Cada rua tem um preço as quantidades e as qualidades do espaço urbano na reconstrução de Lisboa no século XVIII

Fundação para a Ciência e a Tecnologia (FCT), Fundação Millennium bcp

Contributos para o dimensionamento de um armazém: caso de estudo na Nutriceal Foods

Atualmente, as exigências de um mercado cada vez mais consumista obrigam as empresas a melhorar o seu desempenho global de modo a conseguirem corresponder a todas as expetativas e necessidades impostas pelos clientes. É da responsabilidade das empresas, de modo a tornarem-se mais competitivas, aumentar a eficiência e eficácia da cadeia de abastecimento em que estão inseridas. A logística representa custos elevados para as empresas, nomeadamente na sua atividade de armazenagem, o que implica um maior controlo por parte dos gestores de modo a torná-la mais eficiente, representando, assim, vantagens competitivas face à concorrência. Esta dissertação visa o cálculo dos custos necessários para a abertura de um armazém externo aos terrenos da fábrica para a empresa Nutriceal Foods e o desenvolvimento de propostas de melhoria relativamente ao processo de gestão aplicado no atual armazém sub-contratado a uma empresa externa. Em primeiro lugar, foram analisados os custos da Nutriceal Foods associados à sub-contratação do armazém externo, nomeadamente os custos com a movimentação das mercadorias, transporte e armazenagem. Em seguida foram desenvolvidas duas propostas de melhoria que visam a abertura de um armazém externo, tendo sido dimensionada a área de armazenagem pretendida face à previsão do volume de paletes a armazenar em 2015, e definido um layout para cada uma das propostas alternativas. A proposta 1 reduz os custos em relação ao armazém sub-contratado em 37,5%, enquanto que a proposta 2 reduz os custos em 39,4%. De entre as propostas analisadas foi selecionada a proposta 1, por corresponder aos parâmetros pré-definidos pela empresa de minimização dos custos globais do armazém, visando o seu aluguer. Por fim, são sugeridas propostas de trabalho futuro, visando a melhoria da gestão do armazém selecionado.

From user browsing behaviour to user demographics

A Internet conta hoje com mais de 3 mil milhões de utilizadores e esse valor não para de aumentar. Desta forma, proporcionar uma experiência online agradável aos seus utilizadores é cada vez mais importante para as empresas. De modo a tirar partido dos benefícios deste crescimento, as empresas devem ser capazes de identificar os seus clientes-alvo dentro do total de utilizadores; e, subsequentemente, personalizar a sua experiência online. Existem diversas formas de estudar o comportamento online dos utilizadores; no entanto, estas não são ideais e existe uma ampla margem para melhoria. A inovação nesta área pode comportar um grande potencial comercial e até ser disruptiva. Com isto em mente, proponho-me a estudar a possível criacão de um sistema de aprendizagem automática (machine learning) que permita prever informa ações demográficas dos utilizadores estritamente com base no seu comportamento online. Tal sistema poderia constituir uma alternativa às atuais opções, que são mais invasivas; mitigando assim preocupações ao nível da proteção de dados pessoais. No primeiro capítulo (Introdução) explico a motivação para o estudo do comportamento dos utilizadores online por parte de empresas, e descrevo as opções disponíveis atualmente. Apresento também a minha proposta e o contexto em que assenta. O capítulo termina com a identicação de limitações que possam existir a priori. O segundo capítulo (Machine Learning) fornece uma introdução sobre machine learning, com o estudo dos algoritmos que vão ser utilizados e explicando como analisar os resultados. O terceiro capítulo (Implementação) explica a implementação do sistema proposto e descreve o sistema que desenvolvi no decorrer deste estudo, e como integra-lo em sistemas já existentes. No quarto capítulo (Análise e manipulação dos dados), mostro os dados compilados e explico como os recolhi e manipulei para testar a hipótese. No quinto capítulo (Análise de dados e discussão) vemos como e que os dados recolhidos foram usados pelos vários algoritmos para descobrir como se correlacionam com dados dos utilizadores e analiso e discuto os resultados observados. Por fim, o sexto e último capítulo apresenta as conclusões. Dependendo dos resultados, mostro como a hipótese poderia ser melhor testada, ou então discuto os próximos passos para tornar o sistema realidade.