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

Authors

  • Daniela de Lima Universidade de Caxias do Sul
  • Leandro L. Corso UCS

Abstract

As constantes mudanças nos hábitos dos consumidores de utensílios domésticos evidenciam a importância do gerenciamento dos estoques, a fim de reduzir o valor investido e evitar obsolescência. O planejamento estratégico das organizações depende da identificação e previsão correta das mudanças emergentes no mercado. Embora existam diferentes métodos desenvolvidos na leitura, uma das principais dificuldades que se encontra é a escolha do método mais apropriado a ser utilizado. Este estudo tem por objetivo realizar a aplicação de inteligência artificial e métodos matemáticos de previsão de demanda em uma empresa que atua no setor de plásticos e identificar qual técnica apresenta melhores resultados na acuracidade da previsão, onde foram analisadas 365 bases históricas de diferentes produtos. Apresenta-se a comparação de modelos matemáticos com o modelo Redes Neurais Artificiais (RNA). Para a utilização do modelo RNA se desenvolveu um modelo matemático de otimização capaz de encontrar a melhor quantidade de neurônios, função matemática de treinamento e delay da rede por meio de Algoritmos Genéticos, minimizando os erros de previsão. Por meio da análise 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 estatístico dos métodos foram realizados a partir do MAPE e MAE, onde constatou-se que em 95% das vezes o modelo de RNA com otimização determinou as melhores previsões.

 

http://dx.doi.org/10.18226/23185279.v8iss2p24

References

Adriana Lucia Fachin, Carla Cristina Rosa de Almeida e Silvio Antonio Ferraz Cario. “Análise das condições competitivas da indústria de materiais plásticos de Santa catarina: um estudo no segmento de embalagens plásticas da grande florianópolis” Cadernos de Economia, Chapecó, v. 23, n. 12, p.7-34, dez. 2008

ABIPLAST. Associação Brasileira da Indústria do Plástico. Perfil da Indústria Brasileira de Transformação de Material Plástico. Disponível em: <http://www.abiplast.org.br>. Acesso em: 18 ago. 2019.

Katsumi Morikawa; Katsuhiko Takahashi and Daisuke Hirotani. “Make-to-stock policies for a multistage serial system under a make to-order production environment” International Journal of Production Economics, v.147, pp 30-37, 2013.

Klaus altendorfer and Stefan minner “A comparison of make-to-stock and make-to-order in multi-product manufacturing systems with variable due dates” Department of Operations Management, School of Management, Upper Austria University of Applied Sciences, A-4400 Steyr, Austria IIE Transactions (2014) 46, 197–212 DOI: 10.1080/0740817X.2013.803638

Bundchen, C., & Werner, L. (2016). “Comparação da Acurácia de Previsões de Demanda Turística em Sedes Olímpicas”. Revista Turismo em Análise, 27(1), 85-107.

FERNEDA, Edberto. “Redes neurais e sua aplicação em sistemas de recuperação de informação”. Ci. Inf.,, Brasília, v. 1, n. 31, p.25-30, abr. 2006.

Ferreira, A; Ferreira, R, P; da Silva, A. M, Ferreira, A, & Sassi, R.J. (2016). Um estudo sobre previsão de demanda de encomendas utilizando uma rede neural artificial. Blucher Engineering,2(1), 353-364.

Borsato, Renan,; Corso, Leandro L. "Aplicação de Inteligência Artificiale ARIMA na Previsão de Demanda no setor metal mecânico." Scientia cum Industria 7.2 (2019): 165-176.

Melo, Daniela de Castro; Alcântara, Rosane Lúcia Chicarelli. “Uma abordagem além da previsão de vendas”. Gestão & Produção, São Carlos, v. 4, n. 18, p.809-824, ago. 2011

Azevedo, Rodrigo Cambiaghi et al. “O Uso de ERP e CRM no Suporte à Gestão da Demanda em Ambientes de Produção Make-to-Stock”. Gestão & Produção, São Carlos, v. 2, n. 13, p.179-190, ago. 2006.

Xu, Shuojiang; Chan, Hing Kai; Zhang, Tiantian. “Forecasting the demand of the aviation industry using hybrid time series SARIMA-SVR approach,” Logistics and Transportation Review, vol 122, pp. 169-180, 2019.

Pedroso, Larissa Batisti; Diego, Milena Silveira; Pacheco, Diego Augusto de Jesus. “Impacto da variabilidade da demanda no dimensionamento de estoques de segurança de produtos importados”. Iberoamerican Journal Of Industrial Engineering, Florianópolis, v. 13, n. 7, p.59-82, dez. 2015.

Soares,” Cibele et al. Redes neurais artificiais na estimativa da retenção de água do solo”. Ciência Rural, Santa Maria, v. 2, n. 44, p.293-300, fev. 2014

Adebiyi, A.; Adewumi, A.; Ayo, C. “Comparison of ARIMA and Artificial Neural Networks Models for Stock Price Prediction,” Journal of Applied Mathematics, v. 14 pp. 1-7, 2014.

G.E.P. Box; G.M. Jenkins. “Time Series Analysis: Forecasting and Control,” Holden Day, San Francisco. Google Scholar, 1976.

Pellegrini, F. R.; Fogliatto, F. S. Passos para a implantação de sistemas de previsão de demanda – Técnicas e estudo de caso. Revista Produção, v. 11, n. 1, p. 43-64, 2001.

Liu Huai; Chen Chao, et al. “Deterministic wind energy forecasting: A review of intelligent predictors and auxiliary methods,” Energy Conversion and Management, v. 195, pp. 328-345, 2019.

Hamzaçebi, C.; Es, H.A. & Çakmak. “Forecasting of Turkey’s monthly electricity demand by seasonal artificial neural network,” Neural Computing and Applications, v. 31, pp. 2217-2231, 2019.

Mustafa, M.R.; Rezaur, R.B., Saiedi, S. et al. “River Suspended Sediment Prediction Using Various Multilayer Perceptron Neural Network Training Algorithms - A Case Study in Malaysia,” Water Resources Management, v. 26, pp. 1879-1897, 2012.

Gomes, Herbert M.; Corso, Leandro L. "A Hybrid Method for Truss Mass Minimization considering Uncertainties." Mathematical Problems in Engineering, v.17, pp 1-14, 2017.

Corso, Leandro L.; Wallace, Mark. “A hybrid method for transportation with stochastic demand,” International Journal of Logistics , v. 18, n.3, pp. 1-13, 2015.

Downloads

Published

04/10/2020

How to Cite

de Lima, D., & L. Corso, L. (2020). Aplicação de Inteligência Artificial e Modelos Matemáticos para Previsão de Demanda em uma indústria do ramo plástico. Scientia Cum Industria, 8(2), 24–29. Retrieved from https://sou.ucs.br/etc/revistas/index.php/scientiacumindustria/article/view/8122

Issue

Section

INDÚSTRIA 4.0 \ Lean