RCIPL
Repositório Institucional do Politécnico de Lisboa
Entradas recentes
Business Intelligence no setor bancário
Publication . Antunes, Andreia; Rodrigues, Fernando
O presente estudo analisa o contributo do Business Intelligence (BI) no setor bancário, com especial enfoque na sua influência na tomada de decisão, eficiência operacional, auditoria, prevenção de fraude e cibersegurança. A investigação teve como objetivo compreender de que forma as tecnologias de BI são utilizadas pelas instituições financeiras para otimizar processos, apoiar a gestão do risco e reforçar os mecanismos de controlo. A metodologia adotada combinou a revisão da literatura com uma abordagem qualitativa baseada em entrevistas semiestruturadas a profissionais com experiência nas áreas da banca, auditoria, sistemas de informação e gestão de risco. Os resultados obtidos demonstram que o BI é associado significativamente para melhorar a qualidade da informação disponibilizada aos decisores, aumentar a eficiência operacional através da automatização de processos e reforçar a capacidade de deteção e prevenção de fraudes. Os entrevistados destacaram igualmente a crescente integração entre BI, Inteligência Artificial (IA) e Machine Learning (ML), permitindo uma análise mais rápida e precisa de grandes volumes de dados e contribuindo para o fortalecimento da cibersegurança nas instituições financeiras. Conclui-se que o BI constitui uma ferramenta estratégica para o setor bancário, potenciando a competitividade, a inovação e a capacidade de resposta aos desafios regulatórios e tecnológicos atuais, apesar dos desafios associados à qualidade dos dados, integração tecnológica e disponibilidade de recursos especializados.
City mobility and night life monitor
Publication . Elvas, Luis B.; Nunes, Miguel; Francisco, Bruno; Domingues, Nuno; Soares Domingues, Nuno Alexandre
This paper presents an Internet of Things (IoT) system designed to collect and analyse information regarding the travel patterns and movements of individuals in densely populated locations, in the context of smart cities. People’s movements are retrieved from coarse-grained aggregated cellular network data without collecting sensitive information from mobile devices and users. These data were provided by a Portuguese cellular operator to the Lisbon City Council to characterize people movements in the city. In this sense, the mobile phones act as useful sensor devices for collecting rich spatiotemporal information about human movement patterns. The purpose of this research work is to create a machine learning-based data-driven approach that is able to receive anonymised data from telecommunication operators to provide a big picture about citizen mobility in the city and to identify patterns based on the collected data, in order to provide relevant information for city planning and events coordination. Some of the main applications of the proposed system are the coordination of big events and the management and control of commuting traffic.
End-to-end decomposition-aware neural architecture search with sparse expert transformers for thermal energy forecasting
Publication . Seman, Laio Oriel; Stefenon, Stefano Frizzo; Matos-Carvalho, João Pedro; Nied, Ademir; Yow, Kin-Choong; Stefenon, Stefano Frizzo; IEEE
This study presents a unified framework for thermal energy forecasting that integrates signal decomposition, Neural Architecture Search (NAS), and sparse transformer modeling. The method employs a hyperparameter-optimized hierarchical Variational Mode Decomposition (VMD) to enhance signal representation through adaptive noise suppression and mode separation. A differentiable preprocessing module, referred to as HeadComposer, performs joint search over normalization, decomposition, and convolutional transformations within a bilevel optimization procedure. The forecasting backbone consists of a transformer architecture incorporating gated residual connections for adaptive token selection and Mixture-of-Experts (MoE) feedforward layers for conditional computation. Experiments are conducted on real-world thermal power generation data comprising approximately 10,000 test samples, using an input look-back window of 96 time steps and a multi-step prediction horizon of 24 steps ahead. Results demonstrate consistent improvements over state-of-the-art baselines, achieving a mean absolute percentage error of 5.94%, corresponding to reductions of approximately 12-15% relative to competing methods. The proposed design demonstrates the effectiveness of combining decomposition-based preprocessing (VMD and HeadComposer) with NAS-driven architecture adaptation and sparse expert routing (based on MoE) for modeling non-stationary thermal generation processes.
Patch-based transformer with mixture of experts and conformal inference for curtailment time series forecasting
Publication . Heidrich, Mikhail Zimmer; Reis, Mari Aurora Favero; Yamaguchi, Cristina Keiko; Seman, Laio Oriel; Stefenon, Stefano Frizzo; Stefenon, Stefano Frizzo; IEEE
The growth of variable renewable energy sources has increased the occurrence of curtailment in power systems, particularly in regions affected by transmission constraints and limited operational flexibility. Reliable forecasting of curtailment time series, together with well-calibrated uncertainty estimates, is therefore essential to support operational planning, market decisions, and risk management. This paper proposes a curtailment forecasting framework that combines a high-capacity neural time series model with distribution-free conformal prediction to jointly address accuracy and uncertainty quantification. The forecasting backbone is a Transformer-based encoder-decoder architecture enhanced with reversible instance normalization to mitigate distribution shift, patch-based tokenization to reduce sequence length and improve temporal representation, and a Mixture of Experts feed-forward module to enable conditional computation and improved generalization. The proposed method is evaluated against a wide range of state-of-the-art models, including NBEATS, NBEATSx, NHITS, PatchTST, LSTM, GRU, TFT, Informer, and Autoformer, across multiple forecasting horizons. The model achieves an MSE of 0.0059 for a horizon equal to 3h, corresponding to a 13.2% reduction relative to the second-best methods. For a horizon equal to 5h, the MSE is reduced to 0.0119, representing a 29.6% improvement, while for a horizon equal to 10, the model attains an MSE of 0.0461, outperforming NHITS by 22.9%. Ablation analysis confirms the importance of patch embedding, the Mixture of Experts mechanism, and reversible instance normalization. The conformal prediction module achieves an empirical coverage of 91.27% for a nominal 90% level, with adaptive and practically useful interval widths.
A integração dos serviços partilhados na auditoria na KPMG: benefícios e o papel das novas tecnologias
Publication . Reis, Ana Margarida Rito; Pires, Rui
A presente investigação analisa a integração dos Centros de Serviços Partilhados (CSP) no contexto de auditoria, destacando a sua importância para a eficiência organizacional, a qualidade do trabalho de auditoria e a adoção de práticas inovadoras. O objetivo da dissertação consiste em compreender de forma aprofundada os benefícios, desafios e
impactos decorrentes da implementação dos CSP, bem como o papel das novas tecnologias, como a automação e a inteligência artificial na otimização deste modelo organizacional. A investigação desenvolve-se a partir de uma revisão de literatura estruturada, que enquadra teoricamente os CSP, a sua relação com a eficiência e a qualidade do trabalho de auditoria e a relevância das mudanças tecnológicas na evolução destes centros. Para complementar a análise teórica, foi realizado um estudo empírico junto de profissionais de auditoria e assurance da KPMG, permitindo identificar perceções, práticas e experiências associadas à utilização dos CSP. Os resultados revelam uma perceção globalmente positiva, evidenciando melhorias na eficiência, redução de tarefas repetitivas e maior consistência no trabalho. Estes resultados reforçam a importância estratégica dos CSP como instrumentos de apoio e valorização do setor da auditoria.