Propostas submetidas

DEI - FCTUC
Gerado a 2025-07-30 03:18:26 (Europe/Lisbon).
Voltar

Titulo Estágio

2025/26_N39 Otimização de desempenho nos processos de provisão

Local do Estágio

Altice Labs

Enquadramento

IDI - Áreas Chave
Artificial Intelligence/Gen AI
Tema / Titulo
Otimização de desempenho nos processos de provisão
Contexto
O processo de provisão de serviços numa rede de telecomunicações envolve várias etapas para garantir que os serviços são ativados e geridosde forma eficiente. Envolve normalmente um conjunto diverso de tarefas, que se inicia com a receção e validação do pedido do cliente, e envolvenormalmente a alocação de recursos ao serviço, a geração de ordens de trabalho para as equipas no terreno e a configuração automática doselementos da rede necessários. Após a ativação do serviço, são realizados testes para garantir o funcionamento correto. O cliente é entãonotificado da disponibilidade do serviço, que é monitorado continuamente para assegurar a qualidade e a disponibilidade. Este processo garanteque os serviços são fornecidos de forma eficiente e com alta qualidade.
O Fulfillment One é uma plataforma que faz parte da Suite de Produtos da Altice Labs -NOSSIS ONE - sendo utilizada para automatizar os fluxosde provisão. Tipicamente estes fluxos são constituídos por uma sequência de atividades que precisam ser executadas em diferentes sistemas deinformação e nos próprios elementos da rede. Estas atividades podem ter uma complexidade e dependências consideráveis, o que pode contribuirpara problemas na execução dos fluxos que requeiram intervenções manuais, assim como impactos relevantes na eficiência dos referidos fluxos.
A utilização de AI/ML – nomeadamente algoritmos meta-heurísticos e algoritmos evolucionários – e de técnicas de RPA (Robotic ProcessAutomation têm demonstrado a sua utilidade no campo da otimização de processos, sendo âmbito deste projeto validar a sua adequação a este cenário, não se excluindo, no entanto, a utilização de outras tecnologias que venham a demonstrar a sua aplicabilidade.

Objetivo

Neste projeto, pretende-se implementar mecanismos para uma melhoria contÍnua dos processos de provisão, para otimizar os fluxos de trabalho,reduzir etapas manuais e aumentar a eficiência. Nesse sentido, pretende-se utilizar as evoluções em curso no NOSSIS Fulfillment para evoluir assuas capacidades de monitorização pela adição de novos KPIs, relatórios erros e métricas de desempenho, nomeadamente.
Com base nessa informação será facilitada a monitoria do desempenho dos fluxos, em particular o comportamento das atividades constituintes,os tempos de execução, estrangulamentos e principais fontes de erro e desta forma analisar o desempenho dos processos e identificar áreaspara melhoria. Os mecanismos a implementar permitirão a sugestão de mudanças para tornar os fluxos de trabalho mais eficientes e reduzir otrabalho manual
Com este projeto, são esperados:
Preparação de uma revisão bibliográfica abrangente sobre as técnicas atuais de otimização de processos, com particular enfoque naprovisão de serviços em redes de telecomunicações, privilegiando tecnologias de AI/ML e RPA;
Estudo do domínio em questão e dos seus principais desafios, incluindo a sugestão de métricas e KPIs adicionais para o NOSSISFulfillement, que possam potenciar os mecanismos a testar;
Desenvolvimento de mecanismos para abordar problemas específicos de otimização de processos de provisão;
Avaliação da qualidade dos modelos desenvolvidos;
Análise dos resultados obtidos, comparando-os com as técnicas de otimização tradicionais e destacando as vantagens e desvantagens

Plano de Trabalhos - Semestre 1

O desenvolvimento do projeto atual pode ser sintetizado nas seguintes atividades:
Elaboração de um estado da arte tecnológico e as suas aplicações;
Avaliação de tecnologias e ferramentas existentes;
Identificação e desenho de um cenário de otimização de otimização de desempenho em processos de provisão;
Relatório intermédio

Plano de Trabalhos - Semestre 2

Desenvolvimento de um protótipo treinado com dados da organização;
Teste e validação, incluindo a comparação com os resultados atuais;
Recolha de feedback e realização de ajustes;
Documentação;
Escrita de relatório final de dissertação

Condições

Integração no Programa GENIUS Investigação da Inova-Ria.
Entidade Promotora: Inova-Ria
Entidade de acolhimento: Altice Labs
Com possibilidade de integrar uma Bolsa de Investigação - Programa GENIUS - durante a realização do projeto de Dissertação - Integração numa equipa de I&D na Empresa Altice Labs .
Valor de bolsa de acordo com tabelas da FCT (ver pdf em (www.Inova-Ria.pt).
Período de realização de acordo com o enquadramento da Universidade.
• Horário: De acordo com enquadramento da Universidade
• Formato: (a combinar na entrevista)
• Meios: atribuição de um PC portátil e acessos à rede Interna da Altice Labs
• Kit de Acolhimento
• Onboarding nas equipas da Altice Labs, com atribuição de um tutor full-time
• Possibilidade de participar em todas as iniciativas de partilha de conhecimento ou de entretenimento levadas a cabo pela Altice Labs
• Possibilidade de entrada nos quadros da empresa

Os alunos interessados deverão enviar para genius@inova-ria.pt ao cc Dra Regina Maia Sacchetti (963618710).
• Curriculum Vitae;
• Disciplinas realizadas até ao momento com médias; simples documento eletrónico, que poderá obter no portal académico .

Processo de Seleção: Entrevista Inova-Ria - PROGRAMA GENIUS na qual fará parte o Orientador do projeto de forma a esclarecer a temática envolvida.

Observações

Aspetos Inovadores
A proposta atual apresenta inovação em diferentes aspetos, nas diferentes fases de desenvolvimento:
Desenvolvimento de modelos de otimização de desempenho na provisão de serviços, apresentando alternativas mais eficientes e escaláveisaos processos atuais;
Integração dos resultados em cenários de AIOps;
Otimização de desempenho nos processos de provisão
Explorar técnicas de eficiência operacional;

Ferramentas a utilizar
Python 3, SciKit Learn, Jupyter Notebooks, Pandas, etc;
JIRA, WIKI e GIT.

Referências Bibliográficas
Meta-Heuristic Algorithms in AI Optimization: A Comparative Evaluation of Effectiveness
Deep Insights into Automated Optimization with Large Language Models and Evolutionary Algorithms

Orientador

Luís Cortesão
luis-m-cortesao@alticelabs.com 📩