Models d’optimització dinàmica i de predicció adaptativa dels fluxes d’efectiu amb l’objectiu d’estudiar models híbrids de predicció en temps real, la optimització multiobjectiu per equilibrar costos operatius, el capital immobilitzat i els riscos de desabastiment de les màquines de gestió d’efectiu.

Descripció del projecte

Investigar l’us de models híbrids de predicció en temps real, des de models estadístics clàssics (ARIMA, SARIMA,…) fins a models basats en xarxes neuronals com LSTM, XGB,… passant per models convencionals d’aprenetatge automàtic com KNR, SVR, … en combinació amb models basats en atenció (transformers) per millorar la precissió de les prediccions en sistemes dinàmics.

Desenvolupar un sistema de predicció adaptativa amb ajust dinàmic d’hiperparàmetres que s’ajusti automàticament als canvis inesperats en els patrons transaccionals, utilitzant tècniques d’aprenentage per reforç.

Explorar la optimització multiobjectiu per equilibrar els costos operatius, capital inmobilitzat i riscos de desabastiment d’efectiu.

Integrar dades externes als models de predicció, com events locals, tendències econòmiques, etc… per millorar la robustesa i precissió de les prediccions.

Estudiar la possibilitat d’automatització del manteniment predicitiu de les màquines mitjançant tècniques d’aprenetatge automàtic anticipant falles mecàniques i optimitzant el temps d’inactivitat.