MODELO DE PREVISÃO DE DEMANDA PARA ATMS UTILIZANDO REDE NEURAL ARTIFICIAL DO TIPO MULTLAYER PERCEPTRON

Colloquium Exactarum

Endereço:
Rod. Raposo Tavares, Km 572
Presidente Prudente / SP
19067175
Site: http://journal.unoeste.br/index.php/ce
Telefone: (18) 3229-2079
ISSN: 21788332
Editor Chefe: Robson Augusto Siscoutto e Ana Paula Marques Ramos
Início Publicação: 30/11/2009
Periodicidade: Semestral
Área de Estudo: Ciências Exatas, Área de Estudo: Engenharias

MODELO DE PREVISÃO DE DEMANDA PARA ATMS UTILIZANDO REDE NEURAL ARTIFICIAL DO TIPO MULTLAYER PERCEPTRON

Ano: 2020 | Volume: 12 | Número: 4
Autores: Marcos Vieira da Silva, Ana Carolina Nicolosi da Rocha Gracioso
Autor Correspondente: Marcos Vieira da Silva | [email protected]

Palavras-chave: Redes Neurais Artificias; Multilayer Perceptron; Reposição de Numerários de ATMs; Previsão de Reabastecimento de ATMs

Resumos Cadastrados

Resumo Português:

A previsão de reposição de numerários para Automated Teller Machine(ATM) -caixa eletrônico para autoatendimento bancário -fornece a uma rede bancária otimização e maior eficiência em todo processo de reabastecimento de valores em ATMs, por consequência propiciando segurança, redução de custos e equilíbrio em relação às sazonalidades. Objetivo deste trabalho foi elaborar uma Rede Neural Artificial (RNA) para estimar os valores diários de saques considerando também outras variáveis que pudessem influenciarna sazonalidade dessas movimentações. A Rede Neural Artificial, do tipo FeedForward Multilayer Perceptron(MLP), foi treinada tomando-se por referência dados de movimentação de ATMs de diferentes pontos de localização. Nas camadas intermediárias e de saída foram utilizadas funções de ativação do tipo relu-adam. Assim, o desempenho da RNA desenvolvida se mostrou satisfatório, podendo ser considerada como modelo para implementação de uso efetivo na operação de reposição de numerários de caixas eletrônicos deautoatendimento em redes bancárias ou de pontos compartilhados de autoatendimento.



Resumo Inglês:

The projections of replacement of cash for Automated Teller Machine (ATM) ATM for bank self-service provides to a banking network optimization and greater efficiency in all process of replacement of values in ATMs, as a result providing security, cost reduction, and balance in relation to seasonality. The aim of this work was to develop an Artificial Neural Network (ANN) to estimate the daily withdrawal values, also considering other variables that could influence the seasonality of these movements. The Artificial Neural Network, of the FeedForward Multilayer Perceptron (MLP) type, was trained based on ATM movement data from different location points. In the intermediate and output layers, activation functions of the relu-adam type were used. Thus, the performance of the developed ANN proved to be satisfactory, and it can be considered as a model for the implementation of effective use in the operation of cash replacement in ATMs of the bank networks or in shared ATMs.