Modelagem técnica-comercial de peças automotivas com rede neural artificial / Technical-commercial modeling of automotive parts with artificial neural network

Vinícius Pimentel Martins, Renato Figueira Guedes Esteves, Matheus Barbosa Cardozo, Sebastião José de Andrade, Francisco Luiz Marzinotto Júnior

Resumo


Em mercados cada vez mais competitivos, o fator produtivo interno tem ganhado grande destaque e preocupação por parte das empresas. Para o setor automotivo, é de suma importância realizar previsões de custo e preço de peças, pois tais informações podem balizar de forma vantajosa muitas negociações comerciais e reduzir custos desnecessários. Contudo, devido à complexidade de mensuração, um dos principais problemas que a empresa que cedeu os dados enfrenta na predição é a dificuldade em modelar os dados de preços para precificação de seus produtos. Assim, o objetivo do trabalho é desenvolver e descrever a aplicação de uma Rede Neural Artificial para modelar os dados de preço de uma montadora de caminhões e ônibus, a fim de obter vantagem competitiva na negociação dos preços. Foram utilizados dados técnicos e comerciais de uma amostra de 100 tubos de borracha da empresa. Na camada de entrada da rede, foram utilizados dados como peso, comprimento, quantidade de dobras e mudanças de diâmetro, e na variável de saída, o preço da peça. Os resultados da correlação entre as variáveis mostraram alta capacidade preditiva do modelo. Concluiu-se que o algoritmo gerado pela RNA alcançou estatísticas satisfatórias para validá-lo como uma ferramenta comercial útil para suportar as negociações de uma montadora de caminhões e ônibus.


Palavras-chave


Rede Neural Artificial, Indústria Automotiva, Modelagem Linear, Algoritmo Levenberg-Marquardt.

Texto completo:

PDF

Referências


AUTODATA. Guia Automotivo Brasileiro. Ano 2. São Paulo, 2019.

BOCK, S.; PÜTZ, M. Implementing Value Engineering based on a multidimensional quality-oriented control calculus within a Target Costing and Target Pricing approach. International Journal of Production Economics, v. 183, p. 146–158, 2017.

BRAGA, A. P.; CARVALHO, A. C. P. L. F.; LUDERMIR, T. B. Redes neurais artificiais. In: Sistemas Inteligentes: Fundamentos e Aplicações. 1ª ed. Barueri: Manole, 2003.

COŞAR, A. K.; GRIECO, P. L. E.; LI, S.; TINTELNOT, F. What drives home market advantage? Journal of International Economics. v. 110, p. 135–150, 2018.

DARTORA, G. A. REDES NEURAIS ARTIFICIAIS: APLICAÇÃO NA TIPIFICAÇÃO DE CARCAÇA DE SUÍNOS. 105f. Dissertação (Mestrado em Ciência da Computação) - Programa de Pós-Graduação em Ciências da Computação, Universidade Federal de Santa Catarina - UFSC, Florianópolis, 2003.

DE BARCELOS TRONTO, I. F.; DA SILVA, J. D. S.; SANT’ANNA, N. An investigation of artificial neural networks based prediction systems in software project management. Journal of Systems and Software, v. 81, n. 3, p. 356–367, 2008.

ESSA, S. A. G.; DEKKER, H. C.; GROOT, T. L. C. M. Your gain my pain? The effects of accounting information in uncertain negotiations. Management Accounting Research, v. 41, n. April, p. 20–42, 2018.

HAYKIN, S. S. Neural Networks: A Comprehensive Foundation. Upper Saddle River, Nova Jersey: Prentice Hall, 1999.

KOH, J. M.; CHEONG, K. H. Journal of Electron Spectroscopy and Automated electron-optical system optimization through switching Levenberg – Marquardt algorithms. Journal of Electron Spectroscopy and Related Phenomena, v. 227, n. March, p. 31–39, 2018.

MARTINELLI, E. Extração de conhecimento de redes neurais artificiais. 1999. 113f. Dissertação (Mestrado em Ciências da Computação) – Curso de Pós-graduação em Ciências da Computação, Universidade Federal de São Paulo, São Paulo, 1999.

NASCIMENTO, F. P. Metodologia da Pesquisa Científica: teoria e prática – como elaborar TCC. Brasília: Thesaurus, 2016.

RUMELHART, D. E.; WIDROW, B.; LEHR, M. A. The Basic Ideas in Neural Networks. Models of the brain and evolution, v. s/n, n. s/n, 1994.

TÁPIA, M. Redes neurais artificiais: uma aplicação na previsão de preços de ovos. 122f. Dissertação (Mestrado em Ciências da Computação) - Programa de Pós-Graduação em Ciências da Computação, Universidade Federal de Santa Catarina - UFSC, Florianópolis, 2000.

TUBB, N. R. A Development Path to Success in Neural Computing, Expert Systems Applications, v. 9, n. 5. p. 5-9, 1993.

ZHANG, G.; PATUWO, B. E.; HU, M. Y. Forecasting with artificial neural networks : The state of the art. International Journal of Forecasting, v. 14, p. 35–62, 1998.




DOI: https://doi.org/10.34140/bjbv3n1-026

Apontamentos

  • Não há apontamentos.