspå börsvärden. Att förutspå ekonomiska värden har länge varit möjligt med hjälp av andra metoder än maskininlärning, såsom exempel statistiska algoritmer. Dessa algoritmer och maskininlärningsmodeller använder tidsserier, vilket är en samling datapunkter observerade konstant över en given tidsintervall, för att kunna förutspå datapunkter bortom den originella tidsserien. Men vilken av dessa metoder ger bäst resultat? Projektets övergripande syfte är att förutse sveriges biståndskurva med hjälp av maskininlärningsmodellen Support Vector Regression och den klassiska statistiska algoritmen autoregressive integrated moving average som förkortas ARIMA. Tidsserien som används vid förutsägelsen är årliga summeringar av biståndet från openaid.se sedan år 1998 och fram till 2019. SVR och ARIMA implementeras i python med hjälp av Scikit-learn och Statsmodelsbiblioteken. Resultatet från SVR och ARIMA mäts i jämförelse mellan det originala värdet och deras förutspådda värden medan noggrannheten mäts i root square mean error och presenteras under resultatkapitlet. Resultatet visar att SVR med RBF kärnan är den algoritm som ger det bästa testresultatet för dataserien. Alla förutsägelser bortom tidsserien presenteras därefter visuellt på en openaid prototypsida med hjälp av D3.js.

[pt] Esta dissertação tem como objetivo comparar procedimentos de ajuste sazonal em séries temporais. As metodologias utilizadas são a do X12-ARIMA e a metodologia TRAMO/SEATS. Utilizaram-se as séries agregadas das Contas Trimestrais Brasileiras, fornecidas pelo Instituto Brasileiro de Geografia e Estatística - IBGE, no período compreendido entre o primeiro trimestre de 1991 e o segundo trimestre de 2000. Os aplicativos utilizados no decorrer do trabalho foram SPSS, FORECAST PRO, X12-ARIMA (versão DOS), SAS e TRAMO/SEATS (versão DOS). Também foram utilizadas séries simuladas com diferentes formulações para a tendência e sazonalidade, a fim de melhor analisar os resultados. / [en] This paper intends to perform a comparison of seasonal adjustment procedures. The compared methodologies are X12- ARIMA and TRAMO/SEATS. This current work encompasses the Brazilian Quarterly aggregated accounts which were obtained from the Brazilian Governmental Statistical Office (IBGE - Instituto Brasileiro de Geografia e Estatística) in the period between the first quarter of 1991 and the second quarter of 2000. This data, in the process of analysis, went trough the following software: SPSS, FORECAST PRO, X12-ARIMA (DOS version) and TRAMO/SEATS (DOS version). Some simulated series (with different structures for trend and seasonality) were also used in order to provide further and more accurate comparisons of the two methodologies. / [es] Esta disertación tiene como objetivo comparar procedimientos de ajuste estacional en series de tiempo. Las metodologías utilizadas son X12-ARIMA y TRAMO/SEATS. Se utilizaron las series agregadas de las Cuentas Trimestrales Brasileras, proporcionadas por el Instituto Brasilero de Geografía y Estadística - IBGE, en el período comprendido entre el primer trimestre de 1991 y el segundo trimestre de 2000. Los aplicativos utilizados en este trabajo fueron SPS, FORECAST PRO, X12-ARIMA (versión DOS), SAS y TRAMO/SEATS (versión DOS). También fueron utilizadas series simuladas con diferentes formulaciones para la tendencia y estacionalidad, a fin de analizar mejor los resultados.

Por meio do monitoramento da evolução da temperatura da mistura cimento-madeira, pode-se utilizar esta informação como uma série temporal. O objetivo deste estudo foi utilizar modelos de séries temporais para descrever as séries de temperatura do experimento constituído por diferentes espécies associadas a resíduos de Candeia na produção de painéis particulado e compara-las duas a duas para averiguar se foram geradas pelo mesmo processo estocástico. Inicialmente foi realizado um estudo para avaliar a estacionariedade das séries utilizando o correlograma e o teste da raiz unitária de Dickey-Fuller, na qual todas as séries apresentaram não estacionariedade, para o tratamento de 25% Candeia e Eucalipto com tratamento prévio de água foi dita uma série I(2) e pelos critérios AIC, BIC e MAPE o melhor modelo foi ARIMA(2, 2, 2), para o tratamento de 50% Candeia e Eucalipto também com tratamento prévio de água foi dita uma série I(1) e pelos critérios o melhor modelo foi ARIMA(4, 2, 2), para o tratamento de 75% Candeia e Eucalipto com tratamento prévio de água foi dita uma série I(1) com o modelo ARIMA(5, 1, 0), e para o tratamento de 25% Candeia e Eucalipto sem tratamento prévio de água foi dita uma série I(1) com o modelo ARIMA(2, 1, 2). Em relação à comparação das séries temporais contempladas neste trabalho é possível concluir que as mesmas são diferentes entre si, ou seja, não foram geradas pelo mesmo processo estocástico. / By monitoring the temperature evolution of the cement-wood mixture, one can utilize this information as a time series. The objective of this study was to utilize time series models to describe the temperature series from an experiment, consisting of different species associated to Candeia residuals in the production of particleboard panels, and do a pairwise comparison to verify if they were generated from the same stochastic process. Initially it was realized the Dickey-Fuller unit root test to verify series stationarity, which indicated that all series were not stationary. For the 25% Candeia and Eucalyptus treatment with previous water treatment the series was best modelled by an ARIMA(2, 2, 2) as evidenced by the AIC, BIC and MAPE criteria. For the 50% Candeia and Eucalyptus treatment also with previous water treatment the series was best modelled by an ARIMA(4, 2, 2) as indicated by the same criteria. Finally for the 75% Candeia and Eucalyptus treatment with previous water treatment and the 25% Candeia and Eucalyptus treatment without previous water treatment the best models were the ARIMA(5, 1, 0) and the ARIMA(2, 1, 2) respectively. In relation to the comparison of the time series contemplated in this study it is possible to conclude that they are different, that is, they were not generated by the same stochastic process.

En dépit de leur caractère distribué, les chaînes logistiques peuvent se révéler très performantes dans les conditions idéales de production et d’échange. Toutefois, leur complexité les rend de plus en plus fragiles. Cette thèse propose des modèles et des méthodes pour l’analyse des risques, de façon à renforcer la robustesse et la résilience des CLs. Nous avons analysé ce domaine suivant une démarche ontologique à l’aide de la méthode KOD pour tirer les caractéristiques essentielles des CLs. En nous appuyant sur un état de l’art du domaine des risques dans les chaînes logistiques, et sur les bases de cas réels, nous avons identifié les indicateurs des vulnérabilités les plus significatifs. A partir des connaissances extraites, et des modèles mathématiques proposés dans la littérature, nous avons construit un modèle de CL multi-étages à l’aide de modèles ARIMA intégrant l’aspect aléatoire de la demande. Pour adapter ce modèle aux situations de vulnérabilité et de risques, nous avons ajouté des contraintes de capacité et de positivité sur les commandes et sur les stocks. Sous l’effet d’événements dangereux, certaines contraintes du système peuvent être atteintes et par conséquence, son évolution peut s’écarter fortement de la dynamique nominale. Nous avons proposé des indicateurs de vulnérabilités comme des indicateurs de fréquence des retards de livraison, ou de surcoût d’immobilisation de produits. Enfin, l’occurrence d’événements dangereux a été représentée par des scénarios. Nous avons alors obtenu des résultats de simulation sous MATLAB, qui nous ont permis d’évaluer leurs conséquences pour différentes configurations du système. / Despite their distributed nature, these supply chains can be very efficient in the ideal conditions of production and exchange. However, their complexity makes them more fragile. This dissertation proposes models and methods for risk analysis to enhance the robustness and resilience of SCs. We analyzed this area following an ontological approach using the KOD method. Based on state of the art in the field of risk in SCs, and on real cases, we identified the indicators of the most significant vulnerabilities. From the extracted knowledge and mathematical models proposed in the literature, we built the model of a multi-stage SC using ARIMA models incorporating the randomness of the demand. In order to adapt this model to situations of vulnerability and risk, we have added capacity and positivity constraints on orders and inventories. Under the impact of hazardous events or strong disturbances, some constraints of the system can be reached and therefore, its evolution may deviate considerably from the nominal dynamics or even become unstable. We proposed vulnerability indicators such as indicators of the frequency of delivery delays or costs due to the immobilization of products. Finally, scenarios were used to represent the occurrence of dangerous events. We then got simulation results in MATLAB, which allowed us to assess their consequences for different configurations of the system, especially for strong disturbances of information flows and physical flows .

Este trabalho tem como objetivo a avaliação de três estimadores do parâmetro de integração fracionária d e de um teste para memória longa compartilhada. Os estimadores a serem avaliados são: o estimador de Geweke e Porter-Hudak, o estimador usando o periodograma suavizado e o estimador semiparamétrico truncado de Whittle. A avaliação dos estimadores será no contexto de processos ARFIMA+ARMA, e em relação a variações nos termos autoregressivos e de médias móveis, tanto do termo de memória curta quanto do termo de memória longa. Além disso, serão introduzidos o conceito de modelos com memória longa compartilhada e um método de identificação através da análise de correlação canônica para séries temporais multivariadas proposto, por Ray e Tsay (1997). Por fim, serão apresentadas três aplicações sobre dados reais dos tópicos estudados: uma para a velocidade do vento em São Paulo e Piracicaba e outras duas para séries das bolsas de valores de Hong Kong, Nova Zelândia, Singapura, Brasil e Reino Unido / The goal of this project is the evaluation of three long memory parameter estimators and a common long range dependence test. The estimators evaluated are: the Geweke and Porter-Hudak, the smoothed periodogram and the semiparametric truncated Whittle estimators. The evaluation is in the context of processes ARFIMA+ARMA, and related to variations in the autoregressive and moving average coefficients, both in the short and long memory terms. Furthermore, we describe common long range dependence processes and an identification approach (Ray and Tsay, 1997) for them, using the canonical correlation analysis. Finally, three applications to real data are presented: the first one to the wind\'s speed in the Brazilian cities of São Paulo and Piracicaba, and the other ones to financial time series of the stock markets of Hong Kong, New Zealand, Singapore, Brazil and the United Kingdom.

nÃo hà / Esta DissertaÃÃo trata de pesquisa sobre a anÃlise de sÃries temporais para previsÃo mensal do Imposto Sobre CirculaÃÃo e Mercadorias e PrestaÃÃo de ServiÃos â ICMS no estado do PiauÃ. Objetiva-se com essa pesquisa oferecer aos gestores do estado um modelo de previsÃo consistente e com bom poder preditivo, de forma a contribuir com a gestÃo financeira estadual. No trabalho, utilizaram-se os modelos ARIMA e FunÃÃo de TransferÃncia para realizar previsÃes, bem como o Modelo CombinaÃÃo de PrevisÃes. A dissertaÃÃo apresenta um diagnÃstico do ICMS no estado do Piauà e uma revisÃo da literatura onde sÃo abordados os principais aspectos teÃricos dos modelos utilizados no trabalho, bem como a anÃlise dos resultados empÃricos. Ao final, pode-se observar que os resultados obtidos na presente dissertaÃÃo, estÃo em sintonia com outros resultados obtidos em trabalhos semelhantes realizados sobre o tema, o que vem a confirmar a importÃncia dos modelos que utilizam a anÃlise de sÃries temporais como instrumento de prediÃÃo. / This dissertation deals with a research on the temporal series analysis for the monthly forecast of the turnover and services tax â ICMS in Brazil â in the state of PiauÃ. The aim of this research is to offer the statewide policymakers a consistent forecast and powerfully predictive model, so as to contribute to the state finance management. In this work, the ARIMA and Assignment Function models were used to carry out forecasts, as well as Forecast Combination. The dissertation presents a diagnosis of the ICMS in the state of PiauÃ, a review on the literature where the main theoretical aspects of the models carried out in the work are addressed, in addition to the empirical findings analysis. As a conclusion, it can be observed that the findings carried out in this dissertation are in harmony with other results of similar works carried out on the theme, which corroborates the importance of the models using the temporal series analysis as a forecasting instrument.