Spelling suggestions: "subject:"desagregados"" "subject:"desagregação""
1 |
Secuenciamiento óptimo de preparacion minera subterraneaRocher Anda, Winston Andrés January 2012 (has links)
Magíster en Minería / Ingeniero Civil de Minas / Ingeniero Civil / Una práctica común en la industria minera es descomponer el proceso de la planificación en diferentes etapas, de modo que el proceso general y las etapas individuales pueden desarrollarse más fácilmente dada la gran complejidad que conllevaría tratar grandes volúmenes de información al mismo tiempo. Sin embargo, producto de esta forma de planificar comienzan a emerger algunas inconsistencias, especialmente en los megaproyectos mineros subterráneos, donde lo habitual es calcular en un principio el secuenciamiento minero a lo largo de la vida de la mina sin integrar constitutivamente el plan de desarrollo y construcción minero, para medirse sólo posteriormente la factibilidad de cumplir un determinado diseño minero. En consecuencia, dentro de los problemas que pueden materializarse al trabajar con una planificación desagregada está, en particular, la imposibilidad de capturar el valor real de un proyecto al no tener en cuenta las labores relacionadas a los túneles, galerías e infraestructura en general reflejado en un aumento de costos o disminución de la meta productiva. Por tanto, la presente investigación tiene por objetivo presentar un modelo de programación matemática para el tratamiento del secuenciamiento y agendamiento de una mina subterránea, teniendo en cuenta la producción, los recursos disponibles y la constructibilidad de manera integrada, siendo una herramienta de análisis rápido para el planificador minero.
La función objetivo del modelo aquí presentado es la maximización del valor presente neto de un conjunto de actividades, sujeto a: Restricciones operacionales de capacidad de construcción dada por el número, disponibilidad y rendimiento intrínseco de equipos; Restricciones de precedencias físicas y operacionales, relativas a la posibilidad real de realizar una actividad por sí misma dado que hay acceso a ella y a la posibilidad de ejercer dicha actividad dado el vínculo con otras dentro de un proyecto; Restricciones de procesamiento en cuanto a la capacidad máxima y mínima admisible para tratar mineral; Y restricciones de recursos disponibles en cada periodo, ya sea en cantidad de materiales para la construcción, aire o cualquier medida cuantificable a distribuir. La implementación final resulta en una herramienta llamada UDESS que ha sido presentada en diversas publicaciones anteriormente.
Los resultados muestran que el programa de producción cambia cuando se considera la constructibilidad de un diseño minero, más aún, tiene influencia en el resultado y si bien no se asegura obtener un valor de negocio mayor, sí un mayor grado de robustez por considerar más información y evaluarla en poco tiempo de manera conjunta. Por tanto se recomienda utilizar los resultados de este modelo como una guía en la construcción de planes mineros subterráneos y una prueba de factibilidad para un diseño minero con múltiples opciones de desarrollo.
|
2 |
Determinantes de dívida no Brasil: uma análise desagregada por moedaChagas, Fabrício Barroso Pitanguy Pinheiro 17 April 2017 (has links)
Submitted by Fabrício Barroso Pitanguy Pinheiro Chagas (fabricio.chagas@fgvmail.br) on 2017-04-20T18:46:15Z
No. of bitstreams: 1
Dissertação_Fabricio_Pitanguy.pdf: 916473 bytes, checksum: 4d0e28947984910f209e645536e7430b (MD5) / Approved for entry into archive by GILSON ROCHA MIRANDA (gilson.miranda@fgv.br) on 2017-04-24T14:21:16Z (GMT) No. of bitstreams: 1
Dissertação_Fabricio_Pitanguy.pdf: 916473 bytes, checksum: 4d0e28947984910f209e645536e7430b (MD5) / Made available in DSpace on 2017-05-02T19:01:55Z (GMT). No. of bitstreams: 1
Dissertação_Fabricio_Pitanguy.pdf: 916473 bytes, checksum: 4d0e28947984910f209e645536e7430b (MD5)
Previous issue date: 2017-04-17 / Este estudo investiga se a estrutura de endividamento desagregada provê alguma informação adicional em relação aos determinantes do endividamento total das empresas brasileiras. Utilizando dados de painel, testa-se a relevância não apenas de diferentes fatores específicos às empresas como também de fatores macroeconômicos na escolha entre o endividamento doméstico e em moeda estrangeira não coberta por derivativos e sobre o uso de derivativos como hedge cambial. Além da existência de fatores determinantes comuns, encontramos também evidência de fatores únicos que determinam cada tipo de endividamento, sugerindo a importância de se estudar os determinantes de dívida em nível desagregado.
|
3 |
[pt] ENSAIOS SOBRE PREVISÃO DE INFLAÇÃO: DESAGREGAÇÃO, COMBINAÇÃO DE PREVISÕES E DADOS NÃO ESTRUTURADOS / [en] ESSAYS CONCERNING INFLATION FORECASTING: DISAGGREGATION, COMBINATION OF FORECASTS, AND UNSTRUCTURED DATAGILBERTO OLIVEIRA BOARETTO 07 August 2023 (has links)
[pt] Esta tese consiste em três ensaios sobre previsão de inflação, com foco na
inflação brasileira. No primeiro ensaio, examinamos a eficácia de vários métodos
de previsão para prever a inflação, com foco na agregação de previsões desagregadas.
Consideramos diferentes níveis de desagregação para a inflação e empregamos
uma variedade de técnicas tradicionais de séries temporais, bem como
modelos lineares e não lineares de aprendizado de máquina que lidam com um
número grande de preditores. Para muitos horizontes de previsão, a agregação
de previsões desagregadas performa tão bem quanto expectativas baseadas em
coleta e modelos que geram previsões a partir do agregado. No geral, os métodos
de aprendizado de máquina superam os modelos de séries temporais tradicionais
em precisão preditiva, com excelente desempenho para os desagregados da inflação.
Em nosso segundo ensaio, investigamos os potenciais benefícios de combinar
previsões de inflação individuais ao propor uma correção para viés variável no
tempo da média de previsões. Nossa análise inclui estimações empregando janelas
rolantes e modelos em espaço de estados que usam a recursividade do filtro
de Kalman. Obtivemos um bom desempenho de previsão para modelos baseados
em janelas rolantes pequenas em horizontes de previsão curtos e intermediários,
enquanto um modelo em espaço de estados obtem um desempenho um pouco
pior do que os procedimentos baseados em janelas rolantes. No terceiro ensaio,
usamos aprendizado supervisionado para gerar índices prospectivos baseados
em tweets e notícias para inflação acumulada e investigamos se esses índices podem
melhorar o desempenho da previsão de inflação. Nossos resultados indicam
que os índices baseados em notícias fornecem ganhos preditivos significativos,
principalmente para os horizontes de 3 e 12 meses à frente. Esses achados sugerem
que a incorporação de mais fontes de informação do que apenas expectativas
baseadas em opiniões de especialistas pode levar a previsões mais precisas. / [en] This dissertation consists of three essays concerning inflation forecasting,
taking the Brazilian case as an application. In the first essay, we examine the effectiveness
of several forecasting methods for predicting inflation, focusing on
aggregating disaggregated forecasts. We consider different disaggregation levels
for inflation and employ a range of traditional time series techniques, as well as linear
and nonlinear machine learning (ML) models that deal with a larger number
of predictors. For many forecast horizons, aggregation of disaggregated forecasts
performs just as well as survey-based expectations and models generating forecasts
directly from the aggregate. Overall, ML methods outperform traditional
time series models in predictive accuracy, with outstanding performance in forecasting
disaggregates. In our second essay, we investigate the potential benefits of
combining individual inflation forecasts by proposing a time-varying bias correction
for the average forecast. Our analysis includes estimations using both rolling
windows and state-space models that use the recursiveness of the Kalman filter.
We achieve good forecast performance for models based on small rolling windows
for shorter and intermediate forecast horizons, while a state-space model
performs slightly worse than procedures based on rolling windows. In the third
essay, we use supervised learning to generate forward-looking indexes based on
tweets and news articles for accumulated inflation and investigate whether these
indexes can improve inflation forecasting performance. Our results indicate that
news-based indexes provide significant predictive gains, particularly for 3- and
12-month-ahead horizons. These findings suggest that incorporating more information
sources than just expectations based on experts opinions can lead to more
accurate forecasts.
|
Page generated in 0.036 seconds