Busca avançada
Ano de início
Entree

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

Processo: 18/19571-1
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de julho de 2019 - 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
Pesq. 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 

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
(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. Logistical transportation routes optimization for Brazilian soybean: an application of the origin-destination matrix. Ciência Rural, v. 51, n. 2, p. -, 2021. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.