Use este identificador para citar ou linkar para este item: https://ric.cps.sp.gov.br/handle/123456789/21527
Título: Otimização de rotas e frotas com inteligência artificial na logística: avanços, desafios e perspectivas futuras
Autor(es): LOPES, Carine Almeida
VEIGA, Kaio Henrique
PEREIRA, Raissa Soares dos Santos
Orientador(es): SACILOTTI, Adaní Cusin
Tipo documental: Artigo científico
Palavras-chave: Logística;Inteligência artificial;Inovação
Data do documento: 27-Jun-2024
Editor: 114
Referência Bibliográfica: LOPES, Carine Almeida; VEIGA, Kaio Henrique; PEREIRA, Raissa Soares dos Santos. Otimização de rotas e frotas com inteligência artificial na logística: avanços, desafios e perspectivas futuras. 2024. (Curso Superior de Tecnologia em Gestão da Tecnologia da Informação) - Faculdade de Tecnologia Deputado Ary Fossen, Jundiaí, 2024.
Resumo: O avanço tecnológico em constante crescimento está remodelando o mundo, apresentando tanto novas oportunidades quanto desafios significativos para o mercado nacional e internacional. Esse impacto é especialmente perceptível no setor logístico, onde a evolução tecnológica tem sido rápida, especialmente no contexto das entregas. A necessidade premente de aprimoramento dos processos e a tomada de decisões ágeis impulsionaram a Inteligência Artificial (IA) a emergir como um aliado crucial nesse cenário. Este artigo investiga o papel cada vez mais relevante da IA na otimização de rotas e frotas na indústria logística, explorando áreas como Machine Learning, Redes Neurais Artificiais, Algoritmos Genéticos e Swarm Intelligence. Por meio do Machine Learning, os sistemas podem se adaptar dinamicamente às condições em constante mudança, enquanto as Redes Neurais Artificiais identificam padrões complexos e os Algoritmos Genéticos buscam soluções ótimas. A Swarm Intelligence, por sua vez, aproveita o comportamento coletivo para resolver problemas de roteamento. Ao integrar essas técnicas avançadas, as empresas logísticas podem melhorar a eficiência, reduzir custos e mitigar impactos ambientais, impulsionando a inovação e possibilitando entregas mais rápidas, precisas e sustentáveis em escala global. Essa abordagem multidisciplinar não apenas promove a competitividade do setor, mas também contribui para a construção de um futuro logístico mais eficiente e responsável, alinhado com as demandas crescentes da sociedade e do meio ambiente.
Constantly growing technological advancement is reshaping the world, presenting both new opportunities and significant challenges for the national and international market. This impact is especially noticeable in the logistics sector, where technological evolution has been rapid, especially in the context of deliveries. The pressing need to improve processes and make agile decisions has driven Artificial Intelligence (AI) to emerge as a crucial ally in this scenario. This article investigates the increasingly relevant role of AI in optimizing routes and fleets in the logistics industry, exploring areas such as Machine Learning, Artificial Neural Networks, Genetic Algorithms and Swarm Intelligence. Through Machine Learning, systems can dynamically adapt to changing conditions, while Artificial Neural Networks identify complex patterns and Genetic Algorithms seek optimal solutions. Swarm Intelligence, in turn, leverages collective behavior to solve routing problems. By integrating these advanced techniques, logistics companies can improve efficiency, reduce costs and mitigate environmental impacts, driving innovation and enabling faster, more accurate and sustainable deliveries on a global scale. This multidisciplinary approach not only promotes the sector's competitiveness, but also contributes to the construction of a more efficient and responsible logistics future, aligned with the growing demands of society and the environment.
Descrição: Trabalho apresentado no XV FATECLOG
URI: https://ric.cps.sp.gov.br/handle/123456789/21527
Aparece nas coleções:Trabalhos de conclusão de curso



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.