Análise de Decisão
Software SuperDecisions
AHP
Profa. Dra. Carmen Belderrain
Dra. Amanda Cecília Simões da Silva
03 de Agosto 2013
ANALYTIC HIERARCHY PROCESS
AHP
Uma hierarquia é uma estrutura linear top down, sem feedback dos
níveis inferiores para os níveis superiores. Apresenta, em seu topo,
o objetivo global que influencia os critérios. As alternativas
recebem influência do nível imediatamente superior e cada
alternativa depende apenas de si mesma. Todos os elementos que
compõem cada nível hierárquico são considerados independentes
entre si. Saaty (2005)
2
ANALYTIC HIERARCHY PROCESS
AHP
Objetivo
global
Hierarquia linear
Objetivo
●
Critério 1
Critérios
● ● ● ●
componente,
cluster (nível)
Subcritérios
Critério 2
Subcritério
1.1
Subcritério
1.2
Subcritério
2.1
Subcritério
2.2
Subcritério
2.3
● ● ●
elemento
Alternativas
● ● ● ● ●
O loop indica que cada elemento
depende apenas de si mesmo
Alternativa
1
Alternativa
2
Alternativa
3
3
ANALYTIC HIERARCHY PROCESS
AHP
Existem duas formas de realizar as comparações par a par utilizadas
no método AHP, são elas:
a) comparações em termos de medição relativa (do inglês relative
measurement). Na medição relativa às alternativas são
comparadas par a par de acordo com um atributo comum.
a) comparações em termos de medição absoluta (do inglês absolute
measurement); Na medição absoluta (também conhecida como
Ratings) as alternativas são avaliadas de acordo com os níveis
de intensidade obtidos de cada atributo (critérios e subcritérios
no AHP).
4
Etapas AHP
1.Formulação do problema: estruturação do
problema e construção da hierarquia
2.Julgamentos:
construção das
matrizes de decisão
3.Desenvolvimento algébrico: síntese do resultado
5
Software SuperDecisions
É um software usado para tomada de decisão com dependência e
feedback. Implementa o AHP e o ANP. Ambos usam o mesmo
processo de priorização, baseado na comparação par a par de
elementos.
No AHP os elementos de decisão são dispostos numa estrutura
hierárquica de decisão, enquanto que o ANP os elementos de
decisão são estruturado em forma de rede.
AHP é um caso especial do ANP.
6
Conceitos importantes do SuperDecisions
1) Cluster: dispositivo para ajudá-lo na estruturação do problema
de decisão. Ou seja é um agrupamento lógico de fatores ou
elementos na decisão considerada.
2) Nós:fatores ou elementos do cluster.
3) Supermatriz sem pesos: é composta pelos autovetores obtidos
por meio das comparações par a par dos elementos.
4) Supermatriz ponderada: considera a importância de cada cluster
(pesos dos clusters). Numa hierarquia a supermatriz ponderado é
a mesma que a supermatriz sem pesos.
5) Supermatriz limite: supermatriz que apresenta as prioridades
finais dos elementos do modelo.
7
1. Tela Inicial
Para abrir o software SuperDecisions dar um duplo click no ícone.
8
Problema
Comprar
um carro
Prestígio
Acura TL
Preço
MPG
Toyota
Camry
Conforto
Honda
Civic
9
Alternativas (carros)
• Acura TL
-Preço $30.000 - $35.000
-Milhas
por
galão
(cidade/rodovia)
-Conforto é excelente
20/29
• Toyota Camry
-Preço $22.000 - $28.000
-Milhas
por
galão
(cidade/rodovia)
-Conforto é bom
22/30
• Honda Civic
-Preço $16.000 - $20.000
-Milhas
por
galão
29/38
(cidade/rodovia)
-Conforto é de médio para baixo
10
2. Criar um cluster*
1) No menu principal selecione Design>Cluster>New para criar um
cluster.
2) Entre com o
“nome e descrição”
do cluster.
3) Salvar.
* Procedimento análogo para criar outros clusters.
11
3. Criar um nó dentro do cluster*
1) Clique com o botão direito do mouse dentro da janela do cluster
para mostrar a caixa (ou use o menu principal Design>Node>
New).
3) Entre com o “nome e
descrição” do nó.
2) Selecione a opção
“Create
node
in
cluster”.
* Procedimento análogo para criar outros nós.
4) Salvar.
Cluster
Nó
4. Dicas dos ícones
1) Ícone para verificar
conexão.
3) Ícone para exibir
as descrições sobre
o cluster ou nó.
2) Clique em cima de um cluster e
arraste para movê-lo.
4) Clique neste botão e arraste
para redimensionar o tamanho do
cluster.
5) O cluster com as
alternativas tem que
ser escrito em inglês
“Alternatives”.
13
4. Dicas dos ícones
5) Clique duas vezes em qualquer
lugar em um cluster para
minimizar/maximizar o cluster.
14
4. Dicas dos ícones
6) Clique com o botão
direito do mouse
dentro da janela do
cluster para mostrar a
caixa.
7) Clique em “Organize Nodes” para
organizar* os nós dentro do cluster.
* A organização é por ordem alfabética ou numérica.
15
5. Conexão entre os nós dos clusters*
1) Selecione o nó “origem” e clique com o botão direito do mouse
para mostrar a caixa. Ou use o menu principal Design> Node
connexions from.
2) Selecione a opção "Node
connections from”.
3) Selecione sucessivamente
os nós “destino”.
4) Okay.
16
* Procedimento análogo para completar todas as outras conexões entre os nós.
5. Conexão entre os nós dos clusters
5) Este ícone mostra os nós
que estão conectados.
6)Link
automático
representando conectividade
entre os nós dos clusters.
17
6. Coleta de Julgamentos
1) No menu principal clique em Assess/Compare>Pairwise
Comparison para mostrar a caixa de comparações par a par. Ou
utilize o ícone.
18
6. Coleta de Julgamentos
2) Escolha o “nó origem”.
19
6. Coleta de Julgamentos
3) Clique no link para escolher o tipo de comparação.
Interpretada como importância entre critérios e preferência entre
alternativas com respeito aos critérios.
20
6. Coleta de Julgamentos
4) Maneiras possíveis de realizar comparações par a par.
Gráfico
Verbal
Questionário
Matrixial
Direct (entrada direta de dados)
21
6. Coleta de Julgamentos
5) Entre com a comparação par a par dos carros com respeito ao critério
Prestígio* - Matrixial.
1Acura TL 2Toyota 3Honda
1Acura TL
2Toyota
3Honda
Azul – elemento da esquerda é dominante.
Vermelho – elemento superior é dominante.
* Procedimento análogo com os outros critérios.
22
6. Coleta de Julgamentos
5.1) Ou entre com a comparação par a par dos carros com respeito ao
critério Prestígio* - Questionário.
Azul – elemento da esquerda é dominante.
Vermelho – elemento da direita é dominante.
23
6. Coleta de Julgamentos
5.2) Ou entre os valores dos carros com respeito ao preço - Direct.
Inconsistência é sempre zero.
Inverter prioridades.
Os valores são normalizados
24
para dar as prioridades.
6. Coleta de Julgamentos
6. Toda vez que terminar um conjunto de comparações, deve-se
marcá-lo “completar" antes de prosseguir para a próxima
comparação.
25
7. Verificação da consistência dos
julgamentos
1) Clique em Inconsistency* e selecione "Inconsistency Report”
para verificar a consistência.
(l -n)
IC= max
(n-1)
RC =
IC
IR
2) Melhorar a inconsistência.
O software SuperDecisions mostra o
valor da Razão de Consistência (RC).
26
* Somente na Forma Matrixial.
8. Resultados – Supermatriz sem pesos
1) No menu principal selecione Computations>Unweighted Super
Matrice>Graphical para obter a supermatriz sem pesos.
Supermatriz sem Pesos: apresenta as prioridades obtidas através das
comparações par a par.
27
8. Resultados – Supermatriz sem pesos
Prioridades das alternativas (carros) com
respeito ao critério Prestígio.
28
8. Resultados – Supermatriz ponderada
2) No menu principal selecione Computations>Unweighted Super
Matrice>Graphical para obter a supermatriz ponderada.
Supermatriz Ponderada.
29
8 Resultados – Supermatriz Limite
3)
No
menu
principal
selecione
Computations>Limite
Matrice>Graphical para obter a supermatriz limite.
Supermatriz Limite.
30
8. Resultados – prioridades finais
4) Selecione Computations>Synthesize para obter as prioridades
finais (na forma gráfica) para as alternativas.
Honda Civic > Acura TL > Toyota Camry
• Os valores da coluna “Raw” são provenientes da Supermatriz Limite.
• Os valores da coluna “Normals" são obtidos a partir dos valores do “Raw”,
normalizados.
31
• Os valores da coluna “Ideals' são obtidos a partir dos valores do “Raw”
idealizados.
8. Resultado obtido atráves da
Supermatriz Limite
32
9. Sannity Check
1) Selecione Computations>Sannity Check para revelar comparações
incompletos e objetivos duplicados, entre outras coisas.
33
9. Sannity Check
Por exemplo: alterando o nome do cluster Alternatives para
Alternativas.
Warning! No Alternatives Found
...this could have happened because the alternatives cluster was not
named älternatives’.
34
10. Relatório
1) Selecione Computations>Full Report ou File>Print para gerar o
arquivo HTML de relatório sobre o modelo.
35
10. Relatório
2) O Relatório apresenta os nomes e descrições dos nós e clusters
e prioridades importantes.
36
11. Salvar o modelo
1) Selecione File>Save as para salvar o modelo.
Extensão do arquivo: .sdmod
37
12. Modelo Hierárquico com Subcritério
38
Bibliografia
• Saaty, T. L.(2005), Theory and Applications of the Analytic Network
Process: Decision Making with Benefits, Opportunities, Costs and
Risks, – RWS Publications, Pittsburg.
• SAATY, R. W. Decision making in complexenvironments.: the
analytic hierarchy process for decision making and the analytic
network process for decision making with dependence and feedback
(Superdecisions Tutorial). Daytona Beach, Florida: Embry Riddle
Aeronautical University, 2003, 122 p. Disponível em://
http://www.superdecisions.com.
• Apresentação Tutorial 1: AHP Relative Model e
• Apresentação Titorial 5: AHP and ANP
39