Defesa Mestrado [03/10/2024 – 14h] Multistage Hydroelectric Bidding Problem with Regularized Linear Decision Rules

ANA BEATRIZ CARVALHO WERLANG

Título: Multistage Hydroelectric Bidding Problem with Regularized Linear Decision Rules

Data: 03/09/2024, 14h

Orientadores: Alexandre Street de Aguiar | PUC-Rio & Davi Michel Valladão | PUC-Rio

Resumo: This study introduces an innovative methodology aimed at optimizing revenue for hydropower producers amidst the complexities of competitive energy markets. Conventional static models often fail to adequately capture the dynamic interplay between water inflows and market conditions, leading to suboptimal revenue outcomes. In contrast, the proposed approach leverages Linear Decision Rules (LDRs) to dynamically adjust bidding curves in response to evolving scenarios. By optimizing revenue while accounting for operational constraints and uncertainties, the proposed model offers a robust framework for bidding strategy enhancement. A comparative analysis between the dynamic approach and static methodologies showcases substantial enhancements in revenue generation for hydropower assets. Notably, the dynamic approach not only outperforms static methods but also achieves comparable results to system optimization benchmarks with significantly reduced data requirements and computational effort, thus offering a promising avenue for enhancing the profitability of hydropower operations in competitive energy markets.

Defesa Doutorado [25/09/2024 – 12h] PolieDRO: a novel analytics framework with non-parametric data-driven regularization

TOMAS FREDERICO MACIEL GUTIERREZ

Título: PolieDRO: a novel analytics framework with non-parametric data-driven regularization

Data: 25/09/2024, 12h

Sala Zoom: https://puc-rio.zoom.us/j/97959135797?pwd=EviO1KApaeeLk9kUKRPENNGquDz2wA.1

Orientadores: Davi Michel Valladão, PUC-Rio | Bernardo Kulnig Pagnoncelli, SKEMA Business School

Resumo: PolieDRO is a novel analytics framework with applications to both predictive and prescriptive realms. It harnesses the power and flexibility of Data-Driven Distributionally Robust Optimization (DRO) to circumvent the need for regularization hyperparameters, while extracting structure from the underlying data. On the predictive front, recent literature shows that traditional machine learning methods such as SVM and (square-root) LASSO can be written as Wasserstein-based DRO problems. Inspired by those results we propose a hyperparameter-free ambiguity set that explores the polyhedral structure of data-driven convex hulls, generating computationally tractable regression and classification methods for any convex loss function. Numerical results based on 100 real-world databases and an extensive experiment with synthetically generated data show that our methods consistently outperform their traditional counterparts. In the prescriptive realm, we develop a portfolio optimization model that employs the DRO approach simultaneously at the risk and return levels. Applying this model to real financial data spanning several decades, we achieveconsistent superior performance compared to a benchmark.

Defesa Mestrado [25/09/2024 – 10h] Otimização do planejamento de carregamentos de embarcações: uma aplicação à cadeia de suprimentos de petróleo

RAPHAEL DOMINGUES DE L BITTENCOURT

Título: Otimização do planejamento de carregamentos de embarcações: uma aplicação à cadeia de suprimentos de petróleo

Data: 25/09/2024, 10h

Sala Zoom: https://puc-rio.zoom.us/j/98309206539?pwd=TAGSrycxcbgcvAmwsbm1CWEiktLOOz.1

Orientadores: Luciana de Souza Pessoa | PUC-Rio &  Silvio Hamacher | PUC-Rio

Resumo: As embarcações Pipe Laying Support Vessel (PLSV) são um recurso crítico responsável pelas tarefas de interligação submarinas, conectando o poço à plataforma produtora, sendo essa a última etapa necessária para o início da produção de óleo. Para realizar essa atividade, a embarcação precisa atracar em um determinado berço localizado em uma base (porto), com a finalidade de carregar os diferentes tipos de materiais que são utilizados ao longo da operação. Com o objetivo de auxiliar no planejamento operacional dos carregamentos de uma empresa brasileira de óleo e gás, este trabalho propõem utilizar um método de solução exato para ser utilizado na geração de um planejamento de carregamentos de PLSVs, buscando diminuir a ociosidade dessas embarcações. O problema descrito pode ser visto como um problema de programação de máquinas paralelas idênticas, onde, devemos programar um conjunto de jobs J (representando os carregamentos dos navios) em uma máquina k (representando os berços) de modo que as diferentes premissas da operação real sejam respeitadas. Utilizando instâncias criadas baseadas em dados reais, é possível alcançar o resultado ótimo em 97% das instâncias testadas, considerando o tempo limite estipulado de uma hora. As soluções são obtidas em um tempo computacional médio de 4 minutos, aderente ao processo da companhia e assim, mostrando-se uma boa ferramenta de apoio à decisão. Para ajudar a interpretar os resultados obtidos, foi desenvolvido um aplicativo web shiny, onde é possível realizar diferentes análises de maneira eficiente e dinâmica.

Defesa Mestrado Profissional [23/09/2024 – 14h] Mineração de processos aplicada ao pagamento de fretes

GLAUCE DA SILVA DE SOUSA UEHARA

Título: Mineração de processos aplicada ao pagamento de fretes

Data: 23/09/2024, 14h

Sala Zoom:

Orientadores: Leila Figueiredo Dantas | PUC-Rio &  Igor Tona Peres | PUC-Rio

Resumo: A implantação de um processo de conferência e pagamento de fretes eficientes é importante para garantir que os acordos contratuais sejam cumpridos e que o caixa das empresas envolvidas não seja penalizado devido a erros ou ineficiências no processo. Dito isso, o presente trabalho têm por objetivo aplicar ténicas de mineração de processos em uma célula de conferência e pagamento de fretes de uma empresa brasileira fabricante de lubrificantes a fim de encontrar o modelo atual do processo, identificar possíveis ineficiências e desvios do processo padrão e propor melhorias. Como resultado pode-se observar que as cinco transportadoras analisadas apresentaram a atividade ‘REVISAR DOCUMENTO’ como gargalo e ‘EXPORTAR FATURA’ a de maior frequência. As duas variam entre as transportadoras, indicando específicas que prolongam o processo, sendo uma delas as recorrentes divergências nas faturas encaminhadas para conferência na etapa ‘REVISAR DOCUMENTO’. Foi proposto um plano de ação de três etapas (processo, pessoas e tecnologia) visando a melhoria do processo atual e a aproximação do mesmo ao processo padrão.

Defesa Mestrado Profissional [18/09/2024 – 15:30h] Análise da Gestão de Frota Terceirizada: Estudo de caso em uma empresa de Óleos Lubrificantes no Brasil

MARCELO ANTUNES CAIXÃO ZUCARINO

Título: Análise da Gestão de Frota Terceirizada: Estudo de caso em uma empresa de Óleos Lubrificantes no Brasil

Data: 18/09/2024, 15:30 h

Sala Zoom: 

Orientadores: Rafael Martinelli Pinto| PUC-Rio &  Igor Tona Peres | PUC-Rio

Resumo:

Defesa Mestrado [18/09/2024 – 15:30h] Short Term Wind Speed Scenario Generation for Brazil with Improved Generative Adversarial Networks

FELIPE WHITAKER DE A. M. TAVARES

Título: Short Term Wind Speed Scenario Generation for Brazil with Improved Generative Adversarial Networks

Data: 18/09/2024, 15:00h

Sala Zoom : https://puc-rio.zoom.us/j/98631434540?pwd=HMeu8uk5kHhNC2PB2iSB99tE3UV94j.1

Orientadores: Fernando Luiz Cyrino Oliveira | PUC-Rio & Marley Vellasco | PUC-Rio

Resumo: The variability of renewable energy sources, such as wind power, presents a significant challenge for grid operators in maintaining operational stability. This is specially true to the medium-term (from hours to days ahead), which is both influenced by recent past data and broader trends, and heavily influences decision making. This research proposes a fully Convolutional Generator Network conditioned on the previous step of u- and v- wind speed components to generate wind speed scenarios using the Conditional Generative Adversarial Networks training algorithm. The model is compared to the state of the art in weather forecasting, Numerical Weather Prediction Systems. The model is shown to outperform the benchmark with much lower computational cost, less input data and similar long-term stability; achieving better results for a third of the comparisons in the test dataset when predicting an entire month (56 12-hourly steps) from a single data point.

Defesa Mestrado [13/09/2024 – 9h] UTI efficiency analysis through process mining deviations

RAYANE SILVA COSTA

Título: UTI efficiency analysis through process mining deviations

Data: 13/09/2024, 9h

Sala Zoom:

Orientadores: Fernanda Araujo Baião | PUC-Rio &  Igor Tona Peres | PUC-Rio

Resumo: Sepsis is the leading cause of death in intensive care units (ICUs) worldwide. In Brazil, the mortality rate in ICUs reaches 65%. This study aimed to evaluate the behavior of the care processes for patients with sepsis in intensive care units of Beth Israel Deaconess Medical Center, Boston-USA, from the MIMIC-IV database. This available database contains data from more than 200,000 patients registered between 2008 and 2019. Using process mining techniques, it was analyzed the compliance of the treatment executions with the treatment recommendations and then conformance analysis was performed based on SMR and SRU indicators. The results show a general average compliance of 92% and the LOS observed was lower than the expected. The indicators of SMR and SRU suggest a need of adequations in the sepsis treatment process.

Defesa Mestrado [12/09/2024 – 14h] Exact and heuristic methods for the forest harvest planning problem

GABRIEL DURAES GUTH

Título: Exact and heuristic methods for the forest harvest planning problem

Data: 12/09/2024, 14h

Sala Zoom : puc-rio.zoom.us/j/94272789906?pwd=jFEUbwuyaFf6JgQWo5Lshzy6ozLUOx.1

Orientadores: Luciana de Souza Pessoa | PUC-Rio 

Resumo: Brazil is one of the world’s leading producers and exporters of pulp and paper, benefiting from favorable climatic and soil conditions, coupled with substantial investments in research. A significant challenge in this sector is the Forest Harvesting Planning Problem (FHPP), akin to a derivative of the Multiple Traveling Salesman Problem (mTSP) featuring a heterogeneous fleet, periodic demand, and wood volume gain. This study addresses FHPP by employing Mixed Integer Linear Programming (MILP) modeling and the Greedy Randomized Adaptive Search Procedure (GRASP) metaheuristic across real and simulated scenarios to optimize the sequencing of harvesting teams among stands. The objective is to reduce operational costs and enhance volume growth over a 12-month planning horizon, while also considering time windows and scheduling constraints. A total of 13 instances were tested to evaluate GRASP’s performance, with the metaheuristic matching or outperforming the MILP model in nine cases. Additionally, three instances reflect real scenarios from a major Brazilian pulp and paper company. When compared against the company’s planning team results, GRASP achieved up to a 61.9% reduction in total costs. Furthermore, GRASP provides detailed harvesting plans within a short execution time, reducing planning team workload and enhancing decision-making flexibility.

Defesa Mestrado [11/09/2024 – 14h] Barreiras e Estratégias de Mitigação para o Desenvolvimento da Energia Solar em Regiões Isoladas da Amazônia

YISELIS RODRIGUEZ VIGNON

Título: Barreiras e Estratégias de Mitigação para o Desenvolvimento da Energia Solar em Regiões Isoladas da Amazônia

Data: 11/09/2024, 14h          

Sala Zoom: 

Orientadores: Fernando Luiz Cyrino Oliveira | PUC-Rio & Rodrigo Goyannes Gusmão Caiado | PUC-Rio

Resumo: Esta pesquisa aborda os desafios no desenvolvimento da energia solar fotovoltaica em regiões isoladas da Amazônia, propondo estratégias de mitigação personalizadas. Através de uma abordagem multidimensional, combinando revisão sistemática da literatura, análise de dados e modelagem estatística, o estudo identificou 19 barreiras em 6 dimensões. A análise envolveu 134 localidades isoladas, utilizando dados do IBGE e EPE, considerando aspectos sociais, técnicos, econômicos e logísticos. O algoritmo K-Prototypes foi aplicado para agrupar as localidades, resultando em dois clusters distintos. Com base nessa segmentação, foram propostas estratégias específicas para cada grupo, visando superar os obstáculos identificados e promover um modelo energético mais inclusivo e sustentável. Este trabalho contribui significativamente para a compreensão dos desafios na implementação da energia solar em áreas isoladas da Amazônia, oferecendo soluções práticas e adaptadas às realidades locais.

Defesa Doutorado [06/09/2024 – 9h] Use of data analytics to reduce the burden of multidrug-resistant bacteria

BIANCA BRANDÃO DE PAULA ANTUNES

Título: Use of data analytics to reduce the burden of multidrug-resistant bacteria

Data: 06/09/2024, 9h

Sala: 966L & Zoom: 

Orientadores: Silvio Hamacher, PUC-Rio | Fernando Bozza, Fiocruz

Resumo: The World Health Organization has declared that antimicrobial resistance is one of the top 10 global public health threats facing humanity. Among the factors that cause the dissemination of multidrug-resistant bacteria is the overuse of antimicrobials in hospitals. This thesis is based on the premise that it is necessary to use historical data to improve antimicrobial prescription and thus reduce the burden of antimicrobial resistance in hospital settings. Its specific goals include analyzing data to avoid antimicrobial resistance rates remaining high after the COVID-19 pandemic and to prevent future similar protocol breakdowns. It also investigates the differences in outcomes between presenting resistant vs. non-resistant bacteria in community-acquired infections. To achieve these objectives, the methods include data analysis tools such as descriptive and inferential statistics, Logistic Regression, Process Mining, and Text Mining. The data includes information on patients admitted to Intensive Care Units in hospitals from a private network located in Rio de Janeiro, Brazil. The thesis comprises three articles and describes a platform developed to support antimicrobial prescription in hospitals. The thesis’s findings revealed a significant increase in antimicrobial consumption and high variability in treatments for COVID-19 patients. Specifically, meropenem, a carbapenem-class antimicrobial, presented the highest adjusted number of doses prescribed for COVID-19 patients in the analyzed hospitals. The escalation in carbapenem prescription probably explains the observed increase in carbapenem resistance during the COVID-19 surge. In the post-surge, the carbapenem resistance rate decreased, following the decrease pattern we found in carbapenem consumption after the first months of the pandemic. Even though there was a decrease in carbapenem resistance, the post-surge levels remained higher than before the surge. This thesis also found that presenting with antimicrobial-resistant bacteria does not incur higher chances of hospital mortality or sepsis than presenting with non-resistant bacteria in patients with community-acquired infections. Understanding the impact of antimicrobial resistance during and after the pandemic and in patients with community-acquired infections is essential to support the development of future protocols.

Defesa Mestrado [02/09/2024 – 9h] Lessons learned from the COVID-19 pandemic in Latin America: a Data Science standpoint

JÉSSICA VILLAR DE ASSUMPÇÃO

Título: Lessons learned from the COVID-19 pandemic in Latin America: a Data Science standpoint

Data: 02/09/2024, 9h          

Sala Zoom : https://puc-rio.zoom.us/my/paulamacaira?pwd=V2xvYmFlTUQ3MExtUHJ4L09KZnZ2UT09

Orientadores: Paula Medina Maçaira Louro | PUC-Rio & Fernanda Araujo Baião Amorim | PUC-Rio

Resumo: In the 21st century alone, the world faced the devastating impacts of three acute respiratory diseases: the Middle East Respiratory Syndrome (MERS), the Severe Acute Respiratory Syndrome (SARS), and COVID-19, which evolved to be a pandemic. These illnesses not only caused a huge number of deaths but also damaged the Economy of the affected regions. In particular, countries in the Latin America and Caribbean (LAC) region faced additional challenges, due to higher social inequalities, limited access to health services, and precarious living conditions. It is thus imperative to establish solid guidelines to guide actions towards mitigating health and socioeconomic impacts, if (or when) new acute respiratory diseases emerge, especially in these countries. We conducted a retrospective study to model the dynamics of the variation of COVID-19 mortality in LAC countries and analyze its association with vaccination strategies, containment measures, mobility restrictions, and socioeconomic factors. Our methodology applied clustering techniques which revealed two distinct groupings based on socio-demographic characteristics, followed by the application of XGBoost to model the dynamics of variation in deaths in the countries of each cluster, over time. Lastly, we applied SHAP Values to highlight the associations between mortality and factors such as vaccination, containment measures, and mobility restrictions. We provide evidence that the economic support and the completion of the vaccination schedule were especially relevant to reducing mortality from COVID-19.

Defesa Mestrado [30/08/2024 – 14h] Descarbonização Marítima: Um estudo de caso aplicado à Marinha do Brasil

ROBERTA VALENTIM MARTINS DOS SANTOS

Data: 30/08/2024, 14h        

Sala Zoom: https://puc-rio.zoom.us/j/94999573270?pwd=4akjh40NdPO9Kvtg7oirdLbE2DrAcW.1

Título: Descarbonização Marítima: Um estudo de caso aplicado à Marinha do Brasil

Orientadores: Antônio Márcio Tavares Thomé | PUC-Rio & Renan Silva Santos | PUC-Rio

Resumo: Estudos demonstram um aumento de 9,3% nas emissões marítimas de CO2 entre 2012 e 2018. Nos últimos anos, muitas estratégias vêm sendo utilizadas para melhorar a eficiência dos navios e reduzir a emissão de carbono. Nesse contexto, este estudo tem como objetivo realizar uma revisão abrangente da literatura sobre a descarbonização marítima, visando identificar avanços e melhores práticas que possam ser aplicáveis a um modelo de navio de guerra da Marinha do Brasil. Como metodologia, é realizada uma revisão terciária da literatura e um estudo de caso, com aplicação de método de análise multicritério para rankeamento e seleção de tecnologias, baseado na opinião de especialistas da Marinha do Brasil. O estudo de caso está baseado em três proposições de pesquisa: (i) é possível que a Marinha do Brasil implemente tecnologias voltadas para descarbonização em um Navio de Guerra; (ii) os resultados dos estudos são generalizáveis para outros Navios de Guerra com tamanhos e tipos de viagens similares; (iii) a Marinha do Brasil é capaz de se alinhar à teoria da ambidestria organizacional, ao implementar tecnologias novas voltadas para a descarbonização de navios. Os resultados demonstram que a utilização de motor de combustão interna com aplicação de biocombustíveis do tipo drop-in ainda é a escolha mais apropriada para o navio de guerra selecionado para o estudo. A utilização de motores de combustão interna com baterias integradas, bem como o uso de biometanol como combustível, são opções que alcançaram um bom posicionamento no ranking e devem ser consideradas.

Defesa Mestrado Profissional [26/08/2024 – 8h] Implementação de Tecnologia ERP na Logística 4.0: Uma Pesquisa-Ação na Indústria Offshore

ISRAEL PAULISTA BRANDAO

Data: 26/08/2024, 8h

Sala Zoom: https://puc-rio.zoom.us/j/96348285768?pwd=Nx0pc1QHqI8wMeAT3UOnEyJePS6b0Y.1

Título: Implementação de Tecnologia ERP na Logística 4.0: Uma Pesquisa-Ação na Indústria Offshore

Orientadores: Rodrigo Goyannes Gusmão Caiado  | PUC-Rio &  Renan Silva Santos  | PUC-Rio

Resumo:

A indústria offshore está imersa na quarta revolução industrial, o que implica novos desafios da digitalização e a transformação digital para a cadeia de suprimentos. Nesse cenário, destaca-se a importância da implementação e uso de sistemas ERP na logística da cadeia de suprimentos, no contexto da Indústria 4.0 (I4.0). A motivação da pesquisa é avaliar o impacto da I4.0, sobretudo em termos de custos e da transformação digital em cadeia de suprimentos. E os desafios a serem superados, especialmente em relação à segurança da informação. O estudo ressalta a tecnologia como um fator diferencial competitivo e evidencia a I4.0 como uma realidade em nações avançadas. Explora-se a Internet das Coisas (IoT) como um componente crucial para o controle operacional na Gestão da Cadeia de Suprimentos (SCM). Emprega-se uma metodologia multimétodos em um estudo empírico na logística 4.0, com foco na implementação do planejamento de recursos empresariais (ERP) e IoT em uma grande empresa de petróleo e gás. Os resultados indicam uma evolução em relação aos sistemas mais antigos na maior visibilidade e controle, otimização avançadas e roteirização dos transportes, evolução das integrações e colaboração e suporte as decisões estratégicas e nos custos logísticos. As implicações práticas ressaltam os potenciais benefícios da implementação bem-sucedida da I4.0 na cadeia de suprimentos no contexto da logística 4.0, Indústria 4.0, Implementação de ERP, Transformação Digital e IoT.

Defesa Mestrado Profissional [22/08/2024 – 15h] Otimização do Dimensionamento de Frota Alugada para Distribuição Urbana em uma Empresa do Setor Alimentício

ANA RAQUEL FERNANDES

Data: 22/08/2024, 15h

Sala Zoom: PRESENCIAL NA SALA 950L

Título: Otimização Do Dimensionamento De Frota Alugada Para Distribuição Urbana Em Uma Empresa Do Setor Alimentício

Orientadores: Rafael Martinelli | PUC-Rio &  Igor Tona Peres  | PUC-Rio

Resumo:

O transporte de carga é processo fundamental das empresas e garante a continuidade da cadeia de suprimentos, porém é também a maior fonte de custos, representando cerca de 60% dos custos logísticos. Dada essa representatividade, ineficiências do modal rodoviário e busca por redução de emissões, a pressão por aumento de eficiência e redução de custos é constante nas empresas brasileiras. Em empresas de alimentos, há também a necessidade do controle de lead-times e nível de serviço a fim de não comprometer a qualidade do produto. Desta forma, esse trabalho busca contribuir para redução de custos de frete por meio de otimização do dimensionamento de frota para distribuição de produto acabado, mesclando entre frota alugada e terceira, considerando diferentes perfis, custos e eficiências. Para isso, um estudo de caso foi realizado em uma empresa de alimentos, cuja fábrica localizada na cidade do Rio de Janeiro atende clientes localizados em todo o estado, os mesmos segregados por 6 regiões. A empresa em questão possui contrato de aluguel de veículos e de cessão de mão de obra, além de valor tabelado para frete terceiro. Utilizando o suplemento OpenSolver no MS Excel, foi criada uma ferramenta para otimização visando minimizar o custo, considerando a demanda semanal para cada região do estado, capacidade dos veículos, custos de aluguel, mão de obra e frota terceira. Foram analisados diferentes cenários, com restrições de perfis maiores na capital, e de disponibilidade geral de veículos contratados.

Defesa Mestrado [19/08/2024 – 14h] Modelos de Simulação Estocástica de Cenários de Velocidade do Vento Correlacionados com Incorporação de Variáveis Climáticas

RAFAEL ARAUJO COUTO

Data: 19/08/2024, 14h

Sala Zoom : https://puc-rio.zoom.us/my/paulamacaira?pwd=V2xvYmFlTUQ3MExtUHJ4L09KZnZ2UT09

Título: Modelos de Simulação Estocástica de Cenários de Velocidade do Vento Correlacionados com Incorporação de Variáveis Climáticas.

Orientadores: Paula Medina Maçaira Louro | PUC-Rio & Fernando Luiz Cyrino Oliveira | PUC-Rio

Resumo:

A energia eólica tem crescido de forma estável no Brasil nos últimos anos. Para impulsioná-la, é crucial considerar as mudanças climáticas, já que sua geração é altamente influenciada pelo clima. Por isso, é fundamental incorporar variáveis climáticas externas na modelagem das séries eólicas, contribuindo para reduzir as incertezas. Os Modelos Periódicos Autorregressivos com Variáveis Exógenas (PARX) representam uma abordagem viável para cumprir esse propósito, incluindo a variável exógena ENSO. No presente estudo, realizou-se a modelagem das séries de velocidade do vento nos estados do Rio Grande do Norte, Paraíba, Pernambuco, Alagoas, Sergipe, Rio Grande do Sul e Santa Catarina. Nesse sentido, foi considerada a covariância entre esses estados em cada região brasileira para avaliar a correlação espacial entre eles, criando a modelagem PARX-Cov. Além disso. a correlação entre os indicadores do fenômeno ENSO também foi considerada para viabilizar a previsão out-of-sample das variáveis climáticas, essa utilizada para a simulação de cenários de velocidade de vento. Ao comparar a modelagem do PARX e PARX-Cov, com o modelo vigente no setor elétrico brasileiro, observou-se um desempenho superior nos modelos propostos para previsão das séries de velocidade do vento. O modelo PARX-Cov com o índice ONI Acumulado é o mais adequado para Pernambuco, Rio Grande do Sul e Santa Catarina. O PARX-Cov com o índice SOI é mais apropriado para o Rio Grande do Norte. Para Alagoas e Sergipe, o PARX com o índice ONI Acumulado é o mais indicado, enquanto o PARX com Niño 4 Acumulado é melhor para a Paraíba.

Defesa Mestrado [13/08/2024 – 15:30h] SARIMAX.jl: Open-Source Time Series Modeling in Julia through Advanced OptimizationDefesa Mestrado [13/08/2024 – 15:30h]

LUIZ FERNANDO CUNHA DUARTE

Data: 13/08/2024, 15:30h

Sala Online: Link da videochamada: https://meet.google.com/wtv-zxxa-wok
Ou disque: ‪(BR) +55 11 4933-9172‬ PIN: ‪944 557 941‬#
Outros números de telefone: https://tel.meet/wtv-zxxa-wok?pin=5100619644374

Título:  SARIMAX.jl: Open-Source Time Series Modeling in Julia through Advanced Optimization

Orientadores: Davi Michel Valladão | PUC-Rio

Resumo:

This dissertation introduces SARIMAX.jl, a Julia package designed for time series estimation. The primary contribution of this work is the dissociation of model formulation from the estimation process, enabling the selection of the most appropriate estimation method for each specific situation. SARIMAX.jl employs advanced optimization techniques to enhance stability, robustness, and accuracy in modeling ARIMA processes. It offers flexibility by allowing users to incorporate regularization and switch objective functions. Through a comparative study, SARIMAX.jl demonstrates superior performance across various metrics, establishing it as a reliable open-source option for time series modeling. Additionally, this dissertation proposes a mixed-integer optimization approach for the specification and estimation of a specific subset of SARIMA models, known as autoregressive integrated (ARI) models. This approach guarantees global optimality in parameter estimation and the specification of the integration order and autoregressive part.