Aplicação de técnicas de machine learning para classificação ABC multicritério

Detalhes bibliográficos
Autor(a) principal: Luchese, Rafael Leites
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/231881
Resumo: Quando falamos na gestão de estoques de uma empresa, a classificação ABC é uma forma bastante conhecida e amplamente utilizada para priorizar itens de forma a identificar quais são mais e menos relevantes no contexto da empresa. Ao longo do tempo alguns méto dos foram propostos para realizar esta classificação, de modo a considerar um ou mais critérios neste análise, sempre com o objetivo de ser mais assertivo no resultado. Dada a ampla gama de aplicações voltadas para classificação que utilizam técnicas de Machine Learning, neste trabalho explorou-se a viabilidade da aplicação destas técnicas para o problema da classificação ABC. Utilizando uma base de dados reais, foram aplicadas três técnicas distintas de Machine Learning comparando os resultados obtidos pelas técnicas entre si e contra um cenário de referência. A abordagem se mostrou viável, com as técni cas obtendo resultados melhores que o cenário de referência na maior parte dos testes.
id UFRGS-2_0af63462f4516656ca2f5ed789002531
oai_identifier_str oai:www.lume.ufrgs.br:10183/231881
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Luchese, Rafael LeitesOliveira, Flavio Moreira de2021-11-17T04:25:17Z2021http://hdl.handle.net/10183/231881001133576Quando falamos na gestão de estoques de uma empresa, a classificação ABC é uma forma bastante conhecida e amplamente utilizada para priorizar itens de forma a identificar quais são mais e menos relevantes no contexto da empresa. Ao longo do tempo alguns méto dos foram propostos para realizar esta classificação, de modo a considerar um ou mais critérios neste análise, sempre com o objetivo de ser mais assertivo no resultado. Dada a ampla gama de aplicações voltadas para classificação que utilizam técnicas de Machine Learning, neste trabalho explorou-se a viabilidade da aplicação destas técnicas para o problema da classificação ABC. Utilizando uma base de dados reais, foram aplicadas três técnicas distintas de Machine Learning comparando os resultados obtidos pelas técnicas entre si e contra um cenário de referência. A abordagem se mostrou viável, com as técni cas obtendo resultados melhores que o cenário de referência na maior parte dos testes.When talking about a company’s inventory management, the ABC classification is a well known and widely applied method to prioritize items in order to identify which ones are more and less relevant in the company’s context. Over time, some methods were proposed to carry out this classification, in order to consider one or more criteria in this analysis, al ways aiming to be more assertive in the result. Given the wide range of Machine Learning Algorithms in classification problems, we explore the feasibility of applying these tech niques to the ABC Classification problem. Using a real database, we applied three distinct Machine Learning algorithms comparing their results against each other and against a ref erence scenario. The approach proved to be viable, with the algorithms obtaining better results than the reference scenario in nearly all tests.application/pdfporAprendizado de máquinaStocks ManagementABC ClassificationAplicação de técnicas de machine learning para classificação ABC multicritérioApplying machine learning algorithms for multi-criteria ABC classification info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RSespecializaçãoCurso de Especialização em Engenharia de Software e Inovaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001133576.pdf.txt001133576.pdf.txtExtracted Texttext/plain95388http://www.lume.ufrgs.br/bitstream/10183/231881/2/001133576.pdf.txt7e5893bbb193e3b3d3ca74e576c0b77fMD52ORIGINAL001133576.pdfTexto completoapplication/pdf1140183http://www.lume.ufrgs.br/bitstream/10183/231881/1/001133576.pdf6f3e48987715667763254ae6115e81baMD5110183/2318812021-11-20 06:15:29.977356oai:www.lume.ufrgs.br:10183/231881Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2021-11-20T08:15:29Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Aplicação de técnicas de machine learning para classificação ABC multicritério
dc.title.alternative.en.fl_str_mv Applying machine learning algorithms for multi-criteria ABC classification
title Aplicação de técnicas de machine learning para classificação ABC multicritério
spellingShingle Aplicação de técnicas de machine learning para classificação ABC multicritério
Luchese, Rafael Leites
Aprendizado de máquina
Stocks Management
ABC Classification
title_short Aplicação de técnicas de machine learning para classificação ABC multicritério
title_full Aplicação de técnicas de machine learning para classificação ABC multicritério
title_fullStr Aplicação de técnicas de machine learning para classificação ABC multicritério
title_full_unstemmed Aplicação de técnicas de machine learning para classificação ABC multicritério
title_sort Aplicação de técnicas de machine learning para classificação ABC multicritério
author Luchese, Rafael Leites
author_facet Luchese, Rafael Leites
author_role author
dc.contributor.author.fl_str_mv Luchese, Rafael Leites
dc.contributor.advisor1.fl_str_mv Oliveira, Flavio Moreira de
contributor_str_mv Oliveira, Flavio Moreira de
dc.subject.por.fl_str_mv Aprendizado de máquina
topic Aprendizado de máquina
Stocks Management
ABC Classification
dc.subject.eng.fl_str_mv Stocks Management
ABC Classification
description Quando falamos na gestão de estoques de uma empresa, a classificação ABC é uma forma bastante conhecida e amplamente utilizada para priorizar itens de forma a identificar quais são mais e menos relevantes no contexto da empresa. Ao longo do tempo alguns méto dos foram propostos para realizar esta classificação, de modo a considerar um ou mais critérios neste análise, sempre com o objetivo de ser mais assertivo no resultado. Dada a ampla gama de aplicações voltadas para classificação que utilizam técnicas de Machine Learning, neste trabalho explorou-se a viabilidade da aplicação destas técnicas para o problema da classificação ABC. Utilizando uma base de dados reais, foram aplicadas três técnicas distintas de Machine Learning comparando os resultados obtidos pelas técnicas entre si e contra um cenário de referência. A abordagem se mostrou viável, com as técni cas obtendo resultados melhores que o cenário de referência na maior parte dos testes.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-11-17T04:25:17Z
dc.date.issued.fl_str_mv 2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/231881
dc.identifier.nrb.pt_BR.fl_str_mv 001133576
url http://hdl.handle.net/10183/231881
identifier_str_mv 001133576
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 application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/231881/2/001133576.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/231881/1/001133576.pdf
bitstream.checksum.fl_str_mv 7e5893bbb193e3b3d3ca74e576c0b77f
6f3e48987715667763254ae6115e81ba
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224615375142912

Registros relacionados