Aula 01 SAPEVO-M 2022

SAPEVO – M
Simple Aggregation of Preferences Expressed by

Ordinal Vectors - Multi Decision Makers
Prof. M.Sc. Miguel Ângelo Lellis Moreira

Miguel Ângelo Lellis Moreira
▪ Pesquisador em Modelagem Matemática e Computação pelo CASNAV

(Centro de Análises de Sistemas Navais da Marinha)
▪ Desenvolvedor de software na startup RIVERDATA
▪ Engenheiro de Produção
▪ Mestre em Sistemas e Computação pelo IME (Instituto Militar de Engenharia )
▪ Doutorando em Engenharia de Produção (Universidade Federal Fluminense)
▪ Professor orientador do MBA Data Science e Analytics pela USP/ESALQ
▪ Professor do MBA em Pesquisa Operacional e Tomada de Decisão pela BSBr

(Business School Brasil)

AGENDA
Introdução Possibilidades de Aplicação
Marco Teórico SapevoWeb
Tipologia dos problemas SADEMON
O Método Mão na massa
Exemplo Referências
CONTEXTUALIZAÇÃO
A tomada de decisão, está integrada na
atividade humana desde os princípios das
civilizações, caracterizando-se como um processo
onde um conjunto de ações é analisado em busca
de obter uma solução favorável para a resolução de
um problema (MUNIER et al., 2019).
CONTEXTUALIZAÇÃO
Conforme observado por Maghrabie, Beauregard e Schiffauerova (2019), com o
envolvimento de múltiplas circunstâncias e cenários, é perceptível um aumento quanto ao
nível de complexidade relativa à análise, a partir do momento em que existem diferentes
pontos de vista e perspectivas relacionadas à importância ou preferência de uma
variável, sempre sendo necessário considerá-los em prol de uma análise substancial e
tomada de decisão assertiva.
CONTEXTUALIZAÇÃO
Conforme apresentada pela Sociedade Brasileira de Pesquisa Operacional, a
Pesquisa Operacional, em forma de ciência, busca a resolução de problemas reais, tendo
como foco a tomada de decisão, elaborando, analisando e aplicando métodos analíticos
avançados, buscando obter soluções favoráveis nas mais diversas áreas da atuação
humana (SOBRAPO, 2020).
OPERATIONAL
RESEARCH
PESQUISA OPERACIONAL
Apoio Análise
Teoria dos Teoria das
Multicritério Envoltória
Jogos Filas
à Decisão de Dados
P. Linear Simulação e
Programação Teoria dos
Eventos Estatística
Matemática Grafos
P. Inteira Discretos
CONTEXTUALIZAÇÃO
A Análise de Apoio Multicritério à Decisão (AMD), é a área de Pesquisa Operacional
que permite a estruturação, compreensão e aprendizagem de um problema em
ambientes complexos, considerando risco e incerteza, de forma transparente (ESPIE et
al., 2017), auxiliando na obtenção de respostas para problemas de naturezas variadas
(SOUZA et al., 2018).
CONTEXTUALIZAÇÃO
A tomada de decisão é uma tarefa complexa que envolve uma infinidade de perspectivas,
restrições e variáveis. Análise de Apoio Multicritério à Decisão (AMD) é um processo usado por várias
décadas para apoiar a tomada de decisão (CINELLI et al., 2020) .
Inclui uma série de etapas que ajudam sistematicamente tomadores de decisão e partes
interessadas na estruturação de um problema de tomada de decisão, na identificação de suas
preferências e na construção de uma recomendação de decisão consistente com suas preferências.
CONTEXTUALIZAÇÃO
Uma disciplina desenvolvida nas áreas de pesquisa operacional e engenharia de decisão e

especificamente capaz de apoiar a avaliação de alternativas com base em múltiplos critérios é
caracterizado por AMD (GRECO et al., 2016) .
É um processo que avalia alternativas identificando os critérios de avaliação, elicitando as

preferências dos envolvidos e usando as informações de preferência para construção do modelo de
preferência agregado, levando a recomendação de decisão. Cada processo AMD é composto de
características diferentes, que podem ser definidas como recursos ou elementos que pertencem ao
processo de avaliação.
Contextualização
Critério 1
Alternativa 1
Critério 2
Alternativa 2
Resultado
Critério 3
Favorável
Alternativa 3
Critério 4
Alternativa 4
Critério 5
INTRODUÇÃO
Os métodos multicritério de apoio à decisão são
técnicas de assessoramento ao agente decisor
(indivíduo, grupo de indivíduos, comitê de especialistas
ou lideranças) para a tomada de decisões sobre
problemas complexos, avaliando, ordenando ou
selecionando alternativas mediante diferentes pontos de
vista e dentro de critérios pré-definidos.

MARCO TEÓRICO
MARCO TEÓRICO
“SAPEVO-M a group multicriteria ordinal ranking method”

MARCO TEÓRICO
TIPOLOGIA DOS PROBLEMAS
P.γ. P.α. P.β.
Ordenação Seleção Classificação

A1 A6 A8 A7 A9
Modelo A2
A6 Axiomático A3
A9 A4
A8 A5
Cada categoria pode, no entanto, ser expandida, podendo gerar pré-ordem parciais ou
completas. A possibilidade de usar relações de incomparabilidade permite derivar ordens parciais
de alternativas.
A P B Preferência
A I B Indiferença
A R B Incomparabilidade
A P B A P B
A P C A P C
A P D A I D
Além dos conceitos expostos, também é necessário determinar o formato do resultado final,
podendo ser de caráter cardinal ou ordinal.
300 seg
3º
351 seg
2º
350 seg
1º
O MÉTODO
O método SAPEVO-M (Simple Aggregation of
Preferences Expressed by Ordinal Vectors - Multi
Decision Makers) é um método ordinal para problemas
tipicamente do tipo P.γ (ordenação).
Obs: aspectos sociológicos do processo decisório
(principalmente de alto nível).

O MÉTODO
O método consiste, basicamente, em três processos:
1º) Transformar as preferências ordinais entre os critérios em um vetor de pesos dos

critérios; e
2º) Transformar as preferências ordinais entre as alternativas para cada critério em pesos
parciais das alternativas.
3º) Determinar o peso global das alternativas.
As informações de preferência são denotadas por uma série de

comparações pareadas entre as alternativas.
O MÉTODO
Passo 1 (Processo 1):
Sejam ci e cj dois critérios dentro de um conjunto de critérios

C = {c1, c2, … , ci , … ,cj , … }, o grau de preferência entre eles é dado por
ci cj , onde temos:
ci cj = 1  ci  cj
ci cj > 1  ci > cj
ci cj < 1  ci < cj
 tão importante quanto

> mais importante
< menos importante
A relação entre as opções de critérios/alternativas é

expressa em uma escala de sete pontos, na qual são
mensuradas, relativamente, a importância entre elas.
<<< Absolutamente pior / Absolutamente menos importante -3

<< Muito Pior / Muito menos importante -2
< Pior / Menos importante -1
≅ Equivalente / Tão importante quanto 0
> Melhor / Mais importante 1
>> Muito melhor / Muito mais importante 2
>>> Absolutamente melhor / Absolutamente mais importante 3
Seja D umaconjunto
Possibilita geração de valores
agentesnão
decisores, D =e{DM
negativos 1, DM2, pela
é expressa …, DMk,
, DMn ,
equação:
… …}, que expressam suas opiniões sobre os critérios em
ordem de preferência.
𝒂𝒊𝒋 − 𝒎í𝒏 𝒂𝒊𝒋
𝒗=
Para um agente decisor DM k, estas
𝒎á𝒙 𝒂𝒊𝒋 −informações
𝒎í𝒏 𝒂𝒊𝒋 geram uma matriz
de avaliação MDM k .
Quando o peso do critério resulta no valor zero, ele é substituído
A relação entre as duas escalas do 2º passo permite a
por 1% do valor imediatamente superior.
transformação da matriz MDM k = [ci cj] em um vetor coluna [vi].
Dado um conjunto de alternativas, estas são comparadas par a

par para cada critério, analogamente ao 1º passo.
Executa conforme o 2º PASSO, para as alternativas.
Executa conforme o 3º PASSO, para as alternativas.

Vetor V representa as preferências de alternativas para cada DM.
Permite transformar a matriz E = {ei,k,l} em um vetor coluna Ai

onde ei,k,l é o valor de cada comparação pareada de ak com a
alternativa al sobre um critério I, para cada DM.
Compilar o vetor coluna A, onde A = ADM da matriz M (n x m).

Alterar o critério I e proceder novamente da Etapa 4 até a Etapa 8,
de modo que a matriz M seja preenchida.
EXEMPLO
Uma revista decide fazer um Ranking entre os três automóveis mais vendidos no
Brasil, com base na preferência de dois especialistas.
Critérios:
▪ Conforto
▪ Design
▪ Dirigibilidade
Alternativas:
▪ Ford KA
▪ Chevrolet Onix
▪ Chevrolet Prisma
EXEMPLO
Ford KA
Conforto
Opção mais
Design Chevrolet Onix
Favorável
Dirigibilidade
Chevrolet Prisma
EXEMPLO
Avaliação dos Critérios

EXEMPLO
Avaliação dos critérios Muito Pior / Muito menos 𝑎
𝑖𝑗 − min 𝑎𝑖𝑗
<< importante -2
< ʋ=
Pior / Menos importante -1
≅ m𝑎𝑥quanto
Equivalente / Tão importante 𝑎𝑖𝑗 − min 𝑎𝑖𝑗 0
D1 Critérios
Pontuação
Conforto Design Dirigibilidade Pontuação Normalizada Peso
Peso
Conforto ≅
0 >
1 ≅
0 = 1 = 0,8 nulo
=? 0,8
Design -1
< ≅
0 <<
-2 = -3 = 0 = 0
0,008
Dirigibilidade ≅
0 >>
2 ≅
0 = 2 = 1 = 1
1% do menor subsequente
EXEMPLO
Avaliação dos critérios Muito Pior / Muito menos 𝑎
<< importante -2
< ʋ=
≅ m𝑎𝑥quanto
D2 Critérios
Pontuação
Conforto Design Dirigibilidade Pontuação Normalizada Peso
Peso
Conforto ≅
0 >>
2 >
1 = 3 = 1 nulo
=? 1
Design <<
-2 ≅
0 ≅
0 = -2 = 0 = 0
0,002
Dirigibilidade -1
< ≅
0 ≅
0 = -1 = 0,2 = 0,2
1% do menor subsequente
EXEMPLO
Compilando os pesos
Pesos nos Critérios
Decisor 1 Decisor 2 Pesos Finais
Conforto 0,8 1 = 1,8
Design 0,008 0,002 = 0,01
Dirigibilidade 1 0,2 = 1,2

EXEMPLO
Avaliação das Alternativas

EXEMPLO
D1
EXEMPLO
Avaliação dos Alternativas Muito Pior / Muito menos 𝑎
<< importante -2
< ʋ=
≅ m𝑎𝑥quanto
D1 Conforto Sim,
Valor
neste caso
KA Onix Prisma
Pontuação nulo ?
é possível!
Pontuação Normalizada
KA 0 -2 -2 = -4 = 0
Onix 2 0 -1 = -1 = 0,71
Prisma 2 1 0 = 3 = 1
EXEMPLO
<< importante -2
< ʋ=
≅ m𝑎𝑥quanto
D1 Design
Pontuação
KA Onix Prisma Pontuação Normalizada
KA 0 0 1 = 1 = 1
Onix 0 0 0 = 0 = 0,5
Prisma -1 0 0 = -1 = 0
EXEMPLO
<< importante -2
< ʋ=
≅ m𝑎𝑥quanto
D1 Dirigibilidade
Pontuação
KA 0 -1 1 = 0 = 0,5
Onix 1 0 3 = 4 = 1
Prisma -1 -3 0 = -4 = 0
EXEMPLO
D2
EXEMPLO
<< importante -2
< ʋ=
≅ m𝑎𝑥quanto
D2 Conforto
Pontuação
KA 0 -1 -3 = -4 = 0
Onix 1 0 -2 = -1 = 0,333
Prisma 3 2 0 = 5 = 1
EXEMPLO
<< importante -2
< ʋ=
≅ m𝑎𝑥quanto
D2 Design
Pontuação
KA 0 -1 -1 = -2 = 0
Onix 1 0 1 = 2 = 1
Prisma 1 -1 0 = 0 = 0,5
EXEMPLO
<< importante -2
< ʋ=
≅ m𝑎𝑥quanto
D2 Dirigibilidade
Pontuação
KA 0 -2 -2 = -4 = 0
Onix 2 0 1 = 3 = 1
Prisma 2 -1 0 = 1 = 0,71
EXEMPLO
Agregando as Preferências
EXEMPLO
Agregação
Conforto Design
Decisor 1 Decisor 2 Total Matriz Compilada Decisor 1 Decisor 2 Total
KA 0 0 = 0 KA 1 0 = 1
Conforto Design Dirigibilidade
Onix 0,71 0,333 = 1,04 Onix 0,5 1 = 1,5
Prisma 1 1 KA = 02 1Prisma 0,5
0 0,5 = 0,5
Onix 1,04 1,5 2
Prisma 2 Dirigibilidade
0,5 0,714
Decisor 1 Decisor 2 Total
KA 0,5 0 = 0,5
Onix 1 1 = 2
Prisma 0 0,7142857 = 0,714
EXEMPLO
Agregação
Matriz Compilada
Pontuação
Pesos Finais Conforto Design Dirigibilidade
Final
Conforto 1,8 KA 0 0 1 0,01 0,5 0,6 = 0,61
Design 0,01 X Onix 1,04 1,872 1,5 0,015 2 2,4 = 4,30
Dirigibilidade 1,2 Prisma 2 3,6 0,5 0,005 0,7140,852 = 4,46

EXEMPLO
Resultado Final
Grau Obtido Ordenação
KA 0,61 3º
Onix 4,30 2º
Prisma 4,46 1º
POSSIBILIDADES DE APLICAÇÃO
Decisões em nível:
Operacional;
Tático;
Estratégico.
SAPEVOWEB
Foi desenvolvido um programa web, para facilitar o acesso e utilização por pesquisadores. O
resultado foi a disponibilização da plataforma denominada SapevoWeb, na qual a entrada de dados
é feita a partir do sítio da internet www.sapevoweb.com .

SAPEVOWEB
SADEMON
SADEMON
Mão na massa!
Escolher um local para fazermos um lanche
Critérios:
▪ Preço
▪ Variedade
▪ Sabor
Alternativas:
▪ McDonald’s
▪ Bob’s
▪ Burger King
▪ Madero
REFERÊNCIAS
GOMES, L. F. A. M.; MURY, A. R.; GOMES, C. F. S. Multicriteria Ranking with Ordinal Data. SAMS, vol. 27, pp. 139 – 145.
GOMES, Luiz Flavio Autran Monteiro; GOMES, Carlos Francisco Simões. Tomada de decisão gerencial: Enfoque multicritério
(5a ed.). São Paulo, Atlas (2014).
GRECO, T; SANTOS, M.; GOMES, C. F. S.; LIMA, A. R. Escolha de um Navio de Desembarque de Tropa para a Armada
Argentina por Meio do Método SAPEVO com Múltiplos Decisores (SAPEVO M). Conference: XXI Simpósio de Aplicações
Operacionais em Áreas de Defesa - SIGE 2019.
MIRANDA, Alessandro Moreira; SANTOS, Marcos dos; GOMES, Carlos Francisco Simões. Seleção de Alternativa de projeto
de desenvolvimento da produção de um campo offshore através do método SAPEVO com múltiplos decisores (SAPEVO M).
In: SIMPÓSIO DE PESQUISA OPERACIONAL E LOGÍSTICA DA MARINHA, 19., 2019, Rio de Janeiro, RJ. Anais […]. Rio de
Janeiro: Centro de Análises de Sistemas Navais, 2019.
TEIXEIRA, L. F. H. S. B.; SANTOS, M.; GOMES, C. F. S. SapevoWeb Software (v.1). Desenvolvido no Instituto Militar de
Engenharia (IME), no Centro de Análises de Sistemas Navais (CASNAV) e na Universidade Federal Fluminense (UFF).
http://www.sapevoweb.com, 2018.
HORTA, A.; SANTOS, M.; GOMES, C. F. S. Software SADEMON (v.1). Desenvolvido no Instituto Militar de Engenharia (IME).
http://www.sademon.com, 2020.
SAPEVO – M
Simple Aggregation of Preferences Expressed by
Ordinal Vectors - Multi Decision Makers

Aula 01 SAPEVO-M 2022

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 01 SAPEVO-M 2022

Enviado por

Direitos autorais:

Formatos disponíveis

SAPEVO – M

Simple Aggregation of Preferences Expressed by

Prof. M.Sc. Miguel Ângelo Lellis Moreira

▪ Pesquisador em Modelagem Matemática e Computação pelo CASNAV

▪ Desenvolvedor de software na startup RIVERDATA

▪ Mestre em Sistemas e Computação pelo IME (Instituto Militar de Engenharia )

▪ Doutorando em Engenharia de Produção (Universidade Federal Fluminense)

▪ Professor orientador do MBA Data Science e Analytics pela USP/ESALQ

▪ Professor do MBA em Pesquisa Operacional e Tomada de Decisão pela BSBr

Prof. M.Sc. Miguel Ângelo Lellis Moreira

Introdução Possibilidades de Aplicação

Marco Teórico SapevoWeb

Tipologia dos problemas SADEMON

O Método Mão na massa

Uma disciplina desenvolvida nas áreas de pesquisa operacional e engenharia de decisão e

É um processo que avalia alternativas identificando os critérios de avaliação, elicitando as

técnicas de assessoramento ao agente decisor

(indivíduo, grupo de indivíduos, comitê de especialistas

ou lideranças) para a tomada de decisões sobre

problemas complexos, avaliando, ordenando ou

selecionando alternativas mediante diferentes pontos de

vista e dentro de critérios pré-definidos.

“SAPEVO-M a group multicriteria ordinal ranking method”

P.γ. P.α. P.β.

Ordenação Seleção Classificação

Preferences Expressed by Ordinal Vectors - Multi

Decision Makers) é um método ordinal para problemas

tipicamente do tipo P.γ (ordenação).

Obs: aspectos sociológicos do processo decisório

(principalmente de alto nível).

1º) Transformar as preferências ordinais entre os critérios em um vetor de pesos dos

3º) Determinar o peso global das alternativas.

As informações de preferência são denotadas por uma série de

Passo 1 (Processo 1):

Sejam ci e cj dois critérios dentro de um conjunto de critérios

 tão importante quanto

A relação entre as opções de critérios/alternativas é

<<< Absolutamente pior / Absolutamente menos importante -3

Dado um conjunto de alternativas, estas são comparadas par a

Passo 5 (Processo 2):

Executa conforme o 2º PASSO, para as alternativas.

Passo 6 (Processo 2):

Executa conforme o 3º PASSO, para as alternativas.

Vetor V representa as preferências de alternativas para cada DM.

Permite transformar a matriz E = {ei,k,l} em um vetor coluna Ai

Compilar o vetor coluna A, onde A = ADM da matriz M (n x m).

Passo 9 (Processo 3):

Avaliação dos Critérios

Pesos nos Critérios

Decisor 1 Decisor 2 Pesos Finais

Conforto 0,8 1 = 1,8

Design 0,008 0,002 = 0,01

Dirigibilidade 1 0,2 = 1,2

Avaliação das Alternativas

Onix 1,04 1,5 2

Conforto 1,8 KA 0 0 1 0,01 0,5 0,6 = 0,61

Design 0,01 X Onix 1,04 1,872 1,5 0,015 2 2,4 = 4,30

Dirigibilidade 1,2 Prisma 2 3,6 0,5 0,005 0,7140,852 = 4,46

Grau Obtido Ordenação

resultado foi a disponibilização da plataforma denominada SapevoWeb, na qual a entrada de dados

é feita a partir do sítio da internet www.sapevoweb.com .

Prof. M.Sc. Miguel Ângelo Lellis Moreira