Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/handle/123456789/15026
Title: Uma abordagem híbrida para o problema de seleção de fornecedores em cadeia de suprimentos
Authors: Santi, Éverton
Keywords: Problema de seleção de fornecedores;Supply chain management;Lógica fuzzy;AHP;TOPSIS;GRASP;Supplier selection problem;Supply chain management;Fuzzy logic;AHP;TOPSIS;GRASP
Issue Date: 27-Jan-2012
Publisher: Universidade Federal do Rio Grande do Norte
Citation: SANTI, Everton. Uma abordagem híbrida para o problema de seleção de fornecedores em cadeia de suprimentos. 2012. 104 f. Dissertação (Mestrado em Estratégia; Qualidade; Gestão Ambiental; Gestão da Produção e Operações) - Universidade Federal do Rio Grande do Norte, Natal, 2012.
Portuguese Abstract: Este trabalho apresenta uma abordagem híbrida para o problema de seleção de fornecedores em cadeias de suprimentos geridas com base na metodologia SCM (do inglês, Supply Chain Management). Busca-se combinar as filosofias de avaliação tradicionalmente adotadas pelos pesquisadores oriundos da escola de negócios e pelos pesquisadores oriundos da área de engenharia, esta última baseada em otimização, para o trato do problema. Para tal, utilizam-se técnicas multicritérios tradicionais, como os métodos AHP e TOPSIS para avaliar as alternativas segundo a preferência dos decisores. Ambas as técnicas são modeladas de maneira a suportar definições da Teoria dos Conjuntos Fuzzy, tratando-se assim informações imprecisas. Adicionalmente, apresenta-se um algoritmo GRASP, com base em múltiplos objetivos, para a alocação de pedidos entre as alternativas pré-selecionadas por meio dos métodos supracitados. Este algoritmo, por sua vez, apresenta tempos de CPU relativamente baixos para cinco instâncias pseudo-aleatórias, contendo entre 20 e 1000 alternativas, bem como valores próximos aos valores mínimos para cada um dos objetivos considerados. Destaca-se que o modelo proposto se mostrou apropriado para a avaliação de fornecedores no contexto apresentado, podendo-se auxiliar os decisores na redução de lead times, custos e riscos de sua cadeia de suprimentos, bem como na melhoria da eficiência desta estrutura em relação à sua visão de negócios, mesmo quando um número elevado de alternativas é considerado, diferentemente dos modelos clássicos apresentados na literatura
Abstract: This work presents a hybrid approach for the supplier selection problem in Supply Chain Management. We joined decision-making philosophy by researchers from business school and researchers from engineering in order to deal with the problem more extensively. We utilized traditional multicriteria decision-making methods, like AHP and TOPSIS, in order to evaluate alternatives according decision maker s preferences. The both techiniques were modeled by using definitions from the Fuzzy Sets Theory to deal with imprecise data. Additionally, we proposed a multiobjetive GRASP algorithm to perform an order allocation procedure between all pre-selected alternatives. These alternatives must to be pre-qualified on the basis of the AHP and TOPSIS methods before entering the LCR. Our allocation procedure has presented low CPU times for five pseudorandom instances, containing up to 1000 alternatives, as well as good values for all considered objectives. This way, we consider the proposed model as appropriate to solve the supplier selection problem in the SCM context. It can be used to help decision makers in reducing lead times, cost and risks in their supply chain. The proposed model can also improve firm s efficiency in relation to business strategies, according decision makers, even when a large number of alternatives must be considered, differently from classical models in purchasing literature
URI: https://repositorio.ufrn.br/jspui/handle/123456789/15026
Appears in Collections:PPGEP - Mestrado em Engenharia de Produção

Files in This Item:
File Description SizeFormat 
EvertonS_DISSERT.pdf1.19 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.