This research aims to identify the causes linked to internal reverse logistics of materials and medicines in a hospital, covering studies for process optimization performed by this department. The study is based on a hospital located in the State of Paraná, Brazil. First, observations were performed through visits during the months of September/2015 to April/2016, and the month of March was chosen for the collection of data. Also, "in loco" visits were carried out for better understanding the process that occurs in both of the drug shipment to patients, as the internal reverse logistics was performed with drugs. To collect the data a survey form was used on the main reasons for discarding of drugs and materials for the central pharmacy. The instrument was adapted from the form used by the institution aimed specifically to the Intensive Care Unit. Through the observations made in the Hospital Unit, it was revealed that the company has a structured logistics process, standardized, and has a fundamental tool for this: information technology, creating efficient, reliable and fast data, requiring however, some improvements aiming primarily to prevent and reduce waste of both time and materials/medicines.
This research proposes a combined model of time series for forecasting housing sales in the city of São Paulo. We used data referring to the time series of sales of residential units provided by SECOVI-SP. The Exponential Softening, Box-Jenkins and Artificial Neural Networks models are individually modelled, later these are combined through five forecast combination techniques.The techniques used are Arithmetic Mean, Geometric Mean, Harmonic Mean, Linear Regression and Principal Component Analysis. The measures of accuracy to measure the results obtained and to select the best model are the RMSE, MAPE and UTheil of forecast. The results showed that Linear Regression with an independent variable, being a combination of the SARIMA model (2,0,0)(2,0,0)12 and MLP/RNA (12,10,1), provided a satisfactory performance, with an RMSE of 368.74, MAPE of 19.2% and UTheil of 0.315.The combination of time series models allowed a significant increase in forecast performance. Finally, the model was validated, using it to predict housing sales. The results show that the model has a good fit, thus demonstrating that using a housing sales forecasting model helps industry professionals minimize error and make sales and launch decisions.
Um dos maiores problemas associados ao o uso de previsões de demanda no apoio à tomada de decisão é a escolha do método de previsão a ser implementado. Nesse contexto, por ter um comportamento diferente dos demais setores, o setor imobiliário apresenta dificuldade para que se encontrem métodos corretos para prever sua demanda. Pode-se citar como um dos fatores, o expressivo intervalo de tempo entre a tomada de decisão do projeto, de investimento e a entrada efetiva do empreendimento na disputa de mercado. Essa complexidade acarreta na escolha de métodos inadequados, gerando grandes estoques de unidades residenciais, corroborando em altos custos para as construtoras e incorporadoras, fato este que pode ser observado desde 2014 na cidade de São Paulo-mercado imobiliário mais representativo do país. Propõe-se então nessa pesquisa, adequar um modelo de previsão utilizando a metodologia ARIMA de Box & Jenkins, a fim de identificar o de melhor acurácia para o mercado imobiliário de São Paulo. Para tanto, serão utilizados dados referentes à série temporal de vendas de unidades residenciais, fornecidos pelo SECOVI-SP entre os anos de 2004 e 2015. Os achados implicam que é possível fazer uso de modelos de previsão de vendas no setor imobiliário e que modelos dessa classe podem ser úteis tanto no planejamento das incorporadoras como para o setor público, seja para facilitar simulações macroeconômicas de políticas na área de geração de empregos ou para nortear a formulação de políticas públicas na área de habitação. Por fim, enfatiza-se que o estudo do funcionamento do mercado habitacional brasileiro reveste-se de fundamental importância e relevante no cenário atual.
The paper describes a programming environment based on the timed Petri net paradigm with generally distributed transition firing times and with several execution policies. The user interaction is supported by a X Window-based graphical interface. The graphical editor, which allows both bottom-up and top-down modeling, is based on a hierarchy (toolkit) of graphical objects (widgets). A discrete-event simulator is provided: it is composed by a set of basic simulation objects assembled from the model description. A simulator prototype has been developed using the C++ programming language
O Problema do Carteiro Chinês caracteriza-se pela roteirização de arcos e tem como objetivo a cobertura de arcos de um grafo, criando uma rota que passe ao menos uma vez em cada um destes arcos. Nesta pesquisa, o algoritmo do Problema do Carteiro Chinês foi aplicado na área urbana da cidade de Matelândia/PR, para otimizar a rota percorrida pelo caminhão de coleta de resíduos sólidos recicláveis. O estudo foi dividido em três partes: segunda-feira, terça-feira e quarta-feira, pois cada dia o caminhão faz uma rota diferente. Por meio do resultado do algoritmo do Carteiro Chinês utilizou-se do algoritmo de Fleury para encontrar a rota de cada um dos dias. A utilização destes algoritmos forneceu uma solução satisfatória para o problema de geração de rotas na coleta de resíduos sólidos recicláveis. Na área onde o Algoritmo do Carteiro Chinês foi aplicado, obteve-se um ganho aproximado de 23,45%, 33,12% e 40,13% para segunda, terça e quarta-feira respectivamente.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.