Resumo

Devido à globalização das cadeias de suprimentos e o consequente aumento da quantidade e diversidade das opções de compra, a segmentação de fornecedores se tornou fundamental, pois auxilia as empresas compradoras na definição de estratégias específicas para fornecedores que possuem características semelhantes. Dada a necessidade de promover um desempenho sustentável em cadeias de suprimentos, critérios econômicos, ambientais e sociais passam a incorporar a avaliação dos fornecedores, requerendo assim o uso de uma técnica de decisão adequada a este contexto (LAJIMI, 2021).

Por meio da análise da literatura sobre segmentação de fornecedores, identificou-se apenas um modelo de decisão direcionado para segmentação de fornecedores sustentáveis, o que evidencia a escassez de modelos que contemplem critérios econômicos, ambientais e sociais. Também não foram encontrados modelos capazes de se adaptar ao ambiente de uso a partir de dados históricos de desempenho. Portanto, o objetivo deste estudo é propor um modelo de inferência neuro-fuzzy e avaliar sua adequabilidade no apoio à segmentação de fornecedores sustentáveis.

A segmentação de fornecedores agrupa fornecedores que possuem características semelhantes e demandam relacionamentos similares. Para tanto, deve-se utilizar um método de decisão que considere pontuações dos fornecedores em múltiplos critérios. A utilização de sistemas de inferência neuro-fuzzy para este fim se diferencia das demais técnicas por possuir um mecanismo de aprendizagem supervisionado, o qual possibilita a adaptação do modelo ao ambiente em que está sendo aplicado, além da possibilidade de lidar com decisões sob incerteza (LIMA JR.; CARPINETTI, 2020).

O estudo propõe um modelo conceitual de segmentação de fornecedores sustentáveis que combina três modelos computacionais ANFIS em uma matriz quadrática tridimensional. Para cada modelo ANFIS, 12 topologias candidatas foram implementadas utilizando a ferramenta Neuro-Fuzzy Designer do software MATLAB®. Posteriormente, calculou-se o erro quadrático médio (MSE) entre os valores desejados e os valores estimados por cada modelo ANFIS a fim de selecionar as melhores topologias. Para confirmar a acurácia dos modelos, testes de regressão linear e testes t com amostras pareadas foram realizados.

Os fornecedores foram segmentados em oito grupos, de acordo com o desempenho alcançado. Os resultados fornecidos pelas topologias com os menores valores de MSE foram analisados por meio de regressões lineares e do cálculo do coeficiente R2 e indicaram uma alta correlação positiva entre os valores desejados e os valores estimados pelos modelos ANFIS. Além disso, os testes de hipótese baseados em amostras pareadas indicaram que não houve diferenças estatisticamente significativas entre os valores desejados e os valores estimados, reforçando assim a adequabilidade do modelo proposto neste estudo.

A adequabilidade do modelo proposto foi confirmada por meio dos valores de MSE obtidos na etapa de teste, dos resultados de R2 e dos testes de hipótese. O modelo permite aos gestores segmentar os fornecedores para assim elaborar estratégias específicas a fim de potencializar o desempenho das cadeias suprimentos sustentáveis. Os resultados deste estudo são úteis para auxiliar pesquisadores e desenvolvedores de soluções computacionais na área de segmentação de fornecedores sustentáveis, uma vez que sugere os parâmetros topológicos mais adequados para obtenção de resultados mais precisos.

LIMA JR, F. R.; CARPINETTI, L. C. R. An adaptive network-based fuzzy inference system to supply chain performance evaluation based on SCOR® metrics. Computers & Industrial Engineering, v.139, 2020. LAJIMI, H. F. Sustainable Supplier Segmentation: A Practical Procedure. In: REZAEI, J. Strategic Decision Making for Sustainable Management of Industrial Networks. Cham: Springer, p. 119-137, 2021.