MÉTODOS DE APOIO MULTICRITÉRIO À DECISÃO E MODELOS DE MACHINE LEARNING NA GESTÃO DE ESTOQUES: UM ESTUDO DE CASO EM UMA FERROVIA DE TRANSPORTE DE CARGAS

O mundo vive hoje uma era de transformação digital, onde as ferramentas de apoio à decisão têm exercido cada vez mais um papel estratégico no Operations and Supply Chain Management (OSCM). Entre as abordagens existentes, podem ser destacadas o Multi-Criteria Decision-Making (MCDM) e o Machine Learning (ML). O objetivo desta dissertação é de desenvolver um framework de apoio à decisão na gestão de estoques, combinando métodos de MCDM e ML, e aplicação em um estudo de caso conduzido em uma operadora ferroviária logística. O modelo proposto possui 3 etapas: ranqueamento dos SKUs a partir do método MCDM combinado Fuzzy AHP VIKOR, previsão de demanda dos itens mais críticos através do modelo de ML combinado GA-ANN e estruturação dos resultados em um dashboard gerencial. Os resultados permitiram considerável melhora na performance da previsão de demanda dos SKUs selecionados, através de um modelo semiautomático de tomada de decisão na gestão de estoques.