O projeto tem como meta a integração de tecnologias avançadas como análise de Big Data, Inteligência Artificial, Machine Learning, Blockchain, além de otimização através de métodos clássicos, evolucionários e de inteligência coletiva, visando aprimorar as cadeias de suprimentos agroindustriais. O foco principal é desenvolver abordagens inovadoras para o acesso e análise de grandes volumes de dados, promovendo melhorias significativas nessas cadeias sob aspectos sociais, ambientais e econômicos. Serão incorporados estudos sobre alterações climáticas, incluindo previsões meteorológicas e de eventos extremos, que possuem o potencial de impactar diretamente as cadeias produtivas. O projeto já conta com uma API que coleta e preprocessa dados do Instituto Nacional de Meteorologia (INMET), utilizando técnicas como o método dos vizinhos mais próximos para tratamento de dados faltantes, e está avançando no uso de redes neurais para aprimoramento das previsões dos dados faltantes. A pesquisa também inclui a análise de eventos climáticos extremos utilizando a base de dados ERA5. Houve progresso significativo na modelagem de cadeias específicas, como a da carne bovina, utilizando a tecnologia blockchain por meio do Hyperledger Fabric e dados da Minerva Foods, e a do transporte rodo-ferroviário da soja em Goiás, problema de transporte com transbordo, focando na minimização de custos e emissões de CO2. Através de metodologias como o método epsilon-restrito e o algoritmo NSGAII, a pesquisa aborda a otimização multiobjetivo, contribuindo para a análise de políticas de logística e transporte. Estudos adicionais envolvem a cadeia do mirtilo na América do Sul, buscando eficiências por meio do blockchain. A colaboração interdisciplinar é um pilar deste projeto, envolvendo a participação de profissionais de diversas áreas acadêmicas e instituições, promovendo a sinergia entre gestão de operações, modelagem de sistemas, engenharia de processos e mais. Parcerias estabelecidas com instituições de ensino e pesquisa, nacionais e internacionais, bem como a interação com o setor agroindustrial, são fundamentais para o sucesso e aplicabilidade dos resultados. Este projeto não só avança no campo acadêmico, fornecendo um terreno fértil para pesquisas, dissertações e artigos científicos, mas também visa impactar positivamente as práticas agroindustriais através de soluções tecnológicas avançadas e abordagens de gestão inovadoras.

1.Análise de Sensibilidade e Logística Verde: Realizar análises de sensibilidade detalhadas nos custos de transporte para determinar a elasticidade em resposta a variáveis-chave da logística verde. Isso ajudará a identificar pontos de alavancagem para melhorias sustentáveis e redução de custos.

2.Aplicação de Tecnologias Avançadas para Dados de Transporte: Empregar Big Data e Machine Learning para aprimorar a coleta, tratamento e análise de dados sobre o transporte de cargas, visando a integridade e a precisão dos dados. O objetivo é estabelecer um repositório de dados abrangente para a região Centro-Oeste, facilitando análises avançadas e decisões baseadas em evidências.

3.Avaliação de Impactos Tecnológicos e Infraestruturais: Investigar os impactos de inovações tecnológicas e melhorias infraestruturais no transporte multimodal através de estudos comparativos em diferentes cenários futuros (2030, 2040, 2050), considerando variáveis econômicas, ambientais e sociais.

4.Modelagem de Otimização Avançada: Desenvolver modelos de otimização que sejam multiobjetivo, multiperíodo e multimodais, com foco especial nos modais rodoviário e ferroviário. Esses modelos devem ser integrados com simulações e podem explorar a sinergia entre meta-heurísticas e técnicas de Machine Learning para encontrar soluções ótimas.

5.Uso de Modelagens para Estratégias de Sustentabilidade: Aplicar modelagens determinísticas e probabilísticas em diferentes cenários para identificar soluções eficazes e recomendar estratégias que promovam a sustentabilidade e a eficiência logística nas cadeias de suprimentos agroindustriais, com especial atenção à região centro-oeste.

6.Previsões Climáticas e Análise de Impacto: Desenvolver modelos para prever variáveis climáticas e eventos climáticos extremos, integrando essas previsões aos estudos sobre as cadeias de suprimentos para compreender e mitigar os impactos potenciais das mudanças climáticas.

7. Uso de modelagem e GIS para apoio à decisão: Incorporar dados geotécnicos em sistemas de informação geográfica para planejar e implementar operações logísticas e de transporte mais eficientes e menos impactantes ao meio ambiente.

8. Integração de práticas de conservação do solo: Aplicar técnicas de manejo sustentável do solo que minimizem a erosão, melhorem a fertilidade e suportem práticas agrícolas  produtivas e sustentáveis.

9. Logística urbana e logística de última milha: entrega e-comerce com bicicletas elétricas e com drones. 

10. Competições com alunos da graduação em otimização com metaheurística e ciência de dados: palestras e mentorias para formar novos alunos pesquisadores antes do contato com a IC, com entrega de relatórios descritivos da modelagem e códigos-fonte.

11. Desenvolvimentos de softwares: a API que coleta dados de clima do INMET e desenvolver a METAPY, que é um ferramenta para estudos de otimização. Todas as metaheurísticas estudadas serão colocadas na metapy e usada nos desafios de otimização.

Contribuições Científicas:

Integração de Tecnologias Disruptivas: A aplicação integrada de Big Data, Machine Learning, análise de sensibilidade e outras tecnologias avançadas para a otimização das redes de distribuição rodo-ferroviárias representa um avanço significativo na pesquisa aplicada à logística e ao transporte.

Modelagem Avançada de Redes de Transporte: Desenvolvimento de modelos de otimização multiobjetivo e multiperíodo que incorporam variáveis de sustentabilidade e aspectos ambientais, contribuindo para a literatura científica com novas abordagens na modelagem de sistemas de transporte complexos.

Estudos de Impacto Climático em Cadeias de Suprimentos: A integração de variáveis climáticas nos modelos de transporte e logística abre novas linhas de investigação sobre como o clima e eventos extremos afetam as cadeias de suprimentos agroindustriais.

Contribuições Tecnológicas:

Desenvolvimento de Ferramentas e Softwares: A criação de ferramentas computacionais específicas para a coleta e análise de dados, modelagem de redes e simulação de cenários de transporte e logística, representa uma inovação tecnológica relevante.

Uso de Inteligência Artificial para Previsões Climáticas: Aplicar IA para prever eventos climáticos extremos e integrá-los aos modelos de transporte é uma inovação tecnológica que pode melhorar significativamente a resiliência e a eficiência das cadeias de suprimentos.

Contribuições de Inovação:

Abordagem Transdisciplinar: A integração transdisciplinar entre as linhas de pesquisa em Engenharia de Processos e Produtos (EPP), Modelagem e Simulação de Sistemas (MSS) e Gestão de Operações e Logística (GOL) promove uma inovação metodológica que pode ser replicada em outras áreas de pesquisa.

Formação de Redes de Cooperação: A expectativa de formar uma rede de cooperação entre instituições de ensino e pesquisa como IFG, UFCAT, Guelph University - Canadá, PUC GOIÁS é uma inovação no âmbito acadêmico e científico, potencializando a troca de conhecimentos e a ampliação de estudos em transporte, clima e tecnologias disruptivas.

Aplicabilidade em Outras Cadeias Produtivas: A possibilidade de expandir os métodos e ferramentas desenvolvidos para outras cadeias produtivas indica um potencial significativo de inovação além dos limites do transporte rodo-ferroviário, contribuindo para a sustentabilidade e eficiência em diversos setores.