Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
Texto Completo: | http://hdl.handle.net/10737/1386 |
Resumo: | A previsão de demanda de passageiros em empresas de transporte rodoviário é essencial, visto a competitividade com que este setor trabalha e a necessidade de se obter um planejamento de suas atividades, visto que cada ampliação e investimento deste setor, representa uma incremento considerável em seu serviço. O presente estudo tem por objetivo definir o melhor modelo para a previsão de demanda de passageiros dentre as técnicas de séries temporais consideradas. Foram considerados três métodos de previsão de séries temporais, são: (i) médias móveis, pela sua simples aplicação e flexibilidade; (ii) suavização exponencial, pela sua eficiência computacional e razoável precisão; e, (iii) Box-Jenkins, por sua eficiente precisão e ponderação. A análise dos dados é realizada com indicadores de eficácia do método (MAE e MAPE de ajustamento e previsão), comparando um método ao outro, com o mesmo critério de análise. O método de pesquisa é constituído das seguintes etapas: (i) coleta dos dados; (ii) organização dos dados; (iii) modelagem e previsão da série temporal; (iv) comparação das previsões realizada com indicadores; e, (v) apresentação e análise dos resultados. O trabalho é um estudo de modelagem quanto aos procedimentos técnicos, aplicado quanto à natureza, descritivo quanto aos objetivos e quantitativo quanto a abordagem do problema. O melhor resultado dentre os métodos aplicados foi obtido pela metodologia de Box-Jenkins, com um MAPE de previsão de 2,25%, mas em relação à metodologia de Holt-Winters, apenas 5,58% superior. Em termos de análises estatísticas, se considera o método de Box-Jenkins, com a modelagem SARIMA (1,0,2)(1,0,2)12, como o melhor método de capacidade preditiva para a série temporal estudada. |
id |
UVAT_ff19c26414c3a8efbc761ce84383c072 |
---|---|
oai_identifier_str |
oai:univates.br:10737/1386 |
network_acronym_str |
UVAT |
network_name_str |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
repository_id_str |
1 |
spelling |
Jacobs, Williamhttp://lattes.cnpq.br/2757806043062402Siqueira, Augusto Cesar de2017-03-02T19:57:07Z2017-03-02T19:57:07Z2017-012016-12-06A previsão de demanda de passageiros em empresas de transporte rodoviário é essencial, visto a competitividade com que este setor trabalha e a necessidade de se obter um planejamento de suas atividades, visto que cada ampliação e investimento deste setor, representa uma incremento considerável em seu serviço. O presente estudo tem por objetivo definir o melhor modelo para a previsão de demanda de passageiros dentre as técnicas de séries temporais consideradas. Foram considerados três métodos de previsão de séries temporais, são: (i) médias móveis, pela sua simples aplicação e flexibilidade; (ii) suavização exponencial, pela sua eficiência computacional e razoável precisão; e, (iii) Box-Jenkins, por sua eficiente precisão e ponderação. A análise dos dados é realizada com indicadores de eficácia do método (MAE e MAPE de ajustamento e previsão), comparando um método ao outro, com o mesmo critério de análise. O método de pesquisa é constituído das seguintes etapas: (i) coleta dos dados; (ii) organização dos dados; (iii) modelagem e previsão da série temporal; (iv) comparação das previsões realizada com indicadores; e, (v) apresentação e análise dos resultados. O trabalho é um estudo de modelagem quanto aos procedimentos técnicos, aplicado quanto à natureza, descritivo quanto aos objetivos e quantitativo quanto a abordagem do problema. O melhor resultado dentre os métodos aplicados foi obtido pela metodologia de Box-Jenkins, com um MAPE de previsão de 2,25%, mas em relação à metodologia de Holt-Winters, apenas 5,58% superior. Em termos de análises estatísticas, se considera o método de Box-Jenkins, com a modelagem SARIMA (1,0,2)(1,0,2)12, como o melhor método de capacidade preditiva para a série temporal estudada.The forecast demand of passengers in road transport enterprises is essential, given the competitiveness that this sector work and the need to obtain a planning of their activities. The present study aims to find the best methodology, analyses, time series forecasting, for the road passenger demand forecasting in a transport company. Were considered to be three methods of forecasting of time series, are: (i) moving averages, for its simple application and flexibility; (ii) exponential smoothing, for its computational efficiency and reasonable accuracy; and, (iii) Box-Jenkins, for its efficient precision and deliberation. The analysis of the data is given with indicators of effectiveness of method, comparing one method to another, with the same criteria of analysis. The research method consists of the following steps: (i) data collection; (ii) Organization of data; (iii) modelling and forecasting of time series; (iv) comparison of methods performed with indicators; and, (v) presentation and analysis of results. The work is a study of how modeling technical procedures applied as to the nature, descriptive and quantitative goals regarding how to approach the problem. The best result among the methods used were obtained by the Box-Jenkins methodology, with a MAPE of 2.25% forecast, but in relation to the methodology of the Holt-Winters, little 5.58% only. In terms of statistical analysis, the Box- Jenkins method, with modeling SARIMA (1,0,2)(1,0,2)12, as the best method of predictive capacity for the time series studied.-1SIQUEIRA, Augusto Cesar de. Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário. 2016. Monografia (Graduação em Engenharia de Produção) – Universidade do Vale do Taquari - Univates, Lajeado, 06 dez. 2016. Disponível em: http://hdl.handle.net/10737/1386. http://hdl.handle.net/10737/1386http://creativecommons.org/licenses/by-sa/4.0/info:eu-repo/semantics/openAccessENGPrevisão de demandaSéries temporaisMédias móveisSuavização exponencialBox-JenkinsPrevisão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviárioinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)instname:Centro Universitário Univates (UNIVATES)instacron:UNIVATESORIGINAL2016AugustoCesardeSiqueira.pdf2016AugustoCesardeSiqueira.pdfapplication/pdf1126229https://www.univates.br/bdu/bitstreams/2c088234-90b0-483d-b389-0489a38aad75/downloadd0aa3646d6527978f352c974b92066c8MD51CC-LICENSElicense_urllicense_urltext/plain46https://www.univates.br/bdu/bitstreams/f71aa973-dc27-4b38-a768-2982153d5fe7/download6f1da3ff281999354d4abd56d1551468MD52license_textlicense_texttext/html; charset=utf-80https://www.univates.br/bdu/bitstreams/6a401b38-2010-4715-a80c-daa8a5f7ee82/downloadd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80https://www.univates.br/bdu/bitstreams/ece1b282-df68-459b-9888-a408e456e9a5/downloadd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain4629https://www.univates.br/bdu/bitstreams/ef892a05-ba42-497c-9a6f-6d4c08e20a3f/download7691d6cc88939c6cbbe99fe6361b6782MD55TEXT2016AugustoCesardeSiqueira.pdf.txt2016AugustoCesardeSiqueira.pdf.txtExtracted texttext/plain104790https://www.univates.br/bdu/bitstreams/de271256-a148-42bf-936e-5ff8cdce1b19/download4905b7394aadfe805db00fb00832ca7fMD510THUMBNAIL2016AugustoCesardeSiqueira.pdf.jpg2016AugustoCesardeSiqueira.pdf.jpgGenerated Thumbnailimage/jpeg4311https://www.univates.br/bdu/bitstreams/a56ddf79-c7ab-4965-8532-98716b5c124d/download46618b35bc936da27c54fecbab84edddMD51110737/13862023-06-26 11:53:58.817http://creativecommons.org/licenses/by-sa/4.0/openAccessoai:univates.br:10737/1386https://www.univates.br/bduRepositório InstitucionalPRIhttp://www.univates.br/bdu_oai/requestopendoar:12023-06-26T11:53:58Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES)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 |
dc.title.pt_BR.fl_str_mv |
Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário |
title |
Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário |
spellingShingle |
Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário Siqueira, Augusto Cesar de ENG Previsão de demanda Séries temporais Médias móveis Suavização exponencial Box-Jenkins |
title_short |
Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário |
title_full |
Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário |
title_fullStr |
Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário |
title_full_unstemmed |
Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário |
title_sort |
Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário |
author |
Siqueira, Augusto Cesar de |
author_facet |
Siqueira, Augusto Cesar de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Jacobs, William |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2757806043062402 |
dc.contributor.author.fl_str_mv |
Siqueira, Augusto Cesar de |
contributor_str_mv |
Jacobs, William |
dc.subject.cnpq.fl_str_mv |
ENG |
topic |
ENG Previsão de demanda Séries temporais Médias móveis Suavização exponencial Box-Jenkins |
dc.subject.por.fl_str_mv |
Previsão de demanda Séries temporais Médias móveis Suavização exponencial Box-Jenkins |
description |
A previsão de demanda de passageiros em empresas de transporte rodoviário é essencial, visto a competitividade com que este setor trabalha e a necessidade de se obter um planejamento de suas atividades, visto que cada ampliação e investimento deste setor, representa uma incremento considerável em seu serviço. O presente estudo tem por objetivo definir o melhor modelo para a previsão de demanda de passageiros dentre as técnicas de séries temporais consideradas. Foram considerados três métodos de previsão de séries temporais, são: (i) médias móveis, pela sua simples aplicação e flexibilidade; (ii) suavização exponencial, pela sua eficiência computacional e razoável precisão; e, (iii) Box-Jenkins, por sua eficiente precisão e ponderação. A análise dos dados é realizada com indicadores de eficácia do método (MAE e MAPE de ajustamento e previsão), comparando um método ao outro, com o mesmo critério de análise. O método de pesquisa é constituído das seguintes etapas: (i) coleta dos dados; (ii) organização dos dados; (iii) modelagem e previsão da série temporal; (iv) comparação das previsões realizada com indicadores; e, (v) apresentação e análise dos resultados. O trabalho é um estudo de modelagem quanto aos procedimentos técnicos, aplicado quanto à natureza, descritivo quanto aos objetivos e quantitativo quanto a abordagem do problema. O melhor resultado dentre os métodos aplicados foi obtido pela metodologia de Box-Jenkins, com um MAPE de previsão de 2,25%, mas em relação à metodologia de Holt-Winters, apenas 5,58% superior. Em termos de análises estatísticas, se considera o método de Box-Jenkins, com a modelagem SARIMA (1,0,2)(1,0,2)12, como o melhor método de capacidade preditiva para a série temporal estudada. |
publishDate |
2016 |
dc.date.submitted.none.fl_str_mv |
2016-12-06 |
dc.date.accessioned.fl_str_mv |
2017-03-02T19:57:07Z |
dc.date.available.fl_str_mv |
2017-03-02T19:57:07Z |
dc.date.issued.fl_str_mv |
2017-01 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SIQUEIRA, Augusto Cesar de. Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário. 2016. Monografia (Graduação em Engenharia de Produção) – Universidade do Vale do Taquari - Univates, Lajeado, 06 dez. 2016. Disponível em: http://hdl.handle.net/10737/1386. |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10737/1386 |
identifier_str_mv |
SIQUEIRA, Augusto Cesar de. Previsão da demanda por meio de técnicas de séries temporais em empresa de serviços de transporte rodoviário. 2016. Monografia (Graduação em Engenharia de Produção) – Universidade do Vale do Taquari - Univates, Lajeado, 06 dez. 2016. Disponível em: http://hdl.handle.net/10737/1386. |
url |
http://hdl.handle.net/10737/1386 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-sa/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-sa/4.0/ |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) instname:Centro Universitário Univates (UNIVATES) instacron:UNIVATES |
instname_str |
Centro Universitário Univates (UNIVATES) |
instacron_str |
UNIVATES |
institution |
UNIVATES |
reponame_str |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
collection |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) |
bitstream.url.fl_str_mv |
https://www.univates.br/bdu/bitstreams/2c088234-90b0-483d-b389-0489a38aad75/download https://www.univates.br/bdu/bitstreams/f71aa973-dc27-4b38-a768-2982153d5fe7/download https://www.univates.br/bdu/bitstreams/6a401b38-2010-4715-a80c-daa8a5f7ee82/download https://www.univates.br/bdu/bitstreams/ece1b282-df68-459b-9888-a408e456e9a5/download https://www.univates.br/bdu/bitstreams/ef892a05-ba42-497c-9a6f-6d4c08e20a3f/download https://www.univates.br/bdu/bitstreams/de271256-a148-42bf-936e-5ff8cdce1b19/download https://www.univates.br/bdu/bitstreams/a56ddf79-c7ab-4965-8532-98716b5c124d/download |
bitstream.checksum.fl_str_mv |
d0aa3646d6527978f352c974b92066c8 6f1da3ff281999354d4abd56d1551468 d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 7691d6cc88939c6cbbe99fe6361b6782 4905b7394aadfe805db00fb00832ca7f 46618b35bc936da27c54fecbab84eddd |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD) - Centro Universitário Univates (UNIVATES) |
repository.mail.fl_str_mv |
|
_version_ |
1801842365395107840 |