Uma plataforma inteligente para previsão de preços de fretes agrícolas usando técnicas de mineração de dados

• Processo: 18/19571-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de julho de 2019
• Data de Término da vigência: 30 de setembro de 2021
• Área do conhecimento: Ciências Sociais Aplicadas - Economia - Economias Agrária e dos Recursos Naturais
• Pesquisador responsável: Andréa Leda Ramos de Oliveira
• Beneficiário: Andréa Leda Ramos de Oliveira
• Instituição Sede: Faculdade de Engenharia Agrícola (FEAGRI). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Pesquisadores associados: Akebo Yamakami ; Anibal Tavares de Azevedo ; Carlos Eduardo Souza Moreira ; Karina Braga Marsola ; Marlon Fernandes de Souza ; Stanley Robson de Medeiros Oliveira
• Assunto(s): Grãos Logística Mineração de dados Transporte
• Palavra(s)-Chave do Pesquisador: data mining | Grãos | Logística | Modelos de Predição | Transporte | Logística

Resumo

O custo de escoamento das safras agrícolas é um dos principais entraves à competitividade do Brasil no cenário internacional. O sistema rodoviário é o principal modal utilizado para o transporte de cargas agrícolas; e muitas vezes, a única opção para movimentação desse tipo de produto. Esta dependência pode levar a crises de desabastecimento em momentos de paralisações e greves. O impacto financeiro com o transporte sentido pelos agentes econômicos que atuam nas cadeias agrícolas poderia ser reduzido com a implementação de um sistema de gestão de fretes. Uma alternativa promissora para lidar com esse desafio é o uso de técnicas de mineração de dados, que são capazes de extrair padrões e tendências em grandes volumes de dados, razão pela qual têm sido cada vez mais utilizadas para dar suporte à decisão de gestores de diversas áreas, em detrimento à intuição, e aos métodos baseados em experiência. Assim, o principal objetivo deste projeto é desenvolver e implementar um sistema inteligente para previsão de preço de fretes rodoviários para grãos agrícolas, que avalia a eficiência de algumas técnicas de mineração de dados, considerando diferentes classes de algoritmos de Aprendizado de Máquina, a saber: Redes Neurais Artificiais, Máquinas de Vetor de Suporte (Support Vector Machine), Árvore de Decisão e Florestas Aleatórias (Random Forest). A destacada participação do modal rodoviário ao longo do processo logístico de distribuição dos grãos faz com que a determinação dos custos de transporte relacionados a esta etapa seja uma importante ferramenta de gestão e tomada de decisão para os gestores do agronegócio. Num segundo momento, espera-se propor um periódico e contínuo refinamento dos modelos para que as previsões de fretes possam auxiliar na negociação de contratos com transportadores/operadores, no apoio ao estabelecimento de uma tabela de fretes mínimos para o setor rodoviário, bem como em decisões estratégicas como a localização de unidades armazenadoras/indústria processadora/terminais de transbordo. (AU)

Publicações científicas

(4)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ANDRÉA LEDA RAMOS DE OLIVEIRA; MONIQUE FILASSI; BRUNA FERNANDA RIBEIRO LOPES; KARINA BRAGA MARSOLA. Otimização das rotas logísticas de transporte da soja brasileira: uma aplicação da matriz origem-destino. Ciência Rural, v. 51, n. 2, 2020-12-11. (18/19571-1)

MONIQUE FILASSI; ANDRÉA LEDA RAMOS DE OLIVEIRA. Direcionadores de competitividade para exportação de soja e o papel fundamental da cadeia produtiva. Revista de Economia e Sociologia Rural, v. 60, n. 3, 2021-09-03. (18/19571-1)

ALCÍLIA MENA JOSÉ SITOE MACARRINGUE; ANDRÉA LEDA RAMOS DE OLIVEIRA; CARLOS TADEU DOS SANTOS DIAS; KARINA BRAGA MARSOLA. Multidimensionalidade do preço de frete rodoviário de grãos agrícolas: uma abordagem de um modelo de regressão linear múltipla por seleção de variáveis. Ciência Rural, v. 54, n. 4, 2023-10-30. (18/19571-1)

FILASSI, MONIQUE; RAMOS DE OLIVEIRA, ANDREA LEDA; ELIAS, ARUN ABRAHAM; MARSOLA, KARINA BRAGA. Analyzing complexities in the Brazilian soybean supply chain: a systems thinking and modeling approach. RAUSP Management Journal, v. 57, n. 3, p. 18-pg., 2022-01-01. (18/19571-1)