Utilização de modelagem computacional na análise de séries temporais de uma empresa de mineração

Abstract

RESUMO: Pesquisas envolvendo análise de dados e modelagem matemática têm ganhado grande relevância nos últimos 30 anos. A avaliação do histórico, somada à capacidade de prever tendências futuras, desperta o interesse de diferentes áreas, como a agropecuária, órgãos governamentais e cientistas. A grande quantidade de dados, muitas vezes, não resulta na extração de informações úteis para a tomada de decisão. Um dos setores que apresenta elevado volume de informação em um curto intervalo de tempo é a logística. A grande quantidade de carga, bem como a limitação de espaço e movimentação, faz com que seja necessário um planejamento preciso, baseado em históricos e tendências mercadológicas. Em meio a esse cenário, a análise de séries temporais utilizando algoritmos matemáticos é um dos temas pesquisados em diferentes setores citados. Além da vantagem competitiva, a organização e gestão com valores futuros previamente calculados direcionam esforços na otimização de recursos e melhoria de tempos de operações. O presente trabalho utilizou o algoritmo ARIMA, com otimização de parâmetros, para realizar a análise temporal da movimentação de carga de uma empresa do sudeste brasileiro. Dois modelos foram propostos para a resolução do problema. Apesar de um modelo apresentar ótima performance com os dados de treinamento (coeficiente de determinação superior a 99%), houve um superajuste paramétrico, resultando em baixas acurácias de predição (coeficiente de determinação inferior a 1% e erro de predição de teste 20 vezes maior do que a calibração). Já o outro modelo apresentou métricas aceitáveis, com coeficiente de determinação de teste superior a 65%, dentro das estimativas presentes na literatura.

ABSTRACT: Research involving data analysis and mathematical modeling has gained great relevance in the last 30 years. The evaluation of history combined with the ability to predict future trends sparks interest in different areas, such as agriculture, government agencies, and scientists. The large amount of data often does not result in the extraction of useful information used in decision-making. One of the sectors that presents a high volume of information in a short period of time is logistics. The substantial amount of cargo, as well as space and movement limitations, necessitates accurate planning based on historical and market trends. In short of this scenario, the analysis of time series using mathematical algorithms is one of the themes researched in different mentioned sectors. In addition to the competitive advantage, organizing and managing with previously calculated future values directs efforts towards optimizing resources and improving operational times. The present work used the ARIMA algorithm, with parameter optimization, to perform the temporal analysis of cargo movement for a company in southeastern Brazil. Two models were proposed to solve the problem. Although one model presented excellent performance with training data (coefficient of determination greater than 99%), there was a parametric over-adjustment, resulting in low prediction accuracy (coefficient of determination less than 1% and test prediction error 20 times greater than the calibration). On the other hand, the other model presented acceptable metrics, with a test determination coefficient higher than 65%, within the estimates present in the literature.