Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos

Detalhes bibliográficos
Autor(a) principal: Nottar, Luiz Alberto
Data de Publicação: 2013
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/97236
Resumo: Esta tese apresenta uma sistemática de seleção dos especialistas mais consistentes e dos fatores de ajuste mais relevantes com vistas ao aprimoramento da acurácia da previsão de demanda gerada por métodos quantitativos. Para tanto, são testados sete modelos quantitativos: Médias Móveis (MM-3, MM-6 e MM-9), Suavização Exponencial Simples e Dupla e o modelo de Holt-Winters multiplicativo e aditivo. O modelo utilizado na previsão quantitativa foi aquele que gerou a melhor aderência aos dados e acurácia preditiva com base nos indicadores R2 e Erro Percentual Médio Absoluto (MAPE), respectivamente, extraídos mediante a quebra da série histórica na proporção 80% (banco de treino) e 20% (banco de teste) para cada produto. Com base nesse critério, tanto o leite UHT quanto o queijo mussarela foram modelados através da Suavização Exponencial Dupla (SED). Na sequência, especialistas e fatores utilizados para ajuste qualitativo da demanda foram selecionados de forma a reter somente os especialistas mais consistentes e os fatores mais influentes para tal fim. O método reteve os 5 especialistas mais consistentes dos 15 inicialmente entrevistados. Dos 23 fatores iniciais, apenas os 13 mais representativos foram retidos. Através da previsão corrigida para o leite UHT, o MAPE foi reduzido de 14,29% para 6,44%. Já previsão ajustada do queijo mussarela possibilitou reduzir o MAPE de 15,25% para 8,72%.
id URGS_2cdacf1d470b4bacc1e07bbb9658e03f
oai_identifier_str oai:www.lume.ufrgs.br:10183/97236
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Nottar, Luiz AlbertoAnzanello, Michel José2014-07-04T02:03:19Z2013http://hdl.handle.net/10183/97236000920153Esta tese apresenta uma sistemática de seleção dos especialistas mais consistentes e dos fatores de ajuste mais relevantes com vistas ao aprimoramento da acurácia da previsão de demanda gerada por métodos quantitativos. Para tanto, são testados sete modelos quantitativos: Médias Móveis (MM-3, MM-6 e MM-9), Suavização Exponencial Simples e Dupla e o modelo de Holt-Winters multiplicativo e aditivo. O modelo utilizado na previsão quantitativa foi aquele que gerou a melhor aderência aos dados e acurácia preditiva com base nos indicadores R2 e Erro Percentual Médio Absoluto (MAPE), respectivamente, extraídos mediante a quebra da série histórica na proporção 80% (banco de treino) e 20% (banco de teste) para cada produto. Com base nesse critério, tanto o leite UHT quanto o queijo mussarela foram modelados através da Suavização Exponencial Dupla (SED). Na sequência, especialistas e fatores utilizados para ajuste qualitativo da demanda foram selecionados de forma a reter somente os especialistas mais consistentes e os fatores mais influentes para tal fim. O método reteve os 5 especialistas mais consistentes dos 15 inicialmente entrevistados. Dos 23 fatores iniciais, apenas os 13 mais representativos foram retidos. Através da previsão corrigida para o leite UHT, o MAPE foi reduzido de 14,29% para 6,44%. Já previsão ajustada do queijo mussarela possibilitou reduzir o MAPE de 15,25% para 8,72%.This thesis presents a systematic selection of the most consistent experts and most relevant adjustment factors aimed at improving the accuracy of forecasting demand generated by quantitative methods. For this, seven quantitative models are tested: Moving Averages (MM-3, MM-6 and MM-9), Single and Double Exponential Smoothing and Holt-Winters multiplicative and additive model. The model used in quantitative forecasting was one that generated the best adherence to data and predictive accuracy based on the indicators R2 and Mean Absolute Percentage Error (MAPE), respectively, extracted by breaking the time series in the ratio 80 % (workout bench) and 20% (test bank) for each product . Based on this criterion , both UHT milk and mozzarella cheese were modeled by Double Exponential Smoothing (SED). Further, experts and qualitative factors used to adjust demand were selected so to retain only the most consistent experts and the most influential factors for this purpose. The method retained the 5 most consistent experts of the 15 interviewed initially. Of the 23 initial factors, only the 13 most significant were retained. Through prediction corrected for UHT milk the MAPE was reduced from 14.29 % to 6.44 %. It had forecast adjusted mozzarella cheese possible to reduce the MAPE of 15.25% to 8,72.application/pdfporPrevisão de demandaIndústria de laticíniosCadeia produtivaDemand forecastingDairy productsSelection of expertsQualitative factorsSeleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de ProduçãoPorto Alegre, BR-RS2013doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000920153.pdf000920153.pdfTexto completoapplication/pdf2040652http://www.lume.ufrgs.br/bitstream/10183/97236/1/000920153.pdfc487336a843ecf8e25319ede65a3018fMD51TEXT000920153.pdf.txt000920153.pdf.txtExtracted Texttext/plain313848http://www.lume.ufrgs.br/bitstream/10183/97236/2/000920153.pdf.txta6112ff85a110c789ad32992b35e7d2dMD52THUMBNAIL000920153.pdf.jpg000920153.pdf.jpgGenerated Thumbnailimage/jpeg1255http://www.lume.ufrgs.br/bitstream/10183/97236/3/000920153.pdf.jpg955e0ee97fcd4a64e2fae11cda3ad2c1MD5310183/972362018-10-19 10:03:36.579oai:www.lume.ufrgs.br:10183/97236Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-19T13:03:36Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos
title Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos
spellingShingle Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos
Nottar, Luiz Alberto
Previsão de demanda
Indústria de laticínios
Cadeia produtiva
Demand forecasting
Dairy products
Selection of experts
Qualitative factors
title_short Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos
title_full Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos
title_fullStr Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos
title_full_unstemmed Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos
title_sort Seleção de especialistas e de fatores qualitativos para ajuste da previsão de demanda na cadeia de lácteos
author Nottar, Luiz Alberto
author_facet Nottar, Luiz Alberto
author_role author
dc.contributor.author.fl_str_mv Nottar, Luiz Alberto
dc.contributor.advisor1.fl_str_mv Anzanello, Michel José
contributor_str_mv Anzanello, Michel José
dc.subject.por.fl_str_mv Previsão de demanda
Indústria de laticínios
Cadeia produtiva
topic Previsão de demanda
Indústria de laticínios
Cadeia produtiva
Demand forecasting
Dairy products
Selection of experts
Qualitative factors
dc.subject.eng.fl_str_mv Demand forecasting
Dairy products
Selection of experts
Qualitative factors
description Esta tese apresenta uma sistemática de seleção dos especialistas mais consistentes e dos fatores de ajuste mais relevantes com vistas ao aprimoramento da acurácia da previsão de demanda gerada por métodos quantitativos. Para tanto, são testados sete modelos quantitativos: Médias Móveis (MM-3, MM-6 e MM-9), Suavização Exponencial Simples e Dupla e o modelo de Holt-Winters multiplicativo e aditivo. O modelo utilizado na previsão quantitativa foi aquele que gerou a melhor aderência aos dados e acurácia preditiva com base nos indicadores R2 e Erro Percentual Médio Absoluto (MAPE), respectivamente, extraídos mediante a quebra da série histórica na proporção 80% (banco de treino) e 20% (banco de teste) para cada produto. Com base nesse critério, tanto o leite UHT quanto o queijo mussarela foram modelados através da Suavização Exponencial Dupla (SED). Na sequência, especialistas e fatores utilizados para ajuste qualitativo da demanda foram selecionados de forma a reter somente os especialistas mais consistentes e os fatores mais influentes para tal fim. O método reteve os 5 especialistas mais consistentes dos 15 inicialmente entrevistados. Dos 23 fatores iniciais, apenas os 13 mais representativos foram retidos. Através da previsão corrigida para o leite UHT, o MAPE foi reduzido de 14,29% para 6,44%. Já previsão ajustada do queijo mussarela possibilitou reduzir o MAPE de 15,25% para 8,72%.
publishDate 2013
dc.date.issued.fl_str_mv 2013
dc.date.accessioned.fl_str_mv 2014-07-04T02:03:19Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/97236
dc.identifier.nrb.pt_BR.fl_str_mv 000920153
url http://hdl.handle.net/10183/97236
identifier_str_mv 000920153
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/97236/1/000920153.pdf
http://www.lume.ufrgs.br/bitstream/10183/97236/2/000920153.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/97236/3/000920153.pdf.jpg
bitstream.checksum.fl_str_mv c487336a843ecf8e25319ede65a3018f
a6112ff85a110c789ad32992b35e7d2d
955e0ee97fcd4a64e2fae11cda3ad2c1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1816736896140705792