O estudo comparou o desempenho preditivo dos modelos de previsão de redes neurais e de suavização exponencial, empregando dados diários do preço da arroba do boi gordo futuro (BM&FBOVESPA) entre janeiro de 2010 até dezembro de 2015. Os resultados mostram que modelos relativamente mais complexos como redes neurais não necessariamente apresentam melhor desempenho se comparados a modelos mais simples, e também mostram que a classificação relativa muda conforme variam as medidas de ajuste e/ou horizonte de previsão além de vantagens associadas a combinação de diversos modelos. / This study compared the predictive performance between neural network models and exponential smoothing, using daily data of live cattle future price (BM&FBOVESPA) from January 2010 to December 2015. The results show that relatively more complex models like neural networks do not necessarily display better performance compared to simpler ones. Results also shows that relative classification changes with respect to adjust measures and/or forecast horizons changes besides advantages achieved by model combinaion.

O estudo comparou o desempenho preditivo dos modelos de previsão de redes neurais e de suavização exponencial, empregando dados diários do preço da arroba do boi gordo futuro (BM&FBOVESPA) entre janeiro de 2010 até dezembro de 2015. Os resultados mostram que modelos relativamente mais complexos como redes neurais não necessariamente apresentam melhor desempenho se comparados a modelos mais simples, e também mostram que a classificação relativa muda conforme variam as medidas de ajuste e/ou horizonte de previsão além de vantagens associadas a combinação de diversos modelos. / This study compared the predictive performance between neural network models and exponential smoothing, using daily data of live cattle future price (BM&FBOVESPA) from January 2010 to December 2015. The results show that relatively more complex models like neural networks do not necessarily display better performance compared to simpler ones. Results also shows that relative classification changes with respect to adjust measures and/or forecast horizons changes besides advantages achieved by model combinaion.

Submitted by Mariana Dornelles Vargas (marianadv) on 2015-06-01T12:45:08Z No. of bitstreams: 1 otimizacao_niveis.pdf: 2029201 bytes, checksum: a40cd7a9e26627e3677b30cfdb0cdd33 (MD5) / Made available in DSpace on 2015-06-01T12:45:08Z (GMT). No. of bitstreams: 1 otimizacao_niveis.pdf: 2029201 bytes, checksum: a40cd7a9e26627e3677b30cfdb0cdd33 (MD5) Previous issue date: 2011 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Em um contexto empresarial, a competitividade entre companhias de um mesmo ramo de atividade se torna mais presente a cada dia que passa. Empresas estruturadas de forma enxuta em termos de custo podem ter maior vantagem competitiva sobre seus concorrentes. Reduzir custos é, portanto, um objetivo almejado por todas as organizações. A gestão e controle de estoques de produtos é um problema presente em diversas empresas e organizações. Diversos custos estão associados a este problema. O volume monetário relacionado é bastante grande. Assim, quanto melhor for o processo de controle e gerenciamento de estoques de uma empresa, menor será o custo para manutenção dos mesmos. Este trabalho propõe uma ferramenta para otimização dos níveis de estoque de uma rede varejista, considerando características como lucratividade, custos e atendimentos às demandas. Isto é feito através do uso de um método previsor baseado em Suavização Exponencial com Sazonalidade Multiplicativa, um módulo Otimizador baseado na metaheurística Guided Local Search, além de um Simulador Discreto Determinístico. A ferramenta conta com uma série de parâmetros que permitem a criação de diferentes cenários relativos ao sistema de estocagem da rede varejista. Os resultados obtidos durante a fase de experimentação da ferramenta demonstram sua capacidade de encontrar soluções para o problema de níveis de estoque de forma satisfatória, além de possibilitar a criação de cenários alternativos à realidade observada no sistema físico. / Competitiveness is an element that increases on a daily basis considering nowadays businesses. Companies with more efficient structures in terms of costs have an important advantage when compared to their competitors. This greatly motivates companies to reduce costs. Inventory control is an existing problem in many companies and organizations. Many types of costs are associated to this problem. Also, the amount of money involved in inventory maintenance is very considerable. So, the better the inventory control process is, the lower the costs related to it will be. This paperwork proposes a tool to optimize inventory levels on a retailer company, considering profit, costs and service level attendance. This is done by using a Forecasting Method called Exponential Smoothing with Multiplicative Seasonality, an Optimizer based on the Guided Local Search metaheuristic and a Discrete Deterministic Simulator. This tool uses a series of parameters in order to allow users to create different scenarios. The results obtained with the conducted experiments show that the tool is capable of finding good solutions to the problem of inventory levels, as well as creating alternative scenarios to operate the inventory system..