Anais do Simpósio de Engenharia Ferroviária
Anais do V Simpósio de Engenharia Ferroviária

Nas operações em ferrovias de carga, a previsibilidade a nível operacional contribui positivamente para o atingimento dos objetivos de negócio, pois visa garantir uma rápida tomada de decisão a curto prazo e uma melhor performance dos indicadores do processo. É nesse sentido que técnicas de aprendizagem de máquina vêm ganhando espaço dentro das ferrovias, pois são soluções robustas capazes de projetar cenários futuros dentro de suas operações. Um dos principais indicadores de performance, a nível operacional nas ferrovias, é o tempo de permanência de vagões dentro dos terminais de carregamento, e a previsão desta parcela de tempo pode ser obtida com algoritmos de aprendizagem de máquina de regressão. Dessa forma, o objetivo deste artigo é apresentar um algoritmo de regressão utilizado na previsão do tempo de permanência de vagões em um terminal de carregamento de minério de ferro, utilizando-se da metodologia CRISP-DM (Cross Industry Standard Process for Data Mining). O modelo processou um banco de dados contendo mais de dois milhões de registos de carregamento de vagões neste terminal, que foram utilizados para treinamento e validação do algoritmo, obtendo-se um MAPE (Mean Absolute Percentage Error) de 18,7%. O modelo mostrou-se factível dentro do contexto abordado, servindo para monitoramento e controle desse indicador no terminal estudado.