dc.creator |
SIQUEIRA JUNIOR, Laércio Almeida |
|
dc.date.issued |
2021-09-03 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2530 |
|
dc.description.abstract |
Decision-making for groups, public or private, is indispensable to the development of
organizations, and searching for mechanisms to support the managers more assertively is
fundamental to this goal. Know how to use raw data transforming them into knowledge
allows these decisions to be based on data besides purely on intuition. Between the important
decisions taken by any organization, the classification and selection of suppliers are an
important practice to industrial engineering and Data Science is an ascendant field that
studies data and how to realize this transformation of raw data into knowledge. To this
research were used real data from suppliers of an enterprise of the aeronautical sector in its
analyses. So, this research acted between Data Science and Classification and Selection of
suppliers and had the focus on a problem known as clusterization that is the segmentation of
data in regions as homogeneous as possible when there´s no existence of previous categories
and aim to solve this problem supporting in the supplier´s management. This happens in
practice using Data Science tools known as Machine Learning that are algorithms that can be
used in the segmentation of groups without an initial classification. To the development has
been used the procedure CRISP-DM that allows elucidate analyses´ problems helping to
structure the scientific thinking. That way, by using this procedure, this dissertation had its
general objetive in the use of the technique of Machine Learning to help in the classification
and selection of suppliers of that organization. Having two specific objectives, the first one
consisted of an analysis of those algorithms in the demonstration of the operation and
behavior of the classic algorithms of clusterization of the real database. The second one
consisted in analyzing those clusterization algorithms in search of the most appropriate to the
supplier´s base culminating with the creation and suggestion of a framework that can be used
for future clustering analises. The clustering modelings were realized and through internal
and stability validations had their efficiency tested allowing the data to be split into clusters.
The use of CRISP-DM allowed that the clustering framework was proposed |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Data science |
pt_BR |
dc.subject |
Machine learning, |
pt_BR |
dc.subject |
Classificação e seleção de fornecedores |
pt_BR |
dc.subject |
Clusterização |
pt_BR |
dc.subject |
Tomada de decisão baseada em dados |
pt_BR |
dc.subject |
Framework |
pt_BR |
dc.title |
Uso de machine learning para classificação de fornecedores no contexto da data science |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2021-11-05 |
|
dc.date.available |
2021-11-05T16:52:48Z |
|
dc.date.accessioned |
2021-11-05T16:52:48Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/1566335377276184 |
pt_BR |
dc.contributor.advisor1 |
PINHO, Alexandre Ferreira de |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2049450957233052 |
pt_BR |
dc.description.resumo |
A tomada de decisão por grupos, públicos ou privados, é indispensável para o
desenvolvimento das organizações e encontrar mecanismos que apoiem os gestores de forma
mais assertiva é fundamental para essa finalidade. Saber utilizar dados brutos transformando os em conhecimento permite que essas decisões sejam baseadas em dados além de puramente
em intuição. Dentre as decisões importantes tomadas por qualquer organização, a
classificação e seleção de fornecedores é uma prática importante para a engenharia de
produção e a Data Science é um campo ascendente que estuda dados e como realizar essa
transformação de dados brutos em conhecimento. Para essa pesquisa foram utilizados dados
reais dos fornecedores de uma empresa do setor aeronáutico em suas análises. Então, esta
pesquisa atuou entre Data Science e Classificação e Seleção de fornecedores e teve seu foco
no problema conhecido como clusterização (ou agrupamento) que é a segmentação de dados
em regiões o mais homogêneas possíveis quando não se apresentam categorias prévias e
busca-se resolver este problema auxiliando no gerenciamento dos fornecedores. Isso acontece
na prática utilizando-se de ferramentas de Data Science conhecidas como Machine Learning
que consistem em algoritmos que podem ser utilizados na segmentação de grupos sem
nenhuma classificação inicial. Para o desenvolvimento utilizou-se o procedimento CRISP DM que permite solucionar problemas de análises de dado ajudando a estruturar o
pensamento científico. Desta forma, por meio do auxílio desse procedimento, esta dissertação
teve como objetivo geral utilizar a técnica de Machine Learning para auxiliar na classificação
e seleção de fornecedores dessa organização. Tendo dois objetivos específicos, o primeiro
consistindo na demonstração do funcionamento e comportamento dos algoritmos clássicos de
clusterização na base de dados real das técnicas clássicas. E o segundo objetivo específico
consistiu em analisar esses algoritmos de clusterização em busca do mais apropriado para a
base de fornecedores em estudo culminando com a criação e sugestão de um framework que
pode ser utilizado para análises futuras de clusterização. As modelagens das clusterizações
foram realizadas e por meio de validação interna e de estabilidade a eficiência delas foi
testada permitindo que os dados fossem separados em clusters. A utilização do CRISP-DM
permitiu que o framework para clusterização fosse proposto. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IEPG - Instituto de Engenharia de Produção e Gestão |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Engenharia de Produção |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO |
pt_BR |
dc.relation.references |
SIQUEIRA JUNIOR, Laércio Almeida. Uso de machine learning para classificação de fornecedores no contexto da data science. 2021. 99 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2021. |
pt_BR |