Modelagem auto-regressiva na previsão de demanda dos produtos de uma empresa do setor químico

Considering the high competitiveness in the industrial chemical sector, demand forecast is a relevant factor for decision-making. There is a need for tools capable of assisting in the analysis and definition of the forecast. In that sense, the objective is to generate the chemical industry forecast using an advanced forecasting model and thus verify the accuracy of the method. Because it is time series with seasonality, the model of seasonal autoregressive integrated moving average - SARIMA generated reliable forecasts and acceding to the problem analyzed, thus enabling, through validation with real data improvements in the management and decision making of supply chain

Previsão da capacidade de carga de estacas escavadas em solo arenoso da região de Araquari-SC

In Geotechnical engineering the foundation projects depend on the bearing capacity and the acceptable displacements. One of the possible ways to predict the bearing capacity of foundations is through semi-empirical statistical methods which correlate in-situ tests (SPT and CPT). The piles breaking loads are defined by the interpretation of the load x head displacement curve and the experimental data acquired through the load test. In this work it is studied the behavior of bored piles executed in the Araquari/SC region, comparing the bearing capacity values predicted by the methods DECOURT & QUARESMA MODIFICADO (1996), AOKI & VELLOSO MODIFICADO MONTEIRO (2000), MILITITISKY E ALVES (1985), DECOURT & QUARESMA (1978), MÉTODO DE AOKI & VELLOSO (1975) e PHILOPANNAT (1986), with the results of the load test, evaluating their differences and discussing parameters that have direct effects on the prediction

Análise de desempenho de índices de instabilidade atmosférica na previsão de fenômenos convectivos de mesoescala na região metropolitana de São Paulo entre 28 de janeiro e 04 de fevereiro de 2004

Discute-se o potencial prognóstico de índices de instabilidade para eventos convectivos de verão na Região Metropolitana de São Paulo. Cinco dos oito dias do período analisado foram considerados chuvosos, com observação de tempestades a partir do meio da tarde. O Índice K (IK) obteve valores abaixo de 31 nos 5 eventos, afetado pela presença de uma camada fria e seca em níveis médios da atmosfera em relação aos baixos níveis. O Índice Total Totals (ITT) falhou na detecção de severidade em 3 dos 5 eventos, apresentando valores inferiores ao mínimo limiar tabelado para fenômenos convectivos (ITT < 44) nesses dias. O Índice Levantado (IL) variou entre -4.9 e -4.3 em todos os 5 casos, valores associados a instabilidade moderada. O Índice de Showalter (IS) indicou possibilidade de tempestades severas em 4 dos 5 casos. Tanto o IS como o CAPE Tv tiveram seus valores fortemente reduzidos em uma sondagem com camada isotérmica entre 910 e 840 hPa. As séries temporais de CAPE Tv e IL mostraram significativa concordância de fase, com alta correlação linear entre ambas. CINE Tv ≈ 0 J kg-1 em associação com baixo cisalhamento vertical e com IS, IL e CAPE Tv, pelo menos moderados, parecem ser fatores comuns em dias de verão com chuvas abundantes e pequena influência da dinâmica de grande escala na área de estudo.

Análise do erro de previsão de vazões mensais com diferentes horizontes de previsão

Este trabalho aborda o problema de previsão para séries de vazões médias mensais, no qual denomina-se de horizonte de previsão (h), o intervalo de tempo que separa a última observação usada no ajuste do modelo de previsão e o valor futuro a ser previsto. A análise do erro de previsão é feita em função deste horizonte de previsão. Estas séries possuem um comportamento periódico na média, na variância e na função de autocorrelação. Portanto, considera-se a abordagem amplamente usada para a modelagem destas séries que consiste inicialmente em remover a periodicidade na média e na variância das séries de vazões e em seguida calcular uma série padronizada para a qual são ajustados modelos estocásticos. Neste estudo considera-se para a série padronizada os modelos autorregressivos periódicos PAR (p m). As ordens p m dos modelos ajustados para cada mês são determinadas usando os seguintes critérios: a análise clássica da função de autocorrelação parcial periódica (FACPPe); usando-se o Bayesian Information Criterion (BIC) proposto em (MecLeod, 1994); e com a análise da FACPPe proposta em (Stedinger, 2001). Os erros de previsão são calculados, na escala original da série de vazão, em função dos parâmetros dos modelos ajustados e avaliados para horizontes de previsão h variando de 1 a 12 meses. Estes erros são comparados com as estimativas das variâncias das vazões para o mês que está sendo previsto. Como resultado tem-se uma avaliação da capacidade de previsão, em meses, dos modelos ajustados para cada mês.

Redes neurais artificiais na previsão da inflação: aplicação como ferramenta de apoio à análise de decisões financeiras em organizações de pequeno porte

As estimações das taxas de inflação são de fundamental importância para os gestores, pois as decisões de investimento estão intimamente ligadas a elas. Contudo, o comportamento inflacionário tende a ser não linear e até mesmo caótico, tornando difícil a sua correta estimação. Essa característica do fenômeno pode tornar imprecisos os modelos mais simples de previsão, acessíveis às pequenas organizações, uma vez que muitos deles necessitam de grandes manipulações de dados e/ou softwares especializados. O presente artigo tem por objetivo avaliar, por meio de análise formal estatística, a eficácia das redes neurais artificiais (RNA) na previsão da inflação, dentro da realidade de organizações de pequeno porte. As RNA são ferramentas adequadas para mensurar os fenômenos inflacionários, por se tratar de aproximações de funções polinomiais, capazes de lidar com fenômenos não lineares. Para esse processo, foram selecionados três modelos básicos de redes neurais artificiais Multi Layer Perceptron, passíveis de implementação a partir de planilhas eletrônicas de código aberto. Os três modelos foram testados a partir de um conjunto de variáveis independentes sugeridas por Bresser-Pereira e Nakano (1984), com defasagem de um, seis e doze meses. Para tal, foram utilizados testes de Wilcoxon, coeficiente de determinação R² e o percentual de erro médio dos modelos. O conjunto de dados foi dividido em dois, sendo um grupo usado para treinamento das redes neurais artificiais, enquanto outro grupo era utilizado para verificar a capacidade de predição dos modelos e sua capacidade de generalização. Com isso, o trabalho concluiu que determinados modelos de redes neurais artificiais têm uma razoável capacidade de predição da inflação no curto prazo e se constituem em uma alternativa razoável para esse tipo de mensuração.