Gestão de Fornecedores: modelo multicritério de decisão em grupo apoiado por técnicas de computação com palavras e de aprendizado de máquina

• Processo: 24/19620-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2028
• Área do conhecimento: Engenharias - Engenharia de Produção
• Pesquisador responsável: Luiz Cesar Ribeiro Carpinetti
• Beneficiário: Luiz Cesar Ribeiro Carpinetti
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores associados: Francisco Rodrigues Lima Junior ; Lucas Daniel Del Rosso Calache ; Lucas Gabriel Zanon ; Rafael Ferro Munhoz Arantes
• Assunto(s): Aprendizado computacional Sistemas de apoio à decisão
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Decisão em grupo | Decisão multicritério | gestão de fornecedores | inteligência híbrida | técnicas fuzzy | Sistemas de apoio à decisão

Resumo

O processo de avaliação e gestão de fornecedores pode contribuir não apenas na orientação de decisões de compra, mas também para o desenvolvimento de fornecedores. Assim, aprimora também as relações de parceria, fortalecendo os elos da cadeia produtiva. A literatura sobre técnicas de decisão multicritério e de computação com palavras aplicadas à seleção e desenvolvimento de fornecedores é bastante vasta. Também vem crescendo o número de estudos que propõe a aplicação de técnicas de aprendizado de máquina. No entanto, a avaliação de fornecedores não se faz apenas com a análise objetiva de dados típico de um modelo de aprendizado supervisionado. Ela envolve também a consideração de critérios de natureza subjetiva. Nesse caso, é inescapável a observação e julgamento humano para avaliação dos fornecedores. E, muitas vezes, os julgamentos devem ser endossados por múltiplos decisores, o que adiciona mais uma camada de complexidade do processo de tomada de decisão. É nesse contexto que o presente projeto tem por objetivo propor um modelo de apoio à decisão para avaliação e desenvolvimento de fornecedores alicerçado no conceito de inteligência híbrida, combinando decisões humanas e inteligência de máquina. As questões de pesquisa, norteadoras da construção de tal modelo híbrido de apoio à decisão, são assim declaradas: Q1 - Como técnicas de aprendizado de máquina e SHAP podem ser usadas para avaliação e recomendação de fornecedores? E Q2: Técnicas de aprendizado de máquina em combinação com técnicas CRP e SHAP podem automatizar e auxiliar a interpretação da construção de consenso? Para responder à essas questões e atingir o objetivo proposto, este projeto estabelece um conjunto de metas: revisão da literatura; desenvolvimento de modelo conceitual para classificação e recomendação de fornecedores; desenvolvimento de modelo conceitual de automatização do CRP; aplicação piloto; divulgação de resultados em congressos e periódicos internacionais. Espera-se que o projeto atinja resultados acadêmicos, como o desenvolvimento de aplicações de aprendizado de máquina na engenharia de produção, formação de pessoas e divulgação científica. Por meio de aplicação piloto e interação com profissionais, espera-se também que este projeto contribua para a evolução da prática de gestão de fornecedores junto à comunidade industrial. (AU)