Previsão e construção de indicadores operacionais da produção de cana-de-açúcar por meio de séries temporais
Resumo
A cada safra, milhões de litros de etanol e milhares de toneladas de açúcar são exportados pelo setor sucroalcooleiro brasileiro. A ociosidade e sobrecarga de trabalho na produção devido à falta de previsibilidade sobre a quantidade da matéria-prima disponível são alguns problemas no setor. Este trabalho tem como objetivo construir indicadores operacionais, utilizando como base a distribuição dos resíduos do modelo SARIMA (Seasonal Autoregressive Integrated Moving Average), para informar a probabilidade de redução na produção de cana-de-açúcar. A base de dados foi retirada dos resultados trimestrais publicados pelo Grupo São Martinho. Os resultados obtidos evidenciam o potencial do modelo proposto para a tomada de decisão.
Palavras-chave:
OLAP, Visualização, Dados Pluviométricos
Referências
Box, G. E., Jenkins, G. M., Reinsel, G. C., and Ljung, G. M. (2015). Time Series Analysis: Forecasting and Control. John Wiley & Sons.
Dickey, D. A. and Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a):427–431.
Haviluddin and Dengen, N. (2016). Comparison of sarima, narx and bpnn models in forecasting time series data of network traffic. In 2016 2nd International Conference on Science in Information Technology (ICSITech), pages 264–269.
Hossain, M. M. and Abdulla, F. (2015). Forecasting the sugarcane production in bangladesh by arima model. Journal of Statistics Applications & Probability, 4(2):297.
Mondal, P., Shit, L., and Goswami, S. (2014). Study of effectiveness of time series modeling (arima) in forecasting stock prices. International Journal of Computer Science, Engineering and Applications, 4(2):13.
MURTA, R. M., TEODORO, S. M., Bonomo, P., and CHAVES, M. A. (2005). Precipitação pluvial mensal em níveis de probabilidade pela distribuição gama para duas localidades do sudoeste da bahia. Ciência e Agrotecnologia, 29(5):988–994.
Pereira, I. Z., dos Santos, I. F. S., de Castro, H. L., and Barros, S. R. M. (2019). Uma breve revisão sobre a indústria sucroalcooleira no brasil com enfoque no potencial de geração de energia. Revista Brasileira de Energia — Vol, 25(2).
Saath, K. C. d. O. and Fachinello, A. L. (2018). Crescimento da demanda mundial de alimentos e restrições do fator terra no brasil. Revista de Economia e Sociologia Rural, 56(2):195–212.
Sammut, C. and Webb, G. I., editors (2010). Holdout Evaluation, pages 506–507. Springer US, Boston, MA.
Shapiro, S. S. and Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4):591–611.
Silva, J. V. d. (2019). Suporte a decisão no setor sucroalcooleiro. B.S. thesis, Brasil.
Suresh, K. and Priya, S. K. (2011). Forecasting sugarcane yield of tamilnadu using arima models. Sugar Tech, 13(1):23–26.
Dickey, D. A. and Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a):427–431.
Haviluddin and Dengen, N. (2016). Comparison of sarima, narx and bpnn models in forecasting time series data of network traffic. In 2016 2nd International Conference on Science in Information Technology (ICSITech), pages 264–269.
Hossain, M. M. and Abdulla, F. (2015). Forecasting the sugarcane production in bangladesh by arima model. Journal of Statistics Applications & Probability, 4(2):297.
Mondal, P., Shit, L., and Goswami, S. (2014). Study of effectiveness of time series modeling (arima) in forecasting stock prices. International Journal of Computer Science, Engineering and Applications, 4(2):13.
MURTA, R. M., TEODORO, S. M., Bonomo, P., and CHAVES, M. A. (2005). Precipitação pluvial mensal em níveis de probabilidade pela distribuição gama para duas localidades do sudoeste da bahia. Ciência e Agrotecnologia, 29(5):988–994.
Pereira, I. Z., dos Santos, I. F. S., de Castro, H. L., and Barros, S. R. M. (2019). Uma breve revisão sobre a indústria sucroalcooleira no brasil com enfoque no potencial de geração de energia. Revista Brasileira de Energia — Vol, 25(2).
Saath, K. C. d. O. and Fachinello, A. L. (2018). Crescimento da demanda mundial de alimentos e restrições do fator terra no brasil. Revista de Economia e Sociologia Rural, 56(2):195–212.
Sammut, C. and Webb, G. I., editors (2010). Holdout Evaluation, pages 506–507. Springer US, Boston, MA.
Shapiro, S. S. and Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4):591–611.
Silva, J. V. d. (2019). Suporte a decisão no setor sucroalcooleiro. B.S. thesis, Brasil.
Suresh, K. and Priya, S. K. (2011). Forecasting sugarcane yield of tamilnadu using arima models. Sugar Tech, 13(1):23–26.
Publicado
18/07/2021
Como Citar
SANTOS, Anderson da Silva; SILVA, João Vitor da; MEDEIROS, Victor Wanderley Costa de; GONÇALVES, Glauco Estácio.
Previsão e construção de indicadores operacionais da produção de cana-de-açúcar por meio de séries temporais. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 12. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 117-126.
ISSN 2595-6124.
DOI: https://doi.org/10.5753/wcama.2021.15743.
