Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Exploring Machine Learning for Supplier Selection: A case study at Bufab Sweden AB
Linnaeus University, School of Business and Economics, Department of Management Accounting and Logistics.
Linnaeus University, School of Business and Economics, Department of Management Accounting and Logistics.
2018 (English)Independent thesis Advanced level (degree of Master (One Year)), 20 credits / 30 HE creditsStudent thesis
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

Place, publisher, year, edition, pages
2018. , p. 98
National Category
Business Administration
Identifiers
URN: urn:nbn:se:lnu:diva-75838OAI: oai:DiVA.org:lnu-75838DiVA, id: diva2:1217866
External cooperation
Bufab Sweden AB
Subject / course
Business Administration - Other
Educational program
Business Administration and Economics Programme, 240 credits
Supervisors
Examiners
Available from: 2018-06-15 Created: 2018-06-13 Last updated: 2018-06-15Bibliographically approved

Open Access in DiVA

fulltext(2120 kB)9 downloads
File information
File name FULLTEXT01.pdfFile size 2120 kBChecksum SHA-512
7a73fe9925c79978e8c861d5717b09395583e3f2d3f98a0973b8794e8c4414e41acba73d41394b4205d20f548e0f4c1c55e19b6d44f12f52ceed8336151ecfed
Type fulltextMimetype application/pdf

By organisation
Department of Management Accounting and Logistics
Business Administration

Search outside of DiVA

GoogleGoogle Scholar
Total: 9 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 112 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf