Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Lima Junior, Francisco Rodrigues | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-7053-5519 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/3024249030533602 | - |
Autor(es): dc.contributor | Lima Junior, Francisco Rodrigues | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-7053-5519 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/3024249030533602 | - |
Autor(es): dc.contributor | Peinado, Jurandir | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-4777-6984 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/0900135211447359 | - |
Autor(es): dc.contributor | Carpinetti, Luiz Cesar Ribeiro | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-8357-2607 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4436860841275628 | - |
Autor(es): dc.creator | Saugo, Ricardo Antonio | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:18:44Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:18:44Z | - |
Data de envio: dc.date.issued | 2022-05-13 | - |
Data de envio: dc.date.issued | 2022-05-13 | - |
Data de envio: dc.date.issued | 2022-03-07 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/28496 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706520 | - |
Descrição: dc.description | Due to the globalization of supply chains and the consequent increase in the quantity and diversity of suppliers, their segmentation has become fundamental, because it helps purchasing companies in the definition of specific strategies for suppliers that have similar characteristics. Given the need to incorporate the concept of sustainability into supply chain management, economic, environmental and social performance criteria are also considered in the supplier assessment process. However, in the literature there are few works that present models for segmenting sustainable suppliers, and none of the published works uses supervised learning techniques. Therefore, the objective of this study is to propose a decision model for segmenting sustainable suppliers based on neuro-fuzzy inference systems (ANFIS). The proposed approach combines three ANFIS models in a three-dimensional quadratic matrix, based on several criteria associated with the dimensions of the triple bottom line. 108 candidate topologies were implemented with the help of the Neuro-Fuzzy Designer tool of the MATLAB® software. For the training and testing of these topologies, simulated samples from 200 supplier evaluations were used, generated with the help of the TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) method. The mean square error (MSE) between the desired values and the estimated values by each ANFIS model was calculated in order to select the best topologies and verify the accuracy of the models. The results provided by the topologies with the lowest mean squared error were analyzed using statistical tests. This study can be useful to help researchers and developers of computational solutions, mainly by providing adequate topological parameters to obtain accurate results in the application in question. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Devido à globalização das cadeias de suprimentos e o consequente aumento da quantidade e diversidade dos fornecedores, sua segmentação tornou-se fundamental, pois auxilia as empresas compradoras na definição de estratégias específicas para fornecedores que possuem características semelhantes. Dada a necessidade da incorporação do conceito de sustentabilidade na gestão de cadeias de suprimentos, critérios de desempenho econômico, ambiental e social passam também a serem considerados no processo de avaliação dos fornecedores. Entretanto, na literatura são escassos os trabalhos que apresentam modelos para segmentação de fornecedores sustentáveis, sendo que nenhum dos trabalhos publicados utiliza técnicas de aprendizagem supervisionada. Diante disso, o objetivo deste estudo é propor um modelo de decisão para segmentação de fornecedores sustentáveis baseado em sistemas de inferência neuro-fuzzy (ANFIS). A abordagem proposta combina três modelos ANFIS em uma matriz quadrática tridimensional, baseada em diversos critérios associados às dimensões do triple bottom line. 108 topologias candidatas foram implementadas com o auxílio da ferramenta Neuro-Fuzzy Designer do software MATLAB®. Para o treinamento e teste dessas topologias, foram usadas amostras simuladas de 200 avaliações de fornecedores, geradas com o auxílio do método TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). O erro quadrático médio (MSE) entre os valores desejados e os valores estimados por cada modelo ANFIS foi calculado a fim de selecionar as melhores topologias e verificar a acurácia dos modelos. Os resultados fornecidos pelas topologias com menor erro quadrático médio foram analisados por meio de testes estatísticos. Este estudo pode ser útil para auxiliar pesquisadores e desenvolvedores de soluções computacionais, principalmente por fornecer parâmetros topológicos adequados para obtenção de resultados precisos na aplicação em questão. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Administração | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Logística empresarial | - |
Palavras-chave: dc.subject | Sustentabilidade | - |
Palavras-chave: dc.subject | Processo decisório | - |
Palavras-chave: dc.subject | Administração de empresas - Métodos estatísticos | - |
Palavras-chave: dc.subject | Gestão da cadeia de abastecimento | - |
Palavras-chave: dc.subject | Análise multivariada | - |
Palavras-chave: dc.subject | Business logistics | - |
Palavras-chave: dc.subject | Sustainability | - |
Palavras-chave: dc.subject | Decision making | - |
Palavras-chave: dc.subject | Industrial management - Statistical methods | - |
Palavras-chave: dc.subject | Supply chain management | - |
Palavras-chave: dc.subject | Multivariate analysis | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO | - |
Palavras-chave: dc.subject | Administração | - |
Título: dc.title | Proposição de um modelo baseado em inferência neuro-fuzzy para segmentação de fornecedores sustentáveis | - |
Título: dc.title | Proposal of a model based on neuro-fuzzy inference for sustainable suppliers’ segmentation | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: