dc.contributorpt-BR
dc.creatorFávero, Patrícia Belfiore
dc.creatorZoucas, Fabio Augusto Mollik
dc.date2016-08-01
dc.date.accessioned2018-11-07T19:30:11Z
dc.date.available2018-11-07T19:30:11Z
dc.identifierhttps://seer.ufrgs.br/ProdutoProducao/article/view/51900
dc.identifier10.22456/1983-8026.51900
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/2178110
dc.descriptionEste trabalho tem como objetivo propor um modelo de rede neural para previsão de séries de produção de onze segmentos industriais brasileiros. Primeiramente, estudou-se diferentes tipos de redes que vêm sendo implementadas na literatura nos últimos anos, como Perceptron, Redes Lineares, Perceptron Multi-Camadas, Redes BAM e ART, Rede Probabilística, Hopfield, Kohonen, TDNN (Time delay neural network), Rede de Elman e Jordan, além dos algoritmos Backpropagation e Levenberg-Marquadt. Estudando o comportamento dessas séries de produção e as principais características de cada tipo de rede, concluímos que a rede Perceptron Multi-Camadas com atraso no tempo (TDNN) é a melhor para o cálculo e análise da previsão da produção dos onze segmentos escolhidos do setor industrial. A rede neural foi então aplicada considerando duas diferentes estratégias de modelo estrutural. Concluímos que o modelo de rede neural proposto foi eficaz na previsão de séries de produção de segmentos industriais.pt-BR
dc.formatapplication/pdf
dc.languagepor
dc.publisherUFRGSpt-BR
dc.relationhttps://seer.ufrgs.br/ProdutoProducao/article/view/51900/37801
dc.relationhttps://seer.ufrgs.br/ProdutoProducao/article/downloadSuppFile/51900/27310
dc.rightsDireitos autorais 2016 Produto & Produçãopt-BR
dc.sourceProduto & Produção; v. 17, n. 2 (2016)pt-BR
dc.source1983-8026
dc.subjectEngenharia de Produção; Gerência de Produção; Pesquisa Operacionalpt-BR
dc.subjectEngenharia de Produção; Gerência de Produção; Pesquisa Operacionalpt-BR
dc.subjectPrevisão de demandapt-BR
dc.titleREDES NEURAIS PARA PREVISÃO DA PRODUÇÃO INDUSTRIAL DE DIFERENTES SEGMENTOSpt-BR
dc.typeArtículos de revistas
dc.typeArtículos de revistas


Este ítem pertenece a la siguiente institución