Upload
thiago-guedes
View
218
Download
0
Embed Size (px)
DESCRIPTION
Metodos Quantitativos
Citation preview
2MÉTODO AHP
1. História
2. Contextualização
3. Modelagem
4. Particularidades
5. Aplicação
6. Análise de Sensibilidade
7. Softwares
8. Estudo de Caso
9. Agrupamento de julgamentos
Sumário
3MÉTODO AHP
História
4
O AHP é um método de escolha da melhor alternativa de
decisão considerando múltiplos critérios objetivos por meio de
valores qualitativos ou quantitativos. O inventor do AHP foi
Thomas L. Saaty na década de 70. Segundo Shimizu (2010) o AHP
tem sido empregado para situações de definição de prioridade,
avaliação de custos e benefícios, alocação de recursos, medida de
desempenho, pesquisa de mercado, etc...
MÉTODO AHP
5MÉTODO AHP
Contextualização
6
O AHP é um dos métodos mais comentados e aplicados na
prática das decisões a múltiplos critérios envolvendo complexidade
e subjetividade. Entretanto, uma das dificuldades apontadas no
AHP é a quantidade de comparações paritárias necessárias que
cresce rapidamente com o tamanho da matriz, dependendo da
complexidade da hierarquia (HO, 2008).
Vaidya e Kumar (2006) comentam que o AHP é o método
utilizado com maior frequência, tendo um vasto leque de aplicação
em diversas áreas do conhecimento.
MÉTODO AHP
Contextualização
7
Uma das críticas ao AHP é o efeito da reversão de ordem de
prioridade, que ocorre com a alteração das alternativas
dominantes em função da inclusão ou exclusão de alternativas
irrelevantes. Para Salomon (2004) a reversão à ordem é um efeito
“colateral” do cálculo que normaliza o vetor de prioridades. Em
resposta a ordem
MÉTODO AHP
8MÉTODO AHP
Modelagem
9
Nesse método os julgamentos dos atributos qualitativos são
feitos paritariamente, ou seja, dois a dois. Para realizar tal
julgamento, Saaty (1977), criou uma escala fundamental, onde a
escala vai de 1 a 9. Na época Saaty fez vários estudos utilizando a
teoria da psicologia, onde constatou que o ser humano não é capaz
de avaliar de forma paritária com índices acima de 9.
MÉTODO AHP
Modelagem
10
Tabela- 1: Escala fundamental: Fonte: Saaty (1977).
MÉTODO AHP
Valor Definição Explicação
1 Igual importância Contribuição idêntica
3 Fraca importância Julgamento levemente
superior
5 Forte importância Julgamento fortemente a
favor
7 Muito forte importância Dominância reconhecida
9 Importância absoluta Dominância comprovada
2, 4, 6, 8 Valores
intermediários
Dúvida
Modelagem
11
Objetivo
Critério 1 Critério 2 Critério n
Alternativa 1 Alternativa 2 Alternativa n
Fig.1. Hierarquia básica do método AHP.
MÉTODO AHP
No método AHP é
necessário construir uma
hierarquia, e nesta
hierarquia temos:
Critérios; subcritérios e
alternativas.
Conceitualização
12
Os julgamentos obedecem a teoria da matriz Recíproca,
contemplado pelo exemplo abaixo:
MÉTODO AHP
Critérios
Critérios
C1 C2 C3
C1 1 1/7 1/2
C2 1 5
C3 1
Conceitualização
13
Feito o julgamentos temos que calcular o auto vetor:
MÉTODO AHP
Critérios Auto
Vetor (V)
Critérios
C1 C2 C3
C1 1 1/7 1/2 0,415
C2 1 5 3,271
C3 1 0,737
nn
jjiaV
1
1
Conceitualização
14
Próximo passo consiste em normalizar o auto vetor:
MÉTODO AHP
Critérios Auto
Vetor (V)
V-
Normaliza
do
Critérios
C1 C2 C3
C1 1 1/7 1/2 0,415 9,38%
C2 1 5 3,271 73, 96%
C3 1 0,737 16,66%
Soma a coluna autor
vetor4,423 100%
Conceitualização
15
Próximo passo calcular no auto valor 𝝺-max:
MÉTODO AHP
Critérios Auto
Vetor (V)
V-
Normalizado
Critérios
C1 C2 C3
C1 1 1/7 1/2 0,415 9,38%
C2 1 5 3,271 73, 96%
C3 1 0,737 16,66%
∑i10,00 1,34 6,50
4,243 100%
Conceitualização
16
Autor valor: Multiplicação de matrizes: 𝝺max= (C.V)
MÉTODO AHP
Critérios V-
Normalizado
Critérios
C1 C2 C3
10,00 1,34 6,50 9,38%
73, 96%
16,66%
𝝺max 3,015
Modelagem
17
MÉTODO AHP
N 1 2 3 4 5 6 7 8 9 10
IR 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49
Para nosso exemplo, temos n=3
e, portanto, o valor de IR= 0.58.
18MÉTODO AHP
Particularidades
19
Temos algumas particularidades no método AHP. Estas
particularidades são relacionadas a atributos diretos e indiretos.
Definição:
Atributos diretos são valores numéricos onde quanto mais é
melhor, como por exemplo, receita, rendimento, faturamento,
salários, etc...).
Atributos indiretos são valores numéricos onde quanto mais
é pior, como por exemplo, despesas, consumo, horas extras, etc..
MÉTODO AHP
Particularidades
20
Solução: Para o caso de atributos diretos, temos que apenas
normalizar os dados. Já para o caso de atributos indiretos temos
que harmonizar e depois normalizar os dados:
Exemplo: Normalização
Receita1= 100 (100/450)= 22,23%
Receita2= 150 (150/450)= 33,33%
Receita3= 200 (200/450)= 44,44%
Total= 450 Total= 100%
Obs: Na normalização a soma será
sempre igual a 1 ou 100%.
MÉTODO AHP
Particularidades
21
Solução:Atributos Indiretos:
Exemplo: Harmonização Normalização
Despesa1= 100 (450/100)= 4,5 (4,5/9,75)= 46,15%
Despesa2= 150 (450/150)= 3 (3/9,75)= 30,77%
Despesa 3= 200 (450/200)= 2,25 (2,25/9,75)= 23,08%
Total= 450 Total= 9,75 Total= 100%
Obs: A lógica da hormanização é fazer com que o maior valor
tenha o menor peso, ou seja, inversamente proporcional.
MÉTODO AHP
22MÉTODO AHP
Aplicação
23
1• Construção de hierarquias
2• Definição de prioridades
3• Consistência lógica
Ho (2008); Saaty (1977); Vaidya e Kunar (2006); Salomon
(2004)
MÉTODO AHP
Aplicação
24
Selecionar emprego
Salário (C1) Oportunidade (C2)
Localização (C3)
Emprego A Emprego B
Fig.3. Hierarquia do Problema.
Objetivo
Critérios
Alternativas
MÉTODO AHP
Aplicação
25MÉTODO AHP
Critérios
Critérios
C1 C2 C3
C1 1 1/7 1/2
C2 1 5
C3 1
Aplicação
26MÉTODO AHP
Critérios Auto
Vetor (V)
V-
Normalizado
Critérios
C1 C2 C3
C1 1 1/7 1/2 0,415 9,38%
C2 1 5 3,271 73, 96%
C3 1 0,737 16,66%
∑i10,00 1,34 6,50
4,447 100%
CR= 1.29%
Aplicação
27
Cálculo para as alternativas:
MÉTODO AHP
C2 A1 A2 A-Vetor V-Nor
A1 1 3 1,732 75,11%
A2 1/3 1 0,577 24,89%
Total 2,306 100%
C3 A1 A2 A-Vetor V-Nor
A1 1 5 2,236 83,33%
A2 1/5 1 0,447 16,66%
Total 2,683 100%
O emprega A paga 2.000 e o emprego B paga 2.450. Logo
esses atributos são diretos. Normalizando temos:
(2.000/4.450)= 44,94% e (2.450/4.450)= 55.06%.
Aplicação
28
Cálculo para as alternativas:
MÉTODO AHP
C3 A1 A2 V-Nor
A1 44,94%
A2 55,06%
Total 100%
A seguir temos os valores na hierarquia.
Aplicação
29
Cálculo para as alternativas:
MÉTODO AHP
Selecionar
Emprego
C1= 9,38% C2=73,96% C3= 16,66%
C1
A1= 44,94%
A2= 55,06%
C2
A1= 75,11%
A2= 24,89%
C3
A1= 83,33%
A2= 16,17%
Aplicação
30
Matriz de decisão
MÉTODO AHP
Critérios
Vetor de
Decisão
Decisão
C1 C2 C3
Critérios 9,38% 73,96% 16,66%
A144,94% 75,11% 83,33% 73, 65%
A255,06% 24,89% 16,67% 26,35%
n
i
nn
1 21
.
31MÉTODO AHP
Aplicação
32
Matriz de decisão
MÉTODO AHP
Critérios
Vetor de
Decisão
Decisão
C1 C2 C3
Critérios 9,38% 73,96% 16,66%
A144,94% 75,11% 83,33% 73, 65%
A255,06% 24,89% 16,67% 26,35%
A análise de sensibilidade, visa definir qual será a
variação do peso de determinado critério, que fará
com que a alternativa que estava ganhando, passe
a não ser a selecionada.
Aplicação
33MÉTODO AHP
Critérios
C1 C2 C3 9,38%
A1 44,94% 75,11% 83,33% 73,96% 73, 65% ?
A2 55,06% 24,89% 16,67% 16,66% 26,35% ?
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
0 0,2 0,4 0,6 0,8 1 1,2
Vari
ação
no
peso
de C
1
Peso C1= 9,4%
Análise de sensibilidade em C1
A1
A2
Aplicação
34MÉTODO AHP
𝝙 Peso C1 Pesos da A1 Pesos da A2
0% 75,08% 24,92%
10,0% 72,07% 27,93%
20,0% 69,06% 30,94%
30,0% 66,05% 33,95%
40,0% 63,05% 36,95%
50,0% 60,04% 39,96%
60,0% 57,03% 42,97%
70,0% 54,02% 45,98%
80,0% 51,02% 48,98%
90,0% 48,01% 51,99%
100% 45,00% 55,00%
9,40% 72,25% 27,75%Cálculo para 0%:
[(0%-9,4%)/(100%-9,4%)] x (45%-72,25%)+72,25%= 75,08%
[0%-9,4%)/(100-9,4%)] x (55%-27,75%) + 27,75%= 24,92%
35MÉTODO AHP
Expert Choice.
Super Decisions.
MS- Excel.
36MÉTODO AHP
Softwares
37MÉTODO AHP
38MÉTODO AHP
39MÉTODO AHP
Fornecedores Entregas no prazo Entregas com atraso Preço
Fornecedor A 6 4 R$ 10
Fornecedor B 7 3 R$ 20
Fornecedor C 8 2 R$ 30
Sabe-se que o fornecedor C é reconhecido pela qualidadedos seus produtos, e em seguida o fornecedor B tambémvaloriza a qualidade.
Sobre o atendimento o fornecedor A possui a melhorpolítica em relação aos demais.
SELEÇÃO DO MODAL PARA
TRANSPORTE DE CARGA
Rodoviário
Cabotagem
Ferroviário
OS MODAIS
ATRIBUTOS
CUSTO (R$/TON) LEAD TIME (DIAS) RISCO ESTOQUE
RODOVIÁRIO 260 3 Alto Baixo
FERROVIÁRIO 200 13 Baixo Alto
CABOTAGEM 215 6 Baixo Médio
DADOS GERAIS
Rota
Estância/SE
Pindamonhangaba/SP
Método AHP
CUSTO LEAD
TIME
RISCO ESTOQUE VETOR W
(PESO)
CUSTO 1 3 3 2 46,2%
LEAD
TIME
1/3 1 2 1/2 17,0%
RISCO 1/3 1/2 1 1 14,3%
ESTOQUE 1/2 2 1 1 22,4%
n = 4 RI = 0,89 CI=0,0404 CR=0,0454
JULGAMENTO DOS ATRIBUTOS
ESCALA FUNDAMENTAL
(SAATY,1980)
1 IGUAL IMPORTÂNCIA
3 FRACA IMPORTÂNCIA
5 IMPORTÂNCIA FORTE
7 IMPORTÂNCIA MUITO FORTE
9 IMPORTÂNCIA ABSOLUTA
INDICE DE COERÊNCIA ALEATÓRIA - RI (SAATY,
2001)
3 0,52
4 0,89
COERÊNCIA ENTRE JULGAMENTOS
CI (λ-n) / (n-1)
CR CI/RI
SE CR < 0,2 OS JULGAMENTOS SÃO COERENTES
Método AHP
RODOVIÁRIO FERROVIÁRI
O
CABOTAGEM VETOR W
(PESO)
RODOVIÁRIO 1 1/4 1 47,5%
FERROVIÁRI
O
4 1 2 14,9%
CABOTAGEM 1 1/2 1 37,5%
n = 3 RI = 0,52 CI=0,0268 CR=0,0516
JULGAMENTO DO ESTOQUE (ATRIBUTO INVERSO)
RODOVIÁRIO FERROVIÁRI
O
CABOTAGEM VETOR W
(PESO)
RODOVIÁRIO 1 3 5 11,4%
FERROVIÁRI
O
1/3 1 1 40,5%
CABOTAGEM 1/5 1 1 48,1%
n = 3 RI = 0,52 CI=0,0145 CR=0,0280
JULGAMENTO DO RISCO (ATRIBUTO INVERSO)
Método AHP
LEAD TIME
(DIAS)
VETOR W
(PESO)
RODOVIÁRIO 3 57,8%
FERROVIÁRIO 13 13,3%
CABOTAGEM 6 28,9%
DESEMPENHO DO LEAD TIME
CUSTO (R$/TON) VETOR W
(PESO)
RODOVIÁRIO 260 28,5%
FERROVIÁRIO 200 37,0%
CABOTAGEM 215 34,5%
DESEMPENHO DO CUSTO
Método AHP
RODOVIÁRIO 35,3% 2°
FERROVIÁRIO 28,5% 3°
CABOTAGEM 36,2% 1º
DESEMPENHO GLOBAL
CUSTO LEAD
TIME
RISCO ESTOQUE
ATRIBUTOS (VETOR W) 46,2% 17,0% 14,3% 22,4%
RODOVIÁRIO 28,5% 57,8% 11,4% 47,5%
FERROVIÁRIO 37,0% 13,3% 40,5% 14,9%
CABOTAGEM 34,5% 28,9% 48,1% 37,5%
MATRIZ DECISÃO
47MÉTODO AHP
A tomada de decisão em grupo é uma ferramenta que possui
um maior grau de complexidade visto que cada membro, ou
indivíduo expõe seus julgamentos de maneira independente. De
acordo com Saaty e Peniwati (2008), todo processo de tomada de
decisão em grupo depende da habilidade de seus membros em
trabalhar de forma unida e, para uma boa decisão, o grupo necessita
ser diversificado e informado.
Duas técnicas de agregação podem ser utilizadas AIJ
(Aggregation of Iindividual Judgements) e AIP (Aggregation of
Iindividual Priorities). Assim, os julgamentos são agregados de
maneira a chegar a um resultado único correspondente ao grupo.
Agrupamento de Julgamentos
48MÉTODO AHP
Para Shimizu (2010), o problema da decisão em grupo resume-se
em combinar os julgamentos individuais para produzir um julgamento
melhorado. Segundo o autor, a diferença principal entre uma atividade em
grupo em relação à atividade individual é a possibilidade de ocorrer à
interação entre os indivíduos de um grupo:
Gerando ideias criativas e planos;
Resolvendo o conflito de poder;
Analisando e negociando os conflitos de objetivos e de pontos de vista;
Assumindo os níveis de risco e incerteza;
Escolhendo a alternativa adequada para a organização;
Executando a tarefa de avaliação.
49MÉTODO AHP
Agrupamento de Julgamentos
A técnica de agregação AIJ, conforme define Forman e
Peniwati (1998), consiste na agregação dos julgamentos individuais
para cada par de comparações. Esta técnica requer a disposição dos
indivíduos de abandonarem suas próprias preferências (valores,
objetivos) em prol da “organização.”
Uma outra técnica de agregação muito utilizada ao lidar com
tomada de decisão em grupo é a técnica de agregação das
prioridades individuais, mais conhecida como AIP. Tal técnica é
apropriada para tomada de decisões em grupo na qual cada
indivíduo possui seus próprios valores, objetivos, opiniões que são
respeitados no decorrer da agregação.
50MÉTODO AHP
Agrupamento de Julgamentos
Para esta técnica Forman e Peniwati (1998) propuseram que
a agregação das prioridades individuais pode ser computada usando
média geométrica ou aritmética de maneira que a escolha não
interfere no vetor de prioridade do grupo, visto que tal técnica não
viola o Princípio do Pareto.
51MÉTODO AHP
Agrupamento de Julgamentos
52MÉTODO AHP
Critérios V-norm
Julgador 1
C1 C2 C3 9,38%
C1 1 1/7 1/2 73,96%
C2 7 1 5 16,66%
C3 2 1/5 19,38%
Agrupamento de Julgamentos- AIJ
Critérios V-norm
Julgador 2
C1 C2 C3 18,65%
C1 1,00 0,20 2,00 68,70%
C2 5,00 1,00 4,00 12,65%
C3 0,50 0,25 1,00 18,65%
Critérios V-norm
Global
C1 C2 C3
C1 1,00 0,17 1,00 13,36%
C2 5,92 1,00 4,47 71,98%
C3 1,00 0,22 1,00 14,66%
CR=
1.20%
CR=
8.10%
CR=
0.75%
53MÉTODO AHP
Critérios V-norm
Julgador 1
C1 C2 C3 9,38%
C1 1 1/7 1/2 73,96%
C2 7 1 5 16,66%
C3 2 1/5 19,38%
Agrupamento de Julgamentos- AIP
Critérios V-norm
Julgador 2
C1 C2 C3
C1 1,00 0,20 2,00 68,70%
C2 5,00 1,00 4,00 12,65%
C3 0,50 0,25 1,00 18,65%
Média G Média A
Auto Vetor
Global
13,23% 14,01%
71,28% 71,33%
14,52% 14,66%
CR=
1.20%
CR=
8.10%
54MÉTODO AHP
REVISÃO DO MÉTODO AHP
55
Selecionar melhor estrutura de TI
Padronização (C1)
Alternativa A Alternativa B Alternativa C
Fig.4. Hierarquia do Problema.
MÉTODO AHP
Satisfação do usuário (C2)
Estratégia (C3)
Alinhamento (C4)
Custo (C5)
Complete os julgamentos e faça os cálculos do auto vetor e do auto
valor, avaliando a coerência dos julgamentos. Lembrando-os que
para uma matriz 5 x 5 o valor de IR= 1,12 e para uma matriz 3 x 3 o
valor de IR= 0,58.
56MÉTODO AHP
C1 C2 C3 C4 C5 A-Nor
C1 1 1/3 1/7 1/5 1/4 4,24%
C2 3 1 1/5 1/4 ½ 8,46%
C3 7 5 1 3 4 47,54%
C4 5 4 1/3 1 4 27,39%
C5 4 2 1/4 1/4 1 12,37%
Total 20 12,33 1,93 4,70 9,75 100,00%
57MÉTODO AHP
C1 A1 A2 A3 A-Vetor A-Nor
A1 1 1/3 5 1,185 27,90%A2 3 1 7 2,758 64,91%A3 1/5 1/7 1 0,3057 7,19%Total 4,2 1,476 13 4,250 100,00%
C2 A1 A2 A3 A-Vetor A-Nor
A1 1 7 1/3 1,326 31,32%A2 1/7 1 1/6 0,288 6,79%A3 3 6 1 2,621 61,89%Total 4,143 14 1,5 4,235 100,00%
58MÉTODO AHP
C3 A1 A2 A3 A-Vetor A-Nor
A1 1 1/2 5 1,357 37,91%A2 2 1 3 1,817 50,76%A3 1/5 1/3 1 0,405 11,33%Total 3,2 1,833 9 3,580 100,00%
C4 A1 A2 A3 A-Vetor A-Nor
A1 1 6 1/3 1,260 29,26%A2 1/6 1 1/7 0,288 6,68%A3 3 7 1 2,759 64,06%Total 4,167 14 1,476 4,307 100,00%
59MÉTODO AHP
C5 A1 A2 A3 A-Vetor A-Nor
A1 1 1/4 5 1,077 24,37%A2 4 1 7 3,037 68,71%A3 1/5 1/7 1 0,306 6,92%Total 5,2 1,393 13 4,420 100,00%
Matriz
de
Decisão C1 C2 C3 C4 C5 Critérios
V.
Decisão
A1 27,90% 31,32% 37,91% 29,26% 24,37% 4,24% 32,88%A2 64,91% 6,79% 50,76% 6,68% 68,71% 8,46% 37,79%A3 7,19% 61,89% 11,33% 64,06% 6,92% 47,54% 29,33%Soma 100% 100% 100% 100% 100% 27,39% 100,00%
12,37%
60MÉTODO AHP
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
0% 20% 40% 60% 80% 100% 120%
PE
RC
EN
TA
GE
M
PESO C2
A1
A2
A3
Peso C2= 8,46%
O método AHP supõe que todos os fatores ou critérios
possuem o mesmo nível de importância, sem utilizar nenhum
método de estrutura de decisão (Shimizu, 2010). Entretanto, em
alguns casos, CUSTO poderia estar condicionado à padronização,
ou alinhamento poderia estar situado em um nível abaixo de
SATISFAÇÃO DO USUÁRIO, dentro da árvore hierárquica.
Desta forma, o método AHP requer um processamento prévio para
avaliar se a estrutura hierárquica usada é adequada.
61MÉTODO AHP
DEMATEL
O método conhecido por DEMATEL (Decision Making Trial andEvaluation Laboratory) foi desenvolvido por uma empresa de consultoria e,destina-se a montar uma estrutura hierárquica baseada em opiniões deespecialistas que estabeleçam:
O nível de relacionamento que um critério i exerce sobre o outrocritério j; e
O nível de relacionamento que um critério j recebe de outro critério i.
62MÉTODO AHP
DEMATEL
1. Passo: Construir a matriz de relacionamento cruzado entre oscritérios A= [aij]=> Construir a matriz A escolhendo um valorde aij que expressa o nível de influência que o elemento i da listaexerce sobre o elemento j, usando os seguintes critérios:
Influência ou relacionamento alto: 8
Influência ou relacionamento médio: 4
Alguma influência ou relacionamento: 2
Influência nula: 0.
Vamos examinar algumas variações da árvore de decisão doexemplo anterior, adotando duas estratégias distintas.
63MÉTODO AHP
DEMATEL
Caso Z1:
Considerar que os fatores PADRONIZAÇÃO C1 e os
ALINHAMENTOS C3 e C4 exercem forte influência (nível 8)
sobre os fatores CUSTOS C5 e SATISFAÇÃO DOS CLIENTES
C2, sendo os demais relacionamentos nulos. Temos a seguinte
matriz A:
64MÉTODO AHP
DEMATEL
C1 C2 C3 C4 C5
C1 0 8 0 0 8
C2 2 0 0 0 0
C3 0 8 0 0 8
C4 0 8 0 0 8
C5 2 2 2 2 0
Caso Z2:
Considerar que o critério CUSTO (C5) exerce forte influência
sobre os outros fatores, enquanto recebe influência média (nível
4) do fator SATISFAÇÃO do USUÁRIO (C2)
65MÉTODO AHP
DEMATEL
C1 C2 C3 C4 C5
C1 0 0 0 0 2
C2 0 0 0 0 4
C3 0 0 0 0 2
C4 0 0 0 0 2
C5 8 2 8 8 0
2. Segundo passo: Construir a matriz de relacionamento direto
D.
D= [dij] = [s.aij] para (s >0 e i, j= 1,2,.....,n).
s=> obtido pela razão { 1/ pelo maior valor da linha ou coluna}.
3. Terceiro passo: Construir a matriz de relacionamento
total: F = (I - D) -1=> Contem todas as influências
diretas e indiretas que fator i exerce e recebe dos
outros critérios e que foram acumuladas durante um
número m (teoricamente infinito) de etapas.
66MÉTODO AHP
DEMATEL
Cálculo, A . A-1= In e A-1 . A = In Desta forma, uma matriz A
possuiu sua inversa (A-1) se e somente se o determinante da
matriz for diferente de zero {det≠ 0}.
Exemplo:
1 13 1
𝒂𝟏𝟏 𝒂𝟏𝟐
𝒂𝟐𝟏 𝒂𝟐𝟐
𝟏 𝟎𝟎 𝟏
a11+a21= 1
a12+a22= 0
3a11+a21= 0
3a12+a22=1
67MÉTODO AHP
REVISÃO INVERSÃO DE MATRIZES
x =
a11+a21=1=> a11= 1-a21 => a11= 1-1,5 => a11= -0,5
a12+a22= 0 => a12= 0-a22 => a11= 1-1,5 => a11= -0,5
3a11+a21= 0=> 3. (1-a21)+a21=0=> 3-3a21 +a21= 0=> a21=−𝟑
−𝟐= 𝟏, 𝟓
3a12+a22=1=> 3(-a22)+a22=1 => -3a22+a22=1 => a22= -𝟏
𝟐
68MÉTODO AHP
REVISÃO INVERSÃO DE MATRIZES
A
1 1
3 1 A-1
-0,5 0,5
1,5 -0,5
1 0
0 1x =
69MÉTODO AHP
DEMATELC1 C2 C3 C4 C5
C1 0 8 0 0 8
C2 2 0 0 0 0
C3 0 8 0 0 8
C4 0 8 0 0 8
C5 2 2 2 2 0
C1 C2 C3 C4 C5
C1
0 0,307 0 0 0,307
C2 0,076 0 0 0 0
C3 0 0,307 0 0 0,307
C4 0 0,307 0 0 0,3072
C5 0,076 0,076 0,076 0,076 0
Maior valor
da linha ou
Coluna= 26
s= 1/26:
Matriz A
Matriz D=
A x S
70MÉTODO AHP
DEMATELC1 C2 C3 C4 C5
C1 1 0 0 0 0
C2 0 1 0 0 0
C3 0 0 1 0 0
C4 0 0 0 1 0
C5 0 0 0 0 1
C1 C2 C3 C4 C5
C1
0 0,307 0 0 0,307
C2 0,076 0 0 0 0
C3 0 0,307 0 0 0,307
C4 0 0,307 0 0 0,3072
C5 0,076 0,076 0,076 0,076 0
Matriz I
Matriz D1=
I -D
71MÉTODO AHP
DEMATELC1 C2 C3 C4 C5
C1 1,000 -0,308 0,000 0,000 -0,308
C2 -0,077 1,000 0,000 0,000 0,000
C3 0,000 -0,308 1,000 0,000 -0,308
C4 0,000 -0,308 0,000 1,000 -0,308
C5 -0,077 -0,077 -0,077 -0,077 1,000
Matriz DI
Matriz F=
(D1)-1
C1 C2 C3 C4 C5 Total Wi
C1 1,054 0,367 0,026 0,026 0,341 0,814 26,36%
C2 0,081 1,028 0,002 0,002 0,026 0,140 4,52%
C3 0,054 0,367 1,026 0,026 0,341 0,814 26,36%
C4 0,054 0,367 0,026 1,026 0,341 0,814 26,36%
C5 0,096 0,164 0,083 0,083 1,081 0,506 16,39%
Soma j 0,340 1,292 0,164 0,164 1,128 3,088
Vi 11,01% 41,84% 5,30% 5,30% 36,54%
Quarto passo: Obter os valores normalizados (Wi eVj);
Wi: Valor normalizado do relacionamento total que o fator i exerce
sobre os outros fatores;
Vj: Valor normalizado do relacionamento total que o fator j recebe
dos outros fatores:
72MÉTODO AHP
DEMATEL
Z1 C1 C2 C3 C4 C5
Wi 26,36% 4,52% 26,36% 26,36% 16,39%
Vj 11,01% 41,84% 5,30% 5,30% 36,54%
C1
C2 C5
C3
C2 C5
C4
C2 C5
73MÉTODO AHP
DEMATELC1 C2 C3 C4 C5
C1 1,000 0,000 0,000 0,000 -0,077
C2 0,000 1,000 0,000 0,000 -0,154
C3 0,000 0,000 1,000 0,000 -0,077
C4 0,000 0,000 0,000 1,000 -0,077
C5 -0,308 -0,077 -0,308 -0,308 1,000
Matriz I
Matriz F=
(I – D) -1
C1 C2 C3 C4 C5 Total Wi
C1 1,026 0,006 0,026 0,026 0,084 0,168 0,083
C2 0,052 1,013 0,052 0,052 0,168 0,335 0,166
C3 0,026 0,006 1,026 0,026 0,084 0,168 0,083
C4 0,026 0,006 0,026 1,026 0,084 0,168 0,083
C5 0,335 0,084 0,335 0,335 1,090 1,181 0,585
Soma j 46,45% 11,61% 46,45% 46,45% 50,97% 2,019
Vj23,00% 5,75% 23,00% 23,00% 25,24%
Quarto passo: Obter os valores normalizados (Wi eVj);
Wi: Valor normalizado do relacionamento total que o fator i exerce
sobre os outros fatores;
Vj: Valor normalizado do relacionamento total que o fator j recebe
dos outros fatores:
74MÉTODO AHP
DEMATEL
Z2 C1 C2 C3 C4 C5
Wi 8,31% 16,61% 8,31% 8,31% 58,47%
Vj 23,00% 5,75% 23,00% 23,00% 25,24%
C5
C1 C3C4
Considerar que o critério (C5) exerce forte influência sobre os
outros fatores, enquanto recebe influência média (nível 4) do
fator (C2) e (C7) e (C8). O fator (C6) exerce alguma influência
entre os demais fatores. Os fatores C7 e C8 exercem influência
média nos fatores (C1, C2, C3, C4, C5 e C6)
75MÉTODO AHP
DEMATEL- EXERCÍCIO
C1 C2 C3 C4 C5 C6 C7 C8
C1 0 0 0 0 2 0 0 0C2 0 0 0 0 4 0 4 4C3 0 0 0 0 2 0 0 0C4 0 0 0 0 2 0 0 0C5 8 2 8 8 0 8 2 2C6 0 2 2 2 2 2 2 2C7 4 4 4 4 4 4 0 2C8 4 4 4 4 4 4 0 2
S= 1/38
76MÉTODO AHP
DEMATEL- EXERCÍCIO
C1 C2 C3 C4 C5 C6 C7 C8
C1 0,000 0,000 0,000 0,000 0,053 0,000 0,000 0,000C2 0,000 0,000 0,000 0,000 0,105 0,000 0,105 0,105C3 0,000 0,000 0,000 0,000 0,053 0,000 0,000 0,000C4 0,000 0,000 0,000 0,000 0,053 0,000 0,000 0,000C5 0,211 0,053 0,211 0,211 0,000 0,211 0,053 0,053C6 0,000 0,053 0,053 0,053 0,053 0,053 0,053 0,053C7 0,105 0,105 0,105 0,105 0,105 0,105 0,000 0,053C8 0,105 0,105 0,105 0,105 0,105 0,105 0,000 0,053
S= 1/38
77MÉTODO AHP
DEMATEL- EXERCÍCIO
C1 C2 C3 C4 C5 C6 C7 C8
C1 1,000C2 1,000C3 1,000C4 1,000C5 1,000C6 1,000C7 1,000C8 1,000
78MÉTODO AHP
DEMATEL- EXERCÍCIO
C1 C2 C3 C4 C5 C6 C7 C8
C1 1,000 0,000 0,000 0,000 -0,053 0,000 0,000 0,000C2 0,000 1,000 0,000 0,000 -0,105 0,000 -0,105 -0,105C3 0,000 0,000 1,000 0,000 -0,053 0,000 0,000 0,000C4 0,000 0,000 0,000 1,000 -0,053 0,000 0,000 0,000C5 -0,211 -0,053 -0,211 -0,211 1,000 -0,211 -0,053 -0,053C6 0,000 -0,053 -0,053 -0,053 -0,053 0,947 -0,053 -0,053C7 -0,105 -0,105 -0,105 -0,105 -0,105 -0,105 1,000 -0,053C8 -0,105 -0,105 -0,105 -0,105 -0,105 -0,105 0,000 0,947
79MÉTODO AHP
DEMATEL- EXERCÍCIO
C1 C2 C3 C4 C5 C6 C7 C8
C1 1,013 0,005 0,014 0,014 0,057 0,014 0,004 0,005C2 0,058 1,038 0,061 0,061 0,149 0,061 0,120 0,134C3 0,013 0,005 1,014 0,014 0,057 0,014 0,004 0,005C4 0,013 0,005 0,014 1,014 0,057 0,014 0,004 0,005C5 0,245 0,088 0,259 0,259 1,081 0,259 0,080 0,089C6 0,035 0,078 0,093 0,093 0,093 1,093 0,071 0,078C7 0,153 0,135 0,162 0,162 0,166 0,162 1,031 0,091C8 0,153 0,135 0,162 0,162 0,166 0,162 0,031 1,091
80MÉTODO AHP
DEMATEL- EXERCÍCIO
C1 C2 C3 C4 C5 C6 C7 C8
Wi 2,40% 13,20% 2,40% 2,40% 26,30% 12,26%20,52% 20,52%
Vj 13,22% 9,45% 15,03% 15,03% 15,96% 15,03%6,70% 9,59%
C5-C7-C8
C1C3 C4
C6
C2
81MÉTODO AHP
Referências Bibliográficas
82
AGUARÓN, J., ESCOBAR, M.T., MORENO-JIMÉNEZ, J.M. A note on AHP group consistency for
the row geometric mean priorization procedure. European Journal of Operational Research 153, 318–
322,2004.
FORMAN, E., PENIWATI, K. Aggregating individual judgements and priorities with the analytic
hierarchy process. European Journal of Operational Research 108, 165–169, 2008.
GARUTI, C. Measuring compatibility (closeness) in weighted environments: when close really means
close? In: INTERNATIONAL SYMPOSIUM ON THE ANALYTIC HIERARCHY PROCESS, 9., 2007,
Viña del Mar. Proceedings... Viña del Mar: Fulcrum Ingeniera, 2007. 1 CD-ROM.
HO, W. Integrated analytic hierarchy process and its applications – A literature review. European Journal
of Operational Research 186 (2008) 211–228, 2007.
KUEHN, W. Digital Factory- Integration of Simulation Enhancing the Product and Production Process
Towards Operative Control and Optimisation. International Journal of Simulation, vol. 7, n. 7, oct. 2006.
MARINS, F. A. .S.; PEREIRA, M,D.S.; BELDERRAIN, M. C. N.; URBINA, L. G. M. Tomada de
decisão com múltiplos critérios. Editora Edgar Blucher, 2010.
MARTEL, J. M.; MATARAZZO, B. Other outranking approaches. In: FIGUEIRA, J.; GRECO, S.;
EHRGOTT, M. (Eds.) Multiple Criteria Decision Analysis. New York: Springer, p. 197-262, 2005.
MILLER, E. Marrying product and process design: digital manufacturing, a critical element of PLM, ensures
that shops stay competitive and profitable (software systems). American Machinist, oct. 2005.
MÉTODO AHP
Referências Bibliográficas
83
SAATY, T. L. A scaling method for priorities in hierarchical structures. Journal of Mathematical
Psychology. v. 15, p. 234-281, 1977.
SAATY, T. L. Fundamentals of the Analytic Network Process- Multiple Networks with Benefits, Costs,
Opportunities and Risk . Journal of System Science and Systems Enginnering, . v. 13, p. 348-379, 2004.
SAATY, T.L. Multicriteria Decision Making: The Analytic Hierarchy Process. McGraw-Hill, New York(2nd
impr. 1990, RSW Publishing, Pittsburgh),1980.
SAATY, T. L. Theory and Applications of the Analytic Network Process: decision making with benefits,
opportunities, costs, and risks. Pittsburgh: RWS, 2005.
SAATY, T. L.; PENIWATI, K. Group Decision Making: Drawing out and Reconciling Differences.
Pittsburgh (USA). RWS, 2008.
SALOMON, V. A. P. Desempenho da Modelagem do Auxílio à Decisão por Múltiplos Critérios na Análise
do Planejamento e Controle da Produção. Tese (Doutor em Engenharia) – São Paulo: USP, 2004.
SHIMIZU, T. Decisão nas Organizações. 2a. edição. São Paulo: Editora Atlas S. A., 419p. , 2010.
WAURZYNIAK, P. Enter the Virtual World. Manufacturing Engineering. ABI/INFORM Global, p.67, oct,
2007.
MÉTODO AHP