Aplicación del Machine Learning en la Gestión de la Cadena de Suministro en el Contexto de los Costes de Transacción
DOI:
https://doi.org/10.29327/2384439.2.4-3Palabras clave:
Machine Learning, Teoría de la Economía de los Costos de Transacción, Orientación Estratégica de la Gestión de la Cadena de Suministro, Rendimiento de la Cadena de Suministro, Desempeño de la Empresa, Agregado de ValorResumen
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.
Descargas
Citas
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
Cómo citar
Número
Sección
Licencia
Derechos de autor 1969 Roberto Ramos de Morais, Roberto Giro Moori

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Política de derechos de autor
Al enviar un manuscrito para su publicación en la revista Advances in Global Innovation & Technology (@_GIT), los autores aceptan, por adelantado y sin restricciones, los siguientes términos:
- Los autores conservan los derechos de autor y conceden a la revista Advances in Global Innovation & Technology (@_GIT) el derecho de primera publicación del manuscrito, sin ninguna carga financiera, y renuncian a cualquier otra remuneración por su publicación en la revista Journal of Advances in Global Innovation & Technology (@_GIT).
- Al enviarlo al Journal of Advances in Global Innovation & Technology (@_GIT), el manuscrito se licencia automáticamente bajo la Licencia Creative Commons Attribution, que permite compartir el trabajo con el reconocimiento de la autoría y la publicación inicial en la revista Journal Advances in Global Innovation & Technology (@_GIT).
- Los autores están autorizados a celebrar contratos adicionales por separado, para la distribución no exclusiva de la versión del trabajo publicado en la Revista Advances in Global Innovation & Technology (@_GIT) (publicar en repositorios o como capítulo de libro), con reconocimiento de la publicación inicial en la Revista Advances in Global Innovation & Technology (@_GIT), siempre que dicho acuerdo no implique una aprobación del contenido del manuscrito o del nuevo vehículo por parte del Journal of Advances in Global Innovation & Technology (@_GIT).
- A los autores se les permite y se les anima a publicar y distribuir su trabajo en línea, en repositorios institucionales, por ejemplo, después de que se complete el proceso editorial.
- Los autores garantizan que han obtenido el permiso adecuado de sus empleadores para la transferencia de derechos en virtud de este acuerdo, si dichos empleadores poseen algún derecho de autor sobre el manuscrito. Además, los autores asumen toda responsabilidad por posibles infracciones de derechos de autor de estos empleadores, eximiendo a Advances in Global Innovation & Technology (@_GIT) de toda responsabilidad al respecto.
- Los autores asumen toda la responsabilidad por el contenido del trabajo, incluidas las debidas y necesarias autorizaciones para la divulgación de los datos recopilados y los resultados obtenidos, eximiendo al Journal of Advances in Global Innovation & Technology (@_GIT) de toda responsabilidad al respecto.