Previsão e Controle de Tempos das Entregas em Plataformas de Serviços com Inteligência Artificial

• Guilherme Barrado Pereira Universidade Presbiteriana Mackenzie
• Rogério de Oliveira Universidade Presbiteriana Mackenzie https://orcid.org/0000-0001-5352-4420

DOI: https://doi.org/10.5753/sbsi_estendido.2024.238542

Resumo

Plataformas de serviços de entrega, ou plataformas de delivery, desempenham um papel cada vez mais importante no consumo de diferentes produtos e serviços. Este trabalho emprega dados de uma plataforma de venda e distribuição de gás de cozinha a consumidores finais para construir um modelo de aprendizado de máquina de previsão de tempos das entregas para uso na gestão dos serviços. Diferentes modelos de aprendizado de máquina são aplicados e comparados, e a análise permite identificar os principais ofensores para um melhor controle dos tempos de entrega e a tomada de decisões de negócio na operação da plataforma. O modelo final utiliza o algoritmo Extremely Randomized Trees e tem mais acurácia que o método empregado atualmente pela empresa.

Palavras-chave: aprendizado de máquina, tomada de decisões, previsão, serviços de entrega, delivery

Referências

Almaghrebi, A., Aljuheshi, F., Rafaie, M., James, K. e Alahmad, M. (2020) “Data-Driven Charging Demand Prediction at Public Charging Stations Using Supervised Machine Learning Regression Methods”, Energies, vol. 13, no. 16. DOI: 10.3390/en13164231. Acesso em 12/11/2023.

Boulic, R. and Renault, O. (1991) “3D Hierarchies for Animation”, In: New Trends in Animation and Visualization, Edited by Nadia Magnenat-Thalmann and Daniel Thalmann, John Wiley & Sons ltd., England.

Bughin, J., Seong, J., Manyika, J., Chui, M. e Joshi, R. (2018), “Notes from the AI Frontier Modeling the Impact of AI On The World Economy”, McKinsey Global Institute

Geurts, P., Ernst, D., Wehenkel, L. (2006), “Extremely Randomized Trees”. Machine Learning. 63. 3-42. 10.1007/s10994-006-6226-1

GLP – Gás Liquefeito de Petróleo, Consigaz, 2023. Disponível em: [link]. Aceso em 10/11/2023.

Hartshorn, S. (2016), “Machine Learning With Random Forests And Decision Trees”.

Henke, N., Bughin, J., Chui, M., Manyika, J., Saleh, T., Wiseman, B. e Sethupathy, G. (2016), “The Age Of Analytics: Competing In A Data-Driven World”, McKinsey Global Institute.

Joshi, N., Hotalappa, M. e Gadade, K. (2017) “A Study on Travel Time Estimation for Taxi Trips”, International Education & Research Journal (IERJ), vol. 3. Disponível em: [link]. Acesso em 09/11/2023.

Kuhn, M. e Johnson, K. (2018) “Applied Predictive Modeling”, Springer, 2a. edição.

Lam, H. T., Diaz-Aviles, E., Pascale, A., Gkoufas, Y. e Chen, B. (2015) “Taxi Destination and Trip Time Prediction from Partial Trajectories”, arXiv. Disponível em: [link]. Acesso em 09/11/2023.

Li, C., Mirosa, M., & Bremer, P. (2020). Review of online food delivery platforms and their impacts on sustainability. Sustainability, 12(14), 5528.

Ludermir, T. (2021) “Inteligência Artificial e Aprendizado de Máquina: estado atual e tendências”. Disponível em: DOI: 10.1590/s0103-4014.2021.35101.007. Acesso em 18/11/2023.

“Machine Learning”, IBM Cloud Education, 2020. Disponível em: [link]. Acesso em 09/11/2023.

Marr, B. (2016) “A Short History of Machine Learning Every Manager Should Read”, Forbes. Disponível em [link]. Acesso em: 18/11/2023.

Moreira, J. M., Jorge, A., Sousa, J. F. e Soares, C. (2005) “Trip Time Prediction In Mass Transit Companies. A Machine Learning Approach”, Advanced OR and AI methods in transportation. Disponível em: [link]. Acesso em 09/11/2023.

Nasteski, V. (2017) “An overview of the supervised machine learning methods”. Disponível em: [link]. Acesso em 10/11/2023.

Oluyisola, O. E., Sgarbossa, F. e Strandhagen, J. O. (2020) “Smart Production Planning and Control: Concept, Use-Cases and Sustainability Implications”. DOI: 10.3390/su12093791. Acesso em 18/11/2023.

Rundo, F., Trenta, F., di Stallo, A. L. e Battiato, S. (2019) “Machine Learning for Quantitative Finance Applications: A Survey”. Disponível em: DOI: 10.3390/app9245574. Acesso em 02/11/2023.

Salian, I. (2018) “SuperVize Me: What’s the Difference Between Supervised, Unsupervised, Semi-Supervised and Reinforcement Learning?”, NVIDIA Blog. Disponível em: [link]. Acesso em 10/11/2023.

Seijo-Pardo, B., Bolón-Canedo, V., Porto-Díaz, I. e Alonso-Betanzos, A. (2015) “Ensemble Feature Selection for Rankings of Features”. Disponível em [link]. Acesso em: 18/11/2023.

Servos, N., Liu, X., Teucke, M. e Freitag, M. (2020) “Travel Time Prediction in a Multimodal Freight Transport Relation Using Machine Learning Algorithms”, Logistics 2020. Disponível em: DOI: 10.3390/logistics4010001. Acesso em 08/11/2023.

Shankar, A., Jebarajakirthy, C., Nayal, P., Maseeh, H. I., Kumar, A., & Sivapalan, A. (2022). Online food delivery: A systematic synthesis of literature and a framework development. International Journal of Hospitality Management, 104, 103240.