Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/32484| Título: | Comparação de topologias para ANFIS e RNAS aplicadas a indicadores de desempenho de cadeias de suprimentos |
| Título(s) alternativo(s): | ANFIS and ANNS topologies comparison applied on suply chain performance indicators |
| Autor(es): | Lunardi, Antonio Ricardo |
| Orientador(es): | Brante, Glauber Gomes de Oliveira |
| Palavras-chave: | Redes neurais (Computação) Inteligência artificial Sistemas difusos Logística empresarial Neural networks (Computer science) Artificial intelligence Fuzzy Systems Business logistics |
| Data do documento: | 10-Jun-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | LUNARDI, Antonio Ricardo. Comparação de topologias para ANFIS e RNAS aplicadas a indicadores de desempenho de cadeias de suprimentos. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2022. |
| Resumo: | A gestão da cadeia de suprimentos é uma atividade fundamental no mercado contemporâneo para o funcionamento das empresas. São abordados na literatura muitos métodos quantitativos para avaliação de desempenho de cadeias de suprimentos com a finalidade de melhorar o funcionamento de uma organização por meio de diversas abordagens. No entanto a literatura não encontra muitos estudos de métodos quantitativos com técnicas de IA (inteligência artificial). Nesse contexto, o estudo busca a comparar como se adequam as RNAs (redes neurais artificiais) artificiais e as redes neuro-fuzzy, para fazer aproximações de função do modelo SCOR® (Supply Chain Operations Reference). São propostos três modelos de rede baseados em RNAs PMC (perceptron multicamada) ou ANFIS (adaptative-basedneuro-fuzzy inference system), sendo cada modelo baseado em um indicador de desempenho do SCOR®, por meio de várias topologias com configurações distintas para cada um deles. O estudo concluiu matematicamente que, de modo geral, as redes ANFIS possuem capacidade consideravelmente maior. Testes de hipótese t pareados foram usados para validar os resultados, tendo obtido sucesso em todos os casos. |
| Abstract: | Supply chain management is an essential practice for nowadays market to companies success. Literature contains many quantitative methods for supply chain performance evaluation, that are used in order to improve organizations operations. However, there are not many AI (artificial intelligence) quantitave methods in the literature. In this context, the present study aims to compare artificial neural networks with neuro-fuzzy networks, in the context of making function approximations using the SCOR® (Supply Chain Operations Reference) model. Three network models based on MLP (multi-layer perceptron) ANN (artificial neural networks) or ANFIS (adaptive-based-neuro-fuzzy inference system) are proposed, each one based on a different SCOR® performance indicator. Many topologies are made using distinct configurations. The study showed that in general ANFIS have noticeable higher capabilities. T-paired hypothesis tests were used in order to validate the results, being successful in all cases. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/32484 |
| Aparece nas coleções: | CT - Engenharia de Controle e Automação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| comparacaoanfisrnaindicadores.pdf | 2,26 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
