Beruflich Dokumente
Kultur Dokumente
TECNOLOGIA DA INFORMAÇÃO
REVISÃO 01
Formação Acadêmica
2005/2009 UNIVERSIDADE FEDERAL DE MINAS GERAIS
Doutorado em Engenharia Elétrica na área de Inteligência Computacional
Produção Científica
Doutorado
Orientador: Petr Iakovlevitch Ekel
Título da Tese: Modelos e Métodos de Tomada de Decisões para Apoio à Gestão Estratégica em
Empresas
Defesa: 30 de Junho de 2009
Mestrado
Orientador: Evandro de Oliveira Araújo
Título da Dissertação: Sistema Especialista para Tratamento de Alarme em Centros de
Supervisão e Controle de Sistemas Elétricos de Potência
Defesa: 17 de Agosto de 1992
Áreas de Atuação
Pesquisa e Desenvolvimento
Ensino Superior
Engenharia de Sistemas de Automação, Otimização e Informação
Atividades Profissionais
1992 até hoje - Professor Adjunto IV da PUC.MG
2010/11 - Consultor Técnico de Projeto da FITEC
2001- Professor do IETEC
2004 até 2010 - Coordenador do Sistema de Gestão da Qualidade TSA
1997 até 2004 - Coordenador de Pesquisa e Desenvolvimento da TSA
1995/97 - Gerente de Automação e Informática da SPS - SET POINT
1994 - Analista de Sistemas da BMS-MALC
1993/94 - Analista de Sistemas da S & A
PLANO DE ENSINO
DISCIPLINA:
Tecnologia da Informação
CURSO:
Pós Graduação em Automação Industrial
PROF (A):
Júlio Cesar Braz de Queiroz
OBJETIVOS:
Capacitar o aluno quanto ao uso de modelos e métodos de construção e utilização da
informação em sistemas produtivos automatizados.
MÉTODOS DIDÁTICOS:
Exposição oral com a participação de alunos
Desenvolvimento de trabalhos práticos
EMENTA:
Visão Integrada da Automação de Sistemas Produtivos. Métodos e Técnicas de Integração e
Avaliação de Desempenho de Sistemas através das Tecnologias de Informação: ERP, MES,
PIMS.
UNIDADES DE ENSINO:
CRITÉRIOS DE AVALIAÇÃO:
- Atendimento aos prazos
- Atendimento às orientações apresentadas para as atividades
- Atendimento ao conteúdo das atividades
- Objetividade e clareza nas respostas das avaliações
TRABALHO ORIENTADO: Sistema de Tomada de Decisão
DISTRIBUIÇÃO DE PONTOS:
- Trabalho prático, em grupo 40 pontos
- Avaliação Global, individual, sem consulta 60 pontos
REFERÊNCIAS BIBLIOGRÁFICAS:
GOMES, Luiz Flávio Autran Monteiro; GONZÁLEZ ARAYA, Marcela Cecília;
CARIGNANO, Claudia. Tomada de decisões em cenários complexos: introdução aos
métodos discretos do apoio multicritério à decisão. São Paulo Pioneira Thomson Learning,
2004 xii, 168p.
HABERKORN, Ernesto; OLIVEIRA, Noel Cecílio de. Teoria do ERP. 2. ed. rev. e ampl. São
Paulo: Makron Books, c1999. xvi, 304p.
1. INTRODUÇÃO .......................................................................................................................... 7
2. ESTRUTURA DE SISTEMAS INTEGRADOS ..................................................................... 9
2.1. Sistemas de Instrumentação ............................................................................................ 10
2.2. Sistemas de Controle ........................................................................................................ 10
2.3. Sistemas de Supervisão .................................................................................................... 11
2.4. Sistemas de Otimização ................................................................................................... 12
2.5. Sistemas de Gestão da Informação ................................................................................. 12
2.6. Sistemas de Execução da Manufatura ........................................................................... 13
2.7. Sistemas de Gestão Corporativa ..................................................................................... 13
2.8. Caracterização de Dados e Sistemas .............................................................................. 14
3. SISTEMAS DA TECNOLOGIA DA INFORMAÇÃO ........................................................ 16
3.1. Sistemas de Gestão Corporativa ..................................................................................... 16
3.2. Sistemas de Execução da Manufatura ........................................................................... 17
3.3. Sistemas de Gestão da Informação ................................................................................. 21
3.4. Sistemas de Gestão da Informação do Laboratório ...................................................... 23
4. TI NOS SISTEMAS PRODUTIVOS ..................................................................................... 25
4.1. TI na Gestão da Manutenção .......................................................................................... 26
4.2. TI na Gestão da Operação............................................................................................... 29
4.3. TI na Análise de Desempenho ......................................................................................... 32
4.4. TI na Gestão do Processo & Gestão da Qualidade ....................................................... 36
5. TI NA SOLUÇÃO DE PROBLEMAS ................................................................................... 40
5.1. Modelos e Métodos de Tomada de Decisão Multicritério ............................................ 40
5.1.1. Modelos e Métodos MADM ...................................................................................... 41
5.2. Construção de Preferências............................................................................................. 43
5.2.1. Exemplo de Aplicação ............................................................................................... 44
5.3. Uniformização das Preferências ..................................................................................... 46
5.3.1. Exemplo de Aplicação ............................................................................................... 47
5.4. Agregação das preferências............................................................................................. 48
5.4.1. Exemplo de Aplicação ............................................................................................... 53
5.5. Ordenação de Alternativas .............................................................................................. 61
5.5.1. Exemplo de Aplicação ............................................................................................... 63
6. PROCESSOS DE TOMADA DE DECISÃO ........................................................................ 65
6.1. Tomada de Decisão Monocritério Individual ................................................................ 67
6.2. Tomada de Decisão Monocritério em Grupo ................................................................ 67
6.3. Tomada de Decisão Multicritério Individual ................................................................ 69
6.4. Tomada de Decisão Multicritério em Grupo ................................................................. 70
6.5. Exemplo de Aplicação ...................................................................................................... 71
APÊNDICE 1 – INTRODUÇÃO AO SPC/SQC ........................................................................... 76
REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................................... 82
7
1. INTRODUÇÃO
Estratégico
Tático
Operacional
No passado, o sucesso dos empreendimentos era determinado pelas habilidades nos planos
tático e operacional, ou seja, alocação rápida dos recursos e tecnologias para aproveitar as
oportunidades das economias de escala. Durante esse período, os sistemas de controle financeiro
foram suficientes e eficazes nas tarefas de facilitar e monitorar a alocação de capital financeiro e
físico. Entretanto, com a disponibilidade e o crescimento da influência da informação nos setores
produtivo e gerencial, muitas das premissas fundamentais associadas a esta dinâmica tornaram-se
ineficientes e obsoletas. Este fato foi confirmado por Reis em sua dissertação (REIS, 2001), na qual
relata que as empresas não conseguem mais obter vantagens competitivas sustentáveis apenas com
a rápida alocação de novas tecnologias a ativos físicos e com a excelência da gestão eficaz dos
ativos e passivos financeiros. Segundo ele, uma das formas de adequar este modelo da contabilidade
financeira é ampliá-lo de modo que incorpore a avaliação dos ativos intangíveis e intelectuais de
uma empresa.
O presente mostra uma preocupação crescente das empresas no sentido de aperfeiçoar suas
ferramentas de TI e buscar meios para fundamentar seus procedimentos em metodologias
consolidadas, de modo a aumentar a efetividade das decisões tomadas, pois tão importante quanto
gerar a informação é saber usá-la para agregar valor a atividades e processos. Outra questão
relevante está associada à necessidade de expandir o modo de atuação estratégico, até então
empregado somente na gestão corporativa, aos sistemas produtivos. Esta necessidade vem sendo
atendida a partir da evolução das redes de comunicação, que permitem integrar, em um mesmo
meio físico, todos os setores da empresa, desde o chão-de-fábrica aos setores corporativos. Neste
sentido, cresce a importância dos Sistemas de Automação, que passam a desempenhar o papel de
8
A implantação da TI integrada à TA não é uma tarefa simples nem tão pouco rápida. Tal
integração deve suplantar as diferenças técnicas e culturais dos extremos opostos da corporação, o
chão-de-fábrica e o corporativo. É necessário estabelecer um planejamento de longo prazo para
organizar a implantação de forma gradual, incorporando em cada etapa, evoluções das ferramentas
computacionais (hardware e software) bem como o conhecimento advindo da utilização dos
sistemas em todos os setores. Outra questão a ser enfrentada é a descrença quanto à efetividade dos
resultados obtidos a partir do uso de ferramentas de TI, face ao montante de investimento necessário
(PORTER, 2001; DRUCKER, 2000; EVANS & WURSTER, 1999; FRONTINI, 1999). Em última
instância, os resultados advindos da TI estão fortemente associados aos processos de tomada de
decisão, que envolvem múltiplos critérios, múltiplas alternativas de solução, pessoas com formação
e interesses distintos e apresentam incertezas nas informações (QUEIROZ, 2009).
As menções presentes no texto não estão vinculadas a qualquer tipo de produto de mercado,
sendo que os conceitos e funcionalidades dos dispositivos são apresentados em âmbito geral. As
figuras apresentadas no texto são de caráter meramente ilustrativo.
9
Estações
Gerenciais Sistemas de Gestão Corporativa
Rede Corporativa
Estações de
Supervisão
Sistemas de Execução da Manufatura
Sistemas de Gestão da Informação
Sistemas de Otimização
Estações de Estações de Sistemas de Supervisão
Otimização Informação e
Execução da
Manufatura
Rede de Controle
Equipamentos
Controladores inteligentes Sistemas de Controle
Programáveis
Rede de Campo
Sensores Dispositivos
inteligentes Sistemas de Instrumentação
Atuadores
É sem dúvida a mais importante das camadas como afirmou Connvell em 1988: "Todo
controle começa com a medição e a Qualidade do Controle não será maior que a Qualidade da
Medição". Esta frase retrata bem a necessidade de um Sistema de Instrumentação que realmente
garanta a confiabilidade dos sinais das variáveis medidas bem como a precisa atuação dos
elementos final de controle. Constitui assim uma área de interface crítica entre o processo e os
demais sistemas, pois o bom desempenho dos mesmos é totalmente dependente da qualidade dos
dados fornecidos pela instrumentação.
(a) (b)
Figura 7 – Interfaces com o usuário: (a) Botoeiras (b) IHM (c) Tela de um Sistema de Supervisão
Alguns softwares de supervisão também hospedam uma BDTR, que pode conter dados lidos
dos controladores programáveis, dados de entrada do operador bem como dados processados
localmente. Outros dados importantes também são disponibilizados por estes sistemas, como
alarmes, eventos e tendências históricas.
12
Os Sistemas de Otimização tem como desafio melhorar de índices de uma planta industrial,
a partir da modernização dos recursos instalados, adoção de estratégias de controle avançado e de
mudanças de caráter operacional. Na maioria das vezes, estes sistemas são implementados em
computadores dedicados e utilizam técnicas de otimização como Modelagem Matemática,
Inteligência Artificial e estratégias de Controle Avançado, como ilustra a figura 8.
Utilizam servidores de dados para hospedar um banco de dado relacional que centraliza os
dados de todos os setores da corporação e um sistema gestor que integra uma gama de aplicativos
de software destinados à gestão corporativa e produtiva da empresa e de colaboradores externos,
como mostra a figura 11.
Este capítulo apresenta os sistemas associados à TI. Por motivos estratégicos, a abordagem
será realizada a partir do topo da pirâmide da figura 2.
A arquitetura ERP estabelece uma plataforma na qual um banco de dados relacional central
interage com um conjunto de aplicações que suporta todas as operações do negócio, em um
ambiente computacional único.
A implantação de um sistema de ERP, em sua plenitude, pode ser bastante onerosa e, muitas
vezes, fica restrita a grandes corporações. A seguir, são apresentadas as vantagens e desvantagens
que a adoção de um ERP pode trazer (MARTINS e BREMER, 2002). Como vantagens, é possível
apontar:
Eliminação do uso de interfaces manuais;
Redução de custos;
17
Por outro lado, o processo de implantação também pode ser problemático, caso as
metodologias nativas do produto não sejam iguais ou mesmo semelhantes às empregadas nas
atividades da empresa. Quando essas divergências ocorrem, é possível customizar os aplicativos de
software. Entretanto, devido aos altos custos dessas customizações, a maioria dos clientes opta por
se render aos modelos de gestão do produto, o que não deveria acontecer. Desta forma, algumas
mudanças podem ser necessárias na organização como:
Redesenho dos processos;
Eliminação das funções em duplicidade e fluxos de informação mal definidos;
Desenvolvimento de um sistema adicional para estabelecer a interface com o nível de
chão de fábrica.
Este último item, em particular, pode ser bastante trabalhoso, uma vez que o ERP é pouco
flexível no que se refere à comunicação com outros sistemas. Como o número de sistemas entre o
nível corporativo e o chão de fábrica é grande, como ilustra a figura 15, pode ser necessário o
desenvolvimento de uma camada de interface denominada MES.
Subsistemas
Estes sistemas são responsáveis por processar os dados disponíveis no chão-de-fábrica que
vão para o ERP, e no sentido inverso, processar os conteúdos vindos do ERP. Desta forma, os
gerentes de produção podem definir os procedimentos e os recursos necessários para atender as
ordens de produção vindas do ERP, enquanto os gestores corporativos podem acompanhar, em
tempo real, todos os dados referentes aos processos produtivos.
18
Além de estabelecer essa interface, o MES desempenha outras tarefas como o sincronismo
do trabalho, máquinas, ferramentas e recursos. As funcionalidades de um MES foram estabelecidas
por uma associação denominada MESA (Manufacturing Enterprise Systems Association) e são
listadas abaixo (MESA, 1997):
1. Alocação de recursos
Administração dos recursos (máquinas, ferramentas de trabalho, materiais,
equipamentos, documentos);
Manutenção de um histórico detalhado dos recursos;
9. Gestão da manutenção
Rastreamento e direcionamento das atividades de manutenção para garantir
disponibilidade;
Programação da manutenção periódica, preventiva ou corretiva;
Manutenção de um histórico de eventos e alarmes para auxiliar no diagnóstico de
problemas.
10. Genealogia e rastreamento do produto
Visão on-line do status dos trabalhos:
(a) (b)
Figura 16 – MES orientado para (a) Negócio da empresa (b) Produção
20
Um MES pode ser orientado para o negócio da empresa ou para a produção. Na primeira
orientação, utilizada pela maioria das empresas, a produção atende as quantidades demandadas
pelas vendas e serviços. Na segunda, utilizada por empresas que detém o monopólio do mercado e
não tem interesse em produzir grandes quantidades, prevalece a qualidade e o valor agregado aos
produtos.
indústrias de processos, sua flexibilidade e sofisticação de recursos fazem dele um ativo valioso em
qualquer lugar onde informações importantes necessitem ser gerenciadas com precisão.
Interface WEB: permite a criação de páginas html para exibir telas gráficas contendo
informações do sistema PIMS via Internet ou Intranet.
Segurança: permite restringir o acesso aos dados e funcionalidades através de senhas.
Cada usuário possui atributos específicos, de acordo com a sua atividade, para definir o
nível de intervenção sobre o sistema: visualização, e/ou alteração dos dados e/ou
configuração do sistema.
Organizador por grupos: permite organizar o conteúdo de dados do PIMS por grupos de
modo a facilitar a sua utilização por usuários de áreas distintas em programas e telas.
Módulo estatístico: permite realizar cálculos estatísticos em tempo real para os dados
armazenados no sistema PIMS. Permite o cálculo de diversos parâmetros (desvios,
médias, etc) além de permitir a construção de diversos gráficos estatísticos (tendências,
histogramas, etc).
Módulo batelada: utilizado para visualizar os dados armazenados no PIMS a partir de
processos de fabricação associados por lotes: número do lote ou batelada, produto e
unidade de processo.
Módulo de cálculo avançado: permite a elaboração de cálculos complexos em ambiente
externo, como por exemplo, a linguagem de programação Visual Basic. Permite a criação
de rotinas diversas e manipulação dos dados armazenados no sistema PIMS.
Sumário de alarmes: sumariza as informações do servidor de alarmes e as exibe na forma
de uma estrutura hierárquica para os usuários.
Reconciliador de dados: valida as informações de produção, verifica a qualidade dos
dados e garante a produção de dados limpos, consistentes e confiáveis.
Como ilustra a figura 19, o processo se inicia pelo indivíduo, que identifica quais
informações seriam úteis à sua atividade e como elas poderiam ajudá-lo de forma efetiva. Em
seguida, estuda como as informações podem ser geradas a partir dos dados presentes no MES e a
necessidade de agregar novos dados. Elaborar a modelagem dos dados e implementa a solução na
forma de um aplicativo. O conteúdo implementado deve ser testado e validada a sua efetividade
bem como os benefícios que proporciona. O aplicativo é apresentado em reuniões internas da
equipe de trabalho, quando são discutidas as melhorias e implementadas novas funcionalidades.
Aprovado no nível de equipe, os casos bem sucedidos percorrem um longo caminho evolutivo,
participando de eventos em níveis superiores, podendo ser até utilizados por toda a corporação.
Empresas que valorizam seu capital intelectual estimulam seus colaboradores em atividades
dessa natureza premiando, inclusive, os autores dos melhores trabalhos.
Definição dos
equipamentos
Especificação das
medições
Medições
Condições de medição
Notificação das ordens
Ordens de serviço
Prazos p/ manutenção de serviço
Sistemas de Automação
O MES monitora a diferença de pressão nas extremidades dos filtros e notifica o software de
manutenção para a geração das ordens de serviço quando a leitura exceder 3 psi. As pressões
diferenciais são coletadas, armazenadas em variáveis internas e monitoradas periodicamente por
Regras de Produção.
A gestão da operação em plantas industriais é uma atividade que envolve a análise de muitos
dados e exige decisões rápidas por partes dos operadores e supervisores. A interface da operação
com o processo é realizada por um software de supervisão, que mostra a dinâmica do processo, em
tempo real, e permite enviar comandos aos controladores programáveis e consequentemente aos
equipamentos. São tarefas comuns aos operadores:
Avaliar o desempenho da produção;
Definir os setpoints;
Selecionar e disparar receitas;
Monitorar alarmes e eventos;
Analisar tendências;
Comandar equipamentos;
Elaborar relatórios;
Etc.
Trabalhando com o software de supervisão de forma isolada, as decisões ficam a cargo dos
operadores, que utilizam seus conhecimentos empíricos na tomada das decisões. Devido ao grande
volume de dados a ser analisado em tempo real, ações podem deixar de ser tomadas ou mesmo
realizadas de forma incompleta ou equivocada.
O software de supervisão hospeda uma Base de Dados em Tempo Real; disponibiliza telas
sinóticas das áreas de processo; gráficos de tendência em tempo real e histórica de curto prazo;
alarmes e eventos, dentre várias outras funcionalidades. Ao MES são passadas as definições das
variáveis de processo (TAGS), a especificação das medições necessárias e as ações da operação. O
MES utiliza os dados coletados junto aos sistemas de automação, armazena históricos de longo
30
Sistemas de Automação
O MES armazena os dados históricos de longo prazo em seu banco e os disponibiliza para
utilização durante as reuniões de troca de turno.
A figura 24 apresenta um exemplo de uma tela sinótica, acessada via WEB, utilizada em
reuniões de troca de turno. A tela traz uma visão geral da planta, com um menu de navegação na
parte inferior esquerda, principais parâmetros de processo na parte superior, tela gráfica e gráfico de
tendência ao centro, indicadores de desempenho á direita e destacado no círculo vermelho, a
funcionalidade de ajuste do período desejado e a velocidade de apresentação.
31
Trabalhando sem um sistema de TI, os relatórios são gerados pelo software de supervisão,
em períodos determinados. Portanto, as ações sobre o processo somente afetarão a produção no
período seguinte.
Telas gráficas
Estações de Gráficos de Tendência
TI Relatórios
Medições
Indicadores
Análises
Relatórios
Sistemas de Automação
O MES utiliza os dados coletados junto aos sistemas de automação, armazena históricos de
longo prazo, realiza o monitoramento de variáveis, realiza cálculos e disponibiliza informações
gráficas e relatórios nas estações de TI.
01 02 03 04 05 06 07 08 09 10
Elétrica 8,5 7,6 16,8 2,7 3,7 2,0 0,3 1,2 2,8
Extra Planta 5,4 0,3 4,0 3,9 6,5 0,2 2,7 4,4 5,3 4,8
Mecânica 17,4 12,2 7,6 8,5 13,9 0,6 6,3 4,5 10,6
Operação 29,0 36,3 8,3 5,2 13,1 13,3 7,0 14,9 20,7 12,2
Vulcanização
Rend. Operacional 90,7% 91,6% 94,5% 98,3% 95,2% 92,9% 98,4% 96,0% 92,1% 95,5%
Disponibilidade Fisica 95,8% 97,1% 96,4% 99,6% 98,2% 94,9% 99,9% 99,0% 96,0% 98,0%
Utilização 94,7% 94,4% 98,1% 98,7% 97,0% 97,9% 98,5% 97,0% 96,0% 97,4%
105,0%
95,0%
85,0%
75,0%
Valores em %
65,0%
55,0%
45,0%
35,0%
25,0%
15,0%
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Meta RO=91% Meta DF=95% Meta UF=95,8%
RO DF UF
120,0%
96,0%
95,8%
95,2%
94,5%
94,4%
94,2%
94,3%
94,1%
93,6%
93,5%
92,7%
92,1%
90,2%
89,9%
90,2%
88,5%
100,0%
80,0%
60,0%
40,0%
20,0%
Dia 0,00%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
0,0%
07:00 E
08:00 E
09:00 E
10:00 E
11:00 E
12:00 E
00:00 A
01:00 A
02:00 A
03:00 A
04:00 A
05:00 A
06:00 A
13:00 C
14:00 C
14:14 C
14:15 C
14:15 C
14:15 C
14:15 C
14:15 C
14:15 C
14:15 C
14:15 C
14:15 C
Instantâneo
MH
Sem um sistema de TI, alguns relatórios podem ser gerados pelo software de supervisão,
apesar de não ser o ambiente propício para esta tarefa. Desta forma, é importante contar com
sistemas apropriados e com as ferramentas adequadas para as implementações do SPC (Statistical
Process Control) e do SQC (Statistical Quality Control).
O SPC/SQC podem ser implementados no MES e as consultas realizadas nas estações de TI.
Os recursos de bancos de dados históricos e módulos de tratamento estatístico permitem a
realização de análises detalhadas do comportamento do processo. A figura 32 mostra a estrutura
necessária.
O MES utiliza os dados coletados junto aos sistemas de automação, realiza o monitoramento
de variáveis, realiza o tratamento estatístico dos dados, compara a dados históricos e disponibiliza
gráficos e relatórios nas estações de TI.
37
Gráficos Estatísticos
Estações de Relatórios
TI
Medições
Dados estatísticos
Relatórios
Sistemas de Automação
As informações eram insuficientes para análises As análises passaram a ser realizadas com base
adequadas. em dados reais do funcionamento dos motores.
As informações eram insuficientes para análises As análises passaram a ser realizadas com base
adequadas. em dados reais da produção.
39
Frequência / Mês
Classe
As informações eram insuficientes para análises As análises passaram a ser realizadas com base
adequadas. em dados reais da produção.
5. TI NA SOLUÇÃO DE PROBLEMAS
Objetivos - são reflexos do desejo dos decisores e indicam a direção na qual eles querem
trabalhar.
Atributos - características que representam propriedades ou capacidades das alternativas,
para satisfazer a necessidade e/ou desejos do decisor.
Decisor - também conhecido como Sujeito de Decisão, Agente de Decisão ou Tomador
de Decisão, é a pessoa ou grupo de pessoas que, direta ou indiretamente, proporciona o
juízo de valor final que poderá ser usado no momento de avaliar as alternativas
disponíveis, com o objetivo de identificar a melhor escolha.
Moderador - também denominado Analista, é a pessoa ou conjunto de pessoas (Grupo
Moderador) encarregado de modelar o problema e eventualmente, fazer as
recomendações e orientações relativas à seleção final.
Conjunto de Alternativas - também chamado de Conjunto de Escolha, é um conjunto
finito, do ponto de vista prático, constituído por um número relativamente pequeno de
elementos que permite alcançar os objetivos de uma operação. As alternativas devem ser
diferentes, exaustivas (a inclusão de novas alternativas implica na reformulação do
modelo) e excludentes (não são permitidas soluções mistas).
Coeficientes de Importância - são pesos ou importâncias atribuídas aos atributos a fim de
diferenciá-los.
A metodologia de decisões multicritério discreta está associada à solução dos seguintes tipos
de problemas (GOMES, GOMES & ALMEIDA, 2002):
Problema tipo α (Pα): tem como objetivo conduzir a decisão à escolha de um subconjunto
tão restrito quanto possível, tendo em vista a escolha final de uma única alternativa. Esse
conjunto conterá as “melhores alternativas” ou as “alternativas satisfatórias”. O resultado
pretendido é, portanto, uma escolha ou um procedimento de seleção.
Problema tipo β (Pβ): tem como objetivo conduzir a decisão a uma triagem resultante da
alocação de cada alternativa a uma categoria (ou classe). As diferentes categorias são
definidas a priori com base em normas aplicáveis ao conjunto de alternativas. O resultado
pretendido é, portanto, uma triagem ou um procedimento de classificação.
Problema tipo γ (Pγ): tem como objetivo conduzir a decisão a um arranjo obtido pelo
reagrupamento de todas ou parte (as mais satisfatórias) das alternativas em classes de
equivalência. Essas classes são ordenadas de modo completo ou parcial, conforme as
preferências. O resultado pretendido é, portanto, um arranjo ou um procedimento de
ordenação.
Problema tipo δ (Pδ): tem como objetivo conduzir a decisão a uma descrição, em
linguagem apropriada, das alternativas e de suas consequências. O resultado pretendido é,
portanto, uma descrição ou um procedimento cognitivo.
C1 C 2 Cq
X1 r11 r12 r1q
r r2 q
D X2 21 r22 (2)
Xn rn1 rn 2 rnq
onde rij , i 1,, n , j 1,, q são valores associados a cada alternativa X i quando avaliada em
relação ao atributo C j , levando em consideração o correspondente coeficiente de importância j
associado ao atributo C j .
Como cada pessoa tem as suas próprias ideias, atitudes, motivações e personalidade, é
natural considerar que cada uma expressará as suas preferências de maneira diferente. Dessa forma,
diversas formas de representação das preferências foram elaboradas, como por exemplo, através de
esquemas de ordenação de alternativas (CHICLANA, HERRERA & HERRERA-VIEDMA, 1998),
(SEO & SAKAWA, 1985) e (RAJ & KUMAR, 1999), relações de preferência multiplicativas (RAJ
& KUMAR, 1999), uso de funções de utilidade (GOMES, ARAYA e CARIGNANO, 2004),
(CANHA, EKEL, QUEIROZ & SCHUFFNER NETO, 2007), relações de preferência fuzzy
(TANINO, 1990), (WANG & LIN, 2003) e (LI & YANG, 2004), dentre outras.
X1 X2 Xn
X1 r11 r12 r1n
r r r2 n ,
R X2 21 22 consideran do : C1 ,, C k ,, Cq (3)
Xn rn1 rn 2 rnn
onde rij , i 1,, n , j 1,, n representa uma preferência da alternativa Xi em relação a Xj, quando
avaliada em relação a um atributo C k , levando em consideração o correspondente coeficiente de
importância k associado ao atributo C k .
Neste momento, é importante estabelecer alguns pontos sobre o amplo universo de assuntos
tratados. Serão explorados os métodos de ordenação de alternativas (Pγ) como base para a escolha
da melhor solução (Pα), associados à metodologia de solução de problemas MADM. Serão
43
Na etapa de construção das preferências, é natural que cada pessoa tenha a sua própria
percepção do problema, sofra diferentes influências, tenha diferentes interesses e acesso a diferentes
fontes e formas de informação. Como consequência, é de se esperar que cada um sinta-se mais
confortável expressando as suas opiniões usando diferentes modos de apresentação de preferências
ou diferentes estruturas de preferências (KEENEY R. & RAIFA, 1976), (TONG M. &
BONISSONE, 1980), (HERRERA F. & VIEDMA, 2000), (XU, 2005).
Esquema de Ordenação
OCk oCk X1 ,, oCk X n , (4)
onde oCk X i é uma função de permutação sobre um conjunto de índices 1,, n, que expressa a
preferência sobre a alternativa Xi. Desta forma, um vetor ordenado de alternativas, da melhor para o
pior, é formado.
onde aCk X ij indica uma proporção da intensidade de preferência da alternativa Xi em relação a Xj,
ou seja, quantas vezes Xi é melhor que Xj. É usual considerar uma escala de 1/9 a 9, na qual
aCk X ij 1 9 indica indiferença entre Xi e Xj, aCk X ij 9 indica que Xi possui grande preferência
em relação a Xj, e os demais valores indicam avaliações intermediárias. É usual também, assumir a
propriedade da reciprocidade multiplicativa, ou seja, aCk X ij aCk X ji 1 i, j .
44
Função de Utilidade
Uma função de utilidade é construída atribuindo-se um valor numérico maior para a melhor
alternativa e um valor menor para a alternativa com menor preferência, como mostrado em
(GOMES, ARAYA e CARIGNANO, 2004), (GOMES, GOMES & ALMEIDA, 2002), (KEENEY
& RAIFA, 1976) e (VINCKE, 1992). A obtenção de valores numéricos intermediários permite
construir a curva da função de utilidade que é única para cada pessoa. Dessa forma, a pessoa atribui
as suas preferências sobre as alternativas de X, para um dado critério Ck , como um conjunto de
valores de utilidade
RCk X X , RCk X ij , X i , X j X , (7)
intensidade da alternativa Xi sobre Xj, para um critério Ck . Por exemplo, o valor RC X ij 0,5
indica indiferença entre Xi e Xj, RC X ij 1 indica que Xi possui grande preferência em relação a
k
Xj, e RC X ij 0,5 indica que Xi possui preferência em relação a Xj. É usual assumir que
k
Especialista E1
X1 X2 X3 X1 X2 X3
OC1 2 1 3 OC2 1 2 3
mostra para o Critério 1 que a alternativa X 2 é melhor que a alternativa X 1 , que por sua vez é
melhor que a alternativa X 3 . Ao mesmo tempo, do ponto de vista do Critério 2, a alternativa X 1 é
melhor que a alternativa X 2 , que é melhor que a alternativa X 3 .
Especialista E2
X1 X2 X3 X1 X2 X3
X1 1 1/2 1/5 X1 1 1/3 1/7
AC1 AC2
X2 2 1 1/4 X2 3 1 1/6
X3 5 4 1 X3 7 6 1
mostra para ambos os Critérios que a alternativa X 1 é pouco pior que a alternativa X 2 e
razoavelmente pior que a alternativa X 3 , e que a alternativa X 2 e razoavelmente pior que a
alternativa X 3 .
Especialista E3
X1 X2 X3 X1 X2 X3
U C1 0,3 0,1 0,5 UC2 0,2 0,3 0,9
Para o Critério 1, a alternativa X 3 é pouco melhor que a alternativa X 1 , que por sua vez é
pouco melhor que a alternativa X 2 ; e para o Critério 2 que a alternativa X 3 é muito melhor que a
alternativa X 2 , que é pouco melhor que a alternativa X 1 .
46
Especialista E4
X1 X2 X3 X1 X2 X3
X1 0,5 0,4 0,2 X1 0,5 0,1 0,3
RC1 RC2
X2 0,6 0,5 0,3 X2 0,9 0,5 0,2
X3 0,8 0,7 0,5 X3 0,7 0,8 0,5
mostra para o Critério 1 que a alternativa X 1 é pouco pior que a alternativa X 2 e muito pior que a
alternativa X 3 , e que a alternativa X 2 é muito pior que e a alternativa X 3 ; e para o Critério 2 que a
alternativa X 1 é muito pior que a alternativa X 2 e muito pior que a alternativa X 3 , e que a
alternativa X 2 é muito pior que e a alternativa X 3 .
1 oc X j oc k X i
rc k X ij 1 k (8)
2 n 1
rCk X ij
1
2
1 log 9 aCk X ij . (9)
47
rC k X ij
u Ck X i 2 . (10)
u Ck X i 2 uC X j 2
k
Alguns métodos que utilizam números fuzzy podem resultar numa matriz com valores
unitários na diagonal, diferente portanto, do padrão da matriz tradicional que utiliza valor 0,5. A
transformação pode ser obtida através da função de transformação:
RCk X i , X j
rCk X ij
RCk X i , X j RCk X j , X i
. (11)
X1 X2 X3 X1 X2 X3
X1 0,5 0,25 0,75 X1 0,5 0,75 1
RC1 RC2
X2 0,75 0,5 1 X2 0,25 0,5 0,75
X3 0,25 0 0,5 X3 0 0,25 0,5
o X oC X 1 1 2 2
Por exemplo, rC X 11 1 1 C 1 1
1
1
0,5 e
1
2 3 1 2 3 1
rC1 X 12
1
1 1
oC X 2 oC1 X 1 1 1 2
3 1 2 1 3 1 0,25
2
X1 X2 X3 X1 X2 X3
X1 0,5 0,3423 0,1338 X1 0,5 0,25 0,0572
RC1 RC2
X2 0,6577 0,5 0,1845 X2 0,75 0,5 0,0923
X3 0,8662 0,8155 0,5 X3 0,9428 0,9077 0,5
Por exemplo, rC X11 1 1 log 9 aC X11 1 1 log 9 1 0,5 e
1
2 1
2
48
rC1 X12
1
2
1
2
1 log 9 aC1 X12 1 log 9 1/ 2 0,3423
X1 X2 X3 X1 X2 X3
X1 0,5 0,9 0,2647 X1 0,5 0,3077 0,0471
RC1 RC2
X2 0,1 0,5 0,0385 X2 0,6923 0,5 0,1
X3 0,7353 0,9615 0,5 X3 0,9529 0,9 0,5
rC1 X 12
u X
C1 1
2
0,3 2
0,9
u X u X 0,3 0,1
C1 1
2
C1 2
2 2 2
Estas etapas, em conjunto com as técnicas apresentadas nos itens anteriores, serão aplicadas
às modalidades de tomada de decisão monocritério e multicritério, de caráter individual e de grupo.
Pode ser realizada aplicando (13) sobre os resultados obtidos em (12) ou vice-versa.
FEDRIZZI & PASSI, 1997), (YAGER, 2004) e (WANG & PARKAN, 2007). O operador OWA
( Q ) realiza a agregação das preferências priorizando as que apresentam maior intensidade,
conforme um quantificador linguístico Q. Uma vez definido o quantificador, são calculados os
pesos de Q , associados aos critérios e às pessoas. Uma possível expressão para determinação
desses pesos é:
k k 1
Q k Q Q , k 1,, n (14)
n n
0, se r a
r a
Qr , se a r b a, b, r 0,1 (15)
b a
1, se r b
0.8
0.7
a maioria
0.6
Q(r) 0.5
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
r
rCE1l,,q X ij Q rCE1l X ij , , rCEql X ij rcEkl X ij Q k ,
q
(16)
k 1
rC k1,,m X ij Q rCEk1 X ij ,, rCEkm X ij rc k l X ij Q l ,
m
E E
(17)
l 1
alternativa X i sobre a alternativa X j , definida pela pessoa classificada na l-ésima posição, levando
em conta um único critério Ck ; Q l é o peso associado à pessoa classificada na l-ésima posição
tal que Q l 0,1 e l 1 .
Q
Pode ser realizada aplicando (17) sobre os resultados obtidos em (16) ou vice-versa.
O operador mínimo (min) é tradicionalmente usado na teoria dos conjuntos fuzzy para
agregar as condições às implicações de uma regra. Na agregação das relações de preferências, o
operador min preserva a apreciação mais pessimista dentre todas as pessoas, considerando suas
respectivas importâncias.
rCE1l,,q X ij min rCEkl X ij C k ,
k 1,, q
(18)
onde rCE l
1,, q
X
ij
representa a preferência da alternativa X i sobre a alternativa X j , definida pela
pessoa El , levando em conta q critérios; rCEkl X ij representa a preferência da alternativa X i sobre a
alternativa X j , definida pela pessoa El , com base no critério Ck ; C é o coeficiente de k
E
l 1,, q
rC k1,,m X ij min rCEkl X ij El , (19)
52
onde rCE1,,m
X
ij
representa a preferência da alternativa X i sobre a alternativa X j , definida pelo
grupo de m pessoas, levando em conta um único critério Ck ; rCEkl X ij representa a preferência da
k
coeficiente de importância associado a cada pessoa tal que El 0,1 e El 1.
Pode ser realizada aplicando (19) sobre os resultados obtidos em (18) ou vice-versa.
Este operador também é bastante utilizado na teoria dos conjuntos fuzzy, como alternativa à
agregação das condições às implicações de uma regra. Na agregação das relações de preferências, é
realizado o produto das apreciações, resultando numa posição mais conservadora sobre as
preferências de todas as pessoas, considerando as suas respectivas importâncias.
X r X
q
El El
rC1,,q ij Ck ij Ck , (20)
k 1
onde rCE l
1,, q
X
ij
representa a preferência da alternativa X i sobre a alternativa X j , definida pela
pessoa El , levando em conta q critérios; rCEkl X ij representa a preferência da alternativa X i sobre a
alternativa X j , definida pela pessoa El , com base no critério Ck ; C é o coeficiente de k
onde rCE1,,m
X
ij representa a preferência da alternativa X i sobre a alternativa X j , definida pelo
grupo de m pessoas, levando em conta um único critério Ck ; rCEkl X ij representa a preferência da
k
coeficiente de importância associado a cada pessoa tal que El 0,1 e El 1 .
- Agregação de preferências individuais para cada critério em preferências de grupo
levando em conta múltiplos critérios
Pode ser realizada aplicando (21) sobre os resultados obtidos em (20) ou vice-versa.
53
X1 X2 X3 X1 X2 X3
X1 0,5 0,25 0,75 X1 0,5 0,75 1
RCE11 RCE21
X2 0,75 0,5 1 X2 0,25 0,5 0,75
X3 0,25 0 0,5 X3 0 0,25 0,5
X1 X2 X3 X1 X2 X3
X1 0,5 0,3423 0,1338 X1 0,5 0,25 0,0572
RCE12 RCE22
X2 0,6577 0,5 0,1845 X2 0,75 0,5 0,0923
X3 0,8662 0,8155 0,5 X3 0,9428 0,9077 0,5
X1 X2 X3
RCE11, 2 X1 0,5 0,55 0,9
X2 0,45 0,5 0,85
X3 0,1 0,15 0,5
X1 X2 X3
R E2
X1 0,5 0,2869 0,0878
C1, 2
X2 0,7131 0,5 0,1292
X3 0,9122 0,8708 0,5
X1 X2 X3
X1 0,5 0,3054 0,3803
RC11, 2
E
X2 0,6946 0,5 0,5107
X3 0,6197 0,4893 0,5
X1 X2 X3
X1 0,5 0,45 0,4343
RC 21, 2
E
X2 0,55 0,5 0,3554
X3 0,5657 0,6446 0,5
iii) Agregação das preferências de grupo levando em conta todos os critérios simultaneamente
X1 X2 X3
X1 0,5 0,3921 0,4127
RC11,,22
E
Para a aplicação da agregação com base no operador OWA, será utilizado o quantificador
linguístico “a maioria” para determinação dos coeficientes de importância. Desta forma, com base
em (14), são calculados os pesos associados a critérios e especialistas:
As preferências de E1 podem ser agregadas para todos os critérios, conforme (16), que
permite obter
X1 X2 X3
RCE11, 2 X1 0,5 0,45 0,85
X2 0,45 0,5 0,85
X3 0,1 0,1 0,5
As preferências de E2 podem ser agregadas para todos os critérios, conforme (16), que
permite obter
X1 X2 X3
RCE12, 2 X1 0,5 0,2869 0,0878
X2 0,6946 0,5 0,1292
X3 0,8969 0,8524 0,5
Preferências de grupo agregadas com base no critério C1, conforme (17), que permite
construir
X1 X2 X3
X1 0,5 0,2869 0,3803
RC11, 2
E
X2 0,6946 0,5 0,5107
X3 0,4965 0,3262 0,5
Preferências de grupo agregadas com base no critério C2, conforme (17), que permite
construir
X1 X2 X3
X1 0,5 0,45 0,4343
E1, 2
R C2
X2 0,45 0,5 0,3554
X3 0,3771 0,5131 0,5
iii) Agregação das preferências de grupo levando em conta todos os critérios simultaneamente
Aplicando (17) às preferências individuais agregadas para todos os critérios, podemos obter
X1 X2 X3
X1 0,5 0,3521 0,3927
RC11,,22
E
Neste caso, a aplicação de (16) às preferências de grupo agregadas por critério levará a um
resultado diferente, devido ao procedimento de ordenação. Em particular,
X1 X2 X3
X1 0,5 0,3521 0,4019
E1, 2
R C1, 2
X2 0,5479 0,5 0,4175
X3 0,4249 0,4009 0,5
X1 X2 X3
RCE11, 2 X1 0,2 0,1 0,3
X2 0,15 0,2 0,4
X3 0 0 0,2
Por exemplo, rCE11, 2 X11 min 0,5 0,4 ; 0,5 0,6 0,2 e
R X i , X j
Normalizando os valores a partir de (11) rC X ij
R X i , X j R X j , X i
Ck
k
, obtemos
Ck Ck
X1 X2 X3
RCE11, 2 X1 0,5 0,4 1
X2 0,6 0,5 1
X3 0 0 0,5
X1 X2 X3
RCE12, 2 X1 0,2 0,1369 0,0343
X2 0,2631 0,2 0,0554
X3 0,3465 0,3262 0,2
Por exemplo, rCE1,22 X11 min 0,5 0,4 ; 0,5 0,6 0,5 e
X1 X2 X3
RCE12, 2 X1 0,5 0,3423 0,0901
X2 0,6577 0,5 0,1451
X3 0,9099 0,8549 0,5
X1 X2 X3
X1 0,2 0,1 0,0803
E1, 2
R C1
X2 0,3 0,2 0,1107
X3 0,1 0 0,2
58
Por exemplo, rCE11, 2 X11 min 0,5 0,4 ; 0,5 0,6 0,2 e
X1 X2 X3
X1 0,5 0,25 0,4452
RC11, 2
E
X2 0,75 0,5 1
X3 0,5548 0 0,5
X1 X2 X3
X1 0,2 0,15 0,0343
E1, 2
R C2
X2 0,1 0,2 0,0554
X3 0 0,1 0,2
Por exemplo, rC21, 2 X11 min 0,5 0,4 ; 0,5 0,6 0,2 e
E
X1 X2 X3
X1 0,5 0,6 1
RC 21, 2
E
iii) Agregação das preferências de grupo levando em conta todos os critérios simultaneamente
X1 X2 X3
X1 0,2 0,16 0,0541
RC11,,22
E
RC11,,22
E X1 X2 X3
X1 0,5 0,4 1
59
X2 0,6 0,5 1
X3 0 0 0,5
No caso deste operador, a aplicação de (18) às preferências de grupo agregadas por critério
levará a um resultado diferente, devido à possibilidade de ocorrerem mínimos distintos. As
preferências agregadas são
X1 X2 X3
X1 0,2 0,1 0,1781
E1 , 2
R C1 , 2
X2 0,24 0,2 0,2138
X3 0 0 0,2
X1 X2 X3
X1 0,5 0,2941 1
RC11,,22
E
X2 0,7059 0,5 1
X3 0 0 0,5
X1 X2 X3
RCE11, 2 X1 0,06 0,045 0,18
X2 0,045 0,06 0,18
X3 0 0 0,06
X1 X2 X3
R E1
X1 0,5000 0,5000 1,0000
C1, 2
X2 0,5000 0,5000 1,0000
X3 0,0000 0,0000 0,5000
X1 X2 X3
R E2
X1 0,06 0,0205 0,0018
C1, 2
X2 0,1184 0,06 0,0041
X3 0,1960 0,1777 0,06
X1 X2 X3
RCE12, 2 X1 0,5000 0,1478 0,0093
X2 0,8522 0,5000 0,0225
X3 0,9907 0,9775 0,5000
X1 X2 X3
X1 0,5000 0,1478 0,3166
RC11, 2
E
X1 X2 X3
X1 0,06 0,045 0,0137
E1, 2
R C2
X2 0,045 0,06 0,0166
X3 0 0,0545 0,06
X1 X2 X3
X1 0,5000 0,5000 1,0000
RC 21, 2
E
iii) Agregação das preferências de grupo levando em conta todos os critérios simultaneamente
X1 X2 X3
X1 0,0600 0,0177 0,0022
RC11,,22
E
X1 X2 X3
X1 0,5000 0,1478 1,0000
RC11,,22
E
O método consiste em comparar os valores obtidos a partir da soma das preferências sobre
cada alternativa, conforme mostrado abaixo:
62
P X i R X ij
n
(22)
j 1
P X i max R X ij (23)
j 1,, n
O método de média e desvio padrão proposto em (LEE & LI, 1998), ordena as alternativas
com base na média e no espalhamento dos graus de pertinência. Os autores ponderam que a intuição
humana normalmente favorece os conjuntos fuzzy que apresentam maior valor médio, e ao mesmo
tempo, menor espalhamento. A média é definida como:
X
n
R ij
(24)
R X i j 1
,
n 1
X X
n 2
R ij R i
(25)
X i j 1
.
n2
Supondo valores para duas alternativas Xi e Xj, as regras para a ordenação são as seguintes:
R X i R X j - Xi X j
R X i R X j X i X j Xi X j
63
X1 X2 X3
X1 0,5 0,3921 0,4127
E1 , 2
RC1 , 2
X2 0,6079 0,5 0,4175
X3 0,5873 0,5825 0,5
A análise das preferências sobre as alternativas permite verificar que a alternativa 3 é melhor que a
alternativa 2, que por sua vez é melhor que a alternativa 1, definido a ordenação X 3 X 2 X 1 .
A análise das preferências sobre as alternativas permite verificar que a alternativa 2 é melhor que a
alternativa 3, que por sua vez é melhor que a alternativa 1, definido a ordenação X 2 X 3 X 1 .
R X 12 R X 13 0,3921 0,4127
R X1 0,4024
3 1 2
R X 21 R X 23 0,6079 0,4175
R X 2 0,5127
3 1 2
64
R X 31 R X 32 0,5873 0,5825
R X 3 0,5849
3 1 2
A análise das preferências sobre as alternativas permite verificar que a alternativa 3 é melhor que a
alternativa 2, que por sua vez é melhor que a alternativa 1, definido a ordenação X 3 X 2 X 1 .
65
Problemas simples podem ser solucionados de forma direta e até mesmo automatizada, a
exemplo de alguns dos casos apresentados no capítulo 4. Por outro lado, problemas complexos que
apresentam um grande número de variáveis, funções e parâmetros envolvidos na modelagem de
informação e na aplicação de métodos de tomada de decisão, demandam dos decisores grande
esforço na coleta, análise e seleção de alternativas para a solução dos problemas.
Em sua essência, todas as funcionalidades citadas têm como objetivo proporcionar aos
decisores uma melhor compreensão da natureza do problema, e consequentemente, aumentar a
qualidade das decisões tomadas.
66
Uma sistemática para o processo de tomada de decisão foi proposta por (SIMON, 1977) e
ampliada conforme mostrado em (LU, ZHANG, RUAN & WU, 2007). A Figura 39, com algumas
adequações, ilustra a proposta destes trabalhos.
Fase Intelectual
Identificação do problema de decisão
Coleta de dados Suposições
Análise de requisitos
Declaração do Problema
Fase de Projeto
Estabelecimento dos objetivos e metas Realidade da
Geração das alternativas
Determinação dos critérios Situação
Validação do modelo
Construção do modelo
Seleção do método de tomada de decisões
Alternativas
Fase de Escolha
Avaliação das alternativas com base nos critérios
Análise dos resultados Teste da Solução
Validação das soluções nas condições do problema
Solução
Fase de Implementação
Resultado
Falha Sucesso
Considerando o esquema geral da Figura 38, é possível imaginar que diferentes pessoas
possam valorizar mais uma ou outra fase do processo, fazendo com que diferentes problemas de
tomada de decisão possam requerer mais detalhes ou fases complementares e ainda técnicas para
suportar uma ou mais fases. As publicações a respeito deste tema apresentam muitas teorias e
resultados sobre como a decisão é tomada, com análises detalhadas e específicas e sugestões.
A modalidade mais simples da tomada de decisão ocorre quando uma pessoa deve decidir
por uma ou mais alternativas, num conjunto de alternativas possíveis, para a solução de um
problema, levando em conta apenas um critério. Por outro lado, é um processo menos consistente
do ponto de vista de exploração das alternativas possíveis, pois se limita à visão de uma única
pessoa sobre o problema.
Decisor
Tomada de decisão
Nas grandes empresas, a formação de grupos de discussão é uma prática comum e quase que
inerente à tomada de decisão. De acordo com (LU, ZHANG, RUAN & WU, 2007), é necessário
distinguir pessoas que colaborem efetivamente com o processo e não tomem atitudes antagônicas e
conflitantes. Os integrantes do grupo devem ser capazes de reconhecer a existência do problema,
buscar uma decisão comum de forma amigável e confiável, e compartilhar responsabilidades.
Consenso, negociação, esquemas de votação e a presença de um grupo moderador são exemplos de
boas práticas para processos em grupo. Outras questões ainda são discutidas por estes autores, como
o equilíbrio da hierarquia dos envolvidos dentro da estrutura da empresa, o acesso às informações
necessárias e a autoridade para tomar e suportar as decisões. Neste contexto, os autores apontam
alguns princípios para a condução de atividades em grupo:
Princípio da Autoridade - o grupo possui um líder com autoridade para tomar a decisão
final;
Princípio da Maioria - as decisões são tomadas de maneira democrática, com base na
opinião da maioria;
Princípio da Minoria Negativa - as piores alternativas são eliminadas sucessivamente até
restar uma solução final;
Princípio da Ordenação - são atribuídos valores às alternativas, dentro de uma escala
definida, e a ordenação de valores define a melhor solução;
Princípio do Consenso - todos os integrantes do grupo aceitam e concordam, ao menos
em parte, com a solução.
Grupo de decisores
Preferências individuais em
diferentes estruturas
Tomada de decisão
Decisor
Tomada de decisão
é tomada a decisão. Não satisfeito com a solução alcançada, a pessoa pode rever as suas
preferências e mudar uma ou mais posições iniciais a respeito de um ou mais critérios. Entretanto, a
manutenção da situação inicial é favorecida pela inexistência de confronto com outras
possibilidades e pelo paradigma da primeira impressão ser a mais correta.
Grupo de decisores
Formulação das alternativas possíveis
para a solução do problema
Preferências individuais em
diferentes estruturas
Preferências individuais em
uma única base
Tomada de decisão
que apresenta maior nível de aceitação entre todos os participantes, como mostram os trabalhos de
(QUEIROZ, 2009).
que devem decidir pelo melhor num conjunto de quatro alternativas X1,, X 4 ,
C1Financeiro
C2Cliente
C3Processos internos
C4Aprendizado e crescimento
Admitido que os especialistas tenham escolhido diferentes formas para expressar as suas
preferências sobre as alternativas de projeto, teremos:
X1 X2 X3 X4 X1 X2 X3 X4
O E1
C1 3 1 4 2 O E1
C2 3 2 4 1
X1 X2 X3 X4 X1 X2 X3 X4
O E1
C3 3 4 1 2 O E1
C4 3 1 4 2
X1 X2 X3 X4 X1 X2 X3 X4
X1 1 2 4 1/2 X1 1 2 7 6
ACE12 X2 1/2 1 1/4 2 ACE22 X2 1/2 1 1/4 3
X3 1/4 4 1 3 X3 1/7 4 1 4
X4 2 1/2 1/3 1 X4 1/6 1/3 1/4 1
72
X1 X2 X3 X4 X1 X2 X3 X4
X1 1 2 5 6 X1 1 2 2 4
ACE32 X2 1/2 1 1/4 3 ACE42 X2 1/2 1 1/6 3
X3 1/5 4 1 6 X3 1/2 6 1 2
X4 1/6 1/3 1/6 1 X4 1/4 1/3 1/2 1
X1 X2 X3 X4 X1 X2 X3 X4
U E3
C1 0,3 0,3 0,4 0,7 U E3
C2 0,3 0,3 0,4 0,6
X1 X2 X3 X4 X1 X2 X3 X4
U E3
C3 0,4 0,3 0,5 0,6 U E3
C4 0,7 0,3 0,6 0,4
X1 X2 X3 X4 X1 X2 X3 X4
X1 0,5 0,6 0,2 0,6 X1 0,5 0,6 0,2 0,6
RCE34 X2 0,4 0,5 0,3 0,4 RCE44 X2 0,4 0,5 0,3 0,4
X3 0,8 0,7 0,5 0,3 X3 0,8 0,7 0,5 0,3
X4 0,4 0,6 0,7 0,5 X4 0,4 0,6 0,7 0,5
Especialista E1
X1 X2 X3 X4 X1 X2 X3 X4
X1 0,5 0,1667 0,6667 0,3333 X1 0,5 0,3333 0,6667 0,1667
RCE11 X2 0,8333 0,5 1 0,6667 RC 21 X2 0,6667 0,5 0,8333 0,3333
E
X1 X2 X3 X4 X1 X2 X3 X4
X1 0,5 0,6667 0,1667 0,3333 X1 0,5 0,1667 0,6667 0,3333
RCE31 X2 0,3333 0,5 0 0,1667 RC 41 X2 0,8333 0,5
E
1 0,6667
X3 0,8333 1 0,5 0,6667 X3 0,3333 0 0,5 0,1667
X4 0,6667 0,8333 0,3333 0,5 X4 0,6667 0,3333 0,8333 0,5
73
Especialista E2
X1 X2 X3 X4 X1 X2 X3 X4
X1 0,5 0,6577 0,8155 0,3423 X 0,5 0,6577 0,9428 0,9077
X2 0,3423 0,5 0,1845 0,6577 RC 2 X2 0,3423 0,5 0,1845 0,75
E2 1
RCE12
X3 0,1845 0,8155 0,5 0,75 X3 0,0572 0,8155 0,5 0,8155
X4 0,6577 0,3423 0,25 0,5 X4 0,0923 0,25 0,1845 0,5
X1 X2 X3 X4 X1 X2 X3 X4
X1 0,5 0,6577 0,8662 0,9077 X1 0,5 0,6577 0,6577 0,8155
RCE32 X2 0,3423 0,5 0,1845 0,75 RC 42 X2 0,3423 0,5 0,0923 0,75
E
Especialista E3
X1 X2 X3 X4 X1 X2 X3 X4
X1 0,5 0,5 0,36 0,1552 E3 X1 0,5 0,5 0,36 0,2
RCE13 X2 R
0,5 0,5 0,36 0,1552 C 2 X2 0,5 0,5 0,36 0,2
X3 0,64 0,64 0,5 0,2462 X3 0,64 0,64 0,5 0,3077
X4 0,8448 0,8448 0,7538 0,5 X4 0,8 0,8 0,6923 0,5
X1 X2 X3 X4 X1 X2 X3 X4
X1 0,5 0,64 0,3902 0,3077 X1 0,5 0,8448 0,5765 0,7538
RCE33 X2 0,36 0,5 0,2647 0,2 RCE43 X2 0,1552 0,5 0,2 0,36
X3 0,6098 0,7353 0,5 0,4098 X3 0,4235 0,8 0,5 0,6923
X4 0,6923 0,8 0,5902 0,5 X4 0,2462 0,64 0,3077 0,5
Especialista E1
X1 X2 X3 X4 max
X1 0,5000 0,3333 0,5417 0,2917 0,5417
RCE11,, 4 X2 0,6667 0,5000 0,7083 0,4583 0,7083
X 4 X 2 X1 X 3
X3 0,4583 0,2917 0,5000 0,2500 0,4583
X4 0,7083 0,5417 0,7500 0,5000 0,7500
74
Especialista E2
X1 X2 X3 X4 max
X1 0,5000 0,6577 0,8363 0,6960 0,8363
RCE12,, 4 X2 0,3423 0,5000 0,1707 0,7177 0,7177
X1 X 3 X 2 X 4
X3 0,1637 0,8293 0,5000 0,7920 0,8293
X4 0,3040 0,2823 0,2080 0,5000 0,3040
Especialista E3
X1 X2 X3 X4 max
X1 0,5000 0,5867 0,4000 0,2943 0,5867
RCE13,, 4 X2 0,4133 0,5000 0,3122 0,2083 0,4133
X 4 X 3 X1 X 2
X3 0,6000 0,6878 0,5000 0,3694 0,6878
X4 0,7057 0,7917 0,6306 0,5000 0,7917
Especialista E4
X1 X2 X3 X4 max
X1 0,5000 0,4450 0,2950 0,4850 0,4850
RCE14,, 4 X2 0,5550 0,5000 0,3750 0,4000 0,5550
X 3 X 4 X 2 X1
X3 0,7050 0,6250 0,5000 0,4050 0,7050
X4 0,5150 0,6000 0,5950 0,5000 0,6000
Critério C1
X1 X2 X3 X4 max
X1 0,5000 0,4061 0,5605 0,2577 0,5605
RC11,, 4
E
X2 0,5939 0,5000 0,4611 0,4699 0,5939
X 4 X 2 X1 X 3
X3 0,4395 0,5389 0,5000 0,4407 0,5389
X4 0,7423 0,5301 0,5593 0,5000 0,7423
Critério C2
X1 X2 X3 X4 max
X1 0,5000 0,4728 0,5674 0,4936 0,5674
RC 21,, 4
E
X2 0,5272 0,5000 0,4945 0,4208 0,5272
X 4 X1 X 2 X 3
X3 0,4326 0,5055 0,5000 0,3558 0,5055
X4 0,5064 0,5792 0,6442 0,5000 0,6442
75
Critério C3
X1 X2 X3 X4 max
X1 0,5000 0,6411 0,4058 0,5372 0,6411
RC31,, 4
E
X2 0,3589 0,5000 0,1873 0,3792 0,3792
X 3 X1 X 4 X 2
X3 0,5942 0,8127 0,5000 0,5711 0,8127
X4 0,4628 0,6208 0,4289 0,5000 0,6208
Critério C4
X1 X2 X3 X4 max
X1 0,5000 0,5673 0,5252 0,6257 0,6257
RC 41,, 4
E
X2 0,4327 0,5000 0,3981 0,5442 0,5442
X1 X 3 X 4 X 2
X3 0,4748 0,6019 0,5000 0,4542 0,6019
X4 0,3743 0,4558 0,5458 0,5000 0,5458
Como a decisão deve ser do grupo, levando em conta todos os critérios, teremos:
X1 X2 X3 X4 max
X1 0,5000 0,5057 0,5183 0,4417 0,5183
RC11,,,,44
E
X2 0,4943 0,5000 0,3916 0,4461 0,4943
X 3 X 4 X1 X 2
X3 0,4817 0,6084 0,5000 0,4541 0,6084
X4 0,5583 0,5539 0,5459 0,5000 0,5583
76
A teoria de SPC (Statistical Process Control) foi desenvolvida por Shewhart em 1920. Ele
classificou variações no comportamento de variáveis em duas categorias:
Flutuações randômicas, inerentes ao processo: mesmo as melhores máquinas não são
capazes de produzir um produto perfeito;
Flutuações intermitentes, provocadas por alguma causa atribuível: seus efeitos são
detectáveis graças ao uso de ferramentas de diagnóstico especializadas (exemplo: erro
manual de um operador, problema de calibração, etc.).
Variações atribuíveis podem ser devidas a diferentes tipos de problemas. Estes problemas
podem ser classificados em duas categorias, segundo Juran (1980) e Deming (1986):
Problemas esporádicos: aqueles que provocam uma mudança inesperada e pontual na
operação normal de um processo;
Problemas crônicos: aqueles que surgem quando o processo desvia significativamente de
seu valor-alvo (problemas periódicos, problemas permanentes, etc.).
O SQC tem como objetivo assegurar, de maneira eficiente, que o produto atenda os
requisitos do cliente. A atividade de inspecionar cada produto é cara e tediosa. Entretanto, é
necessário minimizar o número de produtos defeituosos. O SQC permite estimar a qualidade
produzida através da inspeção de amostras em lotes.
Uma das ferramentas utilizadas em SPC/SQC é a carta de controle, como ilustra a figura A1-
1.
77
A carta de controle consiste em um gráfico, no qual na parte central é plotada a linha central
(CL), que corresponde ao valor médio produzido pelo processo, quando está sob controle, ou um
valor-alvo. Linhas horizontais também são desenhadas no gráfico: o Limite de Controle Superior
(UCL), o Limite de Controle Inferior (LCL), o Limite de Especificação Superior (USL) e o Limite
de Especificação Inferior (LSL).
Os limites de controle são calculados e escolhidos de forma que a maioria dos valores das
amostras do gráfico caia dentro destes limites, quando o processo está sob controle. Na prática, é
realizada a comparação de dados em tempo real com os limites de controle e dependendo do valor
de alguns testes, a qualidade da produção é validada.
Os dados utilizados na elaboração das cartas de controle podem ser amostrados de forma
fixa ou móvel, como mostra a figura A1-2.
(a) (b)
A Western Electric definiu 7 testes de controle para detectar variações atribuíveis (não-
randômicas), que se tornaram um padrão:
Interpretações possíveis:
Erro no cálculo dos limites de controle;
Erro de medida;
Inspetor de qualidade ou operador inexperiente;
Má calibração de um dispositivo de manufatura;
Deterioração das condições operacionais (queda de pressão, corrente de fuga, etc.);
Matéria-prima inadequada;
Instrumentação nova.
Nota: Sigma (σ) é o símbolo utilizado pela Estatística para representar o parâmetro de dispersão
chamado desvio padrão. Quanto maior o valor de sigma de um processo, maior é a sua
variação (ou dispersão), o que é algo indesejável, pois o processo tem pouca previsibilidade.
A maioria das empresas opera no nível 3-Sigma, o que equivale a 35 mil defeitos por milhão
de oportunidades de haver defeitos. O nível 6-Sigma gera apenas 3,4 defeitos por milhão.
79
Teste 2: 2 de 3 pontos entre 2 e 3 sigma do mesmo lado da linha central (figura A1-5)
Interpretações possíveis:
Más unidades estatísticas;
Dispositivo de medição não muito preciso.
Interpretações possíveis:
Mau ajuste dos instrumentos de medição;
Inspetor de qualidade ou operador inexperiente;
Instrumentação nova;
Má calibração de um dispositivo de medição;
Mudança de matéria-prima;
Ajuste do processo para um nível muito alto ou muito baixo.
Interpretações possíveis:
Dados vindos de uma dada fonte de manufatura, depois de outra;
Alternação de instrumentação;
Alternação de operador ou inspetor de qualidade.
80
Teste 5: 15 pontos consecutivos entre 0 e 1 sigma a partir da linha central (figura A1-8)
Interpretações possíveis:
Operador ou inspetor de qualidade inexperiente;
Instrumentação nova;
Mau ajuste do processo;
Dados vindos de várias fontes de manufatura diferentes;
Erro de cálculo.
Teste 6: 8 pontos consecutivos fora de 1 sigma a partir da linha central e 2 pontos pelo
menos em um dos lados da linha central (figura A1-9)
Interpretações possíveis:
Matéria-prima vinda de dois fornecedores;
Dois operadores ou inspetores de qualidade;
Dois métodos de medida;
Dados vindos de pelo menos dois dispositivos de medição.
Interpretações possíveis:
Deterioração dos dispositivos de medição;
Mudança progressiva de condições operacionais (umidade, pressão, temperatura, etc.);
Introdução progressiva de uma nova matéria-prima;
Deterioração progressiva de um produto importante;
Operador cansado;
81
Deterioração de insumos.
classes
REFERÊNCIAS BIBLIOGRÁFICAS
BAAS S.M. and KWAKERNAAK H. Rating and raking of multi-aspect alternatives using fuzzy
sets, Automatica, 13, 1977, 47-58.
BORDOGNA G., FEDRIZZI M., and PASSI G. A linguistic modeling of consensus in group
decision making based on OWA operators, IEEE Transactions on Systems, Man and Cybernetics,
A-27, 1997, 126-132.
CABRAL J.C. Organização e Gestão da Manutenção, dos conceitos à prática, Lidel, 6ª Edição,
2006.
CANHA L., EKEL P., QUEIROZ J., and SCHUFFNER NETO F. Models and methods of decision
making in fuzzy environment and their applications to power engineering problems, Numerical
Linear Algebra with Applications, 14, 2007, 369-390.
CHEN J.E. and OTTO K.N. Constructing membership functions using interpolation and
measurement theory, Fuzzy Sets and Systems, 73, 1995, 313-327.
CHEN S.J. and HWANG C.L. Fuzzy Multiple Attribute Decision Making: Methods and
Applications. Berlin/Heidelberg/New York: Springer-Verlag, 1992.
CHENG C. Simple fuzzy group decision making method, in Proceedings of the IEEE International
Conference Fuzzy Systems, Seoul, 2, 1999, II-910–II-915.
DUBOIS D. and PRADE H. Fuzzy Sets and Systems. Theory and Applications. New York:
Academic Press, 1980.
DRUCKER, P. “O futuro já chegou”. Revista Exame, ano 34, n.6, edição 710, p.112-126,
janeiro/2000.
EKEL P.Ya. Methods of decision making in fuzzy environment and their application, Nonlinear
Analysis: Theory, Methods and Applications, 47, 2001, 979-990.
EKEL P.Ya. and POPOV V. Fuzzy set theory and problems of the design and control of power
systems and subsystems, in Proceedings of the 4th IEEE Conference on Control Applications.
Albany, 1995, 46-51.
83
EKEL P.Ya., CARNEVALLI R.L.J., MENDONÇA NETA B.M., SOUZA D.L. de e PALHARES
R.M. Modelos e métodos de tomada de decisões em ambiente fuzzy e suas aplicações, em Anais do
XXXV Simpósio Brasileiro de Pesquisa Operacional. Natal, 2003, 980-990.
EKEL P.Ya. and TERRA L.D.B. Fuzzy preference relations: methods and power engineering
applications, OPSEARCH, 39, 2002, 34-45.
EVANS, P.B. & WURSTER, T.S. “Getting Real about virtual Commerce”. Harvard Business
Review, v.77, n.6, p.84-94, Nov./Dec. 1999.
FANG Z.P., MA J., and ZHANG Q. An approach to multiple attribute decision making based on
fuzzy preference information on alternatives, Fuzzy Sets and Systems, 131, 2002, 101-106.
FODOR J. and ROUBENS M. Fuzzy Preference Modelling and Multicriteria Decision Support.
Boston/Dordrecht/London: Kluwer Academic Publishers, 1994.
FREITAS G.C. Na direção de uma empresa inteligente, 10º Fórum SAP, São Paulo, 2006.
FRONTINI, M.A. A decision making model for investing in electronic business. Dissertation for
obtaining the degree of Master of Science in Management of technology. Massachusetts Institute of
Technology. 1999.
GOMES L.F.A.M., GOMES C.F.S. e ALMEIDA A.T. Tomada de Decisões Gerencial: Enfoque
Multicritério. São Paulo: Atlas, 2002.
GROOVER, M.P. Automação Industrial e Sistemas de Manufatura. 3a ed., São Paulo: PEARSON
BRASIL,2011. 581 p.
HABERKORN, E., OLIVEIRA, N.C. Teoria do ERP. 2. ed. rev. e ampl. São Paulo: Makron Books,
c1999. 304p.
HERRERA F. and VIEDMA E.H. Linguistic decision analysis: steps for solving decision problems
under linguistic information, Fuzzy Sets and Systems, 115, 2000, 67-82.
HERRERA-VIEDMA E., HERRERA F., and CHICLANA F. A consensus model for multiperson
decision making with different preferences structures, IEEE Transactions on Systems, Man and
Cybernetics, A-32, 2002, 394-402.
HERRERA F., HERRERA-VIEDMA E., and VERDEGAY J.L. Direct approach processes in group
decision making using linguistic OWA operators, Fuzzy Sets and Systems, 79, 1996, 175–190.
HORIUCHI K. and TAMURA N. VSOP fuzzy numbers and their fuzzy ordering, Fuzzy Sets and
Systems, 93, 1998, 197-210.
84
HWANG C.L. and YOON K. Multiple Attribute Decision Making: Methods and Applications - A
State-of-the-Art Survey. Berlin: Springer-Verlag, 1981.
HWANG C.L. and MASUD A.S.M. Multiple Objective Decision Making: Methods and
Applications. Berlin: Springer-Verlag, 1979.
LEE E.S. and LI R.L. Comparison of fuzzy numbers based on the probability measure of fuzzy
events, Computers and Mathematics with Applications, 15, 1988, 887-896.
LU J., ZHANG G., RUAN D., and WU F. Multi-Objective Group Decision Making. London:
Imperial College Press, 2007.
KEEN, P.G.W. “Information Technology and The Management Theory: The Fusion Map”. IBM
Systems Journal, v.32, n.1, p.17-38, 1993.
KEENEY R. and RAIFA H. Decisions with Multiple Objectives: Preferences and Value Trade-offs.
New York/Santa Barbara/London: John Wiley & Sons, 1976.
LI D.F. and YANG J.B. Fuzzy linear programming technique for multiattribute group decision
making in fuzzy environments. Information Sciences, 158, 2004, 263-275.
MARTINS, V.; BREMER, C.F. Proposta de uma ferramenta de integração entre sistemas ERP-
SCADA: Caso Prático, In: Encontro nacional de Engenharria de Produção. Curitiba: Editora Anais,
2002.
MESA International. The Benefits of MES - A Report from the Field. Manufacturing Enterprise
Systems Association, Chandler, Arizona., 1997.
ORLOVSKI S.A. Decision-making with a fuzzy preference relation, Fuzzy Sets and Systems, 1,
1978, 155-167.
PEDRYCZ W. and GOMIDE F. An Introduction to Fuzzy Sets: Analysis and Design. Cambridge,
Massachusetts/London: MIT Press, 1998.
PORTER, M.E. “Strategy and the internet”. Harvard Business Review, v.79, n.1, p.63-78, March,
2001.
QUEIROZ, J.C.B. Modelos e métodos de tomada de decisão para apoio à gestão estratégica em
empresas, Tese de Doutorado. Belo Horizonte: Universidade Federal de Minas Gerais, 2009.
RAJ P.A. and KUMAR D.N., Ranking alternatives with fuzzy weights using maximizing set and
minimizing set. Fuzzy sets and Systems, 105, 1999, 365-375.
REIS R.V. Utilização do Balanced Scorecard para Auxiliar na Determinação da Participação dos
Funcionários nos Lucros ou Resultados das Empresas, Dissertação de Mestrado. Florianópolis:
Universidade Federal de Santa Catarina, 2001.
SAATY T.L. Método de Análise Hierárquica. Rio de Janeiro: McGraw-Hill do Brasil, 1991.
SAATY T.L. Multicriteria Decision Making. The Analytical Hierarchy Process. Pittsburgh: RWS
Publications, 1990.
SENGUPTA K. Fuzzy preference and Orlovsky choice procedure, Fuzzy Sets and Systems, 93,
1998, 231-234.
SEO F. and SAKAWA M. Fuzzy multiattribute utility analysis for collective choice. IEEE
Transactions on Systems, Man and Cybernetics, 15, 1985, 45-53.
SIMON H.A. The New Science of Management Decision. Prentice Hall: Englewood, 1977.
SLOWINSKI R. (ed.) Fuzzy Sets in Decision Analysis, Operations Research and Statistics.
Boston/Dordrecht/London: Kluwer Academic Publishers, 1996.
SMITH G.M. Statistical Process Control and Quality Improvement, Prentice Hall; 5 edição, 2003.
TANINO T. On group decision making under fuzzy preferences, in Multiperson Decision Making
Models Using Fuzzy Sets and Possibility Theory. Boston: Kluwer, 1990, 172-175.
TONG M. and BONISSONE P.P. A linguistic aproach to decision making with fuzzy sets, IEEE
Transactions on Systems, Man and Cybernetics, 10, 1980, 716-723.
VINCKE P. Multicriteria Decision-Aid. New York/Chichester/Brisbane: John Wiley & Sons, 1992.
WANG J. and LIN Y.I., A fuzzy multicriteria group decision making approach to select
configuration items for software development, Fuzzy Sets and Systems, 134, 2003, 343-363.
WANG Y.M. and PARKAN C. A preemptive goal programming method for aggregating OWA
operator weights in group decision making, Information Sciences, 177, 2007, 1867-1877.
XU Z. On method for uncertain multiple attribute decision making problems with uncertain
multiplicative preference information on alternatives, Fuzzy Optimization and Decision Making, 4,
2005, 131-139.
YAGER R.R. Non-numeric multi-criteria multi-person decision making, Group Decision and
Negotiation, 2, 1993, 81-93.
YAGER R.R. Generalized OWA aggregation operators. Fuzzy Optimization and Decision Making,
3, 2004, 93-107.