Return to search

Proposta de um modelo de simulação baseado em lógica Fuzzy e no SCOR para predizer o desempenho da empresa-foco em cadeias de suprimentos / Proposal of a fuzzy logic simulation model to predict performance of focus company in supply chains

Este trabalho apresenta e discute uma proposta baseada na teoria dos conjuntos fuzzy para predizer o desempenho da empresa-foco em cadeia de suprimentos modelada de acordo com os relacionamentos causais entre medidas de desempenho propostas pelo SCOR (versão 8.0). O uso de sistemas de medição de desempenho para gerenciar o desempenho de cadeias de suprimentos apresenta algumas limitações tais como a dificuldade de interpretação de resultados de natureza qualitativa, assim como a complexidade de um sistema tradicional de medição de desempenho lidar adequadamente com os relacionamentos de causas e efeito entre métricas de desempenho de diferentes processos de negócios ao longo da cadeia de suprimentos. Por outro lado, a lógica fuzzy, uma técnica apropriada para lidar com situações de incerteza e subjetividade, configura-se como uma alternativa interessante. Utilizando uma abordagem de pesquisa quantitativa descritiva, assumiu-se a hipótese de que um modelo de simulação quantitativo poderia ser construído para explicar o comportamento de processos operacionais. Os resultados da simulação mostraram-se bastante consistentes à metodologia SCORmark, proposta pelo Supply Chain Council. Análises estatísticas dos resultados da simulação, baseados no Método de Superfície de Resposta, também confirmaram a relevância dos relacionamentos causais incorporados no modelo. Em geral, os resultados reforçam que a proposição da adoção de um modelo de simulação baseado em lógica fuzzy e nas métricas do SCOR parece ser uma abordagem possível para auxiliar os gerentes no processo de tomada de decisão do gerenciamento do desempenho em cadeias de suprimentos. / This paper presents and discusses a proposal based on the theory of fuzzy sets to predict performance of focus company in a supply chain modeled according to causal relationships among performance metrics proposed by SCOR (version 8.0). The use of performance measurement systems to manage performance of supply chains presents some limitations such as difficulty of interpretation of results of qualitative nature as well as the complexity of having a conventional performance measuring system that can adequately handle cause-and-effect relationships of metrics of performance of different business processes of a supply chain. On the other hand, fuzzy logic, a technique suitable for dealing with uncertainty and subjectivity, becomes an interesting alternative approach. Using a descriptive quantitative approach, the research was based on the assumption that a quantitative simulation model can be built that explain (at least in part) the behavior of operational processes. Results of simulation were very much in line with those of the SCORmark methodology (SCC). Statistical analysis of the simulation results based on surface response method also confirmed the relevance of the causal relationships embedded in the model. In general, the findings reinforces the proposition that adoption of a simulation model based on fuzzy-logic and on metrics of the SCOR model seems to be a feasible approach to help managers in the decision making process of managing performance of supply chains.

Identiferoai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-18042010-094318
Date13 April 2010
CreatorsGilberto Miller Devós Ganga
ContributorsLuiz Cesar Ribeiro Carpinetti, Miguel Antonio Bueno da Costa, Marcel Andreotti Musetti, Silvio Roberto Ignacio Pires, Paulo Rogério Politano
PublisherUniversidade de São Paulo, Engenharia de Produção, USP, BR
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Sourcereponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0022 seconds