Sistema de apoio à decisão para classificação de fornecedores baseado em técnicas de aprendizado de máquina: um estudo de caso
Inteligência Artificial; Machine Learning; Gestão de Fornecedores; Supply Chain Management; Indústria 4.0; K-Means
Este trabalho de qualificação apresenta o desenvolvimento de um Sistema de Apoio à Decisão (SAD) voltado à classificação e segmentação de fornecedores por meio de técnicas de Aprendizado de Máquina (Machine Learning), aplicado em um estudo de caso industrial real. O trabalho busca preencher uma lacuna na literatura sobre a aplicação prática de algoritmos de aprendizado não supervisionado na gestão de fornecedores, propondo um modelo que compara o desempenho de quatro algoritmos: K-Means, K-Means Hierárquico, Agglomerative Nesting (AGNES) e Fuzzy C-Means. A pesquisa está ancorada na metodologia CRISP-DM (Cross Industry Standard Process for Data Mining). Foram utilizadas variáveis reais de fornecedores para a construção dos clusters. A revisão da literatura identifica o avanço do uso de IA e ML na SCM para previsão de demanda, otimização logística, avaliação e seleção de fornecedores, demonstrando a relevância das tecnologias digitais para a transformação das cadeias de suprimentos em sistemas inteligentes, resilientes e sustentáveis. Os resultados obtidos até o momento indicam que o algoritmo K-Means apresentou o melhor desempenho em termos de métricas de qualidade de agrupamento e simplicidade de uso, tornando-se o mais adequado ao contexto industrial estudado. Os próximos passos do trabalho serão a elaboração de um modelo a ser aplicado por outras empresas e coleta e descrição dos benefícios práticos para a gestão ao utilizar o framework desenvolvido.