Titulo Estágio
Conectividade inteligente no ecossistema da mobilidade
Áreas de especialidade
Sistemas de Informação
Local do Estágio
Remoto/Porto
Enquadramento
Com o crescendo de integração de tecnologia nos veículos atuais, iremos caminhar para um cenário em que as viaturas estarão cada vez mais conectadas com o mundo que as rodeia, e em particular com outros agentes que fazem parte do ecossistema da mobilidade. Uma das áreas em que se espera mais avanços, é a introdução de inteligência artificial que permita às viaturas tomarem decisões com vista a promover uma melhor experiência para os passageiros. Uma das entidades que faz parte do ecossistema da mobilidade são as seguradoras.
Este trabalho pretende explorar ""the art of possible"" para ilustrar o que poderá ser o modelo de interação passageiro-viatura no futuro.
No futuro, este tipo de mecanismos permitirá não só melhorar a experiência dos utilizadores de seguro automóvel mas também reduzir custos logísticos por parte da seguradoras e associados a este tipo de processos.
Objetivo
Neste caso, pretende-se explorar um cenário em que, mediante a informação obtida através de sensores de IoT, a viatura possa detetar, antever e mesmo agir perante situações que possam levar interrupções da mobilidade (p.e. avaria), acionando de imediato o contacto com a seguradora para efetuar o pedido de assistência em viagem, solicitar viatura de substituição e negociar um ponto no trajeto para reboque e substituição da viatura atual, em prol da experiência do passageiro cuja jornada de mobilidade fica garantida.
Plano de Trabalhos - Semestre 1
1. Identificação dos sensores existentes e informação disponibilizada relativamente ao estado da viatura (1 mês);
2. Identificação dos serviços disponibilizados pelas diferentes entidades relacionados com o ciclo de vida de um veículo (1 mês);
3. Definição do use case, processo e respetivos requisitos a ser suportado pelo MVP (1 mês);
4. Recolha de dados para o treino de modelos de inteligência artificial de suporte ao processo definido (2 meses);
5. Definição do stack tecnológico a usar e plano de atividades para a implementação do protótipo (1 mês);
Plano de Trabalhos - Semestre 2
1. Desenho técnico da solução, incluindo definição da arquitectura e detalhe dos fluxos a serem implementados (1 mês);
2. Treino e avaliação dos modelos de machine learning identificados para o suporte do processo do MVP (2 meses);
3. Implementação do protótipo integrado de suporte ao MVP, incluindo a integração com os modelos de machine learning (2 meses);
4. Elaboração de um relatório final que inclui uma reflexão crítica das possibilidades e limitações desta abordagem tecnológica (1 mês).
Condições
- O candidato deve estar confortável em realizar as implementações de software e treino de modelos de machine learning;
- Bolsa de estágio remunerada, durante a realização da dissertação, na organização.
Orientador
Pedro Goldschmidt Oliveira
maricoelho@deloitte.pt 📩