Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo
1. Introdução
(1)
O símbolo rij indica o elemento da matriz de decisão para a i-ésima alternativa no j-ésimo
atributo. Assim, m representa o número de alternativas e n representa o número de critérios.
Os atributos positivos e negativos são normalizados pela equação abaixo, que apresenta uma
matriz de pertinência. Essa normalização é baseada no conceito de ponto ideal para os valores
𝑟i. Dessa forma, o valor 𝑋ij expressa o grau em que a alternativa i está próxima do valor ideal
𝑟i+, que representa o melhor desempenho no critério j, e distante do valor antirreferencial, que
representa o pior desempenho no critério j. Os valores 𝑟i- e 𝑟i+ são alcançados por pelo menos
uma das alternativas em consideração.
(2)
𝑋ij representa um valor normalizado da matriz de decisão para a i-ésima alternativa no
j-ésimo atributo.
Então, a matriz inicial de avaliações é convertida em uma matriz de pontuações relativas com
um elemento genérico. Ao examinar o j-ésimo critério isoladamente, geramos um vetor 𝑥j que
denota as pontuações de todas as n alternativas consideradas. Utilizando a dimensão n x n e
um elemento genérico 𝜌jk, que é o coeficiente de correlação linear entre os vetores 𝑥j e 𝑥k e
quantifica a intensidade do contraste do critério correspondente, 𝑥j e 𝑥k exibem a média dos
atributos j-ésimo e k-ésimo. O valor de 𝑥j é calculado pela equação seguinte, de forma
semelhante ao obtido para 𝑥k.
(3)
(4)
O desvio padrão de cada atributo é estimado pela Equação 5. Assim, o índice 𝐶j é calculado
(Equação 6). Quanto maior o valor de 𝐶j, maior a quantidade de informação transmitida pelo
critério correspondente e maior sua importância relativa para o processo de tomada de
decisão. Em seguida, os pesos objetivos são obtidos normalizando esses valores para a
unidade de acordo com a Equação 7:
(5)
(6)
(7)
Após isso, novamente considerando a matriz de decisão com os dados iniciais, mas agora o
critério é avaliado de acordo com a sua importância devida, aplicamos uma segunda
normalização, utilizando a distância Euclidiana, de acordo com a equação 8:
(8)
(9)
2. Metodologia
Este presente artigo trata-se de uma análise de abordagem quantitativa. A Figura 1
apresenta o sumário metodológico do trabalho.
3. Estudo de Caso
4. Resultado e Discussões
Os critérios de custo e de peso, que está relacionado ao valor de mercado do mouse, e peso do
mouse, são considerados de critério monotônico de custo, onde a melhor classificação é
alcançada quando o valor é minimizado. Isso significa que quanto menor for o valor atribuído
a este critério, melhor será a classificação do mouse em relação ao custo-benefício.
Por outro lado, os critérios de bateria, ergonomia e sensibilidade são classificados como
monotônicos de benefício, onde quanto maior for o valor atribuído a estes critérios, melhor
será a classificação da máquina em relação ao desempenho. Portanto, esses critérios devem
ser maximizados ao avaliar e selecionar uma máquina, pois quanto maiores forem esses
valores, melhor será o desempenho e a eficiência do mouse. Para o critério de ergonomia, foi
utilizada uma escala de 0 a 5. Cada um dos 6 pontos representa uma classificação de 0 (pior
possibilidade) a 5 (melhor possibilidade). É importante considerar esses critérios ao avaliar as
opções de mouses disponíveis no mercado, a fim de selecionar a que ofereça o melhor
custo-benefício para as necessidades específicas do usuário.
A Figura 3 e 4 retrata a matriz de decisão normalizada do modelo Critic-Moora. Uma matriz
de decisão normalizada é uma tabela que apresenta a pontuação de cada alternativa em
relação a cada critério de avaliação. Essas pontuações são normalizadas, o que significa que
são ajustadas para que todas as pontuações estejam na mesma escala de valores e tenham a
mesma importância relativa para a decisão.
5. Considerações finais
6. Referências Bibliográficas
Brauers, W. K., & Zavadskas, E. K. (2006). The Moora Method and its Application to
Privatization in a Transition Economy. Control and Cybernetics.
MOORA no Excel – Multi-Objective Optimization Ratio Analysis. [S. l.], 17 fev. 2021.
Disponível em:
https://fabiobaldini.com.br/moora-excel-multi-objective-optimization-ratio-analysis/. Acesso
em: 14 jun. 2023.