Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity

Detalhes bibliográficos
Autor(a) principal: SANTOS, Italo Mathaus Chaves
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPE
dARK ID: ark:/64986/001300000kxvm
Texto Completo: https://repositorio.ufpe.br/handle/123456789/53233
Resumo: Nos últimos anos, eventos de escala global colocaram em risco variados modelos de negócios, obrigando-os a repensar suas estratégias e parcerias. Tal fragilidade pode ser enfrentada pela aplicação de metodologias capazes de predizer prováveis eventos disruptivos por meio da análise de dados. Esse trabalho visa a adoção de técnicas de aprendizado de máquina no campo do gerenciamento de risco da cadeia de suprimentos aplicados na cadeia da soja. O objetivo é auxiliar a indústria nacional na tomada de decisão, a fim de mitigar os riscos de abastecimento com o propósito de manter as operações dessa commodity. Foi implementado o modelo Isolation Forest, um algoritmo de aprendizado de máquina não supervisionado desenvolvido para detecção de anomalias. As fontes de dados são índices futuros da soja, ligados aos mercados dos Estados Unidos e da China. O estudo utilizou dois tipos de verificação, uma dedicada a investigar eventos capazes de alterar o preço da soja, a outra comparando implementações de diferentes bancos de dados. Os resultados obtidos se mostraram satisfatórios, uma vez que as anomalias detectadas pelo modelo possuíam possíveis correlações com acontecimentos relativos ao mercado da soja.
id UFPE_fe115809c2fd513d3296b63123014dfb
oai_identifier_str oai:repositorio.ufpe.br:123456789/53233
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling SANTOS, Italo Mathaus Chaveshttp://lattes.cnpq.br/0455460756413527http://lattes.cnpq.br/3781749044433557MAIOR, Caio Bezerra Souto2023-10-26T11:51:48Z2023-10-26T11:51:48Z2023-06-28SANTOS, Italo Mathaus Chaves. Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity. 2023. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Pernambuco, Caruaru, 2023.https://repositorio.ufpe.br/handle/123456789/53233ark:/64986/001300000kxvmNos últimos anos, eventos de escala global colocaram em risco variados modelos de negócios, obrigando-os a repensar suas estratégias e parcerias. Tal fragilidade pode ser enfrentada pela aplicação de metodologias capazes de predizer prováveis eventos disruptivos por meio da análise de dados. Esse trabalho visa a adoção de técnicas de aprendizado de máquina no campo do gerenciamento de risco da cadeia de suprimentos aplicados na cadeia da soja. O objetivo é auxiliar a indústria nacional na tomada de decisão, a fim de mitigar os riscos de abastecimento com o propósito de manter as operações dessa commodity. Foi implementado o modelo Isolation Forest, um algoritmo de aprendizado de máquina não supervisionado desenvolvido para detecção de anomalias. As fontes de dados são índices futuros da soja, ligados aos mercados dos Estados Unidos e da China. O estudo utilizou dois tipos de verificação, uma dedicada a investigar eventos capazes de alterar o preço da soja, a outra comparando implementações de diferentes bancos de dados. Os resultados obtidos se mostraram satisfatórios, uma vez que as anomalias detectadas pelo modelo possuíam possíveis correlações com acontecimentos relativos ao mercado da soja.CAPESIn recent years, events on a global scale have put various business models at risk, forcing them to rethink their strategies and partnerships. This fragility can be addressed by applying methodologies capable of predicting likely disruptive events through data analysis. This work aims to adopt machine learning techniques in the field of supply chain risk management applied to the soybean chain. The objective is to assist the national industry in decision-making, to mitigate supply risks to maintain operations for this commodity. The Isolation Forest model, an unsupervised machine learning algorithm developed for anomaly detection, was implemented. The data sources are soybean futures, indexes linked to the United States and China markets. The study used two types of verification, one dedicated to investigating events capable of changing the price of soybeans, the other comparing implementations of different databases. The results obtained were satisfactory, since the anomalies detected by the model had possible correlations with events related to the soybean market.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia de Producao / CAAUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessGerenciamento de riscoCadeia de suprimentosAprendizado de máquinasSoja – ComércioDetecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodityinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Italo Mathaus Chaves Santos.pdfDISSERTAÇÃO Italo Mathaus Chaves Santos.pdfapplication/pdf1954287https://repositorio.ufpe.br/bitstream/123456789/53233/1/DISSERTA%c3%87%c3%83O%20Italo%20Mathaus%20Chaves%20Santos.pdfa343c2a769eff238ff1d95c2f73fe7b7MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/53233/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/53233/3/license.txt5e89a1613ddc8510c6576f4b23a78973MD53TEXTDISSERTAÇÃO Italo Mathaus Chaves Santos.pdf.txtDISSERTAÇÃO Italo Mathaus Chaves Santos.pdf.txtExtracted texttext/plain86737https://repositorio.ufpe.br/bitstream/123456789/53233/4/DISSERTA%c3%87%c3%83O%20Italo%20Mathaus%20Chaves%20Santos.pdf.txt1a7d0241fb2dfc3cb4c10c8881a8c7b9MD54THUMBNAILDISSERTAÇÃO Italo Mathaus Chaves Santos.pdf.jpgDISSERTAÇÃO Italo Mathaus Chaves Santos.pdf.jpgGenerated Thumbnailimage/jpeg1194https://repositorio.ufpe.br/bitstream/123456789/53233/5/DISSERTA%c3%87%c3%83O%20Italo%20Mathaus%20Chaves%20Santos.pdf.jpge81d6fea90474ad714cc55086ec8059dMD55123456789/532332023-10-27 02:22:19.216oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212023-10-27T05:22:19Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity
title Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity
spellingShingle Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity
SANTOS, Italo Mathaus Chaves
Gerenciamento de risco
Cadeia de suprimentos
Aprendizado de máquinas
Soja – Comércio
title_short Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity
title_full Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity
title_fullStr Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity
title_full_unstemmed Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity
title_sort Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity
author SANTOS, Italo Mathaus Chaves
author_facet SANTOS, Italo Mathaus Chaves
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0455460756413527
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3781749044433557
dc.contributor.author.fl_str_mv SANTOS, Italo Mathaus Chaves
dc.contributor.advisor1.fl_str_mv MAIOR, Caio Bezerra Souto
contributor_str_mv MAIOR, Caio Bezerra Souto
dc.subject.por.fl_str_mv Gerenciamento de risco
Cadeia de suprimentos
Aprendizado de máquinas
Soja – Comércio
topic Gerenciamento de risco
Cadeia de suprimentos
Aprendizado de máquinas
Soja – Comércio
description Nos últimos anos, eventos de escala global colocaram em risco variados modelos de negócios, obrigando-os a repensar suas estratégias e parcerias. Tal fragilidade pode ser enfrentada pela aplicação de metodologias capazes de predizer prováveis eventos disruptivos por meio da análise de dados. Esse trabalho visa a adoção de técnicas de aprendizado de máquina no campo do gerenciamento de risco da cadeia de suprimentos aplicados na cadeia da soja. O objetivo é auxiliar a indústria nacional na tomada de decisão, a fim de mitigar os riscos de abastecimento com o propósito de manter as operações dessa commodity. Foi implementado o modelo Isolation Forest, um algoritmo de aprendizado de máquina não supervisionado desenvolvido para detecção de anomalias. As fontes de dados são índices futuros da soja, ligados aos mercados dos Estados Unidos e da China. O estudo utilizou dois tipos de verificação, uma dedicada a investigar eventos capazes de alterar o preço da soja, a outra comparando implementações de diferentes bancos de dados. Os resultados obtidos se mostraram satisfatórios, uma vez que as anomalias detectadas pelo modelo possuíam possíveis correlações com acontecimentos relativos ao mercado da soja.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-10-26T11:51:48Z
dc.date.available.fl_str_mv 2023-10-26T11:51:48Z
dc.date.issued.fl_str_mv 2023-06-28
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SANTOS, Italo Mathaus Chaves. Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity. 2023. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Pernambuco, Caruaru, 2023.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/53233
dc.identifier.dark.fl_str_mv ark:/64986/001300000kxvm
identifier_str_mv SANTOS, Italo Mathaus Chaves. Detecção de anomalias a partir de aprendizado de máquinas para marcação de mercado da soja commodity. 2023. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Pernambuco, Caruaru, 2023.
ark:/64986/001300000kxvm
url https://repositorio.ufpe.br/handle/123456789/53233
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Engenharia de Producao / CAA
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/53233/1/DISSERTA%c3%87%c3%83O%20Italo%20Mathaus%20Chaves%20Santos.pdf
https://repositorio.ufpe.br/bitstream/123456789/53233/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/53233/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/53233/4/DISSERTA%c3%87%c3%83O%20Italo%20Mathaus%20Chaves%20Santos.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/53233/5/DISSERTA%c3%87%c3%83O%20Italo%20Mathaus%20Chaves%20Santos.pdf.jpg
bitstream.checksum.fl_str_mv a343c2a769eff238ff1d95c2f73fe7b7
e39d27027a6cc9cb039ad269a5db8e34
5e89a1613ddc8510c6576f4b23a78973
1a7d0241fb2dfc3cb4c10c8881a8c7b9
e81d6fea90474ad714cc55086ec8059d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1815172852276527104