UM ESTUDO SOBRE PREVISÃO DA DEMANDA DE ENCOMENDAS UTILIZANDO UMA REDE NEURAL ARTIFICIAL
Notice bibliographique
Résumé
Nas últimas décadas, o Brasil passou por diversas transformações, passando de uma economia fechada para uma economia de mercado.Ao transporte, tratamento e distribuição de encomendas restaram acompanhar essas tendências.Em razão disso, o serviço de entrega de encomendas tornou-se altamente complexo e competitivo.Nesse contexto, a previsão da demanda de encomendas surge como diferencial, levando produtividade estruturada e alto nível de serviço ao cliente.O objetivo do artigo é prever a demanda diária de encomendas em um Centro de Tratamento de Encomendas (CTE), durante quinze dias, utilizando Redes Neurais Artificiais (RNAs).A síntese metodológica do artigo consiste no desenvolvimento de uma Rede Neural Artificial do tipo Multilayer Perceptron (MLP), treinada através do algoritmo de error back-propagation.Os dados para a realização dos experimentos foram coletados durante 60 dias úteis, 45 dias para treinamento e 15 dias para teste.Os resultados obtidos com a utilização das RNAs na previsão da demanda de encomendas apresentaram boa aderência aos dados experimentais nas fases de treinamento e teste.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».