A demanda por metodologias para classificação de empresas que possuam características em comum e que componham um mesmo setor de atividade tem instigado pesquisadores a avaliar alternativas que sejam fidedignas à representação da realidade, e que façam uso reduzido de quesitos voltados à subjetividade de julgamento. Por isso, adotou-se como objetivo desta pesquisa a elaboração de rankings utilizando as técnicas de análise por envoltória de dados e redes neurais artificiais, com aplicação no setor de seguros privados, setor este de forte influência na economia nacional. Como dados para a aplicação das duas técnicas propostas, foram considerados alguns indicadores, via de regra adotados pelo setor, para avaliar o desempenho das empresas no cumprimento de suas atividades. Como resultado obtido, foi verificado que a ponderação direta de acordo com a importância de cada indicador não representa a única forma de apresentar uma ordenação justa das empresas consideradas com base em seus desempenhos. Por meio das técnicas utilizadas, foi observado que empresas que mantiveram um resultado satisfatório na maioria das variáveis consideradas obtiveram os melhores posicionamentos nos rankings. A rede neural, mesmo requerendo um maior tempo de processamento e oferecendo uma complexidade de aplicação maior que a técnica DEA, apresentou resultados mais consistentes. / The demand for methodologies and procedures to classify companies that have some characteristics in common and that are part of the same activity sector has instigated researchers to evaluate alternatives that represent the real situation according to their performance as business units, by making use of reduced amount of subjectivity in the performance judgment. Therefore, this research has as its main goal the objective to set up some rankings using the techniques of analysis and data envelopment by artificial neural networks, by making applying these techniques in the insurance sector, a activity with great influence in national economy. As data for the implementation of both techniques proposed, some indicators well known by specialists were considered to evaluate the performance of companies in their activities. As a result, it was found that the direct weighting used to enforce the importance of each indicator is not the only way to make a fair ranking of the insurance companies. About the techniques used, it was observed that companies that have maintained a satisfactory performance in most of the variables considered occupied best positions in the rankings. The neural network, even though requiring a longer processing time, and offering a greater complexity of application than DEA technique, showed some more consistent results.

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-02-24Bitstream added on 2014-06-13T18:49:32Z : No. of bitstreams: 1 silva_taa_me_ilha.pdf: 370447 bytes, checksum: b861e5232da4742a12b7ae39aa142840 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamento / Nowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window period

A demanda por metodologias para classificação de empresas que possuam características em comum e que componham um mesmo setor de atividade tem instigado pesquisadores a avaliar alternativas que sejam fidedignas à representação da realidade, e que façam uso reduzido de quesitos voltados à subjetividade de julgamento. Por isso, adotou-se como objetivo desta pesquisa a elaboração de rankings utilizando as técnicas de análise por envoltória de dados e redes neurais artificiais, com aplicação no setor de seguros privados, setor este de forte influência na economia nacional. Como dados para a aplicação das duas técnicas propostas, foram considerados alguns indicadores, via de regra adotados pelo setor, para avaliar o desempenho das empresas no cumprimento de suas atividades. Como resultado obtido, foi verificado que a ponderação direta de acordo com a importância de cada indicador não representa a única forma de apresentar uma ordenação justa das empresas consideradas com base em seus desempenhos. Por meio das técnicas utilizadas, foi observado que empresas que mantiveram um resultado satisfatório na maioria das variáveis consideradas obtiveram os melhores posicionamentos nos rankings. A rede neural, mesmo requerendo um maior tempo de processamento e oferecendo uma complexidade de aplicação maior que a técnica DEA, apresentou resultados mais consistentes. / The demand for methodologies and procedures to classify companies that have some characteristics in common and that are part of the same activity sector has instigated researchers to evaluate alternatives that represent the real situation according to their performance as business units, by making use of reduced amount of subjectivity in the performance judgment. Therefore, this research has as its main goal the objective to set up some rankings using the techniques of analysis and data envelopment by artificial neural networks, by making applying these techniques in the insurance sector, a activity with great influence in national economy. As data for the implementation of both techniques proposed, some indicators well known by specialists were considered to evaluate the performance of companies in their activities. As a result, it was found that the direct weighting used to enforce the importance of each indicator is not the only way to make a fair ranking of the insurance companies. About the techniques used, it was observed that companies that have maintained a satisfactory performance in most of the variables considered occupied best positions in the rankings. The neural network, even though requiring a longer processing time, and offering a greater complexity of application than DEA technique, showed some more consistent results.

Orientador: Anna Diva Plasencia Lotufo / Coorientador: Mara Lúcia Martins Lopes / Banca: Francisco Villarreal Alvarado / Banca: Luciana Cambraia Leite / Resumo: Atualmente os sistemas elétricos de potência crescem em tamanho e complexidade e se faz necessário criar alternativas para minimizar o custo total de geração e operação. A previsão de cargas é uma tarefa importante para o planejamento e operação dos sistemas elétricos, pois dela dependem outras tarefas como despacho econômico, fluxo de potência, análise de estabilidade, entre outras. Para tanto esta tarefa deve ser precisa para que o sistema opere de forma segura e confiável. A precisão da previsão é de grande importância já que é através dela que é estabelecida quando e quanto de capacidade de geração e transmissão deve-se dispor para atender a carga prevista sem interrupções no fornecimento. O objetivo deste trabalho é desenvolver um modelo híbrido utilizando os modelos ARIMA de Box & Jenkins e Redes Neurais Artificiais com treinamento realizado pelo algoritmo de Levenberg-Marquartd. Este modelo será utilizado com a finalidade de melhorar a precisão dos resultados com relação à previsão de cargas elétricas a curto prazo. Os resultados obtidos através da metodologia proposta, modelo híbrido de regressão com redes neurais artificiais, foram comparados com demais trabalhos da literatura. É importante destacar que os resultados utilizados na comparação usam o mesmo banco de dados históricos (demanda de carga elétrica) de uma companhia do setor elétrico brasileiro, bem como o mesmo período de janelamento / Abstract: Nowadays the electric power systems are increasing and becoming complexes and therefore it is necessary to provide alternatives to minimize the generation and operation costs. Load forecasting is a very important task for planning and operation of electric power systems of which other tasks are dependent, as for example, economic dispatch, power flow, and stability analysis, among others. Therefore, this task (load forecasting) must be precise for a secure and reliable operation of the power system. Forecasting precision is very important to set when and how much generation and transmission capacity is necessary to attend the load without interruptions. The objective of this work is to develop a hybrid model using ARIMA of Box & Jenkins and Neural Networks trained by Levenberg-Marquardt algorithm. This model is used aiming to improve the precision of the short term electrical load forecasting. The results obtained were compared with others available on the literature. It is emphasized that the data used is the same (from a Brazilian electric company) as well as the window period / Mestre