Resumo O objetivo desse trabalho é fazer a análise climática, utilizando modelos de redes neurais artificiais, como auxílio no processo de tomada de decisão no plantio de alguns tipos de produtos agrícolas. Um banco de dados com os principais elementos do clima foi construído a partir do site do INMET (Instituto Nacional de Meteorologia) e desses elementos foram identificados, em um nível de significância de 0,05, os que mais influenciavam no valor da temperatura média. Modelos de Redes Neurais Artificiais foram criados e avaliados por meio do MAD (Mean Absolute Deviation), MSE (Mean Squared Error), RMSE (Root-Mean Squared Error) e MAPE (Mean Absolute Percentage Error), e finalmente, associou-se o valor da previsão com o melhor cultivo agrícola a ser aplicado. Foram elaboradas 12 redes neurais, oito são referentes à previsão da temperatura e as outras quatro à previsão da precipitação. As redes que demostraram melhor desempenho são as que consideram todos os elementos do clima. É possível concluir que as redes neurais demostraram um desempenho adequado na previsão de séries temporais caóticas, e consequentemente, tiveram o seu resultado associado com o melhor cultivo a ser aplicado para cada previsão. Um cronograma é apresentado no final, sugerindo a melhor época para plantar cada uma das culturas estudadas. Observa-se que para os próximos cinco anos, o cultivo mais adequado à faixa prevista é o da cenoura.

Abstract The aim of this study is to conduct climate forecasting with models of artificial neural networks as a tool in the decision-making process for the planting of some types of agricultural products. A database with the main climate elements was built from the National Institute of Meteorology (INMET), and those elements that influenced the average temperature value the most were found at a significance level of 0.05. Models of Artificial Neural Networks were developed and tested using Mean Absolute Deviation (MAD), Mean Squared Error (MSE), Root-Mean Squared Error (RMSE), and Mean Absolute Percentage Error (MAPE), before being linked to the best agricultural cultivation forecast value. Twelve neural networks were elaborated, eight of them are related to the temperature forecast and the other four are related to the precipitation forecast. The networks that showed the best performance are those that consider all the elements of climate. It is possible to conclude that the artificial neural networks showed an adequate performance in predicting chaotic time series, and that their results were therefore linked to the optimum cultivation to use for each forecast. A schedule is supplied at the end, indicating the ideal time to plant each of the crops evaluated. Carrot is found to be the best suited crop for the forecasted range over the next five years.

Resumo: O objetivo deste estudo é verificar quais aspectos associados à estrutura organizacional e à capacidade de prestação de serviços contribuem para o desempenho de fornecedores logísticos no contexto de relações B2B (business to business) com empresas cliente, configuradas em cadeias de suprimentos (CS). Uma amostra, incluindo 80 empresas fornecedoras de serviços logísticos no sul do Brasil, foi obtida através de uma survey num universo de empresas que desenvolvem atividades logísticas de armazenagem, controle de estoque, transporte, entregas programadas, operações portuárias e desembaraço aduaneiro. O questionário utilizado continha escalas múltiplas para representar as variáveis dos constructos relacionados à estrutura organizacional, capacidade dos serviços e desempenho. As respostas refletiram a percepção que os fornecedores de serviços logísticos tinham de suas atividades em relação ao seu principal cliente na cadeia de suprimentos. Utilizando análise estatística multivariada baseada em modelagem de equações estruturais, LV-PLS (Latent Variable – Partial Least Squares) com procedimento bootstrapping, verificou-se que o único atributo que provoca impacto sobre a obtenção de melhor desempenho do fornecedor de serviço logístico é a sua capacidade de cumprir técnica e operacionalmente o serviço contratado pelo cliente. A capacidade de fornecer serviços logísticos recebe influência positiva e significante tanto de uma estrutura organizacional dotada de autonomia quanto de formalização.

Abstract: This study aims to verify what aspects related with organizational structure and service capability contribute to the performance of logistics providers in the business-to-business (B2B) context with client companies in supply chains. A sample of 80 logistics provider companies of the South of Brazil was surveyed, from a universe of companies that develop logistics activities, such as warehousing and inventory control, transportation, scheduled deliveries, port operations and customs clearance. The survey instrument consists of multiple scales to represent the construct variables related to organizational structure, service capability, and business performance. The answers reflect the logistics providers’ perception of their work performance for the main customer in the supply chain. Resorting to multivariate statistical analysis based on structural equations modeling – LV-PLS (Latent Variable – Partial Least Squares) with bootstrapping, we found that the sole attribute that contributes for a better business performance of the logistics provider is its ability to meet, both technically and operationally, the service contracted by the customer. The ability to provide logistics service is positively and significantly influenced by an organizational structure endowed with both autonomy and organization.