Previsão de consumo de energia eléctrica empregando modelos arima

Este trabalho incide sobre a problemática da previsão de consumo de energia eléctrica em horizontes temporais de curto prazo. O objectivo deste trabalho é a previsão de consumo de energia eléctrica a partir de dados históricos do passado. Os parâmetros usados na previsão são obtidos através do estudo de várias ferramentas estatísticas.

Estudios de series temporales demográficas mediante modelos ARIMA de Box-Jenkins: una aplicación a series de la ciudad de Rosario, Argentina

Incluye Bibliografía

Modelos Arima - Arch. Algunas aplicaciones a las series de tiempo financieras

La colección de textos , iniciativa del Departamento de Ciencias Básicas de la Universidad de Medellín y su grupo de investigación SUMMA, incluye en cada número la exposición detallada de un tema matemático en particular, tratado con el rigor que muchas veces no es posible lograr en un curso regular de la disciplina. Las temáticas incluyen diferentes áreas del saber matemático como: álgebra, trigonometría, cálculo, estadística y probabilidades, álgebra lineal, métodos lineales y numéricos, historia de las matemáticas, geometría, matemáticas puras y aplicadas, ecuaciones diferenciales y empleo de softwares matemáticos. Todas las carátulas de la colección vienen ilustradas, a manera de identificación, con diseño de la geometría fractal cuya fuente y origen se encuentra referenciada en las páginas interiores de los textos. La finalidad de esta lección de matemáticas número 9 Modelos Arima-ARCH es proporcionarle al estudiante y lector interesado las herramientas que le permitan tomar decisiones a través de la construcción de los modelos Arima-ARCH para ser aplicados en Ingeniería Financiera, métodos cuantitativos y mercados de capitales, entre otros

Gestão da cadeia de abastecimento de bens de consumo baseada em modelos de previsão lineares

Dissertação apresentada ao Instituto Politécnico do Porto para obtenção do Grau de Mestre em Logística

Gestión del riesgo de liquidez en una institución financiera utilizando un modelo híbrido entre la metodología ARIMA y Redes Neuronales Artificiales

En las instituciones financieras, una deficiente gestión del riesgo de liquidez puede ocasionar pérdidas financieras, ya sea por: intereses excesivos de créditos con otras instituciones, venta de activos con precios inferiores al valor del mercado, pérdida de oportunidades de negocios, pérdida de confianza con el depositante e incluso hasta la quiebra de la entidad. Es por esta razón, que el monitoreo de la liquidez se vuelve indispensable para el correcto funcionamiento de un banco, y se motiva al desarrollo de nuevas metodologías para su cuantificación. Si bien la gestión del riesgo de liquidez depende de cada institución bancaria y de su estructura en activos y pasivos, esta investigación se concentra en el análisis de la disminución del pasivo (depósitos) y/o el incremento del activo (cartera) y su afectación a los niveles de liquidez. Con este antecedente, para determinar la posición futura de liquidez de la institución investigada, se analiza las necesidades de fondos (obtenidas con la proyección de los depósitos) y la fuente de recursos (proyección de la cartera de créditos), permitiendo determinar superávits o déficits futuros de liquidez. En realidad el planteamiento es un monitoreo de la liquidez con un vista hacia el futuro, facilitando la toma de decisiones para mantener y controlar el nivel de liquidez requerido por la institución. Para cumplir con el objetivo de predicción, se pone a prueba una metodología alternativa para la proyección de series temporales, la cual combina los resultados de los modelos ARIMA y Redes Neuronales Artificiales. Con el modelo ARIMA se estima la relación lineal entre los rezagos propios de la serie, mientras que con las Redes Neuronales Artificiales se estima el componente no lineal que la estimación ARIMA no pudo captar. Los resultados son comparados con los obtenidos por las dos metodologías por separado. Se concluye que el modelo híbrido propuesto tiene mayor exactitud al estimar ambas series temporales.

Previsão das estratégias competitivas dos produtores de energia eléctrica no MIBEL

O Mercado Ibérico de Electricidade (MIBEL) surge na perspectiva de integração e cooperação dos sectores eléctricos português e espanhol, em resposta ao incentivo da União Europeia (UE) na criação de mercados regionais de electricidade, considerando um posterior alargamento para um mercado europeu de energia. A presente dissertação incide no estudo da previsão horária das estratégias competitivas dos agentes produtores de energia eléctrica no MIBEL, sendo abordado um horizonte de previsão de 5 dias úteis. A variável em estudo trata-se da variação conjectural referente ao próprio MIBEL, a qual estima o grau de competitividade dos agentes do lado da oferta no mercado diário. A metodologia utilizada para previsão passou pela análise de sucessões cronológicas, aplicando modelos ARIMA e modelos de alisamento exponencial. Uma análise breve da previsão do preço horário de energia eléctrica no mercado diário do MIBEL foi também realizada, sendo efectuada a comparação entre a previsão obtida pela análise de sucessões cronológicas e o cálculo do valor de preço previsto com recurso aos dados de variação conjectural previstos. Os resultados alcançados revelam que os modelos estimados que melhor se adequam à previsão horária da variação conjectural referente ao MIBEL, corresponderam maioritariamente ao tipo ARIMA sazonal com sazonalidade diária, seguido de modelos do tipo ARIMA não sazonal. Foi observado ainda, que os modelos seleccionados foram estimados maioritariamente com recurso a uma sucessão cronológica de 5 dias úteis. Por fim, ambas as abordagens utilizadas para realizar a previsão horária do preço de energia eléctrica apresentaram em média, erros médios absolutos para a previsão de 1 e 5 dias úteis iguais entre si.

Implementação do controlo estatístico do processo na sociedade Central de Cervejas S. A.

Dissertação apresentada na Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa para obtenção do Grau de Mestre em Engenharia de Gestão Industrial

Modelação e previsão de vendas no setor do retalho de calçado

Dissertação apresentada ao Instituto Politécnico do Porto para obtenção do Grau de Mestre em Logística Orientada por: Professora Doutora Patrícia Alexandra Gregório Ramos

Deteção e previsão de falhas em equipamentos de produção industrial

As empresas nacionais deparam-se com a necessidade de responder ao mercado com uma grande variedade de produtos, pequenas séries e prazos de entrega reduzidos. A competitividade das empresas num mercado global depende assim da sua eficiência, da sua flexibilidade, da qualidade dos seus produtos e de custos reduzidos. Para se atingirem estes objetivos é necessário desenvolverem-se estratégias e planos de ação que envolvem os equipamentos produtivos, incluindo: a criação de novos equipamentos complexos e mais fiáveis, alteração dos equipamentos existentes modernizando-os de forma a responderem às necessidades atuais e a aumentar a sua disponibilidade e produtividade; e implementação de políticas de manutenção mais assertiva e focada no objetivo de “zero avarias”, como é o caso da manutenção preditiva. Neste contexto, o objetivo principal deste trabalho consiste na previsão do instante temporal ótimo da manutenção de um equipamento industrial – um refinador da fábrica de Mangualde da empresa Sonae Industria, que se encontra em funcionamento contínuo 24 horas por dia, 365 dias por ano. Para o efeito são utilizadas medidas de sensores que monitorizam continuamente o estado do refinador. A principal operação de manutenção deste equipamento é a substituição de dois discos metálicos do seu principal componente – o desfibrador. Consequentemente, o sensor do refinador analisado com maior detalhe é o sensor que mede a distância entre os dois discos do desfibrador. Os modelos ARIMA consistem numa abordagem estatística avançada para previsão de séries temporais. Baseados na descrição da autocorrelação dos dados, estes modelos descrevem uma série temporal como função dos seus valores passados. Neste trabalho, a metodologia ARIMA é utilizada para determinar um modelo que efetua uma previsão dos valores futuros do sensor que mede a distância entre os dois discos do desfibrador, determinando-se assim o momento ótimo da sua substituição e evitando paragens forçadas de produção por ocorrência de uma falha por desgaste dos discos. Os resultados obtidos neste trabalho constituem uma contribuição científica importante para a área da manutenção preditiva e deteção de falhas em equipamentos industriais.

Monitorização do estado de condição de equipamentos com recurso a cartas de controlo estatístico

Dissertação para obtenção do Grau de Mestre em Engenharia e Gestão Industrial

Previsão da estrutura temporal da taxa de juro na zona Euro : aproximação paramétrica e por métodos de aprendizagem automática

A estrutura temporal das taxas de juro, também conhecida por yield curve ou curva de rendimentos define a relação entre as taxas de juros e o prazo de vencimento (ou maturidades) dos investimentos feitos. Assim, o desenvolvimento de modelos que possibilitem a obtenção de previsões precisas sobre a estrutura temporal das taxas de juro e que permitam estudar a dinâmica da evolução das taxas de juro é de crucial importância em diversas áreas de financiamento. Neste estudo investigou-se a performance de diferentes métodos de previsão para obter a estrutura temporal das taxas de juro da Zona Euro, considerando o período entre 2009 e 2015. Em termos mais específicos, foi analisada a capacidade preditiva do modelo de Nelson-Siegel & Svensson assumindo que os parâmetros resultantes da estimação da especificação paramétrica podem ser modelizados através de métodos de séries temporais univariados (modelos ARIMA, Random walk) e multivariados (modelos VAR) e Redes Neuronais Artificiais (RNA) individuais e conjuntas. Os resultados deste estudo mostram que (i) as RNA com a previsão dos parâmetros em simultâneo exibem os valores de erro mais baixos para as maturidades de curto e médio prazo (3 meses a 5 anos); (ii) As RNAs individuais são melhores para prever as taxas de juro nas maturidades compreendidas entre os 7 e os 10 anos, e que (iii) para as maturidades de longo e muito longo prazo (15 e 30 anos respetivamente) deverá ser escolhido o modelo VAR(1). Estes resultados são robustos e consistentes para todos os horizontes de previsão analisados (1,2 e 3 meses). Contudo, no período analisado nenhum dos modelos testados apresenta valores de erro inferiores aos obtidos com o modelo Random Walk.

Exploração de séries temporais em processos de previsão de vendas

Dissertação de mestrado em Engenharia de Sistemas