07/06/2013

EMENTA

yyyy

AVALIAÇÃO E APOIO À
TOMADA DE DECISÃO
Prof. Ely Sena, MSc.

FACULDADE DE TECNOLOGIA

ENGENHARIA DE PRODUÇÃO







Teoria da Decisão;
Análise Custo-Volume-Lucro;
Método do Caminho Crítico,
Modelos de Decisão de Filas;
Análise de séries temporais;
Análise multicritério;
Análise Envoltória de Dados (DEA).

FACULDADE DE TECNOLOGIA

BIBLIOGRAFIA

BÁSICA
CUKIERMAN, Z.S. O Modelo PET/CPM Aplicado a Projetos. Rio de Janeiro: Qualitymark Editora
Ltda., 1993.
HIRSCHFELD, H. Planejamento com pert-cpm e análise do desempenho. São Paulo: Atlas,
1985.
KERZNER, Harold, Project Management: A Systerns Aplroach to Planning, Scheduling, and
Controlling, 7th edition, ISBN: 0471393428, John Wiley & Sons, Inc., 2001.

COMPLEMENTAR
MEREDITH, J.; MANTEL Jr. Project Management: A Managerial Approach. 3rd ed. New York:
John Wiley & Sons, Inc., 1995.
MODER, J.J.; PHILIPS, C.R. Project Management with CPM and PERT. New York: Van Nostrand
Reinhold Company, 1970.
PRADO, D. Administração de Projetos com PERT/CPM. Rio de Janeiro: Livros Técnicos e
Científicos Editora S.A., 1984.
PROJECT MANAGEMENT INSTITUTE. A guide to the project management body of Knowlwdge:
PMBOK GUIDE. Pensylvania USA: PMI Inc., 2000.
VALERIANO, D.I. Gerenciamento estratégico e administração por projetos: pesquisa,
desenvolvimento e engenharia. São Paulo: Makron Books, 2001.

FACULDADE DE TECNOLOGIA

ENGENHARIA DE PRODUÇÃO

ENGENHARIA DE PRODUÇÃO

METODOLOGIA
• Os conteúdos programáticos serão
abordados através de aulas expositivodialogadas, estudos em pequenos grupos
e estudos individualizados.
• A resolução de exercícios será
enfatizada, assim como a realização de
seminários.
• Tempo disponível durante as aulas para
resolução de exercícios, trabalhos e
práticas de laboratório.
FACULDADE DE TECNOLOGIA

ENGENHARIA DE PRODUÇÃO

1

é necessário que o tomador de decisão tenha mais de uma alternativa diante de si. TEORIA DA DECISÃO FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO 2 . não existe um problema no sentido em que estamos considerando. • Se uma situação conduzir somente a um caminho.07/06/2013 AVALIAÇÕES ENTREGA DE TRABALHOS • Data de Entrega Flexível: SEG 5 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO TER 4 FACULDADE DE TECNOLOGIA QUA QUI SEX SAB 10 9 8 7 3 2 1 0 DOM 6 ENGENHARIA DE PRODUÇÃO Os problemas de Decisão e a Teoria da Decisão • Para que um problema seja caracterizado dentro desta categoria.

média e grande. FACULDADE DE TECNOLOGIA FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO – São todos os acontecimentos futuros que poderão influir sobre as alternativas de decisão que o tomador de decisão possui. – Se não conseguirmos elencar as alternativas.07/06/2013 Os problemas de Decisão e a Teoria da Decisão • O problema de decisão envolve uma tomada de decisão hoje assim como as consequências desta decisão ao longo do tempo. Se houver três demandas possíveis – pequena. • A Teoria da Decisão é um conjunto de técnicas quantitativas que tem por objetivo ajudar o tomador de decisão tanto a sistematizar o problema de decisão como a solucioná-lo. teremos duas alternativas de decisão e três estados da natureza. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Estrutura dos Problemas de Decisão • Estratégias Alternativas ENGENHARIA DE PRODUÇÃO Estrutura dos Problemas de Decisão • Estados da Natureza – São as possível soluções do problema. • Exemplo: – Uma empresa irá lançar um produto novo e terá duas alternativas: ou aproveita as instalações existentes ou constrói uma nova unidade operacional. • Exemplo: – As demandas futuras possíveis. Estrutura dos Problemas de Decisão • Problemas de Decisão possuem um estrutura comum a todos: apresentam Estratégias Alternativas. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO 3 . não teremos um problema de decisão. os cursos de ação que podemos seguir. Estados da Natureza e Resultados.

. .. – Decisão Tomada Sob Risco (DTSR). Matriz de Decisão • É uma ferramenta auxiliar que permite visualizar os elementos do problema de decisão. ... . FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Classificação dos Problemas de Decisão • Os problemas de decisão são classificados de acordo com o maior ou menor conhecimento que tem-se acerca dos estados da natureza. . . quando ocorrer certo estado da natureza. de alguma forma. • Pode ocorrer ainda que se possa admitir como constantes ou pouco variáveis todos os dados numéricos do problema..... ...... . basta recorrer a comparações de cenários. .... • Quando sabe-se exatamente qual é o estado da natureza que vai ocorrer ou.. . FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO 4 .... • Podem ocorrer três casos: – Decisão Tomada Sob Certeza (DTSC).. • Para solucionar. – Decisão Tomada Sob Incerteza (DTSI). R1k A2 R21 R22 .. .. .07/06/2013 Estrutura dos Problemas de Decisão • Resultados – A consequência de se escolher um dada alternativa de decisão.. R2k .. tem-se com certeza todos os dados do problema. ENK A1 R11 R12 ... . ENGENHARIA Rpk DE PRODUÇÃO Decisão Tomada Sob Certeza (DTSC)... FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EN1 EN2 . • Exemplo: – Duas alternativas de decisão e três estados da natureza teremos seis resultados possíveis.. – Cada alternativa associada a um estado da natureza conduzirá a um certo resultado. • Os estados da natureza são listados em colunas e as alternativas nas linhas e o resultados nas células...... .. Ap Rp1 FACULDADE DE TECNOLOGIA Rp2 .

4)+20(0. a demanda for muito pequena. b) Escolhe-se o melhor valor dos cálculos.4)+40(0. foi preparada a matriz de decisão a seguir.A.07/06/2013 Decisão Tomada Sob Risco (DTSR). o VEA. • Alternativa #1 – Comprar o componente 10(0.5 mil reais FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO 5 . então a decisão de manufaturar o componente internamente terá sido bastante acertada. é uma companhia manufatureira de brinquedos que está diante da decisão de comprar de terceiros ou manufaturar um componente comum a vários de seus brinquedos. para cada alternativa. A solução de um problema DTSR depende do conceito de Valor Esperado da Alternativa (VEA). Estados da Natureza Alternativas Demanda Baixa p=0. • Conhece-se a probabilidade dos futuros estados de natureza.25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 • Valor Esperado da Informação Perfeita (VEIP) – o valor máximo que se poderia obter sobre a decisão baseada no VEA. que ilustra a situação (lucro em milhares de reais). FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #1 EXEMPLO #1 A Estrela do Norte S. • Regra da Decisão de Bayes a) Calcula-se.25) = 32.25) = 43 mil reais • Alternativa #2 – Manufaturar o componente -30(0.35 Demanda Alta p=0. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Decisão Tomada Sob Risco (DTSR).4 Demanda Média p=0. a Estrela do Norte ficará com as instalações custosas e com baixa utilização de capacidade. Se entretanto.35)+100(0. Mais especificamente. Se a demanda pelos brinquedos nos próximos meses for alta.35)+150(0. • Define-se o VEA como a soma dos produtos dos resultados da alternativa pelas probabilidades de ocorrência de tais estados da natureza.

5 – 43 = 12.4 Alternativas Demanda Baixa p=0.35 Demanda Alta p=0.5 Estados da Natureza Estados da Natureza Alternativas Demanda Baixa p=0.25 VEA Comprar o componente 4 14 25 43 Manufaturar o -12 FACULDADE DE TECNOLOGIA componente 7 37.4 Demanda Média p=0.VEIP FACULDADE DE TECNOLOGIA componente ENGENHARIA DE PRODUÇÃO EXEMPLO #1 .5 ENGENHARIA DE PRODUÇÃO Alternativas Demanda Baixa p=0.4 Demanda Média p=0.5= 55.4 Demanda Média p=0.5 Manufaturar o ENGENHARIA DE PRODUÇÃO EXEMPLO #1 .25 VEA Comprar o componente 4 14 25 43 7 37.35 Demanda Alta p=0.35 Demanda Alta p=0.35 Demanda Alta p=0.5 milhares de reais Máximo Lucro 4+14+37.25 Comprar o componente 4 14 25 -12 7 37.5 32.4 Demanda Média p=0.35 Demanda Alta p=0.5 32.VEIP Estados da Natureza Estados da Natureza Alternativas Demanda Baixa p=0.4 Demanda Média p=0.VEIP Estados da Natureza Alternativas Demanda Baixa p=0.5 Manufaturar o FACULDADE DE TECNOLOGIA componente Máximo Lucro 4+14+37.VEIP EXEMPLO #1 .35 Demanda Alta p=0.4 Demanda Média p=0.25 Alternativas Demanda Baixa p=0.07/06/2013 EXEMPLO #1 .25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 VEIP = 55.5 Estados da Natureza Demanda Baixa p=0.35 Demanda Alta p=0.5= 55.25 Comprar o componente 4 14 25 -12 7 37.5 Manufaturar o -12 FACULDADE DE TECNOLOGIA componente ENGENHARIA DE PRODUÇÃO 6 .25 Comprar o componente 10 40 100 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 Manufaturar o componente -30 20 150 Estados da Natureza Alternativas Demanda Média p=0.

25) = 23 mil reais • Os problemas de tomada de decisão sob risco também podem ser estruturados e resolvidos com o auxílio de uma representação gráfica do processo de decisão chamada de árvore de decisão.25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 Alternativas Demanda Baixa p=0.07/06/2013 EXEMPLO #2 Decisão Tomada Sob Risco (DTSR).4 Demanda Média p=0.35 Demanda Alta p=0. Estados da Natureza Alternativas Demanda Baixa p=0.4)+20(0.4 Demanda Média p=0.35)+0(0.35 Demanda Alta p=0.25) = 12. Alternativas Demanda Baixa p=0. – O Arrependimento sempre será sempre positivo ou igual a zero. Estados da Natureza • MATRIZ DE ARREPENDIMENTO – A melhor alternativa é a que apresentar o mínimo de arrependimento possível.35 Demanda Alta p=0.25 Comprar o componente 0 0 50 40 20 Manufaturar o componente FACULDADE DE TECNOLOGIA 0 ENGENHARIA DE PRODUÇÃO NÓS Estados de Natureza MOMENTO DE DECISÃO 1 0 ENGENHARIA DE PRODUÇÃO 2 RAMOS 3 4 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO 7 .35)+50(0.5 mil reais Alternativa #2 – Manufaturar o componente 40(0.4 Demanda Média p=0.25 Comprar o componente 0 0 50 40 20 • Exemplo Estados da Natureza EN1 EN2 EN1 EN2 A1 100 140 A1 10 0 A2 110 120 A2 0 20 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #2 Manufaturar o componente FACULDADE DE TECNOLOGIA Árvore de Decisão Alternativa #1 – Comprar o componente 0(0.4)+0(0.

07/06/2013 EXEMPLO #3 Exemplo #3 • A Companhia Epsilon está considerando três possibilidades de distribuição de seus produtos em uma certa região. a segunda alternativa consiste em abrir um armazém próprio de distribuição e.4) 160 FACULDADE DE TECNOLOGIA Exemplo #3 . Critério do Realismo.6) = 62 • VEA Nó #4: Distribuidor Local – 160(0.4)+10(0.6) 40 2 3 Demanda Grande (0.4) 140 Demanda Pequena (0.6 Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 Construir armazém próprio 10 Demanda Grande (0. as alternativas trarão receitas diferenciadas para a companhia.4) 200 Demanda Pequena (0.4)+(-30)(0. mas não se tem nenhuma estimativa de suas probabilidades. a última possibilidade seria a de colocar os produtos em um grande distribuidor local. Dependendo de como se comporte a demanda futura para a região. segundo a matriz de decisão mostrada na tabela a seguir. finalmente . A literatura traz alguns critérios considerados costumeiros. A primeira dessas possibilidades é a que está sendo adotada atualmente e consiste um entregar os produtos diretamente aos revendedores locais. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO 1 – 140(0.4 4 Demanda Pequena (0.6) = 80 • VEA Nó #3: Armazém Próprio – 200(0.6) -30 Demanda Grande (0. sabe-se todos os possíveis estados da natureza.4)+40(0.Árvore de Decisão • VEA Nó #2: Revendedores Locais Demanda Grande p=0. Critério Laplace.6) = 40 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Demanda Pequena p=0. e Critério do Mínimo Arrependimento FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO 8 .6) 10 ENGENHARIA DE PRODUÇÃO Decisão Tomada sob Incerteza • Nos problemas de Decisão Tomada sob Incerteza. Critério Maximin. entre eles temos: – – – – – Critério Maximax.

• Carrega uma visão completamente otimista. • Da matriz de decisão. • Dentre os piores. escolhe-se o melhor dele (“menos ruim”) • Máximos entre os mínimos. • Dentre os piores. • Máximos entre os máximos. deve-se escolher a alternativa que leva ao melhor possível dos resultados. escolhe-se o melhor dele (“menos ruim”) Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Demanda Grande FACULDADE DE TECNOLOGIA Demanda Pequena ENGENHARIA DE PRODUÇÃO 9 . deve-se escolher a alternativa que leva ao melhor possível dos resultados. • Carrega uma visão completamente otimista. • De cada alternativa escolhe-se o pior resultado. • Da matriz de decisão.07/06/2013 Critério Maximax Critério Maximax • Máximos entre os máximos. • De cada alternativa escolhe-se o pior resultado. Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Maximin Demanda Grande FACULDADE DE TECNOLOGIA Demanda Pequena ENGENHARIA DE PRODUÇÃO Critério Maximin • Máximos entre os mínimos.

7) = 131 • Revendedores Locais – 160(0.7) = 110 • Armazém Próprio – 200(0. • Assume-se que são idênticas as probabilidades dos diversos estados da natureza • Conhecido como “critério da razão insuficiente”.7)+10(1-0. • Assume-se que são idênticas as probabilidades dos diversos estados da natureza Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar revendedores locais Usar grande distribuidor local 160 10 Construir armazém próprio Usar grande distribuidor local FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério do Realismo Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 • Adotando α=0.07/06/2013 Critério Laplace Critério Laplace • Conhecido como “critério da razão insuficiente”.7)+40(1-0.7)+(-30)(1-0.7 FACULDADE DE TECNOLOGIA Demanda Pequena Resultados Médios 140 40 90 200 -30 85 160 10 85 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério do Realismo • Adota-se um valor entre uma visão pessimista e uma visão otimista da realidade.7) = 115 Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 FACULDADE DE TECNOLOGIA 10 ENGENHARIA DE PRODUÇÃO 10 . • Média Ponderada = α (melhor resultado) + (1.α) (pior resultado) Demanda Grande Demanda Grande ENGENHARIA DE PRODUÇÃO • Revendedores Locais – 140(0.

para cada alternativa. Z. HIRSCHFELD.. Project Management: A Systerns Aplroach to Planning. PRADO.. PHILIPS. H. 1984. ISBN: 0471393428. VALERIANO. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO 11 .A. 1985. D. desenvolvimento e engenharia. PROJECT MANAGEMENT INSTITUTE. and Controlling. 7th edition. São Paulo: Makron Books. 1970. Project Management with CPM and PERT. MODER.R. MANTEL Jr.07/06/2013 Critério do Mínimo Arrependimento • Arrependimento são calculados por meio da mesma rotina: para cada estado da natureza.S. MEREDITH. New York: John Wiley & Sons.J.. New York: Van Nostrand Reinhold Company. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério do Mínimo Arrependimento Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 Demanda Grande Demanda Pequena Usar revendedores locais 60 0 Construir armazém próprio 0 70 Usar grande distribuidor local 40 30 Demanda Grande Demanda Pequena Usar revendedores locais 60 0 Construir armazém próprio 0 70 Usar grande distribuidor local 40 FACULDADE DE TECNOLOGIA 30 ENGENHARIA DE PRODUÇÃO REFERÊNCIAS CUKIERMAN. opta-se pela alternativa menos ruim. faz-se a diferença entre o resultado das demais alternativas. J. • Como último passo. KERZNER. John Wiley & Sons. Rio de Janeiro: Qualitymark Editora Ltda. Inc.I. Project Management: A Managerial Approach. Inc. Administração de Projetos com PERT/CPM. Pensylvania USA: PMI Inc. escolhe-se o pior dos arrependimentos. O Modelo PET/CPM Aplicado a Projetos. Scheduling.. 2001. São Paulo: Atlas. • Monta-se a matriz de arrependimentos e.. Rio de Janeiro: Livros Técnicos e Científicos Editora S. Planejamento com pert-cpm e análise do desempenho. 2001. C. 3rd ed. A guide to the project management body of Knowlwdge: PMBOK GUIDE. Gerenciamento estratégico e administração por projetos: pesquisa... 2000. Harold. 1995. 1993. D. J.