Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel

Detalhes bibliográficos
Autor(a) principal: Pereira, Marina Meireles
Data de Publicação: 2020
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/216413
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 2020.
id UFSC_51542650a2abf2f93722440d247739a4
oai_identifier_str oai:repositorio.ufsc.br:123456789/216413
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaPereira, Marina MeirelesFrazzon, Enzo MorosiniKusiak, Andrew2020-10-21T21:29:25Z2020-10-21T21:29:25Z2020369992https://repositorio.ufsc.br/handle/123456789/216413Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 2020.A evolução tecnológica e a digitalização possibilitam a comercialização de produtos através de múltiplos canais e plataformas de forma integrada, propiciando a gestão de varejo omnichannel. Esse processo contínuo de integração das tecnologias digitais/virtuais aos processos gerenciais físicos dos diversos canais influencia na interação das organizações com os clientes. O comportamento de consumo dos clientes é influenciado em decorrência do aumento da conveniência, tornando, contudo, a gestão operacional das cadeias de suprimentos do varejo mais complexa. Para a gestão da cadeia de suprimentos de varejo omni-channel a complexidade reside na incerteza, oscilações no volume de vendas e incompatibilidade entre oferta e demanda. Para lidar com essa complexidade é necessária a adoção de abordagens inovadoras relacionadas a tecnologias de informação e métodos de decisão inteligentes, destacados pela indústria 4.0. No entanto, ainda faltam pesquisas sobre a conexão entre os mundos digital e real, principalmente quando se trata de cadeias de suprimentos de varejo omni-channel, que se baseiam na integração de fluxos e atividades multicanais para melhor atender ao consumidor. Neste contexto, esta pesquisa tem como objetivo propor uma abordagem preditiva e adaptativa para a gestão operacional combinando aprendizado de máquina para minimizar a incerteza, e otimização baseada em simulação para lidar com a sincronização entre oferta e demanda, aplicada à cadeia de suprimentos do varejo omni-channel. Para isso foram identificados os métodos de aprendizado de máquina, de simulação e de otimização aplicados à cadeia de suprimentos e a indústria 4.0 com o intuito de apoiar a escolha do método de redes neurais e da otimização baseada em simulação por meio do algoritmo genético. O método de redes neurais e a otimização baseada em simulação foram analisados por meio de aplicação de um caso teste, visando identificar a aplicabilidade do método levantado na literatura, na gestão operacional da cadeia de suprimentos varejista omni-channel. Em seguida, a abordagem preditiva e adaptativa é aplicada a uma empresa varejista brasileira e como resultado um modelo de gerenciamento operacional de demanda e suprimentos é proposto para a cadeia de suprimentos varejista omnichannel. Os resultados da aplicação do modelo evidenciaram uma redução dos custos da cadeia de suprimentos, do tempo de entrega dos produtos e da quantidade de pedidos provenientes da incompatibilidade de oferta-demanda. Dessa forma, a tese possibilitou a redução das incertezas proveniente da previsão de demanda, redução da falta de produtos na cadeia, e consequentemente um melhor gerenciamento da distribuição da cadeia de suprimentos.Abstract: Technological evolution and digitalization enable the commercialization of products through multiple channels and platforms in an integrated way, providing omni-channel retail management. This ongoing process of integrating digital / virtual technologies into the physical management processes of the various channels influences the interaction of organizations with customers. Customer consumption behavior is influenced by the increase in convenience, however, making the operational management of retail supply chains more complex. For the management of the omni-channel retail supply chain the complexity lies in uncertainty, fluctuations in sales volume and incompatibility between supply and demand. To address this complexity, it is necessary to adopt innovative approaches related to information technologies and intelligent decision methods, highlighted by industry 4.0. However, there is still a lack of research on the connection between the digital and real worlds, especially when it comes to omni-channel retail supply chains, which are based on the integration of multi-channel flows and activities to better serve the consumer. In this context, this research aims to propose a predictive and adaptive approach to operational management combining machine learning to minimize uncertainty, and simulation-based optimization to deal with synchronization between supply and demand, applied to the omni-channel retail supply chain. For this, the machine learning, simulation and optimization methods applied to the supply chain and industry 4.0 were identified in order to support the choice of neural networks method and simulation-based optimization through the genetic algorithm. The neural networks method and the simulationbased optimization were analyzed by applying a test case, aiming to identify the applicability of the method raised in the literature, in the operational management of the omni-channel retail supply chain. The predictive and adaptive approach is then applied to a Brazilian retail company and as a result an operational demand and supply management model is proposed for the omnichannel retail supply chain. The results of the model application showed a reduction in the supply chain costs, in the products fulfillment time and in the quantity of orders resulting from the incompatibility of supply and demand. In this way, the thesis allowed reduce uncertainties arising from demand forecasting, reduce product shortages in the chain, and thereby better manage supply chain distribution.145 p.| il., gráfs., tabs.Engenharia de produçãoCadeia de suprimentosIndústria 4.0Aprendizado do computadorOtimizaçãoAbordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channelinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEPS5783-T.pdfPEPS5783-T.pdfapplication/pdf3287751https://repositorio.ufsc.br/bitstream/123456789/216413/1/PEPS5783-T.pdf3b85598df2e6e7c17951d30ca38c06e1MD51123456789/2164132021-05-03 14:18:14.652oai:repositorio.ufsc.br:123456789/216413Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732021-05-03T17:18:14Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel
title Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel
spellingShingle Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel
Pereira, Marina Meireles
Engenharia de produção
Cadeia de suprimentos
Indústria 4.0
Aprendizado do computador
Otimização
title_short Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel
title_full Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel
title_fullStr Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel
title_full_unstemmed Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel
title_sort Abordagem preditiva e adaptativa de gestão operacional aplicada à cadeia de suprimentos do varejo Omni-channel
author Pereira, Marina Meireles
author_facet Pereira, Marina Meireles
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Pereira, Marina Meireles
dc.contributor.advisor1.fl_str_mv Frazzon, Enzo Morosini
dc.contributor.advisor-co1.fl_str_mv Kusiak, Andrew
contributor_str_mv Frazzon, Enzo Morosini
Kusiak, Andrew
dc.subject.classification.none.fl_str_mv Engenharia de produção
Cadeia de suprimentos
Indústria 4.0
Aprendizado do computador
Otimização
topic Engenharia de produção
Cadeia de suprimentos
Indústria 4.0
Aprendizado do computador
Otimização
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Produção, Florianópolis, 2020.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-10-21T21:29:25Z
dc.date.available.fl_str_mv 2020-10-21T21:29:25Z
dc.date.issued.fl_str_mv 2020
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/216413
dc.identifier.other.none.fl_str_mv 369992
identifier_str_mv 369992
url https://repositorio.ufsc.br/handle/123456789/216413
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 145 p.| il., gráfs., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/216413/1/PEPS5783-T.pdf
bitstream.checksum.fl_str_mv 3b85598df2e6e7c17951d30ca38c06e1
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805446551666688

Registros relacionados