Seleção de fornecedores por meio de simulação e machine learning com as ferramentas KNN e LR

Abstract

Esta pesquisa discute e aplica conceitos e ferramentas da Indu´stria 4.0 para resol- ver um problema cla´ssico da manufatura ? a selec¸a~o de fornecedores. Para tal, sa~o utilizadas de maneira integrada ferramentas de simulac¸a~o e machine learning, com o objetivo de desenvolver um portfo´lio de fornecedores com desempenho superior em func¸a~o da performance de entregas no prazo. Sa~o teorizados os potenciais benefi´cios desta nova abordagem e as conseque^ncias que novos servic¸os orientados a dados podem promover na manufatura. Os algoritmos de machine learning utilizados foram a regressa~o logi´stica e k-vizinhos mais pro´ximos. Ale´m disso, e´ proposto um me´todo para integrac¸a~o dos modelos de simulac¸a~o e de machine learning. Tambe´m foram apresentadas duas abordagens que combinam ambos algoritmos por meio de um sis- tema baseado em regras, as quais apresentaram performance superior a` utilizac¸a~o dos algoritmos de maneira isolada. Portanto, esta pesquisa contribuiu com o conheci- mento em manufatura digital pelo fato de investigar quantitativamente ferramentas que te^m sido utilizadas no novo paradigma da manufatura, o qual e´ fortemente influenciado por deciso~es orientadas a dados.<br>

Abstract: This research applies Industry 4.0 concepts to solve a classic manufacturing problem ? the supplier selection. Simulation and machine learning tools are used in an integrated manner, aiming to develop a portfolio of suppliers with superior performance in relation to the on-time delivery key performance indicator. The potential benefits of this novel approach and the consequences that new data-driven services can have on manufac- turing are theorized. The machine learning algorithms used were logistic regression and k-nearest neighbors. It is also presented two approaches that combine both algo- rithms by means of a rule-based system, which presented superior performance to the individual use of the algorithms. Therefore, this research has contributed to digital man- ufacturing knowledge, which is strongly influenced by data-driven decisions, by quan- titatively investigating tools that have been used in the new manufacturing paradigm ? simulation and machine learning.