Rede neural com conhecimento especializado para previsão de demanda intermitente

Detalhes bibliográficos
Autor(a) principal: Oliveira, Alexandre Crepory Abbott de
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/40864
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020.
id UNB_014a1edce14e6258e08a6dab42e7d42d
oai_identifier_str oai:repositorio2.unb.br:10482/40864
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Oliveira, Alexandre Crepory Abbott deRocha Filho, Geraldo Pereiraalex_crepory@msn.comSantos, Andrea Cristina dos2021-05-10T17:49:07Z2021-05-10T17:49:07Z2021-05-102020-12-01OLIVEIRA, Alexandre Crepory Abbott de. Rede neural com conhecimento especializado para previsão de demanda intermitente. 2020. xiv, 79 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2020.https://repositorio.unb.br/handle/10482/40864Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020.A exatidão da previsão de demanda é essencial para um controle de estoque eficaz, visto que erros na previsão podem resultar em estoques excessivos ou na falta de material. Dentro dos tipos de previsão de demanda, destaca-se a intermitente, em que ocorre diversas demandas nulas. Os métodos de previsão mais utilizados para esse tipo de demanda se baseiam apenas no histórico da demanda, ignorando a sua causa. Dessa forma, este trabalho documenta a implementação de uma rede neural artificial com conhecimento especialista para demanda intermitente em uma empresa de manutenção, reparo e revisão. A pesquisa seguiu as cinco primeiras etapas da metodologia do CRISP-DM: Entendimento do Negócio, Entendimento dos Dados, Preparação dos Dados, Modelagem e Avaliação. As informações consideradas importantes para o comportamento da demanda foram convertidas em variáveis para a rede neural. Para avaliar o desempenho da rede neural proposta, esta foi comparada a onze métodos de previsão em relação a três medidas de exatidão. E para avaliar o impacto da rede no controle de estoque, foi desenvolvido um simulador de estoque a partir das informações da empresa. Os resultados mostraram que as redes neurais apresentam os menores erros absolutos na previsão de demanda e que tendem a subdimensionar a previsão. Essa tendência de subdimensionamento resulta em níveis de serviços e estoque médios menores e em custos de estoque maiores.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).The accuracy of demand forecasting is essential for an effective inventory control, as errors in forecasting can result in excessive stocks or a lack of material. Within the types of demand forecast, the intermittent one stands out, in which there are several null demands. The most used forecasting methods for this type of demand are based only on the history of the demand, ignoring its cause. Thus, this work documents the implementation of an artificial neural network with specialist knowledge for intermittent demand in a maintenance, repair, and overhaul company. The research followed the first five steps of the CRISP-DM methodology: Business Understanding, Data Understanding, Data Preparation, Modeling and Evaluation. The information considered important for the demand behavior was converted into variables for the neural network. To evaluate the performance of the proposed neural network, it was compared to eleven forecasting methods in relation to three measures of accuracy. And to assess the network's impact on inventory control, a stock simulator was developed based on company information. The results showed that neural networks have the smallest absolute errors in the demand forecast and that they tend to underestimate the forecast. This downsizing trend results in lower average service and inventory levels, and higher inventory costs.Faculdade de Tecnologia (FT)Departamento de Engenharia Mecânica (FT ENM)Programa de Pós-Graduação em Sistemas MecatrônicosA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessRede neural com conhecimento especializado para previsão de demanda intermitenteinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPrevisão de demandaDemanda intermitenteRedes neurais artificiaisConhecimento especializadoporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain671http://repositorio2.unb.br/jspui/bitstream/10482/40864/2/license.txtbacfee268cc5d4f6aaa2e6e0066d38f5MD52open accessORIGINAL2020_AlexandreCreporyAbbottdeOliveira.pdf2020_AlexandreCreporyAbbottdeOliveira.pdfapplication/pdf1710457http://repositorio2.unb.br/jspui/bitstream/10482/40864/1/2020_AlexandreCreporyAbbottdeOliveira.pdf72f68c369b04737e767982a5c3357562MD51open access10482/408642024-03-08 16:01:58.171open accessoai:repositorio2.unb.br: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Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2024-03-08T19:01:58Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Rede neural com conhecimento especializado para previsão de demanda intermitente
title Rede neural com conhecimento especializado para previsão de demanda intermitente
spellingShingle Rede neural com conhecimento especializado para previsão de demanda intermitente
Oliveira, Alexandre Crepory Abbott de
Previsão de demanda
Demanda intermitente
Redes neurais artificiais
Conhecimento especializado
title_short Rede neural com conhecimento especializado para previsão de demanda intermitente
title_full Rede neural com conhecimento especializado para previsão de demanda intermitente
title_fullStr Rede neural com conhecimento especializado para previsão de demanda intermitente
title_full_unstemmed Rede neural com conhecimento especializado para previsão de demanda intermitente
title_sort Rede neural com conhecimento especializado para previsão de demanda intermitente
author Oliveira, Alexandre Crepory Abbott de
author_facet Oliveira, Alexandre Crepory Abbott de
author_role author
dc.contributor.advisorco.none.fl_str_mv Rocha Filho, Geraldo Pereira
dc.contributor.email.pt_BR.fl_str_mv alex_crepory@msn.com
dc.contributor.author.fl_str_mv Oliveira, Alexandre Crepory Abbott de
dc.contributor.advisor1.fl_str_mv Santos, Andrea Cristina dos
contributor_str_mv Santos, Andrea Cristina dos
dc.subject.keyword.pt_BR.fl_str_mv Previsão de demanda
Demanda intermitente
Redes neurais artificiais
Conhecimento especializado
topic Previsão de demanda
Demanda intermitente
Redes neurais artificiais
Conhecimento especializado
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020.
publishDate 2020
dc.date.submitted.none.fl_str_mv 2020-12-01
dc.date.accessioned.fl_str_mv 2021-05-10T17:49:07Z
dc.date.available.fl_str_mv 2021-05-10T17:49:07Z
dc.date.issued.fl_str_mv 2021-05-10
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 OLIVEIRA, Alexandre Crepory Abbott de. Rede neural com conhecimento especializado para previsão de demanda intermitente. 2020. xiv, 79 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2020.
dc.identifier.uri.fl_str_mv https://repositorio.unb.br/handle/10482/40864
identifier_str_mv OLIVEIRA, Alexandre Crepory Abbott de. Rede neural com conhecimento especializado para previsão de demanda intermitente. 2020. xiv, 79 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2020.
url https://repositorio.unb.br/handle/10482/40864
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.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio2.unb.br/jspui/bitstream/10482/40864/2/license.txt
http://repositorio2.unb.br/jspui/bitstream/10482/40864/1/2020_AlexandreCreporyAbbottdeOliveira.pdf
bitstream.checksum.fl_str_mv bacfee268cc5d4f6aaa2e6e0066d38f5
72f68c369b04737e767982a5c3357562
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv
_version_ 1803573370860601344

Registros relacionados