Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A forecast of future demand for the products is the main variable to be considered in the planning and in production control in organizations. Two methods of time series forecasting often used in the literature are the ARIMA and MLP/RNA models. A practice that began in 1969 and has consolidated for greater accuracy is the combination of individual forecasts from two or more models. Considering the need for organizations by predictive techniques that generate better results, this study aims to predict the future values of a time series of the demand for UHT milk in a dairy industry, through the combination of ARIMA and MLP/RNA models, and to compare the results obtained by the combinations compared to individual models, exemplifying the achievement of combined forecasting in production planning. Accuracy measures to measure the results and to select the best model were the RMSE and MAPE for forecasting. The results showed that the combination of models SARIMA(3,0,1)(1,1,0)12 and DMLP the inverse mean square method provided a performance forecast for the six months ahead, up to 66.5% higher than individual models used, where the combination of the predictions obtained a RMSE of 1.43, and a MAPE of 2.16. In the 12 month ahead prediction for the performance of the combination was up to 56.5% higher compared to individual models, in which case obtained a RMSE of 2.86 and 3.70% MAPE. The combination of time series models enabled a significant increase in performance prediction models, but in order to produce satisfactory absolute results should be used to complement their predictive abilities mutually. / A previsão da demanda futura dos produtos é a principal variável a ser considerada no planejamento e controle da produção nas organizações. As técnicas de previsão de demanda são fundamentais no planejamento da produção de nível tático e operacional, especialmente as séries temporais, pois não requerem do planejador, uma investigação mais aprofundada acerca dos fatores que influenciam a demanda. Dois métodos de previsão de séries temporais frequentemente utilizados na literatura são os modelos ARIMA e os modelos MLP/RNA. Uma prática que surgiu em 1969 e já consolidada para obter maior acurácia é a combinação das previsões individuais de dois ou mais modelos. Considerando a necessidade das organizações por técnicas preditivas que gerem melhores resultados, este estudo tem como objetivo prever os valores futuros de uma série temporal da demanda de leite UHT em uma indústria de lácteos, por meio da combinação dos modelos ARIMA e MLP/RNA, e comparar os resultados obtidos pelas combinações em relação aos modelos individuais, exemplificando a obtenção da previsão combinada no planejamento da produção. As medidas de acurácia para mensurar os resultados obtidos e selecionar o melhor modelo, foram o RMSE e o MAPE de previsão. Os resultados mostraram que a combinação dos modelos SARIMA(3,0,1)(1,1,0)12 e DMLP pelo método inverse mean square forneceu um desempenho na previsão para 6 meses adiante, de até 66,5% superior em relação aos modelos individuais utilizados, onde a combinação das previsões obteve um RMSE de 1,43 e um MAPE de 2,16. Na previsão para 12 meses adiante, o desempenho da combinação foi de até 56,5% superior em relação aos modelos individuais, caso em que obteve um RMSE de 2,86 e um MAPE de 3,70%. A combinação de modelos de séries temporais possibilitou um aumento significativo no desempenho de previsão dos modelos, mas para que se obtenham resultados absolutos satisfatórios, devem-se utilizar modelos previsores que complementem mutuamente a capacidade preditiva.

O objetivo desta pesquisa é validar a hipótese de que o minerador de dados pode ser utilizado como uma ferramenta para previsão dos padrões de viagens, inclusive sob mudança comportamental dos indivíduos. Para o desenvolvimento deste trabalho foi adotada uma postura científica indutiva, utilizando como dados as informações contidas nas duas pesquisas origem-destino realizadas em 1987 e 1997 pelo METRÔ-SP na região metropolitana de São Paulo (RMSP). Os dados da primeira pesquisa e as mudanças comportamentais dos indivíduos observadas no período de 1987 a 1997 forneceram as condições para elaboração do cenário futuro a ser usado para projeção da demanda por transporte para 1997. Aplicando a Árvore de Decisão e Classificação, uma das técnicas de mineração de dados disponível no software S-PLUS 6.1, foram obtidas as distribuições das probabilidades das distribuições dos padrões de viagens encadeadas relacionadas a cada grupo homogêneo de viajantes urbanos. Estas probabilidades foram aplicadas aos indivíduos da amostra de 1997, estimando o número de viajantes urbanos por padrão de viagem encadeada em cada uma das 361 zonas de tráfego da RMSP. Os valores estimados pelo modelo foram comparados com os dados observados em 1997 pelo teste estatístico não-paramétrico de Kolmogorov-Smirnov (K-S). Ao final, concluiu-se que a hipótese proposta foi confirmada em 92,2% das zonas de tráfego analisadas / The main aim of this work is to submit to a validation test the hypothesis that data mining technique can be used as a tool for forecasting the trip-chaining patterns including individual behavioral changes. For the project development, an inductive scientific method point of view was adopted, using as a data resource the information contained in two origin-destination surveys carried out by METRÔ-SP in the São Paulo metropolitan area (SPMA) in 1987 and 1997. The first survey data and the individual behavioral changes observed in the period from 1987 to 1997 provided the information to build a future scenario to predict the 1997’s travel demand. Applying the Classification and Regression Tree which is a data mining technique available in S-PLUS 6.1 software package, it were obtained the probabilities distribution of the trip-chaining patterns and set the contextual socioeconomics characteristics of the urban travelers. These probabilities were applied to the 1997 individuals belonging to the sample collected in 1997 to estimate the number of urban travelers by trip-chaining patterns for each of the 361 traffic zones of SMPA. The estimated results from the model were compared with the real values of 1997 data set using the Kolmogorov-Smirnov (K-S) non-parametric statistic test. The main conclusion is that the hypothesis was confirmed in 92.2% of the SPMA traffic zones

O objetivo desta pesquisa é validar a hipótese de que o minerador de dados pode ser utilizado como uma ferramenta para previsão dos padrões de viagens, inclusive sob mudança comportamental dos indivíduos. Para o desenvolvimento deste trabalho foi adotada uma postura científica indutiva, utilizando como dados as informações contidas nas duas pesquisas origem-destino realizadas em 1987 e 1997 pelo METRÔ-SP na região metropolitana de São Paulo (RMSP). Os dados da primeira pesquisa e as mudanças comportamentais dos indivíduos observadas no período de 1987 a 1997 forneceram as condições para elaboração do cenário futuro a ser usado para projeção da demanda por transporte para 1997. Aplicando a Árvore de Decisão e Classificação, uma das técnicas de mineração de dados disponível no software S-PLUS 6.1, foram obtidas as distribuições das probabilidades das distribuições dos padrões de viagens encadeadas relacionadas a cada grupo homogêneo de viajantes urbanos. Estas probabilidades foram aplicadas aos indivíduos da amostra de 1997, estimando o número de viajantes urbanos por padrão de viagem encadeada em cada uma das 361 zonas de tráfego da RMSP. Os valores estimados pelo modelo foram comparados com os dados observados em 1997 pelo teste estatístico não-paramétrico de Kolmogorov-Smirnov (K-S). Ao final, concluiu-se que a hipótese proposta foi confirmada em 92,2% das zonas de tráfego analisadas / The main aim of this work is to submit to a validation test the hypothesis that data mining technique can be used as a tool for forecasting the trip-chaining patterns including individual behavioral changes. For the project development, an inductive scientific method point of view was adopted, using as a data resource the information contained in two origin-destination surveys carried out by METRÔ-SP in the São Paulo metropolitan area (SPMA) in 1987 and 1997. The first survey data and the individual behavioral changes observed in the period from 1987 to 1997 provided the information to build a future scenario to predict the 1997’s travel demand. Applying the Classification and Regression Tree which is a data mining technique available in S-PLUS 6.1 software package, it were obtained the probabilities distribution of the trip-chaining patterns and set the contextual socioeconomics characteristics of the urban travelers. These probabilities were applied to the 1997 individuals belonging to the sample collected in 1997 to estimate the number of urban travelers by trip-chaining patterns for each of the 361 traffic zones of SMPA. The estimated results from the model were compared with the real values of 1997 data set using the Kolmogorov-Smirnov (K-S) non-parametric statistic test. The main conclusion is that the hypothesis was confirmed in 92.2% of the SPMA traffic zones