lnu.sePublikasjoner
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Exploring Machine Learning for Supplier Selection: A case study at Bufab Sweden AB
Linnéuniversitetet, Ekonomihögskolan (FEH), Institutionen för ekonomistyrning och logistik (ELO).
Linnéuniversitetet, Ekonomihögskolan (FEH), Institutionen för ekonomistyrning och logistik (ELO).
2018 (engelsk)Independent thesis Advanced level (degree of Master (One Year)), 20 poäng / 30 hpOppgave
Abstract [en]

ABSTRACT

Course: Degree project in Logistics, the Business Administration and Economics Programme

Authors: Adam Allgurin and Filip Karlsson

Supervisor: Hana Hulthén

Examiner: Helena Forslund

Title: Exploring Machine Learning for Supplier Selection – A case study at Bufab Sweden AB

 

Background: One of the most important parts of purchasing management is the selection of suppliers due to suppliers’ ability to greatly affect the performance of the supply chain. Selecting the right supplier(s) can be a complex process where there can be many number of variables, both quantitative and qualitative, to consider. One of the methods for assisting companies’ supplier selection process is artificial intelligence (AI) where machines can be trained by decision-makers or historical data to make predictions and recommendations. One technology within AI that might change procurement is Machine Learning.

 

Purpose: The purpose is that this study is going to be a first step for Bufab towards an implementation of Machine Learning (ML). The study aims to provide a framework for the variables needed to create a ML algorithm for supplier selection and how the identified variables can be ranked. The study also aims to provide a list of benefits and challenges with ML, in general and for supplier selection.

 

Methodology: This is a qualitative case study of the supplier selection process in Bufab Sweden AB. The theoretical chapter is based mainly on current literature from both articles and books. The empirical data collected is done by unstructured and semi-structured interviews and data received from Bufab. There have been six respondents in this study, both internal and external from Bufab.

 

Findings: The study identified 26 variables that are important for supplier selection and that can be used for a ML algorithm. These variables have been ranked based on theory and empirical data, in order to determine their importance. There are several benefits and challenges with ML, one benefit is that ML can handle standard and repetitive work while a challenge is that employees tend to get nervous about losing their job. A full table can be found in the conclusion. A framework for the first step in implementing ML for Bufab have been created, this includes three steps. Step one: Identify relevant data (variables), step two: prepare the data and step three: consider ML algorithms.

 

Key words: supplier selection, machine learning, supplier selection variables, supplier selection with machine learning

Abstract [sv]

ABSTRAKT

Kurs: Examensarbete i Logistik för Civilekonomprogrammet

Författare: Adam Allgurin och Filip Karlsson

Handledare: Hana Hulthén

Examinator: Helena Forslund

Titel: Exploring Machine Learning for Supplier Selection – A case study at Bufab Sweden AB

 

Bakgrund: En av de viktigaste delarna inom inköp är val av leverantörer, på grund av deras förmåga att påverka leverantörskedjan. Att välja rätt leverantör(er) kan vara en komplex process där många variabler, både kvantitativa och kvalitativa, är inblandade. En av metoderna för att hjälpa företag med deras leverantörsval är artificiell intelligens (AI) där maskiner blir tränade av beslutsfattare eller historiska data att göra prognoser och rekommendationer. En teknologi inom AI som kan ändra inköp är Maskininlärning.

 

Syfte: Syftet med den här studien är att den ska vara ett första steg för Bufab mot en implementation av Maskininlärning. Studien ämnar bidra med ett ramverk for de variabler som behövs för att skapa en maskininlärningsalgoritm för leverantörsval och hur de här identifierade variabler kan rankas. Studien ämnar också bidra med en list över fördelar och nackdelar med maskininlärning, både generellt och specifikt för maskininlärning.

 

Metod: Det här är en kvalitativ fallstudie av leverantörsvalsprocessen I Bufab Sweden AB. Det teoretiska kapitlet är mestadels baserat på aktuell litteratur från både vetenskapliga artiklar och böcker. Den empiriska datainsamlingen är gjort genom ostrukturerade och semi-strukturerade intervjuer samt data insamlad från Bufab. Det har varit sex respondenter medverkande i studien, både internt och extern från Bufab.

 

Resultat: Studien identifierar 26 variabler som är viktiga vid leverantörsval och kan vara användbara för en Maskininlärningsalgoritm. Dessa variabler har rankats baserat på teori och empiriska data, för att bestämma hur viktiga de är. Det finns flera fördelar och nackdelar med Maskininlärning, en fördel är att Maskininlärning kan hantera standardiserade och repetitiva arbetsuppgifter och en nackdel är att anställda tenderar att vara rädda för att förlora sina jobb. En tabell med alla för- och nack-delar återfinns i slutsatsen. Ett ramverk för ett första steg av en implementering av Maskininlärning för Bufab har skapats, detta inkluderar tre steg. Steg ett: identifiera relevant data (variabler), steg två: förbereda data och steg tre: att överväga de olika Maskininlärningsalgoritmerna.

 

Nyckelord: leverantörsval, maskininlärning, variabler för leverantörsval, leverantörsval med maskininlärning

sted, utgiver, år, opplag, sider
2018. , s. 98
HSV kategori
Identifikatorer
URN: urn:nbn:se:lnu:diva-75838OAI: oai:DiVA.org:lnu-75838DiVA, id: diva2:1217866
Eksternt samarbeid
Bufab Sweden AB
Fag / kurs
Business Administration - Other
Utdanningsprogram
Business Administration and Economics Programme, 240 credits
Veileder
Examiner
Tilgjengelig fra: 2018-06-15 Laget: 2018-06-13 Sist oppdatert: 2018-06-15bibliografisk kontrollert

Open Access i DiVA

fulltext(2120 kB)2428 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 2120 kBChecksum SHA-512
7a73fe9925c79978e8c861d5717b09395583e3f2d3f98a0973b8794e8c4414e41acba73d41394b4205d20f548e0f4c1c55e19b6d44f12f52ceed8336151ecfed
Type fulltextMimetype application/pdf

Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 2428 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

urn-nbn

Altmetric

urn-nbn
Totalt: 1932 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf