Aprendizado de máquina supervisionado como ferramenta de suporte à decisão na logística militar

Uma abordagem para a melhoria da eficiência logística

Autores

  • William Henrique Inácio Universidade da Força Aérea (UNIFA). Rio de Janeiro, RJ, Brasil.
  • Carlos Cesar de Castro Deonisio Universidade da Força Aérea (UNIFA). Rio de Janeiro, RJ, Brasil.

Palavras-chave:

Logística Militar. Aprendizado de Máquina. Aprendizado Supervisionado. Previsões. Inteligência Artificial

Resumo

O presente estudo investiga a aplicação de técnicas de aprendizado de máquina supervisionado como ferramenta de apoio à tomada de decisão nas operações logísticas das Forças Armadas brasileiras. Com base em uma revisão bibliográfica, destacam-se as Redes Neurais Artificiais e os métodos de ensemble learning como abordagens promissoras para lidar com séries temporais complexas, promovendo maior precisão em previsões logísticas. Identificam-se oportunidades relevantes para o uso dessas técnicas no contexto da inteligência artificial aplicada à gestão de estoques, planejamento de manutenção e avaliação de fornecedores. Embora persistam desafios à plena adoção da IA na logística militar, identificou-se diversas aplicações de aprendizado supervisionado com elevado potencial para ampliar a eficiência logística militar, contribuindo para uma gestão mais estratégica, automatizada e orientada por dados.

Downloads

Não há dados estatísticos.

Biografia do Autor

William Henrique Inácio, Universidade da Força Aérea (UNIFA). Rio de Janeiro, RJ, Brasil.

Possui graduação em Engenharia Mecânica, pelo Centro Técnológico Celso Suckow da Fonseca (CEFET-RJ), MBA em gestão de projetos pela Universidade do Oeste Paulista (UNOESTE), Especialização em logística, no Instituto de Logística da Aeronáutica (ILA). No momento, é mestrando em Ciências Aeroespacias na Universidade da Força Aérea, com tema de dissertação a utilização de aprendizado de máquina aplicado à previsão de demanda e gestão de estoques de munições aeronáuticas. Atua como chefe da Subdivisão de Engenharia do Parque de Material Bélico da Aeronáutica do Rio de Janeiro.

 

Carlos Cesar de Castro Deonisio, Universidade da Força Aérea (UNIFA). Rio de Janeiro, RJ, Brasil.

Possui a graduação de Tecnólogo em Processos de Produção pela Faculdade de Tecnologia de São Paulo (1991), mestrado em Engenharia Mecânica pela Universidade Estadual de Campinas (1996) e doutorado em Engenharia Mecânica pela Universidade Estadual de Campinas (2004). Tem experiência na área de Engenharia Mecânica, com ênfase em Materiais e Processos de Fabricação, atuando principalmente nos seguintes temas: usinagem de materiais endurecidos em alta velocidade de corte (High speed Cutting - HSC) e de materiais aeronáuticos (ligas de titânio, inox, aços especiais e materiais compósitos), análise das condições econômicas de usinagem e aplicação de fluidos de corte; Políticas Públicas; Ciência, Tecnologia, Inovação e Gestão de Defesa; Base Industrial de Defesa; Segurança Internacional e Defesa; Gestão da Cadeia de Suprimentos; Logística de Defesa, com aplicações em Combate e Operações Humanitárias; Ética Militar. É assessor no Departamento de Ensino, da Secretaria de Ensino, Pessoal, Saúde e Desporto, do Ministério da Defesa e professor colaborador do Programa de Pós-graduação da Universidade da Força Aérea, onde atua nas linhas de pesquisa: Ciência & Tecnologia de Defesa; e Gestão estratégica no Poder Aeroespacial.

Publicado

03-09-2026

Como Citar

INÁCIO, William Henrique; DEONISIO, Carlos Cesar de Castro. Aprendizado de máquina supervisionado como ferramenta de suporte à decisão na logística militar: Uma abordagem para a melhoria da eficiência logística. Coleção Meira Mattos, [S. l.], v. 20, n. 67, 2026. Disponível em: https://colecaomeiramattos.com.br/CMM/article/view/13671. Acesso em: 10 set. 2026.

Edição

v. 20 n. 67 (2026): Coleção Meira Mattos: revista das ciências militares

Seção

Artigos Científicos

Licença

Copyright (c) 2026 William Henrique Inácio, Carlos Cesar de Castro Deonisio

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

 

A Coleção Meira Mattos (CMM) está licenciada:

A partir de 2019 sob as condições do Creative Commons (CC BY 4.0)

Até 2018 sob as condições do Creative Commons (CC BY-NC-SA 4.0)

As licenças estão informadas na página de acesso do artigo e detalhadas na página Direitos Autorias desta publicação.

Copyright: O autores são os detentores do Copyright, sem restrições, de seus artigos.

Aviso

Para qualquer reutilização ou distribuição, você deve deixar claro a terceiros os termos da licença a que se encontra submetida esta obra.