Cookies
O website necessita de alguns cookies e outros recursos semelhantes para funcionar. Caso o permita, o INESC TEC irá utilizar cookies para recolher dados sobre as suas visitas, contribuindo, assim, para estatísticas agregadas que permitem melhorar o nosso serviço. Ver mais
Aceitar Rejeitar
  • Menu
Factos & Números
000
Apresentação

Centro de Engenharia e Gestão Industrial

O centro é uma referência internacional em análise de negócios através de sistemas de apoio à decisão para a gestão de serviços e operações, contribuindo, desta forma, para a conceção de serviços, a avaliação de desempenho e a gestão de ativos.

As áreas de aplicação do CEGI incluem Mobilidade/ Transportes, Retalho/Indústria e Saúde. Também se verificam consideráveis contribuições no setor da energia e ainda uma colaboração reforçada com o Centro de Sistemas de Energia.

Nos últimos anos, o CEGI contribuiu substancialmente para as iniciativas da Indústria 4.0 (ao melhorar as regras de programação baseadas nas informações complementares disponíveis nos sistemas de produção).

Últimas Notícias
Engenharia e Gestão de Sistemas

TestBed 5G. Já há “selo” INESC TEC em metade dos pilotos que querem impulsionar a indústria transformadora

Laboratório de Indústria e Inovação do INESC TEC já recebeu seis dos 12 pilotos previstos. Demonstrações visam dotar soluções industriais de "características distintas de funcionamento e coordenação”.

29 outubro 2024

Engenharia e Gestão de Sistemas

Separar, organizar, paletizar: o caminho para uma cadeia de abastecimento otimizada faz-se com tecnologia INESC TEC

Solução que contou com a participação do INESC TEC pode reduzir o esforço manual e assegurar uma cadeia de abastecimento mais flexível. Contributo do INESC TEC foi “fundamental” e surge com o avançar do da agenda mobilizadora PRODUTECH R3.  

29 outubro 2024

Drones, automação e sensorização: eis as respostas do INESC TEC aos desafios do setor vitivinícola

Investigadores do INESC TEC lideraram discussões sobre soluções inovadoras para o cultivo da vinha num evento que juntou empresas, universidades e players do setor.  

24 outubro 2024

Engenharia e Gestão de Sistemas

Investigador INESC TEC alerta empresas para a qualidade dos dados gerados através de IA em artigo publicado na revista de gestão do MIT

Pode o crescente interesse em modelos de linguagem, como o chat GPT, estar a desviar recursos às empresas para que estas adotem práticas de análise avançada que as auxiliem verdadeiramente na tomada de decisões inteligentes? O investigador do INESC TEC, Pedro Amorim, e João Alves, da spin-off do INESC TEC LTPLabs, acreditam que sim. Num artigo publicado na MIT Sloan Management Review alertam para a qualidade e imprevisibilidade dos dados gerados unicamente a partir de modelos de linguagem generativa, apesar de defenderem mais investimento numa Inteligência Artificial (IA) que incorpore estes modelos com análise avançada, e explicam as razões.

25 junho 2024

Esta tecnologia quer tornar as cidades mais acessíveis para todos e valeu distinção a investigadora do INESC TEC

A investigadora do INESC TEC, Marta Campos Ferreira, participou no desenvolvimento de um protótipo que quer melhorar as experiências de pessoas com mobilidade reduzida nas cidades – e torná-las mais inclusivas. A nova solução foi apresentada numa conferência internacional e o trabalho foi distinguido. Agora, o objetivo é que a solução chegue a todos através de uma aplicação.

17 maio 2024

Equipa
Publicações

CEGI Publicações

Ler todas as publicações

2025

Local stability in kidney exchange programs

Autores
Baratto, M; Crama, Y; Pedroso, JP; Viana, A;

Publicação
EUROPEAN JOURNAL OF OPERATIONAL RESEARCH

Abstract
When each patient of a kidney exchange program has a preference ranking over its set of compatible donors, questions naturally arise surrounding the stability of the proposed exchanges. We extend recent work on stable exchanges by introducing and underlining the relevance of a new concept of locally stable, or L-stable, exchanges. We show that locally stable exchanges in a compatibility digraph are exactly the so-called local kernels (L-kernels) of an associated blocking digraph (whereas the stable exchanges are the kernels of the blocking digraph), and we prove that finding a nonempty L-kernel in an arbitrary digraph is NP-complete. Based on these insights, we propose several integer programming formulations for computing an L-stable exchange of maximum size. We conduct numerical experiments to assess the quality of our formulations and to compare the size of maximum L-stable exchanges with the size of maximum stable exchanges. It turns out that nonempty L-stable exchanges frequently exist in digraphs which do not have any stable exchange. All the above results and observations carry over when the concept of (locally) stable exchanges is extended to the concept of (locally) strongly stable exchanges.

2025

Predicting demand for new products in fashion retailing using censored data

Autores
Sousa, MS; Loureiro, ALD; Miguéis, VL;

Publicação
EXPERT SYSTEMS WITH APPLICATIONS

Abstract
In today's highly competitive fashion retail market, it is crucial to have accurate demand forecasting systems, namely for new products. Many experts have used machine learning techniques to forecast product sales. However, sales that do not happen due to lack of product availability are often ignored, resulting in censored demand and service levels that are lower than expected. Motivated by the relevance of this issue, we developed a two-stage approach to forecast the demand for new products in the fashion retail industry. In the first stage, we compared four methods of transforming historical sales into historical demand for products already commercialized. Three methods used sales-weighted averages to estimate demand on the days with stock-outs, while the fourth method employed an Expectation-Maximization (EM) algorithm to account for potential substitute products affected by stock-outs of preferred products. We then evaluated the performance of these methods and selected the most accurate one for calculating the primary demand for these historical products. In the second stage, we predicted the demand for the products of the following collection using Random Forest, Deep Neural Networks, and Support Vector Regression algorithms. In addition, we applied a model that consisted of weighting the demands previously calculated for the products of past collections that were most similar to the new products. We validated the proposed methodology using a European fashion retailer case study. The results revealed that the method using the Expectation-Maximization algorithm had the highest potential, followed by the Random Forest algorithm. We believe that this approach will lead to more assertive and better-aligned decisions in production management.

2025

Emerging technologies for supporting patients during Hemodialysis: A scoping review

Autores
Martins, AR; Ferreira, MC; Fernandes, CS;

Publicação
International Journal of Medical Informatics

Abstract

2025

Emerging technologies for supporting patients during Hemodialysis: A scoping review

Autores
Martins, AR; Ferreira, MC; Fernandes, CS;

Publicação
International Journal of Medical Informatics

Abstract

2024

Heuristics for online three-dimensional packing problems and algorithm selection framework for semi-online with full look-ahead

Autores
Ali, S; Ramos, AG; Carravilla, MA; Oliveira, JF;

Publicação
APPLIED SOFT COMPUTING

Abstract
In online three-dimensional packing problems (3D-PPs), unlike offline problems, items arrive sequentially and require immediate packing decisions without any information about the quantities and sizes of the items to come. Heuristic methods are of great importance in solving online problems to find good solutions in a reasonable amount of time. However, the literature on heuristics for online problems is sparse. As our first contribution, we developed a pool of heuristics applicable to online 3D-PPs with complementary performance on different sets of instances. Computational results showed that in terms of the number of used bins, in all problem instances, at least one of our heuristics had a better or equal performance compared to existing heuristics in the literature. The developed heuristics are also fully applicable to an intermediate class between offline and online problems, referred to in this paper as a specific type of semi-online with full look-ahead, which has several practical applications. In this class, as in offline problems, complete information about all items is known in advance (i.e., full look-ahead); however, due to time or space constraints, as in online problems, items should be packed immediately in the order of their arrival. As our second contribution, we presented an algorithm selection framework, building on developed heuristics and utilizing prior information about items in this specific class of problems. We used supervised machine learning techniques to find the relationship between the features of problem instances and the performance of heuristics and to build a prediction model. The results indicate an 88% accuracy in predicting (identifying) the most promising heuristic(s) for solving any new instance from this class of problems.

Factos & Números

56Investigadores

2016

22Artigos em revistas indexadas

2020

9Artigos em conferências indexadas

2020