Considere a seguinte situação:
Uma equipe está desenvolvendo uma operação logística para integrar soluções de Inteligência Artificial à cadeia de suprimentos. O objetivo era aumentar a previsibilidade de demanda, otimizar rotas de entrega em tempo real e reduzir falhas humanas na análise de pedidos. Durante a análise do projeto, foi proposto o uso de três tecnologias distintas: redes neurais convolucionais (CNNs), algoritmos de reforço e modelos autoregressivos. Considerando os objetivos do projeto e os princípios técnicos da IA, qual combinação de aplicações é a mais adequada e coerente com as tecnologias mencionadas?
- A Aplicar CNNs na previsão de demanda, modelos autoregressivos para mapear fluxos logísticos e algoritmos de reforço apenas para controle de estoque baseado em RFID.
- B Utilizar CNNs para classificar tipos de clientes, algoritmos de reforço para análise de feedbacks e modelos autoregressivos para compressão de dados logísticos.
- C Adotar CNNs para traduzir pedidos em linguagem natural, algoritmos de reforço para automatizar contratos com fornecedores e modelos autoregressivos para gerar relatórios gerenciais.
- D Utilizar algoritmos de reforço para a otimização dinâmica das rotas com base em condições variáveis, modelos autoregressivos para previsão de demanda com base em séries temporais de vendas e CNNs para análise de imagens de carga, detectando avarias.
- E Empregar algoritmos de reforço para prever demanda com base em sazonalidade, CNNs para processar dados de GPS e modelos autoregressivos para detectar produtos com maior índice de avaria.