Problema de entrega na última milha
Descrição da Oportunidade
O plano de trabalho para o projeto AI-Oriented Optimization for Sustainable Deliverys on the Last Mile (AIO-TacitR) está estruturado em torno do avanço de soluções para o Problema de Roteamento de Veículos (VRP), alavancando a Inteligência Artificial, a Aprendizagem Automática e a IA Generativa para melhorar a sustentabilidade e a adaptabilidade em tempo real na logística urbana. O projeto começa com atividades fundamentais, como a revisão bibliográfica, a recolha de dados e o pré-processamento para construir uma base de conhecimento robusta. Em seguida, avança para o desenvolvimento e refinamento de modelos de IA que integram as características da zona, as condições de tráfego, o clima e o feedback dos condutores. Estes modelos visam não só reduzir os tempos de entrega e os custos operacionais, mas também minimizar os impactos ambientais, alinhando com as metas de sustentabilidade. O plano enfatiza o desenvolvimento iterativo, incorporando ciclos de feedback de testes e análises ambientais para melhorar continuamente o desempenho. Ao longo do cronograma de três anos, o projeto segue uma abordagem faseada: o Ano 1 centra-se no trabalho de base — investigação, preparação de dados e protótipos iniciais do modelo de IA. O Ano 2 enfatiza o refinamento, os testes de protótipos e as avaliações detalhadas de impacto ambiental, enquanto o Ano 3 prioriza a integração dos sistemas de IA nas operações logísticas dos parceiros, o design da experiência do utilizador, a validação e a disseminação em larga escala dos resultados. As atividades transversais, como a gestão de projetos, o envolvimento dos stakeholders e os relatórios de sustentabilidade, garantem o alinhamento dos resultados da investigação com as necessidades da indústria e os objetivos da sociedade. O plano estruturado procura, em última análise, preencher a lacuna entre os modelos teóricos de otimização e os desafios de entrega do mundo real, estabelecendo uma base para soluções logísticas mais sustentáveis, eficientes e socialmente responsáveis.
Habilitações Académicas
PhD em Engenharia de transportes
Requisitos Mínimos
Experiência nas seguintes competências:- Programação em Python e C++- Experiência em projetos de entrega de última milha- Sólida base em aprendizagem automática, aprendizagem profunda, aprendizagem por reforço e técnicas de otimização- Sólidas competências em aquisição de dados, pré-processamento e engenharia de recursos- Experiência em Ciência de Dados e Engenharia de Dados- Experiência no desenvolvimento de múltiplas aplicações webFluente em português e inglês.
Fatores de Preferência
Capacidade de liderar subtarefas, orientar membros juniores da equipa (por exemplo, estudantes de mestrado) e coordenar a colaboração interdisciplinar. Sólidas competências de comunicação escrita e verbal em inglês, permitindo contribuições para relatórios de projetos, documentação de sustentabilidade e atividades de divulgação. Motivação para contribuir não só para os avanços técnicos, mas também para os impactos políticos, sociais e de sustentabilidade, ligando a investigação e a prática.
Período de candidatura
Desde 16 Oct 2025 a 29 Oct 2025
Centro
Engenharia e Gestão Industrial