dc.contributor.advisor | Marques, Marcos Augusto Mendes, 1978- | pt_BR |
dc.contributor.other | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia de Produção | pt_BR |
dc.creator | Scheuer, Mayara | pt_BR |
dc.date.accessioned | 2022-11-03T11:16:35Z | |
dc.date.available | 2022-11-03T11:16:35Z | |
dc.date.issued | 2022 | pt_BR |
dc.identifier.uri | https://hdl.handle.net/1884/77439 | |
dc.description | Orientador: Prof. Dr. Marcos Augusto Mendes Marques | pt_BR |
dc.description | Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia de Produção. Defesa : Curitiba, 30/06/2022 | pt_BR |
dc.description | Inclui referências | pt_BR |
dc.description.abstract | Resumo: Atualmente o aumento do volume de dados gerados e a utilização destes é
uma realidade entre as organizações e o meio acadêmico. Quando esses dados são
utilizados para geração de conhecimento tornam-se um fator de muita importância
para as empresas. Desta maneira, proporciona para as organizações vantagens
competitivas em seus mercados de atuação e para o meio acadêmico possibilita
novas oportunidades de campos de estudo. A utilização de tecnologias na busca de
melhores soluções e resultados como estratégia de negócio é um incentivador para
que as empresas alcancem vantagens em seus mercados. A cadeia de suprimentos
é um fator de grande impacto nesta estratégia e as organizações que tem como
objetivo manter-se competitivas, devem considerar a classificação e seleção de
fornecedores como um fator decisório na gestão de seus insumos. A geração de
conhecimento para a escolha de fornecedores a partir da geração de dados pode ser
obtida por meio da aplicação de técnicas estatística mais básicas ou por meio de
técnicas estatística mais elaboradas, como técnicas multivariadas ou multicritérios.
Neste cenário, onde é necessário a classificação de fornecedores para obtenção de
vantagens competitivas e a utilização de técnicas multivariadas como solução para
isto, é que este trabalho está inserido. Objetiva-se, portanto, propor um modelo de
análise multicritério combinado com multivariado (modelo misto) para ranqueamento
e classificação de fornecedores. Para cumprir com este objetivo, definiu-se os critérios
para a aplicação do modelo a partir da relação dos critérios obtidos na Revisão
Sistemática da Literatura (RSL) e obteve-se os critérios utilizados em uma empresa
real. Posteriormente, identificaram-se os métodos existentes e adequados para o
modelo. Como terceiro passo, definiram-se os critérios utilizados no modelo pelo
método de Lawshe aplicado a especialistas. Na quarta etapa, definiram-se os pesos
dos critérios pelo método AHP. Posteriormente, efetuou-se o ranqueamento dos
fornecedores por meio do método ELECTRE III e o agrupamento de fornecedores em
grupos afins pelo k-médias, por fim aplicou-se para a classificação de novos
fornecedores nos grupos pré-definidos a análise discriminante de Fisher. Obteve-se
como resultado um modelo misto para ranqueamento e classificação de fornecedores,
desenvolvido na ferramenta Microsoft Excel, o qual foi obteve avaliação positiva
máxima quando se avaliou o resultado a partir da sua qualidade e clareza. | pt_BR |
dc.description.abstract | Abstract: Nowadays, Currently, the increase in the volume of data generated and their
use is a reality among organizations and academia. When these data are used to
generate knowledge, they become a very important factor for companies. In this way,
it provides organizations with competitive advantages in their markets and for the
academic environment, it enables new opportunities in fields of study. The use of
technologies in the search for better solutions and results as a business strategy is an
incentive for companies to achieve advantages in their markets. The supply chain is a
factor of great impact in this strategy and organizations that aim to remain competitive
should consider the classification and selection of suppliers as a decisive factor in the
management of their inputs. The generation of knowledge for choosing suppliers from
the generation of data can be obtained through the application of more basic statistical
techniques or through more elaborate statistical techniques, such as multivariate or
multicriteria techniques. In this scenario, where it is necessary to classify suppliers to
obtain competitive advantages and the use of multivariate techniques as a solution for
this, this work is inserted. The objective is, therefore, to propose a model of multicriteria
analysis combined with multivariate (mixed model) for ranking and classification of
suppliers. To fulfill this objective, the criteria for the application of the model were
defined from the list of criteria obtained in the Systematic Review of Literature (RSL)
and the criteria used in a real company were obtained. Subsequently, the existing and
adequate methods for the model were identified. As a third step, the criteria used in
the model were defined using the Lawshe method applied to specialists. In the fourth
step, the weights of the criteria were defined using the AHP method. Subsequently,
the ranking of suppliers was performed using the ELECTRE III method and the
grouping of suppliers into similar groups by k-means, finally, Fisher's discriminant
analysis was applied to the classification of new suppliers in the pre-defined groups.
As a result, a mixed model for ranking and classification of suppliers, developed in the
Microsoft Excel tool, was obtained, which was obtained maximum positive evaluation
when the result was evaluated based on its quality and clarity. | pt_BR |
dc.format.extent | 1 recurso online : PDF. | pt_BR |
dc.format.mimetype | application/pdf | pt_BR |
dc.language | Português | pt_BR |
dc.subject | Análise multivariada | pt_BR |
dc.subject | Industria - Classificação | pt_BR |
dc.subject | Cadeia de suprimentos - Administração | pt_BR |
dc.subject | Engenharia de Produção | pt_BR |
dc.title | Proposta de um modelo de análise misto para ranqueamento e classificação de fornecedores | pt_BR |
dc.type | Dissertação Digital | pt_BR |