Visualização do documento
Título
MÉTODO DE DECISÃO MULTICRITÉRIO PARA PROBLEMAS DE CLASSIFICAÇÃO COM MÚLTIPLOS TIPOS DE DADOS IMPERFEITOS
Orientador
PROFA. DRA. MARIA CELIA DE OLIVEIRA
Autor
RENATA PELISSARI INFANTE
Palavra chave
Decisão multicritério; Sotchasticis Multicriteria Acceptability Analysis (SMAA); FlowSort; Teoria dos conjuntos difusos; Incerteza; Imprecisão; Critérios hierárquicos.
Grupo CNPQ
Programa
DR - ENGENHARIA DE PRODUÇÃO (PPGEP)
Área
ENGENHARIAS
Data da defesa
30/01/2019
Nº Downloads
974
Resumo
Tomadas de decisão em organizações são muitas vezes baseadas em múltiplos critérios, medidos em diferentes escalas. Os métodos MCDA (Multiple criteria decision analysis) são projetados para analisar e fornecer recomendações nesse tipo de situação. Dentre os métodos MCDA, os métodos de classificação ordinal, cujo objetivo é classificar elementos em categorias pré-definidas e ordenadas, vêm se destacando na área de decisão multicritério, dada a sua aplicabilidade em diferentes áreas. Tradicionalmente, os métodos existentes requerem valores quantitativos e nítidos para parâmetros técnicos do modelo e medidas de critérios, bem como para preferências expressas em pesos de importância dos critérios. No entanto, esse requerimento pode ser difícil de ser atendido, uma vez que dados imperfeitos, como dados intervalares, variáveis linguísticas, dados estocásticos e incompletos, são mais utilizados em problemas da vida real. Alguns métodos, como os métodos da família SMAA (Stochastic Multicriteria Acceptability Analysis) e
métodos baseados na teoria de conjuntos difusos, foram desenvolvidos para lidar com alguns tipos de dados imperfeitos, mas não com todos. Outra lacuna identificada na literatura multicritério é a não existência de métodos de classificação ordinal que, além de modelar dados imperfeitos, possibilitem a elicitação indireta dos pesos dos critérios e a organização dos critérios de forma hierárquica. Neste contexto, o objetivo desta tese é apresentar um novo método MCDA de classificação ordinal, capaz de modelar múltiplos tipos de dados imperfeitos, ao mesmo tempo que possibilita a elicitação indireta dos pesos dos critérios e critérios hierarquicamente estruturados.
O método proposto é aplicável a diferentes problemas de decisão da vida real, incluindo problemas da área de Engenharia.
Abstract
Decision-making in organizations is often based on multi-criteria, which can be measured at different scales. MCDA (Multiple Criteria Decision Analysis) methods are designed to analyze and provide recommendations in that type of situation. Among the MCDA methods, sorting methods, which aim to classify elements into pre-defined and ordered categories, has been bringing attention due to its applicability in different types of problems. Traditionally, many of the existing methods require quantitative and crisp values for technical parameters of the model and measures of criteria,
as well as for preferences expressed in weight of importance of the criteria. However, this requirement is often difficult to handle, since information imperfections such as interval data, language
variables, stochastic and incomplete data are more natural to be used in real-life problems. There are some methods, such as SMAA Stochastic Multicriteria Acceptability Analysis (SMAA) and methods based on fuzzy set theory, that have been developed to deal with some types of information imperfections but not all of them. Other shortcoming in the multicriteria field is the non existence of sorting methods that, besides modeling information imperfections, allow the indirect elicitation of the criteria weights and the hierarchical organization of the criteria. In this context,
the objective of this thesis is to present a new sorting MCDA method, capable of modeling multiple types of information imperfections (interval, stochastic data and linguistic variables), while allowing indirect elicitation of criteria weights and hierarchically structured criteria. The proposed method is applicable to several different real-life decision problems, including engineering problems.
