@MASTERSTHESIS{ 2016:1478163231,
 	title = {Aplicação de Redes Neurais Artificiais
 na Previsão de Demanda de Peças de
 Reposição de Veículos Automotores.},
 	year = {2016},
 	url = "http://localhost:8080/tede/handle/tede/2484",
 	abstract = "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.",
 	publisher = {Pontifícia Universidade Católica de Goiás},
 	scholl = {Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas},
 	note = {Engenharia}
}