PREVISÃO DE DEMANDA POR MEIO DE INTELIGÊNCIA ARTIFICIAL

INTRODUÇÃO: A utilização de Redes Neurais Artificiais para prever cenários vem cada vez mais ganhando espaço entre as diversas ferramentas convencionais, em especial na previsão de series temporais, ajudando nas tomadas de decisões. Diversos ramos de atividades utilizam dos métodos de previsão para obter melhores resultados e na venda de madeiras, como é o caso estudado, não é diferente. Por se tratar de previsão de demanda, muitas vezes os dados são numerosos e complexos, exigindo vários tratamentos antes da aplicação, porém as RNAs conseguem aprender rapidamente como os dados se comportam e traçam caminhos para a resolução deles, através de uma rede de neurônios que vão aprendendo com os próprios erros, até que seja possível obter um resultado sem muito ruídos. OBJETIVOS: Assim, o objetivo desta pesquisa foi comparar métodos estatísticos de previsão de demandas, considerados tradicionais, com um método preditivo utilizando Inteligência Artificial por meio de Redes Neurais Artificiais em uma empresa do Oeste do Paraná. MATERIAIS E MÉTODO: Portanto, este estudo foi realizado em uma empresa madeireira que comercializa madeira de lei e pinus. Foram realizados encontros presenciais e online para formar uma equipe de estudo e compartilhar ideias e sugestões. Foi apresentado o plano de pesquisa, programação das entregas e orientação geral. Foram realizadas pesquisas sobre Redes Neurais Artificiais em previsão de demanda, utilizando revisão narrativa e sistemática. Os dados da empresa foram coletados do sistema gerencial e posteriormente analisados utilizando o Excel e o software MATLAB R2023a, sendo aplicada a técnica de séries temporais para treinar a rede neural. Considerando que foram realizados diferentes testes e por consequência gerados vários resultados, neste trabalho foram apresentados os melhores e os piores resultados com a utilização dos mesmos dados, porém com camadas e tipos de treinamento diferentes, a fim de observar qual a melhor combinação de treinamento. O estudo utilizou dados mensais de madeira de pinus e madeira de lei para realizar testes no software MATLAB, exportando a tabela do Excel. Foram realizados testes com o algoritmo LEVENBERG-MARQUARDT e Bayesian Regularization, alternando o número de camadas e mantendo o número de neurônios. RESULTADOS: Os resultados variaram de acordo com a configuração da rede e foram tabulados para avaliação. Os melhores resultados foram obtidos com diferentes configurações de camadas e neurônios, dependendo do tipo de madeira, do algoritmo utilizado e da separação dos dados em períodos mensais ou semestrais. Assim, não foi possível afirmar que uma metodologia é melhor do que outra em linhas gerais, ou seja, cada caso exigirá uma metodologia e análise específica. Ainda assim, é possível afirmar que todas elas atingiram níveis satisfatórios de assertividade. CONSIDERAÇÕES FINAIS: Desta forma, pode-se dizer que este trabalho foi de grande valia e com um assunto muito significante no meio empresarial, buscando correlacionar com os avanços da tecnologia, como é o caso do uso da Inteligência Artificial, com as atividades cotidianas, trazendo um grande conhecimento, através do embasamento teórico, de como funcionam as RNAs, como são treinadas, quais os tipos de treinamento e qual o grau de confiança.

PALAVRAS-CHAVE: Series temporais; Redes Neurais Artificiais; Previsão de Demanda