XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO

Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.

ANÁLISE MULTICRITÉRIO COM DEA E

AHP DA SELEÇÃO DE EQUIPAMENTOS
DE AR-CONDICIONADO
Vania Aparecida Rosario de Oliveira (UNESP )
oliveira.vania@gmail.com
Valerio Antonio Pamplona Salomon (UNESP )
salomon@feg.unesp.br
Leonardo da Silva Soares (UNESP )
ssoares.leo@gmail.com
Francisco Maciel Monticeli (UNESP )
francisco_monticelli@hotmail.com
Isabela Atilio (UNESP )
isabelaatilio@hotmail.com

As organizações precisam gerenciar seus processos de forma

sistemática com foco na eficiência e no aumento de sua capacidade
competitiva. Diante desse cenário buscam-se ferramentas e métodos
para o apoio à tomada de decisão, que possibiliteem comparar e
classificar itens considerados em processos de seleção e aquisição de
equipamentos. A aplicação de métodos de análise de decisão
multicritério tem obtido êxito na solução desse tipo de problema.
Dentre os métodos mais utilizados destacam-se Analytic Hierarchy
Process (AHP) e Data Envelopment Analysis (DEA). O objetivo deste
artigo é apresentar a aplicação desses dois métodos, AHP e DEA, na
seleção de equipamentos por uma empresa industrial. Foram coletados
dados de 12 equipamentos de marcas diferentes que atuam no mercado
nacional. Com a aplicação de DEA três equipamentos diferentes
poderiam ser selecionados pela empresa. A aplicação de AHP resultou
na indicação de uma única alternativa.

Palavras-chave: AHP, DEA, MCDA, seleção de equipamentos,

suprimentos
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

1. Introdução
As organizações precisam gerenciar seus processos de forma sistemática com foco na
eficiência e no aumento de sua capacidade competitiva. Diante desse cenário buscam-se
ferramentas e métodos para o apoio à tomada de decisão, que possibilitem comparar e
classificar itens considerados em processos de seleção e aquisição de equipamentos. O setor
de compras tem papel fundamental nos objetivos estratégicos de uma empresa (GAITHER e
FRAZIER, 2004). Após identificar as alternativas razoáveis, o comprador deve avaliá-las
antes de tomar uma decisão. Essa avaliação deve ser realizada através de critérios de
comparação (ETZEL, WALKER e STANTON, 2001).
A aplicação de métodos de análise de decisão multicritério (MCDA, Multi-Criteria Decision
Analysis), particularmente, Analytic Hierarchy Process (AHP), em processos de compras tem
apresentado bons resultados (GOMES, 1996; SALOMON, 2002). Em pesquisa bibliográfica
sobre aplicações de métodos de MCDA, na seleção de fornecedores (HO, XU e DEY, 2010),
o AHP se destacou, assim como o Data Envelopment Analysis (DEA).
A MCDA traz ao processo de seleção de alternativas vantagens como objetividade,
neutralidade e transparência, sem a pretensão de indicar uma solução única e verdadeira
(GOMES, GONZÁLEZ ARAYA e CARIGNANO, 2003). A MCDA nasceu posteriormente à
pesquisa operacional e os modelos considerados de otimização clássica. Utilizando dos
métodos MDCA, os envolvidos no processo decisivo buscam respostas para problemas com
vários objetivos considerando suas preferências entre as alternativas comparadas.
Este trabalho tem como objetivo apresentar a aplicação de dois métodos de decisão
multicritério na seleção de equipamentos industriais. Inicialmente, o método DEA foi
aplicado, mas, resultando no empate entre diversas alternativas de equipamento. Em seguida,
o método AHP foi aplicado e obteve-se um maior grau de discernimento.

2. Métodos de análise da decisão multicritério

2.1 Data Envelopment Analysis
DEA é um método de MCDA baseado em programação linear. Ou seja, DEA é um método
não paramétrico. O principal objetivo do DEA é medir o desempenho de alternativas, quando
a presença de múltiplas entradas ou múltiplas saídas dificulta a comparação (VILELA, 2004).
DEA é um método de benchmarking no qual valores de eficiência fornecem informações
sobre a capacidade de melhorar as entradas ou saídas, tornando-se um forte apoio a tomada de
decisão (ISHIZAKA e NEMERY, 2013). O objetivo da aplicação do DEA é a avaliação de
desempenho de alternativas, essencialmente, por meio de medidas de eficiência (FERREIRA
e GOMES, 2009). O conceito de eficiência se relaciona a com produtividade: pode ser
analisado de forma mais simples através da razão entre produção (output) e insumos (input).
Maior produção por unidade de insumo reflete relativamente maior eficiência (SEIFORD e
ZHU, 1999).
Os dois modelos básicos de DEA são o modelo de retorno constante de escala (CHARNES,
COOPER e RHODES, 1978), e o modelo de retorno variável de escala. O modelo de retorno
constante de escala (BANKER, CHARNES e COOPER, 1984) considera que o aumento nos
inputs provoca aumento proporcional nos outputs. Já o modelo de retorno variável de escala
considera que as alterações nos inputs provocam variações não proporcionais nos outputs.
Ambos os modelos podem ser orientados a inputs (visando, basicamente, a minimização dos
inputs) ou orientados a outputs (visando a maximização dos outputs).
A fronteira de eficiência será diferente nos dois modelos (ISHIZAKA e NEMERY, 2013). Em
grande parte dos problemas a escolha da orientação não influi muito na magnitude do valor da
eficiência técnica, o critério de escolha do modelo dependerá do objetivo do estudo realizado,

2
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

se a decisão primária é regularizar a utilização dos insumos ou possibilitar o aumento da

produção (FERREIRA e GOMES, 2009).
A literatura atual tem considerado como vantagens do modelo DEA: a simultaneamente de
tratativa de vários insumos e produtos, o fato de não requer suposição básica sobre os insumos
e os produtos, o modelo retornar um único escore de desempenho determinado em relação às
outras unidades do conjunto e tornar possível a diferenciação entre unidades eficientes e
ineficientes.
As limitações observadas são: a sensibilidade a ruídos como outliers, um grande número de
variáveis pode fazer com que mais unidades sejam eficientes (ponderação excessiva de um
insumo ou produto) e a restrição de que a quantidade mínima de alternativas (DMU, decision
making units) deve ser maior que três vezes a soma do número de inputs e outputs segundo a
regra de ouro de Banker et al. (1989).Outro fator considerado como limitação dos modelos
clássicos de DEA é a falta de classificação entre as DMU consideradas eficientes pela solução
do problema. Para esses casos, pode-se tornar necessária a utilização de modelos mais
complexos envolvendo técnicas como a análise de super-eficiência, avaliação cruzada, etc.

3
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

2.2 Analytic Hierarchy Process

O método AHP (SAATY, 1977; SAATY, 2013) considera múltiplos critérios por meio da
divisão hierárquica do problema. O AHP tem sido aplicado para a definição de prioridades,
avaliação de custos e benefícios, alocação de recursos, comparação de desempenho
(benchmarking), entre outros objetivos (SHIMIZU, 2010). Os elementos fundamentais deste
método são: julgamentos, ou comparações aos pares, escala fundamental e hierarquia.
Basicamente, a aplicação deste método consiste em estruturar hierarquicamente o problema,
comparar os critérios e as alternativas par a par, obter vetores de prioridades, verificar a
consistência dos resultados e por último selecionar a alternativa com maior prioridade global.
O AHP apresenta flexibilidade de integração com diferentes técnicas como programação
linear, QFD, lógica fuzzy, entre outros (VAIDYA e KUMAR, 2006). Isso permite que o
usuário explore os benefícios da combinação entre os métodos atingindo seus objetivo da
melhor forma possível. Assim, AHP e DEA também são frequentemente integrados. Se se
dispor de tempo para tomar a decisão, se existirem no máximo nove alternativas, e se estas
alternativas e os critérios de decisão forem totalmente independentes, recomenda-se a
aplicação do AHP (SALOMON, MONTEVECHI e PAMPLONA, 1999).
O limite de no máximo nove alternativas para uma aplicação de AHP era consequência do
limite humano de comparações aos pares (SAATY e OZDEMIR, 2003). Contudo, com a
medição absoluta o número de alternativas pode ser tão grande quanto se desejar, como, por
exemplo, 329 cidades norte-americanas (SAATY, 1986). No AHP original utiliza-se da
medição relativa: as alternativas são comparadas duas a duas. Na medição absoluta, as
alternativas são comparadas com padrões, predefinidos para cada critério. Além da
possibilidade de se analisar mais de nove alternativas, uma vantagem da medição absoluta é a
preservação de ranking, com a eliminação de alternativas ineficientes ou com introdução de
novas alternativas. Contudo, em aplicações de AHP a preservação de ranking só é garantida
com a combinação da medição absoluta com a síntese ideal (SAATY, VARGAS e
WHITAKER, 2009). No AHP original adota-se a síntese normal, e as prioridades locais das
alternativas para cada critério são normalizadas. Assim, a soma das prioridades locais e
globais será sempre igual a 1. Na síntese ideal para cada critério uma das alternativas terá
prioridade igual a 1. As prioridades globais das alternativas serão porcentagens do ideal,
similarmente ao conceito de utilidade conjunta (ISHIZAKA e NEMERY, 2013).

4
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

3. Aplicação dos métodos de MCDA

3.1. Coleta de dados
Uma grande empresa necessita trocar equipamentos de ar-condicionado em um de seus
edifícios, pois, os equipamentos atuais estão ultrapassados, apresentando alto consumo de
energia e baixa eficiência. Por meio de pesquisa de mercado, foram analisados 12
equipamentos (DMU) de marcas variadas (Tabela 1).
Tabela 1 - Dados de equipamentos de ar-condicionado
DMU Preço [R$] Consumo [kWh/mês] Capacidade [BTU]
1 1.044,90 17,20 9.000
2 1.620,31 17,10 9.000
3 998,76 26,07 9.000
4 1.173,16 33,66 12.000
5 1.383,85 23,00 12.000
6 1.289,00 22,80 12.000
7 1.749,00 36,80 18.000
8 1.759,00 38,20 18.000
9 2.497,55 33,60 18.000
10 1.992,15 36,50 18.000
11 2.928,20 41,60 22.000
12 2.249,00 49,10 24.000

3.2. Aplicação de DEA

Para aplicação do método DEA é necessário definir as variáveis de entrada (input) e saída
(output) que serão consideradas no modelo, bem como os equipamentos (DMU) que serão
comparadas através do cálculo da eficiência relativa. A eficiência relativa de cada DMU pode
ser definida como a razão da soma ponderada de outputs pela soma ponderada de inputs.
Como inputs foram considerados o preço de aquisição e consumo mensal de energia; como
output, a capacidade de refrigeração. Adotou-se um modelo de retorno constante de escala e
orientado para input. A DMU 5 será excluída da aplicação de DEA, pois seu desempenho é
inferior, simultaneamente, nos três critérios quando comparada com a DMU 6. Da mesma
forma, a DMU 8, também será excluída, por ser inferior à DMU 7.
O problema foi solucionado com utilização de software, na realidade, um complemento para
planilhas eletrônicas. O resultado da aplicação de DEA (Tabela 2) é a indicação de três
equipamentos com maior eficiência: DMU 6, 9 e 12.
Tabela 2 - Resultados com DEA
DMU Eficiência
1 0,9900
2 0,9825
3 0,8444
4 0,9585
6 1,0000

5
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

7 0,9885
9 1,0000
10 0,9493
11 0,9910
12 1,0000
Fonte: resultados obtidos com DEA Solver (SAITECH, INC., 2015)

O resultado da aplicação de DEA é que a empresa não deve comprar um equipamento de

9.000 ou 22.000 BTU. A empresa pode optar pela compra de um equipamento de 12.000 BTU
(DMU 6), 18.000 BTU (DMU 9) ou 24.000 BTU (DMU 12). Assim, a aplicação de DEA não
foi conclusiva com relação à indicação de um único modelo de ar-condicionado.

3.3. Aplicação de AHP

Para aplicação do método AHP, inicialmente os critérios preços, consumo e capacidade foram
comparados, dois a dois. Para estas comparações, entrevistou-se o gerente do setor que atua
no edifício que terá os equipamentos substituídos. Os pesos dos critérios foram obtidos com a
normalização do autovetor direito w da matriz de comparação A (Tabela 3). Nota-se que neste
caso, a matriz de comparações é 100% consistentes, ou seja, MAX = n = 3.
Tabela 3 - Dados de equipamentos de ar-condicionado
Critério P C R Peso
Preço (P) 1 1 1/3 20%
Consumo (C) 1 1 1/3 20%
Capacidade (R) 3 3 1 60%

As prioridades locais dos equipamentos compõem a matriz de decisão D (Tabela 4). Adotou-
se a síntese ideal, para evitar inversão de ranking com a eliminação de DMU 5 e 8. A
prioridade global é a média ponderada das prioridades locais pelos pesos dos critérios.
Tabela 3 - Resultados com AHP
DMU Preço Consumo Capacidade Prioridade global
1 0,956 0,995 0,375 0.615
2 0,616 1,000 0,375 0.548
3 1,000 0,656 0,375 0.556
4 0,851 0,508 0,500 0.572
6 0,774 0,750 0,500 0.605
7 0,571 0,465 0,750 0.657
9 0,400 0,509 0,750 0.632
10 0,501 0,468 0,750 0.644
11 0,341 0,411 0,917 0.701
12 0,445 0,348 1,000 0.759

A aplicação de AHP gerou um resultado conclusivo: a empresa deve optar pela compra do
equipamento de 24.000 BTU (DMU 12). Após análise de sensibilidade, nota-se que o

6
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

resultado só se altera se o peso do critério capacidade de refrigeração cair para quase 20%.
Toda a aplicação de AHP foi feita apenas com planilhas eletrônicas.

7
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

4. Discussão dos Resultados

Este trabalho apresentou a aplicação de dois métodos de MCDA para a solução de um
problema real em uma empresa brasileira de grande porte: a escolha de um equipamento
padrão para substituição de equipamentos ultrapassados e ineficientes de ar-condicionado.
Todas as marcas que operam no mercado nacional foram consideradas. Por questões de sigilo
profissional, os equipamentos foram renomeados como DMU 1 a 12. Portanto doze
alternativas diferentes puderam ser consideradas. Assim, a aplicação de DEA atenderia a
regra de ouro, mas a aplicação do AHP deveria fugir do original, pela consideração de mais
de nove alternativas.
Com a aplicação de DEA o resultado não foi conclusivo. Três equipamentos diferentes
poderiam ser selecionados pela empresa. O resultado com a aplicação de AHP foi
efetivamente conclusivo levando à seleção de uma única alternativas. Evidentemente, um
único caso não pode ter suas conclusões generalizadas. Mas, o ponto mais importante do
trabalho apresentado é o de apresentar um caso de superioridade na aplicação de AHP com
relação a DEA. Ou seja, o método foi considerado mais fácil de se aplicar e entender pela
equipe da empresa estudada. Por exemplo, para aplicação de DEA foi necessária a utilização
de um complemento (DEA Solver) que gerou os resultados. Na aplicação do AHP todos os
passos foram realizados apenas com planilhas eletrônicas.
Espera-se que mais casos comparativos venham a ser desenvolvidos não só envolvendo AHP
e DEA, mas também outros métodos de MCDA como ELECTRE, MAUT e TODIM, entre
outros. Além disso espera-se que a aplicação entre outros setores da economia como serviços
e até mesmo na administração pública.

Referências
BANKER, R. D.; CHARNES, A.; COOPER, W. W. Some models for estimating technical and scale
inefficiencies in data envelopment analysis. Management Science, v. 30, n. 9, 1984. 1078-1092.

CHARNES, A.; COOPER, W. W.; RHODES, E. Measuring the efficiency of decision making units. European
Journal of Operational Research, v. 2, n. 6, 1978. 429–444.

ETZEL, M. J.; WALKER, B. J.; STANTON, W. J. Marketing. 11. ed. S. Paulo: Makron, 2001.

FERREIRA, C. M. C.; GOMES, A. P. Introdução à análise envoltória de dados. Viçosa: UFV, 2009.

GAITHER, N.; FRAZIER, G. Administração da produção e operações. S. Paulo: Cengage, 2004.

GOMES, L. F. A. M. Padronização de equipamentos utilizando o auxílio multicritério à decisão. Encontro

Nacional de Engenharia de Produção. Piracicaba: ABEPRO. 1996.

GOMES, L. F. A. M.; GONZÁLEZ ARAYA, M. C.; CARIGNANO, C. Tomada de decisão em cenários

complexos. S. Paulo: Thomson, 2003.

HO, W.; XU, X.; DEY, P. K. Multi-criteria decision making approaches for supplier evaluation and selection: A
literature review. European Journal of Operational Research, v. 202, n. 1, 2010. 16-24.

ISHIZAKA, A.; NEMERY, P. Multi-criteria decision analysis. Chichester: Wiley, 2013.

SAATY, L.; VARGAS, L. G.; WHITAKER, R. Addressing with brevity criticism of the analytic hierarchy
process. International Journal of the Analytic Hierarchy Process, v. 1, n. 1, 2009. 121-134.

SAATY, T. L. A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology,
15, 1977. 234–281.

8
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

SAATY, T. L. Absolute and relative measurement with the AHP. The most livable cities in the United States.
Socio-Economic Planning Sciences, 20, n. 6, 1986. 327-331.

SAATY, T. L. Mathematical principles of decision making. amazon.com. ed. Pittsburgh: RWS, 2013.

SAATY, T. L.; OZDEMIR, M. S. Why the magic number seven plus or minus two. Mathematical and
Computer Modelling, 38, n. 3–4, 2003. 233–244.

SAITECH, INC. SAITECH, Inc. - Products - DEA Solver PRO™, 2015. Disponível em:
<http://www.saitech-inc.com/products/prod-dsp.asp>. Acesso em: 11 nov. 2015.

SALOMON, V. A. P. Auxilio à decisão para a adoção de políticas de compras. Produto & Produção, v. 6, n. 1,
2002. 1-8.

SALOMON, V. P.; MONTEVECHI, J. A. B.; PAMPLONA, E. O. Justificativas para a aplicação do método de

análise hierárquica. Encontro Nacional de Engenharia de Produção. R. Janeiro: ABEPRO. 1999.

SEIFORD, L. M.; ZHU, J. Infeasibility of super-efficiency data envelopment analysis models. INFOR, v. 37, n.
2, 1999. 174-187.

SHIMIZU, T. Decisão nas organizações. 3.. ed. S. Paulo: Atlas, 2010.

VAIDYA, O. S.; KUMAR, S. Analytic hierarchy process: An overview of applications. European Journal of
Operational Research, v. 169, n. 1, 2006. 1–29.

VILELA, D. L. Utilização do método análise envoltório de dados para avaliação do desempenho econômico
de coorporativas de crédito. S. Carlos: USP, 2004. Dissertação (Mestrado em Engenharia de Produção).