Previsão e controle de tempos das entregas em plataformas de serviços com inteligência artificial
Carregando...
Tipo
TCC
Data de publicação
2023-12-10
Periódico
Citações (Scopus)
Autores
Pereira , Guilherme Barrado
Orientador
Oliveira, Rogério de
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
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.
Delivery service platforms, or delivery platforms, play an increasingly pivotal role in the consumption of various products and services. This study utilizes data from a marketplace for the sale and distribution of household cooking gas to end consumers, aiming to build a machine learning model for predicting delivery times and enhancing data management. Different machine learning models are applied and compared, and the analysis allows the identification of the main offenders affecting delivery times for better control and informed business decision-making within the platform's operation. The final model uses the Extremely Randomized Trees algorithm and is more accurate than the method currently used by the company.
Delivery service platforms, or delivery platforms, play an increasingly pivotal role in the consumption of various products and services. This study utilizes data from a marketplace for the sale and distribution of household cooking gas to end consumers, aiming to build a machine learning model for predicting delivery times and enhancing data management. Different machine learning models are applied and compared, and the analysis allows the identification of the main offenders affecting delivery times for better control and informed business decision-making within the platform's operation. The final model uses the Extremely Randomized Trees algorithm and is more accurate than the method currently used by the company.
Descrição
Indicado para publicação.
Palavras-chave
aprendizado de máquina , tomada de decisões , previsão , serviços de entrega , delivery , machine learning , decision-making , prediction , marketplace , delivery