Previsão de séries temporais por meio de métodos estatísticos e neurais: aplicação em uma indústria de bebidas

• Autor(a) principal: Cunha, Marina Moreira
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/12925
• topic: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO; Inteligência artificial; Planejamento da produção; Redes neurais (Computação); Artificial intelligence; Production planning; Neural networks (Computer science)

Diante da importância da indústria de bebidas (em especial o segmento cervejeiro) para a economia brasileira, a utilização de técnicas de previsão se mostra vantajosa para embasar o planejamento da produção e a tomada de decisões nas empresas deste setor. Através da previsão de produção, é possível estimar os recursos necessários para a transformação de matérias-primas em produtos acabados e otimizar a utilização destes, bem como viabilizar o atendimento ao mercado consumidor de maneira mais ágil e assertiva, o aumento da lucratividade e a redução de perdas financeiras e desperdícios em geral. Desta forma, o presente trabalho visa obter a previsão para três meses da produção semanal de uma indústria de bebidas, por meio da utilização de métodos estatísticos e do treinamento de uma Rede Neural Artificial. A aplicação dos métodos estatísticos permitiu verificar que o modelo de Médias Móveis não se ajustou à série temporal e, consequentemente, não forneceu previsões confiáveis, motivo pelo qual estas não foram apresentadas neste trabalho. Além disso, verificou-se que o modelo de Suavização Exponencial Simples e o modelo ARIMA apresentaram ajustes satisfatórios aos dados, no entanto, resultaram na previsão de valores constantes e próximos a um valor médio, respectivamente. Por fim, as previsões fornecidas pela Rede Neural Artificial acompanharam melhor os dados reais (utilizados para fins comparativos), logo, mostraram-se mais assertivas e confiáveis. A comparação entre os modelos testados foi feita com base no cálculo do RMSE para os valores previstos, sendo que a rede neural apresentou menor erro, seguida do modelo de Box-Jenkins e do modelo de Suavização Exponencial, fato que confirma a maior eficiência do primeiro método para a previsão utilizando a série temporal em estudo e viabiliza sua utilização como uma ferramenta para embasar a tomada de decisões relativas ao planejamento da produção na indústria em estudo.