dc.contributor.advisor | Bonat, Wagner Hugo, 1985- | pt_BR |
dc.contributor.other | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | pt_BR |
dc.creator | Estacio, Tiago Edelmo de Liz | pt_BR |
dc.date.accessioned | 2024-02-08T19:56:05Z | |
dc.date.available | 2024-02-08T19:56:05Z | |
dc.date.issued | 2019 | pt_BR |
dc.identifier.uri | https://hdl.handle.net/1884/75372 | |
dc.description | Orientador: Prof. Wagner Hugo Bonat | pt_BR |
dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data. | pt_BR |
dc.description | Inclui referências | pt_BR |
dc.description.abstract | Resumo: Realizar um planejamento de demanda de peça para reposição é de extrema importância para uma industria e engloba diversas áreas e etapas. A realização de um levantamento dos dados e previsão de consumo é uma das primeiras etapas do processo. O presente estudo iniciou com a criação de um banco de dados relacional, agrupando dados de diferentes plataformas. Foram aplicadas Técnicas de Séries Temporais utilizando os modelos: ARIMA, Suavização Exponencial, Suavização Exponencial + Box-Cox, Rede Neural e combinação de todos os modelos citados. Como critério de seleção para cada peça foi utilizado o erro absoluto médio. Para auxiliar as próximas etapas do planejamento, o banco de dados relacional e os resultados das previsões dos modelos foram incorporados em uma ferramenta de BI (Business Intelligence) | pt_BR |
dc.description.abstract | Abstract: Spare parts demand planning is extremely important for an industry and covers several areas and steps. Conducting a data search and predicting consumption is one of the first steps in the process. The present study started with the creation of a relational database, grouping data from different platforms. Temporal Series techniques were applied using the following models: ARIMA, Exponential Smoothing, Exponential Smoothing + Box-Cox, Neural Network and Combination of all the mentioned models. The mean absolute error was used as the selection criterion for each piece. To assist in the next planning steps, the relational database and model prediction results have been embedded in a BI (Business Intelligence) tool | pt_BR |
dc.format.extent | 1 recurso online : PDF. | pt_BR |
dc.format.mimetype | application/pdf | pt_BR |
dc.language | Português | pt_BR |
dc.subject | Banco de dados relacionais | pt_BR |
dc.subject | Analise de series temporais - Processamento de dados | pt_BR |
dc.title | Planejamento de demanda de Peças de Reposição | pt_BR |
dc.type | TCC Especialização Digital | pt_BR |