Made available in DSpace on 2016-12-23T14:33:44Z (GMT). No. of bitstreams: 1 otaviomassashi.pdf: 3633720 bytes, checksum: f857b73bee4606874bc9931445ec5225 (MD5) Previous issue date: 2010-08-20 / This paper presents a methodology for forecasting demand parts based on Artificial Neural Networks (ANN). To validate it, we performed a comparative study on a reference work in the literature, which is based on exponential smoothing and moving average methods. The products are grouped into 10 categories according to proximity, resulting on 72 monthly observations. The forecasts generated were qualitatively classified according the criterion of lower mean absolute percentage error (MAPE), and the ANN model showed potential capability on 70% of instances considered, with respect to the best models treated by the author, and effective capability on 60%of the total. Qualitatively, the only two instances that showed the best ratings on a scale of four classes have been implemented with the neural networks based model. This methodology was then applied to a case study about a company of national operation in the auto parts market, with stock of more than 11,500 different products. In this application, a new approach to temporal grouping was proposed, different of the weekly and monthly format, plus the unbundling of products in categories in order to avoid the influences arising out of this type of aggregation and solve the problems caused by intermittent daily demand. Data of demand were collected from January 2007 to July 2009, totaling 122 values in temporal clustering defined as "fourth of month." The sample selection for this case study, conducted by Pareto classification, showed that just over 12% of total products were responsible for more than 80% of monthly volume sold by the company. Among other steps, this paper proposed the treatment of outliers of the time series through the transformation of the instances, the analysis of autocorrelation of the original and transformed series, and analysis qualitative results of the forecasts. It was observed that the methodology based on ANNs outperformed qualitatively the most of the results of reference methods literature, both the comparative approach as in the case study / Este trabalho apresenta uma metodologia para previsão de demanda de autopeças por meio de Redes Neurais Artificiais (RNA). Para validá-la, foi realizado um estudo comparativo com um trabalho de referência da literatura, que é baseado em métodos de suavização exponencial e de médias móveis. Os produtos, agrupados em 10 categorias de acordo com a proximidade espacial, totalizaram 72 observações mensais. As previsões geradas foram classificadas qualitativamente seguindo o critério de menor erro percentual absoluto médio (MAPE), e o modelo RNA se mostrou potencialmente superior em 70% das instâncias consideradas, frente aos melhores modelos tratados pelo autor, e efetivamente superior em 60% do total. As duas únicas instâncias que apresentaram o melhor erro MAPE foram implementadas com o modelo baseado em redes neurais. Esta metodologia foi então aplicada a um estudo de caso em uma empresa de atuação nacional no mercado de autopeças, com estoque composto por mais de 11.500 tipos diferentes de produtos. Nesta aplicação, foi proposta uma nova abordagem de agrupamento temporal, que difere das formas semanal e mensal, além do não agrupamento dos produtos em categorias, e cujo objetivo é evitar as influências advindas deste tipo de agregação e de solucionar os problemas causados pela demanda diária intermitente. Foram coletados dados de demanda no período de janeiro de 2007 a julho de 2009, totalizando 122 valores em agrupamento temporal definido como quarto de mês . A seleção da amostra deste estudo de caso, realizado através da classificação de Pareto, mostrou que pouco mais de 12% do total de produtos eram responsáveis por mais de 80% do volume mensal movimentado pela empresa. Dentre outros passos, este trabalho propôs o tratamento de outliers das séries através da transformação das instâncias, a análise de autocorrelação das séries originais e transformadas, e análise qualitativa dos resultados das previsões. Observou-se que a metodologia baseada em RNAs superou qualitativamente a maior parte dos resultados dos métodos de referência da literatura, tanto na abordagem comparativa quanto no estudo de caso

A previsão de demanda desempenha um papel de fundamental importância dentro das organizações, pois através dela é possível obter uma declaração antecipada do volume demandado no futuro, permitindo aos gestores a tomarem decisões mais consistentes e alocarem os recursos de modo eficaz para atender esta demanda. Entretanto, a eficiência na tomada de decisões e alocação dos recursos requer previsões cada vez mais acuradas. Diante deste contexto, a combinação de previsões tem sido amplamente utilizada com o intuito de melhorar a acurácia e, consequentemente, a precisão das previsões. Este estudo tem por objetivo fazer a adaptação de um modelo de previsão para estimar a demanda de produtos destinados à suplementação animal através da combinação de previsões, considerando as variáveis que possam impactar na demanda e a opinião de especialistas. O trabalho está estruturado em dois artigos, sendo que no primeiro buscou-se priorizar e selecionar, através do Processo Hierárquico Analítico (AHP), variáveis que possam impactar na demanda para que estas pudessem ser avaliadas na modelagem via regressão do artigo 2. Por sua vez, no segundo artigo, realizou-se a adaptação do modelo composto de previsão idealizado por Werner (2004), buscando uma previsão final mais acurada. Os resultados obtidos reforçam que as previsões, quando combinadas, apresentam desempenhos superiores para as medidas de acurácia MAPE, MAE e MSE, em relação às previsões individuais. / The demand prediction has a role of fundamental importance inside the organizations, because trough it is possible to obtain a previous declaration of the demanded amount in the future, allowing the managers to take more consistent decisions and to allocate the resources in an efficient manner in order to satisfy this demand. However, the efficiency in the support decision and resource allocation demands accurated predictions. So, the combination of predictions have been used with the aim of improving the accuracy and, consequently, the precision of the prediction. This study has as objective to do an adaptation of a prediction model to estimate the demand of products designated to animal supplementation through the combination of prediction, considering the variables that can impact in the demand and in the expert opinion. The work is structured in two papers, considering that the first searches to priorize and select through the Analitic Hierarch Process (AHP), variables that can impact in the demand, so they could be evalute in the regression modelling of the paper 2. By the way, in the second paper, it was done an adaptation of the composed prediction model proposed by Werner (2004), searching for a more accurated final prediction. The obtained results reinforce that the prediction, when combined, present superior performance to the accuracy metrics MAPE, MAE and MSE, in relation to the individual predictions.

O presente trabalho propõe uma evolução metodológica na operação do Sistema Adutor Metropolitano de São Paulo, em tempo real. Foi implantado um modelo matemático, em tempo real, de previsão de consumo de água horário para uma melhoria na performance operacional. Descrevem-se vários procedimentos de sistema de controle operacional, desde manual até totalmente automático, em sistemas de abastecimento. O sistema de abastecimento de São Paulo é classificado neste contexto. Foi analisada a possibilidade de desenvolvimento da situação atual rumo a um controle mais eficiente, através do uso de um modelo de previsão de demanda de água. O “estado da arte" em modelos de previsão de consumo de água é apresentado através de uma revisão bibliográfica especifica. Foi desenvolvida uma interface entre um modelo de rede hidráulica e um modelo de previsão de demanda de água existente, ambos utilizando dados operacionais, obtidos em tempo real de um sistema de telemetria. A interface foi testada em um estudo de caso do Sistema Adutor de São Paulo. Com a utilização de um modelo de previsão, concluiu-se que é possível estabelecer regras operacionais mais eficientes. Essa eficiência é demonstrada pela redução do número de mudanças de posição de válvula e estado de bombas, bem como é observada a redução do custo de energia elétrica (reduzindo o bombeamento em horário de maior custo). Os benefícios obtidos do uso conjunto do modelo simulador hidráulico e do modelo de previsão de demanda não podem ser considerados como o ótimo global. Seria necessário dispor de um modelo de otimização (programação automática). De qualquer forma, foi concluído que o investimento na implementação desses dois modelos é extremamente atrativa. / This work proposes a methodological evolution of a real time water distribution system operation applied to the Water Mains System of Metropolitan Region of Sao Paulo. It was settled a mathematical model in real time, to forecast hourly water consumptions, intending to increase operational performance. Several operational control procedures of water systems were described, since manual ones until total automatic ones. Sao Paulo system is classified into this concept. The possibility of development from the present status toward a more efficient control was analyzed, through the use of a water demand prediction model. State-of-art of water demand models is presented, through a specific literature review. An interface between a hydraulic network model and an existing water demand prediction model were developed both of them using operational data, obtained in real time by a telemetric system. The interface was tested in a case study of Sao Paulo Water Mains System. One concludes that through the use of the prediction model, it was possible to make more efficient operational schedules. This efficiency is demonstrated by the reduction in number of valve positions changes and in pump status changes, as well as a decrease in energy costs could be observed ( reducing pump operations in hours of more expensive costs). Benefits obtained by the conjunctive use of the hydraulic simulation model and the water demand prediction model can not be admitted as the global optimum. It would be necessary to make available an optimization model (automatic scheduler). However it was concluded that investment in these two models implementations is extremely attractive.

Made available in DSpace on 2016-08-10T10:40:38Z (GMT). No. of bitstreams: 1 Paulo Henrique Borba Florencio.pdf: 1950329 bytes, checksum: bd2a6b0f6c7cf875f0ccbd8d5c9cafcf (MD5) Previous issue date: 2016-03-16 / The constant changes on the national car sales scenario brought one more factor in the search of management of spare parts inventory; the need to reduce the amount invested in stocks and avoid obsolescence. For this purpose, the work aims to evaluate the performance of Artificial Neural Networks in predicting demand for vehicles of engine parts identifying, among the studied networks, which are best suited to each evolution of consumer model and how it applies in each case. Furthermore, it proposes the use of a method of assessment and monitoring of selected models by analyzing the root mean square errors of prediction. The determination of predictive methods with a higher degree of accuracy, is a critical step in the process of inventory management. If the forecast has a low accuracy can generate excess or lack of inventory and this excess, if not properly treated, it can lead to the obsolescence and generate unnecessary costs. To achieve the objective, sought first, the study of the major theoretical aspects of the methods of inventory management processes and demand forecasting. Later, after the selection process two artificial neural networks, Elman network and TDNN Network. To ensure the accuracy of the demands were used four items that differ by the type of evolution of consumption chart, looking for items with constant consumption, increasing, decreasing and items with smaller amounts of observed periods. The results obtained through the use of the proposed methodology, showed that neural networks have the necessary characteristics for your application with a higher degree of accuracy. / As constantes mudanças no cenário nacional de venda de automóveis trouxeram um fator a mais na busca do gerenciamento dos estoques de peças de reposição: a necessidade de diminuir o valor investido em estoques e evitar a obsolescência. Com esse propósito, este trabalho tem por objetivo avaliar o desempenho de Redes Neurais Artificiais na predição de demanda de peças de reposição de veículos automotores identificando, dentre as redes estudadas, quais se adaptam melhor a cada modelo de evolução de consumo e como se aplica em cada caso. Outrossim, propõe a utilização de um método de avaliação e monitoramento dos modelos selecionados através da análise dos erros médios quadráticos da previsão. A determinação de métodos preditivos com maior grau de precisão, constituise em etapa fundamental do processo de gerenciamento de estoques. Se a previsão apresentar uma baixa acurácia, pode-se gerar excesso ou falta de estoques e esse excesso, se não tratado adequadamente, pode culminar em obsolescência e gerar custos desnecessários. Para alcançar o objetivo proposto, buscou-se, em primeiro lugar, o estudo dos principais aspectos teóricos relacionados ao processo de gestão de estoques e aos métodos de previsão de demanda. Posteriormente, segue o processo de seleção de duas redes neurais artificiais, Rede de Elman e Rede TDNN. Para certificar a acurácia das demandas, foram utilizados quatro itens que se diferem pelo tipo de gráfico de evolução de consumo, buscando itens com consumo constante, crescente, decrescente e itens com quantidades menores de períodos observados. Os resultados obtidos, mediante a utilização da metodologia proposta, mostraram que as Redes Neurais possuem as características necessárias para sua aplicação com um grau de acurácia mais elevado.

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.

Nas últimas décadas houve um incremento do uso de equipamentos eletroeletrônicos, que têm vida útil determinada por vários fatores, como o porte de equipamento e o comportamento do usuário, por exemplo. Quando estes equipamentos e seus acessórios são descartados tornam-se resíduos de equipamentos eletroeletrônicos (REEE). O objetivo desta tese é selecionar variáveis a serem utilizadas como base de um modelo de previsão de demanda para os REEE. O método de pesquisa adotado foi a pesquisa exploratória combinada com a pesquisa conclusiva, utilizando abordagens de caráter qualitativo e quantitativo. A parte qualitativa utiliza como técnicas de pesquisa a revisão bibliográfica, a revisão sistemática, o grupo focado e as entrevistas. Já em relação à parte quantitativa foram utilizados questionários, ferramentas estatísticas (gráficos e coeficiente de correlação posto-ordem de Spearman) e o método AHP. Foram elaborados cinco artigos científicos, que atingindo objetivos específicos, contribuem para o objetivo geral. O primeiro artigo visava obter informações sobre métodos e ferramentas utilizados para realizar a previsão de demanda de REEE. O segundo artigo pretendia delinear o cenário atual dos REEE do ponto de vista das responsabilidades dos stakeholders no processo de logística reversa. Os riscos e oportunidades decorrentes dos REEE foram abordados no artigo 3, fornecendo informações para o cenário do ponto de vista social, ambiental e econômico. Já o artigo 4 focou nas indústrias de equipamentos eletroeletrônicos do RS e buscou informações sobre a forma de produção, a composição dos produtos e ações destas indústrias para implantação do sistema de logística reversa para os REEE. No último artigo foi definido um conjunto de 21 variáveis que influenciam na logística reversa dos REEE e foi realizada a priorização destas variáveis. Como resultado, foram selecionadas 7 variáveis: estimativa de vida útil do equipamento (1º); Disponibilização de pontos de coleta de REEE (2o); Existência de um acordo setorial (3º); Número de equipamentos vendidos (4º); Incentivos para empresas de reciclagem/gerenciadoras de REEE na região (5º); Existência de empresas de reciclagem ou gerenciadoras de REEE na região (6º); Distância dos pontos de coleta de REEE (7º). / In recent decades there has been an increase in the use of electrical and electronic equipment that have life cycles defined by several factors such as the size of the equipment and user behavior, for example. When this equipment and its accessories are disposed, they become waste electrical and electronic equipment (WEEE). The aim of this doctoral dissertation is to select variables to be used as basis for a demand forecasting model for WEEE. The research method adopted combined exploratory research and conclusive research, with a qualitative and quantitative approach. The following research techniques were used in the qualitative part: literature review, systematic review, focus group and interviews. Regarding the quantitative part, the following techniques were used: questionnaires, statistical tools (graphs and the Spearman’s rank-order correlation coefficient) and the AHP method. Five scientific articles were written, which contributed to the general objective by reaching specific objectives. The first article aimed at obtaining information on methods and tools used to carry out demand forecasting of WEEE. The second article intended to describe the current scenario of WEEE from the perspective of the stakeholders’ responsibility in the process of reverse logistics. The risks and opportunities resulting from WEEE were the theme of the third article, which provided information about the scenario from a social, environmental and economic point of view. The fourth article focused on the factories of electrical and electronic equipment of Rio Grande do Sul, and collected information on the product composition and production methods of such factories, and their actions to implement a system of reverse logistics for WEEE. The last article defined a set of 21 variables that influence the reverse logistics of WEEE, and arranged these variables in order of priority. As a result, seven variables were selected: estimate of life cycle of equipment (1st); Availability of WEEE collection points (2nd); Existence of a sector agreement (3rd); Number of equipment sold (4th); Incentives to WEEE recycling/managing companies in the area (5th); Existence of WEEE recycling or managing companies in the area (6th); Distance between WEEE collection points (7th).

Os serviços de emergências hospitalares (EH) desempenham um papel fundamental no sistema de saúde, servindo de porta de entrada para hospitais e fornecendo cuidados para pacientes com lesões e doenças graves. No entanto, as EH em todo o mundo sofrem com o aumento da demanda e superlotação. Múltiplos fatores convergem simultaneamente para resultar nessa superlotação, porém a otimização do gerenciamento do fluxo dos pacientes pode auxiliar na redução do problema. Nesse contexto, o tempo de permanência dos pacientes na EH (TPEH) é consolidado na literatura como indicador de qualidade do fluxo de pacientes. O tema desta dissertação é a previsão e gestão da demanda em EH com alto grau de congestionamento, que é abordado através de três artigos científicos. O objeto de estudo é o Hospital de Clínicas de Porto Alegre (HCPA). No primeiro artigo, são aplicados quatro modelos de previsão da procura por atendimento na EH, avaliando-se a influência de fatores climáticos e de calendário. O segundo artigo utiliza a técnica de regressão por mínimos quadrados parciais (PLS – partial least squares) para previsão de quatro indicadores relacionados ao TPEH para hospitais com alto grau de congestionamento. O tempo médio de permanência (TM) na EH resultou em um modelo preditivo com melhor ajuste, com erro médio absoluto percentual (MAPE - mean absolute percent error) de 5,68%. O terceiro artigo apresenta um estudo de simulação para identificação dos fatores internos do hospital que influenciam o TPEH. O número de exames de tomografias e a taxa de ocupação nas enfermarias clínicas e cirúrgicas (ECC) foram as que mais influenciaram. / Emergency departments (ED) play a key role in the health system, serving as gateway to hospitals and providing care for patients with injuries and serious illnesses. However, EDs worldwide suffer from increased demand and overcrowding. Multiple factors simultaneously converge to result in such overcrowding, and the optimization of patient flow management can help reduce the problem. In this context, the length of stay of patients in ED (LSED) is consolidated in the literature as a patient flow quality indicator. This thesis deals with forecast and demand management in EDs with a high degree of congestion. The subject is covered in three scientific papers, all analyzing data from the Hospital de Clínicas de Porto Alegre’s ED. In the first paper we apply four demand forecasting models to predict demand for service in the ED, evaluating the influence of climatic and calendar factors. The second article uses partial least squares (PLS) regression to predict four indicators related to LSED. The mean length of stay in the ED resulted in a model with the best fit, with mean percent absolute error (MAPE) of 5.68%. The third article presents a simulation study to identify the internal hospital factors influencing LSED. The number of CT exams and the occupancy rate in the clinical and surgical wards were the most influential factors.

Os serviços de apoio ofertados pelas universidades federais desempenham papel importante na vida acadêmica do estudante, já que possuem como objetivo auxiliar a permanência e formação do aluno. Entre os serviços de apoio existentes está a oferta de refeições pelos restaurantes universitários, que devem se apoiar em uma gestão eficiente a fim de que o serviço possa ser ofertado de forma adequada. Esta dissertação aplica conceitos e ferramentas de engenharia de produção a fim de aprimorar o funcionamento dos restaurantes universitários de uma universidade federal brasileira. Inicialmente é abordada a temática de ajuste da política de solicitação de pedidos ao fornecedor pelo almoxarifado central dos restaurantes. Para isso, são realizadas as seguintes etapas: (i) coleta de dados históricos de demanda; (ii) modelagem das séries históricas com base nos modelos de previsão de demanda; (iii) geração da matriz bill of materials de uma refeição padrão; e (iv) geração do relatório MRP (Material Requirements Planning). Com a aplicação do método proposto, foi possível identificar que a forma atual de solicitação de pedidos não é adequada e que o relatório MRP pode ser utilizado no ambiente estudado, desde que seja abastecido com informações adicionais. Na sequência, estuda-se, através da simulação computacional, o arranjo físico e capacidade de um restaurante universitário, buscando aprimorar o fluxo de usuários durante o almoço através da redução do tamanhos de filas e tempos de espera. Para tanto, as etapas realizadas incluem (i) análise do sistema para identificação das atividades a serem inseridas no modelo de simulação; (ii) coleta de dados para abastecimento do modelo; (iii) construção e validação do modelo; e (iv) simulação e análise de cenários alternativos. A aplicação no restaurante estudado indica que a inclusão de um quarto aparelho de buffet, com a consequente redução da capacidade do salão em 20 lugares, gera benefícios significativos ao fluxo de usuários, reduzindo em 83% o tamanho médio da fila externa e em 73% o tempo médio de espera total. / The support services offered by federal universities play an important role in students’ academic life, since they aim to assist their stay and education at university. The supply of meals by university cafeterias is among the existing services, and it must rely on efficient management so that the service can be properly offered. This dissertation applies concepts and tools from Industrial Engineering in order to improve the operation of the university cafeterias of a Brazilian federal university. Initially, the issue of adjusting the ordering policy to the supplier by the cafeterias' central warehouse is addressed. To that end, the following steps are carried out: (i) collection of historical demand data; (ii) modeling of historical series based on demand forecasting models; (iii) generation of a matrix bill of materials of a standard meal; and (iv) generation of a MRP (Material Requirements Planning) report. The application of this method allowed the identification that the current form of ordering is not adequate, and that the MRP report can be used in the environment studied as long as it is provided with additional information. Next, the physical arrangement and the capacity of a university cafeteria are studied through computer simulation, in order to improve the flow of users by reducing queue size and waiting time. Therefore, the steps carried out include: (i) analysis of the system to identify the activities to be included in the simulation model; (ii) data collection to supply the model; (iii) development and validation of the model; and (iv) simulation and analysis of alternative scenarios. The application of this model in the cafeteria studied indicates that the inclusion of a fourth buffet equipment, in addition to reducing the capacity of the hall in 20 places, generates significant benefits to the flow of users, reducing the average queue size by 83% and the average waiting time by 73%.

A previsão de demanda permite às organizações o reconhecimento de sua curva perfil de demanda, sendo uma ferramenta para gerir estoques, nivelando-os de forma a não estagnar valores monetários, bem como possuir volumes de produtos suficientes para atender à carteira de clientes. Em diversas aplicações, no entanto, faz-se necessária a integração de métodos quantitativos aos métodos qualitativos de previsão de demanda para assegurar níveis mais precisos dos itens a serem produzidos. Uma previsão de demanda adequada também auxiliar na concepção de políticas adequadas de gestão de matérias-primas, gestão essa que tipicamente se apoia no método MRP (Material Requirements Planning). Esta dissertação aplica sistemáticas de previsão de demanda e MRP em um setor de implementos rodoviários do segmento metal-mecânico. Para tanto, os passos metodológicos estão estruturados na seguinte ordem: (i) Coleta e tratamento dos dados históricos de demanda; (ii) Seleção do modelo de previsão de demanda quantitativo; (iii) Ajuste das previsões através da opinião de especialistas; (iv) Geração da matriz BOM; e (v) Geração do relatório MRP, com as solicitações de reposição pertinentes. Com a projeção da previsão de demanda, foi possível prospectar a aquisição de matérias-primas de forma a aprimorar a gestão dos recursos. Os resultados deste estudo agregaram ao segmento metal-mecânico um modelo sistemático de previsão de demanda, com isso, o setor de implementos rodoviários, o qual é um ramo existente há pouco mais que três décadas, aderiu traços competitivos em relação ao mercado consumidor através de métodos de gestão conceituados. / Demand forecasting enables organizations to recognize their demand profile curve, being a tool for managing inventories, leveling them so as not to stagnate monetary values, as well as having enough product volumes to serve the customer portfolio. In several applications, however, it is necessary to integrate quantitative methods with qualitative methods of forecasting demand to ensure more precise levels of the items to be produced. An adequate demand forecast will also assist in the design of appropriate raw material management policies, which typically rely on the MRP (Material Requirements Planning) method. This dissertation applies demand forecasting and MRP systems in a sector of road implements of the metal-mechanical segment. Therefore, the methodological steps are structured in the following order: (i) Collection and treatment of historical demand data; (ii) Selection of the quantitative demand forecast model; (iii) Adjustment of forecasts through expert opinion; (iv) Generation of the BOM matrix; and (v) Generation of the MRP report, with relevant replacement requests. Based on the generated forecasting, it was possible to prospect the acquisition of raw materials in order to improve the management of the resources. The results of this study added to the metal-mechanical segment a systematic model of demand forecasting. In this way, the sector of road implements, which is a branch that has existed for more than three decades, has adhered to competitive characteristics in relation to the consumer market through management methods.

Submitted by MONARA PEREIRA DA ROSA CARVALHO null (momoprc@gmail.com) on 2017-03-17T12:47:54Z No. of bitstreams: 1 MONARA_Dissertacao.pdf: 2926386 bytes, checksum: 52ab3ee5e454a3b74043a0bbef9630de (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2017-03-21T19:15:17Z (GMT) No. of bitstreams: 1 carvalho_mpr_me_ilha.pdf: 2926386 bytes, checksum: 52ab3ee5e454a3b74043a0bbef9630de (MD5) / Made available in DSpace on 2017-03-21T19:15:17Z (GMT). No. of bitstreams: 1 carvalho_mpr_me_ilha.pdf: 2926386 bytes, checksum: 52ab3ee5e454a3b74043a0bbef9630de (MD5) Previous issue date: 2017-01-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / This work analysis load data from desegregated levels that presented difficulties to load forecasting with several methods due to variation in electrical energy consumption. The application proposed in this work is short-term load forecasting to a university building by GRNN (General Regression Neural Network) considering the bottom up approach and using a moving average filter to deal with the missing or wrong data. It is presented the system that provides the data as well as the methods used for pre-processing and realize the forecasting. The results are evaluated by MAPE (Mean Absolute Perceptual Error) and are considered good when compared with other methods. / Este trabalho destaca a análise de dados provenientes de locais com níveis de consumo mais desagregados que apresentam dificuldades para previsões de demanda com vários métodos devido à alta variação no consumo de energia elétrica. Apresenta-se resultados de previsões de demanda de curto prazo da energia elétrica consumida em um bloco de uma universidade por meio da rede neural de regressão generalizada (GRNN), utilizando a abordagem de modelagem de dados de baixo para cima e tratamento de ruídos e dados faltantes no banco de dados através da aplicação de um filtro de médias móveis. É apresentado o local que fornece as informações para os estudos e a etapa de pré-processamentos dos dados. Foi possível analisar a assertividade das previsões de acordo com o cálculo do MAPE, mostrando vantagens ao se comparar a outros métodos utilizados para os mesmos fins.