Ecossistema Humanizado e Inteligente para uma Logística Otimizada e Sustentável

Os principais objetivos da solução incluem: o Desenvolvimento de plataforma cloud integrada com aplicação móvel e APIs A plataforma permitirá a aquisição, processamento e integração de dados em tempo real por meio de APIs e microserviços, proporcionando escalabilidade, interoperabilidade e flexibilidade, e a implementação de novas funcionalidades e comunicação bidirecional. Serão adotadas metodologias de Human-centric design, numa lógica de cocriação com os vários stakeholders envolvidos. o Microserviço de planeamento e otimização para apoio à decisão Este microserviço visa otimizar o planeamento de fluxos logísticos em fábricas, utilizando modelos avançados de IA para análise de dados em tempo real, com o objetivo de melhorar a alocação de recursos, otimizar rotas e prevenir problemas operacionais. A análise de grandes volumes de dados logísticos será realizada por algoritmos de ML, permitindo identificar padrões, comportamentos e otimizar fluxos. Serão desenvolvidos modelos de otimização baseados em abordagens exatas como a programação linear inteira mista ou abordagens estocásticas, serão desenvolvidos para otimizar rotas e escalonamento de operações. o Microserviço de Assistente Virtual Inteligente Otimização da interação entre motoristas, fábricas e agentes logísticos por meio de IA Conversacional e NLP. O objetivo será oferecer uma comunicação multimodal, com suporte em tempo real para apoio à tomada de decisões, garantindo respostas precisas e sugestões baseadas em dados históricos. A combinação destes modelos permite alavancar as capacidades avançadas de compreensão e geração de linguagem natural dos LLMs, que poderão obter informações relevantes de uma base de conhecimento, e assim fornecerem respostas precisas aos utilizadores. o Microserviço de visão computacional e rastreabilidade Solução integrada para detetar e rastrear objetos em tempo real, desde a pesagem até à expedição recorrendo a câmaras e sensores, e modelos avançados de IA para realizar tarefas como reconhecimento e tracking. Incluirá funcionalidades como scanner de volumetria e avaliação do correto posicionamento de carga, permitindo identificar variações de peso ou comportamentos de não conformidade. O microserviço incorporará técnicas de visão computacional, como redes neurais convolucionais para deteção e classificação de objetos em ambientes logísticos complexos, bem como algoritmos de segmentação semântica para delimitação precisa de padrões visuais. Algoritmos como YOLO serão utilizados para deteção de objetos em tempo real, assim como técnicas de reconhecimento ótico de caracteres. O sistema também integrará algoritmos de trigger e um mapa 2D associado aos casos de uso a testar (CJR e Cimpor). o Componente/ferramenta de Simulação e análise “What-If” Ferramenta avançada de simulação dos diferentes atores e agentes por forma a criar cenários what-if de operação e ações de modificação no ecossistema. Baseado em simulação por agentes e eventos discretos, permite avaliar o comportamento de diferentes atores no ecossistema logístico e o impacto de variáveis externas nos processos. O modelo considera hipóteses científicas, como análise de cenários “what-if” para prever mudanças no desempenho. Para além disso, a modelação de processos logísticos conta com variáveis dinâmicas e condições externas. A recolha de indicadores-chave, como eficiência de carga/descarga por UDT e métricas do Scope 3 será integrada para medir a sustentabilidade das operações.