Resumo

       É de crítica importância a previsão antecipada do consumo de cimento para a indústria produtora e sociedade em geral. Uma previsão assertiva dessa informação beneficiaria diretamente as estratégias de produção, logística, minimização de desperdícios e redução de poluição em todo processo. A precisão dessas previsões, realizadas com um ano de antecedência, baseadas em informações do passado, desempenha um papel vital na orientação das decisões futuras. Neste trabalho, explorou-se a previsão do consumo de cimento por meio de análise de séries temporais e modelos de aprendizado de máquina respeitando praticas benéficas como regularização entre outras para evitar um modelos que sofressem de sobreajuste. Utilizaram-se métodos de pré-processamento de dados, como interpolação, transformações e média móvel conjuntamente com a inclusão de novos dados, pertinentes ao domínio do problema, para obter uma melhoria progressiva da assertividade da previsão dos modelos. Observou-se, desta forma, uma redução consistente nos erros e uma maior precisão à medida que novos processamentos e tipos de dados foram introduzidos.