Title

Analisador de carteira de produção: Agrupamento de períodos, explicação de drivers e estimativa de cenários

Production portfolio Analyzer: Period clustering, driver explanation, and Scenario estimation

Authorship

RAMOS, MATHEUS VITOR FERREIRA; MORAIS, LEONARDO FARIA DE; MENDONÇA, MATHEUS DE OLIVEIRA; SILVA, GUSTAVO RODRIGUES LACERDA E; VIEIRA, DOUGLAS ALEXANDRE GOMES

RAMOS, MATHEUS VITOR FERREIRA

I am this author

MORAIS, LEONARDO FARIA DE

I am this author

MENDONÇA, MATHEUS DE OLIVEIRA

I am this author

SILVA, GUSTAVO RODRIGUES LACERDA E

I am this author

VIEIRA, DOUGLAS ALEXANDRE GOMES

I am this author

DOI

10.5151/2594-360X-44239

Downloads

Abstract

No presente trabalho apresentamos o Analisador de Carteira, uma ferramenta que permite explorar diversos formatos de carteiras produtivas de maneira rápida. Nossa ferramenta foca em três áreas principais. A primeira é a visualização dos dados brutos, para isso usamos diferentes gráficos como Pareto (evidenciando as concentrações da produção em determinadas categorias), dispersão dos dados, evolução temporal dos dados e barras comparativas de planejamento e realizado ao longo do tempo. A segunda abordagem é o agrupamento de meses segundo as suas similaridades e então é calculado o ganho potencial dentro de cada agrupamento. Na terceira abordagem treinamos um modelo de Random Forest e usamos a técnica SHAP para estimar qual o impacto dos drivers na produção do mês selecionado. E também graças a esse modelo treinado podemos estimar a produção de um mês hipotético. Essa ferramenta permite estimar possíveis ganhos de produção com mais precisão e também identificar padrões de produção com mais facilidade permitindo um planejamento mais personalizado para meses específicos.

In this paper, we present the Portfolio Analyzer, a tool that allows for the rapid exploration of various production portfolio formats. Our tool focuses on three main areas. The first is raw data visualization, for which we use different charts such as Pareto (highlighting production concentrations in specific categories), scatter plots, time series evolution, and comparative bar charts of planned versus actual results over time. The second approach is the clustering of months according to their similarities, followed by the calculation of the potential gain within each cluster. In the third approach, we train a Random Forest model and use the SHAP technique to estimate the impact of drivers on the selected month's production. Additionally, through this trained model, we can estimate the production for a hypothetical month. This tool allows for a more precise estimation of potential production gains and easier identification of production patterns, enabling more customized planning for specific months.

Keywords

Análise de carteira de produção, Clusterização composicional, Estimativa de cenários, Random Forest, SHAP

Production portfolio analysis, Compositional clustering, Scenario estimation, Random Forest, SHAP