[en] DATA-DRIVEN AND COGNITIVELY AWARE SUPPLY CHAIN MANAGEMENT

[pt] GESTÃO DE CADEIA DE SUPRIMENTOS ORIENTADA A DADOS E COGNITIVAMENTE CONSCIENTE

[pt] MATEUS DA ROCHA PEIXOTO

[pt] GERENCIAMENTO DA CADEIA DE SUPRIMENTO

[pt] TOMADA DE DECISAO MULTICRITERIO

[pt] VIES COGNITIVO

[pt] INCERTEZA DEPENDENTE DE DECISAO

[pt] OTIMIZACAO ROBUSTA

[en] SUPPLY CHAIN MANAGEMENT

[en] MULTI CRITERIA DECISION MAKING

[en] COGNITIVE BIAS

[en] DECISION-DEPENDENT UNCERTAINTY

[en] ROBUST OPTIMIZATION

[pt] Previsão de demanda é de extrema importância para as empresas, pois serve como insumo para o processo de vendas e planejamento de operações (SeOP), uma parte essencial da Gestão de Cadeia de Suprimentos (SCM); entretanto, considerando o envolvimento próximo de humanos em diversos momentos que compõem essa atividade, os vieses cognitivos (e.g. propensão a risco) e sua influência representam uma ameaça ao desempenho organizacional, acarretando diversos riscos potenciais às cadeias de suprimentos. Esta dissertação estabelece um novo framework para a gestão da cadeia de suprimentos baseada em dados e ciente de aspectos cognitivos. Múltiplos modelos de previsão foram avaliados utilizando o framework proposto, de forma a selecionar o modelo mais satisfatório considerando a visão estratégica da organização. Isso permite que o gerente de SCM realize ajustes subjetivos, que são avaliados por meio de um sistema automatizado de detecção de viés de busca por risco. A dissertação foi experimentalmente avaliada em cenários simulados a partir de dados reais sobre a produção de papelão ondulado entre 2017 e 2023. Os resultados evidenciaram a eficácia da proposta em abordar a complexidade e os objetivos interdependentes dos diferentes stakeholders dentro de uma cadeia de suprimentos. A definição automática de um modelo racional baseado em preferências, definidas pelo gerente da cadeia de suprimentos, possibilitou a detecção de vieses de propensão a risco utilizando diferentes níveis de ajustes baseados em experiência, mitigando assim os efeitos adversos do viés cognitivo. Em síntese, pode-se argumentar que o framework proposto representa um avanço importante na implementação do paradigma Humachine, ao integrar os elementos positivos da modelagem estatística avançada com a expertise e o contexto providos por agentes humanos.

[en] Forecasting is of extreme importance for companies as it is the input for the S and OP process, an essential part of Supply Chain Management (SCM); however, considering the close involvement of humans in various moments that compose this activity, cognitive biases (e.g., risk-seeking) and their influence represent a threat to an organization s performance, with many potential risks to supply chains. This dissertation establishes a novel framework for data-driven and cognitively aware supply chain management. Multiple forecasting models were evaluated using the proposed framework to select the most satisfactory model considering the organization s strategic vision. This allows the SCM manager to perform judgmental adjustments, which are evaluated through an automatic risk-seeking bias detection system. The dissertation was experimentally assessed over simulated scenarios from real data about cardboard production during 2017 and 2023. The results evidenced the effectiveness of the proposal in addressing the complexity and intertwined objectives of different stakeholders within a supply chain. The automatic definition of a preference-based rational model defined by the SC manager, made it possible to detect risk-seeking biases using different thresholds for judgmental adjustments, thus mitigating the adverse effects of risk-seeking biases. In summary, it can be argued that the proposed framework represents an important advance regarding the implementation of the Humachine paradigm, integrating the positive elements of advanced statistical modeling with human expertise and context.

FERNANDA ARAUJO BAIAO AMORIM

FERNANDA ARAUJO BAIAO AMORIM

PAULA MEDINA MACAIRA LOURO

RENATA SILVA SOUZA GUIZZARDI

2025-05-07

2025-02-07

[pt] TEXTO

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=70316@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=70316@2

https://doi.org/10.17771/PUCRio.acad.70316