Menu
O setor agroindustrial brasileiro é um dos setores da indústria que tem apresentado grande crescimento, fato este devido as riquezas naturais inigualáveis presentes no Brasil. A cada dia o país tem se desenvolvido para obter melhor qualidade dos produtos e processos e se tornar mais competitivo no mercado mundial. Um dos setores deste segmento são as indústrias de transformação que tem por objetivo transformar alimentos in natura em diversos outros produtos para o consumo final. Essas indústrias possuem processos sensíveis ao mercado para manterem seus produtos competitivos, um dos objetivos desse trabalho é traçar uma estratégia de compra de matéria prima para essas indústrias, possibilitando uma redução no custo de aquisição de matéria prima. Existem no mercado metodologias, ferramentas e técnicas empregadas para alcançar tal objetivo, no entanto, nenhuma das formas estudadas demostra eficiência quando o assunto em questão é a previsão de comportamento para casos específicos. Foram analisados quais os pontos principais que devem ser levados em consideração quanto o assunto em questão é a tomada de decisão na realização de uma compra de matéria-prima, identificando como dados mais relevantes os preços praticados por saca e a demanda de saída de produtos já industrializados pela empresa. Após serem identificados os pontos principais e coletados os dados praticados nos anos anteriores, foi possível traçar uma estratégia de previsão. Os dados previstos foram comparados com o valor real praticado para verificar qual das estratégias estudadas se aproxima com mais exatidão com os dados reais. Também se fez necessário estipular algumas penalidades e premissas para que o funcionamento do algoritmo fosse otimizado. Com esses dados, mais os valores gerados pelo previsor, foi possível criar alguns casos de uso para testar o resultado apresentado pela metodologia de previsão. A metodologia apresentou comportamento bastante satisfatório, gerando resultados positivos, significantes para resolução do problema proposto.
The Brazilian agribusiness sector it is one of the industry sectors that have shown great growth, a fact due to the unique natural resources present in Brazil. Each day the country has been developed to obtain better quality products and processes and become more competitive on world markets. One of the sectors in this segment are the manufacturing industries that aims to transform fresh food in many other products for final consumption. There are market methodologies, tools and techniques employed to achieve this goal, however, none of the forms studied demonstrate efficiency when the matter in question is the prediction of behavior for specific cases. Was analyzed in the industry what main points that should be taken into consideration as the subject matter is the decision-making in making a purchase of raw materials, the most relevant data to perform the work practices are the price per bag and demand for output of products already manufactured by the company. After they identified the main points and collected the data carried in previous years, it was possible to outline a strategy for prediction, the predicted data were compared with the actual value paid for it were possible to define which of the strategies studied approaches with more accuracy with the data real. It also became necessary to provide certain penalties and assumptions for the operation of the algorithm was improved with more data values generated by the forecaster was possible to create some use cases to test the result presented by the forecasting methodology The methodology gives satisfactory behavior, generating significant results for solving the proposed problem.
Data da defesa: 01/04/2011
Banca Examinadora
Orientador: Alexandre Rasi Aoki (Mestrado Profissional)
Membro da Banca: Marcelo Rodrigues Bessa (Institutos Lactec)
Membro da Banca: Vóldi Costa Zambenedetti (Institutos Lactec)
Membro da Banca: James Alexandre Baraniuk (PUCPR)
Palavra(s)-Chave: Tomada de Decisão, Algoritmos Genéticos e Agroindústria.
Keywords: Decision Making, Genetic Algorithms and Agribusiness.
