Um modelo composto para realizar previsão de demanda através da integração da combinação de previsões e do ajuste baseado na opinião

Resumo não disponível.

Métodos para previsão de demanda de veículos novos : estudo de caso em uma concessionária de automóveis

A identificação antecipada do comportamento da demanda de veículos novos na extremidade da rede de distribuição é imprescindível para implementação de um sistema de produção puxada pela demanda. Previsões confiáveis, obtidas nas concessionárias, conferem aos fabricantes maior sensibilidade diante das peculariedades locais da demanda e reduzem as incertezas da produção em larga escala. A obtenção de previsões consistentes requer, porém, o emprego de métodos formais. Os profissionais responsáveis pela elaboração de previsões nas concessionárias desconhecem, em grande parte, os métodos de forecasting abordados na literatura. Essa dissertação visa o desenvolvimento de um sistema formal para elaboração de previsões de demanda de veículos novos em concessionárias. Em estudo de caso, conduzido em uma concessionária da marca Volkswagen, modelos estatísticos de Box-Jenkins e de suavização exponencial são aplicados para gerar previsões quantitativas das vendas de veículos novos. Previsões qualitativas, correspondentes ao julgamento de especialistas no segmento, são formalizadas através do método Delphi. Finalmente, as previsões quantitativas e qualitativas são combinadas matematicamente e comparadas. Tal comparação demonstra que as vantagens inerentes a cada método podem ser absorvidas para proporcionar previsões mais acuradas.

Identificação de sistemas contínuos utilizando o método dos momentos de Poisson

A maioria dos métodos de síntese e sintonia de controladores, bem como métodos de otimização e análise de processos necessitam de um modelo do processo em estudo. A identificação de processos é portanto uma área de grande importância para a engenharia em geral pois permite a obtenção de modelos empíricos dos processos com que nos deparamos de uma forma simples e rápida. Mesmo não utilizando leis da natureza, os modelos empíricos são úteis pois descrevem o comportamento específico de determinado processo. Com o rápido desenvolvimento dos computadores digitais e sua larga aplicação nos sistemas de controle em geral, a identificação de modelos discretos foi amplamente desenvolvida e empregada, entretanto, modelos discretos não são de fácil interpretação como os modelos contínuos pois a maioria dos sistema com que lidamos são de representação contínua. A identificação de modelos contínuos é portanto útil na medida que gera modelos de compreensão mais simples. A presente dissertação estuda a identificação de modelos lineares contínuos a partir de dados amostrados discretamente. O método estudado é o chamado método dos momentos de Poisson. Este método se baseia em uma transformação linear que quando aplicada a uma equação diferencial ordinária linear a transforma em uma equação algébrica evitando com isso a necessidade do cálculo das derivadas do sinais de entrada e saída Além da análise detalhada desse método, onde demonstramos o efeito de cada parâmetro do método de Poisson sobre o desempenho desse, foi realizado também um estudo dos problemas decorrentes da discretização de sinais contínuos, como por exemplo o efeito aliasing decorrente da utilização de tempos de amostragem muito grandes e de problemas numéricos da identificação de modelos discretos utilizando dados com tempos de amostragem muito pequenos de forma a destacar as vantagens da identificação contínua sobre a identificação discreta Também foi estudado um método para compensar a presença de offsets nos sinais de entrada e saída, método esse inédito quando se trata do método dos momentos de Poisson. Esse trabalho também comprova a equivalência entre o método dos momentos de Poisson e uma metodologia apresentada por Rolf Johansson em um artigo de 1994. Na parte final desse trabalho são apresentados métodos para a compensação de erros de modelagem devido à presença de ruído e distúrbios não medidos nos dados utilizados na identificação. Esses métodos permitem que o método dos momentos de Poisson concorra com os métodos de identificação discretos normalmente empregados como por exemplo ARMAX e Box-Jenkins.

Tipificação molecular de amostras de Brucella spp. utilização a técnica de BOX-PCR

O gênero Brucella é formado por coco-bacilos Gram negativos patogênicos ao homem e animais, sendo classificado como patógeno de grupo de risco III. A identificação dessas bactérias apresenta várias limitações como: exigência de inoculação em vários meios, tempo de incubação longo e necessidade de soros imunes e bacteriófagos. Devido à sua alta patogenicidade e ao longo tempo de exposição dos laboratoristas à bactéria, a brucelose é uma das infecções mais freqüentemente adquiridas em laboratório. Além da contaminação em laboratório, a transmissão ao homem pode ocorrer através de animais infectados e ingestão de produtos derivados, como o leite cru. A procura de métodos rápidos de identificação das espécies e biovares pode ser útil para diminuir os riscos do manuseio desta bactéria e na tomada de medidas de controle epidemiológico. O principal objetivo deste trabalho foi facilitar a classificação de cepas de referência de Brucella spp. e isoladas no Brasil utilizando a técnica de rep-PCR com oligonucleotídeos do elemento BOX, uma seqüência repetida presente no genoma de várias bactérias. Foram analisados 38 isolados representando diferentes espécies e biovares de Brucella sp. e 13 isolados de gêneros relacionados como controle da especificidade da reação. Foi realizada uma confirmação prévia dos isolados de brucela por testes bioquímicos e PCR gênero-específica. A técnica de BOX-PCR agrupou todas as espécies e biovares de Brucella em um único grupo com nível de similaridade entre 100 e 74%. Diferenças entre os isolados, quanto a presença ou ausência de bandas, puderam ser observadas. Entretanto, essas divergências não caracterizam uma espécie ou biovar. Bandas comuns a todos os isolados de Brucella sp. podem caracterizar o gênero.