A gestão eficaz dos processos que envolvem os fornecedores tem grande influência na melhoria do desempenho organizacional, sendo, portanto, fundamental para desenvolver capacidades das operações de produção que podem gerar vantagem competitiva, tais como qualidade, preço e tempo de entrega. A gestão de fornecedores inclui as atividades de qualificação, seleção, avaliação e desenvolvimento de fornecedores, além da alocação de pedido quando múltiplas fontes de fornecimento são selecionadas. A qualificação é um processo importante para assegurar que os fornecedores atendam requisitos mínimos de desempenho e, idealmente, deve ser realizada com métodos não compensatórios de categorização das alternativas. Entretanto, na literatura há poucos estudos que abordam a qualificação de fornecedores. Dentre aqueles que abordam, a maioria utiliza técnicas multicritério que são compensatórias e de ordenação. Outros aspectos importantes da gestão de fornecedores é a possível presença vários tomadores de decisão, caracterizando um processo de tomada de decisão em grupo, além da subjetividade de alguns critérios que gera incerteza nos julgamentos e hesitação. Ao se considerar essas questões na gestão de fornecedores, nenhuma pesquisa na literatura apresenta uma abordagem que contemple todos as características simultaneamente. Além disso, poucas pesquisas abordam os processos da gestão de fornecedores sob uma perspectiva integrada. Com vista a estas lacunas, esta pesquisa tem por objetivo a proposição de dois modelos de decisão que consideram os processos de qualificação, seleção e avaliação de fornecedores, em um cenário de tomada de decisão em grupo, considerando a incerteza e hesitação. Os modelos propostos têm por finalidade elicitar as preferências, agregar os julgamentos e categorizar os fornecedores. O primeiro modelo utiliza a representação linguística Triangular Hesitant Fuzzy Sets, para lidar com a hesitação nos julgamentos dos tomadores de decisão, além da técnica ELECTRE TRI para a categorização dos fornecedores. O segundo modelo se baseia na aplicação representação linguística Intuitionistic Fuzzy Sets para modelar a hesitação na parametrização das variáveis linguísticas e no ELECTRE TRI para a categorização. A elicitação é realizada com o uso do Fuzzy Delphi combinado com operadores de agregação do Triangular Hesitant Fuzzy Sets e Intuitionistic Fuzzy Sets. Os modelos de decisão foram detalhados e implementados no Matlab©. Após a proposição dos métodos, dois casos ilustrativos, obtidos a partir da coleta em campo, foram apresentados para analisar o desempenho dos modelos. Os casos ilustrativos mostraram resultados de categorização consistentes, especialmente para o procedimento pessimista do ELECTRE TRI. Testes com a hesitação nos julgamentos dos tomadores de decisão evidenciaram a importância da modelagem da hesitação, pois ela tem o potencial de alterar a categorização das alternativas. Testes com os parâmetros do ELECTRE TRI, confirmaram o efeito não compensatório da técnica e que a variação do nível de corte tem o potencial de tornar a categorização mais flexível. Assim, esta tese apresenta uma revisão de literatura sobre os processos de gestão de fornecedores e sobre tomada de decisão multicritério e em grupo, a proposição de métodos de apoio à tomada de decisão, casos ilustrativos para ilustrar o modelo, análises de sensibilidade dos métodos, além das conclusões e propostas para trabalhos futuros. / Effective management of the processes that involving suppliers has a major influence on improving organizational performance and is therefore fundamental to develop production operations capabilities that can generate competitive advantage, such as quality, price and delivery time. Supplier management includes qualification, selection, evaluation and development of suppliers, as well as allocation of orders when multiple sources of supply are selected. Qualification is an important process to ensure that suppliers meet minimum performance requirements and ideally must be performed with non-compensatory methods of categorization. However, in the literature there are few studies that consider the process of supplier qualification. Among the studies that consider the qualification, most use multicriteria techniques that are compensatory and for ranking. Other important aspects of supplier management are the possible presence of several decision makers, characterizing a process of group decision making, as well as the subjectivity of some criteria that generates uncertainty in judgments and hesitation. When considering these issues in supplier management, none of the studies found in the literature presents an approach that contemplates all features simultaneously. In addition, few researches deal with supplier management processes from an integrated perspective. In view of these gaps, this research aims to propose two decision models that consider the processes of qualification, selection and evaluation of suppliers, in a scenario of group decision making, considering the uncertainty and hesitation. The proposed models have the purpose the elicitation of the preferences, the aggregation of the judgments and the categorization of the suppliers. The first model uses the linguistic representation Triangular Hesitant Fuzzy Sets, to deal with the hesitation in the judgments of the decision makers, in addition to the ELECTRE TRI technique for the categorization of the suppliers. The second model is based on the application of the linguistic representation Intuitionistic Fuzzy Sets to model the hesitation in the parameterization of the linguistic variables and in the ELECTRE TRI for categorization. Elicitation is performed with the use of Fuzzy Delphi combined with aggregation operators of the Triangular Hesitant Fuzzy Sets and Intuitionistic Fuzzy Sets. The decision models were detailed and implemented in Matlab©. Two illustrative cases, obtained from the field collection, were presented to analyze the performance of the models. The illustrative cases showed consistent categorization results, especially for the pessimistic procedure of ELECTRE TRI. Tests with hesitation in the judgments of decision makers highlighted the importance of modeling hesitation, since it has the potential to change the categorization of alternatives. Tests with the ELECTRE TRI parameters confirmed the non-compensatory effect of the technique and that the variation of the cut level has the potential to make categorization more flexible. Thus, this thesis presents a review of the literature on supplier management processes and on multicriteria and group decision making, the proposition of methods to support decision making, illustrative cases to illustrate the model, method sensitivity analyzes, besides the conclusions and proposals for future works.

Submitted by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:11Z No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:33Z (GMT) No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T20:30:39Z (GMT) No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) / Made available in DSpace on 2017-08-08T20:31:24Z (GMT). No. of bitstreams: 1 DissMVRL.pdf: 2179441 bytes, checksum: 3c4089c4b24a3d98521f8561c6f2c515 (MD5) Previous issue date: 2016-03-03 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Inductive Decision Trees (DT) are mechanisms based on the symbolic paradigm of machine learning which main characteristics are easy interpretability and low computational cost. Though they are widely used, the DTs can represent problems with just discrete or continuous variables. However, for some problems, the variables are not well represented in this way. In order to improve DTs, the Fuzzy Decision Trees (FDT) were developed, adding the ability to deal with fuzzy variables to the Inductive Decision Trees, making them capable to deal with imprecise knowledge. In this text, it is presented a new algorithm for fuzzy decision trees induction. Its fuzification method is applied during the induction and it is inspired by the C4.5’s partitioning method for continuous attributes. The proposed algorithm was tested with 20 datasets from UCI repository (LICHMAN, 2013). It was compared with other three algorithms that implement different solutions to classification problem: C4.5, which induces an Inductive Decision Tree, FURIA, that induces a Rule-based Fuzzy System and FuzzyDT, which induces a Fuzzy Decision Tree where the fuzification is done before tree’s induction is performed. The results are presented in Chapter 4. / As Árvores de Decisão Indutivas (AD) são um mecanismo baseado no paradigma simbólico do Aprendizado de Máquina que tem como principais características a fácil interpretabilidade e baixo custo computacional. Ainda que sejam amplamente utilizadas, as ADs são limitadas à representação de problemas cujas variáveis são do tipo discreto ou contínuo. No entanto, para alguns tipos de problemas, pode haver variáveis que não são bem representadas por estes formatos. Diante deste contexto, foram criadas as Árvores de Decisão Fuzzy (ADF), que adicionam à interpretabilidade das Árvores de Decisão Indutivas, a capacidade de lidar com variáveis fuzzy, as quais representam adequadamente conhecimentos imprecisos. Neste texto, apresentamos o trabalho desenvolvido durante o mestrado, que tem como principal resultado um novo algoritmo para indução de Árvores de Decisão Fuzzy, cujo método de fuzificação dos atributos contínuos é realizado durante a indução da árvore e foi inspirado no método de particionamento de atributos contínuos adotado pelo C4.5. Para validação do algoritmo, foram realizados testes com 20 conjuntos de dados do repositório UCI (LICHMAN, 2013) e o algoritmo foi comparado com outros três algoritmos que abordam o problema de classificação por meio de técnicas diferentes: o C4.5 que induz uma Árvore de Decisão Indutiva, o FURIA, que induz um Sistema Fuzzy Baseado em Regras, porém não segue a estrutura de árvore e o FuzzyDT que induz uma Árvore de Decisão fuzzy realizando a fuzificação dos atributos contínuos antes da indução da árvore. Os resultados dos experimentos realizados são apresentados e discutidos no Capítulo 4 deste texto.

Made available in DSpace on 2016-06-02T19:05:54Z (GMT). No. of bitstreams: 1 3998.pdf: 3486824 bytes, checksum: f1c040adfdc7d0672bc93a058f8a413d (MD5) Previous issue date: 2011-06-28 / Financiadora de Estudos e Projetos / The goal of this work is to study, expand and evaluate the use of multiobjective genetic algorithms and the iterative rule learning approach in fuzzy system generation, especially, in fuzzy rule-based systems, both in automatic fuzzy rule generation from datasets and in fuzzy sets optimization. This work investigates the use of multi-objective genetic algorithms with a focus on the trade-off between accuracy and interpretability, considered contradictory objectives in the representation of fuzzy systems. With this purpose, we propose and implement an evolutive multi-objective genetic model composed of three stages. In the first stage uniformly distributed fuzzy sets are created. In the second stage, the rule base is generated by using an iterative rule learning approach and a multiobjective genetic algorithm. Finally the fuzzy sets created in the first stage are optimized through a multi-objective genetic algorithm. The proposed model was evaluated with a number of benchmark datasets and the results were compared to three other methods found in the literature. The results obtained with the optimization of the fuzzy sets were compared to the result of another fuzzy set optimizer found in the literature. Statistical comparison methods usually applied in similar context show that the proposed method has an improved classification rate and interpretability in comparison with the other methods. / O objetivo deste trabalho é estudar, expandir e avaliar o uso dos algoritmos genéticos multiobjetivo e a abordagem iterativa na geração de sistemas fuzzy, mais especificamente para sistemas fuzzy baseados em regras, tanto na geração automática da base de regras fuzzy a partir de conjuntos de dados, como a otimização dos conjuntos fuzzy. Esse trabalho investiga o uso dos algoritmos genéticos multiobjetivo com enfoque na questão de balanceamento entre precisão e interpretabilidade, ambos considerados contraditórios entre si na representação de sistemas fuzzy. Com este intuito, é proposto e implementado um modelo evolutivo multiobjetivo genético composto por três etapas. Na primeira etapa são criados os conjuntos fuzzy uniformemente distribuídos. Na segunda etapa é tratada a geração da base de regras usando a abordagem iterativa e um algoritmo genético multiobjetivo. Por fim, na terceira etapa os conjuntos fuzzy criados na primeira etapa são otimizados mediante um algoritmo genético multiobjetivo. O modelo desenvolvido foi avaliado em diversos conjuntos de dados benchmark e os resultados obtidos foram comparados com outros três métodos, que geram regras de classificação, encontrados na literatura. Os resultados obtidos após a otimização dos conjuntos fuzzy foram comparados com resultados de outro otimizador de conjuntos fuzzy encontrado na literatura. Métodos estatísticos de comparação usualmente aplicados em contextos semelhantes mostram uma melhor taxa de classificação e interpretabilidade do método proposto com relação a outros métodos.

Made available in DSpace on 2016-06-02T19:06:08Z (GMT). No. of bitstreams: 1 656.pdf: 1176051 bytes, checksum: 79408472b8b3606bcf1eb1699d034a2e (MD5) Previous issue date: 2004-05-24 / Financiadora de Estudos e Projetos / The construction of the knowledge base of fuzzy systems has been beneficited intensively from automatic methods that extract the necessary knowledge from data sets which represent examples of the problem. The evolutionary computation, especially genetic algorithms, has been the focus of a great number of researches that deal with the problem of automatic generation of knowledge bases as search and optimization processes using di erent approaches. This work presents a methodology to learn fuzzy rule bases from examples by means of Genetic Algorithms using the Pittsburgh approach. The methodology is composed of 2 stages. The first one is the genetic learning of rule base and the other one is the genetic optimization of the rule base previously obtained in order to exclude redundant and unnecessary rules. The first stage uses a Self Adaptive Genetic Algorithm, that changes dynamically the crossover and mutation rates ensuring genetic diversity and avoiding the premature convergence. The membership functions are defined previously by the fuzzy clustering algorithm FC-Means and remain fixed during all learning process. The application domain is multidimensional pattern classification, where the attributes and, sometimes, the class are fuzzy, so they are represented by linguistic values. The proposed methodology performance is evaluated by computational simulations on some real-world pattern classification problems. The tests focused the accuracy of generated fuzzy rules in di erent situations. The dynamic change of algorithm parameters showed that better results can be obtained and the use of don t care conditions allowed to generate a small number of comprehensible and compact rules. / A construção da base de conhecimento de sistemas fuzzy tem sido beneficiada intensamente por métodos automáticos que extraem o conhecimento necessário a partir de conjuntos de dados que representam exemplos do problema. A computação evolutiva, em particular os algoritmos genéticos, tem sido alvo de um grande número de pesquisas que tratam, usando abordagens variadas, a questão da geração automática da base de conhecimento de sistemas fuzzy como um processo de busca e otimização. Este trabalho apresenta uma metodologia para o aprendizado de bases de regras fuzzy a partir de exemplos por meio de Algoritmos Genéticos usando a abordagem Pittsburgh. A metodologia é composta por duas etapas. A primeira é a geração genética da base de regras e a segunda é a otimização genética da base de regras previamente obtida, a fim de eliminar regras redundantes e desnecessárias. A primeira etapa utiliza um algoritmo genético auto-adaptativo, que altera dinamicamente os valores das taxas de cruzamento e mutação, a fim de garantir diversidade genética na população e evitar convergência prematura. As funções de pertinência são previamente definidas pelo algoritmo de agrupamento fuzzy FC-Means e permanecem fixas durante todo o processo de aprendizado. O domínio da aplicação é a classificação de padrões multi-dimensionais, onde os atributos e, algumas vezes, as classes são fuzzy, portanto, representados por valores lingüísticos. O desempenho da metodologia proposta é avaliado por simulações computacionais em alguns problemas de classificação do mundo real. Os testes focaram a acuidade das bases de regras geradas em diferentes situações. A alteração dinâmica dos parâmetros do algoritmo mostrou que melhores resultados podem ser obtidos e o uso da condição de don t care permitiu gerar um reduzido n´umero de regras mais compreensíveis e compactas.

CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / Esse trabalho propõe a modelagem e o controle neuro-fuzzy aplicados na estabilidade estática de um veículo de duas rodas do tipo pêndulo invertido, utilizando como método de otimização a evolução diferencial. Durante a fase de modelagem, determinam-se as incertezas relacionadas aos parâmetros e também à resposta do modelo neuro-fuzzy. Verifica-se que este é capaz de se ajustar satisfatoriamente aos dados extraídos experimentalmente do veículo. Na determinação do controlador neuro-fuzzy, testam-se três estratégias de ajuste de parâmetros, sendo duas delas propostas neste texto, e os resultados são comparados entre si e aos obtidos através de controladores clássicos, e verifica-se experimentalmente e por meio de testes estatísticos que as abordagens propostas apresentam grande capacidade de adaptação às restrições impostas à planta, garantindo a estabilidade estática e a eficiência energética do sistema. / This work proposes the neuro-fuzzy modeling and control applied to the static stability of a two-wheeled inverted pendulum vehicle, using differential evolution as optimization technique. During the modeling phase, the uncertainties related to the parameters and also to the neuro-fuzzy model response are determined. It is possible to verify that the neuro-fuzzy system is capable of satisfactorily adjusts to the data experimentally extracted from the vehicle. In the determination of the neuro-fuzzy controller, three strategies of parameter adjustment are tested, two of them being proposed in this text, and the results are compared between them and those obtained through classical controllers, and it is verified experimentally and through tests that the proposed approaches present a great capacity to adapt to the constraints imposed on the plant, guaranteeing the static stability and the energy efficiency of the system. / Dissertação (Mestrado)

Made available in DSpace on 2014-07-29T16:02:20Z (GMT). No. of bitstreams: 1 ALEX NERI GUTIERREZ DISSERTACAO.pdf: 1234288 bytes, checksum: ae65a58b7c2fd793b3c15d44001d82d6 (MD5) Previous issue date: 2012-03-23 / This work has the main objective in the context of the fuzzy theory. Averaging method, differential inclusions are studied; finally this context of the fuzzy theory. / O trabalho tem como objetivo principal, o estudo de um método de averaging em problemas de valor inicial no contexto fuzzy. Com o intuito de facilitar a compreensão do trabalho, faz-se um estudo do, um método de averaging no contexto determinístico, teoria de inclusões diferencias, teoria dos conjuntos fuzzy, inclusões diferenciais fuzzy e finalmente mostra-se o um resultado da validade do método de averaging no contexto fuzzy.

Práce popisuje základy principu funkčnosti neuronů a vytvoření umělých neuronových sítí. Je zde důkladně popsána struktura a funkce neuronů a ukázán nejpoužívanější algoritmus pro učení neuronů. Základy fuzzy logiky, včetně jejich výhod a nevýhod, jsou rovněž prezentovány. Detailněji je popsán algoritmus zpětného šíření chyb a adaptivní neuro-fuzzy inferenční systém. Tyto techniky poskytují efektivní způsoby učení neuronových sítí.

Práce popisuje základy principu funkčnosti neuronů a vytvoření umělých neuronových sítí. Je zde důkladně popsána struktura a funkce neuronů a ukázán nejpoužívanější algoritmus pro učení neuronů. Základy fuzzy logiky, včetně jejich výhod a nevýhod, jsou rovněž prezentovány. Detailněji je popsán algoritmus zpětného šíření chyb a adaptivní neuro-fuzzy inferenční systém. Tyto techniky poskytují efektivní způsoby učení neuronových sítí.

The thesis deals with artificial neural networks theory. Subsequently, fuzzy sets are being described and fuzzy logic is explained. The hybrid neuro-fuzzy system stemming from ANFIS system is designed on the basis of artificial neural networks, fuzzy sets and fuzzy logic. The upper-mentioned systems' functionality has been demonstrated on an inverted pendulum controlling problem. The three controllers have been designed for the controlling needs - the first one is on the basis of artificial neural networks, the second is a fuzzy one, and the third is based on ANFIS system.  The thesis is aimed at comparing the described systems, which the controllers have been designed on the basis of, and evaluating the hybrid neuro-fuzzy system ANFIS contribution in comparison with particular theory solutions. Finally, some experiments with the systems are demonstrated and findings are assessed.

Many concrete problems, ranging from Portfolio selection to Water resource management, may be cast into a multiobjective programming framework. The simplistic way of superseding blindly conflictual goals by one objective function let no chance to the model but to churn out meaningless outcomes. Hence interest of discussing ways for tackling Multiobjective Programming Problems. More than this, in many real-life situations, uncertainty and imprecision are in the state of affairs. In this dissertation we discuss ways for solving Multiobjective Programming Problems with fixed and fuzzy coefficients. No preference, a priori, a posteriori, interactive and metaheuristic methods are discussed for the deterministic case. As far as the fuzzy case is concerned, two approaches based respectively on possibility measures and on Embedding Theorem for fuzzy numbers are described. A case study is also carried out for the sake of illustration. We end up with some concluding remarks along with lines for further development, in this field. / Operations Research / M. Sc. (Operations Research)