Agosto 2016 vol. 2 num. 1 - XVIII Simpósio de Pesquisa Operacional & Logística da Marinha

Artigo Completo - Open Access.

Idioma principal

UM ESTUDO SOBRE PREVISÃO DA DEMANDA DE ENCOMENDAS UTILIZANDO UMA REDE NEURAL ARTIFICIAL

Ferreira, Arthur ; Ferreira, Ricardo Pinto ; Silva, Andréa Martiniano da ; Ferreira, Aleister ; Sassi, Renato José ;

Artigo Completo:

Nas últimas décadas, o Brasil passou por diversas transformações, passando de uma economia fechada para uma economia de mercado. Ao transporte, tratamento e distribuição de encomendas restaram acompanhar essas tendências. Em razão disso, o serviço de entrega de encomendas tornou-se altamente complexo e competitivo. Nesse contexto, a previsão da demanda de encomendas surge como diferencial, levando produtividade estruturada e alto nível de serviço ao cliente. O objetivo do artigo é prever a demanda diária de encomendas em um Centro de Tratamento de Encomendas (CTE), durante quinze dias, utilizando Redes Neurais Artificiais (RNAs). A síntese metodológica do artigo consiste no desenvolvimento de uma Rede Neural Artificial do tipo Multilayer Perceptron (MLP), treinada através do algoritmo de error back-propagation. Os dados para a realização dos experimentos foram coletados durante 60 dias úteis, 45 dias para treinamento e 15 dias para teste. Os resultados obtidos com a utilização das RNAs na previsão da demanda de encomendas apresentaram boa aderência aos dados experimentais nas fases de treinamento e teste.

Artigo Completo:

Download (PDF)

Palavras-chave: Previsão da demanda; Encomendas; Redes Neurais Artificiais,

Palavras-chave: ,

DOI: 10.5151/marine-spolm2015-140481

Referências bibliográficas
  • [1] BOWERSOX, D. J.; CLOSS, D. J. Logística Empresarial: o processo de integração da cadeia de suprimento. Tradução de Equipe CEL e Adalberto Ferreira Neves. São Paulo: Atlas, 2010.
  • [2] TODAY Logistics & Supply Chain. São Paulo: Cecilia Borges, Ano III, n. 38, 2009.
  • [3] BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos/Logística Empresarial. Tradução de Raul Rubenich. 5. ed. Porto Alegre: Bookman, 2006.
  • [4] BANZATO, E.; JUNIOR, E. C.; BANZATO, J. M.; MOURA, R. A.; RAGO, S. F. T. Atualidades na armazenagem. São Paulo: IMAM, 2008.
  • [5] SLACK, N.; CHAMBER, S.; HARDLAND, C.; HARRISON, A. e JOHNSTON, R. Administração da Produção. São Paulo: Atlas, 2009.
  • [6] HAYKIN, S. Redes Neurais – Princípios e Práticas. Bookman. 2a edição. Porto Alegre, 2001.
  • [7] SASSI, R. J. Uma Arquitetura Híbrida para Descoberta de Conhecimento em Bases de Dados: Teoria dos Rough Sets e Redes Neurais Artificiais Mapas Auto-Organizáveis. 169 p. Tese (Doutorado) – Escola Politécnica da Universidade de São Paulo, Departamento de Engenharia Elétrica, São Paulo, 2006.
  • [8] BLAZADONAKIS, E.; MICHALIS, Z. Support Vector Machines and Neural Networks as Marker Selectors in Cancer Gene Analysis. Intelligent Techniques and Tools for Novel System Architectures. Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg, p. 237-258, 200
  • [9] SELAU, L. P. R.; RIBEIRO, J. L. D. Uma sistemática para construção e escolha de modelos de previsão de risco de crédito. Gestão Produção, São Carlos. v. 16, n. 3, p. 398-413, 200
  • [10] AFFONSO, C. Aplicação de Redes Neuro Fuzzy ao Processamento de Polímeros na Indústria Automotiva. 110 p. Dissertação (Mestradoem Engenharia de Produção) – Universidade Nove de Julho, São Paulo, 20
  • [11] FERREIRA, R. P. Combinação de Técnicas da Inteligência Artificial para Previsão do Comportamento do Tráfego Veicular Urbano na Cidade de São Paulo. 107 p. Dissertação (Mestrado em Engenharia de Produção) – Universidade Nove de Julho – UNINOVE, São Paulo, 20
  • [12] MARTINIANO, A.; FERREIRA, R. P.; SASSI, R. J. Aplicação da Mineração de Dados na Identificação de Empregados Absenteístas e Presenteístas de uma Empresa de Courier da Cidade de São Paulo. VIII– EMEPRO, Encontro Mineiro de Engenharia de Produção. Itajubá, 20
  • [13] CARVALHO, L. A. V. Data Mining: a Mineração de dados no Marketing, Medicina, Economia, Engenharia e Administração. Editora Ciência Moderna Ltda. Rio de Janeiro, 2005.
  • [14] MITCHELL, T. M. Machine Learning. McGraw-Hill, 1997.
  • [15] SILVA, L. A. Categorização de Imagens Médicas para Sistemas de Recuperação de Imagens por Conteúdo Baseada em Transformada Wavelet e Mapas Auto-Organizáveis. 99 p. Tese (Doutorado em Engenharia Elétrica) - Escola Politécnica da Universidade de São Paulo, 2009.
  • [16] BIGUS, J. P. Data Mining with Neural Network: Solving Business Problems from Applications Development to Decision Support. Mcgraw-Hill, 1996.
  • [17] SIMÕES, M. G.; SHAW, I. S. Controle e Modelagem fuzzy. São Paulo: Blucher: FAPESP, 2007.
  • [18] RUMELHART, D. E.; HINTON, G. E.; WILLIAMS, R. J. Learning Internal Representations by Error Propagation. In Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Vol. 1: Foundations, D. E. Rumelhart and J. L. McClelland, Eds. Mit Press Computational Models Of Cognition And 12 Perception Series. MIT Press, Cambridge, MA, p. 318-362, 1986.
  • [19] SASSI, R. J.; SILVA, L. A.; HERNANDEZ, D. M. E. A Methodology using Neural Networks to Cluster Validity Discovered from a Marketing Database. In: 10th Brazilian Symposium on Neural Networks (SBRN), 2008, Salvador. IEEE Proceedings of SBRN. v. 1. p. 03-08, 2008.
Como citar:

Ferreira, Arthur; Ferreira, Ricardo Pinto; Silva, Andréa Martiniano da; Ferreira, Aleister; Sassi, Renato José; "UM ESTUDO SOBRE PREVISÃO DA DEMANDA DE ENCOMENDAS UTILIZANDO UMA REDE NEURAL ARTIFICIAL", p. 353-364 . In: Anais do XVIII Simpósio de Pesquisa Operacinal & Logística da Marinha. São Paulo: Blucher, 2016.
ISSN 2175-6295, ISBN: 2358-5498
DOI 10.5151/marine-spolm2015-140481

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações