Reinertsens  BIM-­‐plan

Para avaliação das alternativas, Franco e Montibeller (2010b) descrevem as seguintes etapas: obter funções de valor; obter os trade-offs; avaliar desempenho das alternativas; agregar as performances parciais; obter performance global; e conduzir a análise de sensibilidade.

3.5.3.1 Obtenção das funções de valor

A função de valor mostra o comportamento de valor de atributo em relação ao seu desempenho. Cada atributo definido deve possuir uma função de valor (GIACON, 2012). A função de valor deve demonstrar as preferências do tomador de decisão sobre as consequências e os trade offs de cada possível escolha no processo de decisão. A função de valor deve representar o comportamento dos tomadores de decisão em relação às preferências, não existindo valores corretos ou errados (KEENEY, 1992).

Para sua obtenção os tomadores de decisão estabelecem os limites superior e inferior, definindo para cada atributo o que consideram como “o melhor possível”.

Esse valor é estabelecido como o valor máximo para o atributo (100). De maneira similar estabelecem “o pior possível” como valor mínimo para o atributo (0) definindo, assim, a amplitude. A próxima etapa é estabelecer pontuação para os atributos que se encontram entre o melhor e pior possível. Neste trabalho foi adotado o método da bissecção, no qual os tomadores de decisão estabelecem, na função de valor do atributo, um valor para o ponto médio situado entre o melhor e o pior possível. Após a identificação do ponto médio, o método pode ser utilizado para determinar o ponto da quarta parte e, assim, sucessivamente. Convém ressaltar que os pontos estabelecidos não necessitam corresponder às alternativas existentes. Essa dinâmica é realizada para todos os atributos. (GOODWIN; WRIGHT, 2004).

3.5.3.2 Obtenção dos pesos dos atributos

A definição dos pesos de cada atributo é utilizada na priorização dos objetivos da decisão, na qual é mensurada a importância de cada atributo no processo decisório. A simples atribuição de um peso intuitivo sem estabelecimentos de limites a cada um dos atributos pode acarretar problemas ao processo decisório (GOODWIN; WRIGHT, 2004). São utilizados para converter performances parciais de uma opção (medido por funções de valor) em seu no seu desempenho global. Os limites máximos e mínimos de cada atributo são estabelecidos com base na metodologia denominada de swing-weights, na qual os tomadores de decisão definem qual é o atributo mais relevante através de uma simulação, em que somente um dos atributos pudesse ser selecionado para a decisão. Este atributo recebe então o valor 100. A seguir é selecionado outro atributo e, então, confrontado com o primeiro e atribuído um valor comparativo (menor que 100). A dinâmica se repete para todos os outros atributos. Após a atribuição dos valores as pontuações são normalizadas (somatório igual a um) com o objetivo de formar as constantes de escala utilizadas para cada um dos atributos do modelo (GIACON, 2012).

3.5.3.3 Avaliar desempenho das alternativas

Cada alternativa deve ter seu desempenho em cada um dos atributos avaliado, conforme a função de valor estabelecida (MONTIBELLER; FRANCO, 2007). Na função de valor a alternativa é avaliada e obtida sua pontuação no critério correspondente (PRADO, 2011).

3.5.3.4 Agregar as performances parciais das alternativas

Após a avaliação de cada alternativa em cada um dos atributos avaliado, um modelo aditivo é utilizado para agregar o desempenho, que pode ser assim definido (KEENEY, 2002):

u , , … , 𝑛 = + + ⋯ + 𝑛 𝑛 𝑛 Ad (1)

Onde:

u: são os valores correspondentes das funções de valor obtidos pela alternativa nos atributos 1, 2 ... n.

k: são os valores correspondentes aos pesos dos atributos 1, 2, ... n.

No modelo aditivo cada valor obtido pela alternativa é multiplicado pelo peso do atributo. Trata-se de uma metodologia simples, entretanto requer que a independência entre os atributos seja assegurada (GOODWIN; WRIGHT, 2004).

3.5.3.5 Obter performance global

Após o processo de avaliação de todas as alternativas os resultados globais devem ser analisados pelo tomador de decisão. Análises adicionais podem ser efetuadas a fim de avaliar se o desempenho geral das funções de valor, das avaliações das alternativas e dos pesos dos atributos é adequado (GOODWIN; WRIGHT, 2004).

3.5.3.6 Conduzir a análise de sensibilidade.

A análise de sensibilidade é realizada para verificar a robustez de opções mediante mudanças nos parâmetros utilizados no processo decisório. (GOODWIN; WRIGHT, 2004). Considerando-se as fontes de incertezas, seus impactos e variações sobre os parâmetros e suas consequências sobre as ações, pode ser difícil de medir precisamente performances e estabelecer ações alternativas. A análise de sensibilidade deve ser realizada considerando essas variações, com o objetivo de encontrar opções robustas, que são capazes de lidar com essas incertezas. Uma árvore de valor bem estruturada facilita o desenvolvimento da análise de sensibilidade (BELTON; ACKERMANN; SHEPHERD, 1997).

Fechamento do capítulo

Neste capítulo foi apresentada uma revisão de literatura para estabelecimento da fundamentação teórica para a elaboração da tese. Foram abordados tópicos referentes a desastres, cadeias de suprimentos, logística de operações humanitárias, programação linear estocástica, modelos de localização

determinísticos e estocásticos aplicados à logística humanitária, métodos multicritério e teoria do valor multiatributo. Além dos tópicos abordados, foi objetivado também estabelecer a fronteira do conhecimento atual em localização de instalações em logística de operações humanitárias para o desenvolvimento de conceitos necessários para esta tese.

4

Modelo de programação estocástica

Este capítulo descreve o modelo de programação estocástica de dois estágios para localização de instalações e foi elaborado com base nos trabalhos apresentados na revisão de literatura e nas etapas descritas no tópico 1.3 Atividades da pesquisa. São expostos a descrição e a formulação do problema, a região geográfica de aplicação, os cenários estabelecidos e a descrição e forma de obtenção de cada um dos parâmetros dependentes e não dependentes dos cenários.