Previsão de descarregamento de caminhões de grãos suportada por modelagem preditiva baseada em técnicas de machine learning

• Processo: 24/16143-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2024
• Data de Término da vigência: 31 de outubro de 2025
• Área de conhecimento: Engenharias - Engenharia de Produção - Gerência de Produção
• Pesquisador responsável: Renan Favarão da Silva
• Beneficiário: Bruno Fernandez Tonso
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Descarregamento de caminhões | machine learning | planejamento operacional | terminal portuário | Planejamento de produção

Resumo

O crescimento na produção de grãos e, consequentemente, na exportação brasileira geram a necessidade de eficiência e produtividade da cadeia produtiva. Os terminais portuários são os pontos desse sistema de transporte onde ocorrem entrada e saída de cargas e veículos a fim da transferência entre modais de transporte. Assim, o processo de descarregamento de caminhões de grãos em terminais portuários de granel sólido representa uma das etapas mais críticas dessa cadeia logística. Nesse sentido, este trabalho tem por objetivo elaborar e avaliar modelos preditivos para previsão do tempo de descarregamento de caminhões de grãos em terminais portuário baseado em diferentes técnicas de aprendizado de máquina supervisionado. Com esse intuito pretende-se, inicialmente, fazer uma revisão da literatura no que concerne ao estado atual da previsão e planejamento de descarregamento de caminhões de grãos quanto às abordagens utilizadas, aplicações e lacunas. Na sequência, esse processo será modelado por meio de uma linguagem gráfica padronizada considerando o contexto operacional de um terminal portuário e modelos preditivos serão treinados, testados e avaliados para previsão do tempo de descarregamento caminhões de grãos. Por fim, pretende-se oferecer recomendações para a implementação do modelo preditivo de melhor desempenho no contexto operacional do terminal portuário.