No presente trabalho são aplicadas ferramentas estatísticas quantitativas clássicas no setor de telefonia móvel brasileiro a fim de comparar os seus resultados. Uma metodologia é proposta para a aplicação destas ferramentas de um modo prático em uma de uma operadora de telefonia celular brasileira. Após são aplicados os métodos de previsão às séries históricas de demanda de acessos da telefonia móvel brasileira, estratificadas de acordo com as tecnologias utilizadas (TDMA, CDMA e GSM), no período de agosto de 2002 a julho de 2007. De acordo com o desempenho, são obtidos os modelos de cada método estatístico proposto. Entre estes, se escolheu aquele que melhor descreveu cada série e previsões foram geradas. Os modelos ARIMA apresentaram o melhor desempenho dentre os métodos aplicados nas séries estudadas. / The activity of planning ahead their systems in an appropriate manner is fundamental to telecommunication sector agents in order to manage the resources allocation and to meet the quality requirements in the provision of mobile telephony services. As the networks and production systems deployment takes time, there is the need of a service demand forecast. Therefore, in this study, classical quantitative statistics tools are applied to the Brazilian mobile telephony sector to compare their results. A methodology for the application of such tools in a practical way within a business environment of this sector is proposed. Afterwards, forecasting methods are applied to the time series referred to Brazilian mobile telephony demand, stratified according to the technologies (TDMA, CDMA and GSM) in the period from August 2002 to July 2007. The models of each statistical method proposed, based on the performance results, are obtained and, among these methods, it is chosen a model that best described each time series. The ARIMA model had the best performance among the methods applied in the time series studied and forecasts were made.

O planejamento de produção é um elemento essencial para as empresas, pois permite definir os volumes a serem produzidos, conforme a estimativa de demanda e a capacidade produtiva disponível. Este trabalho contribui para o planejamento da produção, integrando variáveis e parâmetros que podem ajudar na maximização do resultado econômico das organizações. Esta dissertação apresenta três objetivos principais relacionados a esse tema: (i) identificar os problemas e as variáveis que precisam ser analisadas no desenvolvimento de métodos que se adéquam às necessidades das áreas envolvidas; (ii) desenvolver algoritmo para integrar as variáveis identificadas e os dados empresariais, de forma a viabilizar a aplicação do modelo, baseado em programação matemática e distribuições de probabilidade; (iii) aplicar os modelos propostos, a fim de avaliar sua utilidade e discutir os resultados obtidos. O estudo realizado revela a importância do uso de métodos formais de planejamento da produção integrados à definição do preço do produto. A definição de preços ou volumes de produção diferente dos valores ótimos pode afetar substancialmente o lucro global do sistema produtivo. / Production planning is an essential tool for companies, since it establishes the volumes to be produced, according to estimated demand and available production capacity. This work contributes with production planning field by integrating variables and parameters that impact the economic results of the organizations. This study presents three main objectives: (i) identification of issues and variables that need to be analyzed to develop methods suited to the needs of the areas involved, (ii) development of algorithms to integrate the identified variables and business data, in order to enable the application of the model, based on mathematical programming and probability distributions, (iii) application of the proposed models to evaluate their usefulness and discuss results. The study reveals the importance of using production planning formal methods that integrate products’ prices. The establishment of prices or production volumes different from optimum values may substantially affect production system global profit.

Diante do elevado nível de competição presente no cenário atual, torna-se indispensável a adoção de medidas de gestão capazes de priorizar e dirigir esforços na busca pela excelência no desempenho operacional das empresas. Assim, o objetivo deste trabalho é propor uma abordagem baseada em custos de produção e previsão de demanda voltada ao planejamento e controle da capacidade produtiva. Inicialmente, realizou-se o mapeamento dos artigos publicados em dezenove periódicos no período de 2002 a 2013, visando identificar abordagens relacionadas ao tema custos de produção e o processo de previsão de demanda. Com a finalidade de otimizar o planejamento da capacidade produtiva disponível, uma modelagem matemática, que utiliza o algoritmo generalized reduced gradient (GRG) não linear, é proposta. Por fim, é apresentado um modelo para o controle do desempenho operacional do sistema produtivo, fundamentado na avaliação de custos e no planejamento da capacidade de produção. Para avaliar a eficácia do modelo proposto, este foi aplicado em uma empresa de manufatura de materiais plásticos para a construção civil, em um sistema com múltiplos produtos e múltiplas máquinas. / Given the high level of competition present in the current environment, it is essential to adopt management measures in order to prioritize and direct efforts in the search for excellence in the company operational performance. Therefore, the objective of this study is to propose an approach based on production costs and demand forecasting focused on production capacity planning and control. A mapping of the articles published in nineteen journals, during the period of 2002 to 2013, was conducted to identify the different approaches related to production costs and demand forecasting. A mathematical modeling is proposed with the objective of optimizing the capacity planning using the nonlinear algorithm generalized reduced gradient (GRG). This study presented a model for controlling operational performance of the production system based on the evaluation of production costs and capacity planning. To evaluate the efficacy the model was applied to a manufacturing company of plastic materials for the construction, in a system with multi-products and multi-machines.

A previsão de demanda é uma das principais ferramentas para a eficiência do gerenciamento das organizações, afetando diretamente a lucratividade do negócio. O atual nível competitivo das empresas requer previsões cada vez mais acuradas, sedo estas um diferencial para o sucesso empresarial. Neste contexto, a combinação de previsões se tornou um dos principais métodos empregados no intuito de melhorar a precisão das previsões. Através de uma revisão da literatura sobre as abordagens da combinação de previsões, identificou-se uma carência de estudos comparativos que incorporem modelos de regressão para a combinação de previsões. Assim, o objetivo principal desta dissertação é combinar três previsões individuais (redes neurais, modelos ARIMA e modelos de alisamento exponencial) via média simples, variância mínima e modelos de regressão, comparando as três previsões combinadas com suas previsões individuais. Estas comparações serão avaliadas em duas situações: em séries simuladas (estacionárias) e em uma série de dados reais (não estacionária) de uma empresa que realiza auditorias médicas. As medidas empregadas para a escolha do método mais preciso são MAE, MAPE, RMSE e o coeficiente U de Theil. Os resultados obtidos enfatizam a melhoria das previsões quando estas são combinadas por regressão, tanto para séries convergentes quanto para a série divergente. / Forecasting is a key tool for ensuring the efficiency of management in organizations, directly affecting business profitability. The current competitive corporative level requires increasingly accurate predictions. In this context, the combination of forecasts has improved forecast accuracy. Through a literature review on the approaches of combining forecasts, we identified a lack of comparative studies that incorporate regression models for combining forecasts. Thus, the main objective of this dissertation is to combine three individual forecasts (neural networks, ARIMA models and exponential smoothing models) via simple average, minimum variance and regression models, comparing the three combined forecasts with their individual forecasts. These comparisons are evaluated in two situations: in simulated series (converging) and in series of real data (divergent) from a company that performs medical audits. The measures used to identify the best method are MAE, MAPE, RMSE and Theil’s U coefficient. Results from combined methods improved the predictions in both convergent and divergent series.

Made available in DSpace on 2014-06-12T17:35:22Z (GMT). No. of bitstreams: 2 arquivo3988_1.pdf: 4140443 bytes, checksum: f4b3cbcfdead925468bec076ac4c5172 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Muitas são as necessidades dos profissionais da área de operações quanto a necessidade de encontrar soluções simples para problemas complexos. Como todo processo de evolução, o desabrochar de respostas para perguntas recorrentes é duro e difícil de ser compreendido. Explorando este pensamento, desenvolveu-se o trabalho corrente que tem como cerne a busca por uma solução no tocante a melhoria da qualidade do planejamento de necessidades produtivas de uma cadeia de abastecimento. Num primeiro passo, transcorre-se sobre a dificuldade de alguns gestores em compreender o uso de soluções assistidas por modelos matemáticos para planejar os processos. Num segundo momento, analisa-se os problemas inerentes às cadeias de suprimentos e propõe-se um modelo para o seu estudo e operação, baseado numa versão dinâmica da matriz input-output de Leontief. O texto está dividido em três grandes partes: uma que discorre sobre a necessidade de analisar de forma mais fina os processos de gestão da demanda, pois eles balizam o planejamento de operações nos níveis estratégico, tático e operacional; outro assunto tratado é o dimensionamento de gargalos e gerenciamento dos processos em que eles estão contidos, pois os gargalos controlam as operações produtivas; por último, o texto trata da otimização da cadeia de abastecimento através do estudo da matriz insumo-produto e uma aplicação de programação dinâmica ao sistema produtivo dimensionado por esta matriz. Finalmente o trabalho culmina com a proposta de um algoritmo para desenvolvimento de um processo de planejamento de operações integrado, onde o objetivo do plano gerado é garantir a eficiência dos resultados e um processo de implantação o mais suave possível. Simula-se um caso de cadeia de suprimentos com duas empresas, implementado em uma planilha eletrônica, cujo CD encontra-se em anexo ao trabalho

O presente trabalho de pesquisa enfoca a problemática da previsão de demandas com vistas à operação dos sistemas de abastecimento de água em tempo real, utilizando-se dados de consumo horários de água das cidades de São Carlos e Araraquara, SP, para que se identifique o modelo que produza os melhores ajustes. Foram estudadas as redes neurais artificiais Perceptron de Múltiplas Camadas (RNAs MLP), a Rede Neural Dinâmica (DAN2) e duas RNAs híbridas, sendo que estas últimas consistem em associar previsão por séries de Fourier com a RNA MLP e a DAN2, sendo denominadas respectivamente RNA-H e DAN2-H. As entradas fornecidas para os modelos de previsão foram escolhidas com base na revisão bibliográfica e por meio de análise de correlação, considerando os dados de consumo e as variáveis meteorológicas, tais como temperatura, umidade relativa do ar e ocorrência de chuva. Os melhores modelos de previsão utilizaram a DAN2, a qual se mostrou de manuseio mais fácil em relação às redes neurais de múltiplas camadas, pois dispensa o processo de tentativas e erros para se determinar a melhor arquitetura para os dados fornecidos ao modelo. Os melhores modelos de previsão para a próxima hora produziram um erro médio absoluto de 2,25 L/s (DAN2-H) para um subssetor de Araraquara, representado cerca de 8% do consumo médio, e 2,3 L/s (DAN2) para um setor de São Carlos, equivalente a 4% do consumo médio. / The present work focuses the problem of water demand forecasting for real time operation of WSS. The study was conducted using hourly consumption data from water distribution system from the cities of São Carlos, Araraquara, SP, to identify the model that fits better. It were studied the artificial neural network Multilayer Perceptron (ANN MLP), the Dynamic Neural Network (DAN2) and two hybrid ANN. The hybrid ANN is an association of the water demand prevision by series of Fourier with the ANN MLP and DAN2, which were called respectively ANN-H and DAN2-H. The inputs provided to the forecasting models were chosen based on literature review and correlation analysis, considering consumption data and meteorological variables, such as temperature, air relative humidity and rain occurrence. The best forecasting models were based on DAN2, which showed easy handling compared to other neural network with multiple layers, because it dispenses the trial and error procedure to find the best architecture for a given data. The best forecasting model for the next hour produced an absolute medium error of 2.25 L/s (DAN2-H) for a subsector from Araraquara, representing about 8% of the average consumption, and 2.30 L/s (DAN2) for a sector from São Carlos, which correspond to 4% of its average consumption.

Esta tese apresenta uma sistemática de seleção dos especialistas mais consistentes e dos fatores de ajuste mais relevantes com vistas ao aprimoramento da acurácia da previsão de demanda gerada por métodos quantitativos. Para tanto, são testados sete modelos quantitativos: Médias Móveis (MM-3, MM-6 e MM-9), Suavização Exponencial Simples e Dupla e o modelo de Holt-Winters multiplicativo e aditivo. O modelo utilizado na previsão quantitativa foi aquele que gerou a melhor aderência aos dados e acurácia preditiva com base nos indicadores R2 e Erro Percentual Médio Absoluto (MAPE), respectivamente, extraídos mediante a quebra da série histórica na proporção 80% (banco de treino) e 20% (banco de teste) para cada produto. Com base nesse critério, tanto o leite UHT quanto o queijo mussarela foram modelados através da Suavização Exponencial Dupla (SED). Na sequência, especialistas e fatores utilizados para ajuste qualitativo da demanda foram selecionados de forma a reter somente os especialistas mais consistentes e os fatores mais influentes para tal fim. O método reteve os 5 especialistas mais consistentes dos 15 inicialmente entrevistados. Dos 23 fatores iniciais, apenas os 13 mais representativos foram retidos. Através da previsão corrigida para o leite UHT, o MAPE foi reduzido de 14,29% para 6,44%. Já previsão ajustada do queijo mussarela possibilitou reduzir o MAPE de 15,25% para 8,72%. / This thesis presents a systematic selection of the most consistent experts and most relevant adjustment factors aimed at improving the accuracy of forecasting demand generated by quantitative methods. For this, seven quantitative models are tested: Moving Averages (MM-3, MM-6 and MM-9), Single and Double Exponential Smoothing and Holt-Winters multiplicative and additive model. The model used in quantitative forecasting was one that generated the best adherence to data and predictive accuracy based on the indicators R2 and Mean Absolute Percentage Error (MAPE), respectively, extracted by breaking the time series in the ratio 80 % (workout bench) and 20% (test bank) for each product . Based on this criterion , both UHT milk and mozzarella cheese were modeled by Double Exponential Smoothing (SED). Further, experts and qualitative factors used to adjust demand were selected so to retain only the most consistent experts and the most influential factors for this purpose. The method retained the 5 most consistent experts of the 15 interviewed initially. Of the 23 initial factors, only the 13 most significant were retained. Through prediction corrected for UHT milk the MAPE was reduced from 14.29 % to 6.44 %. It had forecast adjusted mozzarella cheese possible to reduce the MAPE of 15.25% to 8,72.

As intensas evoluções do mercado forçam as empresas a adequarem seus negócios abordando novos meios estratégicos para se manterem competitivas diante de seus concorrentes. O objetivo do trabalho é analisar novos arranjos produtivos encontrados no segmento automobilístico que se destacam por necessitar de uma forma cada vez melhor de relacionamento com seus clientes através de uma modelagem do sistema para disponibilizar a visibilidade do estoque nos diversos estágios como: antes da produção, durante a produção, durante o transito, quando estocados nos pátios e até possibilitando a colocação de pedido para itens que não estão disponíveis nos estágios anteriores citados. O trabalho também aborda um estudo de previsão de demanda que utiliza modelos matemáticos sobre a média da quantidade de vendas apuradas em determinado período de tempo e um comparativo com o método dos mínimos quadrados. A consequência do engajamento dos pedidos nas etapas anteriores da real disponibilidade física dos produtos para comercialização e entrega, propõe otimizar os níveis de estoque em quantidades mais baixas do que o modelo atual. Os cenários são simulados e visam contribuir como ferramenta para demonstrar a viabilidade de um novo modelo de política de comercialização dos produtos. / The intense Market developments force companies adapt their business by addressing new strategic means to remain competitive in the face of its competitors. The objective is to analyze new production arrangements found in the automotive sector that need to stand out by an ever better relationship with its customers through a modeling system to provide inventory visibility in different stages such as: before production, during production, during transit, when stored in the courtyards and even allowing for the placement of order for items that are not available in earlier stages cited. The paper also discusses a study of demand forecasting which uses mathematical models to average volumes calculated requests in a given time period and a comparison with the least squares method. The result of the engagement of requests in previous stages of actual physical availability of products for sale and delivery, proposes optimize inventory levels in amounts lower than the current model. The scenarios are simulated and aim to contribute as a tool to demonstrate the feasibility of a new model of political marketing.

O presente trabalho apresenta a previsão de demanda de água em sistemas urbanos de abastecimento através de Rede Neural Artificial (RNA) utilizando dados de consumo de água e variáveis meteorológicas e socioambientais. A RNA utilizada foi uma de três camadas chamada de rede de múltiplas camadas alimentadas adiante com o algoritmo de treinamento LLSSIM (Hsu et al., 1996). Neste estudo, foram utilizados os dados de consumo de água (SABESP) e meteorológicos (IAG/USP) para o período de 2001 a 2005 para Região Metropolitana de São Paulo (RMSP). As variáveis socioambientais e meteorológicas que podem afetar o consumo de água foram analisadas. A ETA Cantareira e o setor Itaim Paulista foram utilizados para avaliar a relação entre o consumo e as variáveis antrópicas e meteorológicas para o ano de 2005. Esses conjuntos de dados foram utilizados para o treinamento, o teste e a previsão da RNA. Para a ETA Cantareira, foram criados 8 modelos e para o setor Itaim Paulista 57, sendo que os modelos 9 a 57 correspondem à previsão ideal. O desempenho dos modelos foi avaliado pelo o erro médio, erro médio absoluto, erro médio quadrático, o coeficiente de correlação, exatidão, viés, POD, FAR, CSI e POFD. Para a ETA Cantareira o melhor desempenho ocorreu para a média de 12 horas e para o Itaim Paulista a média de 6 horas. Na previsão ideal observou-se que a memória do sistema é um fator importante, principalmente quando se tem dois intervalos de tempo anterior. Os resultados mostraram a importância da memória, pois ela ajuda a melhorar o desempenho da previsão A previsão horária foi obtida com níveis de erros aceitáveis. Comparando os resultados de todas as configurações dos modelos, observou-se que há uma tendência para pequenos erros. Finalmente, conclui-se que o método proposto pode ser utilizado para previsão de consumo obtendo uma boa previsão. / This work is concerned with the prediction of water demand in urban water supply systems using water consumption, meteorological and socioenvironmental variables in an Artificial Neural Network (ANN) system. The ANN is a three layer feed-forward network with the LLSSIM training algorithm (Hsu et. al., 1996). In this study, water consumption (SABESP) and meteorological (IAG USP) data sets between 2001 and 2005 were used for studying the Metropolitan Area São Paulo (MASP). Possible socio-environmental and meteorological conditions affecting water consumption in the MASP were analyzed. Two water treatment stations (ETA), namely, Cantareira and the Itaim Paulista were used to evaluate the relationship between water consumption against anthropic and meteorological conditions for the year 2005. These data sets were also used for training, testing and forecasting of the water consumption model with the ANN. For the Cantareira ETA, 8 model configurations were tested and 57 for the Itaim Paulista ETA. In this late case, configurations 9 to 57 were for ideal forecasts. The various model configurations were evaluated by the mean error, mean absolute error and mean square root error, correlation coefficient, bias, POD, FAR, CSI e POFD. The best performance for the Cantareira ETA was obtained for a 12-hour average of the input variables, and for the Itaim Paulista ETA, for the 6-hour average. The ANN model configurations fed with variables of previous three times steps (memory) performed best, followed by two previous time steps. The results indicate the importance of these memory to improving the performance of the forecasting. The hourly forecasting was obtained with acceptable error levels. Comparing the results of all model configurations, there is an overall tendency for minor errors. The proposed method can be used to demand forecast a good prediction.

O presente trabalho propõe um modelo de operação sustentado por um sistema de suporte à decisão para operar a distribuição de água em tempo real atendendo a condições / restrições hidráulicas com o mínimo custo de energia elétrica. O atendimento às condições / restrições hidráulicas são avaliadas por um modelo simulador hidráulico previamente montado e calibrado. O conjunto de resultados avaliados pelo modelo de simulação hidráulica é analisado por um modelo de otimização proposto com solução de programação linear. As condições de operação em tempo real geram a necessidade de alimentação de informações operacionais automáticas a qualquer momento e com curto espaço de tempo – menor que horário. Para uma operação otimizada, previamente analisada por um modelo de simulação hidráulica cria uma condição critérios para uma previsão do consumo a ser atendido nas próximas horas. Um refinamento desses critérios são utilizados em um modelo de previsão de demanda de água que prevê e checa seus resultados de forma dinâmica. O modelo de operação proposto cria uma interface entre todos esses sistemas. Essa interface é testada e avaliada a partir de um estudo de caso aplicado no Sistema Adutor Metropolitano de São Paulo. A eficiência do modelo de operação proposto é apresentada tendo como resultado uma redução no custo de energia elétrica. / This assignment considers an operation model supported by decision support systems to operates the water supply systems in real time, considering the hydraulical conditions while achieving some performance goals, in this case, reducing electricity costs (minimization of pumping costs) the attempt of the hydraulic constraints are evaluated by an hydraulical simulator previously calibrated. The set of results are analyzed by an optimization model which uses a linear programming. The operation conditions in real time requires automatic feeding operational information shortly at any time (less than an hour) for an optimized operation, previously analyzed by a hydraulic simulation model with creates condition criteria of consumption within following hours. These criteria are refined according to a demand prediction model that dynamically previews and checks the consumption results. This proposed model creates an interface between all these systems. This interface is tested and evaluated according to a study of the São Paulo´s metropolitan area, “Sistema Alto Tietê". The efficiency of this proposed model is presented having reductions in the electric energy costs.