Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | por eng |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do Mackenzie |
Texto Completo: | https://dspace.mackenzie.br/handle/10899/33452 |
Resumo: | Essa tese teve como objetivo identificar do desempenho da cadeia de suprimentos no desempenho organizacional a partir da aplicação de aprendizado de máquina nas relações entre os construtos, em um contexto de economia dos custos de transação. Os objetivos específicos foram o de identificar as características (tipos) de aprendizado de máquina utilizado nas empresas, aplicações de aprendizado de máquina na cadeia de suprimentos, uso de aprendizado de máquina conforme o alinhamento estratégico da cadeia de suprimentos. O trabalho teve caráter inédito ao relacionar os construtos orientação estratégica de cadeia de suprimentos, teoria da economia dos custos de transação, desempenho da cadeia de suprimentos e desempenho da empresa, com a moderação do uso de aprendizado de máquina. A pesquisa foi desenvolvida em três etapas: bibliográfica, na construção do referencial teórico; pesquisa exploratória e qualitativa, composta de entrevistas com 11 profissionais que atuam em cadeia de suprimentos. Posteriormente, aplicou-se um questionário com 72 assertivas a 121 profissionais que atuam com aprendizado de máquina. Por meio de análise fatorial exploratória, foram identificadas as variáveis significativas, o que possibilitou, por meio do SmartPLS-4, analisar as correlações, confiabilidades dos construtos e os impactos resultantes do uso de aprendizado de máquina. Os achados confirmaram que o uso de aprendizado de máquina tem impacto positivo nas relações entre orientação estratégica da cadeia de suprimentos e redução dos custos de transação e entre a redução dos custos de transação e o desempenho da cadeia de suprimentos. Diante dos resultados, pode-se concluir que o uso de aprendizado de máquina propiciou a melhoria do desempenho d cadeia de suprimentos que foi repassado para o desempenho da empresa. Como contribuições o estudo trouxe: a aplicação do aprendizado de máquina amplia o entendimento sobre a relação entre os construtos; obteve subsídios para descobrir padrões nos dados envolvidos nos processos de cadeia de suprimentos por meio de análise fatorial que identificaram fatores influentes para o sucesso da cadeia de suprimentos. |
id |
UPM_5ea033c2ce61b47626036e1d151240bb |
---|---|
oai_identifier_str |
oai:dspace.mackenzie.br:10899/33452 |
network_acronym_str |
UPM |
network_name_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
repository_id_str |
10277 |
spelling |
Morais, Roberto Ramos deMoori, Roberto Giro2023-09-28T14:54:47Z2023-09-28T14:54:47Z2023-08-21Essa tese teve como objetivo identificar do desempenho da cadeia de suprimentos no desempenho organizacional a partir da aplicação de aprendizado de máquina nas relações entre os construtos, em um contexto de economia dos custos de transação. Os objetivos específicos foram o de identificar as características (tipos) de aprendizado de máquina utilizado nas empresas, aplicações de aprendizado de máquina na cadeia de suprimentos, uso de aprendizado de máquina conforme o alinhamento estratégico da cadeia de suprimentos. O trabalho teve caráter inédito ao relacionar os construtos orientação estratégica de cadeia de suprimentos, teoria da economia dos custos de transação, desempenho da cadeia de suprimentos e desempenho da empresa, com a moderação do uso de aprendizado de máquina. A pesquisa foi desenvolvida em três etapas: bibliográfica, na construção do referencial teórico; pesquisa exploratória e qualitativa, composta de entrevistas com 11 profissionais que atuam em cadeia de suprimentos. Posteriormente, aplicou-se um questionário com 72 assertivas a 121 profissionais que atuam com aprendizado de máquina. Por meio de análise fatorial exploratória, foram identificadas as variáveis significativas, o que possibilitou, por meio do SmartPLS-4, analisar as correlações, confiabilidades dos construtos e os impactos resultantes do uso de aprendizado de máquina. Os achados confirmaram que o uso de aprendizado de máquina tem impacto positivo nas relações entre orientação estratégica da cadeia de suprimentos e redução dos custos de transação e entre a redução dos custos de transação e o desempenho da cadeia de suprimentos. Diante dos resultados, pode-se concluir que o uso de aprendizado de máquina propiciou a melhoria do desempenho d cadeia de suprimentos que foi repassado para o desempenho da empresa. Como contribuições o estudo trouxe: a aplicação do aprendizado de máquina amplia o entendimento sobre a relação entre os construtos; obteve subsídios para descobrir padrões nos dados envolvidos nos processos de cadeia de suprimentos por meio de análise fatorial que identificaram fatores influentes para o sucesso da cadeia de suprimentos.IPM - Instituto Presbiteriano Mackenziehttps://dspace.mackenzie.br/handle/10899/33452porengUniversidade Presbiteriana Mackenzieaprendizado de máquinateoria da economia de custos de transaçãoorientação estratégica da gestão da cadeia de suprimentosdesempenho da cadeia de suprimentosdesempenho da empresaadição de valorAplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Biblioteca Digital de Teses e Dissertações do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIEinfo:eu-repo/semantics/openAccesshttp://lattes.cnpq.br/5365750180833774https://orcid.org/0000-0001-5690-746Xhttp://lattes.cnpq.br/7982773802429297https://orcid.org/0000-0001-6467-5320Bido, Diógenes de Souzahttp://lattes.cnpq.br/7757562071320086https://orcid.org/0000-0002-8525-5218Martins, Ricardo Silveirahttp://lattes.cnpq.br/4225299693291986https://orcid.org/0000-0001-9717-3896Martins, Fellipe Silvahttp://lattes.cnpq.br/7912881403948084https://orcid.org/0000-0003-3918-7231Silveira, Marco Antonio Pinheiro dahttp://lattes.cnpq.br/8428940810363446This thesis aimed to identify supply chain performance in organizational performance based on the application of machine learning in the relationships between constructs, in a context of transaction cost economics. The specific objectives were to identify the characteristics (types) of machine learning used in companies, applications of machine learning in the supply chain, use of machine learning according to the strategic alignment of the supply chain. The work was unprecedented in relating the constructs strategic supply chain orientation, transaction cost economics theory, supply chain performance and company performance, with the moderation of the use of machine learning. The research was developed in three stages: bibliographic, in the construction of the theoretical framework; exploratory and qualitative research, consisting of interviews with 11 professionals who work in the supply chain. Subsequently, a questionnaire with 72 statements was administered to 121 professionals who work with machine learning. Through exploratory factor analysis, significant variables were identified, which made it possible, through SmartPLS-4, to analyze the correlations, reliability of the constructs and the impacts resulting from the use of machine learning. The findings confirmed that the use of machine learning has a positive impact on the relationships between supply chain strategic orientation and transaction cost reduction and between transaction cost reduction and supply chain performance. Given the results, it can be concluded that the use of machine learning led to improved supply chain performance, which was passed on to the company's performance. As contributions the study brought: the application of machine learning expands the understanding of the relationship between constructs; obtained subsidies to discover patterns in the data involved in supply chain processes through factor analysis that identified influential factors for the success of the supply chain.machine learningtransaction cost economics theorystrategic supply chain management orientationsupply chain performancefirm performancevalue additionBrasilCentro de Ciências Sociais e Aplicadas (CCSA)UPMAdministração de EmpresasCNPQ::CIENCIAS SOCIAIS APLICADASORIGINALROBERTO RAMOS DE MORAIS.pdfROBERTO RAMOS DE MORAIS.pdfapplication/pdf3504913https://dspace.mackenzie.br/bitstreams/01e985ce-6263-4f64-a643-aaf5a1127980/download734315a6b8ed5384844bb7471d8d2f2eMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82269https://dspace.mackenzie.br/bitstreams/18ff60eb-250c-42c8-9c93-82ab686b4fbe/downloadf0d4931322d30f6d2ee9ebafdf037c16MD52TEXTROBERTO RAMOS DE MORAIS.pdf.txtROBERTO RAMOS DE MORAIS.pdf.txtExtracted texttext/plain433821https://dspace.mackenzie.br/bitstreams/a99e9395-0f1b-4d45-93ed-3708c1099039/downloada190a183a1b8ea9533294233b373cbd9MD53THUMBNAILROBERTO RAMOS DE MORAIS.pdf.jpgROBERTO RAMOS DE MORAIS.pdf.jpgGenerated Thumbnailimage/jpeg2669https://dspace.mackenzie.br/bitstreams/1cc76ed4-3eb7-4a27-9516-12e3abe67cd2/download9c46e5f70c3e5163bcfdcdec46b2b45fMD5410899/334522023-09-29 02:02:01.396oai:dspace.mackenzie.br:10899/33452https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772023-09-29T02:02:01Biblioteca Digital de Teses e Dissertações do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)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 |
dc.title.none.fl_str_mv |
Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação |
title |
Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação |
spellingShingle |
Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação Morais, Roberto Ramos de aprendizado de máquina teoria da economia de custos de transação orientação estratégica da gestão da cadeia de suprimentos desempenho da cadeia de suprimentos desempenho da empresa adição de valor |
title_short |
Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação |
title_full |
Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação |
title_fullStr |
Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação |
title_full_unstemmed |
Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação |
title_sort |
Aplicação do machine learning na gestão da cadeia de suprimentos sob o contexto de custos de transação |
author |
Morais, Roberto Ramos de |
author_facet |
Morais, Roberto Ramos de |
author_role |
author |
dc.contributor.author.fl_str_mv |
Morais, Roberto Ramos de |
dc.contributor.advisor1.fl_str_mv |
Moori, Roberto Giro |
contributor_str_mv |
Moori, Roberto Giro |
dc.subject.por.fl_str_mv |
aprendizado de máquina teoria da economia de custos de transação orientação estratégica da gestão da cadeia de suprimentos desempenho da cadeia de suprimentos desempenho da empresa adição de valor |
topic |
aprendizado de máquina teoria da economia de custos de transação orientação estratégica da gestão da cadeia de suprimentos desempenho da cadeia de suprimentos desempenho da empresa adição de valor |
description |
Essa tese teve como objetivo identificar do desempenho da cadeia de suprimentos no desempenho organizacional a partir da aplicação de aprendizado de máquina nas relações entre os construtos, em um contexto de economia dos custos de transação. Os objetivos específicos foram o de identificar as características (tipos) de aprendizado de máquina utilizado nas empresas, aplicações de aprendizado de máquina na cadeia de suprimentos, uso de aprendizado de máquina conforme o alinhamento estratégico da cadeia de suprimentos. O trabalho teve caráter inédito ao relacionar os construtos orientação estratégica de cadeia de suprimentos, teoria da economia dos custos de transação, desempenho da cadeia de suprimentos e desempenho da empresa, com a moderação do uso de aprendizado de máquina. A pesquisa foi desenvolvida em três etapas: bibliográfica, na construção do referencial teórico; pesquisa exploratória e qualitativa, composta de entrevistas com 11 profissionais que atuam em cadeia de suprimentos. Posteriormente, aplicou-se um questionário com 72 assertivas a 121 profissionais que atuam com aprendizado de máquina. Por meio de análise fatorial exploratória, foram identificadas as variáveis significativas, o que possibilitou, por meio do SmartPLS-4, analisar as correlações, confiabilidades dos construtos e os impactos resultantes do uso de aprendizado de máquina. Os achados confirmaram que o uso de aprendizado de máquina tem impacto positivo nas relações entre orientação estratégica da cadeia de suprimentos e redução dos custos de transação e entre a redução dos custos de transação e o desempenho da cadeia de suprimentos. Diante dos resultados, pode-se concluir que o uso de aprendizado de máquina propiciou a melhoria do desempenho d cadeia de suprimentos que foi repassado para o desempenho da empresa. Como contribuições o estudo trouxe: a aplicação do aprendizado de máquina amplia o entendimento sobre a relação entre os construtos; obteve subsídios para descobrir padrões nos dados envolvidos nos processos de cadeia de suprimentos por meio de análise fatorial que identificaram fatores influentes para o sucesso da cadeia de suprimentos. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-09-28T14:54:47Z |
dc.date.available.fl_str_mv |
2023-09-28T14:54:47Z |
dc.date.issued.fl_str_mv |
2023-08-21 |
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://dspace.mackenzie.br/handle/10899/33452 |
url |
https://dspace.mackenzie.br/handle/10899/33452 |
dc.language.iso.fl_str_mv |
por eng |
language |
por eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie instname:Universidade Presbiteriana Mackenzie (MACKENZIE) instacron:MACKENZIE |
instname_str |
Universidade Presbiteriana Mackenzie (MACKENZIE) |
instacron_str |
MACKENZIE |
institution |
MACKENZIE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
collection |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
bitstream.url.fl_str_mv |
https://dspace.mackenzie.br/bitstreams/01e985ce-6263-4f64-a643-aaf5a1127980/download https://dspace.mackenzie.br/bitstreams/18ff60eb-250c-42c8-9c93-82ab686b4fbe/download https://dspace.mackenzie.br/bitstreams/a99e9395-0f1b-4d45-93ed-3708c1099039/download https://dspace.mackenzie.br/bitstreams/1cc76ed4-3eb7-4a27-9516-12e3abe67cd2/download |
bitstream.checksum.fl_str_mv |
734315a6b8ed5384844bb7471d8d2f2e f0d4931322d30f6d2ee9ebafdf037c16 a190a183a1b8ea9533294233b373cbd9 9c46e5f70c3e5163bcfdcdec46b2b45f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE) |
repository.mail.fl_str_mv |
repositorio@mackenzie.br||paola.damato@mackenzie.br |
_version_ |
1813820031426887680 |