INFERÊNCIA FUZZY APLICADA À SELEÇÃO DE …abepro.org.br/biblioteca/TN_STO_226_319_29407.pdf ·...
Transcript of INFERÊNCIA FUZZY APLICADA À SELEÇÃO DE …abepro.org.br/biblioteca/TN_STO_226_319_29407.pdf ·...
INFERÊNCIA FUZZY APLICADA À
SELEÇÃO DE FORNECEDORES
VERDES
Nadya Regina Galo (EESC/USP )
Carolina Belotti Pedroso (EESC/USP )
Andre Felipe Correa Cervi (EESC/USP )
Luiz Cesar Ribeiro Carpinetti (EESC/USP )
A seleção de fornecedores verdes é um problema multicritério que
requer o uso de um método de tomada de decisão para lidar com
informações de natureza diferentes. Deste modo, alguns dos critérios
considerados no processo decisório podem esttar submersos em
subjetividade, imprecisão e incerteza, tornando difícil a avaliação.
Neste âmbito, o uso da teoria dos conjuntos fuzzy possibilita a
modelagem adequada dos critérios qualitativos, pois é baseada na
computação por palavras e considera a inclusão parcial de um
elemento em um ou mais conjuntos, comportando a incerteza e a
subjetividade dos dados. Assim, esta pesquisa teve por objetivo a
proposição de método de duas fases para a seleção de fornecedores
verdes, considerando critérios estratégicos e operacionais. Para tanto,
foram criados dois sistemas de inferência fuzzy com o objetivo de
modelar os critérios envolvidos. Como contribuição desta pesquisa,
têm-se uma proposta para a sistematização do processo de tomada de
decisão, em especial na seleção de fornecedores verdes, de modo a
considerar critérios qualitativos e quantitativos, simultaneamente.
Palavras-chave: Fornecedores verdes, seleção de fornecedores,
inferência fuzzy.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
2
1. Introdução
O aumento da complexidade e da importância das atividades relativas à compra ocorreram
como consequência da globalização dos mercados, do advento da internet, do aumento da
terceirização, da mudança nas preferências dos clientes, das regulamentações governamentais,
e de diversos outros fatores (DE BOER; LABRO; MORLACCHI, 2001; DE BOER, 1998)
que modificaram as relações entre os atores envolvidos na cadeia de suprimentos. Como
resultado, a seleção de parceiros estratégicos para o fornecimento de produtos, componentes e
materiais, de forma eficaz e oportuna, se tornou um desafio crítico para as organizações
(SARKIS; TALLURI, 2002). Os fornecedores são um dos componentes mais essenciais da
cadeia de suprimentos (THIRUCHELVAM E TOOKEY, 2011) e a escolha adequada destes
parceiros pode gerar uma mudança significativa para as organizações, tais como a redução
dos custos e melhoria da qualidade dos produtos (ZEYDAN E ÇOLPAN, 2011).
A seleção de fornecedores é um processo de tomada de decisão que requer a consideração do
grau de incerteza, do número de tomadores de decisão e da natureza de cada critério (CHEN,
LIN E HUANG, 2006). Assim, decisões eficazes neste âmbito, dependem da escolha
adequada dos métodos e critérios de decisão que melhor se enquadram nas contingências de
um determinado contexto organizacional (LIMA JUNIOR, OSIRO E CARPINETTI, 2013).
Por depender da consideração simultânea de inúmeros fatores, a seleção de fornecedores vem
sendo predominantemente abordada na literatura científica como um problema de tomada de
decisão multicritério no qual diversos critérios de decisão são avaliados para o julgamento dos
possíveis fornecedores (LIMA JUNIOR; OSIRO; CARPINETTI, 2013). Além dos critérios
tradicionais que envolvem fatores estratégicos e operacionais, as empresas têm aderido ao uso
de critérios ambientais devido às pressões externas exercidas pelos vários stakeholders. A
importância crescente de comportamentos sustentáveis nas organizações impacta diretamente
na gestão da cadeia de suprimentos. Assim, criou-se a necessidade de que as organizações
incorporarem práticas verdes em suas diversas atividades cotidianas (KANNAN; JABBOUR;
JABBOUR, 2014), inclusive na seleção de fornecedores. As empresas têm buscado por
fornecedores com práticas verdes em resposta às crescentes demandas por requisitos
ambientais (BHARDWAJ, 2015). Neste contexto, quando fatores ambientais são
considerados, as compras verdes devem englobar também a responsabilidade do fornecedor
com o meio ambiente (BRONDI et al., 2014).
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
3
Na literatura há uma multiplicidade de estudos sobre avaliação e seleção de fornecedores,
entretanto, trabalhos que incluem fatores ambientais no processo de seleção e avaliação de
fornecedores verdes ainda são limitados, havendo assim ampla possibilidade de pesquisa
dentro deste escopo (AKMAN, 2015; KUMAR; JAIN; KUMAR, 2014). Desta forma,
considerando o potencial impacto do fornecedor nas estratégias de compras verdes e da
necessidade de mais estudos neste âmbito, o objetivo deste trabalho é desenvolver um método
para auxiliar a seleção de fornecedores verdes com o uso de sistemas de inferência fuzzy, para
modelar os diferentes critérios de decisão. Deste modo, realizou-se uma simulação
computacional em ambiente Matlab, com o uso de um caso ilustrativo. A utilização da
ferramenta de simulação possibilitou a modelagem dos dados e a compreensão dos resultados
obtidos. A escolha de uma técnica baseada em lógica fuzzy se deu devido a existência de
variáveis qualitativas que precisam ser consideradas no problema de seleção de fornecedores
verdes. De acordo com Du e Wolfe (1997), tal técnica é adequada para solucionar problemas
que possuem natureza qualitativa com determinados níveis de incerteza e subjetividade.
Assim, este artigo está estruturado da seguinte forma: a primeira parte traz a introdução sobre
o tema de pesquisa; em seguida, explora-se os principais conceitos acerca de seleção de
fornecedores verdes e teoria dos conjuntos fuzzy, a fim de promover embasamento teórico
para a pesquisa; a terceira parte apresenta a implementação computacional de dados
simulados com o uso do ambiente Matlab; por fim, a quarta parte do artigo traz as
considerações finais.
2. Seleção de fornecedores verdes
Com um mercado mais globalizado e de concorrência acirrada, as empresas têm focado na
satisfação do cliente que pode ser afetada pela qualidade do produto, pelo custo, pelo nível de
serviço entre outros diversos fatores, muitos dos quais estão direta ou indiretamente
relacionados ao fornecedor. Se no passado selecionar fornecedores consistia em escolher
aqueles que oferecessem o menor preço (ZEYDAN, ÇOLPAN E ÇOBANOĢLU, 2011) ou
qualidade, no contexto atual esta não é uma abordagem aceita (CHOU; CHANG, 2008;
ZEYDAN; ÇOLPAN; ÇOBANOĢLU, 2011). A consideração de outros critérios tem por
objetivo atender às novas exigências relativas ao papel dos fornecedores na cadeia de
abastecimento (CHOY et al., 2005). Deste modo, as decisões de fornecimento não podem se
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
4
basear somente em métricas operacionais, pois devem incorporar dimensões e capacidades
dos fornecedores como a ênfase nas práticas de gestão da qualidade, de desenvolvimento
estratégico, de redução de custos, entre outras (TALLURI; NARASIMHAN, 2004). Além
disso, nos últimos anos questões relativas ao desenvolvimento sustentável passaram a receber
maior atenção das empresas (AKMAN, 2015), influenciando também no processo de seleção
de fornecedores. Deste modo, além dos fatores tradicionais como custo, qualidade, tempo de
entrega e flexibilidade, a responsabilidade ambiental do fornecedor passou a ser considerada
(LEE et al., 2009), pois o desempenho ambiental de uma empresa também pode ser afetado
pelo desempenho ambiental e imagem de seus fornecedores (BÜYÜKÖZKAN E ÇIFÇI,
2012).
A seleção de fornecedores consiste nas atividades de identificação, análise e escolha de
fornecedores aptos a se tornaram parte da cadeia de suprimentos (KUMAR et al., 2014). Por
considerar diversas questões para a decisão final, a seleção de fornecedores verdes também
pode ser tratada como um problema de decisão multicritério que envolve fatores qualitativos e
quantitativos. A revisão de literatura realizada por Govidan et al., (2015) explora diversos
critérios utilizados na seleção de fornecedores verdes. Baseada em tal revisão, os critérios
mais representativos para seleção de fornecedores verdes foram evidenciados na Tabela 1.
De acordo com as informações da Tabela 1, nota-se que na literatura diversos critérios podem
ser utilizados para a seleção de fornecedores verdes. Desta forma, é aconselhável que se
utilize de técnicas multicritério para dar suporte ao processo decisório (SANAYEI;
MOUSAVI; YAZDANKHAH, 2010; ASHLAGI, 2014) em especial, técnicas que possam
modelar a incerteza proveniente da imprecisão das variáveis qualitativas. A abordagem fuzzy é
especialmente indicada para tratar de modelagens complexas que envolvem tanto variáveis
qualitativas quanto variáveis quantitativas. Isto ocorre porque o processo de decisão é pautado
em variáveis linguísticas que simulam elementos do pensamento humano que podem
apresentar informações vagas e imprecisas (KACPRZYK, 1997).
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
5
Tabela 1 - Principais critérios utilizados para a seleção de fornecedores verdes.
Fonte: Adaptado de Govindan et al. (2015).
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
6
Assim, com vista a necessidade do uso de uma técnica de tomada de decisão que possa lidar
com os diferentes critérios de decisão envolvidos no processo de seleção de fornecedores
verdes, as próximas seções abordam conceitos e definições da teoria fuzzy, para na sequência
apresentar o método proposto em um caso ilustrativo.
3. Teoria fuzzy e Sistemas de inferência fuzzy
Problemas que envolvem fatores qualitativos podem apresentar complexidade em sua
valoração, pois as informações podem ser vagas ou imprecisas (HERRERA E MARTÍNEZ,
2001) devido à subjetividade presente na informação. Neste contexto, a teoria dos conjuntos
fuzzy, descrita por Zadeh (1965), oferece um caminho natural para o mapeamento das relações
existentes entre um conjunto fuzzy e seus subconjuntos (NGUYEN, 1978) auxiliando na
modelagem de problemas que envolvem informações qualitativas (WANG, 2010) e que não
são quantificáveis por natureza (HERRERA E MARTÍNEZ, 2001). Um conjunto fuzzy é uma
classe de objetos caracterizada por uma função de pertinência, por meio da qual se atribui o
grau de inclusão dos objetos (ZADEH, 1965) que, diferentemente da teoria clássica, podem
estar parcialmente incluídos em mais de um conjunto simultaneamente. Deste modo, os
sistemas fuzzy vêm cada vez mais sendo incorporados nos negócios, devido à capacidade de
tratar informações qualitativas (BOJADZIEV; BOJADZIEV, 2007). A seguir, serão
abordados os principais conceitos e definições relativos à teoria dos conjuntos fuzzy.
3.1 Principais Definições e Conceitos
Definição (ZADEH, 1965; BELLMAN E ZADEH, 1970). Seja X o universo de discurso e x
um elemento de X. Um conjunto A em X é caracterizado por uma função pertinência µA(x) que
associa cada ponto x em X a um valor real no intervalo [0,1] que representa o grau de inclusão
de x em A. Deste modo, µA(x) pode assumir qualquer valor real, dentro do intervalo [0,1],
sendo que, se µA(x)=0, x não pertence ao conjunto A, entretanto, se µA(x)=1, x está totalmente
incluso no conjunto A. Assim, têm-se ∀ x ∈ X, A={{x, µA(x)}}, onde o grau de pertinência de
qualquer x pode ser calculado por meio das funções de pertinência.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
7
Funções de pertinência triangulares. Quando as variáveis são representadas por números
fuzzy triangulares (Figura 1), a função de pertinência que representa todo xi ∈ X pode ser
obtida pela Eq. (1).
(1)
Figura 1 - Número fuzzy triangular.
Funções de pertinência trapezoidais. Quando as variáveis são representadas por números
fuzzy trapezoidais (Figura 2), a função de pertinência que representa todo xi ∈ X pode ser
obtida pela Eq.(2).
(2) Figura 2 - Número fuzzy trapezoidal.
Normalidade. Um conjunto fuzzy é normal, se e somente se, existir ao menos um elemento
com µA(x)=1.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
8
Convexidade (ZADEH, 1965; BELLMAN E ZADEH, 1970). Um conjunto fuzzy é
convexo, se e somente se, ∀ x1 e x2 ∈ X e ∀ λ∈ [0,1], fA(x)[λx1+(1- λ)x2]≥min[fA(x1), fA(x2)].
Interseção e União (ZADEH, 1965; BELLMAN E ZADEH, 1970). A interseção e a união
entre dois conjuntos fuzzy A e B é obtida por meio das respectivas operações:
A∩B=min(µA(x),µB(x)), ∀ x∈X e AUB=max(µA(x),µB(x)), ∀ x∈X.
Operações algébricas com números fuzzy (LIMA JUNIOR, OSIRO, CARPINETTI, 2014).
Seja A=(a1,b1,c1) e B=(a2,b2,c2) dois números fuzzy. Para a1≥0 e a2≥0 , as operações
algébricas de adição, multiplicação, subtração e divisão podem ser obtidas, respectivamente,
pela Eq.(3), Eq.(4), Eq.(5) e Eq.(6).
A+B = (a1+a2, b1+b2, c1+c2) (3)
A×B = (a1×a2, b1×b2, c1×c2) (4)
A-B = (a1-a2, b1-b2, c1-c2) (5)
A÷B = (a1÷a2, b1÷b2, c1÷c2) (6)
Com relação aos sistemas de inferência fuzzy, o primeiro foi proposto por Mandani e Assilian
(1975). Nele existem cinco elementos principais, são eles:
- Base de dados: Base de informações na qual define-se o número de variáveis de entrada,
seus tipos, valores para os termos linguísticos, operadores fuzzy e é feito o mapeamento
das variáveis linguísticas em conjuntos fuzzy;
- Interface de fuzzificação: Interface na qual as variáveis numéricas de entrada são
convertidas em variáveis fuzzy;
- Base de regras: São regras que possuem uma estrutura se-então (do inglês if-then) e
descrevem as especificidades do problema;
- Estrutura de inferência: Estrutura que cria uma relação entre o conjunto resultante das
operações e o consequente da regra;
- Interface de defuzzificação: Converte os valores de uma ou mais variáveis de saída
fuzzy para o formato crisp.
A interação entre os cinco elementos principais do sistema de inferência pode ser observada
na Figura 3.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
9
Figura 3 - Sistema de inferência fuzzy.
Dessa forma, no sistema de inferência fuzzy as entradas são convertidas em variáveis fuzzy.
Em seguida passam pela estrutura de inferência fuzzy na qual são avaliadas de acordo com a
base de regras definida. Cada regra tem conectores “E” (do inglês AND) que representam o
relacionamento entre os termos linguísticos das variáveis de entrada e definem uma operação
de união. Assim, podem ser utilizados são os operadores “mínimo” e “produto algébrico”
representados respectivamente pelas Equações 7 e 8 (PEDRYCZ; GOMIDE, 2007). Deste
modo, cada regra ativada gera uma relação de implicação.
=min(µA(x),µB(y)) (7)
=µA(x)×µB(y) (8)
Em seguida, os graus de pertinência dos elementos do conjunto de entrada e do conjunto de
saída são relacionados a partir do uso de um operador de implicação. O operador de
implicação “produto” é apresentado pela Equação 9. Outros operadores que podem ser
utilizados na implicação são “max-min” e “min” apresentados pelas Equações 10 e 7
respectivamente (PEDRYCZ; GOMIDE, 2007).
=max(min(µA(x),µB(y))) (9)
Em seguida, a saída de cada regra é dada por uma composição entre um conjunto singleton e a
relação de implicação I. Essa composição pode ser feita pelo operador “max-min”
apresentado pela Equação 10.
=max(min(µA(x,y),µB(y,z))) (10)
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
10
O passo seguinte consiste em agregar as saídas das regras µIi(x) em um fuzzy conjunto único
por meio de um operador de agregação. O operador “max” apresentado pela Equação 11 pode
ser utilizado para esta situação (KAHARAMAN, 2008).
=max(µI1(x), µI2(x)…µIn(x) (11)
Por fim, na interface de defuzzificação, um operador converte os valores de uma ou mais
variáveis de saída fuzzy em valores crisp, ou seja, valores exatos. Dentre os possíveis
operadores, pode-se utilizar para esta etapa o cálculo do centro de área, pois ele considera
todos os valores de pertinência (inclusive os baixos) para o cálculo do valor de saída
(ZIMMERMANN, 1991). A Equação 12 apresenta o método de cálculo de tal operador.
(12)
4. Caso ilustrativo
Com a finalidade de ilustrar a aplicação de sistemas de inferência fuzzy na seleção de
fornecedores verdes, um caso ilustrativo foi desenvolvido a partir de dados simulados. O
modelo proposto considera duas fases de decisão, de modo que, a primeira é composta por
variáveis estratégicas e a segunda por variáveis operacionais. A fase que qualifica os
fornecedores no âmbito estratégico propõe o uso de critérios verdes, garantindo que atendam
às necessidades da organização no que diz respeito às questões ambientais. Na fase seguinte,
para a qualificação a nível operacional, os critérios propostos buscam atender às necessidades
imediatas da organização em relação às operações de produção.
4.1 Seleção dos critérios de classificação e parametrização do sistema
Para este caso ilustrativo, a definição de critérios foi realizada por meio da análise dos
critérios que são frequentemente utilizados na literatura de seleção de fornecedores e de
fornecedores verdes. Assim, a presente pesquisa utiliza três critérios ambientais, que estão
alinhados com a estratégia da organização, além de três critérios operacionais para a
modelagem do problema. O levantamento dos principais critérios não pretende promover uma
abordagem prescritiva, mas sim orientar o processo de seleção de fornecedores a partir do uso
de técnicas que possam lidar com critérios qualitativos e quantitativos. Assim, os seguintes
critérios foram selecionados:
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
11
- Critérios ambientais: sistemas de gestão ambiental (SGA); imagem ambiental (IA) e
projeto ambiental (PA);
- Critérios operacionais: custo, qualidade e entrega.
Tais critérios foram utilizados como variáveis de entrada para o sistema de inferência. Todas
as variáveis foram medidas em uma escala de 0 a 10. Desta forma, o sistema retorna uma
saída na qual cada fornecedor pode pertencer a classe linguística “Selecionar” (S) ou “Não
Selecionar” (NS). Os números fuzzy triangulares e trapezoidais foram selecionados de acordo
com a adequação às características das variáveis. As representações gráficas das variáveis
parametrizadas para o nível estratégico podem ser observadas na Figura 4.
Figura 4 - Variáveis de entrada e saída do sistema de inferência fuzzy para o nível estratégico.
Também foi realizada a parametrização da base de regras da inferência fuzzy. Tais de regras
para o nível estratégico podem ser visualizadas na Tabela 2. As representações gráficas das
variáveis parametrizadas para o nível operacional podem ser observadas na Figura 5 e a base
de regras para o nível operacional é apresentada na Tabela 3.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
12
Tabela 2 - Regras de inferência fuzzy para o nível estratégico.
Figura 5 -Variáveis de entrada e saída do sistema de inferência fuzzy para o nível operacional.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
13
Tabela 3 - Regras de inferência fuzzy para o nível operacional.
4.2 Classificação dos fornecedores e análise dos resultados
Os dados então foram simulados de forma a representar os fornecedores reais de uma
empresa. No total 15 potenciais fornecedores foram avaliados. Os valores de entrada foram
inseridos no sistema de inferência fuzzy para o cálculo das pontuações finais. O sistema
utilizado possui como método “E” (do inglês AND), o operador “mínimo”. O operador
“mínimo” também foi utilizado como operador de implicação. Como operador de agregação,
escolheu-se o operador “máximo”. Por fim, para a defuzzificação, o operador centro de área
foi escolhido. As pontuações para o nível estratégico podem ser observadas na Tabela 4. Em
seguida, a apresentação dos resultados para as inferências dos níveis estratégicos e
operacionais são evidenciados na Tabela 5.
Dessa forma, analisando os resultados da inferência fuzzy para os níveis estratégico e
operacional, nota-se que quatro fornecedores estão aptos a serem selecionados pela empresa
cliente, sendo eles os fornecedores J, K, L e M.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
14
Tabela 4 - Pontuações para o nível estratégico dos fornecedores.
Tabela 5 - Apresentação dos resultados dos níveis estratégicos e operacionais.
Para identificar quais são as melhores alternativas realizou-se a ordenação de fornecedores,
considerando o peso de cada conjunto de critérios. Para isso, pesos foram atribuídos às
dimensões e o cálculo dos valores finais para a ordenação foram realizados por meio da média
ponderada. Neste caso exemplo, atribuiu-se peso 3 à dimensão estratégica e 2 à dimensão
operacional. Dessa forma foi possível obter os resultados apresentados na Tabela 6.
Tabela 6 - Valores finais para a ordenação e escolha final.
Diante dos resultados da Tabela 6, verifica-se que a ordenação final obtida foi K>L>M=J.
Todavia, é importante ressaltar que a pontuação final dos fornecedores apresentou valores
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
15
muito próximos. Deste modo, em função do desempenho similar neste caso em específico, há
margem para que a empresa selecione a melhor alternativa ou aquela que apresenta melhor
desempenho em um determinado critério que o tomador de decisão julgar ser mais
importante. A figura 6 apresenta graficamente o desempenho dos fornecedores em cada um
dos critérios avaliados.
Figura 6 - Desempenho dos fornecedores em cada critério avaliado.
Neste cenário, uma prática comum poderia ser a opção pelo fornecedor com menor custo, que
neste caso seria o fornecedor J (conforme dados da Figura 6). Todavia, tal situação não
invalida a aplicação do método, pois em outras situações de seleção, as pontuações finais
podem ser muito distintas, tornando clara a decisão sobre qual é o melhor fornecedor.
5. Considerações finais e conclusão
Diante das atuais exigências dos clientes e das pressões por regulamentação ambiental, criou-
se a necessidade de adaptação de processos e produtos que reduzam o impacto ambiental. Tal
mudança tem influenciado diretamente a cadeia de suprimentos, levando as empresas a
selecionarem fornecedores adaptados a esta realidade. Contudo, lidar com a incerteza dos
problemas reais, proveniente da informação vaga e imprecisa, é um grande desafio,
especialmente no processo de seleção de fornecedores verdes que envolvem critérios de
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
16
natureza bastante qualitativa. Neste contexto, esta pesquisa propôs o uso da inferência fuzzy
para lidar com os diferentes critérios envolvidos no processo de seleção. Além disso, o
modelo considerou critérios estratégicos, que estão relacionados com as práticas ambientais, e
critérios operacionais que representam os fatores frequentemente considerados na seleção de
fornecedores por impactarem nas operações produtivas. Deste modo, como implicações
gerenciais tem-se a sugestão do uso de técnicas de tomada de decisão capazes de ajudar os
tomadores de decisão a estruturar o processo de seleção de fornecedores, em especial a
seleção de fornecedores verdes com o uso de critérios mais subjetivos.
REFERÊNCIAS
AKMAN, G. Evaluating suppliers to include green supplier development programs via fuzzy c-means and
VIKOR methods. Computer & Industrial Engineering, v. 86, p. 69-82, 2015.
ASHLAGI, M. J. A. Hod and Linear Physical Programming new Approach to Green Supplier Selection Based
on Fuzzy Multi-Criteria Decision Making Met. Tehnicki Vjesnik-Technical Gazette, v. 21, nº 03, pp. 591-597,
2014.
BHARDWAJ, B. R. Sustainable Supply Chain Management Through Enterprise Resource Planning (ERP): A
Model of Sustainable Computing. International Conference on Computing for Sustainable Global Development,
In: Proceedings of International Conference on Computing for Sustainable Global Development 2015.
BOJADZIEV, G.; BOJADZIEV, M. Fuzzy Logic for business, finance and management. Singapure: World
Scientific PublisingCo. Pte. Ltda., 2007.
BRONDI, C.; FRAGASSI, F.; PASETTI, T.; FORNASIERO, R. Evaluating Sustenability trade-offs along
Supply Chain. International Conference on Engineering Technology and Innovation, In: Proceedings of
International Conference on Engineering Technology and Innovation, 2014.
BÜYÜKÖZKAN, G.; ÇIFÇI, G. A novel hybrid MCDM approach based on fuzzy DEMATEL, fuzzy ANP and
fuzzy TOPSIS to evaluate green suppliers. Expert Systems with Applications, v.39, nº 3, p.3000–3011, 2012.
CHOU, S. Y.; CHANG, Y. H. A decision support system for supplier selection based on a strategy-aligned fuzzy
SMART approach. Expert Systems with Applications, v. 34, nº 4, p. 2241–2253, 2008.
DE BOER, L.; LABRO, E.; MORLACCHI, P. A review of methods supporting supplier selection. European
Journal of Purchasing & Supply Management, v.7, nº 2, p. 75-89, 2001.
DE BOER, L. Operations research in support of purchasing. Design of a toolbox for supplier selection.
Enschede: University of Twente, 1998. 353p. Ph.D. Thesis, University of Twente, Enschede, The Netherlands.,
1998.
DEKKER, R., BLOEMHOF, J., MALLIDIS, I. Operations research for green logistics: an overview of aspects,
issues, contributions and challenges. European Journal of Operational Research, v. 219, nº 3, p.671–679,
2012.
DU T.C., WOLFE P.M., Implementation of fuzzy logic systems and neural networks in industry. Computers in
Industry, v.32, nº 3, p. 261–272, 1997.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
17
GOVINDAN, K.; RAJENDRAN, S.; SARKIS, J.; MURUGESAN, P. Multi criteria decision making approaches
for green supplier evaluation and selection: a literature review. Journal of Cleaner Production. v.98, p. 66–83,
2015.
HERRERA, F.; MARTÍNEZ, L. A model based on linguistic 2-tuples for dealing with multigranular hierarchical
linguistic contexts in multi-expert decision-making. IEEE Trans. Syst. Man, Cybern. Part B Cybern. v.31, nº
2, p. 227–234, 2001.
KAHRAMAN, C. Fuzzy Multicriteria Decision Making - Theory and Applications with Recent
Developments. Springer Science, Turkey, 2008.
KANNAN, G., POKHAREL, S., & SASI KUMAR, P. A hybrid approach using ISM and fuzzy TOPSIS for the
selection of reverse logistics provider. Resources, Conservation and Recycling, v.54, nº 1, pp.28–36, 2009.
KANNAN, D.; JABBOUR, A. B. L. S.; JABBOUR, C. J. C. Selecting green suppliers based on GSCM pratices:
Using Fuzzy TOPSIS applied to a brazilian eletronics company. European Journal of Operational Research,
v. 233, nº 2, p. 432- 447, 2014.
KACRZYK, J. Multistage Fuzzy Control. Chichester, UK: John Wiley Sons, 1997.
KUMAR, A., JAIN, V., & KUMAR, S. A comprehensive environment friendly for supplier selection. Omega
International Journal of Management Science, v. 42, nº 1, p.109-113, 2014.
LEE, A. H. I.; KANG, H-Y.; HSU, C-F.; HUNG, H-C. A green supplier selection model for high-tech industry.
Expert Systems with Applications, v.36, n.4, p. 7917–7927, 2009.
LIMA JUNIOR, F.R.; OSIRO, L.; CARPINETTI, L. C. R. A comparison between Fuzzy AHP and Fuzzy
TOPSIS methods to supplier selection. Applied Soft Computing., v.21, p.194–209, 2014.
LIMA JUNIOR, F. R.; OSIRO, L.; CARPINETTI, L. C. R. Métodos de decisão multicritério para seleção de
fornecedores: um panorama do estado da arte. Gestão & Produção, v. 20, nº 4, p. 781–801, 2013.
MAMDANI, E.H. & ASSILIAN, S. An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller.
International Journal of Man-Machine Studies, v.7, nº 1, p. 1-13, 1975.
MARTÍNEZ, L.; HERRERA, F. An overview on the 2-tuple linguistic model for computing with words in
decision making: Extensions, applications and challenges. Information Sciences, v. 207, p. 1–18, 2012.
NGUYEN, H.T. A Note on the Extension principle for fuzzy sets. Journal of Mathematical Analysis and
Applications, v.64, nº 2, p.369–380, 1978.
SANAYEI, A.; MOUSAVI. S. F.; YAZDANKHAH, A. Group decision-making process for supplier selection
with VIKOR under fuzzy environment. Expert Systems with Applications, v. 37, nº. 1, p. 24-30, 2010.
SARKIS, J.; TALLURI, S. A model for strategic supplier selection. Journal of supply chain management, v.
38, nº 4, p. 18–28, 2002.
PEDRYCZ, W.; GOMIDE, F. Fuzzy Systems Engineering – Toward Human-Centric Computing. John
Wiley & Sons, New Jersey, 2007.
TALLURI, S.; NARASIMHAN, R. A methodology for strategic sourcing. European Journal of Operational
Research, v. 154, nº 1, p. 236–250, 2004.
WANG, W. P. A fuzzy linguistic computing approach to supplier evaluation. Applied Mathematical
Modelling, v.34, nº 10, p. 3130–3141, 2010.
ZADEH, L. A. Fuzzy sets. Information and Control. v.8, p. 338–353, 1965.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
18
ZEYDAN, M.; ÇOLPAN, C.; ÇOBANOĢLU, C. A combined methodology for supplier selection and
performance evaluation. Expert Systems with Applications, v. 38, nº 3, p. 2741–2751, 2011.
ZIMMERMANN, H.J. Fuzzy set theory and its applications. Kluwer Academic, Boston, 1991.