APLICAÇÃO DE DECISÃO MULTICRITÉRIO NAS ORGANIZAÇÕES: AVALIAÇÃO DE DESEMPENHO DE FUNCIONÁRIOS A PARTIR DO MÉTODO PROMETHEE II

APLICAÇÃO DE DECISÃO MULTICRITÉRIO NAS ORGANIZAÇÕES: AVALIAÇÃO DE DESEMPENHO DE FUNCIONÁRIOS A PARTIR DO MÉTODO PROMETHEE II Bronney Keky Goncalves Vieira (UNIVASF) bronneykgv@gmail.com Thiago Magalhaes Amaral (UNIVASF) prof.thiago.magalhaes@gmail.com Este artigo demonstra a aplicação do método de apoio a decisão PROMETHEE II no estudo da avaliação de desempenho de funcionários de uma empresa. O PROMETHEE II é um método de sobreclassificação que realiza comparação entre as alternativas em relação a cada critério estabelecido. Buscando uma melhor eficácia na utilização do método, a experiência do decisor foi de suma importância para determinação dos critérios de avaliação necessários para a análise realizada pelo método. O estudo foi realizado em uma empresa onde os funcionários atuam diretamente em fazendas realizando coleta de amostras de insetos e controlando pragas. Obteve-se como resultado a demonstração de como o método pode ser utilizado na aferição de produtividade de funcionários. Foi possível chegar a conclusão de que o PROMETHEE pode sim ser utilizado para medir produtividade, mas que não deve ser a única fonte de informações acerca de funcionários, além de que outros aspectos devem ser analisados antes de se chegar a uma decisão. Fica como sugestão a trabalhos futuros a comparação dos resultados obtidos através desse método com outros métodos, ou o aprimoramento do estudo realizado, buscando determinar limiares de comparação entre os critérios. Palavras-chave: Decisão Multicritério, Método de Decisão Multicritério, PROMETHEE, PROMETHEE II, Aplicação de decisão multicritério, Decisão multicritério em organizações

1. Introdução Le Coadic (2005) afirma que as informações possuem duas características de destaque: uma explosão quantitativa e uma implosão do tempo para sua comunicação. Informações têm papel crucial para a tomada de decisões em organizações e devido à globalização, o volume de informações é cada vez mais crescente e dinâmico exigindo que mais decisões sejam tomadas e em curtos intervalos de tempo. As organizações devem então procurar alternativas que facilitem sua gestão de informações e melhorem seu processo de decisão, buscando assim profissionais e ferramentas que deem auxílio a esse processo vital e estratégico. Souza (1998) considera que produtividade é a eficiência em se transformar entradas em saídas num processo produtivo. Sabendo que a produtividade assume papel crucial em meio aos tempos vividos pelas organizações faz-se necessário estudá-la e procurar alternativas para tentar mantê-la sempre controlada nos níveis desejados e assim garantir que a produção esteja dentro das estratégias traçadas. A decisão multicritério pode então ser aplicada a estudo da produtividade para auxiliar gestores na análise de eficiência de seus funcionários perante às atividades que lhe foram designadas, e com essa análise pode-se tomar decisões e desta forma tentar controlar melhor o ritmo produtivo o que possibilitaria um aumento da produtividade. Análise de Decisão Multicritério ou Multicriteria Decision Analysis (MCDA) se baseia em métodos que requerem a aplicação de algoritmos. Métodos de decisão multicritério auxiliam a visualização de problemas e fazem com que o responsável pela decisão possa se basear em informações quantitativas e qualitativas que sirvam como guia para a geração de ações (CORRÊA, 1996). Não se pode garantir que utilizando estes métodos a decisão será fácil e correta, já a mesma necessita de certa subjetividade dos envolvidos no processo. Diante dos problemas abordados, de que forma a análise de decisão multicritério poderia ser usada no ambiente organizacional para avaliar a produtividade de funcionários? O objetivo desse artigo é aplicar o método PROMETHEE II para avaliar o desempenho de funcionários em uma empresa localizada em Juazeiro BA. A empresa selecionada para este estudo não apresenta nenhuma ferramenta para a avaliação dos 2

funcionários. Logo ela precisa desenvolver formas de avaliar estes funcionários e tornar constante e prático esse ato de avaliação de forma justa. Thomaz e Gomes (2006), observam o quanto pode ser lucrativo para a empresa utilizar métodos para avaliar funcionários, eles utilizaram o método Analytic Hierarchy Process (AHP) para análise no processo de contratação de funcionários. Eles concluíram que a organização obteve vários benefícios como por exemplo a elaboração da metodologia sistêmica para determinar se o funcionário se enquadra no perfil desejado pela corporação e se o mesmo possui qualidades necessárias para assumir determinado posto, além de identificarem melhor quais os requisitos requeridos por cada posto. Para Tezza et.al.(2009), a utilização de métodos de decisão multicritério permite que o decisor tenha um melhor entendimento sobre os empecilhos a produtividade, o que permite elaborar estratégias visando melhorar o desempenho dos funcionários, desenvolvendo habilidades e competências necessárias para a realização de suas atividades, trazendo aperfeiçoamento à tarefa realizada, o que pode gerar maiores oportunidades para a empresa, além de uma melhor padronização de suas atividades. Nos próximos tópicos, serão abordados a metodologia utilizada para a aplicação do PROMETHEE II na empresa, em seguida serão exibidos os resultados da aplicação do método e por último o trabalho finaliza com as conclusões e sugestões para trabalhos futuros. 2. Metodologia 2.1 Tipo de pesquisa Esta pesquisa apresenta cunho descritivo, pois segundo Cervo et al.(2011) é aquela que observa, registra, analisa e correlaciona fatos ou fenômenos sem manipulá-los. O presente trabalho então pode ser considerado descritivo por que busca descobrir, da melhor forma possível, a frequência com que um fenômeno ocorre, e analisar as interações entre as variáveis do processo, procurando identificar variantes e atores do objeto em estudo. 2.1.1 Natureza da pesquisa Este trabalho possui uma abordagem quali-quantitativa, no momento em que estruturase na busca de dados para analisar hipóteses por meio de medições numéricas e de análise estatísticas com o objetivo de estudar comportamento e atitudes, além de análise de dados 3

qualitativamente (CAMPOS, 2011, RODRIGUES, 2011). Em outras palavras, a análise de decisão multicritério a ser aplicada possui tanto critério qualitativo, no que tange a entrada de informações do decisor, especialista e analista na modelagem do problema, como quantitativo na análise de resultados através do estudo de dados gerados e obtidos na organização. 2.2 Forma de aquisição de dados Os dados necessários à matriz de decisão foram adquiridos através de entrevista estruturada com o decisor onde foram avaliados critérios, alternativas e pesos. 2.3 Etapas da pesquisa Como 1º etapa foi realizado um levantamento dos referenciais teóricos necessários para a realização do trabalho, informações sobre o mercado, atividade da empresa, região onde a empresa atua, os métodos MCDA s, as metodologias que poderiam ser aplicadas, quais informações são necessárias para aplicar os métodos. Na 2º etapa foi construído um fluxograma constituído de 6 fases com finalidade de direcionar as ações que devem ser implementadas para chegar ao resultados desejados do estudo de caso. Figura 1 Descrição das etapas da pesquisa Identificação da problemática e levantamento de dados sobre a empresa Seleção do método MCDA a ser aplicado Construção da matriz de decisão Aplicação do modelo analise dos resultados da aplicação Chegar a conclusões e propor melhorias Fonte: Autoral (2014) O artigo deve estar orientado à resolução de uma problemática apresentada na organização, através de uma entrevista será identificada a problemática a ser abordada, e encima disso será efetuado os levantamentos de dados necessários para estudo do problema. Partindo do problema busca-se analisar como um modelo de apoio a decisão poderia ajudar a solucionar a questão, neste caso qual algoritmo mais apropriado para ajudar na ordenação dos funcionários em relação a sua respectiva produtividade, e em seguida procurou-se estudar a melhor forma de ajustar o modelo ao caso específico, quais critérios devem ser utilizados e quais pesos esses critérios devem ter, a fim de encontrar um melhor julgamento seguindo 4

prioridades definidas pelo decisor. A partir de então o modelo será aplicado gerando dados que devem ser analisados para posteriormente chegar-se a conclusões e encima dessas conclusões propor possíveis ações a serem adotadas para melhorar o funcionamento da corporação e solucionar a problemática mencionada no início do processo. 3. Referencial teórico As decisões fazem parte do cotidiano das pessoa em qualquer situação onde exista mais de uma opção a ser selecionada. Nem toda decisão é fácil de ser tomada, podendo esta envolver grandes riscos como altos valores financeiros, incerteza de resultados, insatisfações. Segundo Moreira (2012) a tomada de decisão é a principal característica que diferencia os gerentes dos demais cargos inferiores da empresa. 3.1 Os MCDA Um modelo de apoio a decisão multicritério corresponde a uma representação formal e simplificada de um problema que apresenta múltiplas alternativas e utiliza de critérios para buscar chega a melhor alternativa, exteriorizando as preferências do decisor, seguindo uma metodologia bem estruturada e axiomática (ALMEIDA, 2011). Porém, é valido salientar que a utilização do método não garante a melhor tomada de decisão e nem elimina a difícil tarefa de ter que tomar esta decisão. A escolha do método, segundo Almeida (2001), depende de fatores como preferencias do decisor, dados necessários ao método, o tipo de problemática a ser atacado, tempo e recursos disponíveis para utilização entre outros fatores. Existem diferentes tipos de métodos, temos o de critério único de síntese proposto por Saaty em 1980 que trata-se de um método de agregação aditivo, bem estruturado e que apresenta como ponto de destaque a hierarquização dos critérios e objetivos, realizando comparações par a par dos critérios de acordo com seu nível hierárquico gerando assim um score de cada alternativa com base no desempenho apresentado, resultando em uma matriz de decisão quadrática, que de acordo com a ponderação do decisor sobre as alternativas demonstrara a solução preferencial ALMEIDA (2011). O método apresenta três princípios, os problemas são decompostos para identificar fatores importantes, julgamentos comparativos 5

para os elementos que compõem o problema e medidas de importância relativa são obtidas através da comparação par a par o que fornece um ranking global das alternativas disponíveis. O segundo tipo de método é o de sobreclassificação, que possui como objetivo a construção de relações binarias ocorrendo uma comparação par a par das alternativas em relação aos critérios gerando então um score das alternativas mediante o desempenho em cada critério (LÉGER & MARTEL, 2002). É analisado o quanto que uma alternativa se sobressai em relação a outra sendo a melhor aquela que apresenta superioridade na maioria dos critérios ou em critérios chave, esta abordagem é baseado no sistema de eleição de Condorcet, sendo uma avaliação não compensatória, intracritério e intercritério, admite-se a incomparabilidade, necessita da ponderação dos critérios por parte do decisor para avaliar os critérios, podendo ordenar ou selecionar as alternativas de acordo com o método utilizado(almeida, 2011). Por fim tem-se os métodos interativos que são desenvolvidos no âmbito da Multiobjective Linear Programming (MOLP), os quais apresentam passos computacionais, são interativos e permitem trade-offs (LÉGER & MARTEL, 2002). Os metodos MOLP Procuram uma alternativa denominada dominante que se destaque em todos os objetivos traçados efetuando a agregação das preferências dos decisores e cálculos matemáticos, analisando possível alteração da estrutura de preferência na presença de novas informações inseridas, com fim de apontar para uma solução final aceitável e confiável (ANTUNNES & ALVES, 2012). É valido salientar que este processo é diferente das outras abordagens citadas acima que buscam, por meio de comparações entre critérios e alternativas, a solução satisfatória e não a dominante (ALMEIDA, 2011). 3.2 O método de sobreclassificação Para este estudo foi escolhido a família do método de sobreclassificação que é de origem francesa apoiando primariamente na construção de uma relação de sobreclassificação, na tentativa de representar o desejo do decisor, estudando e explorando a relação de sobreclassificação, de maneira a ajudar o decisor a solucionar seu problema (ALMEIDA, 2011). Os métodos provenientes dessa abordagem possuem uma agregação não aditiva, não permitindo a compensação entre critérios e são considerados por autores como Vincke (1992) e Almeida (2011) como métodos mais realísticos, os quais assumem que nem sempre o 6

decisor se encontra apto ou disposto a demonstrar preferência por uma dada alternativa, podendo assumir que as alternativas são incomparáveis. Foi escolhido o método PROMETHEE II para o caso por se tratar de um problema que necessita a ordenação das alternativas levando em conta os critérios estabelecidos com o decisor. Optou-se por utilizar o PROMETHEE II por ser um método com maior simplicidade para aplicação, clareza nos resultados e apresentar boa estabilidade (AMARAL, 2013). Porem por se tratar de um método recente ainda carece de uma base teórica mais elaborada para valorizar os resultados obtidos. 3.3 O método PROMETHEE II O método Preference Ranking Organization Method for Enrichment Evaluations (PROMETHEE) é uma alternativa para tomada de decisão desenvolvida pelos professores J.P. Brans, B. Mareschal e P. Vincke, em 1984, e aperfeiçoado desde então (BRANS e MARESCHAL, 1994; 2004). Segundo Fulop (2005) o PROMETHEE é um método que utiliza índices de preferência na tentativa de determinação de intensidade global de preferência entre as alternativas, com o objetivo de se obter a melhor categorização parcial ou completa possível. Para aplicação do método inicialmente deve-se elaborar as relações de sobreclassificação conforme os seguintes passos: a) Elaborar a matriz de alternativas e critérios, onde o decisor juntamente com analista e especialistas, devem sugerir critérios e alternativas na tentativa de melhor explorar o problema, além de definir se critérios são de minimização ou maximização e seus pesos; b) Definir uma função de preferência para cada critério. Onde é definido a intensidade de preferência de uma alternativa a em relação a outra alternativa b, φ(a,b), que é função da diferença dos níveis de performance g no critério i, para as duas alternativas: φ(a,b) = função de [gj(a)-gj(b)] variando de 0 a 1. Esses valores aumentam se a diferença de desempenho ou a vantagem de uma alternativa em relação a outra aumenta e é igual a zero se o desempenho de uma alternativa for igual ou inferior ao da outra. O 7

PROMETHEE apresenta seis diferentes tipos de função de preferência, onde cabe ao decisor juntamente com o analista analisar quais as que melhor se adaptam a realidade do problema estudado. Seguindo tem-se o quadro 1 que demonstra os seis tipos de função preferência. Quadro 1: Tipos de função de preferencias para critérios Fonte: Araújo e Almeida (2009) Onde q representa um limiar de indiferença, o maior valor para φ(a,b), abaixo do qual há uma preferência. E p representa um limiar de preferência, o menor valor para φ(a,b), acima do qual a uma preferência. Mareschal (2012) descreve como escolher a função de preferência corretamente para cada critério. Ele afirma que a função do tipo III e V são mais recomendadas para critérios quantitativos. A escolha dependerá se há a necessidade de introduzir um limite de indiferença, ou não. O tipo III é um caso especial do tipo V. A Gaussiana (tipo VI) é a função de preferência menos utilizada por ter parâmetros mais difíceis de serem calculados. As do tipo I e tipo IV são indicadas para critérios qualitativos. Em caso de um pequeno número de níveis na escala dos critérios e se os níveis de diferença são considerados muito diferentes para cada um, a função tipo I é a melhor escolha. E se for necessário diferenciar as pequenas variações das grandes, o tipo IV é a mais adequada; 8

c) Determinar o índice de preferência: a em relação a b. O grau de sobreclassificação é definido por π(a,b) obedecendo a intensidade de preferência e os pesos sendo definido para todos os pares ordenados como: (1) Na equação (1) o somatório dos pesos deve ser igual a 1, e segundo Alencar (2003) eles constituem uma informação extra necessária para o enriquecimento e melhor encaminhamento da estrutura de preferência entre os critérios. O grau de sobreclassificação de a em comparação com b demonstra o quanto a é preferível a b em relação aos critérios selecionados. Tem-se que π(a,a) = 0, 0 π(a,b) 1 e π(a,b) ~1 significa que existe uma forte preferência global de a sobre b. Após feito a analise par a par das alternativas em relação aos critérios, é montada uma matriz com os resultados desse grau de sobreclassificação apresentado; d) Dar-se início a definição do fluxo de sobreclassificação positivo e negativo, sendo o positivo o fluxo que está saindo da alternativa e relação as outras, em outras palavras o quanto uma variável sobreclassifica outra, Q + (a) = Σ (a,b), e o fluxo negativo é o fluxo que está entrando, ou seja o quanto que a alternativa é sobreclassificada por outras alternativas, Q - (a) = Σ (b,a). Cada um desses índices determinam uma pré-ordem completa das alternativas, e a intercessão de cada uma fornece uma ordem parcial; e) Por último, no PROMETHEE II temos ainda a organização da pré-ordem completa das diferenças de fluxos, Q + - Q -, fornecendo assim o ranking de todas as alternativas. 4. Resultado e discursões O estudo de caso acontecerá em uma empresa que atua na área de monitoramento de pragas, produção de insetos estéreis e no treinamento em defesa agropecuária. A mesma se encontra instalada em uma região de forte produção agrícola, tendo grande demanda, o que justifica sua existência. 9

O trabalho de monitoramento ocorre no campo, através de um programa realizado por técnicos especializados nessa atividade, sendo um aliado na produção de frutas. O objetivo do programa é reduzir a população da praga alvo a níveis aceitáveis, além de reduzir custos da produção do produtor e reduz problemas ambientais causados pelo uso de agrotóxicos. A coleta e triagem do material capturado é feita semanalmente, e todo material coletado e enviado para análise laboratorial. A empresa, apesar de possuir toda uma estrutura de alta tecnologia carece de ferramentas que auxiliem no estudo da produtividade de seus técnicos armadilheiros. Encima disso foi então proposto a utilização de MCDA como ferramenta a ser aplicada para auxiliar em estudos referentes a essa problemática. Para a modelagem do software são necessários critérios mensuráveis que possam avaliar os funcionários em questão. A seguir tem-se a tabela 1 com dados dos funcionários que será utilizada na construção do modelo. Tabela 1- Dados de funcionários alvos da pesquisa 10

Fonte: Coletado na empresa alvo do estudo (2014) Em posse dos dados foi feito a configuração dos critérios segundo o combinado, conforme descrito na tabela 2: 11

Tabela 2 - Matriz de decisão No critério área, que representa o tamanho da região coberta pelo funcionário medida em hectare, deseja-se a maximização da área por funcionário ficando esse critério maximizado. O número de propriedades, que se refere ao número de fazendas que o funcionário visita por semana, é mais um critério onde se deseja que ele atue no maior número possível, ficando então maximizado. Quanto maior o número de armadilhas monitoradas por funcionário mais rentável esse se torna, levando esse critério a ser maximizado. No critério tipo de armadilha foi realizado a razão entre dois tipos de armadilhas utilizadas pela empresa, sendo então o valor da divisão de Jackson/Mcphail multiplicado por dez utilizado na modelagem, quanto menos Jackson for utilizado em relação a Mcphail melhor para a empresa, motivo esse para este critério ser minimizado. Como último critério tem-se a distância percorrida pelos funcionários para realizar os monitoramento medida em quilômetros, quanto menor for essa distância menos custos a empresa terá, logo esse critério fica minimizado. Partindo desses dados, deu-se início a modelagem do algoritmo do PROMETHEE II. A tabela 3 refere-se aos pesos atribuídos aos critérios pelo decisor. Tabela 3 - Definição dos pesos dos critérios A tabela 4 demonstra os dados da matriz de avaliação da empresa. 12

Tabela 4 - Matriz de avaliação Em seguida o algoritmo do PROMETHEE II normaliza os dados da matriz de avaliação, tendo como resultado a tabela 5. Tabela 5 - Matriz de avaliação normalizada Com base na matriz de avaliação normalizada é calculado a matriz de preferência para cada alternativa, comparando-se os resultados obtidos na matriz de avaliação normalizada de cada alternativa, conforme a tabela 6. Tabela 6 - Matriz de preferência 13

Analisando agora a matriz de preferência de cada alternativa com o respectivo peso do critério normalizado tem-se a matriz dos índices de preferência. Tabela 7 - Matriz dos índices de preferência Através da análise da matriz dos índices de preferência é chegado a matriz dos fluxos, onde é realizado a comparação dos índices de preferência de cada alternativa, o quanto uma alternativa sobreclassifica e é sobreclassificada em relação a todas outras. O resultado é a tabela 8. Tabela 8 - Matriz dos fluxos 14

Com base em todos estes cálculos e resultados apresentados pelas tabelas, é possível chegar ao ranking das alternativas em relação ao fluxo líquido que cada uma apresentou. A figura 2 é uma imagem que demostra o ordenamento dos funcionários, em uma escala que varia de -1 a 1, de acordo com seu respectivo fluxo de sobreclassificação. Figura 2 - Gráfico do fluxo líquido 15

Segundo o programa, o melhor funcionário é o funcionário 1, seguido pelo funcionário 2, os dois tiveram uma produtividade muito boa. Um pouco a baixo da media produtiva temos, os funcionários 4 e 5 e por último funcionário 3. Este último foi considerado, segundo o programa, o funcionário com menor produtividade. A Figura 3 apresenta o plano GAIA, uma forma de representação dos resultados. 16

Figura 3 - Plano GAIA Nesta imagem a seta em vermelho demonstra o eixo para a melhor alternativa, assim quanto mais as alternativas se aproximam deste eixo melhores são os seus resultados. O plano GAIA apresentou uma qualidade de 91,7% demonstrando claramente que seus resultados apresentam uma boa consistência em relação ao que foi modelado. 4.1 Ações sugeridas Como ações sugeridas, tem-se a padronização dos técnicos responsáveis pelo monitoramento, utilização de outras ferramentas de monitoramento da atividade como um GPS para determinar percurso e tempo de execução das tarefas e otimização das áreas a serem monitoradas, melhorando o percurso a ser realizado pelos funcionários simplificando o seu trabalho. 5. Conclusões 17

Com base em tudo apresentado para a aplicação do método e analisando os resultados obtidos é possível perceber que os métodos de apoio a decisão são uma ferramenta de extrema relevância quando bem aplicados, podendo gerar informações preciosas as corporações, que em meio a globalização dos mercados precisão encontrar maneiras de obter e filtrar o máximo de informações para posteriormente tomar decisões. O estudo de caso demonstrou como o PROMETHEE pode auxiliar na análise de produtividade de funcionários. É valido salientar que o método serve como base para apoiar a tomada de decisão, sendo assim outros fatores necessitam serem avaliados a fim de chegar a melhor decisão. Analisado todo o artigo, chega-se a conclusão que os métodos MCDA s, quando bem utilizados, podem se tornar ferramentas extremamente úteis as organizações, modificando sua forma de tomar decisões na busca por um meio mais eficaz e que contemple todas as preferências dos responsáveis por tomá-la. Estudos futuros poderiam abordar a evolução da modelagem proposta, incluindo limiares de preferencias para análise de critérios, além de utilização de outras funções de preferência para os critérios. Referência bibliográfica LE COADIC, Yves-François. A ciência da informação. 2 ed. Brasília: Briquet de Lemos, 2004. Tradução: Maria Yêda F. S. de Filgueiras Gomes. BRAGA, Ascenção. A gestão da informação. Disponível em <http://www.arquivar.com.br/espaco_profissional/sala_leitura/artigos/gestao_da_informacao. p df >. Acesso em: 07 mar. 2009. CORRÊA, E. C. Construção de Um Modelo Multicritérios de Apoio ao Processo Decisório. 1996. 227p. Dissertação (Mestrado em Engenharia de Produção). Centro Tecnológico, Universidade Federal de Santa Catarina, Florianópolis, 1996. SOUZA, U.E.L.(1998) Produtividade e custos dos sistemas de vedação vertical. Tecnologia e gestão na produção de edifícios: vedações verticais. PCC-EPUSP, São Paulo, pp. 237-48. RITZMAN, L. P.; KRAJEWSKY, L. J. Administração da Produção e Operações. São Paulo: Prentice Hall, 2004. TEZZA, R.; ZAMCOPÉ, F.C.; ENSSLIN, L. A metodologia multicritério de apoio à decisão construtivista para a identificação e avaliação de habilidades para o setor de 18

estamparia têxtil. Disponível em <http://revista.feb.unesp.br/index.php/gepros/article/viewfile/841/311 >. Acessado em 26/11/14 THOMAZ, H. J. R.; GOMES, L. F. A. M. Seleção de empregados na indústria de petróleo: Um estudo de caso de aplicação do apoio multicritério a decisão. XXXVIII Simpósio brasileiro de pesquisa operacional, Goiânia. 2006 MARCONI, M. A.; LAKATOS, E. M. Metodologia do trabalho científico. São Paulo: Editora Atlas, 1992. 4a ed. p.43 e 44. FONSECA, J. J. S. Metodologia da pesquisa científica. Fortaleza: UEC, 2002. Apostila. MOREIRA, D. A. Administração da produção e operações. 2. ed. rev. E ampl. -- São Paulo: Cengage Learning, 2012. VINCKE, P. P. (1992). Multicriteria decision-aid. England: John Wiley & Sons. LÉGER, J., & MARTEL, J.-M. (2002). A multicriteria assignment procedure for a nominal sorting problematic. European Journal of Operational Research, 138(2), 349-364. doi: 10.1016/S0377-2217(01)00251-X ANTUNES, C., & ALVES, M. (2012, setembro). Programação linear multiobjetivo-métodos interativos e software. Anais do Congreso Latino-Iberoamericano de Investigación Operativa, Rio de Janeiro, RJ, Brasil, 16. GIL, Antonio Carlos. Entrevista. In: Métodos e Técnicas de Pesquisa Social. 5. ed. São Paulo: Atlas, 1999. Cap. 11, p.117-127. GRESSLER, Lori Alice. Entrevista. In: Introdução à pesquisa: projetos e relatórios. 2. ed. São Paulo: Loyola, 2004. p.164-169. ALMEIDA, Adiel Teixeira de. O conhecimento e o uso de métodos multicritérios de apoio à decisão. 2 ed. Recife: Editora Universitária da UFPE, 2011. GOMES, L. F. M. A.; GOMES, C. F. S. Tomada de Decisão Gerencial. Enfoque Multicritério. Atlas. 2012 BRANS, MARESCHAL, (1994) The PROMETHEE-GAIA Decision Support System for Multicriteria Investigations. Investigacion Operativa, 4, p.107-117. BRANS, MARESCHAL, (2002) Prométhée-Gaia Úne méthodologie d aide à la décision en présence de critères multiples. Bruxelas: Editions de l Université de Bruxelles, Collection Statistique et Mathématiques Appliquées. FÜLÖP, J. Introduction to Decision Making Methods. Laboratory of Operations Research and Decision Systems, Computer and Automation Institute. Hungarian: Academy of Sciences, 2005. 19

BRANS & MARESCHAL. Promethee Methods. 2005. In: Figueira et.al. Multicriteria Decision Analysis State of the Art Surveys. Ed: Springer Science + Business Media, Inc. CAMPOS, V. Modelo de apoio à decisão multicritério para priorização de projetos em saneamento. 2011. Tese de Doutorado. Escola de Engenharia de São Carlos da Universidade de São Paulo. RODRIGUES, W. C. Metodologia Científica. Disponível em: <http://professor.ucg.br/sitedocente/admin/arquivosupload/3922/material/willian%20costa %20Rodrigues_metodologia_cientifica.pdf>. Acesso em: 10/12/14. AMARAL, T.M. Modelo de avaliação multicritério para a teoria das restrições aplicado em serviços hospitalares de urgência e emergência. Tese de Doutorado. UFPE. Recife. 2013. 20