Gestão da resiliência da cadeia de suprimentos: impacto das tecnologias e capabilidades tecnológicas no desempenho operacional na perspectiva da teoria dos custos de transação
| dc.contributor.advisor | Perez, Gilberto | |
| dc.contributor.author | Bezerra, Rawflin Praia | |
| dc.date.accessioned | 2024-10-10T15:24:15Z | |
| dc.date.available | 2024-10-10T15:24:15Z | |
| dc.date.issued | 2024-08-14 | |
| dc.description.abstract | Os desafios globais dos últimos anos têm incentivado as empresas a buscarem a otimização dos seus processos da cadeia de suprimentos, como uma forma de desenvolver maior resiliência e a capacidade em responder rapidamente aos eventos disruptivos geradores de perdas no desempenho operacional. As empresas que dependem de cadeias de suprimentos têm funcionalidade complexa, por estarem seus fornecedores e clientes dispersos globalmente, portanto vulneráveis a riscos. Ao tornar uma cadeia de suprimentos mais resiliente, utilizandose ferramenta baseadas em inteligência artificial e aprendizado de máquina (machine learning), reduz-se o risco de interrupções operacionais não programadas, em razão de se permitir a visibilidade de todas as operações da cadeia de suprimentos e de se proporcionar maior segurança às empresas para adaptar seus processos produtivos em tempo real. Nesse processo, empresas buscam a inovação tecnológica como forma de aumentar a resiliência através da utilização de novas tecnologias disruptivas baseadas na aplicação de inteligência artificial. Este estudo teve como objetivo avaliar o impacto dessas tecnologias inteligentes (AI/ML) e suas capabilidades tecnológicas como fator moderador na relação entre gestão da resiliência da cadeia de suprimentos e o desempenho operacional, sob a perspectiva dos custos de transação e com foco nas empresas do setor de bens de capital instaladas no Brasil. Esta pesquisa foi constituída em três fases. A primeira, pesquisa bibliométrica, por meio de consultas em base de dados. A segunda, de natureza exploratória, utilizou amostra de sete respondentes, tendo sido os dados coletados por meio de entrevistas individuais, gravadas em áudio e avaliadas por meio de análise de conteúdo. A terceira, de natureza descritiva, em que se utilizou uma amostra de 1500 respondentes, cujos dados foram coletados por meio de questionários estruturados, tendo um retorno de 113 respondentes validados como aplicáveis para as etapas seguintes. As respostas foram tratadas e avaliadas por estatística descritiva, análise fatorial e validação do modelo. As amostras da população foram delimitadas a respondentes pertencentes a empresas associadas aos CNAE 10 a 33, sediadas no Brasil, de origem nacional ou multinacional. Os testes de hipóteses evidenciaram que há uma relação de moderação fortalecendo a relação entre Gestão Resiliente da Cadeia de Suprimentos e o Processo de Redução dos Custos de Transação, quando as Tecnologias Inteligentes e Capabilidades Tecnológicas moderam essa relação. Esta pesquisa contribui para o crescente conhecimento sobre resiliência da cadeia de suprimentos, fornecendo uma análise consistente do impacto da aplicação de tecnologias avançadas de AI/ML no aumento da robustez da cadeia de suprimentos. A investigação também sublinha a importância estratégica da AI na promoção de uma abordagem proativa à gestão da cadeia de suprimentos. Do ponto de vista acadêmico, considera-se que a contribuição do trabalho foi identificar a importância de uma etapa de maturação da aplicação da tecnologia AI/ML, quando moderando a relação entre Gestão Resiliente da Cadeia de Suprimentos e o Desempenho. No campo gerencial, como contribuição empírica, a empresa pode trabalhar os indicadores de processos relacionados aos ganhos de resiliência quando AI/ML é aplicada. Esta pesquisa identificou um conjunto de assertivas preferenciais relacionadas às práticas gerenciais de gestão de processos baseadas no PDCA, destacam-se as atividades de monitoramento, aplicação e fechamento do ciclo PDCA através da retroalimentação do processo de gestão da resiliência na cadeia de suprimentos. Finalmente, a contribuição para a sociedade prevê a operacionalizado do projeto de Gestão Resiliente da Cadeia de Suprimentos através da geração de um piloto de monitoramento inteligente de sinais fracos (weak signals) de eventos disruptivos, usando-se machine learning apoiado em tecnologia shareware disponível, promovendo a disseminação do conhecimento através da extensão universitária e aproximando a academia das organizações. | |
| dc.description.sponsorship | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível | |
| dc.identifier.uri | https://dspace.mackenzie.br/handle/10899/39586 | |
| dc.language.iso | pt_BR | |
| dc.language.iso | en | |
| dc.publisher | Universidade Presbiteriana Mackenzie | |
| dc.subject | cadeia de suprimentos | |
| dc.subject | disrupções | |
| dc.subject | AI | |
| dc.subject | PDCA | |
| dc.subject | desempenho operacional | |
| dc.subject | sinais fracos | |
| dc.subject | weak signals | |
| dc.title | Gestão da resiliência da cadeia de suprimentos: impacto das tecnologias e capabilidades tecnológicas no desempenho operacional na perspectiva da teoria dos custos de transação | |
| dc.type | Tese | |
| local.contributor.advisorLattes | http://lattes.cnpq.br/8699394703578756 | |
| local.contributor.advisorOrcid | https://orcid.org/0000-0002-6624-0643 | |
| local.contributor.authorLattes | http://lattes.cnpq.br/8918747533950179 | |
| local.contributor.authorOrcid | https://orcid.org/0000-0003-2783-1405 | |
| local.contributor.board1 | Bido, Diogenes de Souza | |
| local.contributor.board1Lattes | http://lattes.cnpq.br/7757562071320086 | |
| local.contributor.board1Orcid | https://orcid.org/0000-0002-8525-5218 | |
| local.contributor.board2 | Campos, Juliana Bonomi Santos de | |
| local.contributor.board2Lattes | http://lattes.cnpq.br/7902747205160570 | |
| local.contributor.board3 | Martins , Fellipe Silva | |
| local.contributor.board3Lattes | http://lattes.cnpq.br/7912881403948084 | |
| local.contributor.board3Orcid | https://orcid.org/0000-0003-3918-7231 | |
| local.contributor.board4 | Sun, Violeta | |
| local.contributor.board4Lattes | http://lattes.cnpq.br/1018507649746734 | |
| local.contributor.board4Orcid | https://orcid.org/0000-0003-1739-5312 | |
| local.description.abstracten | The global challenges of recent years have encouraged companies to seek to optimize their supply chain processes, as a way of developing greater resilience and the ability to respond quickly to disruptive events that generate losses in operational performance. Companies that depend on supply chains have complex functionality, as their suppliers and customers are dispersed globally, therefore vulnerable to risks. By making a supply chain more resilient, using tools based on artificial intelligence and machine learning, the risk of unscheduled operational interruptions is reduced, as it allows visibility of all operations in the chain. of supplies and providing greater security to companies to optimize their transaction costs and adapt their production processes in real time. In this process, companies seek technological innovation as a way to increase resilience through the use of new disruptive technologies based on the application of artificial intelligence. This study aimed to evaluate the impact of these intelligent technologies (AI/ML) and their technological capabilities as a moderating factor in the relationship between supply chain resilience management and operational performance, from the perspective of transaction costs and focusing on companies of the capital goods sector installed in Brazil. This research consisted of three phases. The first, bibliometric research, through database queries. The second, exploratory in nature, used a sample of seven respondents, with data collected through individual interviews, recorded in audio and evaluated through content analysis. The third, of a descriptive nature, in which a sample of 1500 respondents was used, whose data were collected through structured questionnaires, with a return of 113 respondents validated as applicable for the following stages. The responses were treated and evaluated using descriptive statistics, factor analysis and model validation. The population samples were limited to respondents belonging to companies associated with CNAE 10 to 33, based in Brazil, of national or multinational origin. Hypothesis tests showed that there is a moderation relationship between Resilient Supply Chain Management and the Process of Mitigating Transaction Costs, when Intelligent Technologies (AI/ML) and Technological Capabilities moderate this relationship. This research contributes to the growing knowledge on supply chain resilience by providing a consistent analysis of the impact of applying advanced AI/ML technologies on increasing supply chain robustness. The research also highlights the strategic importance of AI in promoting a proactive approach to supply chain management. From an academic point of view, it is considered that the contribution of the work was to identify the importance of a stage of maturation in the application of AI/ML technology, when moderating the relationship between Resilient Supply Chain Management and Performance. In the management field, as an empirical contribution, the company can work on process indicators related to resilience gains when AI/ML is applied. This research identified a set of preferred assertions related to process management management practices based on PDCA, highlighting the activities of monitoring, applying and closing the PDCA cycle through feedback on the resilience management process in the supply chain. Finally, the contribution to society foresees the operationalization of the Resilient Supply Chain Management project through the generation of an intelligent monitoring pilot for weak signals of disruptive events, using machine learning supported by available shareware technology, promoting the dissemination of knowledge through university extension and bringing academia closer to organizations. | |
| local.keywords | supply chain | |
| local.keywords | disruptions | |
| local.keywords | AI | |
| local.keywords | ML | |
| local.keywords | PDCA | |
| local.keywords | operational performance | |
| local.publisher.country | Brasil | |
| local.publisher.department | Centro de Ciências Sociais e Aplicadas (CCSA) | |
| local.publisher.initials | UPM | |
| local.publisher.program | Administração de Empresas | |
| local.subject.cnpq | CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS |