Uma Abordagem Multicritério para Seleção de Ferramenta de Business Intelligence

Transcrição

1 FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA DISSERTAÇÃO DE MESTRADO PROFISSIONALIZANTE EM ADMINISTRAÇÃO Uma Abordagem Multicritério para Seleção de Ferramenta de Business Intelligence Bernardo Barbosa Chaves Woitowicz ORIENTADOR: Prof. Dr. Luiz Flávio Autran Monteiro Gomes Rio de Janeiro, 24 de agosto de 2009

2 UMA ABORDAGEM MULTICRITÉRIO PARA SELEÇÃO DE FERRAMENTA DE BUSINESS INTELLIGENCE BERNARDO BARBOSA CHAVES WOITOWICZ Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Administração Geral ORIENTADOR: Prof. Dr. Luiz Flávio Autran Monteiro Gomes Rio de Janeiro, 24 de agosto de 2009

3 UMA ABORDAGEM MULTICRITÉRIO PARA SELEÇÃO DE FERRAMENTA DE BUSINESS INTELLIGENCE BERNARDO BARBOSA CHAVES WOITOWICZ Dissertação apresentada ao curso de Mestrado Profissionalizante em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Administração Geral Avaliação: BANCA EXAMINADORA: Professor Dr. Luiz Flávio Autran Monteiro Gomes (orientador) Instituição: Faculdades IBMEC IBMEC RJ Professor Dr. Valter de Assis Moreno Junior Instituição: Faculdades IBMEC IBMEC RJ Professor Dr. Hugo Fuks Instituição: Pontifícia Universidade Católica do Rio de Janeiro PUC RJ Rio de Janeiro, 24 de agosto de 2009

4 FICHA CATALOGRÁFICA W847 Woitowicz, Bernardo Barbosa Chaves. Uma abordagem multicritério para seleção de ferramenta de Business Intelligence / Bernardo Barbosa Chaves Woitowicz - Rio de Janeiro: Faculdades Ibmec, Dissertação de Mestrado Profissionalizante apresentada ao Programa de Pós-Graduação em Administração das Faculdades Ibmec, como requisito parcial necessário para a obtenção do título de Mestre em Administração. Área de concentração: Administração geral. 1. Administração Tomada de decisão - Técnicas. 2. Apoio à decisão Teoria da Utilidade Multiatributo (MAUT). 3. Análise multicritério (Método Swing Weighting). 4. Negócios inteligentes (Business Intelligence BI).

5 DEDICATÓRIA À minha família que com seus valores e compreensão sempre me nortearam em busca do crescimento pessoal e profissional. Em especial à minha esposa Aline com seu apoio incondicional nos momentos mais difíceis. v

6 AGRADECIMENTOS Aos professores do Mestrado Profissionalizante em Administração do IBMEC que colaboraram diretamente na minha formação acadêmica e no meu crescimento profissional. Em especial ao Professor Dr. Luiz Flávio Autran Monteiro Gomes pelas orientações e estímulos durante todo o desenvolvimento deste trabalho, contribuindo significativamente no meu amadurecimento como aluno e pesquisador. vi

7 RESUMO Esta dissertação tem como objetivo demonstrar a aplicação da Teoria da Utilidade Multiatributo (MAUT) em um processo de seleção de ferramenta para um projeto de Business Intelligence em uma empresa multinacional diversificada nos seguintes ramos: seguros, previdência privada, capitalização, fundos de pensão e gestão de recursos financeiros. Com a aplicação do método fica evidenciada a importância de um procedimento formal para ajudar os decisores nas escolhas, contribuindo com uma maior clareza e um alto aprendizado em todo o processo. O processo de definição dos pesos foi embasado na técnica Swing Weighting, a qual necessita de uma forte interação com os decisores para a correta atribuição dos pesos em todos os critérios a serem analisados. Palavras Chave: Business Intelligence MAUT Swing Weighting Análise Multicritério vii

8 ABSTRACT This thesis aims to demonstrate the application of the Theory of Utility Multiattribute (MAUT) in a process of selection of BI tool for a project in a diversified multinational company in the following areas: insurance, private provident, capitalization, pension funds and management of financial resources. With the application of the method is highlighted the importance of a formal procedure to assist decision makers in choices, contributing to greater clarity and a high learning in the process. The process of defining the weights was based on technical Swing Weighting, which needs a strong interaction with the decision to correct the allocation of weights in all criteria to be analyzed Key Words: Business Intelligence MAUT Swing Weighting Multicriteria Analysis viii

9 LISTA DE FIGURAS Figura 1 Fluxo da Tomada de Decisão, adaptado de CLEMEN e REILLY (2001) Figura 2 Gráfico das Três Melhores Ferramentas Analisadas Sob Todas as Perspectivas ix

10 LISTA DE TABELAS Tabela 1 Métodos da Família Electre (GOMES, ARAYA e CARIGNANO, 2004) Tabela 2 Resumo dos Métodos Prométhée (MORAIS e ALMEIDA, 2006) Tabela 3 Exemplo de Aplicação da Técnica SMART Tabela 4 Exemplo de Aplicação da Técnica SMARTER Tabela 5 Exemplo de Aplicação da Técnica Swing Weighting Tabela 6 Critérios para Avaliação Tabela 7 Notas do Critério 4 Relatórios e Gráficos - Sub-Critério 4.1 Funções Tabela 8 Notas e Pesos do Sub-Critério Dashboards Tabela 9 Notas e Pesos dos Critérios e Sub-Critérios: 1 - Plataforma Tabela 10 Notas e Pesos dos Critérios e Sub-Critérios: 2 Características Básicas Tabela 11 Notas e Pesos dos Critérios e Sub-Critérios: 3 Funcionalidades Web Tabela 12 Notas e Pesos dos Critérios e Sub-Critérios: 4 Relatórios e Gráficos Tabela 13 Notas e Pesos dos Critérios e Sub-Critérios: 5 Mineração de Dados Tabela 14 Notas e Pesos dos Critérios e Sub-Critérios: 6 Simulação de Cenários Tabela 15 Notas e Pesos dos Critérios e Sub-Critérios: 7 Política de Segurança Tabela 16 Notas e Pesos dos Critérios e Sub-Critérios: 8 Capacity Planning Tabela 17 Notas e Pesos dos Critérios e Sub-Critérios: 9 Plano de Recovery Tabela 18 Notas e Pesos dos Critérios e Sub-Critérios: 10 Ferramentas de Planejamento 44 Tabela 19 Notas e Pesos de Todos os Critérios Tabela 20 Notas do Critério 6 Simulação de Cenários Tabela 21 Pesos dos Sub-Critérios do Critério 6 Simulação de Cenários Tabela 22 Nota de Todos os Fornecedores para o Critério 6 Simulação de Cenários Tabela 23 Notas Calculadas a partir dos Sub-Critérios de Todos os Fornecedores Tabela 24 Notas Finais de Todos os Fornecedores por Critério x

11 LISTA DE ABREVIATURAS AHP ANP BI Electre ERP MACBETH MAUT ORCLASS PACOM Prométhée RFI SMART SMARTER TI TODIM VDA Analytic Hierarchy Process Analytic Network Process Business Intelligence Elimination et Choix Traduisant la Réalité Enterprise Resource Planning Measuring Attractiveness by Categorical Based Evolution Technique Teoria da Utilidade Multiatributo (Multiattribute Utility Theory) Ordinal Classification Paired Compensation Preference Ranking Organization Method for Enrichment Evaluations Request for Information Simple Multi-Attribute Rating Technique Simple Multi-Attribute Rating Technique Exploiting Ranks Tecnologia da Informação Tomada de Decisão Interativa Multicritério Verbal Decision Analysis xi

12 SUMÁRIO 1 INTRODUÇÃO Business Intelligence Objetivo do Estudo Relevância do Tema REFERENCIAL TEÓRICO Introdução Problemas Multicritério Métodos da Escola Americana Métodos da Escola Francesa Outros Métodos Multicritério Justificativa da Escolha do Método Método MAUT Técnicas de Atribuição de Pesos METODOLOGIA Introdução Tratamento dos Dados Atribuição dos Pesos Aplicação do Método Análise de Sensibilidade LIMITAÇÃO PESQUISAS FUTURAS xii

13 6 CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICE A GLOSSÁRIO xiii

14 1 Introdução 1.1 Business Intelligence A internet é um conjunto poderoso de ferramentas que podem ser utilizadas em praticamente todas as indústrias e como parte de praticamente qualquer estratégia (PORTER, 2001). Dentre as diversas vantagens trazidas pela Internet, uma das principais é a facilidade na obtenção de informações. Graças à rede, as empresas coletam milhares de dados relacionados aos seus negócios. No entanto, essa avalanche de dados causou um problema: como extrair dessa pilha de dados, as informações realmente úteis para o desenvolvimento do negócio e como analisá-las. Segundo LOSHIN (2003), no últimos anos a habilidade para criar, coletar e armazenar informação ultrapassou a nossa capacidade de fazer uso significativo destas informações. As empresas estão precisando manipular dados na faixa dos terabytes e petabytes. Concomitantemente, aumentou também a necessidade de análises mais sofisticadas e de síntese mais rápida de informações de melhor qualidade (SINGH, 2001). 1

15 Essa crescente inundação de informações dificulta o processo de tomada de decisão, na medida em que a alta e média gerência se sentem impotentes no processo de busca e recuperação de informações (BARBIERI, 2001). Os mercados atuais são mais competitivos e dinâmicos. O sucesso ou fracasso das empresas depende da velocidade e sofisticação de seus Sistemas de Informação e de sua habilidade em analisar e sintetizar informações (SINGH, 2001). Nos dias atuais, o grande diferencial está na qualidade e na velocidade com que as informações chegam às mãos dos profissionais que decidem (SERRA, 2002). Surgindo como solução para este problema contextualizado, aonde se obtém com extrema facilidade dados mas não informação relevante e de forma eficaz, os sistemas de Business Intelligence (BI) se apresentam como alternativa. BI é um grupo de aplicações projetado para organizar e estruturar os dados de transação de uma empresa, de forma que possam ser analisados a fim de beneficiar as operações e o suporte às decisões da empresa (KALAKOTA e ROBINSON, 2002). SHARIAT e HIGHTOWER (2007) complementam esta afirmação dizendo que o objetivo do BI é fornecer suporte estratégico, tático e operacional necessário ao processo de tomada de decisão. Outro grande diferencial é a facilidade com que qualquer profissional de uma empresa, seja ele jornalista, médico ou engenheiro, pode fazer consultas ao banco de dados e gerar relatórios sem a necessidade de conhecimentos de programação (KALAKOTA e ROBINSON 2002). 2

16 Portanto, o conceito de Business Intelligence pode ser entendido, em uma de suas vertentes, como diretamente relacionado ao apoio e subsídio aos processos de tomada de decisão (COOPER et al., 2000) baseado em dados trabalhados especificamente para a busca de vantagem competitiva (BARBIERI, 2001). Segundo PORTER (2001), as soluções de TI permitem às empresas a obtenção de vantagem competitiva. Com o apoio dos profissionais de TI e consultores externos, as empresas deveriam utilizar a tecnologia de forma estratégica para reforçar o serviço, aumentar a eficiência e alavancar os pontos fortes existentes (PORTER, 2001). A TI altera suas operações, seus produtos e serviços, seus relacionamentos com parceiros, mercados e concorrentes (SERRA, 2002). Outros autores defendem esta visão da tecnologia da informação voltada mais para a estratégia da empresa. HENDERSON e VENKATRAMAN (1999) afirmaram que em vários países e mercados, a área de TI estava deixando de ser uma área de back-office e cada vez mais assumindo um papel estratégico, não só para dar suporte as estratégias de negócio, mas também para moldar as estratégias nas empresas. LAURINDO e ROTONDARO (2008) corroboram esta afirmação, dizendo que a TI evoluiu de uma orientação operacional de suporte administrativo para um papel mais estratégico dentro da organização Com a utilização de uma arquitetura de BI, muitas empresas estão obtendo vantagem competitiva (BARBIERI, 2001), pois este, influencia diretamente os processos estratégicos da organização. Permitindo com isso, uma maior fidelização dos clientes, visão de mercados 3

17 promissores, melhora na qualidade dos produtos e processos empresariais, além é claro, de permitir avanço contínuo nos lucros. Em resumo, Business Intelligence (BI) é uma arquitetura com capacidade de extrair e integrar informações de diferentes bancos de dados, possibilitando a interpretação de forma contextualizada, trabalha com hipóteses e procura relações de causa e efeito, transformando os dados brutos em informações estratégicas (SERRA, 2002), fundamenta o processo decisório da organização e disponibiliza conteúdo relevante para atuação da empresa. Além de ser flexível o suficiente para propiciar isso, a todos os profissionais da empresa. 1.2 Objetivo do Estudo A Wicz é uma empresa multinacional que atua em diversos ramos: seguros de vida, previdência privada, títulos de capitalização, administração de recursos e fundos de pensão. A empresa foi criada em 1991, sendo a primeira seguradora especializada em seguros de vida e planos de previdência complementar no Brasil. Somente em 1995 a empresa entrou no mercado de títulos de capitalização. Em 1996 ocorreu a fusão com um grupo americano, permitindo maior visibilidade e confiabilidade para a então multinacional Wicz. Atualmente a empresa está entre as dez maiores seguradoras do mercado. Cada ramo de negócio de atuação da Wicz possui um vasto leque de especificidades, por isso não existe um sistema ERP (Enterprise Resource Planning) que integre todas estas áreas. Por vários anos um projeto para a criação de um sistema integrado foi financiado pela empresa, porém sem sucesso devido à natureza dos negócios envolvidos. 4

18 Cada área de negócio de empresa possui uma arquitetura proprietária, dificultando a consolidação das informações. A inexistência de um sistema integrado impacta na geração de relatórios analíticos, prejudicando as análises dos gestores, por não terem as informações ou por não estarem disponíveis no tempo necessário. Existe também o impacto na área de Tecnologia da Informação com a sobrecarga de trabalho devido ao excesso de demanda de relatórios provenientes das áreas usuárias. Com este contexto totalmente desfavorável em relação à quantidade e confiabilidade das informações disponíveis, a empresa optou pela contratação de uma consultoria especializada em BI, para fazer o levantamento das necessidades da Wicz e conduzir o processo de escolha da ferramenta de Business Intelligence a ser adquirida pela organização. Por determinação da empresa só serão avaliadas as principais ferramentas de Business Intelligence do mercado. Após uma análise do comitê responsável pelo processo de seleção, determinou-se que somente as ferramentas da Business Objects, Cognos, Oracle BI Enterprise Edition, Oracle Discoverer e MicroStrategy seriam avaliadas. Esta pesquisa tem como principal objetivo a utilização de um método de análise multicritério para o processo de seleção de ferramenta de BI a ser conduzido por uma consultoria especializada na empresa Wicz, tornando o processo mais racional e transparente. Com isso a consultoria torna o processo de seleção imparcial e fidedigno, pois as informações serão disponibilizadas de maneira clara e fundamentada em uma metodologia cientifica. 5

19 1.3 Relevância do Tema A atividade de tomada de decisão é extremamente importante para nossa vida pessoal e para o sucesso das organizações (BROWN, 2005). O processo de tomada de decisão nas organizações é complexo e envolve uma análise sob diferentes aspectos (CLEMEN e REILLY, 2001; ZOPOUNIDIS e DOUMPOS, 2002). Frequentemente no processo decisório, segundo ROY (2005), se torna necessário levar em consideração diferentes pontos de vista, por exemplo, finanças, recursos humanos, aspectos ambientais, atrasos, segurança, qualidade, ética e etc. Estudos decorrentes da teoria da decisão sugerem que más decisões muitas vezes ocorrem devido ao fato das alternativas não estarem claramente definidas, a informação correta não estar disponível ou os custos e benefícios não estarem adequadamente ponderados, além das distorções no processo cognitivo inerentes aos seres humanos (HAMMOND, KEENEY e RAIFFA, 1998). Embora se possa pensar que as decisões sejam tomadas de forma racional, não é sempre assim (BROWN, 2005). Por tudo isso, a abordagem da análise de decisão pode beneficiar importantes avaliações sob incertezas (ROWE e LUECKE, 2006), já que a intuição humana é pobre em processar probabilidades e lidar com detalhes (SCHUYLER, 2001). Uma decisão pode ser difícil, devido a sua complexidade intrínseca, devido às incertezas inerentes à situação, devido à necessidade de atender a múltiplos objetivos, que nem sempre apontam para a mesma direção e, finalmente, um problema pode ser altamente 6

20 sensível à mudança em um parâmetro ou a utilização de diferentes perspectivas pode levar a conclusões diversas (CLEMEN e REILLY, 2001). Além disso, segundo BROWN (2005), não existem decisores que sejam completamente racionais, que façam ótimas escolhas sem auxílio, baseadas exclusivamente no que eles conheçam e sintam, que cheguem sozinhos às mesmas conclusões que chegariam seguindo uma lógica rigorosa. E vários são os critérios que podem se tornar necessários para uma escolha final entre diferentes alternativas, o que exige o desenvolvimento e a aplicação de metodologias que permitam ao decisor ponderar com eficiência os diferentes critérios usados na tomada de decisão (GOMES, ARAYA e CARIGNANO, 2004). A motivação para perseguirmos uma tomada de decisão racional envolve: a melhoria na qualidade da decisão, a transparência do processo como um todo e sua disponibilidade para posterior análise que, se tornada pública, desencoraja a tomada de decisão sob condições suspeitas (BROWN, 2005). Essa prática fornece uma base sólida para se formar melhores agentes de decisão, por conter elementos de entendimento comum as pessoas que decidem tais como objetivos, conseqüências e barganhas, incluindo procedimentos que facilitam a implementação desses conceitos de uma forma lógica transparente e organizada (KEENEY, 2004). A grande contribuição deste trabalho é apresentar a utilização de uma metodologia de apoio multicritério à decisão, explicitando e comprovando as principais vantagens e desvantagens na adoção destas no contexto empresarial. Além de corroborar os benefícios apresentados por outros autores e demonstrar a versatilidade dos métodos multicritério. 7

21 Outra contribuição se deve ao caráter intuitivo proporcionado pela aplicação do método e a apresentação formal com exemplos práticos, permitindo maior familiarização dos métodos de apoio multicritério aos decisores em geral. FIGUEIRA et al. (2005) afirmam que existe um vínculo muito forte e vital entre teóricos e desenvolvimentos metodológicos, por um lado, e as aplicações reais em outro. Assim segundo este autor, a validade dos desenvolvimentos teóricos e metodológicos só pode ser medida em função da utilização prática no mundo real. Segundo GOMES, ARAYA e CARIGNANO (2004) a aplicação dos métodos de apoio multicritério de maneira natural, desmistificam qualquer complexidade que possa existir na visão do usuário final quanto à aplicação prática destas metodologias. Outra importante contribuição deste trabalho são as referências bibliográficas adquiridas no estudo exaustivo de livros e artigos científicos. Ao utilizar estas referências o autor permite que outros trabalhos possam ser produzidos a partir desta dissertação, recomendando autores consagrados e indicando possíveis fontes para aprofundamentos teóricos. Este estudo permite ainda, o confronto na utilização de diferentes métodos para resolução de problemas multicritério nas organizações, com o intuito de propiciar maior conhecimento sobre os mesmos e facilitar futuras escolhas. Com isso, os pesquisadores e analistas de decisões em geral se capacitam com a ampliação do conhecimento adquirido, permitindo escolhas mais adequadas quando for necessária a opção por um método específico. 8

22 2 Referencial Teórico 2.1 Introdução A partir de década de 70, começaram a surgir os primeiros métodos de apoio ou auxílio multicritério à decisão, com o intuito de enfrentar situações específicas, nas quais um decisor, atuando com racionalidade, deveria resolver um problema em que vários eram os objetivos a serem alcançados de forma simultânea (GOMES, ARAYA e CARIGNANO, 2004). Estes fazem parte de uma disciplina que engloba vários métodos, técnicas e atitudes no sentido de orientar o processo de tomada de decisão sob incerteza (NEWENDORP e SCHUYLER, 2000). MALCZEWSKI (1999) afirma que as decisões são necessárias quando uma oportunidade ou problema existe, ou quando algo não é o que deveria ser ou ainda quando existe uma oportunidade de melhoria. As decisões estão presentes quando se seleciona um candidato para trabalhar em uma empresa, quando se opta pela compra de um carro novo, ou ainda a escolha de um curso ou de uma faculdade. A pesquisa operacional sugere lidar com o problema de decisão da seguinte forma: primeiro definir uma função objetivo, ou seja, um único ponto de vista representando a 9

23 preferência das ações consideradas, depois minimizar ou maximizar este objetivo (FIGUEIRA et al., 2005). Diferentemente de uma análise em que se busca a maximização ou minimização de um único parâmetro, como ocorre na pesquisa operacional tradicional, o apoio multicritério à decisão visa uma solução de compromisso, onde deve prevalecer o consenso entre as partes envolvidas (GOMES, GOMES e ALMEIDA, 2006). Em síntese, os métodos de apoio à decisão visam estruturar o problema, permitindo a compreensão precisa de sua natureza, geram cursos alternativos de ação e identificam objetivos importantes e critérios de compensações, propiciando recomendações consistentes em todo o processo decisório (CLEMEN e REILLY, 2001). Os componentes básicos dos métodos de apoio à decisão são: um conjunto finito ou infinito de ações (alternativas, soluções, cursos de ação e etc), pelo menos dois critérios, e, obviamente, pelo menos um decisor (FIGUEIRA et al., 2005). Os métodos de apoio multicritério auxiliam o decisor na tomada de decisão, onde o decisor pode ser um indivíduo ou um grupo de indivíduos (CLEMEN e REILLY, 2001) e a decisão é o processo que leva direta ou indiretamente à escolha de, ao menos, uma dentre diferentes alternativas, todas estas candidatas a resolver determinado problema (GOMES, 2007). A alternativa é uma das possibilidades que compõem o objeto da decisão, é qualificada como potencial quando existe algum interesse no âmbito do processo decisório ou quando esta pode ser implementada, e pode ser identificada no início ou no decorrer do processo (ROY, 2005). Ainda segundo este autor, estas alternativas têm suas performances avaliadas a partir de critérios, pois estes são instrumentos construídos para avaliar e comparar as potenciais ações. TRIANTAPHYLLOU (2000) afirma que os critérios representam diferentes 10

24 dimensões das alternativas, ou seja, uma forma julgar uma escolha ou ação melhor do que outra (BELTON e STEWART, 2002). ROY e BOUYSSOU (1993) definem o apoio multicritério à decisão como sendo a atividade do analista de decisão que, calcado em modelos claramente explicitados, mas não necessariamente formalizados, ajuda na obtenção de elementos de resposta às questões de um agente de decisão ao longo do processo decisório. Portanto, o apoio multicritério à decisão é uma abordagem prescritiva projetada para pessoas com inteligência normal pensarem de forma sistemática sobre problemas reais e é composta por um conjunto de axiomas e procedimentos sistemáticos, de modo a tratar de forma responsável a complexidade embutida nos problemas de decisão (KEENEY e RAIFFA, 1999). Os métodos de apoio à decisão visam organizar e estruturar o processo decisório, aumentando a coerência entre os valores subjacentes aos objetivos e metas, e a decisão final ROY (2005). E estes contribuem para a tomada de decisão, sobretudo em termos de escolha, classificação ou triagem de alternativas (FIGUEIRA et al., 2005). BOUYSSOU et al. (2002) e WALLENIUS et al. (2008) enfatizam a necessidade de analisarmos a decisão como um processo e não de forma pontual como um decreto. HAMMOND, KEENEY e RAIFFA (2004) afirmam que um processo de decisão eficaz começa com a concentração naquilo que é efetivamente importante no processo decisório, que deve ser lógico e coerente, contemplando fatores objetivos e subjetivos, misturando raciocínio analítico e intuição. 11

25 CLEMEN e REILLY (2001) afirmam que a análise nas decisões provê estrutura e orientação para o pensamento sistemático sobre as decisões e sugerem sete passos para o processo de tomada de decisão, conforme apresentado no fluxo abaixo: Identificar a Situação de Decisão e Compreender os Objetivos Identificar as Alternativas Decompor e Modelar o Problema: 1 Modelar a Estrutura 2 Modelar Incertezas 3 Modelar Preferências Escolher a Melhor Alternativa Análise de Sensibilidade Necessidade de Análise Adicional Sim Não Implementar Solução Figura 1 Fluxo da Tomada de Decisão, adaptado de CLEMEN e REILLY (2001) 12

26 De acordo com BOUYSSOU (1993), com uma abordagem multicritério em um processo de tomada de decisão complexo, obtém-se as seguintes vantagens: a constituição de uma base para o diálogo entre os diferentes agentes de decisão (interventores), a possibilidade concreta de se trabalhar com subjetividades e incorporar incertezas e imprecisões, além da visualização de cada solução potencial satisfatória como compromisso entre os diferentes pontos de vista em conflito. NEWENDORP e SCHUYLER (2000) citam outras vantagens do método de análise de decisão: permitir que se considerem explicitamente os possíveis resultados, possibilitar o realce dos fatores chave, facilitar a comparação de projetos com riscos diferentes, explicitar os julgamentos sobre risco e tomar decisões que envolvam investimentos complexos. De acordo com ZOPOUNIDIS (1999), os métodos multicritério facilitam a estruturação de problemas complexos, permitem a utilização de critérios qualitativos e quantitativos na avaliação das alternativas no processo decisório, além de serem científicos, flexíveis, sofisticados e realistas. ZOPOUNIDIS e DOUMPOS (2002) afirmam que o benefício mais importante destes métodos é propiciar a participação ativa dos decisores, apoiando e suportando o mesmo na compreensão das especificidades encontradas nos problemas do mundo real. 13

27 2.2 Problemas Multicritério De acordo com ROY (2005), existem quatro tipos de problemas de apoio à decisão, estes não são independentes, pois um problema de ordenação de alternativas (Pγ) pode servir como base para a resolução de problemas de seleção da melhor alternativa (Pα): Problema Pα: o objetivo é selecionar uma única alternativa em um pequeno grupo de boas alternativas ou selecionar um pequeno grupo de alternativas satisfatórias; Problema Pβ: o objetivo é aceitar alternativas que parecem boas e descartar as que parecem ruins, ou seja, realizar uma classificação das alternativas. A atribuição de uma categoria (i, ii, iii ou iv) para cada alternativa, permite a distinção entre ações plenamente justificáveis (i), aconselhadas após pequenas modificações (ii), aconselhadas após alterações importantes (iii) ou desaconselháveis (iv); Problema Pγ: o objetivo é gerar uma ordenação completa ou parcial das alternativas; Problema Pδ: o objetivo é realizar uma descrição das alternativas; Os algoritmos multicritério podem ser classificados de acordo com a teoria em que se baseiam, sendo as escolas Americana e Francesa os dois mais importantes agrupamentos de métodos analíticos (GELDERMANN e RENTZ, 2000). 14

28 2.3 Métodos da Escola Americana A escola Americana é definida como critério único de síntese e exclui o estado de incomparabilidade (DIAS, COSTA e CLÍMACO, 1996), sendo possível a indicação do posicionamento global de cada alternativa (GOMES, GOMES e ALMEIDA, 2006). A escola assume que todos os estados são comparáveis e que existe a transitividade nas relações de preferência (KEENEY e RAIFFA, 1999). Portanto, os métodos desta escola não permitem que as alternativas sejam incomparáveis e se A é preferível a B e B é preferível a C, então A é preferível a C. Os principais métodos desta escola são: AHP, MACBETH e MAUT (FIGUEIRA et al., 2005). O método AHP (Analytic Hierarchy Process), desenvolvido por SAATY (1991), foi um dos primeiros métodos voltados para o ambiente de decisão multicritério e talvez o mais utilizado hoje em todo o mundo (MACHADO, GOMES e CHAUVEL, 2003). O método AHP decompõe um problema multicritério complexo em um sistema de hierarquia de objetivos, seu principal objetivo é gerar uma matriz com a importância relativa das alternativas em cada critério (TRIANTAPHYLLOU, 2000). Este método utiliza as comparações par a par através do julgamento de experts para mensuração de critérios qualitativos e intangíveis (SAATY, 2005; FIGUEIRA et al., 2005). 15

29 O método ANP (Analytic Network Process) é uma generalização das hierarquias para redes com dependência e feedback, sua estrutura básica é composta por redes e as prioridades são estabelecidas através da comparação par a par e do julgamento, assim como no método AHP (SAATY, 2005). O ANP identifica o resultado da dependência e do feedback dentro e entre os agrupamentos de elementos (FIGUEIRA et al., 2005). Outro método da escola Americana é o MACBETH (Measuring Attrativeness by a Categorical Based Evaluation Technique), este foi criado pelo pesquisador lusitano Carlos António Bana e Costa, com o apoio do seu colega belga Jean-Claude Vansnick (BANA e COSTA E VANSNICK, 2000), sendo posteriormente agregado à equipe Jean-Marie De Corte (BANA e COSTA et al., 2003). Este método é baseado no modelo de utilidade aditiva (FIGUEIRA et al., 2005). O MACBETH é uma abordagem que necessita somente de julgamentos qualitativos sobre as diferenças de valor e ajuda o decisor (pode ser indivíduo ou grupo de indivíduos) a quantificar a atratividade relativa entre as opções (BANA e COSTA et al., 2005). Em síntese, o método MACBETH visa construir uma escala de intervalos de preferência sobre um conjunto de ações, sem a necessidade de representação numérica destas preferências (FIGUEIRA et al., 2005), ou seja, através do julgamento qualitativo mede-se a diferença de atratividade entre as alternativas (BANA e COSTA et al., 2005). A Teoria da Utilidade Multiatributo, referida frequentemente por MAUT (Multiattribute Utility Theory), também pertence à escola Americana, foi introduzida por KEENEY e RAIFFA (1999) e incorpora à teoria da utilidade a questão do tratamento de 16

30 problemas com múltiplos objetivos (GOMES, GOMES e ALMEIDA, 2006; ZOPOUNIDIS e DOUMPOS, 2002). O método MAUT é a abordagem mais utilizada para resolução de problemas de alternativas discretas (WALLENIUS et al., 2008). Sua forte fundamentação teórica tem sido um dos pilares do desenvolvimento dos métodos multicritério e suas aplicações práticas (ZOPOUNIDIS e DOUMPOS, 2002). De acordo com BELTON e STEWART (2002), a intenção deste método analítico é a associação de um valor a cada alternativa, produzindo-se uma ordem de preferência entre as alternativas de modo consistente com os julgamentos de valor do decisor. Estes julgamentos são representados em uma função de utilidade (ZOPOUNIDIS e DOUMPOS, 2002). Em síntese, o método MAUT consiste em calcular uma utilidade, expressa por uma nota ou pontuação, para cada objetivo (ou critério) e depois essas utilidades são somadas, em particular no caso em que se emprega a modelagem pela função de utilidade aditiva, ponderando apropriadamente os critérios, de acordo com sua respectiva importância em relação aos demais (CLEMEN e REILLY, 2001; MUSTAJOKI, HAMALAINEN e LINDSTEDT, 2006). O objetivo dos decisores no método MAUT é maximizar o valor de utilidade (WALLENIUS et al., 2008), sendo que a pontuação baixa em um critério pode ser compensada por um valor maior em outro critério (LINKOV et al., 2006). 17

31 2.4 Métodos da Escola Francesa A escola Francesa é composta por métodos que se baseiam na comparação par a par e na relação binária de superação entre as alternativas, onde A supera B, se e somente se, A é pelo menos tão boa quanto B (FIGUEIRA et al., 2005; ZOPOUNIDIS e DOUMPOS, 2002). Ao contrário da escola Americana, a escola Francesa aceita a incomparabilidade entre alternativas (DIAS, COSTA e CLÍMACO, 1996), permitindo ao decisor confrontar-se com uma das quatro situações abaixo (ROY e BOUYSSOU, 1993): Uma alternativa é preferida a outra com preferência forte; Uma alternativa é preferida a outra com preferência fraca; Uma alternativa é indiferente a outra; Uma alternativa é incomparável a outra; Portanto, os métodos da escola Francesa utilizam comparações paritárias e pressupõem subordinação entre as alternativas, ou seja, estes métodos baseiam-se na relação de superação ou dominância. Os principais métodos desta escola são: Electre e Prométhée (FIGUEIRA et al., 2005). O primeiro método da família Electre (Elimination et Choix Traduisant la Réalité) foi proposto por ROY (1968). O conceito básico desta família de métodos é a utilização das relações de superação nas comparações par a par das alternativas (TRIANTAPHYLLOU, 2000). 18

32 Os métodos Electre são compostos pela relação de superação (outranking) entre as alternativas e o procedimento de exploração, sendo este utilizado para fazer recomendações (dependendo da problemática) a partir dos resultados obtidos na primeira fase (FIGUEIRA, 2005). A tabela a seguir apresenta resumidamente os métodos da família Electre e os tipos de problemas adequados a cada um. Versão Autor Ano Tipo de Problema Tipo de Critério Utilização de Pesos I Roy 1968 Seleção Simples Sim II Roy e Bertier 1973 Ordenação Simples Sim III Roy 1978 Ordenação Pseudo Sim IV Roy e Hugonard 1982 Ordenação Pseudo Não IS Roy e Skalka 1985 Seleção Pseudo Sim TRI Yu Wei 1992 Classificação Pseudo Sim Tabela 1 Métodos da Família Electre (GOMES, ARAYA e CARIGNANO, 2004) Os métodos Prométhée (Preference Ranking Organization Method for Enrichment Evaluations) se baseiam na comparação paritária e levam em consideração os desvios nas avaliações entre as alternativas, podendo o decisor especificar uma preferência pequena ou grande de acordo com os desvios (BRANS e MARESCHAL, 2005). Uma análise de concordância ou discordância, baseada no parâmetro de veto, é realizada para avaliar a relação de superação entre as alternativas (MARTEL e MATARAZZO, 2005). A tabela a seguir apresenta os objetivos de cada método Prométhée. Método Prométhée I Prométhée II Prométhée III Prométhée IV Prométhée V Prométhée VI Objetivos Ordenação Parcial Problemática da Escolha Ordenação Completa Problemática da Ordenação Ordenação Completa Ampliação da Noção de Indiferença Classificação Completa Conjunto Contínuo de Soluções Classificação Completa Restrições de Segmentos Classificação Completa Graus de Dificuldade com Pesos Tabela 2 Resumo dos Métodos Prométhée (MORAIS e ALMEIDA, 2006) 19

33 2.5 Outros Métodos Multicritério O método TODIM (Tomada de Decisão Interativa Multicritério) tem como base a escola Francesa e Americana, pois combina aspectos provenientes da teoria da utilidade multiatributo do método AHP e dos métodos Electre (ROY e BOUYSSOU, 1993). O método está fundamentado na avaliação de alternativas em relação a um conjunto de critérios de decisão, sendo estes avaliados em uma escala ordinal (TROTTA et al., 1999). O TODIM é fundamentado na Teoria dos Prospectos (KAHNEMAN e TVERSKY, 1979), esta teoria conclui que a maneira como as pessoas decidem em uma determinada situação de risco decorre do contexto em que esta está inserida, ou seja, nas situações que envolvem ganhos, a tendência do ser humano é ser mais conservador, enquanto que em situações envolvendo perdas as pessoas se mostram mais propensas ao risco (GOMES, ARAYA e CARIGNANO, 2004). O método de Análise Verbal de Decisões (VDA) tem como principal objetivo apoiar o processo de tomada de decisão partindo diretamente da representação verbal (LARICHEV e OLSON, 2001; LARICHEV e MOSHKOVICH, 1995) e foi proposto para resolução de problemas desestruturados (MOSHKOVICH, MECHITOV e OLSON, 2005). Em síntese, o método VDA se orienta pela utilização de formas verbais para elucidar preferências e avaliar alternativas decisórias (MOSHKOVICH, MECHITOV e OLSON, 2005), e sua principal característica é não desprezar a influência que a pouca habilidade das pessoas no trabalho com números tem sobre o julgamento e o processamento de informações em situações decisórias (MOSHKOVICH, MECHITOV e OLSON, 2002). Estes métodos 20

34 pretendem utilizar operações e procedimentos simples, claros e compreensíveis pelos decisores (ASHIKHMIN e FUREMS, 2005). O método ZAPROS-LM é baseado nos princípios do VDA, foi criado para solucionar problemas de ordenação e visa a construção de uma escala ordinal para todos os critérios (MOSHKOVICH, MECHITOV e OLSON, 2005), de forma que todas as alternativas sejam ordenadas a partir das preferências declaradas do decisor (MOSHKOVICH, MECHITOV e OLSON, 2002). Este é recomendado para problemas decisórios com muitas alternativas a serem avaliadas, uma vez que o seu objetivo é estabelecer um ranking no mínimo parcial das alternativas selecionadas (LARICHEV e MOSHKOVICH, 1995). Outro método que se baseia nos princípios da VDA é o ORCLASS (Ordinal Classification), este foi criado para solucionar problemas de classificação, ou seja, agrupar as alternativas de forma a se obter diferentes classes de decisão (MOSHKOVICH, MECHITOV e OLSON, 2005). A principal característica do método PACOM (Paired Compensation), outro método baseado nos princípios da VDA, é o processamento da compensação e análise em pares dos critérios de uma situação decisória para seleção da melhor alternativa (LARICHEV e MOSHKOVICH, 1997). Segundo estes autores, os principais objetivos deste método são: organizar as idéias do tomador de decisão, inspirá-lo a formular outras saídas acerca da solução do problema e auxiliá-lo na escolha da melhor alternativa, utilizando a expressão verbal para elucidar as preferências. 21

35 2.6 Justificativa da Escolha do Método Estudos comparativos entre os diferentes métodos de apoio à decisão multicritério, mostram que não existem metodologias que podem ser apontadas como melhores em relação às outras em qualquer situação (LARICHEV e OLSON, 2001; ROY, 2005). Os métodos de apoio à decisão podem representar diferentes respostas para o mesmo problema de decisão (OZERNOY, 1992; TRIANTAPHYLLOU, 2000), por isso é muito importante identificar qual o método é mais adequado ao processo de tomada de decisão, considerando o contexto e o tipo de problema a ser resolvido. Escolher um método multicritério envolve vários fatores, dentre os quais se destacam as características: do problema analisado, do contexto considerado, da estrutura de preferências do decisor e da problemática (GOMES, GOMES e ALMEIDA, 2006). Para BOUYSSOU et al. (2000) esta escolha é resultado de uma avaliação dos parâmetros escolhidos, do tipo e da precisão dos dados, da forma de pensar do decisor e do seu conhecimento sobre o problema. O método MAUT tem como principal vantagem seu fundamento na Teoria da Utilidade (FISHBURN, 1970) e o objetivo essencial deste método é a associação de uma medida de utilidade a cada alternativa, produzindo a ordem de preferências (ordenação completa) entre as alternativas, consistente com as avaliações ou juízos de valor do próprio tomador de decisão (BELTON e STEWART, 2002). Possui uma consistente base axiomática (MOSHKOVICH, MECHITOV e OLSON, 2005), fornecendo uma robusta justificativa para 22

36 o tipo de função (de utilidade) usada na agregação da utilidade unitária de cada critério (LARICHEV e OLSON, 2001). Outra vantagem do método MAUT apresentada por LARICHEV e OLSON (2001) é que o envolvimento do decisor é necessário para elaborar a função utilidade, porém após esta definição é possível comparar várias alternativas, já existentes e/ou novas. LINKOV et al. (2006) afirmam que o método MAUT permite comparar alternativas com maior facilidade, pois as pontuações globais são expressas em números. LARICHEV e OLSON (2001) argumentam ainda, que quando existem alternativas baseadas em preferências subjetivas ou quando o número de alternativas é grande, novas alternativas podem ser geradas a partir das originais. O processo de seleção de ferramentas de BI envolve um conjunto finito de opções, com objetivos simultâneos a serem alcançados, onde devemos quantificar os trade-offs (compensações) entre as alternativas, por isso pode-se trabalhar com o método MAUT (KEENEY e RAIFFA, 1999). Neste trabalho será utilizado o método MAUT, pois é relativamente simples e pode ser interpretado intuitivamente, fornecendo uma mensuração da força de preferência do decisor (DYER, 2005) e permite fazer uma avaliação profunda sobre as trocas ou compensações que este precisa estabelecer entre os critérios conflitantes do seu problema de decisão (KEENEY e RAIFFA, 1999). O método contribui ainda para a resolução de conflitos com o aumento da transparência, proporcionando com maior facilidade a obtenção do consenso (HOSTMANN et al., 2005) e todos os pressupostos da estrutura axiomática (ordenabilidade e transitividade) do método são consistentes com o problema a ser estudado. 23

37 2.7 Método MAUT A formalização da teoria da utilidade efetuada por NEUMANN e MORGENSTERN (1947), posteriormente refinada por FISHBURN (1970) e KEENEY e RAIFFA (1976; 1999), serviu de base para a formulação de uma teoria de preferência para escolhas envolvendo riscos (DYER, 2005). KEENEY e RAIFFA (1999) introduziram o conceito de se medir a utilidade de cada uma das alternativas candidatas à resolução de um problema decisório, na presença de múltiplos atributos, através da construção de uma função matemática. Ao estimar a função de utilidade, constrói-se um modelo matemático de representação de preferências (CLEMEN e REILLY, 2001). De acordo com GOMES, GOMES e ALMEIDA (2006), o decisor deve obedecer aos seis axiomas relacionados a seguir, de modo que sua função de utilidade possa ser perfeitamente definida. Axioma da Ordenabilidade: dadas as consequências A e B, pode-se dizer que A é preferível a B, ou A é indiferente a B ou B é preferível a A; Axioma da Transitividade: se A é preferível a B e B é preferível a C, então A é preferível a C. Se A é indiferente a B e B é indiferente a C, então A é indiferente a C; 24

38 Axioma da Continuidade: se A é preferível a B e B é preferível a C, então existe uma probabilidade p, 0 < p < 1, tal que B seja indiferente a uma loteria com probabilidade p de ocorrer A e p-1 de ocorrer C; Axioma da Substitutabilidade: é possível substituir um evento incerto com consequência A por outro evento equivalente mais complexo B, ou seja, é o inverso do axioma da redutibilidade; Axioma da Redutibilidade: é possível reduzir um evento complexo com consequência A por outro evento equivalente menos complexo B, sem afetar as preferências do decisor. Axioma da Monotonicidade: caso existam duas consequências equivalentes, o decisor prefere aquela com maior probabilidade de alcançar o resultado desejado. De acordo com DYER (2005) a teoria da preferência multiatributo seria um termo mais geral para cobrir diversos modelos multiatributo de escolhas. O autor argumenta que, apesar de muitos acadêmicos considerarem a teoria da utilidade multiatributo de KEENEY e RAIFFA (1976; 1999) como sinônimo da teoria da preferência multiatributo, essa teoria não é apropriada para decisões envolvendo múltiplos objetivos, quando o risco não é um fator a ser considerado, tendo em vista que os axiomas apropriados para escolhas de risco não precisam ser satisfeitos nestes casos. 25

39 BELTON e STEWART (2002) adotam a nomenclatura Teoria de Valor Multiatributo MAVT (Multiattribute Value Theory) e consideram que a teoria da utilidade pode ser vista como uma extensão da teoria de valor aplicada às situações de incerteza. DYER (2005) corrobora esta afirmação definindo uma função de representação de preferência, sob condições de certeza, como função valor (v) e uma função de representação de preferência, sob condições de risco, como função utilidade (u). De acordo com DYER (2005) a teoria da utilidade multiatributo é baseada em rigorosos axiomas que caracterizam o comportamento de escolha dos indivíduos e são essenciais para o estabelecimento de funções de representação de preferências, se constituindo na base lógica para a análise quantitativa de preferências. A seguir são apresentados estes axiomas sugeridos pelo autor: Preferência Assimétrica: assume que o decisor está apto para escolher sem contradição entre duas alternativas, ou seja, não pode haver preferência estrita de x em relação a y e de y em relação a x simultaneamente; Transitividade Negativa: se x é preferível estritamente a y e qualquer outro elemento z em X, então ou x é preferível estritamente a z ou z é preferível estritamente a y ou ambos; Se uma relação de preferência estrita é assimétrica e negativamente transitiva é chamada de ordenação fraca; 26

40 Se uma relação de preferência é uma ordenação fraca, então as relações de indiferença e preferência fraca associadas são bem comportadas; Portanto, um indivíduo cuja preferência estrita possa ser representada por uma ordenação fraca pode ranquear todas as alternativas em uma ordenação única e, se a preferência estrita em X é uma ordenação fraca e X é finito, então, existe uma representação numérica de preferência representada por uma função de valor real em X (DYER, 2005), tal que x é preferível a y se, e somente se, o resultado da função de valor v(x) é maior do que o resultado da função de valor v(y), para todo x e y em X (FISHBURN, 1970). Existem duas formas predominantes de análise de alternativas para o método MAUT: a aditiva e a multiplicativa (KEENEY e RAIFFA, 1999). A mais simples e amplamente utilizada forma de função de utilidade é o modelo aditivo (BELTON e STEWART, 2002; DYER, 2005). A Função multiatributo aditiva é a agregação, por adição, constituindo uma média ponderada das utilidades segundo cada atributo (CLEMEN e REILLY, 2001). Em síntese, na função de utilidade aditiva, calcula-se a utilidade multiatributo, expressa por uma nota ou uma pontuação, para cada objetivo (ou critério), e depois essas utilidades são somadas, ponderando-se apropriadamente os critérios de acordo com suas importâncias relativas aos demais (CLEMEN e REILLY, 2001). A condição de independência é necessária para se utilizar a função de utilidade aditiva (DYER, 2005; RAIFFA, 2006), isso significa que uma compensação (isto é, uma relação de troca, ou trade-off) entre quaisquer dois critérios, que o tomador de decisão esteja disposto a aceitar, não pode depender de qualquer outro critério (BELTON e STEWART, 2002; 27

41 RAIFFA, 2006). Segundo CLEMEN e REILLY (2001), um critério y é dito independente do ponto de vista das preferências com relação a x, se as preferências pelas conseqüências específicas de y não dependerem da variação do nível do critério x. BELTON e STEWART (2002) esclarecem que a função de valor aditiva pode ser expressa pela fórmula a seguir: v( a) = m i= 1 wivi ( a) eq. (1) Na qual v(a) é o valor que se deseja obter para uma alternativa a, v i (a) é um valor específico de a para um critério i, i variando de 1 a m, e w i é o peso dado para o critério i. De acordo com CLEMEN e REILLY (2001), caso se identifique a dependência entre os critérios, recomenda-se que a família de critérios seja repensada e transformada, eventualmente por meio de agrupamentos ou mesmo de redefinições. Outra opção, nos casos onde a representação aditiva não possa ser utilizada, é considerar a utilização de uma forma multiplicativa, sendo que com isso, condições mais rigorosas devem ser satisfeitas (DYER, 2005). A utilização da forma multiplicativa exige que cada subconjunto de critérios satisfaça a condição de independência com os demais critérios (CLEMEN e REILLY, 2001). 28

42 A fórmula apresentada a seguir é a representação matemática da função de valor multiplicativa sugerida por DYER (2005): n 1+ λv( x) = [ 1+ λλivi( xi) ] i= 1 eq. (2) Onde v i é a função de valor de atributo único de x i, escalado entre 0 e 1, λ i são constantes de escala positiva e λ é uma constante de escala adicional. Caso a constante de escala adicional λ seja igual a zero, a eq.(2) pode ser reduzida para a forma aditiva: v( x) λ = n i= 1 vi i ( x i ) eq. (3) n Onde i, ou seja, o somatório das constantes de escala positiva é igual a 1. i= 1 λ= 1 29

43 2.8 Técnicas de Atribuição de Pesos A definição dos pesos de cada critério reflete a importância de cada um destes para o decisor no problema a ser solucionado (GOODWIN e WRIGHT, 2000), por isso é extremamente importante conhecer as técnicas de atribuição de pesos para escolher a mais adequada ao contexto. Para TRIANTAPHYLLOU (2000) ao atribuir pesos aos critérios no processo decisório, o decisor deve procurar fazê-lo de modo a representar a verdadeira importância de cada critério. No método Trade-off Weighting (KEENEY e RAIFFA, 1999), o decisor compara duas alternativas que se diferenciam por apenas dois atributos com os outros atributos mantidos fixos. É realizado um ajuste em um dos atributos até que as alternativas contenham igualdade de preferências. O método SMART é amplamente utilizado por causa da sua simplicidade nas respostas necessárias do decisor e na maneira pela qual estas respostas são analisadas (GOODWIN e WRIGHT, 2000). Neste método as alternativas são ordenadas de forma decrescente, sendo que o valor 10 é atribuído para a alternativa de menor importância (MUSTAJOKI, HAMALAINEN e SALO, 2005). As demais são avaliadas em relação a esta alternativa e os valores atribuídos devem ser maiores do que 10 e proporcionais a preferência na comparação entre elas. Segundo POYHONEN e HAMALAINEN (2001) e POYHONEN, VROLIJK e HAMALAINEN (2001), deve-se tomar cuidado com os possíveis vieses de julgamento por 30

44 parte dos decisores, pois ao determinar o valor 10 para o atributo de menor importância, o decisor pode ser influenciado a pontuar os demais atributos com múltiplos de 10. Os pesos são calculados a partir da normalização da pontuação em relação ao total de pontos atribuídos (MUSTAJOKI, HAMALAINEN e SALO, 2005). A tabela a seguir exemplifica a aplicação da técnica SMART para cinco atributos: 1ª. Etapa: Ordenação 2ª. Etapa: Pontuação 3ª. Etapa: Normalização Atributo 1 (Mais Importante) 100 0, Atributo , Atributo , Atributo , Atributo 5 (Menos Importante) 10 0, Tabela 3 Exemplo de Aplicação da Técnica SMART O método SMARTER é uma simplificação do SMART, a função de valor é linear e o processo de comparação é mais simples: o decisor ordena as trocas por importância (GOODWIN e WRIGHT, 2000). Os pesos são calculados utilizando o Rank Centroid Method (BARRON e BARRET, 1996) que converte o ranking em um conjunto aproximado de pesos, conforme exemplificado na tabela a seguir: 1ª. Etapa: Classificação 2ª. Etapa: Fórmula 3ª. Etapa: Peso 1 1/5 * (1/1 + 1/2 + 1/3 + 1/4 + 1/5) 0, /5 * (1/2 + 1/3 + 1/4 + 1/5) 0, /5 * (1/3 + 1/4 + 1/5) 0, /5 * (1/4 + 1/5) 0, /5 * (1/5) 0, Tabela 4 Exemplo de Aplicação da Técnica SMARTER 31