Publicação
Automatização da extração e normalização de custos aéreos no setor logístico: Um modelo de inteligência artificial baseado em NLP
| datacite.subject.fos | Engenharia e Tecnologia | |
| datacite.subject.sdg | 09:Indústria, Inovação e Infraestruturas | |
| dc.contributor.advisor | Gomes, Luís Filipe de Oliveira | |
| dc.contributor.author | GONÇALVES, DANIEL CARVALHO | |
| dc.date.accessioned | 2025-11-11T16:41:44Z | |
| dc.date.available | 2025-11-11T16:41:44Z | |
| dc.date.issued | 2025-10-15 | |
| dc.description.abstract | Air cargo is a critical pillar of modern supply chains, enabling short lead times and timesensitive operations. However, the information required for quoting and selecting carriers reaches operators in heterogeneous, hard-to-compare formats, which increases operational effort and hinders consistent, auditable decisions. In this context, fast and reliable normalisation of tariff data becomes a source of competitiveness in the logistics sector. The specific problem addressed in this work is the extraction and consolidation of essential attributes (e.g., origin, destination, service type, quantity, and unit of measure) from carrier tender files received in multiple, non-standardised formats. The existing manual process is time-consuming, prone to human error, and limits comparative analyses and timely responses. As a proposed solution, we present a work model centred on clear, systematic instructions for reading and extraction, supported by validation rules and a canonical schema that standardises the critical fields. The approach prioritises robustness to document variability and decision traceability, reducing reliance on manual processes without resorting to technologyspecific descriptions at the core of the proposal. The application was demonstrated in three representative case studies: (i) complete files (the “happy path”); (ii) documents with missing attributes; and (iii) scenarios with no relevant information. In each case, the solution performed extraction and normalisation to subsequently generate uniform, comparable files, enabling operational analysis and integration into existing workflows. The results show substantial gains: a 97–98% reduction in processing time compared with the manual method and per-file savings between €8.13 and €42.81, depending on case complexity. We conclude that the proposed approach improves the efficiency, consistency, and scalability of the air-carrier selection process, strengthening decision quality and data governance. Limitations include dependence on document quality and extreme format variability, which inform future work. | eng |
| dc.description.abstract | A carga aérea é um pilar crítico nas cadeias de abastecimento modernas, permitindo prazos curtos e operações sensíveis ao tempo. Contudo, a informação necessária para cotação e seleção de transportadoras chega aos operadores em formatos heterogéneos e pouco comparáveis, o que aumenta o esforço operacional e dificulta decisões consistentes e auditáveis. Neste contexto, a normalização rápida e fiável de dados tarifários torna-se um fator de competitividade no setor da logístico. O problema concreto abordado neste trabalho é a extração e a consolidação de atributos essenciais (por exemplo, origem, destino, tipo de serviço, quantidade e unidade de medida) a partir de ficheiros “tender” de transportadoras, recebidos em múltiplos formatos e sem padronização. O processo manual existente é moroso, suscetível a erro humano e limita análises comparativas e respostas em tempo útil. Como proposta de solução, apresenta-se um modelo de trabalho centrado em instruções claras e sistemáticas de leitura e extração, apoiado por regras de validação e por um esquema canónico que uniformiza os campos críticos. A abordagem privilegia a robustez à variabilidade documental e a rastreabilidade das decisões, reduzindo dependências de processos manuais sem recorrer a descrições tecnológicas no núcleo da proposta. A aplicação foi demonstrada em três casos de estudo representativos: (i) ficheiros completos (“happy path”); (ii) documentos com atributos em falta; e (iii) cenários sem informação relevante. Em cada caso, a solução executou a extração e a normalização para posterior geração de ficheiros uniformes e comparáveis, permitindo análise operativa e integração em fluxos existentes. Os resultados mostram ganhos expressivos: redução de 97–98% do tempo de processamento face ao método manual e poupanças por ficheiro entre 8,13 € e 42,81 €, consoante a complexidade do caso. Conclui-se que a abordagem proposta melhora a eficiência, a consistência e a escalabilidade do processo de seleção de transportadoras aéreas, reforçando a qualidade da decisão e a governança dos dados; identificam-se como limitações a dependência da qualidade documental e a variabilidade extrema de formatos, que orientam trabalho futuro. | por |
| dc.identifier.tid | 204033004 | |
| dc.identifier.uri | http://hdl.handle.net/10400.22/30825 | |
| dc.language.iso | eng | |
| dc.rights.uri | N/A | |
| dc.subject | Logistics | |
| dc.subject | Information extraction | |
| dc.subject | Data normalization | |
| dc.subject | Prompt engineering | |
| dc.subject | Large Language Models | |
| dc.subject | Logística | |
| dc.subject | Extração de informação | |
| dc.subject | Normalização de dados | |
| dc.subject | Engenharia de prompts | |
| dc.subject | Modelos de linguagem de grande escala | |
| dc.title | Automatização da extração e normalização de custos aéreos no setor logístico: Um modelo de inteligência artificial baseado em NLP | por |
| dc.title.alternative | Automation of airfare extraction and normalization in the logistics sector: An NLP-based artificial intelligence model | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Mestrado em Engenharia de Inteligência Artificial |