Previsão – Página: 2 – Logística Descomplicada

Ligados à área de previsão e estatística

Avaliação estatística de modelos de previsão.

como utilizar gráficos de controle (shewhart e cusum) para fazer a avaliação de modelos de previsão.

Gráfico de controle EWMA – dados sazonais

Artigo publicado no XIV Simpósio de Engenharia de Produção (SIMPEP), em Bauru/SP, 2007.

Uma proposta de gráfico de controle EWMA com dados sazonais

Autores: Leandro Callegari Coelho e Robert Wayne Samohyl

A importância do controle estatístico de processos nas empresas, de qualquer porte, é de vital importância para que produtor e cliente ganhem confiança, um por melhorar seu nível de qualidade, outro por saber que comprará algo que atenda suas expectativas. No entanto, identifica-se uma lacuna na teoria de gráficos de controle quando a variável de interesse possui sazonalidade. A série em estudo é o consumo de energia elétrica no Brasil, e não uma medida de dentro da fábrica, expandindo as possibilidades de uso da ferramenta.
Assim, o objetivo deste trabalho é propor uma metodologia de criação de gráfico de controle EWMA para variáveis com componente sazonal. Tal objetivo pode ser alcançado através da modelagem da série por meio da técnica de Holt-Winters e geração do gráfico de controle dos resíduos do ajustamento. O modelo proposto atende aos objetivos uma vez que aponta ocorrência de pontos fora de controle estatístico, motivando a identificação de uma causa especial agindo na série.

Modelo de previsão – número de veículos

Artigo apresentados no XIV Simpósio de Engenharia de Produção (SIMPEP), em Bauru-SP, 2007.

Avaliação de modelos de previsão para quantidade de automóveis no estado de Santa Catarina

Autores: Leandro Callegari Coelho e Robert Wayne Samohyl

Este artigo aborda a comparação em diversos modelos de previsão (Decomposição Clássica, Suavização Exponencial, ARIMA, Regressão dinâmica) aplicados à série de dados histórica da quantidade de automóveis do Estado de Santa Catarina. Na comparação final, a regressão dinâmica apresenta melhor aderência à série, mas é preterida por necessitar de previsão extra para a variável independente eleita. A opção final é pelo modelo ARIMA sazonal, em função dos valores de AIC e U de Theil utilizados na comparação. Com as previsões feitas, estes dados podem servir para análises do sistema viário, planejamento de transporte público e análises de tendências sociais na região estudada, utilizando os sistemas de previsão com a teoria de logística urbana.