DETECÇÃO DE ANOMALIAS A PARTIR DE APRENDIZADO DE MÁQUINAS PARA MARCAÇÃO DE MERCADO DA SOJA COMMODITY
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 auxiliada 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. Especificamente, o modelo Isolation Forest, um algoritmo de aprendizado de máquina não supervisionado, foi aplicado desenvolvido para detecção de eventos anômalos. O banco de dados utilizado foi a cotação da soja em grão, com cotação semanal entre os anos de 2017 e 2022. O modelo indicou dois pontos de atenção. De fato, os resultados obtidos se mostraram satisfatórios, uma vez que as anomalias detectadas pelo modelo possuíam possíveis correlações com acontecimentos relativos ao mercado da soja.