Return to search

Metodologia estocástica para previsão de demanda de serviços emergenciais em concessionárias de energia elétrica / Statical methodology for demand forecasting emergency services in the electric utilities

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The goal of the electricity distribution companies is to provide consumers with a continuous
supply of energy and quality. This dissertation addresses the Vehicle Routing Problem,
specifically the partially dynamic routing with static entries, where some events that occur
stochastically are dynamically incorporated during the execution of the service. In this sense,
we sought to develop a methodology to provide the emergency service events that arise randomly
during the working day, taking into account attributes of location, time of service and
time of occurrence, to minimize the travel time of vehicles on scheduled routes. For that, a
sequence of steps has been developed and described for the structuring of a demand forecasting
system, which should be able to design patterns and trends analyzed data from past demands.
Intending to meet these assumptions, the study sought support in two forecasting methods: exponential
smoothing and prediction from conditional probabilities. The study also sought to
identify the main variables that influence the way aleatótia the occurrence of emergency orders.
The results obtained with these methods, assisted in the capture of the stochasticity of the order
process emergency orders, as well as in forecasting service demand. The work seeks to identify
the input variables for routing, providing subsidies for the analyzed company that does not have
this information. / A meta das empresas de distribuição de energia elétrica é proporcionar ao consumidor
um fornecimento de energia contínuo e com qualidade. Esta dissertação aborda o Problema do
Roteamento de Veículos, mais especificamente o roteamento parcialmente dinâmico, com entradas
estáticas, onde alguns eventos que ocorrem de forma estocástica são incorporados dinamicamente
durante a execução do serviço. Neste sentido, buscou-se elaborar uma metodologia
capaz de prever as ocorrências de serviços emergenciais, que surgem aleatoriamente durante
a jornada de trabalho, levando em consideração atributos de localização, tempo de serviço e
horário de ocorrência, visando minimizar o tempo de deslocamento dos veículos nas rotas programadas.
Para isso, foi desenvolvida e descrita uma sequência de etapas para estruturação de
um sistema de previsão de demanda, o qual deve ser capaz de projetar padrões e tendências dos
dados analisados a partir de demandas passadas. Pretendendo atender a estes pressupostos, o
estudo buscou suporte em dois métodos de previsão: suavização exponencial e previsão a partir
de probabilidades condicionais. O estudo ainda buscou, identificar as principais variáveis que
influenciam de maneira aleatótia a ocorrência de ordens emergenciais. Os resultados obtidos
com estes métodos, auxiliaram na captura da estocasticidade do processo de despacho de ordens
emergências, bem como, na previsão de demanda de serviço. O trabalho busca identificar as
variáveis de entrada para o roteamento, proporcionando subsídios para a empresa analisada que
não dispõe destas informações.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/8378
Date18 February 2016
CreatorsGuimarães, Iochane Garcia
ContributorsGarcia, Vinicius Jacques, Bernardon, Daniel Pinheiro, Braghirolli, Lynceo Falavigna
PublisherUniversidade Federal de Santa Maria, Programa de Pós-Graduação em Engenharia de Produção, UFSM, BR, Engenharia de Produção
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM
Rightsinfo:eu-repo/semantics/openAccess
Relation300800000005, 400, 300, 300, 500, 300, 85f4d1f8-94a1-4d70-87f0-73906e14a26f, d2c121f9-2387-4daa-9695-6d57c19185f3, d31b53a3-dd91-49c3-92da-1ef80629fe59, b5a19641-cd21-48a3-8924-965925aaac73

Page generated in 0.0153 seconds