Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://doi.org/10.11606/D.18.2020.tde-16122020-183623 |
Resumo: | A gestão de riscos na cadeia de suprimentos (SCRM) é um tema que vem sendo amplamente abordado nos estudos acadêmicos e nas organizações. Nesse contexto, a etapa de avaliação de riscos de fornecimento é a que atrai o maior volume de pesquisas, na qual foram identificadas cinco grandes oportunidades de estudos, sendo elas: (1) lidar adequadamente com a imprecisão presente nas avaliações humanas devido a suas incertezas ou falta de dados; (2) utilizar uma técnica adequada para o processo de decisão ser em grupo; (3) considerar que fatores de risco com um nível de severidade muita alta não sejam compensados por um nível de ocorrência muito baixo; (4) utilizar um método de classificação baseado em regras fuzzy (Fuzzy Rule-Based Classification System – FRBCS) para avaliar os riscos de suprimento; e (5) utilizar dados reais para a aplicação de modelos de gestão de riscos na cadeia de suprimentos. Deste modo, para contemplar todas essas oportunidades simultaneamente, a presente dissertação propôs um modelo de processo de decisão que combine o uso da representação linguística hesitant fuzzy linguistic term set (HFLTS) para modelar matematicamente a hesitação dos decisores durante o processo de julgamento em grupo com o FRBCS para inferir e classificar o grau de cada fator de risco avaliado de maneira compensatória e não-compensatória quando necessário. O trabalho também inclui a modelagem computacional da proposta e a realização de uma aplicação piloto para priorizar os riscos de fornecimento que possuem maior importância a partir da avaliação dos decisores. Os resultados da aplicação piloto mostraram-se condizentes com a realidade da empresa e foram validados pelos especialistas. As análises de sensibilidade comprovaram o comportamento não-compensatório do modelo, além disso, foi demonstrado que é possível ajustar os parâmetros dos números fuzzy para obter resultados que auxiliem mais o processo decisório. As análises de sensibilidades também apontaram que ao se considerar a hesitação dos decisores, tanto a ordenação das importâncias dos fatores de risco, quanto às classificações deles podem ser alteradas. |
id |
USP_a9e5a3363437810eb5d6b4e1101b7fd4 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-16122020-183623 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo Proposal of a supply risk classify method based on the application of fuzzy techniques for group decision making 2020-07-30Luiz Cesar Ribeiro CarpinettiGilberto Miller Devós GangaEliciane Maria da SilvaRafael Ferro Munhoz ArantesUniversidade de São PauloEngenharia de ProduçãoUSPBR Fuzzy Rule-Based Classification System Hesitant Fuzzy Linguistic Term Set Fuzzy Rule-Based Classification System Gestão de fornecedores Gestão de Riscos da Cadeia de Suprimentos Group decision making Hesitant Fuzzy Linguistic Term Set Supplier Management Supply Chain Risk Management Tomada de decisão em grupo A gestão de riscos na cadeia de suprimentos (SCRM) é um tema que vem sendo amplamente abordado nos estudos acadêmicos e nas organizações. Nesse contexto, a etapa de avaliação de riscos de fornecimento é a que atrai o maior volume de pesquisas, na qual foram identificadas cinco grandes oportunidades de estudos, sendo elas: (1) lidar adequadamente com a imprecisão presente nas avaliações humanas devido a suas incertezas ou falta de dados; (2) utilizar uma técnica adequada para o processo de decisão ser em grupo; (3) considerar que fatores de risco com um nível de severidade muita alta não sejam compensados por um nível de ocorrência muito baixo; (4) utilizar um método de classificação baseado em regras fuzzy (Fuzzy Rule-Based Classification System – FRBCS) para avaliar os riscos de suprimento; e (5) utilizar dados reais para a aplicação de modelos de gestão de riscos na cadeia de suprimentos. Deste modo, para contemplar todas essas oportunidades simultaneamente, a presente dissertação propôs um modelo de processo de decisão que combine o uso da representação linguística hesitant fuzzy linguistic term set (HFLTS) para modelar matematicamente a hesitação dos decisores durante o processo de julgamento em grupo com o FRBCS para inferir e classificar o grau de cada fator de risco avaliado de maneira compensatória e não-compensatória quando necessário. O trabalho também inclui a modelagem computacional da proposta e a realização de uma aplicação piloto para priorizar os riscos de fornecimento que possuem maior importância a partir da avaliação dos decisores. Os resultados da aplicação piloto mostraram-se condizentes com a realidade da empresa e foram validados pelos especialistas. As análises de sensibilidade comprovaram o comportamento não-compensatório do modelo, além disso, foi demonstrado que é possível ajustar os parâmetros dos números fuzzy para obter resultados que auxiliem mais o processo decisório. As análises de sensibilidades também apontaram que ao se considerar a hesitação dos decisores, tanto a ordenação das importâncias dos fatores de risco, quanto às classificações deles podem ser alteradas. Supply Chain Risk Management (SCRM) is an issue that has been widely discussed in academic studies and in organizations. In SCRM, supply risk assessment attracts the largest volume of research, where five major research opportunities have been identified: (1) adequately deal with the imprecision present in human assessments due to their uncertainties or lack of data; (2) using a suitable technique for the decision process to be in a group; (3) consider that risk factor with a high level of severity can not be compensated by a low occurrence level; (4) use a Fuzzy Rule-Based Classification System (FRBCS) for supply risk assessment; and (5) use real data for the application of risk management models in the supply chain. To contemplate these opportunities, the present project aims to propose a decision-making model that combines the hesitant fuzzy linguistic term set (HFLTS) to mathematically model the hesitation of the decision makers during the group decision making process (GDM) with the FRBCS to classify the risk factors in a compensatory and non-compensatory approach. The dissertation also includes the computational modeling of the proposal and the implementation of a pilot application to prioritize the supply risks that have the greatest impact on the evaluation of decision makers. The pilot application results show that there are coherent with the enterprise reality. The sensibility analysis confirms the non-compensatory behavior of the model. In addition, it was demonstrated that is possible to adjust the fuzzy numbers to obtain results to support the decision making process. The sensibility analysis also pointed that the experts hesitation have impact in the ranking and in the classification of the risk factors. https://doi.org/10.11606/D.18.2020.tde-16122020-183623info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T19:09:44Zoai:teses.usp.br:tde-16122020-183623Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T12:46:42.390656Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.pt.fl_str_mv |
Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo |
dc.title.alternative.en.fl_str_mv |
Proposal of a supply risk classify method based on the application of fuzzy techniques for group decision making |
title |
Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo |
spellingShingle |
Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo Rafael Ferro Munhoz Arantes |
title_short |
Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo |
title_full |
Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo |
title_fullStr |
Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo |
title_full_unstemmed |
Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo |
title_sort |
Proposta de um modelo de classificação de riscos de fornecimento baseado na aplicação das técnicas fuzzy para a tomada de decisão em grupo |
author |
Rafael Ferro Munhoz Arantes |
author_facet |
Rafael Ferro Munhoz Arantes |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Luiz Cesar Ribeiro Carpinetti |
dc.contributor.referee1.fl_str_mv |
Gilberto Miller Devós Ganga |
dc.contributor.referee2.fl_str_mv |
Eliciane Maria da Silva |
dc.contributor.author.fl_str_mv |
Rafael Ferro Munhoz Arantes |
contributor_str_mv |
Luiz Cesar Ribeiro Carpinetti Gilberto Miller Devós Ganga Eliciane Maria da Silva |
description |
A gestão de riscos na cadeia de suprimentos (SCRM) é um tema que vem sendo amplamente abordado nos estudos acadêmicos e nas organizações. Nesse contexto, a etapa de avaliação de riscos de fornecimento é a que atrai o maior volume de pesquisas, na qual foram identificadas cinco grandes oportunidades de estudos, sendo elas: (1) lidar adequadamente com a imprecisão presente nas avaliações humanas devido a suas incertezas ou falta de dados; (2) utilizar uma técnica adequada para o processo de decisão ser em grupo; (3) considerar que fatores de risco com um nível de severidade muita alta não sejam compensados por um nível de ocorrência muito baixo; (4) utilizar um método de classificação baseado em regras fuzzy (Fuzzy Rule-Based Classification System – FRBCS) para avaliar os riscos de suprimento; e (5) utilizar dados reais para a aplicação de modelos de gestão de riscos na cadeia de suprimentos. Deste modo, para contemplar todas essas oportunidades simultaneamente, a presente dissertação propôs um modelo de processo de decisão que combine o uso da representação linguística hesitant fuzzy linguistic term set (HFLTS) para modelar matematicamente a hesitação dos decisores durante o processo de julgamento em grupo com o FRBCS para inferir e classificar o grau de cada fator de risco avaliado de maneira compensatória e não-compensatória quando necessário. O trabalho também inclui a modelagem computacional da proposta e a realização de uma aplicação piloto para priorizar os riscos de fornecimento que possuem maior importância a partir da avaliação dos decisores. Os resultados da aplicação piloto mostraram-se condizentes com a realidade da empresa e foram validados pelos especialistas. As análises de sensibilidade comprovaram o comportamento não-compensatório do modelo, além disso, foi demonstrado que é possível ajustar os parâmetros dos números fuzzy para obter resultados que auxiliem mais o processo decisório. As análises de sensibilidades também apontaram que ao se considerar a hesitação dos decisores, tanto a ordenação das importâncias dos fatores de risco, quanto às classificações deles podem ser alteradas. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-07-30 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://doi.org/10.11606/D.18.2020.tde-16122020-183623 |
url |
https://doi.org/10.11606/D.18.2020.tde-16122020-183623 |
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.publisher.none.fl_str_mv |
Universidade de São Paulo |
dc.publisher.program.fl_str_mv |
Engenharia de Produção |
dc.publisher.initials.fl_str_mv |
USP |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade de São Paulo |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1794502355598704640 |