Modelos Quantitativos de Apoio as Decisoes I_ehrlich

Administração

da Produção e Sistemas de Informação

MODELOS QUANTIT~TIVOS DE APOIO AS DECISOES - I

Pierre Jacques Ehrlich
Professor do Departamento de Informática Métodos Quantitativos da EAESP/FGV E-mail Ehrlich@eaesp.fgvsp.br

e

RESUMO: Modelagem Quantitativa para Apoio às Decisões teve um grande desenvolvimento a partir da década de 60. Chegou-se a um processo normativo, dentro da tradição da Pesquisa Operacional. Dentro desta mesma tradição, os resultados foram cuidadosamente analisados por meio de análises de sensibilidade que criaram as condições para as suas implementações práticas. A evolução natural e necessária para Decisões com multicritérios tem sido substancialmente mais controvertida. O processo "teoricamente correto" se revelou de difícil implementação prática. Surgiram "desafiantes" norte-americanos e europeus que, abandonando a estrutura normativa, procuram servir de Apoio às Decisões. O presente artigo apresenta e comenta este panorama com seus contrastes. ABSTRACT: Quantitative Decision Support Modeling received most of its development during the 60's. The result was a normative procedure, fol/owing the Operations Research tradition. Fol/owing the same tradition, the results careful/y analysed by sensitivity procedures al/owed their practical implementations. The natural and required evolution towards Multicriteria Decisions has been much more controversial. The "theoretical/y correct" procedure presented difficulties for its practical implementation. North-American and European chal/engers appeared, where the normative structure was replaced by a Decision Support one. The paper presents and comments this panorama with its contrasts.

PALAVRAS-CHAVE: apoio à decisão, modelo, análise, processo.

KEY WORDS: decision suppott. model, ana/ysis, processo
RAE - Revista de Administração de Empresas São Paulo, 36, n. 1, p. 33-41 Jan./Fev./Mar. 1996

V.

33

Com o modelo. P. alternativas e informações Preferências Que desejo? Alternativas Que posso fazer? Informaçã.Revista de Administração de Empresas. é preciso esperar que o acaso resolva as incertezas. 3. Quanto ao resultado. Da empresa inglesa Krysalis.2*60 = 76. • estrutura do modelo . 1980. A utilização de modelos para o apoio às decisões traz muitos benefícios. . R. quando de uma análise de sensibilidade.8*100 + 0. VE (não levar) = 0. da ADA Decision Systems. como: • identificar os elementos relevantes para a decisão e descartar os irrelevantes. está retomando sua devida importância. um segundo artigo tratará de técnicas mais controvertidas que estão abrindo novos rumos. COSTA NETO. passando por todo o tradicional ferramental da pesquisa operacional. envolvendo muitas alternativas e distintos objetivos. Espera-se que estes elementos.Decísíon Programming t.8*80 aspectos a considerar). A modelagem Um modelo é uma representação simplificada da realidade. • analisar situações complexas.. resultem na melhor decisão possível. corresponde a equações matemáticas que" amarram" as relações no modelo. • educar a intuição. • comunicar e discutir a estrutura e os parâmetros. desejamos: analisar distintos cenários (esta experimentação seria impossível no contexto global da realidade). No cotidiano. um modelo pode servir de grande apoio.Revista de Administração de Empresas / EAESP / FGV. • objetivos ou metas. mas quando a decisão é importante (nas possíveis conseqüências). Um processo de decisão começa pela identificação do que eu desejo. L. é possível incluir desde simples planilhas em microcomputador até modelos de inteligência artificial. • comunicar resultados. de O. Este artigo fará uma revisão das técnicas tradicionalmente bem aceitas. troca-se a riqueza e abrangência da realidade por poder de análise e capacidade de experimentação. • analisar a estabilidade dos resultados. RAE . A Modelagem Quantitativa para Apoio às Decisões. Os elementos de um modelo são: • variáveis de controle ou de decisão sobre as quais podemos atuar para atingir nossos objetivos. Análise estatístlca das decisões. Brasil. Boas decisões são logicamente consistentes com as preferências. Sob a designação Modelos Quantitativos de Apoio às Decisões.A abertura da economia e a estabilidade da moeda têm seus reflexos sobre a racionalidade dos processos de decisão nas empresas brasileiras. 4. BECKMAN. • analisar muitas alternativas.valores numéricos que entram nas equações. obter subsídios para uma tomada de decisão. 2. • parâmetros . No processo de modelagem. mas que afetam as conseqüências ou resultados de uma decisão. • variáveis de estado ou da natureza sobre as quais não temos controle.2*0 = 80. São Paulo. que já teve seu atrativo. Vamos nos limitar ao que usualmente se denomina por Análise das Decisões e por Decisões Multiatributos ou Multicritérios ou com Objetivos Conflitantes. DPL . ordenados numa estrutura lógica. O. Blücher.no âmbito do nosso estudo. quando necessita ser compartilhada por um grupo de pessoas ou quando envolve riscos. • critérios de decisão ou preferências.o Que sei eu? 1. a maioria das decisões não requer o auxílio de modelos. mediante a qual procuramos identificar e destacar os elementos desta realidade que sejam os mais importantes para a decisão.ancuaue. VE (levar) = 0. Seleção <!i Decisão Resultado Boas decisões: o melhor Que posso faier Bons resultados: o que desejo obter + 0. No próximo número da RAE . complexa (muitos 34 © 1996. verificar a estabilidade dos resultados de uma análise. do que posso fazer (alternativas) e da informação de que disponho.

800--~~< [60] /.p. desta forma: Decisão Levar Não levar Chove 60 Natureza Não Chove 80 100 (loteria sobre o estado da natureza) e valores (para as conseqüências). Esta estrutura é representada no diagrama de influências representado na figura 1.200 NãoChove . devo levar guarda-chuva ou não? O processo da modelagem começa pela identificação da variável de decisão . para hoje. Ele é alto..e da variável de estado da natureza (sobre a qual não tenho controle): chove ou não./Fev.2. Exemplo Vou sair de casa e hoje./Mar. incerteza Figura 1 DIAGRAMAS DE INFLUÊNCIAdo GuardaMChuva ~ Para continuar.1. Este mesmo modelo pode ser representado sob a forma de árvore. vale zero pontos.. Utilizamos o software DPL para modelar este problema. ' Valor?4 NãoCbove Vaiar <J o Ou seja: • não levar guarda-chuva e não chover é o ideal. O critério de "troca" da loteria é pelo seu valor esperado VE . 1 • Jan.(2õõ.' ~~hove ChQVe . pois a informação sobre a probabilidade de chuva não é totalmente confiável.MODELOS QUANTITATIVOS DE APOIO As DECISÕES -I Vejamos um exemplo bem simples que nos apresentará os elementos do modelo. 36 • n. Figura 3 ÁRVORE DETALHADA O PROBLEMA DO GUARDA-CHUVA Loteria lev~ . valorizo numa pontuação de zero a cem.e de um critério para" trocar" a loteria da incerteza. Assim..:. subjetivamente. já identificamos os três elementos: decisão.800 [100] 100 OS ELEMENTOS o Problema p ~OTERIA VALOR Levar ou não Q !>q.1 50 'W [80] 175]. Observo que a combinação entre as variáveis de estado e de decisão produzem quatro situações que. • levar guarda-chuva e chover é mais desagradável. RAE • v. desejamos ter uma avaliação do risco associado a esta decisão. inverteríamos a decisão. refazendo os cálcu los. .:.00 Ln_ã_o. tal exemplo passou pela maioria das etapas da modelagem.lev_a __ Loteria Chove -. A informação é a de que. Figura 2 ÁRVORE COMPACTA O PROBLEMA DO GUARDA-CHUVA Decisão Loteria leva J ( . mas parece que vai chover. • não levar guarda-chuva e chover é a pior situação. • levar guarda-chuva e não chover é apenas um pouco desagradável. não Chove leva. decidimos por não levar guarda-chuva. 1996 35 . vale 100 pontos. a probabilidade de chuva é de 20%.80"-{] . Considerando que meu objetivo é maximizar meu conforto.da-chuya Chove ( I não chove "'-" Ulll1dade de a a 100 Finalmente. vale 60 pontos. e.qual a probabilidade de chover? . como mostra a figura 3. que estão resumidas no quadro 1. Resolvendo com o software.. Cada decisão me conduz a uma loteria: "chove/não chove". como na figura 2.. vale 80 pontos.levar guarda-chuva ou não (apenas duas alternativas) . necessitamos de uma informação .. se esta probabilidade fosse superior a 25%. Apesar de muito simples.

/Mar. 1996 36 . apresenta-se mais um exemplo com alguns comentários. Na primeira opção. Graças ao poderio dos softwares. 1 • Jan. 36 • n./Fev. da Lumina). Alguns softwares mantiveram a simplicidade e tornaram-se macros-suplementares (add-in) de planilhas.Análise determinística Obter um modelo de valor (resultado para cada ocorrência) monetário.Na segunda opção. As linhas verticais mostram os valores esperados (VE)para as duas alternativas: 36 para "licença" e 39. muitos softwares foram desenvolvidos para construir Modelos de Apoio às Decisões. e a árvore de decisão. Exemplo 4· Avaliação Determinar a política ótima pelo valor esperado Analisar o risco pela distribuição cumulativa Repetir a análise de sensibilidade usando o diagrama Rainbow Calcular o valor da informação De acordo com o resultado. e a receita é dada pelo volume de vendas (loteria que depende dos custos de marketing) e do preço unitário (fixo). há custos de marketing (loteria) e de produção (loteria).Análise probabilística Obter as informações sobre as incertezas Identificar as sensíveis Construir um modelo da árvore de decisão grande atualidade). O risco pode ser visualizado pelas distribuições cumulativas superpostas (em microcomputador seria colorido. A alternativa "licença" conduz a apenas uma loteria com três possibilidades. mas vale mencionar o Demos. utilidade Eliminar as alternativas dominadas Fazer uma análise de sensibilidade Concentrar-se apenas nas variáveis sensíveis 3 . Embora esta apresentação por meio de distribuições cumulativas seja excelente para a visualização do risco. como na figura 7. A maioria desapareceu. obter informação e voltar à etapa 1 5 • Apresentação dos resultados e do resumo das análises Uma empresa acaba de desenvolver um novo produto e precisa decidir sobre o processo de distribuição: fabricar e vender ou licenciar para terceiros e só receber os direitos da licença. que tradicionalmente era tratado pela teoria da utilidade (cujos conceitos continuam de I RAE • v. O resultado aparece na forma da figura 6. recebe-se a taxa de licença pelo volume de vendas. uma cor para cada alternativa). Outros (como o DPL ou o Supertree) tornaram-se ferramentas extremamente poderosas. o aspecto risco. sendo os resultados: i) 40% de lucro igual Figura 4 A ferramenta No passado. requer um pouco de treino.Quadro 1 Etapas da mOdelagem 1 • Formulação Definir o que se deseja decidir Estabelecer o que se deseja obter Listar as alternativas Listar as incertezas Limitar o escopo do problema e eliminar os fatores irrelevantes Construir um diagrama de influências Construir uma tabela Construir uma árvore esquemática 2 . que operam em ambiente Windows (há poucos para Macintosh.6 para "nós mesmos". passou a ser mais avaliado pelos resultados das análises de sensibilidade. o diagrama de influência é aquele apresentado na figura 4. Para mostrar o poderio destas ferramentas. ou equivalente Se for o caso.Este campo passou pela mesma evolução de tantos outros. Sem entrar nos detalhes dos valores. na figura 5.

0.5 ou menos.5 75 RAE • v. O máximo chega a cerca de 80.1 Distribuição: Licença O LL~-----r--L-r.__.I Figura 5 Vendas DistribuicM Nós mesmos Baixas Receita Nominal Custos Mkt Baixo Custos Mkt Médio Receita Custos Mkt·· Alto Custos Mkt Qy§. Figura 7 Figura 6 Vendas Nós mesmos Distribuição / [39.2 0. 100% de valor 60 ou menos. -. 1 • Jan.-__-. que é o inicialmente estabele- 0.8 0.3%)de resultar em lucro negativo (prejuízo). resultando em: VE (licença) = 0.4*20 + 0.7 0. .3% de valor Oou menos.01% de valor -10.4 0.MODELOS QUANTITATIVOS DE APOIO ÀS DECISÕES . Ela é mais arriscada.6 0. 100% de valor 80 ou menos.!Q ~. A alternativa "nós mesmos" foi preferida por resultar num maior VE (39./Fev.6J [39·6]0 l Vendas Licença [36] A cumulativa para a alternativa "nós mesmos" isolada permite melhor visualização (figura 8).9 0.5 50 62.5 25 37.0.25%de valor ./Mar. 80% de valor 40 ou menos..36 • n.3 0. A leitura (aproximada) da cumulativa é: 0.2*60 = 36. O diagrama Rainbow para o preço unitário de venda mostra que. pouco abaixo do valor 2. 87% de valor 65 ou menos. 0.1996 37 .~ O 12.5 Distribuição: Nós mesmos 0. A leitura da cumulativa é da esquerda para a direita: 40% de valor 20.6).4*40 + 0. Barato Custo Produção Médio Custo Produção \ Caro Custo Produção <J Altas Receit<i - Vendas Baixas Licença Receita Nominal Receita Altas Receita <J a 20. pois tem até uma probabilidade (de cerca de 0.. 75% de valor 62 ou menos.li) 40% de lucro igual a 40.. A árvore detalhada é apresentada na figura 9.__~L. iii) 20% de lucro igual a 60.

:1Ai. ·65 Uceo.:oo [13.a _/...<00 l3Sl '\!.!:W -ss <:.~400 Médio .375 0.. '../Mar..2() 'I .~ 139"( \ r= ~ lbniM! ...i!OO "'\: Q<to~.I~\".:Q {&SI -50'-' ~<J Vi<J ~<:.32 Bai><o """"p~J~o"''''''' -5.2$ j~ AJ'" ..oP~c{:" . I o 10 3Ú 60 70 80 Figura 9 ~~.-/ Sa"".. 200 cw<'~J. ..2()'\ e.l. _..~ ~::] 1«1 .: -211'1: iõlA ·15'1" lOl ..400 200 ~<1 ~v<' .'1. ." " . .m Co.500 0. 1 ·32 " .400 Caro .\ Ot$>"t%i"l200 "r 200 .. 1 • Jan.MIl l~ () 1501 A 143..-' ""'" . e .400 !2Ol~ ~'5' " 1151 !la"" ClI\IO$ MIl Bal<as 200 17.1 ~<:.-/.625 0.. ·.:". 36 • n.Figura 8 0.200 o. .400 .. POi ~ ..300 .---'----r-»~~· -10 r 20 " r 40 .<.875 0..J Custó?f~r/ 124.61 ..:.300 . 200 AOO !~ .J 1"'l -.2$'1' 15! .<00 SaCro ~~rI·400 """'~ 120'1' .250 0.500 . "édio .I"'" j O+=~~---..~~----~--.. ."''\ Colro .750 0.32'" Jl5I .3) " N6smesroos .5O r: 20 '-I' = It.. 1996 .<00 Ca.j d .00 <00 r·Il. 38 RAE • v... 'j3.2!J.16 'J l'. - \ AlIO .<011 ~éttio '1~:' <00 Bar ••• .~.:' . {201/1 !~ ':<1 .<00 . \ C!u.200 Barão Caro .~.<00 J$ ~. -.---.~ 015\ - Co" CUstoP"""9» AlID ri .125 ~.J r./Fev.

• redução das ambições do analista. • clara explicitação das importâncias das submetas.50 Figura 11 3/83. Observamos os pontos de alteração de política.np. para completar o âmbito de análise deste primeiro artigo. será. Este tanto pode ser utilizado para problemas com multicritérios em geral (como será discutido no próximo artigo). Multicritérios e grupo Figura 10 80 75 70 ~ 65.6 2/72 55 60 65 70 75 80 • eventuais sacrifícios teóricos para garantir a facilidade de compreensão do processo por todos os membros do grupo./Mar. • clara explicitação das preferências ao longo de cada critério. O objetivo global é o de selecionar o melhor Pc. • clara explicitação das metas.5 Preço 2 2. A decomposição hierárquica total é a da figura 12. ao produzir um modelo que poderá ter distintos usos nas mãos dos membros do grupo. há uma mudança de política e que seria melhor licenciar (figura 10). 36 • n. O gráfico tornado também permite fazer uma análise de sensibilidade para as loterias (incertezas). 1 • Jan. o nó-raiz PC foi caracterizado por dois critérios (que originam dois nós): costs e benefits.fit Time Delivery Speed PC Size Appearan Capacity RAE • v. apresenta-se um material que recai no "usualmente aceito". A decomposição hierárquica do que seja melhor" pode variar de um analista para outro. que parece ser o forte das suas aplicações. em princípio. 60 ~ 55 50 45 40 . assunto do próximo artigo. Entretanto.MODELOS QUANTITATIVOS DE APOIO ÀS DECISÕES . como para decisões em grupo. Não há proporcionalidade de escalas para os parâmetros.~ 'O > x w ~ o. 35 1 o - r 0. assim como os respectivas VE para os lucros. • facilidade de comunicação. U CosI PC Cost (t Financ:ial Rp. O gráfico "tornado" (figura 11)permite visualizar uma análise de sensibilidade para dois parâmetros: preço de venda (entre O e 3) e taxa de licença (entre O e 2). 1996 39 .I cido. mediante um exemplo de introdução ao software Hiview./Fev. extremamente rico em idéias e escolas de pensamento. O comportamento de um grupo apresenta particularidades que exigem: 45 .5 1. No exemplo em pauta. Exemplo Figura 12 PC Deseja-se escolher um novo microcomputador para equipar a empresa.5 Este tópico.

15 Benefit: 50 Size êttp8Cíty Appearance (100) 6 (40) 120 (20) 33 25 5 3 (O) 5 7 (60) 120 (O) (100) 8 9 Após o processo de rateio proporcional. RAE • v. 1 • Jan. e 100. a atribuição destes pesos é um A utilidade global de cada alternativa é . Para um custo PC cost de compra entre f 800 e f 1. resultaram os pesos relativos dos oito critérios: PC cost 31.Regulon: 53. mas. Para cada nó (nível) são atribuídos pesos relativos que caracterizam a importância dos constituintes deste nível.é exposta na tabela 1. ponderadas pelos pesos acima (resposta numa escala O.17 capacity 17.450) e o valor 100 ao preço mais baixo (E 800).91 4 .100). nas medidas originais e nas medidas relativas (numa escala O. Vale o mesmo para «tempo de entrega ».33 appearance 6.39 time 8.1 25' (O) (O) 210 . • estabelecimento de uma preferência para cada critério (ou subcritério).57 2 .!Mar.74 sennce 6.e o programa atribui o valor Oao pr~o mais alto (E 1.é preciso caracterizar a preferência comol. correspondentes aos seus respectivos critérios.66 Hiview permite elaborar diversos tipos de análises de sensibilidade. com a determinação dos pesos para esta agregação.Delta Plus: 47. Ela classifica as quatro alternativas: 1 . No caso do Hiview. para cada uma das quatro alternativas.100). Também seria possível atribuir diretamente o valor na escala de Oa 100 (e neste caso os valores poderiam refletir uma preferência não linearmente proporcional ao preço). foi uma simples escala de proporção linear. o processo de decisão que utiliza Hiview como apoio nos obrigou a passar por três etapas importantes: • decomposição hierárquica do objetivo em critérios (e subcritérios).Mini-Data: 35.52 Agora é preciso encontrar uma escala de mensuração da preferência para cada um dos oito critérios últimos nas pontas da decomposição.25 speed 21.35 delivery 4. preferências são dados objetivos (mensuráveis). foram atribuídos os pesos 5 para PC cost e 1 para service. Hiview exige que todas as escalas acabem sendo quantitativas entre O.nv:ersa. Em particular. Aos outros preços são automaticamente atribuídos valores numa escala proporcionallinear.25 szze 4. A matriz dos atributos. 36 • n. por exemplo. No nível cost os pesos são 9 para [inancial. na medida do possível.450. obrigou-nos a adotar uma métrica para cada atributo. Evidentemente.10 (sa) ./Fev. Estas escalas podem ser quantitativas (cardinais) ou qualitativas (ordinais). (99) 4 (O) dos principais elementos de negociação no grupo de decisão. Geralmente. ou qualquer outro critério. 1 para delivery e 2 para time.Donovan: 28. Ao nível do nó financiaI. A finalidade é garantir a compreensão do processo pelos atores.l1~lJ Tabela 1 Cost Service Delivery Time §PfJfJçJ Delta Plus 1:000 (69) 50 Mini-Data 1416 (6) 60 (O) Regula0 (100) O 800 Donovan 1450 (O) (501 (O) 2 (100. de modo que a cada nível correspondam 100 pontos. Mini-Data. assim como a comunicação entre eles. é particularmente simples. Regulon e Donovan. 1996 40 . A agregação aditiva das medidas relativas.obtida pela soma das oito medidas relativas. Foram identificadas quatro alternativas (modelos de computadores): Delta Plus. Resultou a seguinte matriz global dos pesos atribuídos: PC cost: 5 Service: 1 Financial: 9 Delivery: 1 Time: 2 Speed: 10 PC size: 2 Capacity: 8 Appearance: 3 Cost: 50 (17) 15 (O) 20 (O) . 5 (S3) 25' (O) (100) 211 (100) (60) (100r (lOO} 14 (~3) (O) 30 Q.46 3 .

25 4. Freqüentemente.74 4. pela diferença [benefícios .@. Apresentam-se na tabela 2 os resultados numa forma de [custos 1 e de [benefíciosJ. da escola européia (principalmente francófona). às vezes. O modelo Regulon é o de menor custo.~a'Rlusl (3) ® Re'!:)ulon Mi. No próximo artigo apresentaremos as três metodologias que seguem formalismos mais elaborados: MAUT (Multi-Attribute Utility Theory). a visualização dos resultados pela relação [benefícios/ custos] ou.349 906 11 O . Também é comum apresentar estes resultados num gráfico tendo os custos no eixo horizontal e os benefícios no eixo vertical. de modo a visualizar a "fronteira eficiente".AHP (Analytic Hierarchy Process).Custo -42 Figura 13 . Este exemplo apenas tocou no problema das decisões com múltiplos critérios.39 6.33 50 21..custos] costuma corresponder ao modo de raciocínio dos grupos de decisão. com seu processo de outranking (desclassificação). ilustra uma forma muito comum de conduzir um processo de decisão: a decomposição hierárquica inicial dividida em custos e em benefícios. importâncias são valores subjetivos. Capacity O 20 4000 0. Speed Size Appearance Benef. e MCDA (Multi-Criteria Decision Aid).ni-Délta @ Qooá\lan ~----~ o 1~ . . Para fins de consistência.J • comparações entre critérios de modo a estabelecer níveis de importância. da escola Wharton-Washington.990 4(1 Benefri:ro/Custo Benefício .52 50 6 50 100 100 4042 100 Mini-Data 69 100 33 3950 O 100 100 60 2917 0. O modelo Donovan está fora da "fronteira eficiente" e pode ser eliminado sem maiores considerações.-------2Q 30 4(l 50 60 PC Costs 70 80 ----------------------~ 41 Artigo recebido pela Redação em março/1996.25 6. Benef.17 8. A figura 13 foi produzida por Hiview.113 -3235 33 Custo O 83 2594 O 60 O 100 3500 1. Sempre no intuito de facilitar a compreensão e a comunicação. avaliado e aprovado para publicação em abri1/1996. de modo que a escala de PC costs está invertida.738 -1033 Regulcn O Donovan 100 17 100 3648 O O 99 O 412. da escola Harvard-Califórnia.8 0.MODELOS QUANTITATIVOS DE APOIO ÀS DECISÕES . invertemos a escala dos custos associados a cada alternativa. O Tabela 2 Análise benefício/custo o exemplo também ComputadDr Custos PC cosi Service DeJivery Time Delta Plus Pesos 81.35 17. De fato. alguns autores recomendam este tipo de decomposição e de apresentação.

Sign up to vote on this title
UsefulNot useful