Made available in DSpace on 2016-08-10T10:40:42Z (GMT). No. of bitstreams: 1 RAFAEL GOMES LOIOLA.pdf: 2193685 bytes, checksum: 77fe8f4c3a881108732f58c6013d52b5 (MD5) Previous issue date: 2016-03-09 / The demand forecasting is of essential importance for business environments, in a way to serve as a decision making supporting tool during the development of companies strategic planning. This work strived to compare statistics with artificial intelligence methods applied to provisioning on demand issues using temporal series through Box-Jenkins and Artificial Neural Networks Multilayer Perceptron (MLP) methods. Studies were performed to identify and define the main demand forecasting methods. Subsequently, the selected prediction methods for the analysis of the three most relevant products of a metalworking industry were applied in the period 2012 to 2014. The four last periods were used only for performance validation of both methods, through the analysis of forecast errors. Softwares R, Matlab and SPSS supported the data deployment, modeling and analysis. From those models, a step ahead provisioning of sales of a metal mechanic industry was performed, followed by the comparison of the errors of each method based on root mean squared error, RMSE, and mean absolute percentage error, MAPE, to identify the most satisfactory and adequate provisioning method. The results indicated that the performance of the forecasts using the statistical method of Box-Jenkins in Products 1 and 3 were higher than the application of the MLP neural network models. While, for Product 2 the method of neural networks achieved better results. In the statistics analysis, one could verify that the series present some behavior patterns associated to seasonality and oscillations, being possible to observe that both methods show satisfactory results for each data characteristics of the temporal series. / A previsão de demanda é de essencial importância em ambientes organizacionais, de forma a servir como ferramenta de apoio a tomada de decisão durante o desenvolvimento do planejamento estratégico das empresas. Este trabalho teve como principal objetivo comparar modelos estatísticos e de inteligência artificial para problemas de previsão de demanda utilizando séries temporais por meio dos métodos de Box-Jenkins e rede neural artificial Multilayer Perceptron (MLP). Realizou-se o estudo para identificação e definição dos principais métodos de previsão de demanda. Posteriormente, aplicaram-se os métodos de previsão selecionados para a análise dos três produtos mais relevantes de uma indústria metal mecânica, no período de 2012 até 2014. Os quatro últimos períodos da série foram utilizados apenas para validação de desempenho de ambos os métodos propostos através das análises dos erros de previsão. Os softwares R, Matlab e SPSS apoiaram a aplicação, modelagem e análise dos dados. A partir dos modelos, realizou-se a previsão um passo a frente das vendas de uma indústria metal mecânica e posteriormente fez-se o comparativo de seus resultados através das medidas de erros referentes à raiz quadrada do erro quadrático médio, RMSE, e o erro percentual absoluto médio, MAPE, para identificar o modelo mais satisfatório e adequado para a predição. Os resultados indicaram que o desempenho das previsões utilizando o método estatístico de Box-Jenkins nos Produtos 1 e 3 foram superiores à aplicação dos modelos de rede neural MLP. Enquanto que para o Produto 2, o método de redes neurais alcançou melhores resultados. Nas análises estatísticas verificou-se que as séries apresentam padrões de comportamento referente à sazonalidade e oscilações, sendo possível observar que ambos os métodos apresentam resultados satisfatórios para cada característica de dados das séries temporais estudadas.

Submitted by Maicon Juliano Schmidt (maicons) on 2015-05-20T13:25:28Z No. of bitstreams: 1 2014 - Timoteo Andre Stuker.pdf: 2292716 bytes, checksum: 2f422b087fcce44075984f39efd5f016 (MD5) / Made available in DSpace on 2015-05-20T13:25:28Z (GMT). No. of bitstreams: 1 2014 - Timoteo Andre Stuker.pdf: 2292716 bytes, checksum: 2f422b087fcce44075984f39efd5f016 (MD5) Previous issue date: 2014-09-12 / Nenhuma / Para produtos de moda, a demanda é de difícil previsão por modelos lineares ou polinomiais e o ciclo de vida dos produtos é curto. Os varejistas são obrigados a tomarem as decisões de sortimento de produtos e quantidades de compra e estoques bem antes da época da venda, quando apenas informações limitadas e imprecisas estão disponíveis. As decisões são tomadas basicamente confiando em dados qualitativos e questões subjetivas. Os erros na previsão da demanda associados a esse modelo de tomada de decisão se aproxima de 50%. No entanto, as previsões de demanda podem ser melhoradas atualizando as previsões com base nas vendas iniciais. Nesse contexto, o objetivo do presente trabalho é propor um modelo de previsão de demanda baseado no aprendizado com as vendas iniciais para uma cadeia de suprimentos de um varejista de calçados. O modelo foi aplicado em uma rede de varejo calçadista brasileira, na coleção de Verão 2013/2014. O modelo de previsão de demanda foi proposto em duas etapas: (i) a primeira que utilizou dados históricos de vendas agregados por subgrupo de produtos, por loja; e (ii) a segunda que utilizou dados das vendas iniciais para desagregar a previsão por subgrupo na previsão por produtos e cores. Para gerar a previsão de longo prazo foi utilizado o modelo logístico. A Razão de Incremento Semanal (RIS), que é a previsão de vendas semanal por subgrupo dividida pela quantidade de produtos vendidos, foi utilizada como dados de entrada para decompor a previsão em produtos e cores. Além dessa informação, são entradas a quantidade vendida na primeira semana e a quantidade de produtos em estoque. A partir da modificação do cálculo da cobertura de estoques para incluir o RIS, tem-se a previsão de demanda atualizada. A previsão também considera a demanda de substituição e a quebra de grade. Os resultados encontrados demonstraram que o modelo de previsão de demanda atualizado com os dados de vendas obteve desempenho superior ao modelo de previsão original. O modelo de previsão de longo prazo se mostrou adequado para dois dos três subgrupos de produtos analisados. As métricas para medição do desempenho preditivo do modelo utilizadas foram o APE (absloute percentual errors ou erro percentual absoluto) e o MAPE* (média absoluta percentual dos erros ajustada). Foram considerados dois horizontes de previsão, seis e oito semanas. O desempenho do modelo conforme a métrica APE para seis semanas de horizonte de previsão foi de 55,199 para o modelo e de 207,511 para o modelo de previsão original. Já para oito semanas de horizonte de previsão foi de 51,232 para o modelo e de 93,212 para o modelo de previsão original. Conforme a métrica MAPE* para seis semanas de horizonte de previsão, o modelo apresentou resultados de 87,598 e o modelo de previsão original apresentou 239,777. E para oito semanas de horizonte de previsão o resultado foi de 88,454 para o modelo e de 167,515 para o modelo de previsão original. Como o modelo foi aplicado somente a um caso, o mesmo não pode ser considerado como validado. Não se pode esperar que os mesmos resultados sejam encontrados em casos diferentes. / For fashion products, the demand is very unpredictable and life cycle of products is short. Retailers are required to make decisions in the assortment and quantities of purchases and inventory a long time before the time of sale, when only limited and inaccurate information is available. Decisions are made relying primarily on qualitative data and subjective issues. Errors in demand forecast associated with this model of decision-making can approach 50%. However, demand forecasts can be improved by updating the predictions based on early sales. In this context, the aim of this work is to propose a demand forecast model based on learning with early sales for a footwear retailer supply chain. The model was applied in a Brazilian footwear retailer in the 2013/2014 Summer Collection. The demand forecasting model was proposed in two stages: (i) the first stage that used historical data aggregated by subgroup, considering product sales per store; and (ii) the second stage that used data from early sales to disaggregate the demand forecast into products and colors. To generate long-term forecast the logistic model was used. The Weekly Increment Proportion (WIP), which is the weekly demand forecast per subgroup divided by the number of products sold, was used as input data to decompose the demand forecast into products and colors. In addition to this information, the other entries are the quantity sold in the first week and the quantity of products in stock. Modifying the inventory turnover calculation to include WIP, we have the updated demand forecast. The forecast also considers the substitution demand and broken grade. The results demonstrated that the demand forecast model based on learning with early sales obtained higher results than original demand forecast model. The long-term forecast model was adequate for two of the three product subgroups analyzed. The metrics for measuring the predictive performance of the model used were APE (absolute percentual errors) and the MAPE* (adjusted mean absolute percentage error). Two forecast horizons were considered, six and eight weeks. The model performance according to the metric APE forecasting six weeks was 55,199 for the model and 207,511 for the original model prediction. Forecasting eight weeks it was 51,232 for the model and 93.212 for the original model prediction. According to the metric MAPE* forecasting six weeks, the model presented a result of 87.598 and the original model presented 239.777. And forecasting eight weeks the result was 88.454 for the model and 167.515 for the original model prediction. As the model was applied to only one case, it cannot be considered validated. The same results are not expected in different cases.

Submitted by Sandro Camargo (sandro.camargo@unipampa.edu.br) on 2015-05-09T18:11:33Z No. of bitstreams: 1 107110004.pdf: 2957226 bytes, checksum: b15ec66f6abfaa78dc10c29127881a4b (MD5) / Made available in DSpace on 2015-05-09T18:11:33Z (GMT). No. of bitstreams: 1 107110004.pdf: 2957226 bytes, checksum: b15ec66f6abfaa78dc10c29127881a4b (MD5) Previous issue date: 2012-06-29 / A previsão de carga é uma atividade de grande importância no Setor Elétrico, tendo em vista que a maioria dos estudos de planejamento e operação dos sistemas elétricos necessita de uma boa estimativa da carga a ser atendida. Na literatura encontram-se diversas metodologias para projeção de carga elétrica nos distintos horizontes de planejamento, porém limitadas a sistemas elétricos de médio e grande porte e poucas são as propostas de projeção de demanda no horizonte de curtíssimo prazo, principalmente para pequenas empresas do Setor Elétrico. O objetivo deste trabalho é apresentar uma metodologia inovadora de previsão de carga, a curtíssimo prazo, que considere as influências das condições climáticas e que possa auxiliar na programação do regime de operação de uma Pequena Central Hidrelétrica (PCH), principalmente em épocas de estiagem, quando a disponibilidade de água é restrita. A metodologia proposta envolve a criação de um modelo probabilístico discreto (cadeia de Markov) a partir da classificação dos dados históricos em um Mapa Auto-Organizável (SOM). Assim, é possível se estimar a probabilidade de um determinado nível de demanda acontecer dada uma condição climática atual, bem como o número de intervalos de tempo (horas) até que isso aconteça. Com estas informações é possível elaborar a melhor agenda de funcionamento da PCH de forma que a mesma esteja em funcionamento nos momentos em que a demanda atingir os valores máximos. O método proposto apresenta como diferencial em relação aos demais métodos existentes o fato de considerar a influência das variáveis climáticas (temperatura, umidade relativa do ar e velocidade do vento) para a previsão de demanda de energia elétrica no curtíssimo prazo, além de que os valores de entrada de demanda de energia e das variáveis climáticas (temperatura e umidade relativa do ar) são obtidos em tempo real, através de um sistema SCADA. Esta metodologia foi aplicada utilizando-se os dados reais de uma pequena concessionária de distribuição de energia elétrica do Rio Grande do Sul, mostrando resultados satisfatórios, suficientes para permitir a sua aplicação prática. / The electrical charge forecast is an activity of great importance in the Electricity Sector, considering that most studies of electrical systems planning and operation require a good estimative of the charge to be fulfilled. In books, there are various methodologies to have the electrical charge projection in different planning horizons, but limited to medium and large electrical systems. Furthermore, there are only a few demand projection proposals in the very short-term horizon, especially for small Electricity Sector companies. The aim of this paper is to present an innovative methodology in order to have the charge forecast, in a very short-term, which considers the climatic conditions influence and is able to assist the operation system programming of a Small Hydroelectric Power Plant, particularly in times of drought when water availability is restricted. The proposed methodology involves creating a discrete probabilistic pattern (Markov chain) from the historical data classification in a Self-Organizing Map (SOM). It is therefore possible to estimate the probability of reaching a certain demand level, taking the current climatic condition, as well as the periods of time (hours) until it happens. With this information it is possible to develop the best plant operation schedule so that it operates when the demand reaches its maximum numbers. The proposed method presents as differentials upon the other existing methods, the fact of considering the climatic variables influence (temperature, air humidity and wind speed) to forecast electricity demand in the very short-term, as well as the energy demand input values and climate variables obtainment (temperature and air humidity) in real time via a SCADA system. This methodology was applied using real data from a small electricity distribution plant in Rio Grande do Sul, showing satisfactory results, enough to allow their practical application.

In Electric Power Systems understand the future behavior of electric loads is crucial to make a decision. The long, medium and short term load forecast is essential power systems. Considering the gradual transformation of the traditional distribution systems to smart grids, where the electric system automation and online communication are effective, the forecast in very short term gets new challenges. Based on these facts, the objective of this thesis is to identify the most appropriate methods to accomplish these forecasts to contribute to decision-making in distribution systems operation. Various techniques of forecasting and simulations in different methods were studied, in order to identify which of these offers the best results regarding demand the forecast in the very short term. The quantities considered to make predictions and, which have more relevance to the horizon under study are electrical and climate. The methods used in the simulations were the Artificial Neural Networks (ANN) type recurrent Elman e NARX and Neurofuzzy. / Em Sistemas Elétricos de Potência conhecer o comportamento futuro das cargas elétricas é de fundamental importância para tomada de decisões. A previsão de cargas elétricas é essencial nos horizontes de longo, médio, curto e curtíssimo prazo. Tendo em vista a gradual transformação dos sistemas de distribuição tradicionais para sistemas inteligentes de distribuição, onde a automação do sistema elétrico e a comunicação online estejam efetivas, a previsão no curtíssimo prazo ganha novos desafios. Com base nesses fatos esta dissertação busca identificar os métodos mais adequados para realizar essas previsões de forma a contribuir com a tomada de decisões na operação dos sistemas de distribuição de energia elétrica. Foram estudadas várias técnicas de previsão e realizadas simulações em diferentes métodos de forma a identificar qual desses apresenta melhor resultado com relação à previsão de demanda no curtíssimo prazo. As grandezas consideradas para realizar as previsões e que apresentam maior relevância para o horizonte em estudo são elétricas e climáticas. Os métodos utilizados nas simulações foram as Redes Neurais Artificiais (RNAs) do tipo recorrente Elman e NARX e Neurofuzzy.

Submitted by Cristiane Shirayama (cristiane.shirayama@fgv.br) on 2011-05-24T12:21:09Z No. of bitstreams: 1 61080100013.pdf: 2430561 bytes, checksum: 201d25abadfbe88b9f397bc82146e8c0 (MD5) / Approved for entry into archive by Gisele Isaura Hannickel(gisele.hannickel@fgv.br) on 2011-05-24T12:22:08Z (GMT) No. of bitstreams: 1 61080100013.pdf: 2430561 bytes, checksum: 201d25abadfbe88b9f397bc82146e8c0 (MD5) / Approved for entry into archive by Gisele Isaura Hannickel(gisele.hannickel@fgv.br) on 2011-05-24T12:22:48Z (GMT) No. of bitstreams: 1 61080100013.pdf: 2430561 bytes, checksum: 201d25abadfbe88b9f397bc82146e8c0 (MD5) / Made available in DSpace on 2011-05-24T12:26:05Z (GMT). No. of bitstreams: 1 61080100013.pdf: 2430561 bytes, checksum: 201d25abadfbe88b9f397bc82146e8c0 (MD5) Previous issue date: 2010-05-26 / A indústria de papel e celulose no mundo e no Brasil é de notável importância pela geração de empregos, faturamento e peso estratégico. Sendo uma indústria de base florestal tem sua cadeia produtiva verticalizada dependente de um longo ciclo de plantio, crescimento e colheita florestal que pode, nas melhores das condições, tomar de cinco a sete anos e, para casos mais extremos, demandar de 20 a 40 anos. O intenso capital empregado aliado à baixa mobilidade de curso faz da previsão de demanda para a indústria papeleira um ponto de extrema atenção. Esta pesquisa se propõe a estudar se um modelo proposto na década de 80, aplicado a dados da década de 70, se mantém válido até os dias atuais. Para tal, este trabalho levanta breve bibliografia relacionada aos conceitos de previsão de demanda e como a previsão de demanda foi aplicada para produtos de base florestal – dentre os quais, papel e celulose. O estudo segue com a escolha do modelo de Wibe (1984), sua reprodução e extrapolação para dados da década de 60, 70, 80 e 90. A função de demanda originalmente proposta por Wibe (1984) associa o cunsumo de papel à renda, preço e a um índice de substituição. Para teste de sua perenidade este trabalho mede a acurácia do modelo original para cada década e testa variações e simplificações de tal modelo.

Made available in DSpace on 2016-06-02T19:51:31Z (GMT). No. of bitstreams: 1 DissASD.pdf: 1861944 bytes, checksum: 56b6855a6f1b04c9f4a96c12490009ba (MD5) Previous issue date: 2004-01-30 / In a highly competitive market as the actual one, the production management must ensure that goods and services are supplied to the customers in right time, so they can offer a competitive advantage or, at least, can be sold by a price that surpasses the production costs. It can be affirmed that one of the variables which determines the service level, to the customer, is the product availability, such in rapidity terms, as the amount of the available product. A determinant function for the availability of a product or service is the forecasting, it analyses the records about the past sales and it infer the possible behavior of the consumers for the following periods. The demand is influenced by qualitative and quantitative factors that are not considered simultaneously by the traditional forecasting methods. Thus, observing the trends in the use of expert systems and the importance of the demand forecast, this research aims to develop an expert system for demand forecast that combines qualitative and quantitative methods. To test and to analyze the performance of the systems a case study in an industry of soft drink had been carried through. This work considers an adaptation to the method of quantitative forecast adjustment with judgment to develop an expert system for demand forecast. The quantitative forecast is outcome by the combination of the forecasts generated for the most known methods. The results obtained in the tests carried through with data that had been collected during the study case confirm that the use of judgment as adjustment form of forecasting obtained by quantitative methods improve the quality of the forecast. Moreover, this work allowed proving that the knowledge of an expert who calculates the forecasting using his own judgment allows the construction of a Knowledge Base of an Expert System. / Em um mercado altamente competitivo como o atual, a administração da produção deve garantir que bens e serviços sejam fornecidos aos clientes em tempo adequado, para que ofereçam uma vantagem competitiva ou, pelo menos, possam ser vendidos por um preço que supere os custos de produção. Pode-se afirmar que uma das variáveis que determina o nível de serviço ao cliente é disponibilidade do produto tanto em termos de rapidez, quanto quantidade. Uma função determinante para a disponibilidade de um produto ou serviço é a previsão de demanda, que observando os registros sobre vendas infere o possível comportamento dos consumidores para os períodos seguintes. A demanda é influenciada por fatores qualitativos e quantitativos, que não são considerados simultaneamente pelos métodos de previsão de demanda tradicionais. Assim, observando as tendências no uso de sistemas especialistas e a importância da previsão de demanda, esta pesquisa objetiva desenvolver o protótipo de um sistema especialista para previsão de demanda que combine métodos qualitativos e quantitativos. Para testar e analisar o desempenho do protótipo desenvolvido foi realizado um estudo de caso em uma indústria de refrigerantes. Este trabalho propõe uma adaptação ao método de ajuste de previsão quantitativa por julgamento para desenvolver o protótipo do sistema especialista para previsão de demanda. A previsão quantitativa é resultado da combinação das previsões geradas pelos métodos mais conhecidos. Os resultados obtidos a partir de testes realizados com dados coletados durante o estudo de caso confirmam que a utilização do julgamento como forma de ajuste de previsão de demanda obtida por meio de métodos quantitativos melhora a qualidade da previsão. Além disso, este trabalho permitiu comprovar que o conhecimento de uma especialista que realiza a previsão de demanda por julgamento permite a construção de uma Base de Conhecimento de um Sistema Especialista.

Made available in DSpace on 2018-08-01T23:37:59Z (GMT). No. of bitstreams: 1 tese_10247_Dissertação Final - Graziani Mendonça.pdf: 3483425 bytes, checksum: b3c48dacb558f354761eac9d9307ece1 (MD5) Previous issue date: 2016-08-22 / Uma das principais funções da Administração Pública é converter os tributos públicos em bens e serviços para a população, o que depende necessariamente de um eficiente sistema de compras públicas. Atualmente, a ferramenta mais utilizada nos processos de compras públicas na administração pública federal é o Sistema de Registro de Preços (SRP), que se caracteriza pela desnecessidade de efetivação da contratação e de disponibilidade de recursos para sua realização. No SRP, assim como nos demais processos licitatórios, por imposição legal, as quantidades a serem adquiridas devem ser estimadas por meio de adequadas técnicas de previsão. No entanto, isto não ocorre na maioria dos processos realizados por meio do SRP. A partir desta constatação, e levando-se em consideração que a previsão da demanda com alta acurácia é extremamente importante, no intuito de evitar a ocorrência de estimativas super ou subestimadas, a proposta deste estudo foi verificar se as quantidades estimadas nos registros de preços realizados pela Reitoria do IFES refletiram a real necessidade de suprimento da unidade. Foram analisados, por meio da utilização de um indicador de eficiência e sua respectiva escala de interpretação, 29 pregões para registros de preços para aquisição de bens/materiais, com vigência da ata vencida, entre os anos de 2010 a 2014. Os resultados da pesquisa demonstraram a necessidade de melhoria dos processos de planejamento da contratação e previsão da demanda de materiais na Reitoria do IFES, uma vez que o indicador utilizado apontou um erro de previsão elevado e baixa acurácia da previsão. Sendo assim, o estudo sugeriu a adoção do referido indicador como mecanismo de controle da previsão da demanda, bem como adoção de um manual de procedimentos que auxilie o processo de planejamento e de execução dos processos de compras públicas, como proposta de produto final da dissertação / One of the main functions of the Public Administration is to convert public tributes into goods and services to the people, which depends necessarily on an efficient public procuremente system. Nowadays, the most used mechanism for public procurement in the federal government is the Price Registration System (PRS), characterized by the lack of necessity to formalize the purchase and funds disponibility. In the PRS, such as in the other procurement processes, by legal impose, the quantity to be acquired must be estimated by forecast techniques. However, it doesn't occur in the majority of the processes performed through the PRS. From this finding, and considering the importance of accurate forecast demand as a form to prevent under or superestimated demands, the purpose of the estudy was to verify if the estimated quantities in the price records performed by the IFES Rectory reflected the real supply needs of the unit. It was analyzed, by using an performance indicator and its interpretation scale, 29 processes which used the Price Record System to acquire goods, whose terms has expired, between 2010 a 2014. The results indicated the necessity of improving the acquisition planning and forecast demand in IFES Rectory, once the indicator pointed a high forecast error e low forecast accuracy. Therefore, the study suggested the adoption of the indicator as a control mechanism of forecast demand, as well as the use of a procedure manual was a form to assist the public procurement planning and the way the processes are performed, as a final product of the work

Made available in DSpace on 2016-08-29T11:12:25Z (GMT). No. of bitstreams: 1 tese_9172_Dissertação Final - Halisson Golffetto20151105-143642.pdf: 2579909 bytes, checksum: 4e6922309de66265e81f176db1b3ca92 (MD5) Previous issue date: 2015-08-18 / Apesar do registro de preços ser uma sistemática para contratação de bens e serviços, prevista na legislação brasileira e amplamente utilizada pelos órgãos públicos do país, em que a administração pública não tem a obrigação legal de contratar o item registrado, é fundamental que a previsão de demanda dos itens que serão registrados seja balizada em critérios metodológicos objetivos na etapa de planejamento e, com isso, as chances de ocorrerem estimativas subdimensionadas e superdimensionadas tendem a diminuir. A partir dessa constatação, a proposta central do estudo consiste em verificar se as quantidades estimadas nos registros de preços refletem a real necessidade de suprimento, tendo por referência o Departamento de Gestão de Restaurantes (DGR) da Universidade Federal do Espírito Santo (UFES). Conduziu-se um estudo de caso, com foco nos registros de preços de produtos de consumo utilizados diretamente no preparo das refeições nos restaurantes da universidade (gêneros alimentícios, carnes e derivados, e hortifrutigranjeiros). Foram realizadas entrevistas junto às nutricionistas responsáveis por requisitar a compra dos objetos estudados no DGR, totalizando três entrevistas. Além disso, procedeu-se a análise dos registros de preços componentes da amostra, isto é, registros de preços dos objetos estudados, realizados entre 2009 e 2014, cuja vigência esteja expirada. Com isso, foram estudados 27 registros de preços. A análise destes foi regida através da proposição de um indicador e de uma escala para interpretação do indicador, produto final desta dissertação. Os resultados evidenciam a necessidade de os requisitantes do DGR reverem os parâmetros das previsões de demanda dos objetos estudados, quando da elaboração do termo de referência, já que o indicador proposto retratou a seguinte realidade: acurácia da previsão baixa e erro de previsão elevado. Assim, o estudo sugere a adoção do seu produto final pelo DGR, como mecanismo de acompanhamento e controle da previsão de demanda em registros de preços, uma ferramenta que contribuirá para a melhora gradativa do planejamento da contratação do departamento (aspecto quantitativo) / Despite the price record is a system for procurement of goods and services, under Brazilian law and widely used by government agencies of the country, where the government has a legal obligation to hire the registered item, it is essential that the forecast demand items to be registered to be baptized in methodological objective criteria in the planning stage, and with it, the chances of occurrence of undersized and oversized estimates tend to decrease. Based on this finding, the central purpose of the study is to verify that the estimated prices records reflect the real need of supply, with reference to the Department of Restaurant Management (DGR) of the Federal University of Espírito Santo (UFES). We conducted a case study, focusing on records consumer product prices directly used in the preparation of meals at university restaurants (foodstuff, meat and meat products, and fresh produce). Interviews were conducted with the nutritionists responsible for ordering the purchase of objects studied in DGR, totaling three interviews. In addition, it proceeded to the analysis of the components of the sample price records, that is, price records of the studied objects, made between 2009 and 2014, whose term has expired. Thus, were studied 27 records prices. Analysis of these was governed by proposing an indicator and a scale for interpretation of the indicator, the final product of this work. The results show the need for requesting the DGR revise the parameters of demand forecasts of the studied objects, when drafting the terms of reference, as the indicator proposed portrayed the following fact: the low forecast accuracy and high forecast error. Thus, the study suggests the adoption of the final product by the DGR, as follow-up mechanism and control demand forecast record prices, a tool that will contribute to the gradual improvement of the planning of the recruitment department (quantitative aspect)

nÃo hà / A Lubnor à uma refinaria de pequeno porte da Petrobras instalada dentro da cidade de Fortaleza-CE, que processa petrÃleos do tipo naftÃnico, pouco disponÃveis na natureza. A refinaria dispÃe hoje de trÃs opÃÃes desses Ãleos para processamento e produz basicamente asfaltos e lubrificantes naftÃnicos, sendo a Ãnica produtora nacional destes Ãltimos. O planejamento de processamento de matÃria-prima e produÃÃo dessa unidade industrial à realizado de forma centralizada pela sede da organizaÃÃo, que busca os melhores resultados para o todo, mesmo que isso penalize uma unidade especÃfica. Este trabalho temcomo objetivos planejar as operaÃÃes logÃsticas em uma refinaria de petrÃleo para maximizar seus resultados e mostrar que sincronizando a demanda por produtos acabados e a chegada de matÃria-prima, a refinaria pode aumentar a capacidade de processamento reduzindo os estoques em processo. Para esse fim, foi adotada a estratÃgia de pesquisa bibliogrÃfica e exploratÃria aplicada a um estudo de caso. Os referenciais teÃricos estÃo suportados na previsÃo de demanda, gestÃo de estoques e nos sistemas de apoio à decisÃo. Os resultados apontam que entre seis configuraÃÃes possÃveis de processamento pela refinaria, duas apresentam melhor rentabilidade, duas apresentam um resultado um pouco inferior e as duas outras sÃo inviÃveis. A demonstraÃÃo de que à possÃvel aumentar a produÃÃo com a reduÃÃo dos estoques em processo à realizada atravÃs de uma planilha do Microsoft Excel, que tem como variÃvel a carga da unidade. Aumentando-se a carga em 50% e 100%, os estoques em processo caem a nÃveis inferiores aos existentes hoje na refinaria. Ao final deste trabalho sÃo apontadas recomendaÃÃes para a soluÃÃo de problemas especÃficos que reduzem a rentabilidade da refinaria e o nÃvel de serviÃo desejado / Lubnor is a small tonnage Petrobrasâ refinery located in Fortaleza, CearÃ, Brazil. It refines naphtenic crude oils, which are not easy to find in nature. There are three kinds of Brazilian naphtenics oils currently available to be processed in Lubnor. The refinery produces basically asphalts and naphtenic lubricants, and it is the only Brazilian producer of these kinds of lubricants. The kinds of petroleum to process and the production planning of the refinery are made by the headquarters of the organization, which looks for the best results for the whole Company, although it means losses for one of the refineries. This work has the following objectives: to plan the logistic operations of a petroleum refinery in order to maximize its profits and to show that the refinery can improve its processing capacity reducing its in process inventory by synchronizing or balancing the output of final products and the input of crude oils. To reach these objectives, it was adopted the strategy of a literature research applicable to a case study. The theoretical references concern demand forecasting, inventory management and decision support systems. The results show that among the six possible configurations of oil refining, two are profitable, other two have a little gain and the last two are unfeasible. The demonstration that it is possible to increase the production reducing the in process inventory is made by using a Microsoft Excel spreadsheet with one variable: the diary flow of crude oil in the distillation unit. Increasing the flow in 50% and 100%, the in process inventory decreases to a lower level when compared with the current inventory at the refinery. At the end of this work, there are recommendations to solve specific problems which are reducing the refinery profitability and the service level

AgÃncia Nacional do PetrÃleo / A utilizaÃÃo de modelos de escolha discreta à um mÃtodo eficaz que retrata o comportamento dos consumidores em diversos mercados. Sua aplicaÃÃo tem sido amplamente difundida na literatura para retratar a realidade de mercados de produtos e serviÃos no setor de transportes. Quando sÃo necessÃrios estudos de previsÃo de demanda, o modo mais adequado consiste na utilizaÃÃo conjunta de dados de preferÃncia declarada (PD) e preferÃncia revelada (PR). A combinaÃÃo destes dados fornece modelos estatisticamente mais consistentes do que aqueles estimados com dados puros de PD ou de PR. Dessa forma, o presente trabalho aplica uma metodologia baseada em modelos de escolha discreta com insumo de dados de PD e PR, chamada de GNVPREV, para analisar as preferÃncias dos usuÃrios de combustÃveis, enfocando o gÃs natural veicular - GNV, dentro de um contexto competitivo de um mercado de energÃticos veiculares. Esta anÃlise foi restrita aos usuÃrios de veÃculos leves - automÃveis, camionetas e caminhonetes - que utilizam a gasolina, o Ãlcool ou o prÃprio GNV. A metodologia GNVPREV foi aplicada para uma Ãrea de estudo constituÃda por uma parte do distrito sede do municÃpio de Caucaia, situado na RegiÃo Metropolitana de Fortaleza, Estado do CearÃ. O levantamento de dados a partir de questionÃrios de preferÃncia declarada e revelada, elaborados previamente, forneceu insumos para estimativas de funÃÃes de utilidade e obtenÃÃo de parÃmetros de elasticidade de demanda, trade-off entre alternativas e cenÃrios de previsÃo de demanda. Os resultados obtidos foram satisfatÃrios, dentro das limitaÃÃes dos dados primÃrios e secundÃrios, e confirmaram um melhor desempenho do modelo quando estimado com dados conjuntos de PD e PR.