Modelo de previsão de demanda de ferro ligas utilizando redes neurais

Abstract

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 ferro ligas 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.