Browsing by Author "Martinho, Domingos"
Now showing 1 - 10 of 46
Results Per Page
Sort Options
- ALGORITMOS PARA OTIMIZAÇÃO DE ROTAS DE DISTRIBUIÇÃOPublication . Martinho, DomingosAtualmente vem-se assistindo a um aumento dos serviços de entregas de mercadorias a clientes que são oferecidos pelas organizações de diversos setores de modo a aumentar a oferta dos seus produtos e serviços e a combater a concorrência no mercado. O consumo de tempo, atrasos devido a trânsito e outras circunstâncias fazem também com que este tipo de serviços aumente os seus custos de forma muito significativa. Surge assim a oportunidade para o desenvolvimento de soluções que permitam a otimização das rotas de modo a minimizar os custos inerentes ao processo o que tem levado muitos investigadores a estudarem o problema e ao surgimento no mercado de diversas aplicações que pretendem ajudar as empresas nesse tipo de serviços, fazendo uso de algoritmos desenvolvidos para a otimização de rotas. Neste contexto este trabalho tem como objetivo a criação de uma plataforma que permita a inserção de encomendas de clientes e posteriormente otimizar as rotas para as entregas associadas a cada veiculo. Esta plataforma vai permitir ainda que os vendedores possam efetuar as encomendas dos clientes em qualquer lugar, bastando para isso ter acesso à internet. Após as encomendas estarem inseridas, serão agrupadas por data e distribuídas pelas viaturas que as irão entregar aos clientes de áreas próximas. Através das moradas dos clientes o sistema irá calcular a melhor rota que a logística da empresa poderá utilizar, tendo em conta fatores como portagens e caminho mais rápido. Espera-se assim implementar uma solução que possa ter uma utilização universal sem os constrangimentos das soluções proprietárias e as limitações das soluções open source.
- ANÁLISE DE CLUSTERS PARA SEGMENTAÇÃO DE ESTUDANTES NUMA INSTITUIÇÃO DE ENSINO SUPERIORPublication . Sobreiro, Pedro; Martinho, DomingosA segmentação do mercado é um tema importante para os administradores das instituições de ensino superior. A segmentação dos alunos permite a diferenciação e a definição de ações personalizadas de acordo com cada segmento e pode ser realizada recorrendo a dados existentes de alunos para serem posteriormente utilizados no desenvolvimento de ações de comunicação ou para realização de um acompanhamento interno diferenciado. A metodologia utilizada para realizarmos a segmentação dos alunos (n=280) recorreu à análise de clusters utilizando o algoritmo k-means disponível na biblioteca scikit. O k-means é um algoritmo não supervisionado para a determinação dos clusters, que requer que o investigador determine à priori o número de clusters pretendidos, utilizando uma aproximação iterativa calculando o centro ótimo de cada cluster. A identificação do número de clusters foi baseada no método elbow, que utiliza o pressuposto de que o número de clusters ótimo é aquele em que adicionando mais clusters não reduz significativamente a variância entre clusters. Depois de obtivermos cada cluster realizamos a sua caraterização utilizando as variáveis existentes para termos uma melhor compreensão dos dados. Os resultados obtidos permitiram identificar três clusters, onde obtivemos no cluster um 89 alunos, cluster dois 16 alunos e cluster três 175 alunos. Para facilitar a compreensão dos resultados obtidos realizamos a redução das variáveis existentes através de do Principal Components Analysis, uma redução de dimensões para podemos projetar os dados num espaço dimensional menor de duas dimensões, num gráfico de dispersão x,y. Realizamos a caraterização (média±desvio padrão) das variáveis idade, ano, estado civil e sexo. Os resultados obtidos evidenciam que nos clusters um, dois e três as médias de idades são aproximadamente iguais 28,29 e 31, o estado civil é maioritariamente solteiros com 80%, 81% e 75% e o sexo feminino representa 49%, 51% e 50% respetivamente. Os resultados conseguidos não são elucidativos considerando os indicadores obtidos em cada cluster. Para podermos retirar melhores conclusões deveriam ser incluídas mais variáveis, como cursos frequentados, resultados obtidos na frequência do curso e aumentar a amostra. Um aspeto que poderia ter sido equacionado seria a normalização dos dados, reduzindo impacto de variáveis em escalas diferentes na determinação do número de clusters. Por último seria interessante explorar as diferenças entre os alunos nos clusters existentes realizando a análise das variáveis existentes.
- Atas do ecI2ES´17 - III Encontro Científico da I2ESPublication . Martinho, Domingos; Martinho, Filipa; Veiga, Rui
- Atas do I Encontro Científico I2ESPublication . Martinho, Domingos
- Atas do II Encontro Científico da I2ESPublication . Martinho, Domingos
- Atas do IV Encontro Científico da UI&D (ecUI&D´18)Publication . Martinho, Domingos
- Atas do V Encontro Científico da UI&D (ecUI&D´19)Publication . Martinho, Filipa; Santos, Vasco; Martinho, Domingos
- Atas do VI Encontro Científico da UI&D (ecUI&D´20)Publication . Martinho, Domingos; Martinho, Filipa
- Atas do VII Encontro Científico da UI&D (ecUI&D´21)Publication . Martinho, Domingos; Martinho, Filipa
- Atas do VIII Encontro Científico da UI&D (ecUI&D´22)Publication . Martinho, Domingos; Martinho, Filipa