No mercado global de commodities minerais, antecipar tendências de preço é um fator estratégico para planejamento, negociação e gestão de risco. Para empresas que atuam em cadeias complexas e altamente voláteis, como a mineração, decisões sobre produção, logística e contratos dependem cada vez mais de inteligência analítica robusta.
Foi nesse contexto que a Samarco , em parceria com a FutureTech, desenvolveu o Sistema de Previsão de Preço da Pelota (SPP). Uma plataforma analítica voltada a compreender e antecipar a dinâmica de formação de preços.
Mais do que um modelo de previsão, o projeto buscou construir uma base estruturada de inteligência de mercado, capaz de apoiar decisões estratégicas e aumentar a previsibilidade em um ambiente econômico global marcado por volatilidade e múltiplas interdependências.
O desafio: compreender um sistema de preços complexo
O preço de minério de Ferro é influenciado por diversas variáveis internas e externas, incluindo qualidade do minério, demanda siderúrgica global, custos logísticos, variações cambiais e oscilações no mercado internacional de commodities.
Além disso, a Samarco procurava inovar em seu processo de suporte à precificação. Capaz de integrar múltiplas variáveis e gerar previsões consistentes para apoiar decisões comerciais e operacionais.
Diante desse cenário, surgiu a necessidade de construir um sistema capaz de:
- Integrar dados operacionais e indicadores de mercado;
- Identificar relações complexas entre variáveis;
- Gerar previsões confiáveis com base em evidências analíticas.
A solução: um sistema preditivo para o preço da pelota
A FutureTech desenvolveu, em conjunto com a Samarco, o Sistema de Previsão de Preço da Pelota (SPP), um modelo analítico capaz de antecipar tendências de preço com base em múltiplas fontes de dados.
O sistema foi estruturado em duas grandes fases:
1) Estruturação da base analítica
Na primeira fase do projeto, foram identificadas e organizadas as variáveis que influenciam a formação do preço da pelota.
Essa etapa envolveu:
- Mapeamento de fatores internos e externos de precificação;
- Consolidação de bases históricas de dados;
- Análise exploratória de correlações e padrões não lineares;
- Classificação de variáveis por componente.
O resultado foi a criação de uma base analítica estruturada, capaz de integrar dados operacionais da Samarco com índices internacionais de mercado.
2) Modelagem e validação preditiva
Na segunda fase, os modelos preditivos foram desenvolvidos e testados.
A arquitetura adotada combina técnicas estatísticas e aprendizado de máquina, permitindo capturar relações complexas entre variáveis de mercado, logística e qualidade do produto.
Um dos elementos centrais da solução é a arquitetura de aprendizado multilayer, capaz de integrar diferentes níveis de informação e identificar interdependências entre fatores que impactam o preço da pelota.
Como ilustrado na arquitetura do modelo apresentada no relatório técnico, diferentes camadas analíticas processam variáveis técnicas, operacionais e de mercado, permitindo que o sistema identifique padrões complexos e produza previsões mais robustas.
Além disso, os modelos foram implementados no ambiente Databricks da Samarco, garantindo rastreabilidade, versionamento e integração direta com as bases de dados da empresa.
Resultados técnicos do modelo
Os modelos desenvolvidos foram submetidos a processos de validação técnica e testes de robustez.
Os resultados alcançados demonstram a capacidade do modelo de capturar relações complexas entre variáveis e gerar previsões com alto poder explicativo.
Além das previsões pontuais, o sistema também permite gerar:
- Projeções de preços para diferentes períodos;
- Análises de cenários;
- Intervalos de incerteza;
- Comparações entre valores observados e previstos.
Impacto estratégico para a Samarco
A implementação do SPP representa o desenvolvimento da capacidade inovadora e analítica da Samarco.
Com a nova plataforma, a empresa passa a contar com uma ferramenta capaz de:
- Apoiar o planejamento comercial e financeiro;
- Fortalecer a gestão de risco de mercado;
- Melhorar a previsibilidade das projeções;
- Apoiar decisões da corporação, da produção, logística e vendas.
Mais importante ainda, o sistema contribui para transformar dados em inteligência estratégica, fortalecendo a autonomia comercial e a capacidade de resposta às oscilações do mercado global de minério de ferro.
O papel da FutureTech
A FutureTech atua na interseção entre ciência de dados, inteligência artificial e engenharia de decisão, desenvolvendo soluções analíticas para problemas complexos em setores industriais.
No projeto com a Samarco, a empresa foi responsável por:
- Estruturar a arquitetura analítica do sistema;
- Desenvolver os modelos preditivos;
- Integrar os pipelines de dados no ambiente operacional;
- Conduzir validações técnicas e workshops com especialistas da empresa.
Essa colaboração permitiu transformar um desafio complexo de mercado em uma plataforma de inteligência analítica aplicada ao negócio.
O futuro da inteligência analítica na mineração
Projetos como o Sistema de Previsão de Preço da Pelota mostram como a combinação de dados, modelos analíticos e conhecimento de domínio pode ampliar significativamente a capacidade de decisão em setores industriais complexos.
À medida que tecnologias de inteligência artificial e modelagem preditiva evoluem, empresas que investem em inteligência analítica passam a operar com maior previsibilidade, agilidade e vantagem competitiva.
Esse é exatamente o tipo de transformação que a FutureTech busca viabilizar: converter complexidade em inteligência para decisões estratégicas.