Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/35018| Título: | Aplicação de técnicas de aprendizado de máquina e estatística na previsão de demanda de biocombustível |
| Título(s) alternativo(s): | Application of machine learning techniques and Statistics on biofuel demand forecast |
| Autor(es): | Paula, Jeiciane de Souza |
| Orientador(es): | Teixeira, Levi Lopes |
| Palavras-chave: | Análise de séries temporais Previsão Planejamento estratégico Time-series analysis Forecasting Strategic planning |
| Data do documento: | 15-Jun-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | PAULA, Jeiciane de Souza. Aplicação de técnicas de aprendizado de máquina e estatística na previsão de demanda de biocombustível. 2024. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Medianeira, 2022. |
| Resumo: | A análise e previsão de demanda é fundamental no planejamento estratégico da cadeia produtiva, sendo de significativa importância em diversos segmentos. O setor de transporte é um bom exemplo, dado a alta dinâmica no consumo de biocombustível, o que exige um acompanhamento mais intenso da produção, distribuição e consumo deste produto, a fim de prever falhas no suprimento das demandas populacionais. O cenário oportuniza a aplicação de técnicas preditivas da estatística e de aprendizado automático, sendo estas projeções, de grande valia para o entendimento do comportamento da demanda deste recurso a longo prazo. Com o crescente desenvolvimento das capacidades computacionais, foi possível o aprimoramento das modelagens matemáticas, amplamente utilizadas para previsão de séries temporais. O presente trabalho expõe diferentes técnicas de aprendizado de máquina e estatística, com a finalidade de verificar o desempenho dessas técnicas na previsão de demanda por biocombustível. Com o auxílio da linguagem de programação Python, os dados de venda dos biocombustíveis, etanol e biodiesel, foram utilizados para a modelagem por meio de três métodos: ARIMA, Long ShortTerm Memory - LSTM e Gradient Boosting. Durante a análise de resíduos, observouse que os modelos ARIMA mostram maior qualidade nos ajustes. No entanto, a partir dos resultados obtidos e por meio da métrica de erro MAPE (Mean Absolute Percentage Error), tem-se que método LSTM é o que detém melhor performance, com um erro MAPE de 11,1% para o biodiesel e 11,3% para o etanol. |
| Abstract: | The analysis and forecast of strategic demand are fundamental in the planning of the production chain, being significant in several segments. The transport sector is a good product, a highly dynamic consumption, which is an example of demand on demand. The scenario provides an opportunity for the application of predictive configuration and automatic learning techniques, these resource opportunities being of great value for understanding the behavior of the term demand. With the development of computational capabilities, it was possible to improve mathematical modeling, used for time series forecasting. The present work shows different techniques of machine learning and statistics, to verify the performance of these techniques in forecasting the demand for biofuel. With the help of the Python programming language, the sales data of biofuels, ethanol, and biodiesel, were used for a modeling using three methods:ARIMA, Long Short-Term Memory - LSTM and Gradient Boosting. During the residual analysis, it was observed that the ARIMA models show higher quality in the configurations. However, from the results obtained and through the MAPE error metric (Mean Absolute Percentage Error), the LSTM method has the best performance, with a MAPE error of 11.1% for biodiesel and 11.3% for ethanol. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/35018 |
| Aparece nas coleções: | MD - Engenharia de Produção |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| aplicacaoaprendizadoestatísticabiocombustivel.pdf | 2,41 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.