Capítulo 9: SAD orientado a
Modelo
Análise e Modelagem




Quando o componente do modelo domina o
projeto do SAD – o sistema é dito ser
orientado a modelo
Modelos produzem resultados
Utilizado diretamente por gerentes
Softwares usado na criação de modelos
requerem uma ligação direta com qualquer
dado utilizado e com a interface do usuário
Análise e Ferramentas de Modelagem




Pacotes estatísticos
Pacotes de previsão
Pacotes de modelagem e análise quantitativa
Ferramentas de produtividade (como
planilhas)
Processo de Modelagem



Identificação do problema e análise da
situação
Identificação das variáveis e seus
relacionamentos
O modelo é apropriado?



O que necessita ser especificado?
Qual solução é mais viável?
O modelo é válido?
Pressupostos do Modelo


Pressupostos/Comportamentos não testáveis
Estático ou dinâmico?

Estático é baseado num único frame de tempo



Dinâmico considera vários intervalos de tempo



Tudo ocorre num intervalo bem definido
Ex. balanço semestral
Dependente do tempo – quando os eventos ocorrem
Ex. Projeção do lucro para cinco anos
Certezas?
Quando construir um modelo ...

Examine as condições e trace os
pressupostos apropriados:

Certeza. Modelos previsíveis são mais simples de
serem “bolados” e funcional bem porque são
considerados “boas soluções”

Modelos financeiros podem operar assim
Quando construir um modelo ...

Incerteza. Os analistas tentam evitar este
tipo de modelo


Tentam acumular mais informação sobre o
problema de forma a permitir uma atitude mais
apropriada para lidar com riscos
Risco. A maioria das situações de negócios
envolvem riscos – recomenda-se o uso de
análises What-if
Tipos de Modelos


Explicativos – Modelos descritivos
Algébricos – Modelos preditivos mostram
relacionamentos:



Indicam que valores ou comportamentos através
de múltiplas dimensões devem ser introduzidos
no modelo de forma a afetar um saída específica
Alto nível de interação com o usuário
O gerente especifica uma saída e um ponto de
partida
SAD orientado a modelo pode envolver
múltiplos modelos!



Modelos de regressão que identificam o
relacionamento entre variáveis
Um modelo financeiro
Um modelo de otimização baseado em
programação linear
Tipos de problemas e modelos










Análise de custo-benefício
Previsão
Financeiro
Controle de estoque
Localização, alocação e distribuição
Planejamento de RH
Planejamento e controle de projeto
Gestão de filas
Política de reposição
Escalonamento
Modelos financeiros




Análise de break-even (ponto de equilíbrio)
Modelos de orçamento
Análise de coeficiente
Análise de faturamento
Análise da Decisão

Decisões são modeladas a partir da listagem
de um conjunto de alternativas

Uma única meta


Obtida com o uso de uma tabela ou árvore de decisão
Múltiplas metas

Faz uso de modelos de utilidade ou processo de análise
hierárquico
Árvore de Decisão

Vantagens


Mostra graficamente o relacionamento entre as
variáveis do problema
Pode lidar com situações mais complexas
Processo de análise hierárquico (AHP)


Técnica de decisão multi-critério que pode vir
a combinar fatores quantitativos e
qualitativos na avaliação de alternativas
Passo 1

Desenvolver uma representação hierárquica do
processo
Passo 1 Diagrama
http://www.hipre.hut.fi/
AHP

Passo 2


Passo 3


Gera dados para comparação de alternativas
Usa comparações do passo 2 para determinar a
prioridade relativa de cada atributo em cada um
dos níveis de atributo acima na hierarquia
Passo 4

Prioridades são determinadas
Diagramas de influência

Provê a representação gráfica de um modelo



Retângulo = variável de decisão
Círculo = variável não controlável ou intermediária
Oval = variável de saída


Intermediária ou final
Figuras são conectadas por setas que indicam
relacionamentos específicos
Modelos de previsão

Métodos de julgamento



Baseados em estimativas subjetivas e opiniões
de especialistas
Usado quando dados históricos são limitados ou
inexistentes
Análise de séries temporais

Conjunto de valores para variáveis econômicas
que são medidas em vários intervalos de tempo
Modelos de otimização

Programação linear composta de:





Variáveis de decisão
Funções objetivo
Coeficientes
Limites
Etc
Modelos de simulação

Tipo especial de modelagem que imita a
realidade

Envolve o teste de valores específicos de uma
decisão ou variáveis não controláveis com a
observação do impacto da saída



Ferramentas descritivas
Descreve ou prevê as características de um dado
sistema
Necessário em problemas complexos
Vantagens da simulação





Teoria é de fácil compreensão
Modelo é simples
Permite questões tipo What-if
Modelo é construído para um problema
Permite a inclusão de situações reais –
simplificações não são necessárias
Desvantagens da simulação



Uma solução ótima não pode ser assegurada
Construir o modelo é lento e caro
Soluções não são transferíveis para outros
problemas
Metodologia da simulação






Definição do problema
Construção do modelo de simulação
Teste e validação do modelo
Projeto dos experimentos
Condução dos experimentos
Avaliação dos resultados
Tipos de simulação


Probabilística
Dependente do Tempo vs. Não Dependente
do Tempo


O frame de tempo é importante para o
experimento?
Simulação visual


Visualização gráfica
Facilidades de animação
Questões para revisão




Quais os principais tipos de modelos usados
em SAD orientado a modelo?
Quais as vantagens do desenvolvimento e
uso de modelos em SADs?
Qual o papel da análise estatística em SAD?
Porque usar simulação?
Exercício
1.
Tente projetar um modelo baseado em
planilha. Consulte a URL
http://www.frontsys.com/prodmix.htm e use
o exemplo do produto. Olhe a Figura 9.1 do
texto base e formule algo como o ilustrado
no exemplo do break-even.