APLICAÇÃO DE MACHINE LEARNING PARA PREVISÃO DE COLETA DE RESÍDUOS ELETRÔNICOS PARA LOGÍSTICA REVERSA

Vol 55, 2023 - 161139
Pôster
Favoritar este trabalho
Como citar esse trabalho?
Resumo

A logística reversa é amplamente reconhecida na academia como uma estratégia essencial para a gestão sustentável dos resíduos eletrônicos, garantindo sua coleta e destinação adequada. No entanto, a eficiência desse processo pode ser aprimorada por meio da aplicação de técnicas de Machine Learning (ML). Este estudo propõe o uso de algoritmos de ML para prever a quantidade de resíduos eletrônicos a serem gerados na região de São Paulo. Com base no modelo treinado, são feitas previsões futuras da quantidade de resíduos eletrônicos a serem coletados. Observa-se que os modelos de ML com melhor desempenho no processo de previsão são apresentados, sendo a técnica ARIMA a que obteve destaque, com um erro de 7%. Em resumo, o melhor modelo de ML selecionado permitiu a geração de previsões para a quantidade de resíduos eletrônicos. Para pesquisas futuras, sugere-se explorar mais a técnica, aproveitando as funções de ajuste disponíveis na biblioteca para otimizar os hiperparâmetros dos modelos.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 UNIFEI - Universidade Federal de Itajubá
  • 2 Universidade Federal de Itajubá
  • 3 Centro Universitário de Itajubá – FEPI
Eixo Temático
  • 12. L&T – Logística e Transportes
Palavras-chave
logística reversa; Machine Learning; Métodos de previsão