P&D em Engenharia de Produção, Itajubá, v. 8, n. 3, p. 144-152, 2010
Investigação apreciativa e lógica Fuzzy: uma
proposta de modelo para análise de cooperação
em redes de empresas
Appreciative Inquiry and Fuzzy Logic: a proposed model for
the analysis of cooperation in business networks
Yslene Rocha Kachba1
Caroline Vaz Rodrigues1
Ivanir Luiz de Oliveira1
Kazuo Hatakeyama1
RESUMO: O presente artigo apresenta a proposta de um modelo de análise de cooperação
direcionado à rede de empresas, cujos procedimentos partem da metodologia de investigação
apreciativa que aponta os níveis de cooperação por meio dos pontos positivos da organização, com
uma abordagem qualitativa. Para analisar quantitativamente o nível de cooperação depois da
utilização da investigação apreciativa utiliza-se a lógica fuzzy. Com o objetivo de mensurar a
nebulosidade da cooperação de uma rede de empresas, a investigação apreciativa tem uma
importância essencial para a organização das micro e pequenas empresas (MPEs), principalmente,
na visualização de sonhos e planejamentos estratégicos dos empresários organizados em rede. Na
rede de empresas pesquisada, os empresários conhecem a importância de participar de uma rede
de cooperação e seus benefícios. Entretanto, em seu planejamento e sonhos para o futuro do seu
negócio, não se planejam em rede e, sim, isoladamente.
Palavras-chave: Redes de cooperação; Investigação apreciativa; Lógica Fuzzy.
ABSTRACT: This paper presents a proposed analysis model aimed at the cooperation network of
companies whose procedures are based on the methodology of appreciative inquiry which indicates
that the levels of cooperation through the organization's strengths, with a qualitative approach. To
analyze quantitatively the level of cooperation after the use of appreciative inquiry is used the fuzzy
logic. In order to measure the cloudiness of the cooperation of a network of companies, appreciative
inquiry is of pivotal importance for the organization of micro and small enterprises (MSEs), especially
in view of strategic plans and dreams of entrepreneurs organized in a network. In the network of
companies surveyed, entrepreneurs know the importance of participating in a network of cooperation
and its benefits. However, in its planning and dreams for the future of your business, do not plan to
network but, in isolation.
Keywords: Cooperation networks; Appreciative inquiry; Fuzzy logic.
1. INTRODUÇÃO
O processo de globalização que começou nos anos 90 alterou o mercado competitivo local para o âmbito
internacional. Este fato teve como consequência nas indústrias brasileiras, a necessidade de pleno
acolhimento de expectativas dos clientes para sobreviver no ambiente de intensa competitividade. Assim,
o maior desafio consiste na busca por maior participação no mercado. Para conseguir este intuito faz-se
necessário desenvolver uma estratégia eficiente. Diante disso, pergunta-se: quais as melhores estratégias
a serem planejadas e implantadas quando a realidade é de Pequenas e Micro Empresas (MPEs), com
recursos escassos, tecnologia insuficiente, carência de mão de obra especializada ou da pesquisa de novos
produtos?
Dentro da incorporação de redes de empresas, pode ser executado o trabalho coorporativo e competitivo.
Este envolvimento traz como suporte, a criação de novos produtos, a satisfação de clientes e um contínuo
1 Universidade Tecnológica Federal do Paraná - PPGEP
[email protected]; [email protected]; [email protected]; [email protected]
Suporte financeiro: Capes
Investigação apreciativa e lógica Fuzzy: uma proposta de modelo para análise de cooperação...
145
ciclo de inovação. Logo, quando as firmas multiplicam o relacionamento de cooperação estes suportes são
fontes para o aumento das estratégias competitivas (NIU, MILES e LEE, 2008).
A aprovação para os conceitos e práticas de desempenho do gerenciamento e a mensuração das atividades
entre as empresas devem estar vinculados a uma consolidada prática de cooperação, amadurecimento e
troca de informações. Para o desenvolvimento das atividades, as empresas organizadas em rede precisam
de determinados parâmetros, entre eles, a cultura contínua de inovação, desenvolvimento da eficiência de
coletividade, a partir da confiança entre os empresários participantes da rede. Dessa maneira todas as
ações de gerenciamento da rede devem estar vinculadas à eficiência da coletividade (CARPINETTI,
GALDÁMEZ e GEROLAMO, 2008; AMATO NETO, 2009).
No contexto econômico a vantagem da cooperação para Olavo e Amato neto (2001) oferece a
possibilidade de dispor de tecnologias e reduzir os custos de transação relativos ao processo de inovação,
aumentando a eficiência econômica e, por consequência, aumentando a competitividade. Entretanto, o ato
de cooperar traz impactos da ativação de cooperativas, pois costumam ser analisados de maneira distinta
em função da teoria que fundamenta a análise. Algumas dessas análises elevam a identificação de sistemas
de incentivos que estimulam os agentes a cooperar, enquanto outras ressaltam a importância do contexto
institucional que induz à consolidação de práticas cooperativas. Outro fator importante para estimular a
cooperação é a transmissão de conhecimento entre os empresários da rede e até mesmo de agentes
externos, como universidades, centros de apoio a MPEs, entre outros (BRITO, 2004).
A definição geral da rede de cooperação é trabalhar em comum, envolvendo relações de confiança mútua e
coordenação, em níveis diferenciados, entre os agentes internos e externos. Os agentes externos são
instituições de ensino, institutos de pesquisa, centros de capacitação profissional, órgão de apoio à
promoção, entre outros, salientados por Olavo e Amato (2001). Em redes de cooperação, identificam-se
diferentes tipos de cooperação, incluindo a cooperação produtiva visando à obtenção de economia de
escala e escopo, bem como a melhoria de índices de qualidade e produtividade e, cooperação inovativa,
que resulta em diminuir os riscos, custos e tempo e, principalmente, no aprendizado interativo,
dinamizando o potencial.
As redes de cooperação têm diversas classificações e tipologias em relação às suas características. Para
Rosenfeld (1996), as redes de empresas são classificadas em redes duras que consistem em três ou mais
empresas que se unem para cooperar no desenvolvimento do produto ou do mercado, como os consórcios
de empresas, principalmente do setor automotivo. As redes macias compreendem três ou mais empresas
que se unem para resolver problemas em comum, informações compartilhadas, ou adquirir novas
habilidades, como as aglomerações econômicas. As redes duras frequentemente requerem forma
cooperativa ou arranjos empresariais em comum, enquanto que redes macias normalmente permanecem
informais.
A análise desta cooperação necessita de uma metodologia que contemple as descobertas, sonhos e
planejamentos das redes de cooperação. Uma metodologia qualitativa para executar esta análise é a
investigação apreciativa que tem como objetivo, analisar os níveis de cooperação e planejamento por meio
de pontos positivos da organização (WHITNEY, 2003). Para avaliar a cooperação de uma rede de
empresas, principalmente, classificadas como redes macias, encontram-se premissas analisada por Garcia
et al. (2007) como uma natureza forte, não linear dos problemas, incerteza e a subjetividade inerente aos
dados, a imprevisibilidade, normalmente negligenciadas em modelos convencionais. Valia na correta
representação dos problemas, necessitam de ser tratadas quando da utilização de uma ferramenta
matemática adequada, como a lógica fuzzy.
Os procedimentos metodológicos envolvidos para a realização do estudo envolvem uma revisão teórica
das contribuições que versam sobre redes de empresas, investigação apreciativa e lógica fuzzy. Como
projeto piloto para o modelo foi utilizado um estudo de caso, no qual se centraliza a análise do nível de
cooperação por meio da investigação apreciativa e lógica fuzzy. Destacam-se a análise da dificuldade da
execução do sonho e o planejamento em rede.
146
Kachba et al.
P&D em Engenharia de Produção, Itajubá, v. 8, n. 3, p. 144-152, 2010
2. CONCEITOS PARA LÓGICA FUZZY
A lógica fuzzy ou difusa tem sua origem nas pesquisas feitas por Zadh (1965). Os objetivos destes estudos
foram moldar problemas de natureza industrial, biológica ou química que envolvesse situações nebulosas,
cujo processamento por meio da lógica computacional fundamentada na lógica booleana era inviável.
Os seres humanos tomam decisões considerando valores não exatos, mas utilizam uma lógica que leva em
consideração certo “grau de pertinência” das variáveis envolvidas no processo decisório. Essas variáveis
linguísticas podem ser melhores descritas e manipuladas por um conjunto fuzzy. A lógica fuzzy é uma
generalização da lógica clássica que permite incluir a imprecisão nos processo decisório (BAUCHSPIESS et
al., 2004).
Sendo µA (x) a função de pertinência do elemento x no conjunto A, cujo domínio é X e o contra domínio o
intervalo de [0;1], um conjunto nebuloso A em x é um conjunto de pares ordenados dado pela equação 1.
A = {(x, µA(x)) | x ϵ X}
(1)
Esta lógica para Garcia et al. (2006), o grau de pertinência assume valores no intervalo de zero e um, de
modo inclusivo, esses extremos representam a completa exclusão e a total pertinência do elemento
analisado com o conceito representado pelo conjunto fuzzy. Ressalta-se que o grau de pertinência não
representa um valor médio probabilístico. Esta é uma medida da compatibilidade do objeto analisado
pelos conceitos fuzzy.
A lógica fuzzy para Sangiovanni (2009) permite fazer considerações qualitativas sobre a geometria,
parâmetros e descontinuidades. A característica mais importante é a capacidade do algoritmo para
avaliar, em uma única etapa, o problema e como a colocar a métrica, ou seja, a distribuição do tamanho
ideal do elemento em cada ponto do domínio, com um grau de pertinência.
Este grau de pertinência é possível, através das relações entre variáveis linguísticas de entrada e de saída
descritas por inferências fuzzy, comuns conhecidas como base de regras. Estas bases de regras utilizam
proposições e conectivos lógicos tais como SE; ENTÃO; E; e OU. As inferências fuzzy fornecem conclusões
ou saídas de um dado sistema analisando os níveis de compatibilidade das entradas com as condições
impostas pela base de regras, determinam-se como as regras serão ativadas ou combinadas (OLIVEIRA Jr,
1999).
Um dos métodos utilizados dentro da lógica fuzzy é o sistema Mandani, em geral, um sistema fuzzy faz
corresponder a cada entrada fuzzy uma saída fuzzy. Porém, espera-se que a cada entrada crisp (um
número real, ou par de números reais, ou n-upla de números reais) faça corresponder uma saída crisp.
Assim, um sistema fuzzy é uma função de R n em R, construída de alguma maneira específica. Os módulos
que seguem indicam a metodologia para a construção desta função de acordo com Zadeh (1965):
a) Módulo de fuzzificação: é o que modela matematicamente a informação das variáveis de entrada por
meio de conjuntos fuzzy. É neste módulo que se mostra a grande importância do especialista do
processo a ser analisado, pois a cada variável de entrada devem ser atribuídos termos linguísticos que
representam os estados desta variável e, a cada termo linguístico, deve ser associado um conjunto
fuzzy por uma função de pertinência;
b) Módulo da base de regras: é o que constitui o núcleo do sistema. É neste módulo onde “se guardam” as
variáveis e suas classificações linguísticas;
c) Módulo de inferência: é onde se definem quais são os conectivos lógicos usados para estabelecer a
relação fuzzy que modela a base de regras. É deste módulo que depende o sucesso do sistema fuzzy já
que ele fornecerá a saída (controle) fuzzy a ser adotada pelo controlador a partir de cada entrada
fuzzy; e
d) Módulo de defuzzificação: que traduz o estado da variável de saída fuzzy para um valor numérico.
Recentemente, os pesquisadores desenvolveram alternativas probabilísticas para a aplicação de lógica
fuzzy e avaliar o desempenho de determinado problema. O desempenho do modelo de lógica fuzzy pode
ser executado em qualquer forma de pesquisa independente do tipo de problemática (BROCK, BEAVIS &
KUBATKO, 2009). A partir deste conceito a pesquisa avalia uma metodologia qualitativa, a Investigação
Apreciativa em mensuração geométrica trapezoidal com a lógica fuzzy.
Investigação apreciativa e lógica Fuzzy: uma proposta de modelo para análise de cooperação...
147
3. INVESTIGAÇÃO APRECIATIVA
A cooperação é um trabalho permanente na cultura de redes de empresas, uma vez que a organização da
governança da rede é um dos resultados esperados para a sustentabilidade. Para a avaliação dessa
cooperação tem-se a investigação apreciativa. Essa metodologia visa transformar as organizações através
de questionamentos e experiências positivas vivenciadas dentro de uma organização e provoca flexões no
indivíduo a ser pesquisado, seja através de questionamentos realizados ou em depoimento de
experiências positivas realizadas (STAINSACK, 2005).
A Figura 1 apresenta quatro parâmetros do ciclo 4D’s da metodologia de investigação apreciativa. Este se
inicia como primeiro D, a descoberta, levantada através de questões positivas e histórias vivenciadas pelo
integrante da rede de cooperação para a construção do seu negócio. O segundo D explora o sonho, como
estes são entendidos no que concerne a uma visão de futuro, o que sonha o entrevistado com relação às
inovações e o crescimento para a rede. O terceiro D trabalha com o planejamento, quando a partir do
sonho são provocadas proposições para o entrevistado no que se refere às ações efetivas para a rede, o
que podem fazer os sonhos se tornarem realidade. Por último o quarto D, traz o destino, como trabalhar
os sonhos e o planejamento com toda a rede, para atingir o crescimento.
Descoberta
Da história?
Valorização dos
pontos positivos?
Sonho
Destino
Para a cooperação?
Tecnologias para a
rede? Práticas bem
sucedidas da rede?
Como evoluir para o
crescimento da
rede?
Planejamento
O ideal?
O que pode ser
melhorado no real?
Figura 1 – Ciclo 4 D’s para rede de cooperação.
Fonte: Stainsack (2005)
4. MÉTODO DE PESQUISA
A natureza da pesquisa é aplicada porque tem como objetivo analisar a cooperação em redes de empresa.
A abordagem do problema é caracterizada por Markoni e Lakatos (2009) como qualitativa porque não
utiliza parâmetros estatísticos para analisá-los ou qualificá-los. Do ponto de vista dos objetivos a pesquisa
é exploratória com vistas a proporcionar maior familiaridade e torná-lo mais explícito. A pesquisa
exploratória tem como objetivo principal o aprimoramento de idéias de planejamento cooperativo em
MPEs (GIL, 2009). O procedimento técnico utilizado foi o estudo multicaso (YIN, 2001), que compreendeu
24 empresas da associação de artesanato e confecção da cidade de Ponta Grossa, no estado do Paraná,
fundada no ano de 2006.
A escolha destas empresas para a pesquisa foi baseada no histórico artesanal de sua produção e na
procura de parcerias para construir seu próprio negócio. Por este motivo se caracteriza em uma forma de
148
Kachba et al.
P&D em Engenharia de Produção, Itajubá, v. 8, n. 3, p. 144-152, 2010
rede planejada pelo governo local para desenvolver a região, contudo necessita também de uma estrutura
de cooperação para seu crescimento.
A pesquisa se desenvolveu a partir de entrevista semi-estruturada com doze perguntas abertas, onde as
três primeiras pesquisavam a descoberta da investigação apreciativa, quatro questões exploravam o
sonho do entrevistado para sua empresa e para a rede, três questões discutiam o planejamento atual da
rede e confrontavam com os sonhos e duas provocavam a procura de um destino para a rede de acordo
com os sonhos do entrevistado. Assim analisou o nível de cooperação e pensamentos positivos para a rede
através dos parâmetros do Quadro 1 de análise para cada um dos 4D’s.
Quadro 1: níveis de análise para ciclo D’s
Descoberta
Importante
Substancial
Moderado
Trivial
Limitada
Isolada
Ponderado
Baixo
Conformada
Isolada
Sonho
Amplo
Mediano
Planejamento
Alto
Médio
Destino
Magnífica
Estratégica
O quadro 1 demonstra os níveis de importância para os parâmetros do ciclo do 4D’s que variam de acordo
com a ação positiva que vai ser pesquisada. A descoberta pode ser categorizada, por exemplo, em
importante, porque há um grau de acuidade para a história e para as experiências positivas demonstradas
pelos entrevistados. Entretanto, a opção trivial traz falta de otimismo para o histórico e as experiências
positivas entre os empresários participantes da rede. Assim, são realizadas diversas combinações entre os
quatro níveis da metodologia de investigação apreciativa.
Após a investigação apreciativa o trabalho foi desenvolvido através de um sistema de lógica fuzzy
composta por quatro camadas ou input do ciclo 4D’s, em que mostram o nível de cooperação da rede. Em
aspectos positivos o quadro 2 demonstra este conceito.
O quadro 2 apresenta 28 hipóteses para a cooperação através da análise para a lógica fuzzy, entretanto, o
total de hipóteses trabalhadas foram 256, efetuadas pelos conceitos matemáticos de combinação para
adquirir o nível de cooperação da rede, através da sistemática do quatro 1.
5. RESULTADOS E DISCUSSÕES
Primeiramente são apresentados os passos para a formulação do modelo da lógica fuzzy para redes de
cooperação utilizando o Fuzzy Logical Toolbox, com uma rede de quatro camadas, englobando uma
avaliação do ciclo. A partir da análise de método Mandani como demonstrado por Zadeh (1965) para a
cooperação, formulou-se quatro entradas (input) que correspondem o ciclo 4D’s como apresenta a Figura
2.
As camadas da rede fuzzy (input) compreendem a descoberta, o sonho, o planejamento e o destino que os
empresários da rede visualizam para seus negócios. O objetivo deste modelo é gerar parâmetros para
quantificar o nível de cooperação da rede, desse modo a saída (output) apresenta a validação deste
objetivo.
O modelo de função trapezoidal tem os valores resultantes de um intervalo de 0 a 1, em relação aos
parâmetros: importante, substancial, moderado e trivial. Neste sentido tem-se como resultado a Figura 2
que ilustra a relação matemática entre as variáveis de entrada, sonho e descoberta e o fator de cooperação
(output), (não normalizado no intervalo de 0 a 1).
Investigação apreciativa e lógica Fuzzy: uma proposta de modelo para análise de cooperação...
149
Quadro 2: Matriz de variáveis e termos linguísticos para hipóteses de níveis de cooperação
Se
Se
Se
Se
Então
Descoberta
Sonho
Planejamento
Destino
Cooperação
Importante
Amplo
Alto
Magnífico
Ótima
Importante
Amplo
Alto
Estratégico
Ótima
Importante
Amplo
Alto
Conformado
Prudente
Importante
Amplo
Alto
Isolado
Baixa
Importante
Amplo
Médio
Magnífico
Prudente
Importante
Amplo
Médio
Estratégico
Prudente
Importante
Amplo
Médio
Conformado
Médio
Importante
Amplo
Médio
Isolado
Baixa
Importante
Amplo
Ponderado
Magnífico
Ótima
Importante
Amplo
Ponderado
Estratégico
Ótima
Importante
Amplo
Ponderado
Conformado
Médio
Importante
Amplo
Ponderado
Isolado
Baixa
Importante
Amplo
Baixo
Magnífico
Prudente
Importante
Amplo
Baixo
Estratégico
Prudente
Importante
Amplo
Baixo
Conformado
Médio
Importante
Amplo
Baixo
Isolado
Baixa
Importante
Mediano
Alto
Magnífico
Ótima
Importante
Mediano
Alto
Estratégico
Ótima
Importante
Mediano
Alto
Conformado
Médio
Importante
Mediano
Alto
Isolado
Baixa
Importante
Mediano
Médio
Magnífico
Médio
Importante
Mediano
Médio
Estratégico
Médio
Importante
Mediano
Médio
Conformado
Médio
Importante
Mediano
Médio
Isolado
Baixa
Importante
Mediano
Ponderado
Magnífico
Ótima
Importante
Mediano
Ponderado
Estratégico
Médio
Importante
Mediano
Ponderado
Conformado
Médio
Figura 2 – Método Mandani para o modelo de análise de redes de cooperação utilizando lógica fuzzy
150
Kachba et al.
P&D em Engenharia de Produção, Itajubá, v. 8, n. 3, p. 144-152, 2010
Esta superfície é consequência da base de regras dos quadros 1 e 2, considerando-se as variáveis de
entrada sonho e descoberta definidas pelos parâmetros de: pertinência esporádica, ocasional e frequente.
Nota-se média linearidade desta relação e a impossibilidade de se obter a expressão da função por
linearidade e sim, por conceitos de lógica Fuzzy. Porém apresentam-se níveis de 0,75 em cooperação em
relação à descoberta, os mais baixos níveis em relação a sonho de cooperação para toda a rede. O que
representa que os empresários conhecem a importância de estar organizado em rede para a sua evolução,
como uma descoberta. Contudo, em seus sonhos para o futuro do seu negócio não pretendem ou não
anteveem a necessidade de se estar organizado em rede.
Em relação às variáveis de destino e descoberta aponta-se uma determinada linearidade em baixos
valores com grande tendência para o grau de isolamento do destino. Fator que entra em igualdade com a
Figura 3. Pois os empresários sabem da importância da descoberta de estar organizado em rede, mas, não
cooperam em relação ao destino (futuro) eficaz da rede e procuram somente um melhor destino para a
sua própria empresa. A Figura 4 apresenta as variáveis, planejamento e sonho em relação ao nível de
cooperação da rede.
Figura 3 – Relação entre as variáveis de entrada e saída resultante da base de regras sonho e descoberta
Figura 4 – Relação entre as variáveis de entrada e saída resultante da base de regras planejamento e sonho
As variáveis que apresentam maior linearidade são sonho e planejamento com médias de percentuais
próximos a 0,5. O que representa que somente 50% conhecem e participam do planejamento da rede e
sonham com o crescimento de sua empresa em conjunto nesta organização. Realidade que entra em
contradição com as afirmações de Niu e Miles e Lee (2008), Olavo & Amato Neto (2001) e Brito (2004),
que afirmam a importância da cooperação para o desenvolvimento de MPEs através de transferências de
conhecimento, compras de insumos e parcerias de vendas, entre outras ações.
Investigação apreciativa e lógica Fuzzy: uma proposta de modelo para análise de cooperação...
151
Na rede de empresa pesquisada pelo modelo observa-se a visão dos empresários em somente um
processo evolutivo para a sua empresa amadurecer financeiramente. Quando a empresa separadamente
apresentar uma situação financeira estável o planejamento é sair da organização em rede e montar seu
negócio em um espaço isolado.
6. CONCLUSÕES
A importância da cooperação dentro das redes de empresas é um fator essencial, assim é necessário
encontrar mecanismos para poder medir. A proposta de modelo através da investigação e da lógica fuzzy,
mostra as 256 hipóteses combinadas que poderiam contemplar os parâmetros dos 4D’s da investigação
apreciativa. Se as redes de empresa não medirem os seus níveis de cooperação e trabalharem para seu
aumento, correm o risco de perder o objetivo em comum das redes de cooperação, que é a evolução das
empresas em conjunto para a conquista de novos mercados.
Porém, na rede de cooperação pesquisada encontrou-se um percentual médio de 0,52%, em relação ao
nível de cooperação da rede de empresas, que se encontra na variável de entrada média. Este fator ocorre
porque os empresários cooperam em relação à descoberta e à importância de estar dentro da rede para a
evolução de suas empresas. No entanto, quando as variáveis são de planejamento e sonhos, apontam-se
ações isoladas, ou seja, eles procuram sair da rede após conseguir um espaço no mercado. Conclui-se uma
falta de amadurecimento da rede em relação à cooperação para crescimento em conjunto dessas
empresas. Os empresários não têm a visão que mesmo saindo do mesmo espaço e construindo sua
empresa em outro local terão que trabalhar em cooperação com fornecedores, instituições de apoio, as
MPEs para a sua manutenção no mercado.
Agradecimento. A primeira autora agradece a CAPES pelo suporte financeiro para a realização de Curso
de Mestrado no PPGEP da UTFPR.
REFERÊNCIAS
AMATO, J. N. Gestão de sistemas locais de produção e inovação (Clusters/APLs). 1ª Ed. São Paulo:
Atlas, 2009.
BAUCHSPIESS, A.; SOUZA, A. S.; LEITE, A. C.; RAMOS, R.; PERREIRA, E. S.; SANTOS, R. J. Fuzzy thermal
control with remote access for building Automation. In: INCOM’2004 – 11thIFAC Symposium on
Information Control Problems in Manufacturing, 2004, Salvador – BA, Anais do INCOM’2004, 2004.
BRITTO, J. Cooperação e aprendizado em Arranjos Produtivos Locais: em busca de um referencial
analítico. In: Cassiolato, J. E.; Lastres, H. M (orgs). Nota técnica 04/04. Rio de Janeiro, IE/UFRJ, 2004.
BROCK, G. N.; BEAVIS, W.D. & KUBATNO, L. S. Fuzzy logic and related methods as a screening tool for
detecting gene regulatory networks. Information Fusion, v. 10, p. 250-259, 2009.
CARPINETTI, L. C.; GALDÁMEZ, E. V.; GEROLAMO, M. C. A measurement system for managing performance
of industrial clusters: a conceptual model as research cases. International Journal of Productivity and
Performance Management, v. 57, n.5, 2008.
GARCIA, K. C.; TEIXIERA, M. G.; ALVES, C.C.; ALVES, R. N. Concepção de um modelo matemático de
avaliação de projetos de responsabilidade social empresarial. Gestão & Produção. São Carlos, v. 13, n.2,
p.311-324, mai-ago. 2006.
GIL, A. C. Como elaborar projetos de pesquisa. 4ª Edição. São Paulo: Atlas, 2009.
OLAVE, M. E.; AMATO NETO, J. Redes de cooperação produtivas: uma estratégia de competitividade e
sobrevivência para pequenas e médias empresas. Gestão & Produção. São Carlos, v. 8, n.3, p.289-303,
dez, 2001.
OLIVEIRA JUNIOR, H, A. Lógica difusa: aspectos práticos e aplicações. Rio de Janeiro: Interciência,
1999.
152
Kachba et al.
P&D em Engenharia de Produção, Itajubá, v. 8, n. 3, p. 144-152, 2010
MARCONI, M. A.; LAKATOS, E. M. Fundamentos da metodologia científica. 6ª Edição. São Paulo: Atlas,
2009.
NIU, K. H.; MILES, G.; LEE, C. S. Strategic development of network clusters: a study of high technology
regional development and global competitiveness. International Business Journal, v. 18, n. 3, p.14-31,
2008.
PORTER, M. E. Clusters and new economics of competition. Harvard Business Review, New York, v.76, p.
77-92, Nov-Dez, 1998.
ROSENFELD, S. A. Does cooperation enhance competitiveness? Assessing the impacts of -inter-firm
collaboration. Research Policy, v.25, n.2, p. 247-263, 1996.
SANGIOVANNI, G. Definition of fuzzy logic rules representing finite element method experts’ reasoning.
Fuzzy sets and Systems, v. 160, p. 1444-1456, 2009.
STAINSACK, C. Cooperação estratégica em arranjos produtivos locais: a experiência da metodologia
de investigação apreciativa no planejamento de desenvolvimento industrial no estado do Paraná.
In: ALTEC, XI Seminário Latino-Iberoamericano de Gestão Tecnológica, Salvador – Bahia, 2005.
ZADEH, L.A. Fuzzy sets. Information and Control, United Kingdom, v.8, p.338-353, 1965.
YIN, R. K. Estudo de caso: planejamento e métodos. 2ª Ed. Porto Alegre: Bookman, 2001.
WHITNEY, D. The power of appreciate inquiriy: a practical guide to positive change. San Francisco:
Berrettet-Koehler Publisherrs, 2003.