Engenharia de Produçăo e Transportes

Disciplinas >

EPR00203 - Tópicos Especiais em Qualidade

Carga horária	03 h/a
Pré-requisitos	-
Professores	Liane Werner (lianeproducao.ufrgs.br)

Súmula
A disciplina aborda temas relacionados ŕ técnicas de previsăo, modelagem e simulaçăo de eventos estocásticos.

Objetivos

Fornecer as bases para as atividades de modelagem e simulaçăo;

Transmitir conceitos que fundamentem a previsăo de demanda;

Apresentar ferramentas avançadas que auxiliam na

melhoria de processos.

Programa

1. Modelagem de eventos;

2. Simulaçăo de Monte Carlo;

3. Estudo de casos;

4. Introduçăo a previsăo;

5. Técnicas de previsăo (foco em previsăo de demanda)

5.1.Técnicas qualitativas

5.2.Técnicas quantitativas: análise de séries temporais

5.3.integraçăo de previsőes.

Método

Exposiçőes teóricas seguidas de trabalhos práticos com o apoio de softwares. O entendimento da matéria é alcançado a partir dos trabalhos práticos, quando o aluno deve por a prova os conhecimentos teóricos adquiridos. Ęnfase no entendimento do problema e identificaçăo das técnicas apropriadas para a soluçăo.

Avaliaçăo

A avaliaçăo considera a freqüęncia em sala de aula, participaçăo nos trabalhos práticos, prova final e trabalho final. A prova final pode ser de caráter teórico e/ou prático. No trabalho deverá ser aplicado as técnicas abordadas na disciplinas ou entăo, técnicas relacionadas aos conteúdos da disciplina.

Bibliografia

Previsăo

ABRAHAM, B. & LEDOLTER, J. Statistical Methods for Forecasting. John Wiley & Sons, New York, 1983.

ARMSTRONG, J. S. Principles of Forecasting: A Handbook for Researchers and Practitioners. Kluwer Academic Publishers. 2001.

ARMSTRONG, J. S. & COLLOPY, F. Error Measures for Generalizing about Forecasting Methods: Empirical Comparisons. International Journal of Forecasting, v. 8, 1992, p.69-80.

ARMSTRONG, J. S. & COLLOPY, F. Integration of Statistical Methods and Judgment of Time Series Forecasting: Principles for Empirical Research. In: WRIGHT, G. & GOODWIN, P. (Ed.) Forecasting with Judgment. Wiley & Sons, 1998.

BOX, G. E. P. & JENKINS, G. M. Time Series Analysis. Forecasting and Control. Holden-Day. Ediçăo revisada. San Francisco, 1976.

BROCKWELL, P. J.; DAVIS, R.A. Introduction to time series and forecasting. Springer, 1996.

CLEMEN, R. T. Combining Forecasts: A Review and Annotated Bibliography. International Journal of Forecasting. v. 5, 1989, p.559-583.

ENDERS, W. Applied Econometric Time Series. John Wiley & Sons. New York, 1995.

HAMILTON, J. D. Time Series Analysis. Princeton University Press, New Jersey, 1994.

MAKRIDAKIS, S., WHEELWRIGHT, S. C. & HYNDMAN, R. J. Forecasting. Methods and Applications. Third Edition. John Wiley & Sons. New York, 1998.

MORRETIN, P. A. & TOLOI, C. M. de C. Análise de Séries Temporais. Editora Edgard Blücher, 2006.

WEBBY, R. & OCONNOR, M. Judgement and Statistical Time Series Forecasting: a Review of the Literature. International Journal of Forecasting, 12, 1996, p.91-118.

YAFFE, R.; McGEE,M. Introduction to time series and forecasting: with aplication of SAS and SPSS. Academic Press, 2000.

Cadeiras de Markov e Simulaçăo de Monte Carlo

Birge, John R.. Introduction to stochastic programming. New York: Springer, c1997. xix, 421 p.

Bremaud, Pierre. Markov chains : Gibbs fields, Monte Carlo simulation, and queues. New York: Springer, c1999. xviii, 444 p.

Casella, George e Robert, Christian P. Monte Carlo Statistical Methods, Springer Verlag, NY, 2Ş Ediçăo,2004, 645 p.

Gamerman, Dani e Lopes, Hedibert F. Markov Chain Monte Carlo Stochastic Simulation for Bayesian Inference. CRC Press 2Ş Ediçăo, 2006 , 323 p.