Aplicação do Machine Learning na Gestão da Cadeia de Suprimentos Sob o Contexto de Custos de Transação
DOI:
https://doi.org/10.29327/2384439.2.4-3Palavras-chave:
Aprendizado de máquina, Teoria da Economia de Custos de Transação, Orientação Estratégica da Gestão da Cadeia de Suprimentos, Desempenho da cadeia de suprimentos, Desempenho da empresa, Adição de ValorResumo
Esse artigo teve como objetivo identificar o impacto do desempenho da cadeia de suprimentos no desempenho organizacional a partir da aplicação de aprendizado de máquina nas relações entre os construtos, em um contexto de economia dos custos de transação. A pesquisa teve três etapas: bibliográfica; pesquisa exploratória e qualitativa, com 11 profissionais de cadeia de suprimentos. Posteriormente, aplicou-se um questionário com 72 assertivas a 121 profissionais que atuam com aprendizado de máquina. Por meio de análise fatorial exploratória, foram identificadas as variáveis significativas. Os achados confirmaram que o uso de aprendizado de máquina tem impacto positivo nas relações entre orientação estratégica da cadeia de suprimentos e redução dos custos de transação e entre a redução dos custos de transação e o desempenho da cadeia de suprimentos. Pode-se concluir que o uso de aprendizado de máquina propiciou a melhoria do desempenho da cadeia de suprimentos, repassada para o desempenho da empresa. Como contribuições o estudo trouxe: a aplicação do aprendizado de máquina amplia o entendimento sobre a relação entre os construtos; obteve subsídios para descobrir padrões nos dados envolvidos nos processos de cadeia de suprimentos por meio de análise fatorial que identificaram fatores influentes para o sucesso da cadeia de suprimentos.
Downloads
Referências
ABUBAKER, H.; DESOUZA, A.; KHARE, A.; LEE, H. Examining potential benefits and challenges associated with the Internet of Things integration in supply chain. Journal of Manufacturing Technology Management. Vol. 28, nº 8. 2017.
ARYAL, A.; LIAO, Y.; NATTUTHURAI, P.; LI, B. The emerging big data analytics and IoT in supply chain management: a systematic review. Supply Chain Management: An International Journal 25/2, 141–156. 2020.
AUGUSTO, C. A.; SOUZA, J. P.; DELLAGNELO, E. H. L.; CARIO, S. A. F. Pesquisa qualitative: rigor metodológico no tratamento da teoria dos custos de transação em artigos apresentados nos congressos da Sober (2007-2011). RESR. Vol. 51, p. 745-764. Out/Dez 2013.
BARYANNIS, G.; DANI, S.; ANTONIU, G. Predicting supply chain risks using machine learning: The trade-off between performance and interpretability. Future Generation Computer Systems Volume 101, Pages 993-1004. December 2019.
BESANKO, D.; DRANOVE, D.; SHANLEY, M.; SCHAEFER, S. A economia da estratégia. 3. ed. Bookman. Porto Alegre. 2006.
BURGESS, K.; SINGH, P. J.; KOROGLU, R. Supply chain management: a structured literature review and implications for future research. International Journal of Operations & Production Management, Vol, 26, nº 7. 2006
CARBONNEAU, R.; LAFROMBOISE, K.; VAHIDOV, R. Application of machine learning techniques for supply chain demand forecasting. European Journal of Operational Research 184, p. 1140–1154. 2008.
CARVALHO, H.; DUARTE, S.; MACHADO, V. C. Lean, agile, resilient and green: divergencies and synergies. International Journal of Lean Six Sigma Vol. 2 No. 2, 2011.
COASE, R. H. The nature of the firm. Economica. V. 4, issue 6. Willey. November. 1937
DOMINGOS, P. A Few Useful Things to Know About Machine Learning. Disponível em: https://prod-edxapp.edx-cdn.org/assets/courseware/v1/9020f1ea5293f47aec1c5cd03cf0d1e0/asset-v1:ColumbiaX+DS102X+2T2019+type@asset+block/A_Few_Useful_Things_MachineLearning_Domingos.pdf . Acessado em 13/01/2020. Communications of the ACM. Vol. 55 no. 10. October 2012.
DYER, J. H. Effective interfirm collaboration: how firms minimize transaction costs and maximize transaction value. Strategic Management Journal, Vol. 18:7, p. 535–556. 1997
ELLINGER, A.; SHIN, H.; NORTHINGTON, W. M.; ADAMS, F. G. The influence of supply chain management competency on customer satisfaction and shareholder value. Supply Chain Management: An International Journal. 17/3. 2012.
ESPER, T. L.; DEFEE, C. C.; MENTZER, J. T. A framework of supply chain orientation. The International Journal of Logistics Management, Vol. 21, nº 2. 2010.
FACELI, K.; LORENA, A. C.; GAMA, J.; ALMEIDA, T. A.; CARVALHO, A. C. P. L. F. Inteligência artificial: uma abordagem de aprendizado de máquina. 2. ed. Rio de Janeiro: GEN. 2022.
FARINA, E. M. M.Q.; AZEVEDO, P. F.; SAES, M. S. M. Competitividade: Mercado, estado e organizações. Ed. Singular. São Paulo. 1997.
FINLAY, S. Artificial intelligence and machine learning for business: a no-nonsense guide to data driven technologies. Relativistic Books. UK. 2017.
IANSITI, M.; LAKHANI, K. R. A competição na era da IA: a inteligência de máquina mudou as regras dos negócios. Harvard Business Review Brasil. Fevereiro de 2020.
JÜTTNER, U.; CHRISTOPHER, M. The role of marketing in creating a supply chain orientation within the firm. International Journal of Logistics: Research and Applications Vol. 16 nº 2, pp. 99-113. 2013.
KARAMI, M.; MALEKIFAR, S.; NASIRI, A. B.; NASIRI, M. B.; FEILI, H.; KHAN, S. U. R. Retracted: A conceptual model of the relationship between market orientation and supply chain performance. Global Business and Organizational Excellence, January/February. 2015.
leanness level of supply chains. Supply Chain Management: An International Journal. 2021
KIRCHOFF, J. F; TATE, W. L; MOLLENKOPF, D. A. The impact of strategic organizational orientations on green supply chain management and firm performance. International Journal of Physical Distribution & Logistics Management; Bradford Vol. 46, Ed. 3. 2016
LEE, T.; NAM, H. An empirical study on the impact of individual and organizacional supply chain orientation on supply chain management. The Asian Journal of Shipping and Logistics, 32. 2016.
LIU, S.; EWEJE, G.; HE, Q.; LIN. Z. Turning motivation into action: a strategic orientation model for green supply chain management. Business Strategic Environment, 29, p. 2908-2918. 2020.
MOHRI, M.; ROSTAMIZADEH, A.; TALWALKAR, A. Foundations of machine learning. 2nd ed. MIT Press. 2018.
QI, Y.; BOYER, K. K.; ZHAO, X. Supply Chain Strategy, Product Characteristics, and Performance Impact: Evidence from Chinese Manufacturers. Decision Sciences, Volume 40 Number 4. November 2009.
RAHIMI, A.; RAAD, A.; TABRIZ, A. A.; MOTAMENI, A. Providing an interpretive structural model of agile supply chain practices. Journal of Modelling in Management Vol. 15 No. 2, 2020
RUSSELL, S.; NORVIG, P. Inteligência artificial: uma abordagem moderna. 4. ed. Rio de Janeiro: GEN. 2022.
SANTOS, L. C.; REUL, L. M. A.; GOHR, C. F. A graph-theoretic approach for assessing the
SAWANGWONG, A.; CHAOPAIRSARN, P. The impact of applying knowledge in the technological pillars of Industry 4.0 on supply chain performance. Kybernetes. Emerald Publishing Limited. 2021.
SCHWAB, K. A quarta revolução industrial. Edipro. São Paulo. 2016.
SIMCHI-LEVI, D.; KAMINSKY, P.; SIMCHI-LEVI, E. Cadeia de suprimentos: projeto e gestão. 3. ed. Porto Alegre: Bookman. 2010.
SIFFERT FILHO, N. F. A economia dos custos de transação. Revista do BNDES. V. 2 n. 4, p. 103-128. Dez. 1995.
SMITH, H. Machine learning: the absolute beginner’s guide to learn and understand machine learning effectively. CPSIA. USA. 2018.
SRIYAKUL, T.; PRIANTO, A. L.; JERMSITTIPARSERT, K. Is the supply chain orientation in an agile supply chain determining the supply chain performance? Humanities & Social Sciences Reviews. Vol. 7, n. 3. Pp 695-702. 2019.
STONEBRAKER, P. W.; LIAO, J. Environmental turbulence, strategic orientation: Modeling supply chain integration. International Journal of Operations & Production Management. Volume 24 Issue 10. 2004.
WHITTEN, G. D.; GREEN JR, K. W.; ZELBST, P. J. Triple-A supply chain performance. International Journal of Operations & Production Management Vol. 32 nº1, pp. 28-48. Emerald Group Publishing Limited. 2012
WILLIANSON, O. E. The economic institutions of capitalism. The Free Press. USA. 1985.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 1969 Roberto Ramos de Morais, Roberto Giro Moori
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Política de Direito Autoral
Ao submeter um manuscrito para publicação na Revista Advances in Global Innovation & Technology (@_GIT), os autores concordam, antecipada e irrestritamente, com os seguintes termos:
- Os autores mantêm os direitos autorais e concedem à Revista Advances in Global Innovation & Technology (@_GIT) o direito de primeira publicação do manuscrito, sem nenhum ônus financeiro, e renunciam a qualquer outra remuneração pela sua publicação na Revista Advances in Global Innovation & Technology (@_GIT).
- Ao ser submetido à Revista Advances in Global Innovation & Technology (@_GIT), o manuscrito fica automaticamente licenciado sob a Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e da publicação inicial na Revista Advances in Global Innovation & Technology (@_GIT).
- Os autores têm autorização para assumir contratos adicionais separadamente, paradistribuição não exclusiva da versão do trabalho publicada na Revista Advances in Global Innovation & Technology (@_GIT) (publicar em repositórios ou como capítulo de livro), com reconhecimento da publicação inicial na Revista Advances in Global Innovation & Technology (@_GIT), desde que tal contrato não implique num endosso do conteúdo do manuscrito ou do novo veículo pela Revista Advances in Global Innovation & Technology (@_GIT).
- Os autores têm permissão e são estimulados a publicar e distribuir seu trabalho online, em repositórios institucionais, por exemplo depois de concluído o processo editorial.
- Os autores garantem ter obtido a devida autorização dos seus empregadores para a transferência dos direitos nos termos deste acordo, caso esses empregadores possuam algum direito autoral sobre o manuscrito. Além disso, os autores assumem toda e qualquer responsabilidade sobre possíveis infrações ao direito autoral desses empregadores, isentando a Revista Advances in Global Innovation & Technology (@_GIT) de toda e qualquer responsabilidade neste sentido.
- Os autores assumem toda responsabilidade sobre o conteúdo do trabalho, incluindo as devidas e necessárias autorizações para divulgação de dados. coletados e resultados obtidos, isentando a Revista Advances in Global Innovation & Technology (@_GIT) de toda e qualquer responsabilidade neste sentido.
