UM ESTUDO PARA APOIAR A TOMADA DE DECISÃO LOCACIONAL DE UMA NOVA UNIDADE DO SETOR SUCROALCOOLEIRO NO ESTADO DO PARANÁ Marcia Marcondes Altimari Samed (UEM ) mmasamed@uem.br Felipe Meneguetti de Carlos (UEM ) felipe_menega@hotmail.com Este artigo apresenta um estudo qualitativo realizado com o objetivo de apoiar as decisões de localização de uma nova unidade produtora do setor sucroalcooleiro no estado do Paraná. O setor sucroalcooleiro no Paraná constitui uma parte impoortante para o desenvolvimento do estado, além de possuir um potencial favorável para o crescimento e aplicação de novos investimentos e, portanto, o estudo logístico quanto à decisão locacional se torna relevante. O estudo envolveu a participação de especialistas (diretores de um grupo do setor sucroalcooleiro), os quais puderam imprimir suas experiências e percepções na avaliação dos critérios. Foram realizadas pesquisas sobre as regiões produtoras de cana-de-açúcar no estado do Paraná para identificar as possíveis candidatas a receber a instalação de uma unidade produtora. O problema foi modelado de acordo com a metodologia de apoio à decisão multicriterial Analytic Hierarchy Process (AHP), Deste modo, uma dentre cinco localidades candidatas foi selecionada segundo os princípios do AHP. Os resultados encontrados neste trabalho são muito importantes, pois contemplam aspectos subjetivos e objetivos na decisão locacional e, deste modo, promovem confiabilidade nos processos de decisão de um setor industrial altamente competitivo. Palavras-chaves: Apoio à Tomada de Decisão,Analytic Hierarchy Process, Problema de Localização de Facilidades.
1. Introdução Este artigo aborda o tema localização de facilidades, que é um ramo da logística e faz parte do planejamento estratégico de empresas. Ao se deparar com o problema de localização de facilidades existem duas abordagens para resolução, a análise qualitativa que busca analisar os fatores subjetivos das localizações que possam vir a receber uma facilidade e a análise quantitativa que busca minimizar custos, distâncias entre clientes e fornecedores e a facilidade a ser implantada. Pizzolato et al. (2012) afirmam que o termo facilidades pode ser interpretado como postos de saúde, escolas, fábricas, armazéns, enquanto que os clientes se referem respectivamente a gestantes, estudantes, compradores e entre outros. Para Ballou (2002), encontrar instalações fixas ao longo da rede logística é um problema importante de decisão que dá formato, estrutura e forma ao sistema logístico inteiro. Os problemas de localização de facilidades são estudados ao longo dos anos por diversos autores em inúmeras aplicações. Tal fato deriva-se da importância do estudo desse problema, principalmente na etapa do planejamento em longo prazo da empresa, pois acredita-se que uma boa localização empresarial é um diferencial que irá garantir a competitividade do negócio. Considerando-se a relevância do problema em tela, tem-se uma gama de estudos, que abordam diferentes perspectivas, objetivos, metodologias e técnicas de resolução. Para identificar essas abordagens e embasar teoricamente este artigo, realizou-se uma pesquisa sistemática nas bases dos Anais do Simpósio Brasileiro de Pesquisa Operacional (SBPO) e dos dois principais eventos relacionados à Engenharia de Produção no Brasil, o Encontro Nacional de Engenharia de Produção (ENEGEP) e o Simpósio de Engenharia de Produção (SIMPEP), no período de 2002 a 2012. A pesquisa foi realizada utilizando as palavras-chave localização de facilidades e simplesmente localização, tendo em vista que alguns autores utilizam combinações desta palavra, como localização industrial, localização de escolas, localização de serviços de urgência, apenas para citar alguns. Seguindo os critérios estabelecidos nesta pesquisa, foram selecionados 108 artigos. Com relação à abordagem 49 artigos realizaram pesquisa aplicada, 69 apresentaram um referencial 2
teórico ou propõem um novo método de resolução ou que comparam resultados de diferentes algoritmos. Com relação à perspectiva, tem-se destaque para os métodos quantitativos (PO hard) e quanto à modelagem, destaca-se o modelo p-medianas, que foi referenciado em 29 artigos. Uma análise em profundidade destes artigos possibilitou verificar os métodos de resolução empregados para resolver os modelos de localização, com maior número relatos de uso do método CPLEX, seguido do XPRESS, além de alguns relatos de desenvolvimento de algoritmos nas linguagens C, C++ e Delphi. Estudos que seguiram a perspectiva qualitativa (PO soft) utilizaram teoria da decisão e métodos de análise multicriterial. Os artigos que se enquadraram nesta categoria relataram a aplicação dos métodos Analytic Hierarchy Process (AHP), Lógica Fuzzy, ELECTRE, PROMETHEE e Copeland, em ordem decrescente de citações. Destes, o método AHP foi o mais empregado, citados em 5 trabalhos. Um estudo detalhado do método AHP permitiu identificar a facilidade de incorporar as experiências dos gestores na estruturação do problema de localização, por meio de uma árvore hierárquica que leva em consideração a comparação e avaliação de múltiplos critérios, visando determinar a localização final de uma nova facilidade. Neste artigo propõe-se a aplicação do método AHP para a escolha da localização de uma nova unidade produtora de um grupo do setor sucroalcooleiro no estado do Paraná. Deve-se ressaltar que este estudo foi realizado para dar suporte à análise quantitativa, que não será abordada neste artigo. Na sequência, apresenta-se uma contextualização do setor sucroalcooleiro no estado do Paraná e uma fundamentação teórica acerca do método AHP. 1.1 Uma Breve Contextualização do Setor Sucroalcooleiro no Estado do Paraná De acordo com o Levantamento Sistemático da Produção Agrícola (LSPA) do IBGE (2013), o estado do Paraná, no término da safra de 2012, obteve produção de 49.840.396,00 toneladas de cana-de-açúcar, ficando atrás apenas dos estados de São Paulo, Minas Gerais e Goiás. A atividade sucroalcooleira no Paraná é intensa e apresenta uma grande importância para o desenvolvimento estadual e dos municípios. Segundo o relatório do ano de 2012 da Associação de Produtores de Bioenergia do Estado do Paraná, o estado conta com 30 indústrias do setor bioenergético, com 723 mil hectares de área cultivada com cana sendo 583 3
mil hectares com cana-de-açúcar destinada para moagem. Esse setor é de extrema importância para o estado quanto à geração de empregos, estima-se que existem 65 mil postos de trabalhos gerados diretamente e 500 mil indiretamente, 154 municípios do estado estão envolvidos com a atividade canavieira e que R$ 16 bilhões são movimentados por ano pelo setor e que 50% são de forma direta. No período de janeiro a dezembro de 2012, o Paraná foi o segundo estado no país com maior exportação de açúcar bruto e etanol NCM 2207.10.00, com 2.574.395.012 quilogramas e 188.083.223 litros, respectivamente, perdendo apenas para São Paulo. Para finalizar, o setor sucroalcooleiro constitui-se uma parte importante para o desenvolvimento do estado. Além disso, possui um potencial favorável para o crescimento e aplicação de novos investimentos e, portanto, o estudo logístico quanto à decisão locacional se torna relevante. 1.2 O Método AHP O método de apoio à tomada de decisão multicriterial AHP, criado por Thomas L. Saaty na década de 70, é amplamente utilizado por pesquisadores em diversos tipos de problemas. Para Sipahi e Timor (2010), o AHP consiste na busca da maior importância por meio da comparação par a par em cada nível da hierarquia e avalia as alternativas no nível mais baixo com o objetivo de fazer a melhor decisão entre as que estão sendo estudadas. Além disso, os mesmos autores afirmam que esse método fornece subsídios para transformar julgamentos subjetivos em medidas objetivas. O método AHP conforme proposto por Saaty (2008) foi seguido na íntegra ou adaptado por vários pesquisadores, conforme descrito em Gonçalves et al. (2003), Passos et al. (2010), Azevedo Filho et al. (2010), Borges et al. (2011) e Silva et al. (2012). De um modo geral, o método AHP segue as etapas definidas a seguir: a) Definição do problema; b) Levantamento de dados relativos às alternativas quanto aos critérios estabelecidos pelo tomador de decisão; 4
c) Construção dá árvore hierárquica, com a finalidade de estabelecer as hierarquias e seus relacionamentos. Adicionalmente, a árvore hierárquica pode proporcionar o aspecto visual do problema. O nível mais alto é o do foco principal, que é o objetivo do estudo; no segundo nível tem-se os critérios e o nível mais baixo corresponde às alternativas. A Figura 1 apresenta a estrutura de uma árvore hierárquica. Figura 1: Fluxograma da Árvore Hierárquica Fonte: Costa (2002) apud Barros et al. (2009) Foco Principal Critério I Critério II Critério m Alternativa I Alternativa II Alternativa n d) Criação das matrizes de julgamento. Os julgamentos são feitos par a par e é utilizada a seguinte a escala verbal apresentada na Tabela 1. Tabela 1: Escala de preferência Escala Verbal Escala Numeral Alternativa A é igual a B 1 Alternativa A é fracamente melhor que B 3 Alternativa A é moderadamente melhor que B 5 Alternativa A é fortemente melhor que B 7 Alternativa A é absolutamente melhor que B 9 Valores intermediários entre opiniões adjacentes 2, 4, 6, 8 Fonte: Saaty (2008) 5
O julgamento deve ser feito para todos os critérios, nos quais as comparações serão feitas entre as alternativas, e para o foco principal, sendo que nessa etapa as comparações são feitas entre os critérios, com o objetivo de definir o mais importante; e) Normalização das matrizes e obtenção da Prioridade Média Local (PML). O primeiro passo se dá pela divisão de cada célula de uma coluna pela soma total da coluna. O segundo é somar a linha e fazer a média dos valores. Com isso se obtém a prioridade média local, que mostra qual é a melhor alternativa para cada critério. f) Cálculo da Prioridade Média Global (PMG). Esse passo consiste na ponderação entre as PML s dos critérios com a PML do foco principal. É nessa etapa em que se descobre a melhor alternativa para o problema; g) Cálculo da Consistência Lógica. Essa etapa é importante para saber se o julgamento feito pelo tomador de decisão é coerente. Primeiramente, utilizando a matriz normalizada, calcula-se a ponderação entre os elementos de cada coluna pelo valor da PML (primeira coluna multiplicada pelo primeiro elemento da PML e assim sucessivamente) e realizar a soma das linhas dessa nova matriz. O segundo passo é dividir os elementos dessa nova matriz pelos elementos da PML correspondente. Ao calcular a média desses valores obtém-se o. O índice de consistência é calculado por: Onde n é a ordem da matriz. A Tabela 2 apresenta o índice de Inconsistência Aleatória Média (IAM) pela ordem da matriz de julgamento. Esses valores são utilizados para obter a relação de consistência (RC), que é a divisão do IC pelo valor em relação à ordem da matriz. Tabela 2: Índice de Inconsistência Aleatória Ordem da Matriz 1 2 3 4 5 6 7 8 9 10 IAM 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 Fonte: Costa (2002) apud Barros et al. (2009) 6
Para que o julgamento seja considerado consistente, os valores de RC devem ser inferiores a 10% ou 0,1. É importante dizer que a relação de consistência deve ser calculada para todas as matrizes de julgamento. 2. Desenvolvimento Antes de elucidar o desenvolvimento, é necessário esclarecer quais foram os critérios considerados neste estudo. Seguindo a ideia da vantagem local estabelecida por Cortes e Rangel (2001), os fatores qualitativos levados em consideração para este estudo locacional foram: a) Acesso aos modais de transporte, em que foram analisadas as rodovias e ferrovias; b) Presença de concorrentes; c) Disponibilidade de mão de obra qualificada. Nesse aspecto buscou-se a presença de cursos técnicos e cursos de qualificação profissional; d) Qualidade de vida e serviços essenciais, em que procurou-se determinar número de estabelecimentos de ensino, presença de corpo de bombeiros, existência de hospitais particulares e públicos, postos de saúde e, por fim, a disponibilidade de serviços de água e saneamento básico, eletricidade, telecomunicações, coleta de lixo, transporte público. Essas informações foram obtidas pelos cadernos municipais fornecidos pelo Instituto Paranaense de Desenvolvimento Econômico e Social, portal do Ministério da Educação e Secretaria de Educação do Estado do Paraná, portal do Instituto Brasileiro de Geografia e Estatística e o mapa disponibilizado pelo Departamento de Estrada e Rodagem do Paraná. O desenvolvimento deste artigo está divido em duas partes, sendo a primeira a escolha das localidades candidatas e aplicação do questionário aos diretores e a segunda, a aplicação do método AHP para a tomada de decisão locacional. 2.1 Escolha das Localidades Candidatas Primeiramente, procurou-se determinar as principais regiões produtoras de cana-de-açúcar no estado do Paraná. Paralelamente, analisou-se o mapa fornecido pela Associação de Produtores 7
de Bioenergia do Estado do Paraná (ALCOPAR) e os dados disponíveis pelo Instituto Paranaense de Desenvolvimento Econômico e Social (IPARDES), com foco nas regiões que concentram os municípios com usinas ou destilarias e que são favoráveis à lavoura de canade-açúcar. De acordo com essa análise, chegou-se à conclusão de que as localidades candidatas deveriam estar localizadas nas regiões Noroeste, Norte Central, Norte Pioneiro e Centro Ocidental, sendo a primeira a maior produtora do estado e a última a que menos produziu no estado em 2012. Segundo a ALCOPAR (2011), no Paraná, existem 6 destilarias e 24 usinas. O Quadro 1 apresenta a produção de cana-de-açúcar, em toneladas, fornecida pelo índice IPARDES e a quantidade de usinas ou destilarias em cada região. Quadro 1: Produção e Quantidade de Usinas/Destilarias por Região Região Geográfica Produção (toneladas) Quantidade usinas/destilarias Noroeste 20.581.914 12 Norte Central 13.318.154 10 Norte Pioneiro 8.546.554 6 Centro Ocidental 2.108.004 2 Fonte: Adaptado de IPARDES (2012) e ALCOPAR (2011). De posse dessas informações, as localidades que possuem unidades produtoras foram excluídas da análise para a escolha das candidatas, pois o objetivo é localizar uma unidade em uma localidade que não possua indústrias do setor sucroalcooleiro, mas que se situe na proximidade de uma, tal que possa se beneficiar das tecnologias de plantio e colheita, transporte, experiência profissional, entre outros. Excluídas as localidades com unidades produtoras, o segundo passo consistiu em selecionar as localidades candidatas de acordo com a área colhida. Para tanto, considerou-se que uma localidade candidata possui plantio de cana-de-açúcar. Foram pesquisados os dados de produção e área colhida das unidades produtora, e então determinou-se que a menor área colhida foi de 1.310 hectares. Assim, decidiu-se que para integrar o conjunto de localidades candidatas a localidade deve ter colhido uma área igual ou superior a 2.000 hectares. Dessa forma, 59 localidades candidatas foram selecionadas. 8
Por fim, foram elaborados quatro mapas (ANEXO), um para cada região, explicitando as localidades produtoras e as localidades candidatas. Aplicando-se o critério de proximidade a uma unidade produtora, chegou-se a 5 localidades candidatas. Ficou estabelecido que as regiões com representatividade média teriam 2 localidades candidatas. Assim, resultou 1 localidade candidata para a região Noroeste (maior representatividade); 2 candidatas para a região Norte Central (segunda maior produção de cana-de-açúcar do estado); para a região do Norte Pioneiro e o Centro Ocidental definiu-se 1 localidade candidata para cada (menor representatividade para o setor sucroalcooleiro no estado). Elaborou-se um questionário, que foi enviado a três diretores de indústrias do setor sucroalcooleiro no estado do Paraná, com o intuito de verificar na visão empresarial qual a relevância deste estudo logístico. Além disso, os diretores deveriam valorar a importância de cada critério de acordo com a sua experiência. Nesse processo, o valor 1 correspondia ao fator que tivesse pouca importância, 3 representava importante e 5 muito importante. A aplicação do questionário trouxe uma importante colaboração, como a introdução para a análise de um novo critério a ser considerado, a declividade do solo. Um fator decisivo para que a colheita seja 100% mecanizada e, deste modo, atenda às regulamentações ambientais, a declividade do solo não pode ser superior a 12% (ALCOPAR apud RAMÃO et al., 2007). Com base no que foi exposto, as 5 localidades candidatas foram determinadas, a saber: Bom Sucesso; Cruzeiro do Oeste; Jaguapitã; Santo Antônio da Platina e Terra Boa. 2.2. Aplicação do Método AHP O primeiro passo consistiu na elaboração do fluxograma da árvore de decisão, cujo foco principal foi estabelecido como a localização de uma unidade de um grupo do setor sucroalcooleiro. Os critérios foram definidos: 1) Acesso aos modais de transporte; 2) Mão-deobra especializada; 3) Presença de concorrentes; 4) Qualidade de vida e serviços essenciais; 5) Declividades entre 0-12%. As alternativas para a localização foram Bom Sucesso, Cruzeiro do Oeste, Jaguapitã, Santo Antonio da Platina e Terra Boa. A árvore hierárquica de decisão é apresentada na Figura 2. Figura 2: Árvore de Decisão. Localização de uma unidade de um grupo do setor sucroalcooleiro 9
3. Resultados Utilizando a escala de preferência proposta por Saaty (2008), foi possível criar as matrizes de julgamento dos critérios, conforme pode ser visto nos Quadros 2 a 7. 10
Quadro 2: Julgamento do Critério 1 Critério 1: Acesso a Rodovias e Ferrovias BS CO JT SAP TB BS 1 0,14 0,50 0,13 0,25 CO 7 1 6 0,20 2 JT 2 0,17 1 0,14 0,50 SAP 8 5 7 1 6 TB 4 0,50 2 0,17 1 TOTAL 22 6,81 16,50 1,63 9,75 Quadro 3: Julgamento do Critério 2 Critério 2: Mão-de-Obra Qualificada BO CO JT SAP TB BS 1 0,11 0,33 0,11 1 CO 9 1 9 0,33 9 JT 3 0,11 1 0,11 1 SAP 9 3 9 1 9 TB 1 0,11 1 0,11 1 TOTAL 23 4,33 20,33 1,67 21,00 Quadro 4: Julgamento do Critério 3 Critério 3: Presença de Concorrentes BS CO JT SAP TB BS 1 8 9 6 6 CO 0,13 1 2 0,20 0,20 JT 0,11 0,50 1 0,20 0,20 SAP 0,17 5 5 1 1 TB 0,17 5 5 1 1 TOTAL 1,57 19,50 22,00 8,40 8,40 Quadro 5: Julgamento do Critério 4 Critério 4: Qualidade de Vida BS CO JT SAP TB BS 1 0,17 3 0,14 0,17 CO 6 1 7 0,33 0,50 JT 0,33 0,14 1 0,13 0,14 SAP 7 3 8 1 3 TB 6 2 7 0,33 1 TOTAL 20 6,31 26,00 1,93 4,81 Quadro 6: Julgamento do Critério 5 Critério 5: Declividade BS CO JT SAP TB BS 1 0,14 0,14 1 0,14 CO 7 1 1 7 3 JT 7 1 1 7 3 SAP 1 0,14 0,14 1 0,14 TB 7 0,33 0,33 7 1 TOTAL 23 2,62 2,62 23,00 7,29 Quadro 7: Julgamento do Foco Principal Foco Principal AM MO PC QV DCVD AM 1 3 3 5 0,33 MO 0,33 1 1 3 0,14 PC 0,33 1 1 3 0,14 QV 0,20 0,33 0,33 1 0,11 DCVD 3 7 7 9 1 TOTAL 5 12,33 12,33 21 1,73 Legenda: BS Bom Sucesso, CO Cruzeiro do Oeste, JT Jaguapitã, SAP Santo Antônio da Platina e TB Terra Boa. Já para o Quadro 7, que é a matriz do foco principal, leia-se por AM Acesso aos Modais, MO Mão de Obra, PC Presença de Concorrentes, QV Qualidade de Vida e DCVD Declividade. 11
Após o julgamento dos critérios, realizou-se a etapa de normalização das matrizes com o intuito de encontrar as Prioridades Médias Locais (PML), determinando a localidade que mais se destaca para cada critério. Os resultados são apresentados no Quadro 8. Quadro 8: PML dos Critérios1 ao 5 PML AM PML - MO PML - PC PML QV PML - DCVD BS 0,039770 0,039960 0,577017 0,059896 0,043131 CO 0,231232 0,338654 0,053891 0,199814 0,356819 JT 0,062935 0,063908 0,037902 0,034363 0,356819 SAP 0,549866 0,510961 0,165595 0,453622 0,043131 TB 0,116197 0,046517 0,165595 0,252304 0,200099 O Quadro 9 apresenta a PML calculada para o Foco Principal. Quadro 9: PML para o Foco Principal Foco Principal PML FP AM 0,224544 MO 0,091216 PC 0,091216 QV 0,041398 DCVD 0,551625 Com esses valores, foi possível calcular a prioridade média global, que é uma média ponderada entre os valores do foco principal e as PML s, resultando: PMG Bom Sucesso = 0,09148 PMG Cruzeiro do Oeste = 0,292831 PMG Jaguapitã = 0,221672 PMG Santo Antônio da Platina = 0,227753 PMG Terra Boa = 0,166264 Deste modo, determinou-se que Cruzeiro do Oeste tem a maior preferência global, com 29,28%. Em seguida vem Santo Antônio da Platina com 22,78%. 12
Analisando-se os resultados, nota-se que Santo Antônio da Platina ficou em segundo lugar, por mais que tenha ficado em primeiro na maioria das prioridades médias locais. Isso acontece pelo fato de que essa localidade não possui uma boa declividade, fator qualitativo considerado o mais importante no julgamento do foco principal. Por outro lado, Cruzeiro do Oeste apresentou a maior prioridade local no critério julgado como mais importantes e, quando seus valores foram ponderados com a PML do foco principal, obteve a melhor nota na prioridade média global. Além do julgamento dos critérios, realizou-se a normalização das matrizes, obtenção das prioridades médias locais e globais; foi calculado o índice de consistência e a relação de consistência. A Tabela 3 representa esses valores. Tabela 3: Índice de Consistência e Relação de Consistência Critério Índice de Consistência (IC) Relação de Consistência (RC) AM 0,071599 0,063928 MO 0,076974 0,068727 PC 0,080554 0,071924 QV 0,082181 0,073376 DCVD 0,050432 0,045029 AM 0,02588 0,023036 Para que o julgamento seja considerado consistente, os valores da relação de consistência, RC, devem estar abaixo de 0,1. Para todas as matrizes de julgamento, os resultados satisfazem esse parâmetro. 4. Conclusões Este trabalho proporcionou uma contribuição metodológica muito importante aos diretores de um grupo do setor sucroalcooleiro no estado do Paraná, que contempla aspectos subjetivos e objetivos na decisão locacional para uma nova unidade do grupo. Os resultados encontrados neste trabalho são relevantes, pois promovem confiabilidade nos processos de decisão de um setor industrial altamente competitivo. 13
Nesta abordagem foi contemplada a experiência dos gestores, o que possibilitou a análise de um conjunto de critérios que levaram em consideração aspectos políticos, ambientais, econômicos e sociais, em ordem de importância. A partir dos resultados obtidos neste trabalho, uma nova etapa será realizada considerando uma abordagem quantitativa, em que esta análise qualitativa servirá como referência para a definição das localidades candidatas. Apesar da relevância dos resultados e da facilidade de implementação, há que se apontar algumas fragilidades do método AHP no que diz respeito à imprecisão e subjetividade. A subjetividade deve-se à percepção do tomador de decisão ou da pessoa que realiza o julgamento. Seria interessante a utilização de uma ferramenta computacional que fosse capaz de tratar com informações vagas, ambíguas, imprecisas ou que se tenha pouco conhecimento. Neste sentido, como sugere a literatura, pretende-se desenvolver em trabalhos futuros uma abordagem multicriterial apoiada na teoria dos conjuntos Fuzzy. Agradecimentos Ao Programa Institucional de Bolsas de Iniciação de Desenvolvimento Tecnológico e Inovação PIBITI/CNPq-UEM. REFERÊNCIAS ASSOCIAÇÃO DE PRODUTORES DE BIOENERGIA DO ESTADO DO PARANÁ. Relatório 2012. 2012. AZEVEDO FILHO, E. T.; MARINS, C. S.; RAMOS, R. R.; Souza, D. O.; SUETT, W. B. Uma Abordagem Multicriterial para Problemas de Localização de Empresas Industriais - Um Estudo de Caso. In: XVII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO (SIMPEP), Bauru SP, 2010. BARROS, M. S., MARINS, C. S., SOUZA, D. O. O uso do método de análise hierárquica (AHP) na tomada de decisões gerenciais um estudo de caso. In: XLI SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL (SBPO). Porto Seguro BA, 2009. Borges, A. R.; Costa, J. F. S.; Machado, T. S. Escolha de Localidade para Instalação de uma Indústria Têxtil Utilizando o Método de Análise Hierárquica (AHP). In: XVIII SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO (SIMPEP), Bauru SP, 2011. CORTES J. M. R., PAULA JR, G. G. Uma abordagem estratégica para localização de facilidades. In: XXI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO (ENEGEP). Salvador - BA, 2001. 14
CRUZ, E. P. Auxílio à Tomada de Decisão. Material didático ou instrumental. Universidade Federal Fluminense, 2007. GONÇALVES, M. E.; MARINS, F. A. S.; SALOMON, V. A. P. Uma Abordagem do Problema de Localização de Torres de Rádio Transmissão Auxiliado por um Sistema de Informação Geográfica. In: XXXV SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL (SBPO), Natal - RN, 2003. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Levantamento Sistemático da Produção Agrícola. V. 26, n. 2, pp. 1-87. Fev. 2013. INSTITUTO PARANAENSE DE DESENVOLVIMENTO ECONÔMICO E SOCIAL. Encontrado em <http://www.ipardes.gov.br/>. Acesso em Janeiro de 2013. MINISTÉRIO DA EDUCAÇÃO. Instituições de Educação Superior e Cursos Cadastrados. Disponível em <http://emec.mec.gov.br>. Acesso em: Janeiro de 2013. PASSOS, A. C.; ROCHA, M. M.; SILVA, J. Q. Localização de Indústria de Esmagamento de Soja Usando Análise de Decisão Multicritério Apoiada em de Informação Geográfica. In: XLII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL (SBPO), Bento Gonçalves, 2010. PIZZOLATO, N. D., RAUPP, F M P., ALZZAMORA, G. S. Revisão de Desafios Aplicados em Localização com base em Modelos de p-medianas e suas Variantes. Revista Eletrônica Pesquisa Operacional para o Desenvolvimento, v4, n.1, pp. 13-42, 2012 RAMÃO, F. P., SCHNEIDER, I. E., SHIKIDA, P. F. A. Padrão tecnológico no corte de cana-de-açúcar: um estudo de caso no estado do Paraná. Revista de Economia Agrícola. V. 54, n. 1, p. 109-122, jun./jul. 2007. SAATY, T. L. Decision making with the analytic hierarchy process. International Journal of Services Sciences. Vol. 1, n. 1, 2008. SECRETARIA DE EDUCAÇÃO DO ESTADO DO PARANÁ. SEED em Números. Disponível em <http://www4.pr.gov.br/escolas/numeros/index.jsp>. Acesso em: Janeiro de 2013. SECRETARIA DE INFRAESTRUTURA E LOGÍSTICAS - DEPARTAMENTO DE ESTRADA E RODAGEM DO PARANÁ. Mapa Político Rodoviário de 2013. Disponível em <http://www.infraestrutura.pr.gov.br/arquivos/file/mapa_politico_rodoviario_parana_2013.pdf>. Acesso em: Janeiro de 2013. SILVA, M. C. G.; SILVA, N. P.; SILVA, W. P. Critérios para Localização de Usina de Reciclagem de Resíduos da Construção Civil, Utilizando o Método Analytic Hierarchy Process (AHP). In: XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO (ENEGEP). Bento Gonçalves RS, 2012. SIPAHI, S., TIMOR, M. The analytic hierarchy process and analytic network process: an overview of applications. Management Decision. Vol. 48, n. 5, pp. 775-808. 2010. 15
ANEXO Figura 3: Municípios da Região Noroeste - Cruzeiro do Oeste Fonte: Adaptado de ALCOPAR, 2011 Figura 4: Municípios da Região Centro Ocidental - Terra Boa Fonte: Adaptado de ALCOPAR, 2011 16
Figura 5: Municípios da Região Norte Central - Jaguapitã e Bom Sucesso Fonte: Adaptado de ALCOPAR, 2011 17
Figura 6: Municípios da Região Norte Pioneiro - Santo Antônio da Platina Fonte: Adaptado de ALCOPAR, 2011 18