Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/31688 |
Resumo: | Prever a necessidade de peças sobressalentes e mensurar a efetividade da previsão são grandes desafios na área de gestão de estoques. Particularmente no setor mineral, as abordagens híbridas conFiguram-se como abordagens válidas para a incorporação das especificidades de cada mina e para a redução das lacunas existentes dos métodos de previsão tradicionais quando aplicadas a séries de dados intermitentes. Visando um método mais eficaz e replicável, neste estudo é proposta uma abordagem heurística do método bootstrapping de Willemain, Smart e Schwarz (2004) para a previsão de itens sobressalentes, considerando a modelagem da transição entre estados a partir de movimentos de vizinhança ao invés da tradicional Cadeia de Markov. O método proposto foi comparado ao método bootstrapping de Willemain, Smart e Schwarz (2004) e aos métodos de Suavização Exponencial, Croston, Syntetos e Boylan Aproximation (SBA) e método de Croston Revisado (TSB) a partir de métricas de erro (MAE e MSE) e performance (custo de ruptura e armazenagem de estoque). Os resultados obtidos a partir de dados históricos de 11 anos de aproximadamente 13.000 itens da indústria mineral demonstraram que o método heurístico proposto é robusto para a prever a demanda durante o lead time (DLT) e para a redução de rupturas de estoque de itens extremamente intermitentes ainda em ciclo usual de uso, tendo desempenho superior à todos os métodos tradicionais sem a vinculação da previsão à obsolescência de estoque. Mais do que isso, os resultados evidenciam que o método heurístico promove uma redução de até 35% no custo de ruptura de estoque em relação ao método bootstrapping de comparação. Para os padrões de demanda errático, irregular e regular foi possível identificar condições nas quais os métodos tradicionais apresentam melhor desempenho do que as abordagens bootstrapping. Uma caracterização detalhada do padrão de demanda dos itens sobressalentes da base e uma discussão acerca da aderência das métricas de erros existentes para a mensuração da eficiência de previsão de séries extremamente intermitentes também são apresentadas ao longo do estudo. |
id |
UFMG_791a7a3863077545b036f8a56ec3410f |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/31688 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Samuel Vieira Conceiçãohttp://lattes.cnpq.br/1169359835970569João Flávio de Freitas AlmeidaLásara Fabricia Rodrigueshttp://lattes.cnpq.br/2298285897665328Tássia Bolotari Affonso2019-12-30T16:24:33Z2019-12-30T16:24:33Z2019-09-30http://hdl.handle.net/1843/31688Prever a necessidade de peças sobressalentes e mensurar a efetividade da previsão são grandes desafios na área de gestão de estoques. Particularmente no setor mineral, as abordagens híbridas conFiguram-se como abordagens válidas para a incorporação das especificidades de cada mina e para a redução das lacunas existentes dos métodos de previsão tradicionais quando aplicadas a séries de dados intermitentes. Visando um método mais eficaz e replicável, neste estudo é proposta uma abordagem heurística do método bootstrapping de Willemain, Smart e Schwarz (2004) para a previsão de itens sobressalentes, considerando a modelagem da transição entre estados a partir de movimentos de vizinhança ao invés da tradicional Cadeia de Markov. O método proposto foi comparado ao método bootstrapping de Willemain, Smart e Schwarz (2004) e aos métodos de Suavização Exponencial, Croston, Syntetos e Boylan Aproximation (SBA) e método de Croston Revisado (TSB) a partir de métricas de erro (MAE e MSE) e performance (custo de ruptura e armazenagem de estoque). Os resultados obtidos a partir de dados históricos de 11 anos de aproximadamente 13.000 itens da indústria mineral demonstraram que o método heurístico proposto é robusto para a prever a demanda durante o lead time (DLT) e para a redução de rupturas de estoque de itens extremamente intermitentes ainda em ciclo usual de uso, tendo desempenho superior à todos os métodos tradicionais sem a vinculação da previsão à obsolescência de estoque. Mais do que isso, os resultados evidenciam que o método heurístico promove uma redução de até 35% no custo de ruptura de estoque em relação ao método bootstrapping de comparação. Para os padrões de demanda errático, irregular e regular foi possível identificar condições nas quais os métodos tradicionais apresentam melhor desempenho do que as abordagens bootstrapping. Uma caracterização detalhada do padrão de demanda dos itens sobressalentes da base e uma discussão acerca da aderência das métricas de erros existentes para a mensuração da eficiência de previsão de séries extremamente intermitentes também são apresentadas ao longo do estudo.Forecasting spare parts demand and measuring its effectiveness are major challenges in inventory management. Particularly in the mineral sector, hybrid approaches are used to incorporate specific parameters of each mine to reduce the gaps found in traditional forecasting methods when applied to intermittent data sets. Aiming at a more effective and replicable method – for different mines and sectors - this study proposes a heuristic approach to Willemain, Smart and Schwarz (2004) bootstrapping method for the forecasting of spare parts, considering 2-OPT and SWAP algorithms to model autocorrelation instead of the traditional two-state Markov process. The proposed method was compared to the original bootstrapping of Willemain, Smart and Schwarz (2004) and to the traditional methods of Exponential Smoothing, Croston, Syntetos and Boylan Approximation (SBA) and Revised Croston Method (TSB). The results obtained from a 11-year historical data set of approximately 13,000 items of the mineral industry through the MAE, MSE, breakdown cost and inventory cost metrics showed that the heuristic method results in more accurate forecasts of demand distribution over a fixed lead time and reduces stock shortages of intermittent items still in the usual cycle of use, presenting superior performance to all traditional methods without linking the forecast to stock obsolescence. Moreover, the heuristic method lead to a 35% reduction in breakage costs when compared to the classic bootstrapping method. For erratic, irregular and regular demand patterns it was possible to identify conditions in which the traditional methods outperform the bootstrapping approach. An exploratory analysis of the spare parts demand field in the mining industry as well as an analysis of the error metrics effectiveness for predictive performance measurement in extremely intermittent series are also presented in the study.porUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em Engenharia de ProduçãoUFMGBrasilENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃOEngenharia de produçãoControle de estoqueDemanda (Teoria econômica)MineraçãoPrevisão de demandaBootstrappingPeças sobressalentesMineraçãoDemanda intermitentePadrão de demandaAbordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineralinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALAbordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes.pdfAbordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes.pdfAbertoapplication/pdf1635179https://repositorio.ufmg.br/bitstream/1843/31688/3/Abordagem%20heur%c3%adstica%20do%20m%c3%a9todo%20bootstrapping%20para%20a%20previs%c3%a3o%20de%20demanda%20de%20itens%20sobressalentes.pdf29298f429d2a5ebac40d6c1eb34d0794MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82119https://repositorio.ufmg.br/bitstream/1843/31688/4/license.txt34badce4be7e31e3adb4575ae96af679MD54TEXTAbordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes.pdf.txtAbordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes.pdf.txtExtracted texttext/plain139402https://repositorio.ufmg.br/bitstream/1843/31688/5/Abordagem%20heur%c3%adstica%20do%20m%c3%a9todo%20bootstrapping%20para%20a%20previs%c3%a3o%20de%20demanda%20de%20itens%20sobressalentes.pdf.txt44a8dadfca6e662707b8bfafbf1a997aMD551843/316882019-12-31 03:27:45.3oai:repositorio.ufmg.br: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Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-12-31T06:27:45Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral |
title |
Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral |
spellingShingle |
Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral Tássia Bolotari Affonso Previsão de demanda Bootstrapping Peças sobressalentes Mineração Demanda intermitente Padrão de demanda Engenharia de produção Controle de estoque Demanda (Teoria econômica) Mineração |
title_short |
Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral |
title_full |
Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral |
title_fullStr |
Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral |
title_full_unstemmed |
Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral |
title_sort |
Abordagem heurística do método bootstrapping para a previsão de demanda de itens sobressalentes : aplicação na indústria mineral |
author |
Tássia Bolotari Affonso |
author_facet |
Tássia Bolotari Affonso |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Samuel Vieira Conceição |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/1169359835970569 |
dc.contributor.referee1.fl_str_mv |
João Flávio de Freitas Almeida |
dc.contributor.referee2.fl_str_mv |
Lásara Fabricia Rodrigues |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/2298285897665328 |
dc.contributor.author.fl_str_mv |
Tássia Bolotari Affonso |
contributor_str_mv |
Samuel Vieira Conceição João Flávio de Freitas Almeida Lásara Fabricia Rodrigues |
dc.subject.por.fl_str_mv |
Previsão de demanda Bootstrapping Peças sobressalentes Mineração Demanda intermitente Padrão de demanda |
topic |
Previsão de demanda Bootstrapping Peças sobressalentes Mineração Demanda intermitente Padrão de demanda Engenharia de produção Controle de estoque Demanda (Teoria econômica) Mineração |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia de produção Controle de estoque Demanda (Teoria econômica) Mineração |
description |
Prever a necessidade de peças sobressalentes e mensurar a efetividade da previsão são grandes desafios na área de gestão de estoques. Particularmente no setor mineral, as abordagens híbridas conFiguram-se como abordagens válidas para a incorporação das especificidades de cada mina e para a redução das lacunas existentes dos métodos de previsão tradicionais quando aplicadas a séries de dados intermitentes. Visando um método mais eficaz e replicável, neste estudo é proposta uma abordagem heurística do método bootstrapping de Willemain, Smart e Schwarz (2004) para a previsão de itens sobressalentes, considerando a modelagem da transição entre estados a partir de movimentos de vizinhança ao invés da tradicional Cadeia de Markov. O método proposto foi comparado ao método bootstrapping de Willemain, Smart e Schwarz (2004) e aos métodos de Suavização Exponencial, Croston, Syntetos e Boylan Aproximation (SBA) e método de Croston Revisado (TSB) a partir de métricas de erro (MAE e MSE) e performance (custo de ruptura e armazenagem de estoque). Os resultados obtidos a partir de dados históricos de 11 anos de aproximadamente 13.000 itens da indústria mineral demonstraram que o método heurístico proposto é robusto para a prever a demanda durante o lead time (DLT) e para a redução de rupturas de estoque de itens extremamente intermitentes ainda em ciclo usual de uso, tendo desempenho superior à todos os métodos tradicionais sem a vinculação da previsão à obsolescência de estoque. Mais do que isso, os resultados evidenciam que o método heurístico promove uma redução de até 35% no custo de ruptura de estoque em relação ao método bootstrapping de comparação. Para os padrões de demanda errático, irregular e regular foi possível identificar condições nas quais os métodos tradicionais apresentam melhor desempenho do que as abordagens bootstrapping. Uma caracterização detalhada do padrão de demanda dos itens sobressalentes da base e uma discussão acerca da aderência das métricas de erros existentes para a mensuração da eficiência de previsão de séries extremamente intermitentes também são apresentadas ao longo do estudo. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-12-30T16:24:33Z |
dc.date.available.fl_str_mv |
2019-12-30T16:24:33Z |
dc.date.issued.fl_str_mv |
2019-09-30 |
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.uri.fl_str_mv |
http://hdl.handle.net/1843/31688 |
url |
http://hdl.handle.net/1843/31688 |
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.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia de Produção |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃO |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/31688/3/Abordagem%20heur%c3%adstica%20do%20m%c3%a9todo%20bootstrapping%20para%20a%20previs%c3%a3o%20de%20demanda%20de%20itens%20sobressalentes.pdf https://repositorio.ufmg.br/bitstream/1843/31688/4/license.txt https://repositorio.ufmg.br/bitstream/1843/31688/5/Abordagem%20heur%c3%adstica%20do%20m%c3%a9todo%20bootstrapping%20para%20a%20previs%c3%a3o%20de%20demanda%20de%20itens%20sobressalentes.pdf.txt |
bitstream.checksum.fl_str_mv |
29298f429d2a5ebac40d6c1eb34d0794 34badce4be7e31e3adb4575ae96af679 44a8dadfca6e662707b8bfafbf1a997a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589279525371904 |