Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo
O Processo Analítico Hierárquico (AHP – Analytic Hierarchy Process) é uma ferramenta de apoio à
tomada de decisão que permite identificar a melhor alternativa em um grupo de candidatas, através de
critérios pré-definidos de seleção. A coleta de dados para a operacionalização do AHP está baseada no
preenchimento de matrizes de comparações pareadas. Neste artigo propõe-se a operacionalização do
AHP utilizando matrizes incompletas de comparações pareadas. A coleta de dados proposta reduz a
redundância implícita no esquema usual de coleta de dados do AHP e otimiza esta etapa crucial na
utilização do método. Como a consistência das avaliações em uma matriz de comparações é mensurada
através da análise de sua aderência à transitividade, o artigo apresenta o resultado de estudos de
simulação para a determinação de índices que permitam a avaliação de consistência em matrizes
incompletas de comparações. Um estudo de caso na indústria alimentícia ilustra os desenvolvimentos
propostos.
Abstract
AHP (Analytic Hierarchy Process) is a tool used in decision making for selecting the best among a set of
alternatives, given some pre-defined criteria. Data collection in AHP is typically performed using
matrices where all pairs of elements are compared. In this article we propose a new data collection
scheme for AHP based on the use of incomplete comparison matrices. Such scheme reduces the
redundancy in data collection that is implicit to AHP, while optimizing it. Since consistency in
evaluations in a comparison matrix is based on their compliance to transitivity, we present the results of
simulations aimed at determining indices for verifying the consistency of incomplete pairwise
comparison matrices. A case study from the food industry illustrates the propositions in the paper.
(1)
Para concluir sobre a consistência da matriz, o índice CI deve ser comparado com um
índice aleatório de consistência RI, correspondente à média dos índices de consistência obtidos
a partir de 500 matrizes de comparações de ordem D cujos valores amn foram selecionados
aleatoriamente da escala (1/9, 9). Valores de RI para matrizes de diferentes ordens estão
apresentados na Tabela 1 (SAATY, 1980). Observe que os valores de RI aumentam com a
ordem D da matriz, conforme esperado.
⁄ (3)
O valor limite para CR proposto por Saaty (1980) é 0,1. Uma matriz de comparações
com 0,1 deveria ter suas comparações revistas em busca de uma melhor consistência. A
justificativa para a escolha de valor limite para CR feita por Saaty (1980) pode ser encontrada
em Vargas (1982).
Tabela 1: Valores de índice aleatório de consistência (RI) para matrizes de ordem D = 3,...,10
D 3 4 5 6 7 8 9 10
RI 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,51
Fonte: Saaty, 1980
+,-,
)* (5)
,-
.,
3⁄√500 (6)
/011√,-
Tabela 4: Valores de RI para o caso de matrizes com comparações avaliadas usando uma escala
contínua de 1# a #
D 3 4 5 6 7 8 9 10
) 0,294 0,501 0,658 0,704 0,752 0,790 0,821 0,856
56789 3⁄√500 0,01676 0,01723 0,01579 0,01292 0,01102 0,009072 0,008392 0,007515
1 E 8@/6 @ C 0"
A
G1 8@/HI-
@=0
(8)
M1 M2
1 4,48 0,23 1 1,923 0,846
1
4,48 1 0,051 0,52 1 0,44
1
0,23 19,48 1 1,182 2,273 1
Tabela 5: Valores de índice aleatório de consistência (RI) para matrizes incompletas de ordem
D = 3,...,10 com valores amn selecionados a partir de escala contínua
M
2 3 4 5 6 7 8 9
D
3 0,029
4 0,0476 0,0698
5 0,0662 0,1029 0,1149
6 0,0807 0,1233 0,128 0,1324
7 0,0869 0,1255 0,1474 0,148 0,1605
8 0,0989 0,145 0,1597 0,166 0,1568 0,1621
9 0,1049 0,1457 0,1664 0,1679 0,1702 0,1644 0,1641
10 0,1091 0,153 0,1749 0,172 0,1693 0,1854 0,1695 0,1657
Para a otimização do produto, foi gerado um vetor de pesos finais para as amostras,
em que foram considerados todos os julgadores ponderados por uma função de sua razão de
consistência, conforme apresentado na equação (10).
QRS
∑V
!W
! (10)
∑S
STU QRS
O vetor de pesos final para as quatro amostras analisadas está apresentado na Figura
5. No vetor, identifica-se a amostra número 2 como a menos enjoativa.
X
0,28
0,49
0,12
0,11
Figura 5: Vetor de pesos finais
Para encontrar o valor ótimo de recheio que maximizava o peso da amostra, utilizou-
se um aplicativo de otimização não-linear. A equação (11) foi utilizada como função objetivo
em um problema de maximização, restrito a região experimental da variável I (isto é, entre 33 a
36% de variação). No ponto ótimo (correspondendo a um valor de preferência de 0,53 para a
função objetivo), o valor assumido por I foi de 33,7%. Porém, a precisão do processo industrial
não permitiu a utilização desta porcentagem exata de recheio. Sendo assim, a quantidade ótima
de recheio de morango na barra de chocolate foi estabelecida como 34%, uma vez que este é o
valor mais próximo do ideal.
O ponto ótimo da otimização indica como ideal uma barra de chocolate com
composição intermediária entre as amostras 1 e 2 (mais próxima dessa última). Grafando-se a
função objetivo como função da variável I, observa-se a não-lineariedade da função e seu ponto
de máximo em w = 0,53; ver Figura 6. A composição final do produto analisado foi a seguinte:
37% de chocolate meio-amargo, 34% de recheio sabor morango e 29% de chocolate branco.
0,6
0,5
Menos enjoativa
0,4
0,3
0,2
0,1
0
33 34 35 36
Porcentagem de recheio
Figura 6: Valores de preferência em função do percentual de recheio
5. Conclusões
O Processo Analítico Hierárquico (AHP) é uma ferramenta de apoio à tomada de
decisão multi-critério utilizada em praticamente todas as aplicações relacionadas à tomada de
decisão. O AHP congrega uma coleta de dados baseada em comparações pareadas de elementos
e uma análise de dados baseada em princípios de Álgebra Linear. O AHP permite uma análise
da consistência interna dos dados utilizados no processo decisório, sendo esta uma de suas
principais características.
Este artigo apresenta uma proposta de otimização para a etapa de coleta de dados do
AHP. A proposta está baseada na utilização de matrizes incompletas de comparações, onde
nem todos os pares de elementos da matriz são comparados entre si. A partir de um conjunto de
matrizes incompletas, gera-se uma matriz de pontos de centro, a qual é utilizada no cálculo dos
vetores de pesos e índice de consistência associados às comparações.
Como contribuições adicionais, o artigo apresenta uma validação dos índices
aleatórios de consistência (RIs) obtidos por Saaty (1980), além da geração de tabelas de RIs
para casos em que (i) as avaliações na matriz de comparações tenham sido feitas utilizando uma
escala quasi-contínua de valores e (ii) matrizes incompletas de comparações são utilizadas.
O método proposto é exemplificado em um estudo de caso ocorrido na indústria de
chocolates. O caso aborda a determinação dos percentuais de ingredientes a serem utilizados na
formulação de uma barra de chocolate. O objetivo principal era obter um produto pouco
enjoativo com relação à doçura. Tal objetivo foi atingido com sucesso a partir de painéis
sensoriais onde um número reduzido de comparações era solicitado, reduzindo a fadiga imposta
aos avaliadores.
A barra de chocolate Napolitano foi lançada em agosto de 2005, com grande
aceitação pelo mercado. Nos últimos meses de 2006, o produto esteve entre os 5 itens mais
vendidos da empresa, sendo que em outubro de 2006 bateu o seu recorde de vendas. A barra foi
a vencedora do “Prêmio de Produto Alimentício Mais Inovador da América do Sul”, conhecido
como o “Oscar” da indústria de alimentos, promovido pela Food Ingredients South America
(FISA), em 2006, na sua 12ª edição.
Referências Bibliográficas
(1) Babic, Z. & Plazibat, N. (1998). Ranking of enterprises based on multi-criteria analysis.
International Journal of Production Economics, 56-57 (1-3), 29-35.
(2) Bana e Costa, C. A. & Vansnick, J. C. (2008). A critical analysis of the eigenvalue method
used to derive priorities in AHP. European Journal of Operational Research, 187, 1422-1428.
(3) Barzilai, J. & Golany, B. (1994). AHP rank reversal, normalization and aggregation rules.
INFOR, 32 (2), 57–64
(4) Barzilai, J. (1997). Deriving weights from pairwise comparison matrices. J. Operational
Research Society, 48 (12), 1226-1232.
(5) Barzilai, J. (1998). Understanding hierarchical processes. In: Proc. 19th American Society
for Engineering Management, 1-6.
(6) Barzilai, J. (1999). On MAUT, AHP, and PFM. In: Proc. 5.th. Int. Symposium on the AHP,
57-60.
(7) Barzilai, J. (2000). Theory of measurement for voltage and affine variables. In: Proc. IEEE
Int. Conf. Systems, Man and Cybernetics, 636-640.
(8) Barzilai, J. (2001). Notes on the Analytic Hierarchy Process. In: Proc. NSF Design and
Manufacturing Research Conference, 1-6.
(9) Barzilai, J.; Cook, W. & Golany, B. (1987). Consistent weights for judgments in matrices of
relative importance of alternatives. Operations Research Letters, 6 (3), 131-134.
(10) Belton V. & Gear T. (1982). On a shortcoming of Saaty’s Method of Analytic Hierarchies.
Omega, 11, 228-230.
(12) Cagno, E.; Caron, F. & Perego, A. (2001). Multi-criteria assessment of the probability of
winning in competitive bidding process. International Journal of Production Management, 19,
313-324.
(13) Crawford, G. & Williams, C. (1985). A note on the analysis of subjective judgment
matrices. J. Mathematical Psychology, 29, 387-405.
(14) Dyer, J.S. (1990). Remarks on the Analytic Hierarchy Process. Management Science,
36(3), 249-258.
(15) Fogliatto, F. S. & Albin, S.L. (2001). A hierarchical method for evaluating products with
quantitative and sensory characteristics. IIE Transactions, 33, 1081-1092.
(16) Fogliatto, F. S. & Albin, S.L. (2003). An AHP-based procedure for sensory data collection
and analysis in quality and reability applications. Food Quality & Preference, 14, 375-385.
(17) Forman, E. & Gass, S. (2001). The Analytic Hierarchy Process- An Exposition.
Operations Research, 49 (4), 469-486.
(18) Forman, E. (1993). Facts and fictions about the AHP. Math. Comput. Modelling, 17 (4/5),
19-26.
(19) Guglielmetti, F.; Marins, F. & Salomon, V. (2005). Comparação teórica entre métodos de
auxílio à tomada de decisão por múltiplos critérios. In: Encontro Nacional de Engenharia de
Produção, 23, Anais.
(20) Hua, Z.; Gong, B. & Xu, X. (2008). A DS-AHP approach for multi-attribute decision
making problem with incomplete information. Expert Systems with Applications, 34, 2221-
2227.
(21) Koksal, G. & Egitman, A. (1998). Planning and design of industrial engineering education
quality. Computers & Industrial Engineering, 35 (3-4), 639-642.
(22) Myint, S. (2003). A framework of intelligent quality function deployment (QFD) for
discrete assembly environment. Computers & Industrial Engineering, 45 (2), 269-283.
(23) Saaty, T. L. & Vargas, L. G. (1987). Uncertainty and Rank Order in the Analytic
Hierarchy Process. European Journal of Operational Research, 32, 107-117.
(24) Saaty, T. L. (1977). A Scaling Method for Priorities in Hierarchical Structures. Journal of
Math. Psychology, 15, 234-281.
(25) Saaty, T. L. (1980). The Analytic Hierarchy Process. McGraw-Hill, New York.
(27) Saaty, T.L., (1990). An exposition of the AHP in reply to the paper remarks on the analytic
hierarchy process. Management Science, 36, 259–268.
(28) Schenkerman, S. (1991). The cause of rank reversal in weighted criteria decision support
models. In: Proc. 20th Annual Northeast Conference of the Decision Sciences Institute.
(30) Schoner, B. & Wedley, W. (1989). Ambiguous criteria weights in AHP: consequences and
solutions. Decision Sciences, 20, 462-474.
(31) Smith, J. R. & von Winterfeldt, D. (2004). Decision analysis in Management Science.
Management Science, 50(5), 561-574.
(32) Steiguer, J.; Duberstein, J. & Lopes, V. (2005) The Analytic Hierarchy Process as a
Means for Integrated Watershed Management. Disponível em:
<http://www.tucson.ars.ag.gov/icrw/Proceedings/Steiguer.pdf>
(33) Stewart, T. (1992). A critical survey on the status of multiple criteria decision making
theory and practice. Omega, 20 (5/6), 569-586.
(34) Tummala, V.R.M. & Wan, Y.M. (1994). Analytic Hierarchy Process (AHP) in practice: a
survey of applications and recent developments. Journal of Mathematical Modelling and
Scientific Computing, 3 (1), 1-38.
(35) Vaidya, O.S. & Kumar, S. (2006). Analytic hierarchy process: An overview of
applications. European Journal of Operational Research, 169 (1), 1-29.
(38) Wang Y.M. & Elhag T. M.S. (2006). An approach to avoiding rank reversal in AHP.
Decision Support Systems, 42(3), 1474–80.
(39) Zahedi, F. (1984). Estimation Techniques and their Statistical Properties in the Analytic
Hierarchy Process. University of Massachusetts Working Paper.
(40) Zahedi, F. (1986). The Analytic hierarchy process: A survey of methods and its
applications. Interfaces, 16 (4), 96-108.