Combinação de métodos de séries temporais para previsão da demanda de café no Brasil
Autor(a) principal: | |
---|---|
Data de Publicação: | 2007 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFEI (RIUNIFEI) |
Texto Completo: | https://repositorio.unifei.edu.br/jspui/handle/123456789/1805 |
Resumo: | Até o fim da década de 80, o setor cafeeiro no Brasil era fortemente regulamentado com o intuito de impedir a queda dos preços do café no mercado internacional, através do controle da oferta. O mercado interno era tratado residualmente, o que justificava, em parte, o baixo consumo interno. Com a desregulamentação do setor, características como menores custos, maior diferenciação e melhor qualidade do café passaram a ser a chave para sobrevivência. O consumo interno, desde então, passou a subir rapidamente, aumentando a necessidade dos membros da cadeia em prever o consumo, a fim de não deixar o mercado interno e externo desabastecidos no futuro. Dessa forma, o objetivo principal do trabalho foi prever a demanda ou consumo interno de café torrado e moído juntamente com a demanda de café solúvel no mercado brasileiro. Para isso, tomou-se diversos métodos de Séries Temporais. Selecionou-se aqueles que apresentaram em conjunto menores erros, melhores resultados estatísticos, e melhor ajustamento aos dados – os métodos de Dupla Suavização Exponencial, Análise de Tendência Quadrática e ARIMA (2, 2, 5). Logo após, utilizando-se de uma média aritmética simples dos resultados previstos por cada um dos métodos que apresentaram melhor desempenho, construiu-se um novo método chamado de Combinação. Esse novo método foi escolhido para realizar a previsão da demanda de café para os anos seguintes, por ter apresentado o menor Desvio Médio Absoluto (MAD), ou seja, um melhor desempenho se comparado com os três métodos individuais. Dessa forma, um outro objetivo – verificar se a Combinação apresentava melhor desempenho que o melhor método individual selecionado, considerando-se a estrutura de dados presente na série histórica da demanda de café – também foi atingido. Procurou-se verificar, também, como terceiro objetivo, se a combinação poderia diminuir o risco da previsão em função da diminuição da variabilidade dos erros e dos riscos associados à escolha do método. Concluiu-se com base no presente estudo, que ela diminuiu o risco da previsão, pois apresentou a menor variabilidade (desvio-padrão) dos erros. |
id |
UFEI_f4a06e729bbf082912339099c835d89e |
---|---|
oai_identifier_str |
oai:repositorio.unifei.edu.br:123456789/1805 |
network_acronym_str |
UFEI |
network_name_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
repository_id_str |
7044 |
spelling |
2007-04-272018-11-07T16:12:38Z2018-11-07T16:12:38ZBACCI, Lívio Agnew. Combinação de métodos de séries temporais para previsão da demanda de café no Brasil. 2007. 132 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2007.https://repositorio.unifei.edu.br/jspui/handle/123456789/1805Até o fim da década de 80, o setor cafeeiro no Brasil era fortemente regulamentado com o intuito de impedir a queda dos preços do café no mercado internacional, através do controle da oferta. O mercado interno era tratado residualmente, o que justificava, em parte, o baixo consumo interno. Com a desregulamentação do setor, características como menores custos, maior diferenciação e melhor qualidade do café passaram a ser a chave para sobrevivência. O consumo interno, desde então, passou a subir rapidamente, aumentando a necessidade dos membros da cadeia em prever o consumo, a fim de não deixar o mercado interno e externo desabastecidos no futuro. Dessa forma, o objetivo principal do trabalho foi prever a demanda ou consumo interno de café torrado e moído juntamente com a demanda de café solúvel no mercado brasileiro. Para isso, tomou-se diversos métodos de Séries Temporais. Selecionou-se aqueles que apresentaram em conjunto menores erros, melhores resultados estatísticos, e melhor ajustamento aos dados – os métodos de Dupla Suavização Exponencial, Análise de Tendência Quadrática e ARIMA (2, 2, 5). Logo após, utilizando-se de uma média aritmética simples dos resultados previstos por cada um dos métodos que apresentaram melhor desempenho, construiu-se um novo método chamado de Combinação. Esse novo método foi escolhido para realizar a previsão da demanda de café para os anos seguintes, por ter apresentado o menor Desvio Médio Absoluto (MAD), ou seja, um melhor desempenho se comparado com os três métodos individuais. Dessa forma, um outro objetivo – verificar se a Combinação apresentava melhor desempenho que o melhor método individual selecionado, considerando-se a estrutura de dados presente na série histórica da demanda de café – também foi atingido. Procurou-se verificar, também, como terceiro objetivo, se a combinação poderia diminuir o risco da previsão em função da diminuição da variabilidade dos erros e dos riscos associados à escolha do método. Concluiu-se com base no presente estudo, que ela diminuiu o risco da previsão, pois apresentou a menor variabilidade (desvio-padrão) dos erros.Combinação de métodos de séries temporais para previsão da demanda de café no Brasilinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisItajubáUNIFEI - Universidade Federal de Itajubá132 p.Previsão de demandaCaféSéries temporaisCombinação de métodosDemand forecastCoffeeTime SeriesCombination of methodsREZENDE, Marcelo LacerdaEngenharia de ProduçãoEngenharia de ProduçãoBACCI, Lívio AgnewPrograma de Pós-Graduação: Mestrado - Engenharia de ProduçãoIEPG - Instituto de Engenharia de Produção e Gestãoporreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEIinfo:eu-repo/semantics/openAccessORIGINALdissertacao_0031728.pdfdissertacao_0031728.pdfapplication/pdf1849903https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1805/1/dissertacao_0031728.pdf58b1b905cdd2e8d3531d54435288ffd0MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1805/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/18052024-04-12 10:52:37.913oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442024-04-12T13:52:37Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false |
dc.title.pt_BR.fl_str_mv |
Combinação de métodos de séries temporais para previsão da demanda de café no Brasil |
title |
Combinação de métodos de séries temporais para previsão da demanda de café no Brasil |
spellingShingle |
Combinação de métodos de séries temporais para previsão da demanda de café no Brasil BACCI, Lívio Agnew |
title_short |
Combinação de métodos de séries temporais para previsão da demanda de café no Brasil |
title_full |
Combinação de métodos de séries temporais para previsão da demanda de café no Brasil |
title_fullStr |
Combinação de métodos de séries temporais para previsão da demanda de café no Brasil |
title_full_unstemmed |
Combinação de métodos de séries temporais para previsão da demanda de café no Brasil |
title_sort |
Combinação de métodos de séries temporais para previsão da demanda de café no Brasil |
author |
BACCI, Lívio Agnew |
author_facet |
BACCI, Lívio Agnew |
author_role |
author |
dc.contributor.author.fl_str_mv |
BACCI, Lívio Agnew |
description |
Até o fim da década de 80, o setor cafeeiro no Brasil era fortemente regulamentado com o intuito de impedir a queda dos preços do café no mercado internacional, através do controle da oferta. O mercado interno era tratado residualmente, o que justificava, em parte, o baixo consumo interno. Com a desregulamentação do setor, características como menores custos, maior diferenciação e melhor qualidade do café passaram a ser a chave para sobrevivência. O consumo interno, desde então, passou a subir rapidamente, aumentando a necessidade dos membros da cadeia em prever o consumo, a fim de não deixar o mercado interno e externo desabastecidos no futuro. Dessa forma, o objetivo principal do trabalho foi prever a demanda ou consumo interno de café torrado e moído juntamente com a demanda de café solúvel no mercado brasileiro. Para isso, tomou-se diversos métodos de Séries Temporais. Selecionou-se aqueles que apresentaram em conjunto menores erros, melhores resultados estatísticos, e melhor ajustamento aos dados – os métodos de Dupla Suavização Exponencial, Análise de Tendência Quadrática e ARIMA (2, 2, 5). Logo após, utilizando-se de uma média aritmética simples dos resultados previstos por cada um dos métodos que apresentaram melhor desempenho, construiu-se um novo método chamado de Combinação. Esse novo método foi escolhido para realizar a previsão da demanda de café para os anos seguintes, por ter apresentado o menor Desvio Médio Absoluto (MAD), ou seja, um melhor desempenho se comparado com os três métodos individuais. Dessa forma, um outro objetivo – verificar se a Combinação apresentava melhor desempenho que o melhor método individual selecionado, considerando-se a estrutura de dados presente na série histórica da demanda de café – também foi atingido. Procurou-se verificar, também, como terceiro objetivo, se a combinação poderia diminuir o risco da previsão em função da diminuição da variabilidade dos erros e dos riscos associados à escolha do método. Concluiu-se com base no presente estudo, que ela diminuiu o risco da previsão, pois apresentou a menor variabilidade (desvio-padrão) dos erros. |
publishDate |
2007 |
dc.date.issued.fl_str_mv |
2007-04-27 |
dc.date.available.fl_str_mv |
2018-11-07T16:12:38Z |
dc.date.accessioned.fl_str_mv |
2018-11-07T16:12:38Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BACCI, Lívio Agnew. Combinação de métodos de séries temporais para previsão da demanda de café no Brasil. 2007. 132 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2007. |
dc.identifier.uri.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1805 |
identifier_str_mv |
BACCI, Lívio Agnew. Combinação de métodos de séries temporais para previsão da demanda de café no Brasil. 2007. 132 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2007. |
url |
https://repositorio.unifei.edu.br/jspui/handle/123456789/1805 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação: Mestrado - Engenharia de Produção |
dc.publisher.department.fl_str_mv |
IEPG - Instituto de Engenharia de Produção e Gestão |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFEI (RIUNIFEI) instname:Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
instname_str |
Universidade Federal de Itajubá (UNIFEI) |
instacron_str |
UNIFEI |
institution |
UNIFEI |
reponame_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
collection |
Repositório Institucional da UNIFEI (RIUNIFEI) |
bitstream.url.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1805/1/dissertacao_0031728.pdf https://repositorio.unifei.edu.br/jspui/bitstream/123456789/1805/2/license.txt |
bitstream.checksum.fl_str_mv |
58b1b905cdd2e8d3531d54435288ffd0 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI) |
repository.mail.fl_str_mv |
repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br |
_version_ |
1801863201163313152 |