{"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