20/03/2018

Introdução às técnicas de tomada

de decisão multicritério

Francisco Rodrigues Lima Jr.

frjunior@utfpr.edu.br
eng.franciscojunior@gmail.com

Roteiro
• Problemas de tomada de decisão multicritério

• Técnicas tradicionais de decisão multicritério:

 TOPSIS
 AHP

• Introdução à teoria dos conjuntos fuzzy

• Técnicas tradicionais de decisão multicritério:

 Fuzzy QFD
 Fuzzy TOPSIS

1
 20/03/2018

SEP1

Decisão multicritério
• Duas abordagens:
– Decisão baseada em atributos (MADM);
– Decisão baseado em objetivos (MODM).

Características das abordagens

MADM MODM
Problema de escolha, ordenação Problema de otimização
ou categorização
Alternativas discretas conhecidas Espaço contínuo de possíveis
previamente soluções possíveis delimitado por
restrições

Problemas de decisão multicritério

• Necessidade da tomada de decisão

Problemas de decisão atributo:

• Avaliação de um conjunto finito de alternativas
predeterminadas, considerando dois ou mais critérios
• Frequentemente os critérios possuem pesos distintos

2
Slide 3

SEP1 Leitura: livro Adiel, pp. 9-

Engenharia de Produção; 19/01/2016
 20/03/2018

Estrutura de um problema de decisão

multicritério
Peso (ou nível de importância) de
cada critério em relação ao Critério 1 Alternativa 1
objetivo do problema

Alternativa 2
Critério 2

Objetivo do : :
Problema
Critério j Alternativa i

: :

Critério m Alternativa n

Definir objetivo Pontuação das

Definir alternativas alternativas em relação à
Tomadores de
Definir critérios de decisão
cada critério
Decisão
Definir aspectos da modelagem
Avaliar elementos do problema 5

Tipos de problema de decisão

multicritério
 Problemas de seleção (ou escolha) de alternativas: Problemas
que buscam encontrar a melhor alternativa dentre um conjunto de
alternativas.
 Exemplos: seleção de software, seleção de equipamentos, seleção
de funcionários, seleção de projetos, de fornecedores, seleção de
localização de instalações industriais, de aterros sanitários, etc.

 Problemas de ordenação de alternativas: Problemas que visam

ranquear (ordenar) alternativas segundo a preferência global.
 Exemplos: FMEA, priorização de indicadores de desempenho,
priorização de ações de gestão, monitoramento de desempenho de
fornecedores, avaliação de sustentabilidade e de desempenho de
cadeias de suprimento.
6

3
 20/03/2018

Tipos de problema de decisão

multicritério

 Problemas de categorização de alternativas: Problemas

que envolvem classificação de alternativas em grupos
determinados de acordos com padrões de semelhanças.
 Exemplo: classificação ABC de materiais no gerenciamento
de estoque, classificação de clientes na gestão da carteira de
clientes e segmentação de fornecedores em modelos de
portfólio.

Classificação dos métodos

• Técnicas de decisão por programação matemática:
– DEA – Data Envelopment Analysis
– Linear programing
– Nonlinear programing
– Multiobjective programing
– Goal programing
– Stochatic programing
– etc

4
 20/03/2018

Classificação dos métodos

• Técnicas de decisão inteligência artificial:
– Algoritmo genético
– Grey system theory
– Rough set theory
– Fuzzy set theory
– Neural network
– Neuro-fuzzy (ANFIS)
– Case base reasoning
– Etc

Classificação dos métodos

• Técnicas hibridas (combinadas):

– Fuzzy AHP
– Fuzzy TOPSIS
– Fuzzy ANP
– Fuzzy DEA
– Fuzzy QFD
– Fuzzy FMEA
– etc

10

5
 20/03/2018

Modelos de decisão multicritério

• Seleção de fornecedores:
•Comprar ou não?
Definição do
•Mais ou menos Fornecedores?
problema
•Substituir fornecedor atual?
Suporte de
• Quantos e quais critérios utilizar? Ferramentas
•Qual o nível de importância dos Qualitativas
Formulação dos
critérios?
critérios
•Como medir as pontuações em relação
a cada critério?

•Qual o desempenho mínimo

Qualificação ou
aceitável para cada critério?
Pré-seleção Suporte de
•Qual método de eliminação utilizar? Ferramentas
Quantitativas
•Quantos fornecedores contratar?
Seleção Final
•Como fazer alocação de pedidos?
De Boer et al. (2001)

Processo de Seleção de Fornecedores

11

Modelos de decisão multicritério

• Seleção de fornecedores: pre-seleção
(qualificação)
Base de
requisitos fornecedores
Julgamentos
Dos decisores

Método de
Categorização Qualificado?
S Etapa de
seleção final
De fornecedores

Dispensados

12

6
 20/03/2018

Modelos de decisão multicritério

• Seleção de fornecedores: seleção final
(ordenação)
Fornecedores
Critérios qualificados
Julgamentos
Dos decisores

Método de
Ordenação Lista de fornecedores
mais bem pontuados
De fornecedores segundo critérios e
julgamentos

13

Modelos de decisão multicritério

• Seleção de fornecedores: seleção final
(alocação)

Fornecedores
selecionados

Restrições e
Objetivos de Método de
desempenho alocação Alocação de
Pedidos entre
De pedidos fornecedores

14

7
 20/03/2018

Modelos de decisão multicritério

• Avaliação de fornecedores.

Base de
fornecedores

Seleção de Avaliação de Desenvolvimento

fornecedores fornecedores de fornecedores

15

Modelos de decisão multicritério

• Avaliação de fornecedores:
Base de
Critérios Fornecedores
Julgamentos
dos decisores

Método de Modelo de avaliação para o desenvolvimento

de fornecedores
classificação
de fornecedores I
II
High

Monitoring
Needing cost
Delivery performance

buyer-supplier
reduction
relationship

III
Needing cycle- IV
time and Replace
nonconformity supplier
Low

reduction

Low High
Total costs

16

8
 20/03/2018

Aplicações em seleção de fornecedores

• LIMA JUNIOR, F. R.; OSIRO, L.; CARPINETTI, L. C. R. Métodos de decisão

multicritério para seleção de fornecedores: um panorama do estado da arte.
Gestão & Produção, v. 20, p. 781-801, 2013.

Aplicações em seleção de fornecedores

18

9
 20/03/2018

Modelos quantitativos de avaliação

de cadeias de suprimento

LIMA JUNIOR, F. R.; CARPINETTI, L.C. R. Quantitative models for supply

chain performance evaluation: a literature review. Computers & Industrial
Engineering, 2017. 19

Modelos quantitativos de avaliação

de cadeias de suprimento

20

10
 20/03/2018

Modelos quantitativos de avaliação

de cadeias de suprimento

Supply chain strategy

Approaches to performance
metric selection

Modelos quantitativos de avaliação

de cadeias de suprimento
Approaches for model uncertainty

11
 20/03/2018

Modelos quantitativos de avaliação

de cadeias de suprimento
Distribution of the types of quantitative models

Frequency of using
quantitative techniques

49 diferent techniques

12
 20/03/2018

Modelos quantitativos de avaliação

de cadeias de suprimento
Distribution of studies according to learning capacity and used method

Modelos quantitativos de avaliação

de cadeias de suprimento
• Real applications: 51 (60,71%)
• Ilustrative applications: 33 (39,29%)

Distribution of real applications by industry

13
 20/03/2018

Modelos quantitativos de avaliação

de cadeias de suprimento
Data source to evaluate supply chain
performance in the published studies

Modelos quantitativos de avaliação

de cadeias de suprimento
Approach to validation of application results

14
 20/03/2018

Métodos de decisão multicritério

Diferem-se entre si nos seguintes aspectos:

- Nº de alternativas que podem ser avaliadas;

- Nº de critérios usados;
- Nº de tomadores de decisão;
- Tipo de informação usada na alimentação do modelo de decisão;
- Capacidade de lidar com decisões sob incerteza;
- Compensação entre os critérios, dentre outros.

29

SEP4

Problema de decisão multicritério

(multiatributo)
• Características:
– Número de alternativas;
– Número de critérios e natureza deles;
– Possibilidade de uso de regras compensatórias ou não
compensatórias;
– Decisão agregada a partir dos julgamentos de vários tomadores
de decisão;
– Incerteza devido à imprecisão dos julgamentos das alternativas
e dos pesos dos critérios;
– Escala usada para avaliar as alternativas e os critérios.

30

15
Slide 30

SEP4 Leitura: livro Adiel, pp. 9-

Engenharia de Produção; 19/01/2016
 20/03/2018

Tipos de escala para avaliação

Critério: Dificuldade
Pontuação
• Avaliação numérica técnica
Projeto A 5
1 2 3 4 5 Projeto B 3
Projeto C 2

• Avaliação numérica comparativa

Critério: Dificuldade Índices de

Projeto A Projeto B Projeto C Prioridades
técnica Prioridade
Projeto A 1 3 7 0.6586 1.0000
Projeto B 1/3 1 4 0.2628 0.3989
Projeto C 1/7 1/4 1 0.0786 0.1193

Muito Baixo Baixo Médio Alto Muito Alto

• Avaliação linguística

• Avaliação linguística comparativa

Valor linguístico comparativo Valor linguístico comparativo
Igualmente preferido Igualmente importante
Moderadamente preferido Moderadamente mais importante
Fortemente preferido Fortemente mais importante
Muito Fortemente preferido Muito Fortemente mais importante
Absolutamente preferido Absolutamente mais importante

16
 20/03/2018

Atividade 1

• Pensar sobre 2 problemas de decisão multicritério

em gestão de operações:
– Identificar os critérios de decisão;
– Identificar os critérios de julgamento incerto;
– Caracterizar o tipo de resposta desejável
(categorização, ordenação, seleção).

33

Método TOPSIS
• Technique for Order Preference by Similarity to Ideal Solution
• As alternativas são avaliadas usando uma escala numérica. Pode-se
usar uma escala diferente para cada critério.
• Princípio básico: Escolher uma alternativa que esteja tão próxima
quanto possível da solução ideal positiva (SIP) e o mais distante
quanto possível da solução ideal negativa (SIN)
• SIP: É formada tomando-se os melhores valores alcançados pelas
alternativas durante a avaliação em relação a cada critério
• SIN: é composta de forma similar, tomando-se as piores pontuações
das alternativas em relação a cada critério
• Geometricamente falando, a pontuação final é dada em função do
somatório das distâncias em um espaço n dimensional (sendo n o
número de critérios adotados).

17
 20/03/2018

Método TOPSIS
• Os dados da matriz de decisão têm origens diferentes, por isso ela deve ser
normalizada a fim de transformá-la em uma matriz adimensional (para que
seja possível a comparação entre os vários critérios).
• A pontuação final das alternativas (CCi – coeficiente de proximidade) é
dada entre 0 e 1. Quão mais próximo de 1 estiver, mais perto estará da
solução ideal positiva. Quão mais perto de zero, mais próximo estará da
solução ideal negativa.
• Bastante simples quando comparado com outras técnicas multiatributo.
• Possui a capacidade de considerar uma quantidade ilimitada de
alternativas e de critérios.
• Adequado para critérios quantitativos.
• Desvantagem desse método: inadequado para tomada de decisão sob
incerteza e critérios qualitativos.
• Costuma ser bastante combinado com o AHP em modelos combinados
sequencialmente (Usa-se AHP para definir o pesos dos critérios e TOPSIS
para avaliar o desempenho das alternativas).

Algoritmo do TOPSIS
1. Estruturar a matriz de decisão e vetor de pesos

2. Ponderar e normalizar a matriz de

D= decisão

3. Obter Soluções Ideais

4. Calcular distância entre os elementos da matriz de decisão ponderada e as

soluções ideais

5. Calcular coeficiente de aproximação de cada alternativa e ordenar o resultado

CCi =

18
 20/03/2018

Aplicação: TOPSIS para

Classificação ABC de materiais
RUFINO, M. C. S.; FRACAROLLI, R. L.; LIMA JUNIOR, F.
R. Aplicação do método TOPSIS para classificação ABC
de estoques em uma empresa comercial de autopeças.
In: XXIV Simpósio de Engenharia de Produção, 2017,
Bauru-SP. Anais do XXIV SIMPEP, 2017.

Critérios
Itens (alternativas)
Valor total vendido Lead time Disponibilidade
ABRAÇADEIRA TIPO SIMLEX 25,30 3 3
ABRAÇADEIRA TIPO U UNIV. 60,00 3 3
ACENDEDOR DE CIGARROS UNIV. 93,80 7 5
ACOPLAMENTO VARÃO CÂMBIO 249,20 5 3
ADITIVO PARA ÓLEO DO MOTOR 126,20 7 5
Itens (alternativas) Valor total vendido Lead time Disponibilidade
ABRAÇADEIRA TIPO SIMLEX 0,00025 0,00341 0,01075
ABRAÇADEIRA TIPO U UNIV. 0,00060 0,00341 0,01075
ACENDEDOR CIGARROS UNIV. 0,00093 0,00796 0,01791
ACOPLAM. VARÃO CÂMBIO 0,00248 0,00568 0,01075
37
ADITIVO ÓLEO DO MOTOR 0,00126 0,00796 0,01791

Itens (alternativas) Valor total vendido Lead time Disponibilidade

Solução Ideal Positiva (SIP) 0,20737 0,00796 0,02507
Solução Ideal Negativa (SIN) 0,00001 0,00341 0,01075
Distância entre as alternativas e a SIP.
Valor total ∑ (somatório
Itens (alternativas) Lead time Disponibilidade
vendido distâncias – SIP)
ABRAÇADEIRA TIPO SIMLEX 0,04290 0,00002 0,00021 0,24819
ABRAÇADEIRA TIPO U UNIV. 0,04276 0,00002 0,00021 0,24868
ACENDEDOR CIGARROS UNIV. 0,04262 0,00000 0,00005 0,24922
ACOPLAM. VARÃO CÂMBIO 0,04198 0,00001 0,00021 0,24800
ADITIVO ÓLEO DO MOTOR 0,04248 0,00000 0,00005 0,24869
Distância entre as alternativas e a SIN.
Valor total ∑ (somatório
Itens (alternativas) Lead time Disponibilidade
vendido distâncias – SIP)
ABRAÇADEIRA TIPO SIMLEX 0,00000 0,00000 0,00000 0,00423
ABRAÇADEIRA TIPO U UNIV. 0,00000 0,00000 0,00000 0,00287
ACENDEDOR CIGARROS UNIV. 0,00001 0,00002 0,00005 0,00856
ACOPLAM. VARÃO CÂMBIO 0,00000 0,00001 0,00000 0,00356
ADITIVO ÓLEO DO MOTOR 0,00002 0,00002 0,00005 0,00866 38

19
 20/03/2018

Dados para construção da Curva ABC.

Itens (alternativas) CCi CCi Acumulado % CCi Acumulado Classe
RETENTOR 0,9433 0,9433 05,43 A
VELA 0,5192 1,4625 08,42 A
BATERIA 0,4557 1,9182 11,04 A
ÓLEO 0,3407 2,2589 13,00 A
LÂMPADA 0,3095 2,5684 14,78 A

Classe % de valor da classe % de itens classificados nesta classe

A 50 15
B 30 30
C 20 55

- Comprar itens de classe A

sempre que eles forem vendidos;
- Comprar periodicamente itens de
classe B;
- Comprar por encomenda itens de
classe C. 39

Atividade 2
• Utilizando o MS Excel, desenvolva um modelo de decisão para ordenar
um conjunto de alternativas. Usando os procedimentos propostos pelo
método TOPSIS, calcule os valores do coeficiente de aproximação e
mostre o ranking de alternativas fornecido pelo modelo de decisão.

• Utilize como valores de entrada do modelo um conjunto de julgamentos

coletados de um grupo de tomadores de decisão.
DM1 A1 A2 A3 Peso dos critérios DM2 A1 A2 A3 Peso dos critérios
C1 10 8 9 0,7 C1 9 9 9 0,9
C2 8 9 9 1,0 C2 8 10 9 0,8
C3 7 6 10 0,8 C3 7 7 9 0,8
C4 5 10 8 0,4 C4 6 8 7 0,5

• Para obter um consenso entre as diferentes opiniões, agregue esses

julgamentos usando média aritmética.

40

20
 20/03/2018

Método AHP (Analytic

Hierarchy Process)
• Também conhecido como Método de Análise Hierárquica.
• Representa os elementos do problema de decisão em uma hierarquia de 3
níveis: objetivo, critérios e alternativas.
• Os “julgamentos de especialistas” são usados para atribuir pesos a
diferentes critérios e pontuações das diferentes alternativas.
• É adequado para situações em que os critérios possuem natureza
intangível ou qualitativa.
• O AHP oferece uma abordagem estruturada para determinar as
pontuações (desempenho das alternativas) e pesos dos critérios utilizados
por meio da comparação par a par.
• Há um teste de consistência para validar os julgamentos dos tomadores de
decisão.

41

Método AHP (Analytic

Hierarchy Process)

42

21
 20/03/2018

Método AHP – Escala de Saaty

• Escala comparativa normalmente usada:

• A partir das avaliações par-a-par, definem-se:

– Importância relativa dos critérios e sub-critérios (peso dos critérios e sub-
critérios);
– Importância relativa das alternativas (avaliação comparativa das
alternativas).

43

AHP - Exemplo

Objetivo
da decisão

Critério C1 Critério C2 Critério C3 Critério C4 Critério C5

Alternativa A1 Alternativa A2 Alternativa A3 Alternativa A4

44

22
 20/03/2018

Matriz de comparação pareada -

Avaliação do peso dos critérios
C1 C2 C3 C4 C5
C1 1 2 1/4 1/5 3
C2 1/2 1 1/5 1/7 2
C3 4 5 1 1/2 5
C4 5 7 2 1 4
C5 1/3 1/2 1/5 1/4 1

Peso
C1 C2 C3 C4 C5
(Wci)
=
C1 1 2 1/4 1/5 3 6,45
C2 1/2 1 1/5 1/7 2 3,84
C3 4 5 1 1/2 5 15,50
C4 5 7 2 1 4 19,00
C5 1/3 1/2 1/5 1/4 1 2,28

= 1 + 2 + + + 3 = 6,45
45

Cálculo da importância relativa dos

critérios (normalizada)
Peso (Wci)
C1 C2 C3 C4 C5 Peso Norm. (Wcni)
C1 1 2 1/4 1/5 3 6,45 0,137
C2 1/2 1 1/5 1/7 2 3,84 0,082
C3 4 5 1 1/2 5 15,50 0,329
C4 5 7 2 1 4 19,00 0,404
C5 1/3 1/2 1/5 1/4 1 2,28 0,048

∑ 6,45
= = = 0,137
∑ ∑ 6,45 + 3,84 + 15,5 + 19 + 2,28

= 0,082 = 0,329 = 0,404 = 0,048

46

23
 20/03/2018

Cálculo da avaliação das alternativas

no Critério C1
Peso Peso Norm.
Critério C1 A1 A2 A3 A4
(WAi) (WAni)
A1 1 1/2 1/7 5 6,643 0,169
A2 2 1 1/4 7 10,250 0,261
A3 7 4 1 9 21,000 0,534
A4 1/5 1/7 1/9 1 1,454 0,037

∑
= =
∑ ∑

= 1 + + + 5 = 6,643

6,643
= = 0,169
6,643 + 10,250 + 21,000 + 1,454
47

Cálculo da avaliação relativa das

alternativas nos Critérios C2 e C3
Critério Peso Peso Norm.
A1 A2 A3 A4
C2 (WAi) (WAni)
A1 1 1/2 5 3 9,50 0,309
A2 2 1 7 5 15,00 0,488
A3 1/5 1/7 1 1/3 1,68 0,055
A4 1/3 1/5 3 1 4,53 0,148

Peso Peso Norm.

Critério C3 A1 A2 A3 A4
(WAi) (WAni)
A1 1 3 2 1/7 6,14 0,173
A2 1/3 1 1/3 1/8 1,79 0,050
A3 1/2 3 1 1/7 4,64 0,131
A4 7 8 7 1 23,00 0,646

48

24
 20/03/2018

Cálculo da avaliação relativa das

alternativas nos Critérios C4 e C5
Critério Peso Peso Norm.
A1 A2 A3 A4
C4 (WAi) (Wani)
A1 1 1/3 1 3 5,33 0,238
A2 3 1 3 4 11,00 0,491
A3 1 1/3 1 2 4,00 0,178
A4 1/3 1/4 1/2 1 2,08 0,093

Critério Peso Peso Norm.

A1 A2 A3 A4
C5 (Wai) (Wani)
A1 1 2 1/2 1 4,50 0,233
A2 1/2 1 1/2 1/2 2,50 0,129
A3 2 2 1 3 8,00 0,414
A4 1 2 1/3 1 4,33 0,224

49

Cálculo do ranking

C1 C2 C3 C4 C5
Desempenho
Ordem
Peso global
0,137 0,082 0,329 0,404 0,048
critério
A1 0,169 0,309 0,173 0,238 0,233 0,2127 3º
A2 0,261 0,488 0,050 0,491 0,129 0,2968 1º
A3 0,534 0,055 0,131 0,178 0,414 0,2126 4º
A4 0,037 0,148 0,646 0,093 0,224 0,2781 2º

Cálculo desempenho Global

= 0,169 ∗ 0,137 + 0,309 ∗ 0,082 + ⋯ + 0,233 ∗ 0,048 = 0,2127

50

25
 20/03/2018

Análise de consistência das avaliações

par-a-par
• Baseado no CR: consistency ratio, calculado por:

=
Onde: ∗
n: ordem da matriz de comparações
: autovalor máximo da matriz de comparações
RI: random consistency index (tabelado, variável de acordo com a
ordem da matriz)
N RI
3 0,52
4 0,89
5 1,11
D∗W
λ = 6 1,25
7 1,35
8 1,40
9 1,45
51

Exemplo: CR da matriz de critérios

1. Cálculo de D∗W

1 2 1/4 1/5 3 0,137

1/2 1 1/5 1/7 2 0,082

4 5 1 1/2 5
x 0,329
5 7 2 1 4 0,404 4,442
1/3 1/2 1/5 1/4 1 0,048
4,539

= 5,253
= λ
0,137 6,225
6,219
0,082

0,329
0,404
0,048

52

26
 20/03/2018

Exemplo: CR da matriz de critérios

D∗W
2. Cálculo de λ =

4,442
4,539

λ = 5,253
λ =
4,442 + 4,539 + 5,253 + 6,225 + 6,219
= 5,335
6,225 5
6,219

N RI
3 0,52
, 4 0,89
= ∗
= ∗ ,
= 0,07 5 1,11
6 1,25
7 1,35
8 1,40
9 1,45

53

Avaliação por dois ou mais decisores

• No AHP, a agregação é feita pela média
geométrica:

∗ ∗⋯∗
=
m: quantidade de decisores.
• Para 2 decisores:

para i, j = 1,...n

54

27
 20/03/2018

Aplicação: Seleção de Software de

tomada de decisão
Pesquisa bibliográfica
ISO/IEC14598 AHP
ISO/IEC9126
Modelagem e simulação
computacional

1.Definir métricas
2.Selecionar softwares
3.Construir modelo de
decisão
4.Definir pesos das
métricas
5.Avaliar softwares
6.Obter desempenho
Modelo para avaliação da
qualidade de softwares DSS
Requisitos Escolha dos
Julgamentos comparativos softwares avaliados

Estudo de caso
LIMA JUNIOR, F. R.; OSIRO, L.; CARPINETTI, L. C. R.; GANGA, G. D. Avaliação da Qualidade de
Softwares de apoio à decisão. In: XXXII Encontro Nacional de Engenharia de Produção (ENEGEP),
2012.

56

28
 20/03/2018

ISO/IEC 9126 – Diretrizes para Avaliação da

Qualidade de Software

Aplicação: Seleção de Software de

tomada de decisão

Expert Choice Desktop : 22/35 requisitos

Super Decision : 16/35 requisitos

29
 20/03/2018

Expert choice (EC) x Super decision (SD)

59

Algumas empresas que usam

Expert Choice
 3M
 GM
 Ford
 HP
 IBM
 Monsanto
 Shell
 Alcoa
 AOL
 Nextel
 ABN Amro Bank
60

30
 20/03/2018

Atividade 3

• Implementar o exemplo apresentado de

aplicação do AHP usando MS excel;
• Verificar a consistência das matrizes.

61

REVISÃO DA LÓGICA CLÁSSICA

UNIVERSO
ALTURA DAS PESSOAS:
DE DISCURSO
- BAIXAS
CLASSES
- MEDIANAS
(CONJUNTOS)
- ALTAS

BAIXA ALTA
0,7m 1,4m 1,5m 1,6m 1,7m

31
 20/03/2018

REVISÃO DA LÓGICA CLÁSSICA

DESEMPENHO DOS ALUNOS:

- RUIM
- REGULAR
- BOM
- ÓTIMO

RUIM ÓTIMO
0 3 6 9 10

Teoria Clássica dos conjuntos

• Na teoria clássica, um elemento está ou não está contido em
um conjunto. O pertencimento é total (100%) ou zero;

= ∈ 0 ≤ ≤ 30}
pertencimento

pertencimento

1 0, ∈ 1
µ =
Conjunto 1, ∈
Conjunto
baixo médio
0 0
Resultados variando numa escala Resultados variando numa escala
Ex: desempenho em algum atributo, peso, altura etc Ex: desempenho em algum atributo, peso, altura etc

Pode haver intersecção

pertencimento

pertencimento

1
1
Conjunto Conjunto Conjunto Conjunto
alto baixo médio alto
0
0
Resultados variando numa escala
Ex: desempenho em algum atributo, peso, altura etc

64

32
 20/03/2018

Teoria dos conjuntos Fuzzy

• Na teoria dos conjuntos fuzzy, o pertencimento de um elemento em um
determinado conjunto pode assumir valores intermediários entre 0 e 1;

Resultados nesse intervalo tem

grau de pertencimento ao conjunto
variando de 0 a 1
pertencimento

pertencimento
1 1

Conjunto Conjunto
baixo médio
0 0

Resultado pertence aos 2 conjuntos

com diferentes graus de pertencimento
pertencimento

pertencimento

1
1

Conjunto baixo médio alto

alto
0
0

65

Teoria dos conjuntos Fuzzy

 De um modo geral, um conjunto fuzzy é definido como:

A= ,µ ( ) , ∈X
Onde
µ ∶ X → [0,1]

é a função de pertinência de à e µA(x) é o grau de pertinência de x em Ã.

• Um conjunto fuzzy discreto é representado por:

A= ( )/ + / +. . . + / = /

Onde adição significa composição e barra significa “em relação a”

66

33
 20/03/2018

Números fuzzy
 Um número fuzzy representa um conjunto fuzzy em universo discreto ou
contínuo;
 Um número fuzzy é normalmente representado pela função de
pertinência;
 Um número fuzzy (contínuo) com função de pertinência triangular é descrito
graficamente por segmentos lineares na forma de um triângulo.
 Representado numericamente pelos termos: (l, m, u)

0, ≤

, Є ,
µ x =
, Є ,

0, ≥
67

Teoria dos conjuntos Fuzzy

• Número fuzzy com função de pertinência trapezoidal, representado
numericamente por: (a, m, n, b)

0, ≤

−
, Є ,
−

µ x = 1, Є[ , ]

−
, Є ,
−

0, ≥

68

34
 20/03/2018

Variáveis linguísticas
• Valores (ou termos linguísticos) da variável são definidos em
linguagem natural:
– Ex: {quente, morno, frio}; {muito baixo, baixo, médio, alto, muito alto};
{péssimo, ruim, médio, bom, excelente}.
• Os termos linguísticos são representados matematicamente por
números fuzzy.
• Ex:

69

Variáveis linguísticas

 Exemplo de descrição de variáveis linguísticas em números

fuzzy.

70

35
 20/03/2018

Operações algébricas com números

fuzzy triangular

Para: e
Ã=(l1, m1, u1) =(l2, m2, u2),

1. Adição:
+ = (l1+l2, m1+m2, u1+u2)

2. Subtração:
− = (l1-l2, m1-m2, u1-u2)

3. Multiplicação:
∗ = (l1*l2, m1*m2, u1*u2)

4. Divisão:
÷ = (l1÷u2, m1÷m2, u1÷l2) l1≥ 0 , l2≥ 0

71

Operações algébricas com números

fuzzy triangular

5. Inverso:
= (1/u1, 1/m1, 1/l1) l1≥ 0

6. Multiplicação por constante:

∗ = (k∗l1, k∗m1, k∗u1) k≥ 0

7. Divisão por constante:

/ = (l1/k, m1/k, u1/k) k≥ 0

72

36
 20/03/2018

Operações lógicas com conjuntos

fuzzy
• Operações de união e intersecção, entre outros:
– Operações de agregação de números fuzzy
– Usados como conectivos em operações de lógica booleana (and, or etc);
• Operadores de agregação: T-norma, T-conorma;
– Operadores t-norma: utilizados para as operações de agregação de conjuntos
fuzzy baseadas no conectivo lógico “AND”

– Operadores t-conorma: utilizados para as operações de agregação de

conjuntos fuzzy baseadas no conectivo lógico “OR”

µ x OR µ y }

73

Operadores t-norma

 Operador “mínimo”: min {µ x , . . , µ y }

 Operador “diferença limitada” (Lukasiewicz t-norma):

min {µ x + µ y , 1.0}

 Operador “produto drástico”:

min µ x , µ y if max µ x , µ y = 1, else = 0

 Operador “produto algébrico”:

µ x µ y

74

37
 20/03/2018

Operadores t-norma

 Operador “produto Hamacher”:

µ x µ y
µ x +µ y −µ x µ y

 Operador “Einstein t-norma”:

75

Operadores t-conorma

 Operador “máximo”: max {µ x , . . , µ y }

 Operador “soma limitada”:

max(µ x + µ y − 1.0, 0.0)

 Operador “soma drástica”:

max (µ x , µ y ) if min (µ x , µ y ) = 0, else = 1

 Operador “soma probabilística”:

µ x +µ y −µ x µ y

76

38
 20/03/2018

Operadores t-conorma

 Operador “Einstein t-conorma”:

µ x + µ y
1+µ x µ y

77

à (0,20, 0,40, 0,60) e

(0,50, 0,70, 0,90) são
agregados para formar o
conjunto resultante :

Operadores t-norma produto

algébrico (c), produto drástico
(d), Einstein t-norma (e),
produto Hamacher (f), mínimo
(g) e Lukasiewicz t-norma (h).
operadores t-conorma soma
drástica (i), Einstein t-conorma
(j), Lukasiewic t-conorma (k),
soma probabilística (l) e
máximo (m).

78

39
 20/03/2018

Operadores de agregação

• Em problemas de tomada de decisão, o uso de

operadores t-norma representa um
comportamento pessimista por parte dos
tomadores de decisão enquanto o uso de t-
conormas representa um comportamento otimista

79

Atividade 4

3 Exercícios:
• Conjuntos fuzzy
• Operações algébricas
• Operações lógicas

80

40
 20/03/2018

Fuzzy QFD
• A sistemática do QFD com julgamentos de
importância e grau de relacionamento usando
termos linguísticos;
• Aplicado, por exemplo, para definir importância
de critérios de avaliação a partir de requisitos de
desempenho.

81

Casa da Qualidade

Correlação
Correlação

Características da Qualidade
Grau de Importância

Planejamento da
Competitiva

Características
Dos clientes

Avaliação
Requisitos

Melhoria

x
Requisitos

Avaliação Competitiva
Técnica

Planejamento da
Qualidade Projetada

82

41
 20/03/2018

Fuzzy QFD para a determinação de

pesos de critérios
• Passo 1:
– Seleção e julgamento da importância dos requisitos por meio de
termos linguísticos e por mais de um decisor.

83

Fuzzy QFD para a determinação de pesos

de critérios
• 3 decisores, DM1, DM2 e DM3
• Requisitos:
– custo (R1),
– Confiabilidade de entrega(R2),
– Situação financeira(R3),
– Práticas de gestão(R4)

84

42
 20/03/2018

Fuzzy QFD para a determinação de pesos

de critérios
• Termos linguísticos:

Linguistic Terms Fuzzy Triangular Number

Very Low (VL) (1.00, 1.00, 2.00)
Low (L) (1.00, 2.00, 3.00)
Medium (M) (2.00, 3.00, 4.00)
High (H) (3.00, 4.00, 5.00)
Very High (VH) (4.00, 5.00, 5.00)

85

Fuzzy QFD para a determinação de pesos

de critérios
• Julgamento pelos decisores:

Requirements DM1 DM2 DM3

R1 VH VH VH
R2 VH VH VH
R3 VH H VH
R4 H H M

DM1 DM2 DM3

R1 (4.00, 5.00, 5.00) (4.00, 5.00, 5.00) (4.00, 5.00, 5.00)

R2 (4.00, 5.00, 5.00) (4.00, 5.00, 5.00) (4.00, 5.00, 5.00)

R3 (4.00, 5.00, 5.00) (3.00, 4.00, 5.00) (4.00, 5.00, 5.00)

R4 (3.00, 4.00, 5.00) (3.00, 4.00, 5.00) (2.00, 3.00, 4.00)

86

43
 20/03/2018

Fuzzy QFD para a determinação de pesos

de critérios

• Números fuzzy dos termos linguísticos: agregação (média), desfuzificação

e cálculo do peso relativo.

DM1 DM2 DM3

R1 (4.00, 5.00, 5.00) (4.00, 5.00, 5.00) (4.00, 5.00, 5.00) (4.00, 5.00, 5.00) 4.75 0.27

R2 (4.00, 5.00, 5.00) (4.00, 5.00, 5.00) (4.00, 5.00, 5.00) (4.00, 5.00, 5.00) 4.75 0.27

R3 (4.00, 5.00, 5.00) (3.00, 4.00, 5.00) (4.00, 5.00, 5.00) (3.67, 4.67, 5.00) 4.50 0.25

R4 (3.00, 4.00, 5.00) (3.00, 4.00, 5.00) (2.00, 3.00, 4.00) (2.67, 3.67. 4.67) 3.67 0.21

=( , , ) wr = x / x

87

Fuzzy QFD para a determinação de pesos

de critérios
• Passo 2:
– Seleção dos critérios e avaliação linguística da relação entre requisitos
e critérios pelos diferentes decisores.

88

44
 20/03/2018

Fuzzy QFD para a determinação de

pesos de critérios
• Termos linguísticos do grau de relacionamento entre requisitos e critérios

Fuzzy Triangular
Linguistic Terms
Number
No relationship (NR) (0.00, 0.00, 0.00)
Weak (W) (1.00, 1.00, 3.00)
Average (A) (1.00, 3.00, 5.00)
Strong (S) (5.00, 9.00, 9.00)

• Julgamento dos decisores

Responsiveness to
Commit to cost Competitive Delivery in full on Environmental Financial situation Quality
Linguistic judgments demand change
reduction (C1) price (C2) time (C3) certification (C4) (C5) certification (C7)
(C6)
DM1 DM2 DM3 DM1 DM2 DM3 DM1 DM2 DM3 DM1 DM2 DM3 DM1 DM2 DM3 DM1 DM2 DM3 DM1 DM2 DM3

Cost (R1) S S A S S S A W W NR W NR NR NR NR W A W NR W W
Delivery Reliability (R2) NR NR NR NR NR NR S S S NR NR NR NR NR NR A S S W A W
Financial situation (R3) W W NR NR NR NR NR NR NR NR NR NR S S S NR NR NR NR W NR
Management practices (R4) W A A NR A W A S A A A W NR W NR W S A A S S

89

Fuzzy QFD para a determinação

de pesos de critérios
• Agregação dos números fuzzy.

C1 C2 C3 C4 C5 C6 C7
l m u l m u l m u l m u l m u l m u l m u
R1 3,7 7,0 7,7 5,0 9,0 9,0 1,0 1,7 3,7 0,3 0,3 1,0 0,00,0 0,0 1,0 1,7 3,7 0,7 0,7 2,0
R2 0,0 0,0 0,0 0,0 0,0 0,0 5,0 9,0 9,0 0,0 0,0 0,0 0,00,0 0,0 3,7 7,0 7,7 1,0 1,7 3,7
R3 0,7 0,7 2,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 5,09,0 9,0 0,0 0,0 0,0 0,3 0,3 1,0
R4 1,0 2,3 4,3 0,7 1,3 2,7 2,3 5,0 6,3 1,0 2,3 4,3 0,30,3 1,0 2,3 4,3 5,7 3,7 7,0 7,7

90

45
 20/03/2018

Fuzzy QFD para a determinação

de pesos de critérios
• Cálculo do peso dos critérios:
C1 C2
l m u l m u Peso do requisito

R1 3,7 7,0 7,7 5,0 9,0 9,0 0,27

R2

R3
0,0

0,7
0,0

0,7
0,0

2,0
0,0

0,0
0,0

0,0
0,0

0,0
... 0,27

0,25

R4 1,0 2,3 4,3 0,7 1,3 2,7 0,21

1,36 2,54 3,47 1,48 2,70 2,97

w =( , , )

= 3,7 × 0,27 + 0,7 × 0,25 + 1,0 × 0,21

w = u × wr = 7,0 × 0,27 + 0,7 × 0,25 + 2,3 × 0,21
= 7,7 × 0,27 + 2,0 × 0,25 + 4,3 × 0,21
91

Fuzzy QFD para a determinação

de pesos de critérios
 Cálculo do peso relativo dos critérios:

C1 C2 C3 C4 C5 C6 C7 Weight of
l m u l m u l m u l m u l m u l m u l m u criteria

R1 3,7 7,0 7,7 5,0 9,0 9,0 1,0 1,7 3,7 0,3 0,3 1,0 0,0 0,0 0,0 1,0 1,7 3,7 0,7 0,7 2,0 0,27

R2 0,0 0,0 0,0 0,0 0,0 0,0 5,0 9,0 9,0 0,0 0,0 0,0 0,0 0,0 0,0 3,7 7,0 7,7 1,0 1,7 3,7 0,27

R3 0,7 0,7 2,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 5,0 9,0 9,0 0,0 0,0 0,0 0,3 0,3 1,0 0,25

R4 1,0 2,3 4,3 0,7 1,3 2,7 2,3 5,0 6,3 1,0 2,3 4,3 0,3 0,3 1,0 2,3 4,3 5,7 3,7 7,0 7,7 0,21
w 1,36 2,54 3,47 1,48 2,70 2,97 2,10 3,91 4,72 0,30 0,57 1,17 1,34 2,36 2,50 1,74 3,23 4,22 1,29 2,17 3,37
defuzzified 2,48 2,46 3,66 0,65 2,14 3,11 2,25
relative
weigth 0,15 0,15 0,22 0,04 0,13 0,19 0,13

92

46
 20/03/2018

Atividade 5
 Desenvolva uma planilha no MS Excel para aplicação do fuzzy
QFD em um problema de decisão com pelo menos 4 entradas
(whats), 5 saídas (hows) e 2 decisores.

93

Fuzzy TOPSIS
• Chen (2000) propôs a primeira combinação entre TOPSIS e a teoria
dos conjuntos fuzzy.
– CHEN, C. T. Extensions of the TOPSIS for group decision-making under fuzzy
environment. Fuzzy Sets and Systems, v. 114, p. 1–9, 2000.
– CHEN, C.; LIN, C.; HUANG, S. A fuzzy approach for supplier evaluation and
selection. International Journal of Production Economics, v.102, p. 289–301,
2006.
• No método Fuzzy-TOPSIS, as pontuações das alternativas e o peso
dos critérios de decisão são definidos como variáveis linguísticas.

94

47
 20/03/2018

Passos do método
• Agregar os valores linguísticos fornecidos por cada
um dos tomadores de decisão (DMr) sobre o
desempenho das alternativas.

x = [x + x + ⋯ + x ]

• descreve as pontuações da alternativa Ai (i =1,…,n),

em relação ao critério Cj (j = 1,…,m), dado pelo tomador
de decisão DMr (r =1,…, k).

95

Passos do método
• Agregar os valores linguísticos fornecidos por cada
um dos tomadores de decisão (DMr) sobre os
pesos dos critérios

w = [w + w + ⋯ + w ]

• descreve o peso do critério, dado por cada

DMr.

96

48
 20/03/2018

Passos do método
• Montar uma matriz de decisão fuzzy para as
pontuações das alternativas e um vetor fuzzy para o
peso dos critérios de acordo com as equações

C C .. C .. C
A x x .. x .. x
: : : : :
D= A x x .. x .. x
: : : : :
A x x .. x .. x

W = [w , w , … , w ]

97

Passos do método
• Normalizar a matriz usando uma escala de
transformação linear. A matriz normalizada é dada
pelas equações abaixo

R=[ ]

m u
r = , , , u = max u (critérios de benefício)
u u u

r = , , , l = min l (critérios de custo)

98

49
 20/03/2018

Passos do método
• Obter a matriz normalizada e ponderada por meio da
multiplicação dos pesos pelos elementos da matriz
normalizada

V = [v ]

v =r ∗w

99

Passos do método
• Definir a solução ideal positiva fuzzy (Fuzzy Positive Ideal
Solution, FPIS, ) e a solução ideal negativa (Fuzzy
Negative Ideal Solution, FNIS, ),
em que = 1, 1, 1 e = 0, 0, 0 *.

A = v ,v ,…,v

A = v ,v ,…,v
* Segundo Chen (2000)

100

50
 20/03/2018

Passos do método
• Calcular a distância entre os valores de FPIS e as
pontuações das alternativas da matriz . Analogamente,
calcular a distância entre os valores de FNIS e as
pontuações das alternativas

D =∑ d (v ,v )

D =∑ d (v ,v )

d(x,z) = [(l − l ) + (m − m ) + (u − u ) ]
101

Passos do método
• Para cada uma das alternativas avaliadas, calcular o
coeficiente de aproximação CCi

D
CC =
(D +D )

• Define-se um ranking a partir da ordenação decrescente

dos valores de CCi. Quão mais próximo 1,0 for este valor,
melhor é o desempenho global da alternativa.

102

51
 20/03/2018

Método de Chen et al., 2006

• Para definir a solução ideal positiva fuzzy (FPIS,
) e a solução ideal negativa (FNIS, ), Chen
et al. 2006 propõem:

A = v ,v ,…,v =

A = v ,v ,…,v =

103

Atividade 6
• Pensar sobre um problema de decisão
multicritério em gestão de operações:
– Identificar os critérios de decisão (5);
– Definir escalas linguísticas para o desempenho das
alternativas e pesos dos critérios;
– Julgar os pesos dos critérios;
– Para cada alternativa considerada, julgar o
desempenho em cada critério;
– Ordenar as alternativas segundo o fuzzy TOPSIS.

104

52
 20/03/2018

Guia para escolha de técnicas

Formato dos
Software p/
Método MCDM dados de Vantagens de uso Limitações
modelagem
entrada
- Grande quantidade de comparações
- Modela fatores intangíveis e variáveis requeridas
qualitativas - Apresenta grandes variações nos valores
Valor Expert - Realiza a verificação da consistência dos do ranking durante a atualização do
AHP
numérico Choice julgamentos modelo (inclusão ou exclusão de
- Capaz de modelar critérios e subcritérios em fornecedores ou critérios de decisão)
uma estrutura hierárquica - Limitado ao uso de até 9 fornecedores e
9 critérios
- Grande quantidade de comparações
- Capaz de modelar interrelações de
Valor Super requeridas
ANP dependência entre critérios de seleção de
numérico Decisions - Limitado ao uso de até 9 fornecedores e
fornecedores
9 critérios
- Método capaz de tratar adequadamente
critérios quantitativos, de fácil entendimento e
baixa complexidade computacional
Softwares de
Valor - Estável durante a inclusão ou exclusão de - Pouco adequado para a modelagem de
TOPSIS Planilhas
numérico alternativas variáveis qualitativas
Eletrônicas
- Não possui limitações na quantidade de
fornecedores e de critérios que podem ser
avaliados por vez
- Otimização da alocação de pedidos entre
SOLVER fornecedores na fase de escolha final dos
Programação Valor - Nem sempre é possível implementar na
(Microsoft fornecedores
Linear numérico prática as soluções obtidas
Excel) - Pode ser adaptado para utilizar variáveis
linguísticas
LIMA JUNIOR, F. R.; OSIRO, L.; CARPINETTI, L.C.R. Gestão da qualidade e desempenho de
fornecedores. In: Otávio José de Oliveira. (Org.). 1ed. São Paulo: Atlas, 2014, v. 1, p. 287-311.

Guia para escolha de técnicas

Método dados de Software para Exemplo de
Vantagens de uso Limitações
MCDM entrada modelagem Aplicação
- Regras de decisão do tipo If-then
armazenam no sistema o conhecimento
- Grande esforço requerido para ajustar
Amindoust dos especialistas do problema
Valor as regras de decisão
Sistema de Toolbox do et al. (2012) - O sistema processa os dados em formato
linguístico - Esforço requerido na parametrização
Inferência MATLAB / Lima Junior linguístico utilizando operadores T-Norma e
Valor das variáveis fuzzy e na seleção dos
Fuzzy Fuzzytech e Carpinetti S-Norma
numérico melhores operadores fuzzy para cada
(2012) - A diversidade de tipologias de conjuntos
problema
fuzzy e de operadores provê grande
flexibilidade ao sistema
- Grande quantidade de comparações
- Modela fatores intangíveis e variáveis requeridas
qualitativas - Apresenta grandes variações nos
MATLAB /
- Capaz de modelar critérios e subcritérios valores do ranking durante a
Valor Softwares de Kilincci e
Fuzzy AHP em uma estrutura hierárquica atualização do modelo
linguístico Planilhas Onal (2011)
- Utiliza variáveis linguísticas para - Limitado ao uso de até 9
Eletrônicas
representar os julgamentos comparativos fornecedores e 9 critérios
dos tomadores de decisão - Pode fornecer valor nulo para os
pesos dos critérios
- Modela critérios quantitativos e
qualitativos -Variações nos valores das pontuações
MATLAB /
- Estabilidade na inclusão ou exclusão de finais quando um critério é excluído ou
Fuzzy Valor Softwares de
Chen (2006) alternativas incluído, mesmo que todos os
TOPSIS linguístico Planilhas
- Não possui limitações na quantidade de fornecedores possuam desempenho
Eletrônicas
fornecedores e de critérios que podem ser igual em relação a esse critério
avaliados por vez
LIMA JR, F. R.; CARPINETTI, L.C.R. Uma comparação entre os métodos TOPSIS e Fuzzy-TOPSIS no
apoio à tomada de decisão multicritério para seleção de fornecedores. Gestão & Produção, v.
22, p. 17-34, 2015.

53
 20/03/2018

Referências
• LIMA JR, F.R.; CARPINETTI, L.C.R. Quantitative models for supply chain performance
evaluation: a literature review. Computers & Industrial Engineering, 2017.

• MORAIS, M. H. B. M. ; LIMA JUNIOR, F. R. Proposição e Aplicação de uma Metodologia

baseada no AHP e na ISO/IEC 25000 para apoiar a Avaliação da Qualidade de Softwares de
Gestão de Projetos. GEPROS. Gestão Da Produção, Operações E Sistemas, v. 12, p. 239-
260, 2017.

• RUFINO, M.C.S.; FRACAROLLI, R.L.; LIMA JR, F. R. Aplicação do método TOPSIS

para classificação ABC de estoques em uma empresa comercial de autopeças. In: XXIV
Simpósio de Engenharia de Produção, 2017, Bauru-SP. Anais do XXIV SIMPEP, 2017.

• LIMA JUNIOR, F. R.; CARPINETTI, L. C. R. Combining SCOR® Model and Fuzzy

TOPSIS for Supplier Evaluation and Management. International Journal of Production
Economics, v. 174, p. 128-141, 2016.

• LIMA JUNIOR, F. R.; CARPINETTI, L.C.R. A multicriteria approach based on Fuzzy QFD
for choosing criteria for supplier selection. Computers & Industrial Engineering, v. 110, p.
269-285, 2016.

107

Referências
• LIMA JUNIOR, F. R. Avaliação da adequabilidade de redes neurais artificiais e sistemas
neuro-fuzzy no apoio à predição de desempenho de cadeias de suprimento baseada no
SCOR®. 2016. 298 f. Tese (Doutorado) - Universidade de São Paulo, São Carlos, 2016.

• LIMA JR, F. R.; CARPINETTI, L.C.R. Uma comparação entre os métodos TOPSIS e
Fuzzy-TOPSIS no apoio à tomada de decisão multicritério para seleção de fornecedores.
Gestão & Produção, v. 22, p. 17-34, 2015.

• LIMA JR, F. R.; OSIRO, L. ; CARPINETTI, L. C. R. A comparison between Fuzzy AHP

and Fuzzy TOPSIS methods to supplier selection. Applied Soft Computing, v. 21, p. 194-
209, 2014.

• LIMA JUNIOR, F. R.; OSIRO, L.; CARPINETTI, L.C.R. Gestão da qualidade e

desempenho de fornecedores. In: Otávio José de Oliveira. (Org.). 1ed. São Paulo: Atlas,
2014, v. 1, p. 287-311.

• LIMA JUNIOR, F. R.; CERVI, A. F. C. ; CARPINETTI, L. C. R. Uma metodologia

multicritério baseada em inferência fuzzy para classificação ABC de estoques. Pesquisa
Operacional para o Desenvolvimento, v. 6, p. 343-366, 2014.

108

54
 20/03/2018

Referências
• LIMA JUNIOR, F. R. OSIRO, L.; CARPINETTI, L. C. R. A fuzzy inference and
categorization approach for supplier selection using compensatory and non-compensatory
decision rules. Applied Soft Computing, v. 13, p. 4133-4147, 2013.
• OSIRO, LAURO ; LIMA, R. H. P. ; LIMA JR, F. R. ; CARPINETTI, L. C. R. Proposta de
uso de Redes Neurais Artificiais em uma matriz de Portfólio de Compras. In: XXXIII
Encontro Nacional de Engenharia de Produção (ENEGEP), 2013.
• LIMA JUNIOR, F. R.; OSIRO, L.; CARPINETTI, L. C. R. Métodos de decisão
multicritério para seleção de fornecedores: um panorama do estado da arte. Gestão &
Produção, v. 20, p. 781-801, 2013.
• LIMA JUNIOR, F. R.; OSIRO, L.; CARPINETTI, L. C. R.; GANGA, G. D. Avaliação da
Qualidade de Softwares de apoio à decisão. In: XXXII Encontro Nacional de Engenharia
de Produção (ENEGEP), 2012.

109

Introdução às técnicas de tomada

de decisão multicritério

Francisco Rodrigues Lima Jr.

frjunior@utfpr.edu.br
eng.franciscojunior@gmail.com

55