Predição de série temporal aplicada no processo produtivo
Artigo de Conferência
Visão geral
Pesquisas
Ver Todos
Visão geral
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.
