Modelos de otimização sob incerteza e algoritmos de Inteligência Artificial para o Planejamento e Coordenação da Agroindústria do Tomate para Processamento

• Processo: 23/04285-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de novembro de 2023
• Data de Término da vigência: 31 de outubro de 2025
• Área do conhecimento: Engenharias - Engenharia de Produção - Pesquisa Operacional
• Pesquisador responsável: Cleber Damião Rocco
• Beneficiário: Cleber Damião Rocco
• Instituição Sede: Faculdade de Ciências Aplicadas (FCA). Universidade Estadual de Campinas (UNICAMP). Limeira , SP, Brasil
• Assunto(s): Inteligência artificial Aprendizado computacional Otimização robusta
• Palavra(s)-Chave do Pesquisador: gestão agroindustrial | Inteligência Artificial | machine learning | Otimização robusta | tomate para processamento | gestão agroindustrial

Resumo

Este projeto de pesquisa tem o objetivo de desenvolver um Sistema de Apoio Inteligente à tomada de decisão para melhorar o planejamento e a coordenação das atividades táticas e estratégicas na agroindústria de processamento de tomates por meio da integração de abordagens analíticas da Pesquisa Operacional (PO) e algoritmos de Inteligência Artificial (IA). Pretende-se usar programação matemática e otimização robusta para modelar as operações agrícolas (plantio, colheita, transporte etc.) e industriais (seleção de processos, definição da produção, estoques etc.) e utilizar algoritmos de machine learning para realizar previsões de produtividade agrícola da cultura e parâmetros de rendimento industrial, uma vez que atualmente são muito difíceis de serem estimadas devido principalmente às incertezas climáticas, além desse sistema agroindustrial demonstrar imprecisões nas decisões logísticas, como por exemplo na definição da demanda de produtos finais aos consumidores e de polpas concentradas para as agroindústrias menores, além de frequente indeterminação da disponibilidade de área para plantio devido à concorrência com outras culturas, como o milho etc. Essas duas abordagens analíticas (PO e IA) serão acopladas para formar um sistema único que poderá delinear todo o planejamento tático e estratégico de empresas desse setor, considerando também aspectos de sustentabilidade ambiental (água e emissão/sequestro de CO2 sob condições de incerteza. As ferramentas desenvolvidas na pesquisa poderão contribuir tanto na prática real das empresas quanto no conhecimento científico da área de gestão agroindustrial moderna. (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)

DONIZETTE, ANDRE CINTAS; ROCCO, CLEBER DAMIAO; DE QUEIROZ, THIAGO ALVES. Predicting leishmaniasis outbreaks in Brazil using machine learning models based on disease surveillance and meteorological data. OPERATIONS RESEARCH FOR HEALTH CARE, v. 44, p. 16-pg., 2024-11-27. (23/04285-1)