Aplicação de Inteligência Artificial e Modelos Matemáticos para Previsão de Demanda em uma indústria do ramo plástico

Daniela Angelo de Lima, L. L. Corso
{"title":"Aplicação de Inteligência Artificial e Modelos Matemáticos para Previsão de Demanda em uma indústria do ramo plástico","authors":"Daniela Angelo de Lima, L. L. Corso","doi":"10.18226/23185279.v8iss2p24","DOIUrl":null,"url":null,"abstract":"As constantes mudancas nos habitos dos consumidores de utensilios domesticos evidenciam a importância do gerenciamento dos estoques, a fim de reduzir o valor investido e evitar obsolescencia. O planejamento estrategico das organizacoes depende da identificacao e previsao correta das mudancas emergentes no mercado. Embora existam diferentes metodos desenvolvidos na leitura, uma das principais dificuldades que se encontra e a escolha do metodo mais apropriado a ser utilizado. Este estudo tem por objetivo realizar a aplicacao de inteligencia artificial e metodos matematicos de previsao de demanda em uma empresa que atua no setor de plasticos e identificar qual tecnica apresenta melhores resultados na acuracidade da previsao, onde foram analisadas 365 bases historicas de diferentes produtos. Apresenta-se a comparacao de modelos matematicos com o modelo Redes Neurais Artificiais (RNA). Para a utilizacao do modelo RNA se desenvolveu um modelo matematico de otimizacao capaz de encontrar a melhor quantidade de neuronios, funcao matematica de treinamento e delay da rede por meio de Algoritmos Geneticos, minimizando os erros de previsao. Por meio da analise dos resultados observou-se que o modelo RNA otimizado apresentou menor percentual de erro dos dados realizados quando comparados com os demais modelos aplicados nesse estudo. Desta forma aumentando a confiabilidade e aceitabilidade do modelo, podendo ser utilizado em casos similares. A performance e comparativo estatistico dos metodos foram realizados a partir do MAPE e MAE, onde constatou-se que em 95% das vezes o modelo de RNA com otimizacao determinou as melhores previsoes. http://dx.doi.org/10.18226/23185279.v8iss2p24","PeriodicalId":21696,"journal":{"name":"Scientia cum Industria","volume":"132 1","pages":"24-29"},"PeriodicalIF":0.0000,"publicationDate":"2020-04-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Scientia cum Industria","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18226/23185279.v8iss2p24","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

As constantes mudancas nos habitos dos consumidores de utensilios domesticos evidenciam a importância do gerenciamento dos estoques, a fim de reduzir o valor investido e evitar obsolescencia. O planejamento estrategico das organizacoes depende da identificacao e previsao correta das mudancas emergentes no mercado. Embora existam diferentes metodos desenvolvidos na leitura, uma das principais dificuldades que se encontra e a escolha do metodo mais apropriado a ser utilizado. Este estudo tem por objetivo realizar a aplicacao de inteligencia artificial e metodos matematicos de previsao de demanda em uma empresa que atua no setor de plasticos e identificar qual tecnica apresenta melhores resultados na acuracidade da previsao, onde foram analisadas 365 bases historicas de diferentes produtos. Apresenta-se a comparacao de modelos matematicos com o modelo Redes Neurais Artificiais (RNA). Para a utilizacao do modelo RNA se desenvolveu um modelo matematico de otimizacao capaz de encontrar a melhor quantidade de neuronios, funcao matematica de treinamento e delay da rede por meio de Algoritmos Geneticos, minimizando os erros de previsao. Por meio da analise dos resultados observou-se que o modelo RNA otimizado apresentou menor percentual de erro dos dados realizados quando comparados com os demais modelos aplicados nesse estudo. Desta forma aumentando a confiabilidade e aceitabilidade do modelo, podendo ser utilizado em casos similares. A performance e comparativo estatistico dos metodos foram realizados a partir do MAPE e MAE, onde constatou-se que em 95% das vezes o modelo de RNA com otimizacao determinou as melhores previsoes. http://dx.doi.org/10.18226/23185279.v8iss2p24
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
人工智能和数学模型在塑料行业需求预测中的应用
家庭用具消费者习惯的不断变化突出了库存管理的重要性,以减少投资价值,避免过时。组织的战略规划依赖于正确识别和预测市场中出现的变化。虽然有不同的阅读方法,但主要的困难之一是选择最合适的阅读方法。本研究旨在将人工智能和数学方法应用于塑料行业的需求预测,并确定哪种技术在预测准确性方面表现最好,分析了365个不同产品的历史基础。将数学模型与人工神经网络模型进行了比较。利用神经网络模型,建立了一个数学优化模型,能够通过遗传算法找到最佳的神经元数量、数学训练函数和网络延迟,最大限度地减少预测误差。通过对结果的分析,发现与本研究中应用的其他模型相比,优化后的RNA模型的数据错误率更低。提高了模型的可靠性和可接受性,可用于类似的情况。利用MAPE和MAE对两种方法进行了性能和统计比较,发现在95%的情况下,优化后的RNA模型确定了最佳预测。http://dx.doi.org/10.18226/23185279.v8iss2p24
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Reproducibility of some solid-state phase transition temperatures as obtained from DTA/DSC Graphene oxide and reduced graphene oxide as additives in polysulfone hybrid membranes for gas permeation Study of the efficiency of the removal of steroid hormones from water by reverse osmosis Sistemas Ciberfísicos desenvolvidos para apoio na manutenção centrada em confiabilidade: uma aplicação em subestações de energia e central de compressores Design and analytical investigation on air-to-air cross flow heat exchanger of an industrial heat recovery ventilation system
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1