PREVISÃO DE DEMANDA DE ORDENS DE SERVIÇO EMERGENCIAIS UTILIZANDO ANÁLISE DE SÉRIES TEMPORAIS

PREVISÃO DE DEMANDA DE ORDENS DE SERVIÇO EMERGENCIAIS UTILIZANDO ANÁLISE DE SÉRIES TEMPORAIS

Conceição, Pétrick Maurat da; Heymann, Mozart Caetano; Ferreira, Vitor Hugo; Costa, Helder Gomes

Artigo Completo:

A previsão da demanda futura é de vital importância para a maioria das empresas. Ela permite que a companhia se prepare para o futuro de forma mais eficaz e aprimore suas decisões estratégicas. Nas visão das concessionárias de energia elétrica a previsão da demanda futura e essencial para manter a qualidade de serviço e atendimento, garantindo o fornecimento de energia elétrica aos seus consumidores e cumprimento dos requisitos da ANEEL. Este trabalho tem como objetivo apresentar a resolução do problema da previsão de demanda de OS emergenciais através da utilização de series temporais. O caso estudado é referente à previsão de OS emergenciais horárias da ENERGISA TOCANTINS DISTRIBUIDORA DE ENERGIA S/A através suavização exponencial.

A previsão da demanda futura é de vital importância para a maioria das empresas. Ela permite que a companhia se prepare para o futuro de forma mais eficaz e aprimore suas decisões estratégicas. Nas visão das concessionárias de energia elétrica a previsão da demanda futura e essencial para manter a qualidade de serviço e atendimento, garantindo o fornecimento de energia elétrica aos seus consumidores e cumprimento dos requisitos da ANEEL. Este trabalho tem como objetivo apresentar a resolução do problema da previsão de demanda de OS emergenciais através da utilização de series temporais. O caso estudado é referente à previsão de OS emergenciais horárias da ENERGISA TOCANTINS DISTRIBUIDORA DE ENERGIA S/A através suavização exponencial.

Palavras-chave:

DOI: 10.5151/spolm2019-149

Referências bibliográficas

• [1] TRONCHONI, A. B. Identicac~ao de causas de desligamentos n~ao programados em redes de distribuic~ao. Dissertac~ao (Mestrado em Engenharia Eletrica) | Pontifcia Universidade Catolica do Rio Grande do Sul, marco 2008. Disponvel em: <http://repositorio.pucrs.br/dspace/bitstream/10923/3225/1/000403015- Texto%2BCompleto-0.pdf>. Acesso em: 20 de setembro de 2018, 15:30:00. 2 [2] (ELETROBRAS), C. E. brasileiras. Manutenc~ao e Operac~ao de Sistemas de Distribuic~ao. 4. ed. [S.l.]: Campus, 1982. 2 [3] ZANELLA, C.; VIEIRA, V.; BARICHELLO, R. Previs~ao de demanda: um estudo de caso em uma agroindustria de carnes do oeste catarinense. GEPROS, 2015. Disponvel em: <https://revista.feb.unesp.br/index.php/gepros/article/view/1310>. Acesso em: 20 de setembro de 2018, 18:00:00. 2 [4] PELLEGRINI, F. R. Metodologia para implementac~ao de sistemas de previs~ ao de demanda. Dissertac~ao (Mestrado em Engenharia de Produc~ao) | Universidade Federal do Rio Grande do Sul, setembro 2000. Disponvel em: <http://www.producao.ufrgs.br/arquivos/publicacoes/Fernando%20R%20Pellegrini. pdf>. Acesso em: 20 de setembro de 2018, 17:00:00. 2, 6 [5] KRAJEWSKI, L. J.; RITZMAN, L. P. Operations Management, Strategy and Analysis. 5. ed. [S.l.]: Addison-Wesley, 1999. 2 [6] MARTINS, P.; LAUGENI, F. Administrac~ao da produc~ao. 2. ed. [S.l.]: Saraiva, 2005. 3 [7] GAITHER, N.; FAZIER, G. Administrac~ao da produc~ao e operac~oes. 8. ed. [S.l.]: Pioneira Thomsom Learning, 2002. 3 [8] MONTGOMERY, D.; JENNINGS, C.; KULAHCI, M. Introduction to time series analysis and forecasting. [S.l.]: Wiley, 2008. 3, 4 [9] MARTINS, V. et al. Previs~ao de demanda de passageiros para os aeroportos de fortaleza, braslia, s~ao paulo e rio de janeiro durante a realizac~ao da copa do mundo de 2014. CONEPRO, 2014. 3 [10] MAKRIDAKIS, S. G.; WHEELWRIGHT, S. C.; HYNDMAN, R. J. Forecasting: Methods and Applications. 3. ed. [S.l.]: John Wiley, 1997. 4, 5, 6 [11] MORETTIN, P. A.; TOLOI, C. M. Analise de series temporais. 3. ed. Edgard Blucher LTDA, 2004. Disponvel em: <https://www.passeidireto.com/arquivo/26097461/morettin-analise-de-seriestemporais >. Acesso em: 25 de outubro de 2018, 13:40:00. 4, 5 [12] VERISSIMO, A. J. e. a. Metodos estatsticos de suavizac~ao exponencial holt-winters para previs~ao de demanda em uma empresa do setor metal mec^anico. Revista Gest~ao Industrial, 2012. Disponvel em: <https://periodicos.utfpr.edu.br/revistagi/article/view/1378>. Acesso em: 25 de outubro de 2018, 15:20:00. 5 [13] BLOCHER, J. D. et al. Forecasting: Including an introduction to forecasting using the sap r/3 system. Indiana University Kelley School of Business, 2004. Disponvel em: <https://kelley.iu.edu/mabert/e730/Forecasting February 2004.pdf>. Acesso em: 25 de novembro de 2018, 21:15:00. 6, 7 [14] HALLAK, R.; FILHO, A. J. P. Metodologia para analise de desempenho de simulac~oes de sistemas convectivos na regi~ao metropolitana de s~ao paulo com o modelo arps: sensibilidade a variac~oes com os esquemas de advecc~ao e assimilac~ao de dados. Revista Brasileira de Meteorologia, 2010. Disponvel em: <http://www.scielo.br/pdf/rbmet/v26n4/a09v26n4.pdf>. Acesso em: 15 de maio de 2019, 15:00:00. 7, 9 [15] ENERGISA. Relatorio anual de sustentabilidade socioambiental 2014. [S.l.], 2014. Disponvel em: <http://grupoenergisa.com.br/Documents/relatoriossocioambientais/ RS%20Energisa%202014.pdf>. Acesso em: 12 de dezembro de 2018, 21:30:00. 7 [16] JUSTO, H. Alocac~ao de bases de equipes de campo utilizando otimizac~ao bioinspirada. Dissertac~ao (Graduac~ao em Engenharia Eletrica) | Universidade Federal Fluminense, 2018. 8 [17] MAGRO, M. A. de B. Dimensionamento de equipes baseado em modelos de previs~ao, simulac~ao e alocac~ao: Caso de uma empresa do setor eletrico. Dissertac~ao (Mestrado em Engenharia de Produc~ao) | Universidade Federal do Rio Grande do Sul, dezembro 2003. Disponvel em: <https://www.lume.ufrgs.br/bitstream/handle/10183/4564/000457665.pdf?se quence=1>. Acesso em: 29 de novembro de 2018, 09:00:00. 8 [18] AMORIM, M. L. F. Otimizac~ao de atendimentos de emerg^encia em redes de distribuic~ao de energia eletrica. Dissertac~ao (Mestrado em Computa c~ao) | Universidade Federal Fluminense, julho 2010. Disponvel em: <http://www2.ic.u.br/PosGraduacao/Dissertacoes/471.pdf>. Acesso em: 29 de novembro de 2018, 11:40:00. 8 [19] ANEEL. Procedimentos de Distribuic~ao de Energia Eletrica no Sistema Eletrico Nacional { Modulo 8 { Qualidade de Energia Eletrica. [S.l.], 2017. Dispon vel em: <http://www.aneel.gov.br/documents/656827/14866914/Modulo 8- Revis~ao 10/2f7cb862-e9d7-3295-729a-b619ac6baab9>. Acesso em: 29 nov. 2018>. 8 [20] GAUDENCIO, J. H. D. et al. Previs~ao de dados de series temporais dos pibs brasileiro e americano atraves do modelo arima. XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO, 2014. Disponvel em: <http://www.abepro.org.br/biblioteca/enegep2014 TN STP 200 134 23519.pdf>. Acesso em: 25 de novembro de 2018, 21:15:00. 13

Como citar:

Conceição, Pétrick Maurat da; Heymann, Mozart Caetano; Ferreira, Vitor Hugo; Costa, Helder Gomes; "PREVISÃO DE DEMANDA DE ORDENS DE SERVIÇO EMERGENCIAIS UTILIZANDO ANÁLISE DE SÉRIES TEMPORAIS", p-2065-2080. In: Anais do XIX Simpósio de Pesquisa Operacional & Logística da Marinha. São Paulo: Blucher, 2020.
ISSN 21756295, DOI 10.5151/spolm2019-149