Publicação
Predição de série temporal aplicada no processo produtivo
| Resumo: | Este projeto foi desenvolvido na empresa Techwelf, no âmbito do sistema eLeveling, e consistiu em desenvolver uma solução para estimar a procura com base no histórico de encomendas. Com o objetivo de apurar as quantidades a produzir e assim planear a cadência da linha de produção, no sentido de minimizar as quantidade em stock. A previsão de vendas é uma estimativa de quanto será vendido por uma empresa num determinado período. Assim, a contribuição da previsão de vendas no processo do planeamento corporativo é amplamente necessária e reconhecida [1]. Uma das áreas em que a previsão de vendas pode ser aplicada é na elaboração do Production Manager Plan (PDP), que é a elaboração o plano de produção dos produtos que serão manufaturados pela linha de produção. Identificou-se, na investigação sobre o dados, que grande parte dos produtos não estavam mais sendo produzidos, sendo assim, foi utilizado o k-Nearest Neighbors (KNN) para realizar o agrupamento dos produtos com demanda regular e assim prosseguir com a criação do modelo preditivo, para o qual foram testados os algoritmos de média móvel integrada auto regressiva sazonal (SARIMA), perceptron multicamada (MLP) e floresta aleatória (RF). Os melhores resultados foram apresentados pelo algoritmo de Floresta Aleatória, com um coeficiente de determinação de aproximadamente 88%, com um erro absoluto médio de aproximadamente 189 unidades de produtos. Por fim, foi recomendado a escolha do algoritmo de aprendizado de máquina Random Forest (RF). Para facilitar a utilização, desenvolveu-se uma aplicação específica para este efeito. As vantagens são o ganho de informações que é possível com a utilização dessa aplicação, proporcionando mais tempo para realizar uma análise humana nos dados gerados e realizar ajustes quando necessário. |
|---|---|
| Autores principais: | Folletto, Douglas Menegol |
| Outros Autores: | Matos, Paulo; Plasencia, Paula |
| Assunto: | Previsão Séries temporais |
| Ano: | 2020 |
| País: | Portugal |
| Tipo de documento: | documento de conferência |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Instituto Politécnico de Bragança |
| Idioma: | português |
| Origem: | Biblioteca Digital do IPB |
| _version_ | 1867173122026766336 |
|---|---|
| author | Folletto, Douglas Menegol |
| author2 | Matos, Paulo Plasencia, Paula |
| author2_role | author author |
| author_facet | Folletto, Douglas Menegol Matos, Paulo Plasencia, Paula |
| author_role | author |
| contributor_name_str_mv | Biblioteca Digital do IPB |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Folletto, Douglas Menegol\"},{\"Person.name\":\"Matos, Paulo\",\"Person.identifier.orcid\":\"0000-0003-0010-4777\"},{\"Person.name\":\"Plasencia, Paula\",\"Person.identifier.orcid\":\"0000-0001-5827-8249\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Biblioteca Digital do IPB |
| datacite.creators.creator.creatorName.fl_str_mv | Folletto, Douglas Menegol Matos, Paulo Plasencia, Paula |
| datacite.date.Accepted.fl_str_mv | 2020-01-01T00:00:00Z |
| datacite.date.available.fl_str_mv | 2023-03-10T16:23:23Z |
| datacite.date.embargoed.fl_str_mv | 2023-03-10T16:23:23Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | Previsão Séries temporais |
| datacite.titles.title.fl_str_mv | Predição de série temporal aplicada no processo produtivo |
| dc.contributor.none.fl_str_mv | Biblioteca Digital do IPB |
| dc.creator.none.fl_str_mv | Folletto, Douglas Menegol Matos, Paulo Plasencia, Paula |
| dc.date.Accepted.fl_str_mv | 2020-01-01T00:00:00Z |
| dc.date.available.fl_str_mv | 2023-03-10T16:23:23Z |
| dc.date.embargoed.fl_str_mv | 2023-03-10T16:23:23Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://hdl.handle.net/10198/27646 |
| dc.language.none.fl_str_mv | por |
| dc.publisher.none.fl_str_mv | Instituto Politécnico de Bragança |
| dc.rights.cclincense.fl_str_mv | http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.subject.none.fl_str_mv | Previsão Séries temporais |
| dc.title.fl_str_mv | Predição de série temporal aplicada no processo produtivo |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_c94f |
| description | Este projeto foi desenvolvido na empresa Techwelf, no âmbito do sistema eLeveling, e consistiu em desenvolver uma solução para estimar a procura com base no histórico de encomendas. Com o objetivo de apurar as quantidades a produzir e assim planear a cadência da linha de produção, no sentido de minimizar as quantidade em stock. A previsão de vendas é uma estimativa de quanto será vendido por uma empresa num determinado período. Assim, a contribuição da previsão de vendas no processo do planeamento corporativo é amplamente necessária e reconhecida [1]. Uma das áreas em que a previsão de vendas pode ser aplicada é na elaboração do Production Manager Plan (PDP), que é a elaboração o plano de produção dos produtos que serão manufaturados pela linha de produção. Identificou-se, na investigação sobre o dados, que grande parte dos produtos não estavam mais sendo produzidos, sendo assim, foi utilizado o k-Nearest Neighbors (KNN) para realizar o agrupamento dos produtos com demanda regular e assim prosseguir com a criação do modelo preditivo, para o qual foram testados os algoritmos de média móvel integrada auto regressiva sazonal (SARIMA), perceptron multicamada (MLP) e floresta aleatória (RF). Os melhores resultados foram apresentados pelo algoritmo de Floresta Aleatória, com um coeficiente de determinação de aproximadamente 88%, com um erro absoluto médio de aproximadamente 189 unidades de produtos. Por fim, foi recomendado a escolha do algoritmo de aprendizado de máquina Random Forest (RF). Para facilitar a utilização, desenvolveu-se uma aplicação específica para este efeito. As vantagens são o ganho de informações que é possível com a utilização dessa aplicação, proporcionando mais tempo para realizar uma análise humana nos dados gerados e realizar ajustes quando necessário. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | conferenceObject |
| fulltext.url.fl_str_mv | https://bibliotecadigital.ipb.pt/bitstreams/cb6789e4-4f07-4cc0-b893-2227475abdb0/download |
| id | ipb_c3bf6023f65bf8ed08d4d4fee95bee9f |
| identifier.url.fl_str_mv | http://hdl.handle.net/10198/27646 |
| instacron_str | ipb |
| institution | Instituto Politécnico de Bragança |
| instname_str | Instituto Politécnico de Bragança |
| language | por |
| network_acronym_str | ipb |
| network_name_str | Biblioteca Digital do IPB |
| oai_identifier_str | oai:bibliotecadigital.ipb.pt:10198/27646 |
| organization_str_mv | urn:organizationAcronym:ipb |
| person_str_mv | Folletto, Douglas Menegol Matos, Paulo Matos, Paulo https://www.ciencia-id.pt/DD15-B2BC-3908 DD15-B2BC-3908 http://orcid.org/0000-0003-0010-4777 0000-0003-0010-4777 Plasencia, Paula Plasencia, Paula https://www.ciencia-id.pt/AE1A-7C6C-7267 AE1A-7C6C-7267 http://orcid.org/0000-0001-5827-8249 0000-0001-5827-8249 |
| publishDate | 2020 |
| publisher.none.fl_str_mv | Instituto Politécnico de Bragança |
| reponame_str | Biblioteca Digital do IPB |
| repository_id_str | urn:repositoryAcronym:ipb |
| service_str_mv | urn:repositoryAcronym:ipb |
| spelling | porInstituto Politécnico de Bragançapt_PTEste projeto foi desenvolvido na empresa Techwelf, no âmbito do sistema eLeveling, e consistiu em desenvolver uma solução para estimar a procura com base no histórico de encomendas. Com o objetivo de apurar as quantidades a produzir e assim planear a cadência da linha de produção, no sentido de minimizar as quantidade em stock. A previsão de vendas é uma estimativa de quanto será vendido por uma empresa num determinado período. Assim, a contribuição da previsão de vendas no processo do planeamento corporativo é amplamente necessária e reconhecida [1]. Uma das áreas em que a previsão de vendas pode ser aplicada é na elaboração do Production Manager Plan (PDP), que é a elaboração o plano de produção dos produtos que serão manufaturados pela linha de produção. Identificou-se, na investigação sobre o dados, que grande parte dos produtos não estavam mais sendo produzidos, sendo assim, foi utilizado o k-Nearest Neighbors (KNN) para realizar o agrupamento dos produtos com demanda regular e assim prosseguir com a criação do modelo preditivo, para o qual foram testados os algoritmos de média móvel integrada auto regressiva sazonal (SARIMA), perceptron multicamada (MLP) e floresta aleatória (RF). Os melhores resultados foram apresentados pelo algoritmo de Floresta Aleatória, com um coeficiente de determinação de aproximadamente 88%, com um erro absoluto médio de aproximadamente 189 unidades de produtos. Por fim, foi recomendado a escolha do algoritmo de aprendizado de máquina Random Forest (RF). Para facilitar a utilização, desenvolveu-se uma aplicação específica para este efeito. As vantagens são o ganho de informações que é possível com a utilização dessa aplicação, proporcionando mais tempo para realizar uma análise humana nos dados gerados e realizar ajustes quando necessário.application/pdfpt_PTPredição de série temporal aplicada no processo produtivoFolletto, Douglas MenegolPersonalMatos, PauloDSpacehttp://dspace.org/items/1cb6522c-6039-44d0-a14e-70f65930ef92DSpacehttp://dspace.org/items/1cb6522c-6039-44d0-a14e-70f65930ef92MatosPauloCiência IDhttps://www.ciencia-id.ptDD15-B2BC-3908ORCIDhttp://orcid.org0000-0003-0010-4777Researcher IDhttps://www.researcherid.comI-5726-2018Researcher IDhttps://www.researcherid.comI-5726-2018Scopus Author IDhttps://www.scopus.com57193342842PersonalPlasencia, PaulaDSpacehttp://dspace.org/items/28abd7e4-80c3-45e1-af20-b3a7afede690DSpacehttp://dspace.org/items/28abd7e4-80c3-45e1-af20-b3a7afede690PlasenciaPaulaCiência IDhttps://www.ciencia-id.ptAE1A-7C6C-7267ORCIDhttp://orcid.org0000-0001-5827-8249Scopus Author IDhttps://www.scopus.com36888169700HostingInstitutionOrganizationalBiblioteca Digital do IPBe-mailmailto:dspace@ipb.ptdspace@ipb.ptISBNIsPartOf978-972-745-275-02023-03-10T16:23:23Z20202020-01-01T00:00:00ZHandlehttp://hdl.handle.net/10198/27646http://purl.org/coar/access_right/c_abf2open accessPrevisãoSéries temporais136903 bytesother research producthttp://purl.org/coar/resource_type/c_c94fconference object2020http://creativecommons.org/licenses/by/4.0/http://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://bibliotecadigital.ipb.pt/bitstreams/cb6789e4-4f07-4cc0-b893-2227475abdb0/downloadIn2CoP 2020 - Conferência Internacional em Processos de Cocriação no Ensino Superior 2020Bragança, Portugal |
| spellingShingle | Predição de série temporal aplicada no processo produtivo Folletto, Douglas Menegol Previsão Séries temporais |
| status | SINGLETON |
| subject.fl_str_mv | Previsão Séries temporais |
| title | Predição de série temporal aplicada no processo produtivo |
| title_full | Predição de série temporal aplicada no processo produtivo |
| title_fullStr | Predição de série temporal aplicada no processo produtivo |
| title_full_unstemmed | Predição de série temporal aplicada no processo produtivo |
| title_short | Predição de série temporal aplicada no processo produtivo |
| title_sort | Predição de série temporal aplicada no processo produtivo |
| topic | Previsão Séries temporais |
| topic_facet | Previsão Séries temporais |
| url | http://hdl.handle.net/10198/27646 |
| visible | 1 |