💻 computer science

A Calibration-Aware Reference Architecture for Resilient Supply Chain Planning: Integrating Conformal Probabilistic Demand Forecasting with Scenario-Based Stochastic Vehicle Routing

Este artigo apresenta uma arquitetura de referência e uma implementação de código aberto que faz a ponte entre o aprendizado de máquina e a pesquisa operacional no planejamento da cadeia de suprimentos ao integrar a previsão probabilística conforme com o roteamento estocástico baseado em cenários, demonstrando empiricamente, por meio de um backtest sintético, que previsões de quantis não calibradas levam a uma subcobertura significativa e riscos de ruptura de estoque, validando, assim, a necessidade de interfaces cientes da calibração para um suporte à decisão confiável.

Autores originais: Joseph Javier Sánchez Acuña

Publicado 2026-07-28

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Joseph Javier Sánchez Acuña

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é o capitão de uma cidade flutuante massiva que se move todos os dias para entregar pizza, remédios e brinquedos para milhares de vizinhos. Este é o mundo das cadeias de suprimentos: a teia invisível de caminhões, armazéns e cronogramas que mantém nossa vida moderna em funcionamento. Mas aqui está o problema: o futuro é caótico. Às vezes uma tempestade atinge, às vezes uma fábrica quebra e, às vezes, todos subitamente pedem pepperoni extra. Para manter a cidade funcionando, os capitães precisam adivinhar o que acontecerá amanhã.

Por muito tempo, cientistas usaram dois conjuntos de ferramentas diferentes para resolver isso. Um conjunto de ferramentas é o Aprendizado de Máquina (Machine Learning), que é como um detetive superinteligente que olha para padrões passados para prever o futuro. O outro é a Pesquisa Operacional (Operations Research), que é como um mestre do xadrez que descobre os melhores movimentos a fazer com as peças que você tem. Geralmente, esses dois conjuntos de ferramentas conversam entre si, mas muitas vezes falam línguas diferentes. O detetive entrega ao mestre do xadrez um único número (como "precisamos de 100 pizzas") e o mestre do xadrez constrói um plano baseado nesse número. A grande questão que este artigo faz é: E se o palpite do detetive estiver ligeiramente errado? E se o "100 pizzas" for, na verdade, um palpite de 90%, mas o detetive agir como se fosse uma garantia de 100%? Se o mestre do xadrez construir um plano baseado em um palpite instável, a cidade inteira pode ficar sem comida ou ficar presa no trânsito. Este artigo constrói uma nova maneira, mais segura, de conectar o detetive e o mestre do xadrez, garantindo que eles verifiquem seu próprio trabalho antes de zarpar.

O Erro do Detetive: Quando "90%" não significa 90%

Os autores deste artigo decidiram testar um hábito muito comum no mundo da cadeia de suprimentos. Normalmente, quando um computador prevê a demanda, ele pode dizer: "Estou 90% seguro de que não precisaremos de mais de 500 unidades". Isso é chamado de previsão de quantil (quantile forecast). É como um aplicativo de clima dizendo: "Há 90% de chance de não chover".

Os pesquisadores construíram uma simulação digital de uma rede logística com 16 clientes ao longo de 400 dias. Eles deixaram um programa de computador padrão (um "ensemble de gradient-boosting") atuar como o detetive. Pediram que ele previsse a demanda e então verificaram se as previsões de "90% de certeza" estavam realmente corretas.

O resultado foi uma surpresa. O computador estava mentindo para eles, mas não de propósito — ele apenas não sabia como calibrar sua confiança. Embora o computador afirmasse estar 80% seguro de seus intervalos de previsão, o mundo real correspondia a essas previsões apenas 77,5% das vezes. Isso é uma lacuna de 2,47 pontos percentuais.

Pense nisso como um aplicativo de clima que diz: "Há 80% de chance de não chover", mas na verdade chove 22,5% das vezes. Se você planejar um piquenique baseado nesse aplicativo, você vai se molhar. Na cadeia de suprimentos, isso significa que os caminhões estavam sendo enviados com menos espaço do que realmente precisavam. O plano parecia seguro no papel, mas, na realidade, os caminhões estavam subprotegidos. O artigo chama isso de um "resultado negativo" porque prova que a antiga maneira de fazer as coisas é arriscada. O número "90%" que o computador deu não era uma garantia real; era apenas um palpite que, por acaso, era excessivamente otimista.

A Nova Estratégia do Mestre do Xadrez: Testando o Plano Antes de Mover

Assim que perceberam que o detetive era pouco confiável, os autores construíram uma nova arquitetura para consertar a ponte entre o detetive e o mestre do xadrez. Eles não apenas jogaram fora as ferramentas antigas; eles adicionaram uma "camada de calibração".

Imagine que você é o mestre do xadrez novamente. Em vez de apenas aceitar o número único do detetive e mover suas peças, você agora tem um laboratório de simulação.

A Camada de Calibração: Antes que o detetive lhe dê um número, você o passa por um filtro especial (chamado Regressão de Quantil Conformal). Este filtro verifica os erros passados do detetive e ajusta os intervalos de previsão para que sejam estatisticamente mais propensos a corresponder à realidade. O artigo observa que este método fornece "cobertura marginal livre de distribuição sob troca de dados (exchangeability)", o que significa que ele corrige os níveis de confiança com base no comportamento dos dados, em vez de prometer um conserto perfeito em todos os cenários possíveis.
O Laboratório Monte Carlo: Em vez de planejar para um único futuro, o mestre do xadrez agora gera milhares de cenários de "e se". Eles executam a mesma rota de caminhão contra 400 futuros possíveis diferentes para ver com que frequência os caminhões realmente ficam presos.
A Verificação de "Valor": Os autores queriam saber se todo esse cálculo extra valia a pena. Eles compararam um plano "inteligente" (que usou os milhares de cenários) com um plano "burro" (que usou apenas o palpite médio). Mas eles garantiram que ambos os planos tivessem exatamente o mesmo número de caminhões e a mesma quantidade de combustível. Isso é crucial. Se o plano inteligente vencer apenas porque tinha mais caminhões, isso é trapaça. Ao manter os caminhões iguais, eles puderam medir o verdadeiro valor de ter uma informação melhor.

O Que Eles Descobriram (e o Que Não Descobriram)

O artigo é muito honesto sobre o que provou e o que apenas construiu.

Os Fatos Provados:
Em sua simulação de 16 clientes ao longo de 400 dias, o detetive não calibrado piorou progressivamente com o passar do tempo. À medida que avançavam por cinco períodos de tempo diferentes (chamados de "dobras" ou "folds"), a qualidade das previsões caiu 16,1%. Mesmo que o computador tivesse mais dados para aprender (crescendo de 3.104 para 5.568 observações), ele ainda ficava confuso. Isso prova que apenas "mais dados" não é suficiente se o método não verificar sua própria confiança. A lacuna entre o que o computador disse e o que realmente aconteceu era real e mensurável.

As Partes "Em Construção":
Os autores construíram uma caixa de ferramentas completa que inclui estas novas funcionalidades: uma maneira de medir o "Valor da Solução Estocástica" (quanto dinheiro você economiza usando o plano inteligente), uma maneira de verificar se os caminhões estão realmente cheios o suficiente e um sistema para explicar por que o computador fez um palpite. No entanto, eles admitem que, embora tenham construído as ferramentas para medir essas coisas, ainda não rodaram os números finais para a comparação entre o "plano inteligente" vs. "plano burro" neste relatório específico. Eles rotularam estes como componentes de "Nível 2" — o que significa que o motor foi construído e o suporte de teste está pronto, mas os resultados finais da corrida ainda não constam no artigo.

Por Que Isso Importa

A lição mais importante não é um novo superalgoritmo; é uma nova atitude. O artigo argumenta que, nas cadeias de suprimentos, devemos parar de presumir que nossos planos são seguros e começar a medi-los.

Antes disso, se um computador dizia: "Estamos 90% seguros", todos acreditavam. Agora, os autores mostram que, sem uma "verificação de calibração", esse 90% pode ser, na verdade, 77%. Essa diferença é a diferença entre um caminhão chegar no horário e um caminhão ficar sem combustível no meio do nada.

Os autores criaram uma "arquitetura de referência" — um projeto de como construir esses sistemas para que cada etapa seja verificada. Eles até disponibilizaram o código como código aberto (open-source), para que qualquer pessoa possa baixar, executar os testes e ver por si mesma. Eles não alegaram ter resolvido os problemas de cadeia de suprimentos do mundo, mas provaram que a maneira como costumamos verificar nosso trabalho está quebrada e nos entregaram uma maneira nova e mais honesta de consertá-la.

Em resumo: Não confie no primeiro palpite do detetive. Verifique a matemática. Execute a simulação. E sempre, sempre certifique-se de que seus caminhões tenham espaço suficiente para a chuva que pode realmente cair.

Resumo Técnico: Uma Arquitetura de Referência Consciente de Calibração para o Planejamento Resiliente da Cadeia de Suprimentos

1. Declaração do Problema

O artigo aborda uma lacuna metodológica crítica na interface entre o aprendizado de máquina (ML) e a pesquisa operacional (OR) no planejamento da cadeia de suprimentos. Embora o ML e a OR sejam frequentemente combinados, a transição é muitas vezes desprotegida: previsões pontuais ou de quantis são tratadas como entradas determinísticas para otimizadores, níveis de serviço são afirmados em vez de medidos, e o valor marginal do planejamento estocástico sobre os baselines determinísticos raramente é quantificado.

Os autores identificam três alegações específicas e não examinadas em pipelines integrados típicos:

Alegação de Calibração: Que o quantil nominal de um modelo (ex: $q_{0.90}$ ) reflete com precisão a probabilidade de excedência (10%).
Alegação de Nível de Serviço: Que o roteamento para um quantil superior por cliente garante a viabilidade de capacidade ao nível da rota.
Alegação de Valor: Que a maquinaria estocástica supera o planejamento de demanda média determinística, em vez de simplesmente beneficiar-se do "slack" implícito das entradas de quantis elevados.

O artigo argumenta que essas alegações são frequentemente empiricamente falsas e propõe uma arquitetra de referência projetada para testar, em vez de assumir, essas propriedades.

2. Metodologia e Arquitetura

A arquitetura de referência proposta é uma implementação modular de código aberto (aprox. 2.100 linhas) projetada para pesquisa reprodutível. Ela integra três camadas distintas, cada uma instrumentada para validar suposições específicas:

A. Camada de Previsão Consciente de Calibração

Modelos Base: Utiliza Árvores de Decisão Potencializadas pelo Gradiente (XGBoost) e um LSTM de camada única treinados com perda pinball para regressão quantílica.
Regressão Quantílica Conformalizada (CQR): Envolve os modelos base para produzir intervalos de previsão livres de distribuição e calibrados. Emprega divisões de calibração por cliente respeitando o tempo para garantir que os escores de conformidade sejam computados em dados não vistos e cronologicamente subsequentes.
Pós-processamento: Aplica um operador de rearranjo mônoto para eliminar o cruzamento de quantis (onde $q_{0.1} > q_{0.5}$ ).
Adaptação: Inclui uma atualização conformal adaptativa opcional para lidar com regimes não estacionários (tendências, sazonalidade, deriva exógena).
Diagnósticos: Reporta perda pinball, escore de Probabilidade Classificada Contínua (CRPS) aproximado, cobertura empírica e largura do intervalo.

B. Camada de Roteamento Estocástico Mensuravelmente Restrita

Aproximação de Média de Amostragem (SAA): Substitui o heurístico de "resolver deterministicamente sobre um quantil superior inflado" por um procedimento SAA. Cenários são gerados (distribuição Normal truncada ajustada aos intervalos CQR) e um plano de rota fixo é avaliado via simulação de Monte Carlo.
Modelagem de Recurso: Implementa um modelo de custo de recurso de dois estágios onde violações de capacidade disparam uma penalidade de retorno ao depósito.
Construção de Capacidade: Um wrapper que resolve novamente o problema de roteamento na capacidade necessária para atingir um alvo de nível de serviço e revalida contra um desenho de cenário gerado de forma independente para evitar overfitting.
Backend de Distância: Suporta tanto Haversine (padrão para dados sintéticos) quanto OSRM (Open Source Routing Machine) para distâncias realistas de rede rodoviária.

C. Camada de Avaliação Teórica de Decisão

Métricas de Valor: Computa o Valor da Solução Estocástica (VSS) e o Valor Esperado da Informação Perfeita (EVPI).
Comparação Controlada: Crucialmente, os planos determinísticos e estocásticos são avaliados em uma capacidade de veículo idêntica. Isso isola o valor da informação distributiva do valor de um slack adicional.
Teste de Significância: Emprega testes de Diebold–Mariano (para comparações pareadas) e testes de Friedman–Nemenyi (para múltiplos modelos) para determinar a significância estatística.

D. Estrutura de Reprodutibilidade

Validação: Utiliza validação cruzada de origem móvel (walk-forward) para detectar degradação temporal.
Explicabilidade: Fornece atribuições SHAP (com ressalvas sobre dependência de recursos) e oclusão em janela para modelos LSTM.
Ferramental: Inclui um conjunto de testes de 53 funções, dependências fixadas, conteinerização Docker e rastreamento opcional via MLflow.

3. Resultados Principais (Evidência Executada)

O artigo distingue entre resultados de "Tier 1" (executados e arquivados) e "Tier 2" (implementados, mas não arquivados). Os achados empíricos relatados baseiam-se em um backtest de origem móvel de cinco dobras em uma rede logística sintética de 16 clientes e 400 dias.

Subcobertura Sistemática (Tier 1): Um ensemble de gradiente de quantis não calibrado alcançou uma cobertura empírica de 0.775 contra um alvo nominal de 0.800. Isso representa um déficit médio de 2,47 pontos percentuais, com subcobertura ocorrendo em quatro das cinco dobras. Os autores observam que este é um "resultado negativo" sobre o baseline amplamente utilizado, demonstrando que níveis de quantis nominais não são níveis de cobertura calibrados e que tratá-los como tal subestima o risco de ruptura de estoque.
Degradação Progressiva (Tier 1): A qualidade da previsão (medida por CRPS) degradou monotonicamente através das origens sucessivas. Apesar de um aumento de 79% nos dados de treinamento (de 3.104 para 5.568 observações), o CRPS aumentou 16,1% da primeira para a última dobra. Essa tendência só foi visível através da avaliação de origem móvel; uma divisão única de treino/teste teria ocultado essa degradação sistemática.
Quantificação de Incerteza: O artigo afirma explicitamente que as figuras de cobertura caracterizam o baseline não calibrado. A arquitetura detectou com sucesso esse modo de falha, fornecendo a motivação empírica para a camada conformal.

4. Significância e Alegações

O artigo posiciona-se modestamente como uma contribuição de metodologia e arquitetura de referência, em vez de uma alegação de precisão de previsão de estado da arte ou otimalidade de roteamento. Sua significância reside em:

Teste de Interface Explícito: Converter suposições implícitas (calibração, níveis de serviço, valor estocástico) em medições explícitas e testáveis.
Relato Empírico Honesto: Fornecer um "resultado negativo" que desafia a prática comum de usar previsões de quantis não calibrados como entradas determinísticas, mostrando que tais práticas produzem planos que são "mais confiáveis do que realmente são".
Reprodutibilidade como Substância: Demonstrar que protocolos de validação rigorosos (origem móvel, teste de significância, comparação de capacidade controlada) são necessários para revelar tendências sistemáticas e evitar falsos positivos que avaliações de divisão única podem omitir.
Implementação Aberta: Liberar um pipeline completo e conteinerizado com um conjunto abrangente de testes para permitir que outros pesquisadores estendam o trabalho (por exemplo, em direção ao aprendizado focado em decisão ou otimização robusta distributivamente) contra um baseline documentado e auditável.

Os autores concluem que a principal contribuição da arquitetura é a integração de técnicas estabelecidas em um pipeline auditável onde a transição do aprendizado para a otimização é medida, não assumida.