Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://tede2.pucgoias.edu.br:8080/handle/tede/2484
Tipo do documento: Dissertação
Título: Aplicação de Redes Neurais Artificiais na Previsão de Demanda de Peças de Reposição de Veículos Automotores.
Autor: Florencio, Paulo Henrique Borba 
Primeiro orientador: Vieira, Sibelius Lellis
Primeiro membro da banca: Menezes, José Elmo de
Segundo membro da banca: Alves, Antônio César Baleeiro
Resumo: As constantes mudanças no cenário nacional de venda de automóveis trouxeram um fator a mais na busca do gerenciamento dos estoques de peças de reposição: a necessidade de diminuir o valor investido em estoques e evitar a obsolescência. Com esse propósito, este trabalho tem por objetivo avaliar o desempenho de Redes Neurais Artificiais na predição de demanda de peças de reposição de veículos automotores identificando, dentre as redes estudadas, quais se adaptam melhor a cada modelo de evolução de consumo e como se aplica em cada caso. Outrossim, propõe a utilização de um método de avaliação e monitoramento dos modelos selecionados através da análise dos erros médios quadráticos da previsão. A determinação de métodos preditivos com maior grau de precisão, constituise em etapa fundamental do processo de gerenciamento de estoques. Se a previsão apresentar uma baixa acurácia, pode-se gerar excesso ou falta de estoques e esse excesso, se não tratado adequadamente, pode culminar em obsolescência e gerar custos desnecessários. Para alcançar o objetivo proposto, buscou-se, em primeiro lugar, o estudo dos principais aspectos teóricos relacionados ao processo de gestão de estoques e aos métodos de previsão de demanda. Posteriormente, segue o processo de seleção de duas redes neurais artificiais, Rede de Elman e Rede TDNN. Para certificar a acurácia das demandas, foram utilizados quatro itens que se diferem pelo tipo de gráfico de evolução de consumo, buscando itens com consumo constante, crescente, decrescente e itens com quantidades menores de períodos observados. Os resultados obtidos, mediante a utilização da metodologia proposta, mostraram que as Redes Neurais possuem as características necessárias para sua aplicação com um grau de acurácia mais elevado.
Abstract: The constant changes on the national car sales scenario brought one more factor in the search of management of spare parts inventory; the need to reduce the amount invested in stocks and avoid obsolescence. For this purpose, the work aims to evaluate the performance of Artificial Neural Networks in predicting demand for vehicles of engine parts identifying, among the studied networks, which are best suited to each evolution of consumer model and how it applies in each case. Furthermore, it proposes the use of a method of assessment and monitoring of selected models by analyzing the root mean square errors of prediction. The determination of predictive methods with a higher degree of accuracy, is a critical step in the process of inventory management. If the forecast has a low accuracy can generate excess or lack of inventory and this excess, if not properly treated, it can lead to the obsolescence and generate unnecessary costs. To achieve the objective, sought first, the study of the major theoretical aspects of the methods of inventory management processes and demand forecasting. Later, after the selection process two artificial neural networks, Elman network and TDNN Network. To ensure the accuracy of the demands were used four items that differ by the type of evolution of consumption chart, looking for items with constant consumption, increasing, decreasing and items with smaller amounts of observed periods. The results obtained through the use of the proposed methodology, showed that neural networks have the necessary characteristics for your application with a higher degree of accuracy.
Palavras-chave: previsão de demanda
redes neurais
séries temporais
demand forecasting
neural networks
time series
Área(s) do CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
Idioma: por
País: BR
Instituição: Pontifícia Universidade Católica de Goiás
Sigla da instituição: PUC Goiás
Departamento: Engenharia
Programa: Engenharia de Produção e Sistemas
Citação: FLORENCIO, Paulo Henrique Borba. Aplicação de Redes Neurais Artificiais na Previsão de Demanda de Peças de Reposição de Veículos Automotores.. 2016. 88 f. Dissertação (Mestrado em Engenharia) - Pontifícia Universidade Católica de Goiás, GOIÂNIA, 2016.
Tipo de acesso: Acesso Aberto
URI: http://localhost:8080/tede/handle/tede/2484
Data de defesa: 16-Mar-2016
Aparece nas coleções:Mestrado em Engenharia de Produção e Sistemas

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Paulo Henrique Borba Florencio.pdf1,9 MBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.