Aplicação de Redes Neurais Artificiais na Previsão de Demanda de Peças de Reposição de Veículos Automotores.

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Florencio, Paulo Henrique Borba
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Pontifícia Universidade Católica de Goiás
Engenharia
BR
PUC Goiás
Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://localhost:8080/tede/handle/tede/2484
Resumo: As constantes mudanças no cenário nacional de venda de automóveis trouxeram um fator a mais na busca do gerenciamento dos estoques de peças de reposição: a necessidade de diminuir o valor investido em estoques e evitar a obsolescência. Com esse propósito, este trabalho tem por objetivo avaliar o desempenho de Redes Neurais Artificiais na predição de demanda de peças de reposição de veículos automotores identificando, dentre as redes estudadas, quais se adaptam melhor a cada modelo de evolução de consumo e como se aplica em cada caso. Outrossim, propõe a utilização de um método de avaliação e monitoramento dos modelos selecionados através da análise dos erros médios quadráticos da previsão. A determinação de métodos preditivos com maior grau de precisão, constituise em etapa fundamental do processo de gerenciamento de estoques. Se a previsão apresentar uma baixa acurácia, pode-se gerar excesso ou falta de estoques e esse excesso, se não tratado adequadamente, pode culminar em obsolescência e gerar custos desnecessários. Para alcançar o objetivo proposto, buscou-se, em primeiro lugar, o estudo dos principais aspectos teóricos relacionados ao processo de gestão de estoques e aos métodos de previsão de demanda. Posteriormente, segue o processo de seleção de duas redes neurais artificiais, Rede de Elman e Rede TDNN. Para certificar a acurácia das demandas, foram utilizados quatro itens que se diferem pelo tipo de gráfico de evolução de consumo, buscando itens com consumo constante, crescente, decrescente e itens com quantidades menores de períodos observados. Os resultados obtidos, mediante a utilização da metodologia proposta, mostraram que as Redes Neurais possuem as características necessárias para sua aplicação com um grau de acurácia mais elevado.