Tecnologia em Metalurgia, Materiais e Mineração
https://tecnologiammm.com.br/doi/10.4322/2176-1523.20191413
Tecnologia em Metalurgia, Materiais e Mineração
Artigo Original

MODELO DE PREVISÃO DE DEMANDA DE FERROLIGAS UTILIZANDO REDES NEURAIS

FERROALLOY DEMAND FORECASTING MODEL USING NEURAL NETWORKS

Wanessa Pereira dos Reis, Jose Adilson de Castro, Luiz Antônio Ferrarez de Castro, Alexandre José Ramos Valentim, Fausto Kunioshi ,

Downloads: 0
Views: 70

Resumo

Atualmente a previsão de demanda se tornou um desafio para os gestores de estoque devido à necessidade em equilibrar o serviço da cadeia de suprimentos através do gerenciamento da disponibilidade do material e investimento em estoque. Este estudo propõe um método alternativo para a previsão de demanda de ferroligas utilizada na produção de aços planos da Companhia Siderúrgica Nacional, através de um código computacional baseado em Redes Neurais Artificiais (RNA). A metodologia consiste em destacar os principais fatores que modelam as redes neurais como: seleção das variáveis, quantidade das variáveis, arquitetura da rede, treinamento e previsão de saída. O modelo apresentado foi desenvolvido a partir da arquitetura Multi Layer Perceptron (MLP), utilizando um conjunto de dados tais como: consumo específico, lead time, produção mensal e anual da aciaria, estoque de segurança, no período de 2014 a 2016. Os resultados obtidos com a utilização das RNAs foram comparados com os valores medidos no período em questão e também com um modelo previamente desenvolvido baseado em regressão multilinear. Os resultados encontrados através das RNAs apresentaram um grau elevado de exatidão comparado com o método de regressão multilinear.

Palavras-chave

Previsão de demanda; Ferroligas; Redes neurais artificiais.

Abstract

Nowadays, the demand forecasting has become a challenge to stock managers due to the need to balance the service from the supply chain through the administration of the availability of the materials and investment in stock. This study suggests an alternative method to the demand forecasting of the ferroalloy used in the production of flat steel in Companhia Siderúrgica Nacional (CSN) through a computer code based on Artificial Neural Networks (ANN). The methodology consists in implementing the main elements that model the neural networks, such as: selection of variables, number of variables, network architecture, training and outflow forecasting. The model was developed using the Multi-Layer Perceptron (MLP) concept, with a data set such as: specific intake, lead time, monthly and annual production of steel mills, safety stock, from 2014 to 2016. The obtained results with the use of the ANNs were compared to the values measured during the period above and also to a previously developed model based on multiple linear regression. The results obtained through the ANNs showed a higher of predictability compared to the method of multiple linear regression.

Keywords

Demand forecasting; Ferroalloys; Artificial neural networks.

Referências

1 Ballou R. Gerenciamento da cadeia de suprimentos/logística empresarial. 5. ed. Porto Alegre: Bookman; 2006.

2 Setyawati BR, Creese RC, Sahirman S. Neural network for cost estimation (part 2). Morgantown. AACE International Transactions. 2003;14:1-10.

3 Fish KE, Blodgett JG. A visual method for determining variable importance in an artificial neural net. Journal of Targeting, Measurement and Analysis for Marketing. 2003;11(3):244-254.

4 Silva IN, Spati DH, Flauzino RA. 2010. Redes neurais artificiais: para engenharia e ciências aplicadas. São Paulo: Artliber; 2010.

5 Castro JA, Feiteira JFS, França AB. Utilização de Redes neurais artificiais e modelo CFD como estratégia para tomada de decisões no processo do alto-forno. In: Escola de Eng. Industrial Metalúrgica de Volta Redonda UFF. Anais do 39° Seminário de Redução de Minério de Ferro e Matérias-Primas; 2009 Novembro 22-26; Ouro Preto, Brasil. Volta Redonda: UFF.

6 Simões, M. G., Shaw, I. S. Controle e modelagem fuzzy. São Paulo: Blucher, FAPESF; 2007.

5d07871c0e8825a85ff70b6d tmm Articles
Links & Downloads

Tecnol. Metal. Mater. Min.

Share this page
Page Sections