ABSTRACT In this case study, various strategic methods that influence procurement, purchase and choice of suppliers are discussed. The aim of the study is to provide a clear picture and depiction of different strategies and tools that SMEs can use to increase competitiveness. In this study, a qualitative research method has been used where no measurements or tests have been conducted. The analysis in this case study concludes that the choice of suppliers and procurement strategies for a small and medium enterprises (SME) is not always an easy task, a lot of components should be considered when making a strategy. Although many theories and methods often claim that the economic factors are important, this study shows that it may be good idea for companies and organizations to see the full picture and consider certain other factors into account. The conclusion also shows that small food business companies often is affected by certain criteria like delivery security and lead time. Many of the factor that are value adding to SMEs has been shown in this study to be determined by the customer. This study is suitable for readers who work with purchase strategies and supplier choices. The reader gets through reading this study insight into different strategy related contexts that are adapted to small and medium enterprises (SME). Further research on the subject can be applied with the help of this study using both the methodological and theoretical frameworks. The results and conclusions may also be of importance in further research.

Artificial Intelligence technology has become increasingly important from a business perspective. In strategic sourcing, the technology has not been explored much. However, 67% of CPO:s in a survey showed that AI is one of their top priorities the next 10 years. AI can be used to identify patterns, predict prices and provide support in decision making. A qualitative case study has been performed in a strategic sourcing function at a large size global industrial company where the purpose has been to investigate how applicable AI is in the strategic sourcing process at The Case Company. In order to achieve the purpose of this study, it has been important to understand the strategic sourcing process and understand what AI technology is and what it is capable of in strategic sourcing. Based on the empirical data collection combined with literature, opportunities of applying AI in strategic sourcing have been identified and key areas for an implementation have been suggested. These include Forecasting, Spend Analysis & Savings Tracking, Supplier Risk Management, Supplier Identification & Selection, RFQ process, Negotiation process, Contract Management and Supplier Performance Management. These key areas have followed the framework identified in the literature study while identifying and adding new factors. It also seemed important to consider factors such as challenges and risks, readiness and maturity as well as factors that seems to be important to consider in order to enable an implementation. To assess how mature and ready the strategic sourcing function is for an implementation, some of the previous digital projects including AI technologies have been mapped and analysed. Based on the identified key areas of opportunities of applying AI, use cases and corresponding benefits of applying AI have been suggested. A guideline including important factors to consider if applying the technology has also been provided. However, it has been concluded that there might be beneficial to start with a smaller use case and then scale it up. Also as the strategic sourcing function has been establishing a spend analytics platform for the indirect team, there might be a good start to evaluate that project and then apply AI on top of the existing solution. Other factors to consider are ensuring data quality and security, align with top management as well as demonstrate the advantages AI can provide in terms of increased efficiency and cost savings. The entire strategic sourcing function should be involved in an AI project and the focus should not only be on technological aspect but also on soft factors including change management and working agile in order to successfully apply AI in strategic sourcing. / Artificiell Intelligens har blivit allt viktigare ur ett affärsperspektiv. När det gäller strategiskt inköp har tekniken inte undersökts lika mycket tidigare. Hursomhelst, 67% av alla tillfrågade CPO:er i en enkät ansåg att AI är en av deras topprioriteringar de kommande tio åren. AI kan exempelvis identifiera mönster, förutspå priser samt ge support inom beslutsfattning. En kvalitativ fallstudie har utförts i en strategisk inköpsfunktion hos ett globalt industriföretag där syftet har varit att undersöka hur tillämpbart AI är i strategiskt inköp hos Case-Företaget. För att uppnå syftet med denna studie har det varit viktigt att förstå vad den strategiska inköpsprocessen omfattas av samt vad AI-teknologi är och vad den är kapabel till inom strategiskt inköp. Därför har litteraturstudien gjorts för att undersöka hur man använt AI inom strategiskt inköp tidigare och vilka fördelar som finns. Baserat på empirisk datainsamling kombinerat med litteratur har nyckelområden för att applicera AI inom strategiskt inköp föreslagits inkluderat forecasting, spendanalys & besparingsspårning, riskhantering av leverantörer, leverantörsidentifikation och val, RFQ-processen, förhandlingsprocessen, kontrakthantering samt uppföljning av leverantörsprestation. Dessa nyckelområden har följt det ramverk som skapats i litteraturstudien samtidigt som nya faktorer har identifierats och lagts till då de ansetts som viktiga. För att tillämpa AI i strategiska inköpsprocessen måste Case-Företaget överväga andra aspekter än var i inköpsprocessen de kan dra nytta av AI mest. Faktorer som utmaningar och risker, beredskap och mognad samt faktorer som ansetts viktiga att beakta för att möjliggöra en implementering har identifierats. För att bedöma hur mogen och redo den strategiska inköpsfunktionen hos Case-Företaget är för en implementering har några av de tidigare digitala projekten inklusive AI-teknik kartlagts och analyserats. Det har emellertid konstaterats att det kan vara fördelaktigt för strategiskt inköp att börja med ett mindre användningsområde och sedan skala upp det. Eftersom strategiska inköpsfunktionen har implementerat en spendanalys plattform kan det vara en bra start att utvärdera det projektet och sedan tillämpa AI ovanpå den befintliga lösningen. Andra faktorer att beakta är att försäkra datakvalitet och säkerhet, involvera ledningen samt lyfta vilka fördelar AI kan ge i form av ökad effektivitet och kostnadsbesparingar. Därtill är det viktigt att inkludera hela strategiska inköps-funktionen samt att inte endast beakta den tekniska aspekten utan också mjuka faktorer så som change management och agila metoder.

Tesis por compendio / [ES] Los métodos multicriterio proporcionan un enfoque analítico y estructurado para la toma de decisiones en la gestión de la cadena de suministro, que permiten evaluaciones basadas en múltiples criterios, esenciales para gestionar socios comerciales sostenibles. El objetivo de esta tesis es contribuir a la gestión sostenible de la cadena de suministro desarrollando nuevos modelos y técnicas multicriterio para evaluar proveedores y clientes. Se han diseñado modelos que incorporan las preferencias empresariales para tomar decisiones colaborativas en la selección y clasificación transparente de alternativas basadas en criterios sostenibles. También se han desarrollado métodos para clasificar las alternativas en grupos ordenados y evaluar su calidad. Tanto los modelos como los métodos se han validado mediante casos empíricos y comparado con enfoques alternativos. La metodología se basa en una profunda revisión bibliográfica y en el conocimiento experto de profesionales en la cadena de suministro. Los modelos multicriterio propuestos emplean técnicas como el Analytic Hierarchy Process (AHP), la Multi-Attribute Utility Theory (MAUT) y PROMETHEE. También se han desarrollado tres algoritmos para la clasificación de alternativas (nominal y ordenada). En primer lugar, se ha propuesto un modelo multicriterio híbrido y se ha validado con datos reales para homologar y seleccionar proveedores de tecnología, así como para su priorización y clasificación. Este modelo integra métodos compensatorios (AHP, MAUT) y no compensatorios (PROMETHEE, FlowSort) en una jerarquía con criterios de sostenibilidad. La validación del modelo en un contexto real y su comparación con un modelo alternativo ha demostrado su capacidad para proporcionar información relevante y transparente en la toma de decisiones para la evaluación sostenible de proveedores de tecnología en el sector bancario. En segundo lugar, se ha diseñado un nuevo algoritmo, denominado Global Local Net Flow sorting (GLNF sorting), que clasifica alternativas en grupos ordenados a partir de los flujos netos generados en búsquedas globales y locales con PROMETHEE. Adicionalmente, se ha diseñado el algoritmo SILhouette for Sorting (SILS) para calcular un índice de calidad en las clasificaciones. Ambos algoritmos se han validado empíricamente en la segmentación de proveedores y sus resultados se han comparado con otros métodos publicados. Por una parte, GLNF sorting destaca al mejorar la discriminación entre proveedores cercanos a los perfiles limitantes de los grupos, aprovechando el nivel de similitud preferencial entre alternativas. Por otra, SILS mejora la calidad de las asignaciones y permite un análisis detallado que facilita la toma de decisiones. En tercer lugar, se ha propuesto un sistema de segmentación de clientes B2B basado en transacciones y colaboración, aplicando AHP y GLNF sorting. Validado con 8,157 clientes de una multinacional, se ha evaluado con SILS y estadística descriptiva. Comparado con K-means, el modelo genera clasificaciones más homogéneas y robustas. Esta herramienta permite a las empresas automatizar decisiones y llevar a cabo análisis detallados para mejorar las relaciones con los clientes, alineándose con sus estrategias de colaboración y enfoques de mercado. En cuarto lugar, las búsquedas globales y locales se han utilizado para proponer un algoritmo de clasificación nominal basado dos dimensiones, que proporciona una matriz estratégica muy útil para los gestores de cadena de suministro. Por último, se ha desarrollado el paquete de software PrometheeTools en R, que automatiza la aplicación de PROMETHEE, GLNF sorting y SILS para resolver problemas multicriterio de priorización y clasificación de alternativas. Este paquete se ha validado con éxito y destaca por su eficiencia en PROMETHEE con miles de alternativas. Está disponible en acceso abierto en el repositorio CRAN para su utilización por investigadores y profesionales interesados en toma de decisiones multicriterio. / [CA] Els mètodes multicriteri proporcionen un enfocament analític i estructurat per a la presa de decisions en la gestió de la cadena de subministrament, que permeten avaluacions basades en múltiples criteris, essencials per a gestionar socis comercials sostenibles. L'objectiu d'aquesta tesi és contribuir a la gestió sostenible de la cadena de subministrament desenvolupant nous models i tècniques multicriteri per a avaluar proveïdors i clients. S'han dissenyat models que incorporen les preferències empresarials per a prendre decisions col·laboratives en la selecció i classificació transparent d'alternatives basades en criteris sostenibles. També s'han desenvolupat mètodes per a classificar les alternatives en grups ordenats i avaluar-ne la qualitat. Tant els models com els mètodes s'han validat mitjançant casos empírics i comparat amb enfocaments alternatius. La metodologia es basa en una profunda revisió bibliogràfica i en el coneixement expert de professionals en la cadena de subministrament. Els models multicriteri proposats empren tècniques com ara el procés analític jeràrquic (AHP), la teoria d'utilitat multiatribut (MAUT) i PROMETHEE. També s'han desenvolupat tres algoritmes per a la classificació d'alternatives (nominal i ordenada). En primer lloc, s'ha proposat un model multicriteri híbrid i s'ha validat amb dades reals per a homologar i seleccionar proveïdors de tecnologia, així com per a la seua priorització i classificació. Aquest model integra mètodes compensatoris (AHP, MAUT) i no compensatoris (PROMETHEE, FlowSort) en una jerarquia amb criteris de sostenibilitat. La validació del model en un context real i la seua comparació amb un model alternatiu n'ha demostrat la capacitat per a proporcionar informació rellevant i transparent en la presa de decisions per a l'avaluació sostenible de proveïdors de tecnologia en el sector bancari. En segon lloc, s'ha dissenyat un nou algoritme, denominat Global Local Net Flow sorting (GLNF sorting), que classifica alternatives en grups ordenats a partir dels fluxos nets generats en cerques globals i locals amb PROMETHEE. Addicionalment, s'ha dissenyat l'algoritme SILhouette for Sorting (SILS) per a calcular un índex de qualitat en les classificacions. Ambdós algoritmes s'han validat empíricament en la segmentació de proveïdors i els seus resultats s'han comparat amb altres mètodes publicats. D'una banda, GLNF sorting destaca en millorar la discriminació entre proveïdors pròxims als perfils limitants dels grups, que aprofita el nivell de similitud preferencial entre alternatives. De l'altra, SILS millora la qualitat de les assignacions i permet una anàlisi detallada que facilita la presa de decisions. En tercer lloc, s'ha proposat un sistema de segmentació de clients B2B basat en transaccions i col·laboració, aplicant AHP i GLNF sorting. Validat amb 8,157 clients d'una multinacional, s'ha avaluat amb SILS i estadística descriptiva. Comparat amb K-means, el model genera classificacions més homogènies i robustes. Aquesta eina permet a les empreses automatitzar decisions i portar a cap anàlisis detallades per a millorar les relacions amb els clients, que s'alineen amb les seues estratègies de col·laboració i enfocaments de mercat. En quart lloc, les cerques globals i locals s'han utilitzat per a proposar un algoritme de classificació nominal basat en dues dimensions, que proporciona una matriu estratègica molt útil per als gestors de la cadena de subministrament. Finalment, s'ha desenvolupat el paquet de programari PrometheeTools en R, que automatitza l'aplicació de PROMETHEE, GLNF sorting i SILS per a resoldre problemes multicriteri de priorització i classificació d'alternatives. Aquest paquet s'ha validat amb èxit i destaca per la seua eficiència en PROMETHEE amb milers d'alternatives. Està disponible en accés obert en el repositori CRAN per a la utilització per investigadors i professionals interessats en la presa de decisions multicriteri. / [EN] Multicriteria methods provide an analytical and structured approach to decision making in supply chain management. These techniques allow multicriteria evaluations, which are essential for choosing and managing sustainable business partners. The aim of this thesis is to contribute to sustainable supply chain management by developing new multicriteria models and techniques to assess suppliers and customers. Models have been designed in order to incorporate business preferences to make collaborative decisions in the transparent selection and ranking of alternatives based on sustainable criteria. New methods have also been developed to classify alternatives into ordered groups and to assess their quality. Both models and methods have been validated using empirical cases and compared with alternative approaches. The methodology is based on an in-depth literature review, as well as the expertise of supply chain professionals. The proposed multicriteria models integrate techniques such as the Analytical Hierarchical Process (AHP), Multi-Attribute Utility Theory (MAUT) and the PROMETHEE method. Three new algorithms have also been developed for classifying alternatives into nominal and ordered groups (sorting problem). Firstly, a hybrid multicriteria model has been proposed and validated with real data for technology supplier qualifying, selection and ranking. This model integrates compensatory (AHP, MAUT) and non-compensatory (PROMETHEE, FlowSort) methods in a hierarchy with sustainability criteria to evaluate products, suppliers and manufacturers. Validation of the model in a real context and its comparison with an alternative model has demonstrated its ability to provide relevant and transparent information for decision making in the sustainable evaluation of technology suppliers in the banking sector. Secondly, a new algorithm has been designed, called Global Local Net Flow sorting (GLNF sorting), which classifies alternatives into ordered groups based on the net flows generated in global and local searches with PROMETHEE. In addition, the SILhouette for Sorting (SILS) algorithm has been designed to calculate a quality index in the classifications. Both algorithms have been empirically validated in supplier segmentation and their results compared with other published methods. On the one hand, the GLNF sorting algorithm excels in improving the discrimination between suppliers close to the limiting profiles by exploiting the level of preference similarity between alternatives. On the other, SILS improves the quality of alternative assignments to groups, allows for a detailed analysis of suppliers and facilitates decision making. Thirdly, a customer segmentation model based on transactions and collaboration has been proposed in the Business to Business context, applying AHP and GLNF sorting. Validated with 8,157 customers of a multinational company, it has been assessed by SILS and descriptive statistics. This model generates more homogeneous and robust groups than the K-means cluster method. This tool enables companies to automate decisions and perform detailed analysis to improve customer relationships, aligning with their collaboration strategies and market approaches. Fourthly, global and local searches have been used to propose an algorithm for nominal classification based on two dimensions, which provides a very useful strategic matrix for supply chain managers. Finally, the PrometheeTools software package has been developed in R, which automates the implementation of PROMETHEE, GLNF sorting and SILS to solve multicriteria problems of alternatives ranking and classification. This package has been successfully validated and stands out for the efficiency in PROMETHEE and especially when solving problems with thousands of alternatives. It is available by open access in the CRAN repository for use by researchers and practitioners interested in multicriteria decision making. / Barrera Jimenez, IF. (2024). Multicriteria Techniques for Sustainable Supply Chain Management [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/202879 / Compendio