Aplicação de técnicas de machine learning para classificação ABC multicritério

Abstract

Quando falamos na gestão de estoques de uma empresa, a classificação ABC é uma forma bastante conhecida e amplamente utilizada para priorizar itens de forma a identificar quais são mais e menos relevantes no contexto da empresa. Ao longo do tempo alguns méto dos foram propostos para realizar esta classificação, de modo a considerar um ou mais critérios neste análise, sempre com o objetivo de ser mais assertivo no resultado. Dada a ampla gama de aplicações voltadas para classificação que utilizam técnicas de Machine Learning, neste trabalho explorou-se a viabilidade da aplicação destas técnicas para o problema da classificação ABC. Utilizando uma base de dados reais, foram aplicadas três técnicas distintas de Machine Learning comparando os resultados obtidos pelas técnicas entre si e contra um cenário de referência. A abordagem se mostrou viável, com as técni cas obtendo resultados melhores que o cenário de referência na maior parte dos testes.

When talking about a company’s inventory management, the ABC classification is a well known and widely applied method to prioritize items in order to identify which ones are more and less relevant in the company’s context. Over time, some methods were proposed to carry out this classification, in order to consider one or more criteria in this analysis, al ways aiming to be more assertive in the result. Given the wide range of Machine Learning Algorithms in classification problems, we explore the feasibility of applying these tech niques to the ABC Classification problem. Using a real database, we applied three distinct Machine Learning algorithms comparing their results against each other and against a ref erence scenario. The approach proved to be viable, with the algorithms obtaining better results than the reference scenario in nearly all tests.