O teu contributo para algo maior:
- Desenvolver um modelo de Machine Learning para prever a performance de entrega de fornecedores e transporte (cumprimento de prazos/atrasos) para componentes individuais, abrangendo todas as fábricas/plantas;
- O objetivo final é melhorar a precisão e a capacidade de reação do processo de Material Requirements, integrando previsões sobre fiabilidade de entrega e apoiando uma comunicação mais proativa com fornecedores;
- Identificar fontes de dados e mapear o fluxo “pedido → expedição → entrega” em todas as plantas;
- Construir dataset histórico e definir labels/alvos (OTD, atraso, classes de risco);
- Desenvolver pipeline de preparação de dados e criação de features por fornecedor/componente/planta/ transporte;
- Melhoria da comunicação com fornecedores com base em previsões (follow-ups direcionados e antecipados).
- Treinar e comparar modelos, para escolher o melhor compromisso entre performance e interpretabilidade;
- Avaliar robustez por planta/fornecedor (fairness operacional) e por janelas temporais (validação temporal);
- Produção de indicadores acionáveis: probabilidade de atraso, dias previstos de atraso, e ranking de risco por pedidos/POs.
- Criar outputs operacionais (API, dashboard ou ficheiro batch) com previsões e explicações;
- Definir monitorização e manutenção do modelo (drift, qualidade de dados, re-treino).