Você está na página 1de 14

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/312026689

MÉTODO HÍBRIDO DE APOIO À DECISÃO AHP-TOPSIS PARA AVALIAÇÃO DE


ECOEFICIÊNCIA DE TRANSPORTES

Conference Paper · November 2016

CITATIONS READS

0 349

4 authors:

Rodrigo Caiado Simão, Victor Gomes


Universidade Federal Fluminense National Institute of Metrology, Quality and Technology (Inmetro)
48 PUBLICATIONS   137 CITATIONS    13 PUBLICATIONS   6 CITATIONS   

SEE PROFILE SEE PROFILE

Luis Alberto Duncan Rangel Osvaldo Luiz Gonçalves Quelhas


Universidade Federal Fluminense Universidade Federal Fluminense
21 PUBLICATIONS   180 CITATIONS    194 PUBLICATIONS   501 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

ORGANIZAÇÕES HUMANAMENTE SUSTENTÁVEIS: ESTUDO DE CASO EM ORGANIZAÇÕES DE BASE TECNOLÓGICA, UM FOCO NA GESTÃO DE PESSOAS View project

INOVAÇÕES, ESTRATÉGIAS, SUSTENTABILIDADE E SISTEMAS DE GESTÃO DE PRODUTOS E SERVIÇOS View project

All content following this page was uploaded by Simão, Victor Gomes on 02 January 2017.

The user has requested enhancement of the downloaded file.


MÉTODO HÍBRIDO DE APOIO À DECISÃO AHP-TOPSIS PARA AVALIAÇÃO DE
ECOEFICIÊNCIA DE TRANSPORTES

Rodrigo Goyannes G. Caiado


Victor Gomes Simão
Luís Alberto Duncan Rangel
Osvaldo Luiz Gonçalves Quelhas
Universidade Federal Fluminense
Departamento de Engenharia de Produção

RESUMO
Considerando a necessidade de se avaliar a sustentabilidade de veículos de transportes, a partir de variáveis
multicritério, que permitem selecionar ou ordenar os veículos mais ecoeficientes, de acordo com seus
desempenhos econômicos e ambientais, o Apoio Multicritério à Decisão foi considerada uma técnica robusta e
bastante adequada para resolver esse tipo de problema. Os Métodos AHP e TOPSIS foram aplicados neste
estudo visando orientar o julgamento para uma avaliação da ecoeficiência de veículos leves da categoria picape
pequena de 500 a 1000 kgf de carga, com base em requisitos selecionados pelos decisores. A partir de dados
divulgados pelo Programa Brasileiro de Etiquetagem Veicular do CONPET, este artigo propõe um modelo
híbrido AHP-TOPSIS considerando fatores quantitativos para esta decisão. Neste contexto, o método AHP se
mostrou bastante útil em envolver vários decisores na avaliação de múltiplos critérios conflitantes para se chegar
a um consenso no processo de tomada de decisão, enquanto que o método TOPSIS foi usado para calcular a
classificação das alternativas.

ABSTRACT
Considering the need to assess the sustainability of transport vehicles from multicriteria variables, which allow
to select or sort the most eco-efficient vehicles , according to their economic and environmental performance, the
Multicriteria Decision Support was considered a robust technique and quite suitable to solve this problem. The
AHP and TOPSIS methods were applied in this study to guide judgment for an assessment of the eco-efficiency
of light vehicles of the small truck category (from 500 to 1000 kgf load), based on requirements selected by
decision makers. From data released by the Brazilian Vehicular Labeling Program from CONPET, this article
proposes a hybrid AHP–TOPSIS model considering quantitative factors for this decision. In this context, the
AHP method was useful to involve multiple decision makers in evaluating multiple conflicting criteria to reach a
consensus in the decision making process, while the TOPSIS method was used to calculate the ranking of
alternatives.

1. INTRODUÇÃO
O setor de transportes, atualmente, enfrenta como grande desafio a busca pela
sustentabilidade da mobilidade de passageiros e de cargas, em um cenário fortemente
dependente de combustíveis fósseis, que impactam diretamente na crescente taxa de emissões
de gases poluentes e causadores de efeito estufa. O crescimento demográfico, o processo de
urbanização e a exploração intensiva das limitadas fontes de energia fósseis se apresentam
como tendências desafiadoras para inovações no setor de transportes.

A mobilidade pessoal é condição imprescindível para a humanidade, no que tange ao acesso


ao emprego, à educação e à cultura, à troca de mercadorias e ao desenvolvimento
socioeconômico dos povos, em uma economia globalizada. Além de fator essencial da
liberdade individual, do crescimento econômico e da geração de riqueza, o transporte permite
a extensão territorial das relações sociais e a troca de culturas (Philipon, 2010).

O setor de transportes, caracterizado pelo amplo uso de motores à combustão interna, com
baixos níveis de eficiência, é essencial para as atividades humanas, mas cada vez mais sofre
pressões pela sua peculiar alta demanda energética, pelo seu impacto no concorrido espaço
urbano e pelas emissões ambientalmente prejudiciais, Tais fatores caracterizam-se como
imperativos desafios a serem avaliados para a escolha de meios de transporte terrestre com
maior nível de eco eficiência.

O objetivo deste artigo, fundamentado nas metodologias AHP e TOPSIS de auxílio


multicritério à decisão, é auxiliar os autores na seleção de um veículo utilitário leve a ser
utilizado para transporte de carga, tendo foco na escolha do veículo com a maior
ecoeficiência, ou seja, o menor consumo de combustível, a menor emissão de poluentes e a
maior capacidade de carga possível. Foram utilizados como referência os dados
disponibilizados pelo CONPET (2016), fornecidos pelo INMETRO e Petrobras e pelas
respectivas montadoras das marcas e modelos dos automóveis analisados.

2. REVISÃO BIBLIOGRÁFICA
Este capítulo traz uma revisão do referencial teórico necessário para a formação dos conceitos
que foram aplicados ao desenvolvimento deste artigo, bem como à consecução dos objetivos
pretendidos nesta pesquisa.

2.1. Emissões atmosféricas relacionadas ao setor de transportes


Os principais poluentes atmosféricos originários a partir da combustão de fontes energéticas
fósseis foram classificados em publicação do Ministério do Meio Ambiente (2013),
destacando-se como principais os Aldeídos (RCHO); Dióxido de Enxofre (SO2); Dióxido de
Nitrogênio (NO2); Hidrocarbonetos (HC); Material Particulado (MP); Monóxido de Carbono
(CO); Ozônio (O3) e os Poluentes Climáticos de Vida Curta (PCVC), que incluem carbono
negro, metano, e Hidrofluorcarbonetos (HFC).

Neste artigo, os poluentes considerados para fins de avaliação das alternativas de transporte
foram aqueles mensurados no âmbito do Programa Brasileiro de Etiquetagem Veicular, a
saber; o dióxido de carbono, resultante da combustão completa do carbono presente no
combustível, importante atualmente devido à sua expressiva contribuição ao efeito estufa; o
monóxido de carbono, resultante da combustão incompleta do carbono contido no
combustível, gás extremamente tóxico; hidrocarbonetos não-metano, proveniente da
combustão incompleta do combustível no motor, que compreende todas as substâncias
orgânicas geradas no processo de combustão exceto o metano, precursor na formação do
ozônio troposférico e óxidos de nitrogênio, formado pela reação de oxigênio e nitrogênio
presentes na atmosfera sob condições de alta temperatura e elevada pressão, assim como os
NMHC e os RCHO, são precursores do ozônio troposférico.

Segundo publicação da Empresa de Pesquisa Energética (EPE, 2014), o total de emissões


associadas à matriz energética brasileira atingiu, no ano de 2012, a taxa de 209,3 milhões de
toneladas de dióxido de carbono equivalente, gerados somente no setor de transportes. Em
2013, o total de emissões se aproximou de 460 milhões de toneladas de CO2 equivalente,
sendo 47% delas geradas no setor de transportes.

Segundo dados da EPE (2014), em 2013, o Brasil utilizou 59% de fontes não renováveis e
41% de fontes renováveis. Dentre os combustíveis fósseis, petróleo e seus derivados
representam 39,3% e gás natural (12,8%). Dentre as fontes renováveis há maior participação
da biomassa da cana (16,1%), seguida pelas fontes hidráulicas, lenha e carvão vegetal.

2.2. Ecoeficiência
Hoje em dia, a maioria das organizações tenta alcançar o desenvolvimento sustentável com
respeito ao conceito "verde" e um dos principais critérios de avaliação do desempenho verde é
a ecoeficiência (Rashidi e Farzipoor Saen, 2015). Ecoeficiência é uma medida de melhoria da
sustentabilidade porque liga impactos ambientais diretamente com algum tipo de desempenho
econômico (Müller et al., 2014). Conforme Picazo-Tadeo et al. (2012): "Ecoeficiência refere-
se à capacidade das empresas, indústrias ou economias para produzir bens e serviços,
enquanto incorrer menos impacto sobre o meio ambiente e consumir menos recursos
naturais."

Para alcançar este objetivo e reduzir os impactos negativos do setor de transportes no meio
ambiente e na sociedade, Ziolkowska e Ziolkowski (2015) definem que foram introduzidas
nos Estados Unidos, desde 2006, estratégias de desenvolvimento sustentável e políticas
operacionais objetivando incluir, dentre outros, a modernização da estrutura de serviços de
transporte público de passageiros e de cargas, com destaque para os incentivos de melhorar a
eficiência do setor até 2010. Estas estratégias incluíam, por exemplo, as ações apresentadas a
seguir:
 Melhoria da performance econômica e ambiental de todos os modais de transporte,
incluindo medidas que afetam a mudança de rodovias para ferrovias onde possível.
 Melhoria do transporte terrestre de passageiros, incluindo redução na intensidade de
transportes através da reengenharia de processos de produção e logística.
 Mudanças no comportamento combinada com melhor conexão entre diferentes modais de
transporte.
 Melhoria da eficiência energética do setor de transportes, através de medidas de redução de
custos e de emissões.

No Brasil, políticas de amplo alcance foram implantadas desde a década de 1970, como o
Programa Pró-álcool, as iniciativas do Proconve/Conama estabelecendo limites
gradativamente decrescentes de emissões, desde a década de 1990 e o desenvolvimento da
tecnologia de motores bicombustíveis, na década de 2000. Mais recente, o Programa Inovar
Auto, trouxe iniciativas importantes, como o Programa Brasileiro de Etiquetagem Veicular
(PBEV), executado pelo INMETRO em parceria com a Petrobras. Assim como os estímulos
para uma renovação da frota, obtidas através da redução de alíquotas de IPI, já na década de
2010.

Segundo Hill (2010), a eficiência energética dos motores de combustão interna não passa de
15%, e apesar da eficiência dos motores ter aumentado nos últimos anos (Meyer e Wessely,
2009), as emissões de gases causadores do efeito estufa continuam crescendo na frota
mundial. Gases como monóxido de carbono (CO) e dióxido de enxofre (SO2) foram reduzidos
de forma bem sucedida com as tecnologias e políticas aplicadas nos motores nas últimas
décadas. Contudo, outros gases, como óxidos de nitrogênio (NOx) e material particulado ainda
estão crescentemente presentes na atmosfera (Pazdernil et al., 2010).

A União Europeia tem direcionado seus esforços para o uso de biocombustíveis, no sentido de
reduzir as emissões e a dependência por combustíveis fósseis no setor de transportes
(Comunidade Europeia, 2009). Mas, apesar da precisa definição pela necessidade de ações
políticas visando aumentar a Eco eficiência no setor de transportes, os resultados das ações e
estratégias implementadas nos últimos 10 anos ainda não foram satisfatórias (Ziolkowska e
Ziolkowski, 2015).
Recente publicação da Comissão da Comunidade Europeia em 2009, avaliando o processo de
melhoria da eficiência e da sustentabilidade no setor de transportes, indica que o sistema de
transportes europeu ainda não pode ser considerado sustentável. Contudo, existe uma
reconhecida tendência de melhoria da eficiência no setor de transportes, cujos ganhos de
eficiência ainda não foram totalmente utilizados para reduzir o consumo geral de
combustíveis e, ainda, eles não têm sido suficientemente grande para compensar os crescentes
volumes de transportes (Comunidade Europeia, 2009).

2.3. O Programa Brasileiro de Etiquetagem


O Programa Brasileiro de Etiquetagem (PBE) trouxe a base das informações e dos dados
tratados neste artigo, inicialmente, foi projetado para o setor de transportes, em virtude das
crises do petróleo que afetaram o mundo na década de 1970, de acordo com Simão (2011). O
projeto foi redirecionado e ampliado, posteriormente, para o setor de aparelhos
eletrodomésticos e teve sua origem efetiva na década de 1980, quando o Ministério da
Indústria e Comércio iniciou estudos sobre a criação de programas de avaliação da
conformidade. Seu foco estava em avaliar o desempenho energético dos produtos, com a
finalidade de contribuir para a racionalização do uso da energia no Brasil, através da prestação
de informações sobre a eficiência energética dos equipamentos disponíveis no mercado
nacional, para auxiliar na decisão de compra dos consumidores.

Segundo a Lei 10.295, de 17 de outubro de 2001, que dispõe sobre a Política Nacional de
Conservação e Uso Racional de Energia, conhecida como Lei de Eficiência Energética, os
fabricantes e importadores de máquinas e aparelhos consumidores de energia são obrigados a
adotar as medidas necessárias para que sejam obedecidos os níveis mínimos de consumo de
energia e máximos de eficiência energética (Brasil, 2001).

O PBE é atualmente coordenado pelo INMETRO, em parceria com o Programa Nacional da


Racionalização do Uso dos Derivados do Petróleo e do Gás Natural (CONPET) e o Programa
Nacional de Conservação de Energia Elétrica, (PROCEL), duas iniciativas governamentais
operacionalizadas, respectivamente, pela Petrobras e pela Eletrobrás, que premiam
anualmente os produtos mais eficientes. Fazem parte do PBE os programas de Avaliação da
Conformidade, que utilizam a Etiqueta Nacional de Conservação da Energia (ENCE) para
prestar informações aos consumidores sobre o desempenho ambiental dos produtos
etiquetados.

Os objetivos do PBE são prover informações úteis que influenciem a decisão de compra dos
consumidores. Desta forma, o PBE busca incentivar a inovação e a evolução tecnológica dos
produtos, sendo instrumento para redução do consumo de energia, em alinhamento com as
metas do Plano Nacional de Eficiência Energética (Simão, 2011). Segundo o CONPET
(2016), cada categoria de produto tem o seu consumo de energia e seu desempenho
pretendido avaliados periodicamente. A partir dos resultados alcançados, é criada uma escala
classificatória que permite ao consumidor identificar qual o produto mais eficiente para o seu
uso pretendido. Esta escala é apresentada em uma etiqueta que deve estar afixada nos modelos
de veículos avaliados em seu local de venda.

A Etiquetagem é uma forma de evidenciar o atendimento aos requisitos de desempenho dos


veículos estabelecidos em normas e regulamentos técnicos. Os veículos avaliados no âmbito
do Programa Brasileiro de Etiquetagem ficam autorizados a ostentar a um selo, que classifica
os veículos em faixas coloridas, de “A” (mais eficiente) a “E” (menos eficiente), e fornece
outras informações relevantes, como por exemplo, as emissões dos motores causadores de
gases poluentes e de efeito estufa. Tais informações são apresentadas de forma bem clara ao
público consumidor, conforme modelo da etiqueta ENCE.
Após a análise deste referencial teórico sobre o marco regulatório e as limitações das
tecnologias de motores, atualmente disponíveis no país, fica evidentes a importante demanda
pela seleção de tecnologias ecoeficientes para o transporte de cargas no Brasil, evidenciando
assim a relevância da proposta apresentada por este estudo.

3. METODOLOGIA
Utilizou-se neste trabalho a base de dados do Programa Brasileiro de Etiquetagem Veicular
(PBEV) disponibilizada pelo CONPET (2016), contendo elementos para a tomada de decisões
de escolha do modelo de veículo para transporte de carga. Primeiramente, foi apresentada, no
capítulo anterior, uma revisão bibliográfica sobre os temas ecoeficiência, emissões e
eficiência energética, que formaram a base teórica utilizada para a escolha dos critérios de
maior relevância relativos a esta análise. Posteriormente, foram aplicadas neste estudo as
metodologias AHP e TOPSIS com vistas a selecionar a melhor alternativa em termos de eco
eficiência para o transporte urbano de cargas. Foram selecionados 11 veículos de carga
derivados de carros de passeio, com capacidade de carga entre 500 e 1000 kgf, com motor
flex, à venda no mercado brasileiro no ano de 2016, elencados na tabela de eficiência
energética do portal CONPET.

Os veículos e os critérios foram selecionados e ponderados por uma equipe de especialistas,


composta por pesquisadores do Instituto Nacional de Metrologia, Qualidade e Tecnologia
(INMETRO), responsáveis pela avaliação da conformidade de produtos do setor automotivo.

3.1. O Método AHP


Conforme Gomes et al. (2004), a partir do Método de Análise Hierárquica, mais conhecido
como AHP (abreviação do inglês Analytic Hierarchy Process), criado por Saaty (1980), o
problema é dividido em níveis hierárquicos, o que facilita a compreensão e avaliação deste e
ao final do método, busca-se priorizar ou classificar as alternativas. Por ser um método
simples, que permite comparações paritárias e baseia-se em julgamentos de especialistas para
derivar escalas de prioridade, têm sido amplamente aplicado por pesquisadores e tomadores
de decisão (Vaidya e Kumar, 2006).

O método AHP objetiva analisar um problema qualitativo através de método quantitativo


(Lolli et al. 2014) e utiliza a comparação par a par entre cada um dos critérios, subcritérios,
alternativas e correlação entre níveis usando uma escala denominada nominal (Deng et al.,
2014).

Segundo Saaty (1980), Gomes et al. (2004) e Zhang (2016) o AHP clássico é um método de
avaliação e decisão e suas principais etapas são:

(1) Construção de modelo de estruturação hierárquica de critérios. Há o estabelecimento da


camada (níveis) de critérios, sendo necessário haver homogeneidade e não-redundância
entre os critérios do mesmo nível.
(2) Matriz de comparação estrutural. Conforme Gomes et al. (2004), após construir a
hierarquia, será necessário preencher as matrizes dominantes (Equação 1), em que as
alternativas e os critérios são comparados par a par em matrizes de decisão quadradas
usando-se a escala fundamental desenvolvida por Tomas L. Saaty. Assim, o decisor
deverá fazer n(n-1)/2 comparações em todos os níveis hierárquicos, sendo n o número de
elementos do nível analisado.
/ (1)
Em que,
 é a matriz de julgamento e estabeleceu-se que mostra o valor da comparação
relativa entre o índice e o índice .


 ,

(3) Normalização de matriz de julgamento (Equação 2):


(2)

(4) Somar a linha da matriz de julgamento (Equação 3) para obter a prioridade relativa dos
critérios.
(3)

(5) O vetor de prioridade é normalizado pela Equação 4:


(4)

Por outro lado, conforme Mobinizadeh et al. (2016), pode-se usar uma forma alternativa em
que a média geométrica dos elementos de cada linha é calculada e em seguida, o vetor obtido
é normalizado para obter o vetor prioridade. Para Tomashevskii (2014), o método da média
geométrica é semelhante ao método do autovetor, sendo igualmente adequados para medir e
classificar elementos comparáveis com valores numéricos positivos. A média geométrica é
muito útil para tomada de decisão em grupo (Dong et al., 2010) e deriva a prioridade dos
elementos conforme a Equação 5:
(5)
Em que é um fator de normalização.

(6) Derivar o autovalor máximo ( e seu autovetor de acordo com a Equação 6:


(6)

Nesta etapa é determinada a importância relativa dos fatores pelo cálculo dos autovetores
correspondentes ao máximo autovalor de comparação.

Conforme Mobinizadeh et al. (2016), o da matriz é estimado da seguinte maneira:


(i) obtenção de uma estimativa bem adequada de , multiplicando o vetor pela
matriz (equação 6);
(ii) é calculado pela divisão dos valores obtidos para pelo relativo;
(iii) médio é calculado.

(7) Checar a consistência (Equação 7):

(7)
Em que, é o índice de consistência e a matriz será consistente se: e 0,1.

Além disso, Saaty (1980) propõe o cálculo da Razão de Consistência (RC), obtida pela
fórmula (Equação 8):
(8)
Em que, IR é um índice aleatório, calculado para matrizes quadradas de ordem n pelo
Laboratório Nacional de Oak Ridge, nos Estados Unidos e quanto maior for o RC, maior será
a inconsistência, sendo que para ser consistente (Gomes et al., 2004): se RC = 0; ; se
=3, RC < 0,05; se = 4, RC < 0,09; se ; RC ≤ 0,10. Caso contrário, a comparação par a
par deve ser revisada para reduzir a incoerência.

3.2. O Método TOPSIS


Conforme Hwang et al. (1993), a técnica TOPSIS (abreviação do inglês Technique for Order
Preference by Similarity to Ideal Solution) para ordenamento de preferência por similaridade
pela solução ideal foi primeiramente desenvolvida por Hwang e Yoon (1981) a fim de
solucionar um problema à tomada de decisão com múltiplos atributos e isso forneceu o
princípio do compromisso em que a alternativa escolhida deve ser a de menor distância da
Solução Ideal Positiva (SIP) e a de maior distância da Solução Ideal Negativa (SIN). Com
isso, o TOPSIS minimiza a distância para a alternativa ideal enquanto maximiza a distância
até o ponto ante ideal. E, conforme Kahraman (2008), a solução ideal é formada tomando-se
os melhores valores alcançados pelas alternativas, durante a avaliação em relação a cada
critério de decisão, enquanto a solução ante ideal é composta de forma similar, tomando-se os
piores valores.

Assim, escolheu-se o método TOPSIS, pois conforme Lima Junior e Carpinetti (2015) é
adequado para modelar valores de critérios quantitativos precisamente conhecidos, o processo
de coleta de dados é mais simples e requer menor quantidade de julgamentos. E, para Barros e
Wanke (2015), as principais vantagens dos métodos TOPSIS (Hwang e Yoon, 1981) sobre
modelos DEA (Charnes et al., 1978) para a análise da eficiência, referem-se ao fato de que as
constantes de escala estão sujeitas ao critério dos decisores, e nenhuma hipótese a qual
requeira convexidade de dados é necessária.

Segundo Olson (2004) e Barros e Wanke (2015), a ideia do método TOPSIS pode ser
expressa nas seguintes etapas:

(1) Desenvolver matriz de avaliação. Desenvolver matriz de avaliação com m alternativas e n


critérios, sendo que a intersecção entre cada alternativa e critério é dada por x ij, para o
qual a matriz (xij)mxn é obtida.
(2) Normalizar a matriz (xij)mxn para uma matriz normalizada R*= (rij). Neste estudo, usou-se
o método de normalização vetorial, conforme demonstrado na Equação 9:
= 1, 2, ...m e j=1, 2, ..., n (9)

(3) Ponderar matriz. Desenvolver um conjunto de constantes de escala wk para cada um dos
critérios. A base para esta ponderação pode ser qualquer coisa, mas geralmente é o
reflexo ad hoc da importância relativa. A escala não é um problema se a normalização for
realizada na etapa 2. A ponderação da matriz é dada pela Equação 10:
(10)
Em que, wj é a constante de escala dado para o critério j, e .

(4) Definir melhor desempenho. Identificar a alternativa ideal ou (desempenho extremo em


cada critério) ou SIP.

(5) Definir pior desempenho. Identificar a alternativa de ponto ante ideal ou (desempenho
extremo reverso em cada critério) ou SIN.

(6) Obter medidas de distância com base em distância Euclidiana. Desenvolver uma medida
de distância para cada ponto ideal (D+) e para cada ponto ante ideal (D-). Essas medidas
são dadas respectivamente pelas Equações 11 e 12:
, para i = 1, 2, ..., m (11)

, para i = 1, 2, ..., m (12)

(7) Determinar razão R. Para cada alternativa, determinar a razão R igual à distância para o
ponto ante ideal dividido pela soma da distância ao ponto ante ideal e a distância para o
ponto ideal Equação (13).
Ri = D-i / (D-i + D+i) (13)

(8) Classificar. Obter a ordem de classificação das alternativas pela maximização da relação
da etapa 7.

4. APLICAÇÃO DO AHP-TOPSIS PARA AVALIAR A ECOEFICIÊNCIA DOS


TRANSPORTES
Desenvolveu-se um estudo de caso, por meio da aplicação de métodos multicritério, a fim de
avaliar a ecoeficiência no setor de transportes brasileiro. Para Yin (2013), os estudos de caso
consistem em uma investigação em profundidade de um fenômeno específico e complexo,
implementado no contexto do mundo real.

Nesta pesquisa, foram selecionadas pelos decisores onze alternativas de veículos leves da
categoria veículo comercial derivado, movidos a etanol e gasolina, que foram enumeradas de
A1 a A11. A aplicação dos métodos sobre as alternativas buscou verificar qual destes veículos
atende melhor às dimensões econômica e ambiental da sustentabilidade. Para estes veículos,
selecionaram-se os critérios relativos às emissões no escapamento, consumo energético,
quilometragem por litro e capacidade de carga (enumerados de C1 a C7).
O objetivo pretendido com essa análise consiste em minimizar os critérios ambientais e
maximizar os critérios econômicos, conforme a Tabela 1. Os critérios foram escolhidos por
uma equipe multidisciplinar de especialistas do INMETRO, em conformidade com a
estratégia de desenvolvimento sustentável para avaliar a eco eficiência dos transportes.

Tabela 1: Critérios de avaliação


Tipo Siglas Critérios Unidades Objetivo
Ambiental C1 Emissões de NMHC g/km Minimizar
Ambiental C2 Emissões de CO g/km Minimizar
Ambiental C3 Emissões de NOx g/km Minimizar
Ambiental C4 Emissões de CO2 fóssil g/km Minimizar
Econômico C5 Quilometragem por Litro km/l Maximizar
Ambiental C6 Consumo Energético MJ/km Minimizar
Econômico C7 Capacidade de carga Kgf Maximizar

A partir desta etapa, propôs-se a aplicação do método AHP-TOPSIS, composto da sequência


do método AHP, a fim de determinar a importância dos critérios e, em conjunto, o método
TOPSIS para determinar a classificação das alternativas. Desta forma, o método AHP é
empregado para: determinar a hierarquia de critérios, construir matriz par a par do critério e
determinar as constantes de escala dos critérios. Já o método TOPSIS será empregado nesta
pesquisa para: avaliar as alternativas (matriz de decisão normalizada), determinar a solução
ideal e ante ideal, determinar medidas de distâncias, determinar a razão R e determinar a
classificação. O método AHP-TOPSIS foi aplicado por meio das seguintes etapas:

Etapa 1: Desenvolvimento de modelo de hierarquia com base nos critérios.

Etapa 2: Construir matriz de comparação (Tabela 2), a fim de obter os pesos par a par dos
elementos do nível da hierarquia mostrada. As preferências dos decisores são calculadas
através da a escala de Saaty (1980).

Tabela 2: Matriz de comparação dos critérios


C1 C2 C3 C4 C5 C6 C7
C1 1 0,2 3 4 0,3333 0,25 0,1667
C2 5 1 6 7 4 3 0,3333
C3 0,3333 0,1667 1 3 0,2500 0,2 0,1429
C4 0,2500 0,1429 0,3333 1 0,2000 0,1667 0,1250
C5 3 0,25 4 5 1 0,3333 0,2000
C6 4 0,3333 5 6 3 1 0,2500
C7 6 3 7 8 5 4 1

Etapa 3: Determinar as constantes de escala dos critérios. Nesta etapa, calculou-se o vetor de
prioridades dos critérios por meio do cálculo do valor normalizado da média geométrica das
linhas da matriz de comparação. A Tabela 3 expressa a prioridade, o respectivo vetor de
prioridade dos critérios e o valor da Razão de Consistência (RC) obtido com IR=1,32 (n=7) e
= 7,6486. O valor de RC é igual a 0,0819 que é menor do que 0,10. Pelo resultado do
RC, percebe-se que a inconsistência dos juízos emitidos foi aceitável.
Tabela 3: Vetor de prioridade e RC dos critérios
Prioridades C7 C2 C6 C5 C1 C3 C4
Vetor de prioridades 0,3886 0,2468 0,1533 0,0943 0,0580 0,0360 0,0229

Etapa 4: Desenvolvimento de matriz de avaliação. A Tabela 4 apresenta a matriz de decisão,


com as onze alternativas e os seus respectivos desempenhos nos sete critérios. Posteriormente,
os valores são normalizados e ponderados. Depois os valores do melhor (SIP) e do pior
desempenho (SIN) são respectivamente. Os critérios minimizadores (C1, C2, C3, C4 e C6) os
maiores valores são considerados piores desempenhos enquanto para os maximizadores, (C5 e
C7) quanto maior o valor melhor será. As Medidas de Distância, razão R e ordem de
classificação são apresentadas na Tabela 5.

Tabela 4: Matriz de avaliação


Transportes C1 C2 C3 C4 C5 C6 C7
A1 0,03 0,66 0,01 121,00 10,40 1,99 768,00
A2 0,01 0,29 0,03 119,00 10,70 1,92 650,00
A3 0,02 0,49 0,03 126,00 10,00 2,08 650,00
A4 0,02 0,33 0,04 127,00 10,30 2,07 705,00
A5 0,02 0,33 0,04 127,00 10,30 2,07 685,00
A6 0,02 0,42 0,02 123,00 10,50 2,00 712,00
A7 0,02 0,43 0,02 117,00 10,80 1,89 668,00
A8 0,03 0,40 0,02 114,00 10,90 1,87 668,00
A9 0,02 0,36 0,02 117,00 10,90 1,89 623,00
A10 0,02 0,37 0,04 133,00 9,60 2,17 650,00
A11 0,03 0,46 0,03 149,00 8,30 2,40 650,00

Tabela 5: Medidas de Distância, razão R e ordem de classificação


D+ D- R Ordem
A1 0,0651 0,0295 0,3122 11
A2 0,0213 0,0668 0,7582 3
A3 0,0420 0,0315 0,4282 10
A4 0,0161 0,0614 0,7927 1
A5 0,0186 0,0607 0,7656 2
A6 0,0255 0,0469 0,6475 5
A7 0,0302 0,0443 0,5943 8
A8 0,0278 0,0481 0,6337 7
A9 0,0284 0,0552 0,6607 4
A10 0,0284 0,0520 0,6470 6
A11 0,0406 0,0355 0,4665 9

Conforme a análise da Tabela 5 percebe-se que a ordem de classificação das alternativas com
melhores índices de ecoeficiência, a partir dos critérios selecionados, seria: A4 > A5 > A2 > A9
> A6 > A10 > A8 >A7 > A11 > A3 > A1
5. CONCLUSÕES
A aplicação do método AHP como ferramenta auxiliar na tomada de decisão resultou na
indicação da ordem prioritária de critérios para posterior classificação de veículos, por meio
do método TOPSIS, no que diz respeito aos seus desempenhos de eco eficiência, a qual
permitiu uma análise detalhada das alternativas, servindo como bechmanrking na escolha de
transportes mais sustentáveis. Os critérios foram definidos por uma equipe multidisciplinar de
especialistas em avaliação da conformidade, de acordo com a estratégia sustentável, com foco
nas dimensões ambiental e econômica. O resultado obtido levou em consideração onze
veículos previamente selecionados e sete critérios.

Verifica-se que as vertentes ambiental e econômica da sustentabilidade podem orientar a


busca por alternativas de transporte mais ecoeficientes, considerando critérios quantitativos
relativos aos veículos, cujos dados são de acesso público através do portal do CONPET
(2016) e assim procura-se obter uma melhor qualidade ambiental para a vida das gerações
futuras. Verifica-se que a alternativa que apresentou o melhor desempenho, segundo os
critérios selecionados para esta análise foi a alternativa A4. Analisando a matriz de decisão,
verifica-se que esta alternativa apresenta alto índice de capacidade de carga, baixo nível de
emissão de poluentes, apesar de não ser a mais eficiente em termos de consumo de
combustível e eficiência energética. Mas a quantificação de seu desempenho geral nos 7
critérios fica comprovada com a aplicação dos métodos de apoio à decisão.

Identificam-se ainda, dentre as alternativas avaliadas, que A5, A2, A9 e A6 apresentam, nesta
ordem, bons desempenhos. E que as alternativas A3 e A1 são as que apresentam os piores
desempenhos, principalmente devido ao seu alto índice de emissões de CO, critério
considerado crítico sob o aspecto ambiental, comprovando as expectativas dos especialistas.

Esta pesquisa abordando a ecoeficiência no contexto dos transportes, tendo os métodos de


apoio à decisão na implementação do problema para a obtenção da ordenação das alternativas
é um campo fértil de pesquisa. Assim, tem-se a expectativa de que em futuras pesquisas,
outros problemas de cunho sustentável podem ser abordados e analisados, considerando
outras dimensões da sustentabilidade como a social e no caso de incerteza na determinação da
importância relativa dos critérios, através do uso de outros métodos combinados, tais como o
fuzzy TOPSIS ou similares.
Agradecimentos
Os autores agradecem ao apoio recebido do CNPq.

REFERÊNCIAS BIBLIOGRÁFICAS
Barros, C.P.; P. Wanke (2015). An analysis of African airlines efficiency with two-stage TOPSIS and neural
networks. Journal of Air Transport Management 44-45 90e102.
Brasil, Decreto nº 4.059, de 19 de dezembro de 2001 (2001) Regulamenta a Lei no 10.295, de 17 de outubro de
2001, que dispõe sobre a Política Nacional de Conservação e Uso Racional de Energia, e dá outras
providências.
Brasil, Ministério do Meio Ambiente (2013). Inventário Nacional de Emissões Atmosféricas por Veículos
Automotores Rodoviários.
Brasil (2013) Inventário Nacional de Emissões Atmosféricas por Veículos Automotores Rodoviários. Ministério
do Meio Ambiente.
Charnes, A.; W. Cooper e E. Rhodes (1978) Measuring the efficiency of decision-making units. European
Journal of Operational Research, vol. 2, pp. 429-444.
Comunidade Europeia (2009). A Sustainable Future for Transport. Publications Office of the European Union,
Luxembourg.
CONPET (2016) Programa Nacional de Racionalização do uso dos derivados de petróleo e gás natural.
Programa Brasileiro de Etiquetagem Veicular (PBE) lança tabela com modelos de 2016. Disponível em:
http://pbeveicular.petrobras.com.br/TabelaConsumo.aspx. e
http://www.inmetro.gov.br/consumidor/pbe/veiculos_leves_2016.pdf - p.32-34. Acesso em: 27/05/2016.
Deng X, Y. Hu, Y. Deng, S. Mahadevan. (2014). Supplier selection using AHP methodology extended by D
numbers. Expert Systems with Applications 41(1) 156-167.
Dong, Y., G. Zhang, W.C. Hong, Y. Xu. (2010). Consensus models for AHP group decision making under row
geometric mean prioritization method. Decis Support Syst, 49:281-289.
Empresa de Pesquisa Energética – EPE. Balanço Energético Nacional (2014). Relatório Síntese, ano base 2013.
Rio de Janeiro, RJ. Maio de 2014. Disponível em: http://www.epe.gov.br/Estudos/Documents/BEN-
%202014%20Rel%20S%C3%ADntese%20ab%202013a.pdf
Gomes, L.F.A.M.; M.C.G. Araya e C. Carignano, (2004). Tomada de decisão em cenários complexos:
introdução aos métodos discretos do apoio multicritério à decisão, Pioneira Thompson Learning.
Hill, M. P. (2010). Uso de Energia em Transporte: Análise comparativa da eficiência energética entre os ciclos
de vida do gás natural veicular comprimido e da energia termelétrica a gás para uso final em automóveis
leves. Rio de Janeiro, UFRJ.
Hwang, C.L., K. Yoon (1981). Multiple Attribute Decision Making Methods and Applications. Springer. Verlag,
Berlin,
Hwang, C.L., Y.J. Lai, T.Y. Liu. (1993). A new approach for multiple objective decision making. Computers
Ops Res. Vol. 20, No. 8, pp. 889-899.
Kahraman, C. (Org.) (2008) Fuzzy multicriteria decision making: theory and applications with recent
developments. Turkey: Springer Science.
Lima Junior, F. R., L. C. R. Carpinetti. (2015). Uma comparação entre os métodos TOPSIS e Fuzzy‑TOPSIS no
apoio à tomada de decisão multicritério para seleção de fornecedores. Gest. Prod., São Carlos, v. 22, n.
1, p. 17-34, http://dx.doi.org/10.1590/0104-530X1190.
Lolli, F.; A. Ishizaka; R. Gamberini (2014). New AHP-based approaches for multi-criteria inventory
classification. International Journal of Production Economics, vol. 156, p. 62-74.
Mobinizadeh, M., Raeissi, P., Nasiripour, A. A., Olyaeemanesh, A., TabibiL, S. J. (2016). A model for priority
setting of health technology assessment: the experience of AHP-TOPSIS combination approach. DARU
Journal of Pharmaceutical Sciences. 24:10. DOI 10.1186/s40199-016-0148-7
Müller, K.; A. Holmes; M. Deurer; B.E. Clothier (2014). Eco-efficiency as a sustainability measure for kiwifruit
production in New Zealand. J. Clean. Prod. 106, p.1–10.
Meyer, I.; S. Wessely (2009) Fuel efficiency of the Austrian passenger vehicle fleet — analysis of trends in the
technological profile and related impacts on CO2 emissions. Energy Policy 37.
Olson, D. L. (1996) Decision Aids for Selection Problems. Springer Series in Operations Research.
Olson, D. L. (2004) Comparison of Weights in TOPSIS Models. Mathematical and Computer Modelling 40
p.721-727.
Pazdernik, K.; M. Ander; S. Göttlicher; D. Kother; S. Pouper; G. Stranner; M.A. Zechmeister (2010).
Emssionstrends 1990–2008 - Ein Uberblick uber die Österreichischen Verursachervon Luftschadstoffen.
Datenstand.
Philipon, P. (2010). O Futuro da Mobilidade: rumo a uma mobilidade rodoviária sustentável. Éditions Textuel.
Picazo-Tadeo, A.J., Beltrán-Esteve, M., Gómez-Limón, J.A., (2012). Assessing eco-efficiency with directional
distance functions. Eur. J. Oper. Res. 220, p.798–809.
Rashidi, K., Farzipoor Saen, R., (2015). Measuring eco-efficiency based on green indicators and potentials in
energy saving and undesirable output abatement. Energy Econ. 50, p.18–26.
Saaty, T. L. (1980) The analytic hierarchy process. New York: McGraw-Hill.
Simão, V.G. (2011) Fatores estruturantes para implantação do programa brasileiro de avaliação do ciclo de
vida. Dissertação apresentada ao curso de Mestrado em Sistemas de Gestão da Universidade Federal
Fluminense. Área de concentração: Gestão Ambiental, p.133
Tomashevskii, I.L. (2014) Geometric mean method for judgement matrices:formulas for errors. Institute of
Mathematics, Information and Space Technologies, Northern (Arctic) Federal University, Arkhangelsk
163000, Russia.
Vaidya, O.S., S. Kumar (2006) Analytic hierarchy process: An overview of applications. European Journal of
Operational Research, 169. p.1–29.
Yin R. K. (2013) Validity and generalization in future case study evaluations. Evaluation 2013 19: 321. Sage.
Zhang, W. (2015) Group-Buying Websites Evaluation Model Based on AHP-TOPSIS under the Environment of
Multi-Attribute Decision-Making. International Journal of Multimedia and Ubiquitous Engineering.
Vol.10, No.7 p.31-40
Ziolkowska Jadwiga R. Ziolkowski, Bozydar (2015). Energy efficiency in the transport sector in the EU-27: A
dynamic dematerialization analysis. Energy Economics 51 (2015) 21–30.

Rodrigo Goyannes Gusmão Caiado (rodrigocaiado@id.uff.br)


Victor Gomes Simão (victorsimao@yahoo.com.br)
Luís Alberto Duncan Rangel (duncan@metal.eeimvr.uff.br)
Osvaldo Luiz Gonçalves Quelhas (oquelhas@uol.com.br)
Departamento de Engenharia de Produção, Universidade Federal Fluminense
Rua Passo da Pátria, 156 - São Domingos, Niterói, RJ, Brasil

View publication stats