Combinação de previsões por métodos lineares e não-lineares: uma aplicação em séries industriais
Visualizar/ Abrir
Data
2019-02-20Primeiro membro da banca
Silva, Wesley Vieira da
Segundo membro da banca
Veiga, Claudimar Pereira da
Metadata
Mostrar registro completoResumo
Realizar previsões é uma importante atividade no planejamento, controle de processos e tomada
de decisões, sobretudo no contexto industrial, sendo a combinação de previsões uma abordagem
atrativa a fim de obter de resultados acurados. Dessa forma, o objetivo da presente pesquisa foi
investigar a aplicação e combinação de métodos de previsões objetivando verificar a acurácia
e os ganhos em termos de redução de erros para séries temporais do setor industrial. A pesquisa
está estruturada em dois artigos: o artigo I aborda uma revisão sistemática de literatura acerca
do desenvolvimento e aplicações de modelos de previsão em processos industriais. Nesse
estudo foi realizada a busca nas bases Web of Science, Scopus e IEE, compondo um portfólio
de 354 artigos publicados em periódicos científicos nos últimos 10 anos. A análise da literatura
foi realizada em três etapas: (i) inicialmente foi realizada uma análise das frequências das
publicações quanto aos periódicos, anos de publicações, autores, países e número de citações;
(ii) foi realizada a análise de cocitação, de acoplamento bibliográfico e análise de similitude da
coocorrência dos termos nos estudos; (iii) por fim foi elaborado um framework unificado para
classificação das aplicações de métodos de previsão em processos industriais. O artigo II
abordou a aplicação da combinação de previsões em um estudo de caso realizado em uma
empresa de grande porte do setor de mineração e logística, com séries de produção industrial
provenientes de um sistema portuário integrado, neste estudo o objetivo geral foi ajustar um
modelo de previsão combinada acurado capaz de capturar o comportamento seriado temporal
do sistema. Foram utilizados como preditores individuais os modelos de Suavização
Exponencial, a modelagem ARIMA a partir da metodologia de Box-Jenkins e os modelos de
Redes Neurais Artificiais. A combinação das previsões foi realizada por três abordagens
distintas: a combinação por média aritmética, pelo método da Variância Mínima, consistindo
em uma combinação linear a partir da variância dos erros de previsão, e a partir de modelos de
cópulas, sendo uma abordagem não linear baseada no grau de dependência das previsões
individuais. Como medidas de avaliação dos modelos propostos foram utilizados os critérios
RMSE e U-Theil. Os resultados encontrados demonstraram que os modelos ARIMA e ANN
foram superiores em termos de acurácia em relação as previsões individuais, e os métodos de
combinação por modelo de cópula produziram previsões mais acuradas em relação às demais
abordagens de combinações adotadas.
Coleções
Os arquivos de licença a seguir estão associados a este item: