Show simple item record

dc.contributor.advisorCamargo, Maria Emilia
dc.contributor.authorCapitanio, Sidimar
dc.contributor.otherGiacomello, Cintia Paese
dc.contributor.otherChiwiacowsky, Leonardo Dagnino
dc.contributor.otherLopes, Luís Felipe Dias
dc.contributor.otherRusso, Suzana Leitão
dc.date.accessioned2019-11-13T13:34:36Z
dc.date.available2019-11-13T13:34:36Z
dc.date.issued2019-11-13
dc.date.submitted2019-06-25
dc.identifier.urihttps://repositorio.ucs.br/11338/5144
dc.descriptionA previsão de demanda é uma ferramenta importante para qualquer setor do mercado de trabalho, com a qual as organizações fazem sua gestão e planejamento baseando-se na predição futura de suas variáveis envolvidas. A previsão de demanda possui variadas formas e métodos de gerar uma predição, portanto, o presente trabalho tem como objetivo o desenvolvimento de um algoritmo de previsão de demanda adaptável aos dados das organizações, podendo-se modelar e atribuir variáveis do processo que influenciam diretamente na predição. O modelo de previsão é baseado em uma abordagem de aprendizado de máquina, que se deu com o desenvolvimento de uma Rede Neural Artificial (RNA), a qual para o seu treinamento de aprendizagem supervisionada foram utilizados dados históricos de empresas do segmento moveleiro, dólar americano e consumo de energia elétrica do estado do Rio Grande do Sul, combinados com dados de indicadores econômicos como PIB, SELIC, TR, entre outros para que o algoritmo possa encontrar um padrão de relacionamento na base de dados e prever a demanda com maior acurácia. O modelo da previsão do dólar resultou em um menor erro mape em relação as demais previsões, sendo o erro obtido de 1,06%. Este baixo erro deu-se também pela base de dados maior, fazendo com que a rede se adaptasse com maior eficácia ao histórico e indicadores utilizados. A previsão do consumo de energia elétrica obteve um erro mape de 2,15% e para o banco de dados menor que é a previsão de consumo de chapas de MDF da fábrica moveleira resultou em um erro de 3,85%.pt_BR
dc.description.abstractDemand forecasting is an important tool for any job market sector, which companies manage and plan its organization based on the future prediction of their variables involved. Therefore, demand forecasting has a variety of ways and methods to obtain a prediction. For that reason, the present work has the aim of developing a demand prediction algorithm adaptable to the data of the organizations, being able to model and assign process variables that directly influence the prediction. Thereby, the prediction model was based on machine learning, developed with Artificial Neural Network (ANN) and, for its supervised learning training, were used historical data of companies in the furniture segment, US dollar and electric energy consumption in the state of Rio Grande do Sul, in which economic indicators such as PIB, SELIC, TR, among others are used, so that the algorithm can find a relationship pattern in the database and predict demand with accuracy. The dollar forecast model resulted in a smaller map error in relation to the other forecasts, with the obtained error of 1.06%. This low error was also due to the larger database, making the network adapt more effectively to the history and indicators used. The forecast of electricity consumption obtained a map error of 2.15% and for the smaller database which is the forecast of consumption of MDF sheets of the furniture factory resulted in an error of 3.85%.en
dc.language.isoptpt_BR
dc.subjectAlgorítmospt_BR
dc.subjectPlanejamento da produçãopt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectAssociações, instituições, etc.pt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectAlgorithmsen
dc.subjectProduction planningen
dc.subjectNeural Networks (Computing)en
dc.subjectAssociations, institutions, etc.en
dc.subjectArtificial intelligenceen
dc.titleDesenvolvimento de algoritmo adaptável utilizando redes neurais artificiais para previsão de demandapt_BR
dc.typeDissertaçãopt_BR
mtd2-br.advisor.instituationUniversidade de Caxias do Sulpt_BR
mtd2-br.advisor.latteshttp://lattes.cnpq.br/0296517053685634pt_BR
mtd2-br.author.lattesCAPITANIO, S.pt_BR
mtd2-br.program.namePrograma de Pós-Graduação em Engenharia de Produçãopt_BR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record