Análise de Decisão
Software SuperDecisionsAHP
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
● ● ● ●
● ● ●
● ● ● ● ●
Hierarquia linear
●Objetivo
Critérios
Subcritérios
Alternativas
componente, cluster (nível)
elemento
Objetivoglobal
Critério 1 Critério 2
Subcritério1.1
Subcritério1.2
Subcritério2.1
Subcritério2.2
Subcritério2.3
Alternativa2
Alternativa1
Alternativa3
O loop indica que cada elemento depende apenas de si mesmo
3
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).
ANALYTIC HIERARCHY PROCESS AHP
4
5
Etapas AHP1.Formulação do problema: estruturação do
problema e construção da hierarquia
2.Julgamentos: construção das
matrizes de decisão
3.Desenvolvimento algébrico: síntese do resultado
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.
Software SuperDecisions
6
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.
Conceitos importantes do SuperDecisions
7
1. Tela Inicial
Para abrir o software SuperDecisions dar um duplo click no ícone.
8
Problema
Comprar um carro
ConfortoMPGPreçoPrestígio
Acura TLToyota Camry
Honda Civic
9
10
Alternativas (carros)• Acura TL-Preço $30.000 - $35.000-Milhas por galão 20/29 (cidade/rodovia)-Conforto é excelente
• Toyota Camry-Preço $22.000 - $28.000-Milhas por galão 22/30 (cidade/rodovia)-Conforto é bom
• Honda Civic-Preço $16.000 - $20.000-Milhas por galão 29/38 (cidade/rodovia)-Conforto é de médio para baixo
11
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.
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).
2) Selecione a opção “Create node in cluster”.
4) Salvar.
3) Entre com o “nome e descrição” do nó.
* Procedimento análogo para criar outros nós. Cluster Nó
4. Dicas dos ícones2) Clique em cima de um cluster e arraste para movê-lo.
1) Ícone para verificar conexão.
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
3) Ícone para exibir as descrições sobre o cluster ou nó.
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.
* A organização é por ordem alfabética ou numérica.
7) Clique em “Organize Nodes” para organizar* os nós dentro do cluster.
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.
* Procedimento análogo para completar todas as outras conexões entre os nós.16
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
18
6. Coleta de Julgamentos1) No menu principal clique em Assess/Compare>Pairwise
Comparison para mostrar a caixa de comparações par a par. Ou utilize o ícone.
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 Julgamentos4) Maneiras possíveis de realizar comparações par a par.
GráficoVerbal Matrixial
Questionário 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.
* Procedimento análogo com os outros critérios.
Azul – elemento da esquerda é dominante.Vermelho – elemento superior é dominante.
1Acura TL
2Toyota
3Honda
1Acura TL
2Toyota 3Honda
22
23
6. Coleta de Julgamentos
Azul – elemento da esquerda é dominante.Vermelho – elemento da direita é dominante.
5.1) Ou entre com a comparação par a par dos carros com respeito ao critério Prestígio* - Questionário.
6. Coleta de Julgamentos5.2) Ou entre os valores dos carros com respeito ao preço - Direct.
Os valores são normalizados para dar as prioridades.
Inconsistência é sempre zero.
Inverter prioridades. 24
6. Coleta de Julgamentos6. 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.
* Somente na Forma Matrixial.
2) Melhorar a inconsistência. O software SuperDecisions mostra o valor da Razão de Consistência (RC).
26
8. Resultados – Supermatriz sem pesos1) 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
28
8. Resultados – Supermatriz sem pesos
Prioridades das alternativas (carros) com respeito ao critério Prestígio.
8. Resultados – Supermatriz ponderada
2) No menu principal selecione Computations>Unweighted Super Matrice>Graphical para obter a supermatriz ponderada.
29
Supermatriz Ponderada.
8 Resultados – Supermatriz Limite3) No menu principal selecione Computations>Limite Matrice>Graphical para obter a supermatriz limite.
30
Supermatriz Limite.
8. Resultados – prioridades finais4) Selecione Computations>Synthesize para obter as prioridades finais (na forma gráfica) para as alternativas.
• Os valores da coluna “Raw” são provenientes da Supermatriz Limite.• Os valores da coluna “Normals" são obtidos a partir dos valores do “Raw”,
normalizados.• Os valores da coluna “Ideals' são obtidos a partir dos valores do “Raw”
idealizados.
Honda Civic > Acura TL > Toyota Camry
31
8. Resultado obtido atráves da Supermatriz Limite
32
9. Sannity Check
33
1) Selecione Computations>Sannity Check para revelar comparações incompletos e objetivos duplicados, entre outras coisas.
34
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’.
9. Sannity Check
10. Relatório
35
1) Selecione Computations>Full Report ou File>Print para gerar o arquivo HTML de relatório sobre o modelo.
10. Relatório
36
2) O Relatório apresenta os nomes e descrições dos nós e clusters e prioridades importantes.
11. Salvar o modelo
37
1) Selecione File>Save as para salvar o modelo.
Extensão do arquivo: .sdmod
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
Top Related