<p>Técnicas de predição de demanda são utilizadas em inúmeros ramos da indústria, com o objetivo de agregar valor ao negócio das empresas, especialmente por meio da busca pelo dimensionamento ótimo dos recursos de produção. A predição de demanda em refeitórios, com o intuito de balancear a quantidade de alimento produzido, buscando um melhor aproveitamento dos ingredientes, é um desafio, pois fatores como a quantidade de usuários, o tempo de atendimento e o tipo de alimento utilizado podem ser bastante variáveis neste tipo de problema. O estudo das filas, neste contexto, é de primordial importância, dado que, conhecendo suas características, podem-se estimar, por meio de previsão, informações que podem melhorar a qualidade de atendimento. O presente trabalho teve por finalidade utilizar modelos baseados em Redes Neurais Artificiais (RNA) para realizar regressões em uma série temporal personalizada, gerada por meio de metodologia própria, mediantes os dados coletados in loco no restaurante do IFMG - Campus Bambuí. Teve-se por principal objetivo desenvolver um modelo computacional que fosse capaz de descrever o comportamento para os intervalos de tempo no atendimento dos usuários. Por meio deste recurso, pôde-se gerar informações importantes para a tomada de decisão, como os horários de maior e menor pico de atendimento.</p><p><strong>Palavras-chave</strong>: Redes neurais artificiais, regressão, séries temporais.</p><p>==================================================================================</p><p>Demand prediction techniques are used in numerous industry sectors with the aim of adding value to the business of the companies, especially through the search for optimal sizing of production resources. The prediction of demand in restaurants with the intention of balancing the quantity food produced looking for better use of ingredients is a challenge, since factors like the quantity of users, the time of service and the kind of food can be quite variable in this type of problem. The study of queue, in this context, is of paramount importance, given that, knowing its characteristics, it is possible to estimate, by means of prediction, information that can improve service quality. Present work had the purpose of using models based on Artificial Neural Networks (ANN) to perform regressions in a personalized time series, generated through its own methodology with data collected in the restaurant of the IFMG - Campus Bambuí. The main objective was to develop a computational model that would be able to describe the behavior for the time intervals in the restaurant customer service. Through this resource, it was possible to generate important information for decision making, such as the peak times of higher and lower demands.</p><p><strong>Keywords</strong>: Artificial neural networks, regression, time series.</p>
Innovative Hybrid Modeling of Wind Speed Prediction Involving Time-Series Models and Artificial Neural Networks
