DECOM - Departamento de Computação
URI Permanente desta comunidade
Navegar
Navegando DECOM - Departamento de Computação por Assunto "Algorítmos"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Item Algoritmos de aprendizado de máquina para previsão de tempo da manutenção de vagões.(2022) Felix, Josemar Coelho; Silva, Rodrigo César Pedrosa; Silva, Rodrigo César Pedrosa; Bianchi, Andrea Gomes Campos; Nucci, Edson Romano; Pereira, Robson Bruno DutraA análise do planejamento de manutenção, com o objetivo de criar predições sobre a capacidade produtiva, é uma importante aliada na gestão industrial. A Engenharia de Métodos dispõe da ferramenta denominada cronoanálise, utilizada desde 1856, para avaliar a capacidade industrial. Essa ferramenta tem como base a cronometragem e análise subjetiva de várias atividades envolvidas nas atividades de produção da manutenção. Contudo, o próprio processo de cronometragem tende a afetar o tempo de execução, comprometendo a sua estimativa. Nesse contexto, este trabalho investiga a aplicação de métodos baseados em aprendizado de máquina para a avaliação da capacidade de restaurar vagões em oficinas da MRS Logística, e, ainda, comparar com a aplicação da cronoanálise utilizada atualmente pela empresa. Para tal, foram disponibilizados dados de 2019 sobre a manutenção de vagões. Esses dados serviram para a construção dos modelos de predição desta pesquisa. Foram reservados os dados de nove meses para treinamento, de três meses para testes e também realizou-se a validação cruzada utilizando cinco subdivisões. Com o auxílio do planejamento de experimentos e testes estatísticos de Friedman e Nemenyi, foi possível constatar que, os algoritmos de aprendizado de máquina, são capazes de produzir modelos com melhor qualidade quando combinados com a cronoanálise na liberação de vagões restaurados, comprovado pelas métricas denominadas Erro Médio Absoluto e Raiz Quadrada do Erro Médio.Item Modelo de otimização de portfólios restrito : um modelo para custos para B3 e um estudo do impacto das restrições de cardinalidade e fronteira.(2023) Chagas, Eduardo de Carvalho; Freitas, Alan Robert Resende de; Freitas, Alan Robert Resende de; Souza, Fernanda Sumika Hojo de; Silva, Rodrigo César Pedrosa; Martins, Flávio Vinícius Cruzeiro; Pimenta, AlexandreObserva-se na literatura, um grande esforço no desenvolvimento dos modelos de otimização de portfólios buscando formas melhores de mensuração de risco ao mesmo tempo em que se buscam adicionar restrições que tornam os mesmos mais próximos de uma aplicação prática pelos investidores. Entretanto, formas de mensuração de risco mais elaboradas e novas restrições tendem a tornar os algoritmos de otimização mais complexos se fazendo necessário buscar um equilíbrio entre um modelo mais realístico e um tempo de execução computacional que seja aceitável. Além disso, o mercado de ações do Brasil possui algumas peculiaridades tributárias que podem influenciar nos resultados práticos obtidos pelo investidor, mas não foram encontrados na literatura nenhum trabalho que aborde essa especificidade. Assim, esse trabalho propõe uma modelagem matemática para o cálculo de custos de transação e tributação voltado para o mercado de ações do Brasil que é apresentado num modelo de otimização de portfólios usando o MAD que considera os custos de transação sujeito as restrições de cardinalidade e de fronteira. Para os testes são utilizados os algoritmos NSGA-II e SPEA2 e procurou-se mensurar o impacto de cada restrição individualmente na qualidade das fronteiras Pareto e no tempo de execução do algoritmo. Notou-se que o NSGA-II apresentou uma vantagem em relação ao SPEA2; que apesar dos custos de transação impactarem no tempo de execução do algoritmo, a qualidade das fronteiras Pareto obtidas são muito próximas. Por fim, observou-se que enquanto a restrição de cardinalidade apresentou um impacto mais significativo nas métricas estudas a restrição de fronteira não teve um impacto menos relevante.