Analytic Hierarchical Process

É comum o gerente se deparar com uma

situação na qual uma decisão deve ser
Decisão tomada entre uma série de alternativas
conflitantes e concorrentes, então duas
opções básicas se apresentam:

1) usar a sua intuição gerencial; e

2) realizar um processo de modelagem da

situação, simulando os mais diversos
cenários, de maneira a estudar mais
profundamente o problema
 Propostas para tratar
problemas multicriteriais

Economia
Multi-Atribute-Utility Theory
Preços-sombra

Engenharia e Administração
Métodos de “score”: AHP, Electre, Star, ...
Quantificar a importância de cada critério
Avaliar como cada alternativa contribui a cada critério
Identificar a alternativa com melhor contribuição total (ponderando as contribuições a
cada critério pela importância desses critérios)
Propostas para tratar
problemas multicriteriais
Exemplo de análise multicriterial: seleção de projeto

Análise custo | benefício

A inclinação das retas (razão B/C) determina a seleção. (desprezando a escala dos
projetos)
 Análise multicriterial Desafios

Escala de medida em cada critério

m2 ou número de dormitórios?
Linear?

Importância relativa de cada critério

Linear?
Depende do tomador de decisão: seu nível de riqueza, sua idade, etc
 Exemplo: seleção de um
emprego

Passo 1: Listar os critérios de decisão

Passo 2: Definir um peso para cada critério
Passo 3: Avaliar como cada alternativa satisfaz cada critério: atribua
uma nota ou um grau
Passo 4: Compute o score de cada alternativa, ponderando as notas
de cada alternativa em todos os critérios
Passo 5: Ordene as alternativas segundo os scores
 Exemplo: seleção de um
emprego

Passo 1: Listar os critérios de decisão;

Passo 2: Definir um peso para cada critério;

Passo 3: Avaliar como cada alternativa satisfaz

cada critério: atribua uma nota ou um grau;

Passo 4: Compute o score de cada alternativa,

ponderando as notas de cada alternativa em todos
os critérios;

Passo 5: Ordene as alternativas segundo os

scores
 Passo 1: Listar os critérios de decisão;
Passo 2: Definir um peso para cada critério;
Exemplo: seleção de um Passo 3: Avaliar como cada alternativa satisfaz cada critério:
atribua uma nota ou um grau;
emprego Passo 4: Compute o score de cada alternativa, ponderando as
notas de cada alternativa em todos os critérios;
Passo 5: Ordene as alternativas segundo os scores
 Passo 1: Listar os critérios de decisão;
Passo 2: Definir um peso para cada critério;
Passo 3: Avaliar como cada alternativa satisfaz cada critério:
Ponderação de notas atribua uma nota ou um grau;
Passo 4: Compute o score de cada alternativa, ponderando as
notas de cada alternativa em todos os critérios;
Passo 5: Ordene as alternativas segundo os scores

Ponderação linear

Onde:
wi = (weight) peso do critério i na decisão;
rij = (rating) grau da alternativa j no critério i;
Sj = (score) nota ponderada da alternativa j;
 Passo 1: Listar os critérios de decisão;
Passo 2: Definir um peso para cada critério;
Passo 3: Avaliar como cada alternativa satisfaz cada critério:
Ponderação de notas atribua uma nota ou um grau;
Passo 4: Compute o score de cada alternativa, ponderando as
notas de cada alternativa em todos os critérios;
Passo 5: Ordene as alternativas segundo os scores

Ponderação linear
Ponderação de notas Ponderação linear
 O “Processo Análise Hierárquica”
AHP : Analytic Hierarchy desenvolvido pelo Prof. Thomas Saaty da
Process Universidade da Pennsylvania, é um método
de score com as seguintes características:

estruturação hierárquica:
critérios de primeiro nível decompostos em
critérios de segundo nível
...
critérios detalhados: os atributos sob os quais analisar as alternativas

ponderação entre critérios estabelecida por

comparação aos pares

graus de satisfação das alternativas aos atributos por

comparação aos pares
AHP : Analytic Hierarchy
Process
AHP : Analytic Hierarchy
Process
AHP : Analytic Hierarchy
Process
 Estudos mostraram que as
AHP Analytic Hierarchy comparações aos pares devem
Process: Escalas adotar uma escala de 1 a 9:
AHP Analytic Hierarchy
Process: Escalas
AHP Analytic Hierarchy Uma possível prática metodológica seria
Process: Escalas pedir para cada um dos (k)
participantes preencher tabelas.

Indique, a cada par de atributos constantes na Tabela o de sua maior

preferência, de acordo com a escala de preferências.
 AHP Analytic Hierarchy Process

Registro das preferências

par-a-par dos analistas para os
critérios
do nível da hierarquia h
 Neste ponto, apenas os coeficientes ai,j acima da diagonal principal da matriz A são
preenchidos, tendo como referência a Tabela.
AHP Analytic Hierarchy Process

A
 Na sequência é realizado o preenchimento dos coeficientes ai,j , abaixo da diagonal principal
da matriz de decisão A , atribuindo o valor ai,j = 1/ a j,i
AHP Analytic Hierarchy Process

A matriz de decisão é sempre uma matriz

quadrada, recíproca e positiva.
 A compreensão fundamental desta etapa considera
Cálculo das Prioridades que, se o analista soubesse os pesos relativos de
cada um dos critérios de uma matriz de n
elementos, então a matriz de comparação dos pares
deveria ser equivalente a A, em que:

Supondo que w = (w1 , w2 , ..., wn ) são estimativas

precisas, todos os elementos da matriz são
consistentes:

* (wi/wj ): importância relativa dos elementos da

linha de ordem i em relação aos elementos da
coluna de ordem j.

*w = (w1 , w2 , ..., wn ): os pesos numéricos que

refletirão os julgamentos registrados.
Cálculo das Prioridades

A representação dos pesos relativos wi/wj é

eficiente para mostrar a dominância do
julgamento de uma alternativa em relação a outra,
e é muito usual na literatura. Se o tomador de
decisão, por exemplo, afirma que a alternativa 1 é
moderadamente melhor do que a alternativa 2
(nota 3 na escala), o elemento a 12 da matriz vale
3/1, isto é, wi = 3 e wj = 1 . E também se sabe que o
elemento a21 vale 1/3.
 Para wi o peso relativo do critério i. Nesse
Cálculo das Prioridades
caso, os pesos relativos podem ser
facilmente obtidos de qualquer uma das n
linhas de A porque Aw = nw para w = (w1 , w2 ,
..., wn ).

Cada entrada da matriz de comparação, aij

deve ser considerada como uma estimativa
da razão entre os elementos da linha de
ordem i e os elementos da coluna de ordem
j, isto é, aij = wi /wj
Cálculo das Prioridades
Solução exata usando
autovalores e autovetores
 Método Autovetor Direito: pode-se calcular o
autovalor e o autovetor de qualquer matriz por dois
Solução exata usando métodos: algébrico e numérico. O cálculo algébrico
autovalores e autovetores é efetuado a partir da equação característica da
matriz. A equação característica da matriz de
decisão M é a seguinte

λ = 0 e λ = 3, Conforme o teorema de Perron enunciado anteriormente, é necessário

obter o maior autovalor (λ max ) que estará associado ao autovetor principal da referida
matriz positiva. Portanto, o λ max será 3
Solução exata usando
autovalores e autovetores

Neste caco, λ=3 e não houve

inconsistência. Na prática, a matriz de
comparações aos pares apresenta
inconsistências. Veremos exemplo.
Exemplo: escolhendo um
fornecedor Hierarquia de critérios
 No critério CUSTO Brush Pik é
moderadamente preferível a Cornell
Atribuindo graus Células da matriz são 3 e 1/3
 Comparações aos pares para o critério
custo
Atribuindo graus
 Método do autovetor: Aw = λw

Sabemos que para determinar o autovetor correspondente ao maior autovalor de uma matriz,

podemos fazer por aproximações: Começando com yo arbitrário, calculamos yi+1 multiplicando A

por yi e normalizando-o.
 Método do autovetor: Aw = λw

Verificando se esses valores condizem com a matriz (wi/wj):

A matriz de comparações original (ao lado) difere um

pouco da que resulta do autovetor, pois havia
inconsistência.
Índice de Consistência (CI)
 Índice de Consistência
aleatória (RI)

É necessário ainda consultar o índice de

inconsistência aleatória RI , que é o mesmo

índice de inconsistência calculado em uma

matriz gerada aleatoriamente na escala de

julgamentos de 1 a 9, com os valores recíprocos

calculados de modo a forçar sua consistência.

 Razão de inconsistência CR

É o CR que mede a inconsistência dos

julgamentos de uma matriz, e tem como valor

aceitável até 0,10 no caso de cinco ou mais

alternativas, 0,08 para quatro elementos e

0,05 para três elementos. Quando CR = 0 , a

matriz é dita absolutamente consistente

 Verificando consistência

O autovalor máximo deveria ser λ=n (onde n é a ordem da matriz), No caso max = 3.10.

Índice de Inconsistência proposto por Saaty: CI = (max - n)/(n - 1) = (3.10 - 3)/2 = .05

Índice de Inconsistência de matrizes aleatórios: RI = .58 (para matrizes de ordem 3)

Percentual de inconsistência: CR = CI / RI = .05/.58 = 9%

Percentual de inconsistência menor que 10% é muito bom.

Exemplo: escolhendo um
fornecedor Hierarquia de critérios
Exemplo: escolhendo um CUSTO
fornecedor

CR = CI / RI = .05/.58 = 9%
Exemplo: escolhendo um Confiabilidade
fornecedor
Exemplo: escolhendo um Prazo de Entrega
fornecedor
Importância Relativa dos Também para avaliar as importâncias dos
Critérios critérios, novamente se usa matriz de
comparações aos pares:
 Scores são obtidos ponderando
Ponderando
graus pela importância dos
respectivos critérios
 Scores são obtidos ponderando
Prioridade graus pela importância dos
respectivos critérios

Cornell: (.729)(.298) + (.216)(.571) + (.055)(.471) = .366

Brush Pik: (.729)(.632) + (.216)(.278) + (.055)(.059) = .524

Picobuy: (.729)(.069) + (.216)(.151) + (.055)(.471) = .109

 Comentários Finais

● Número de níveis hierárquicos: use de 1 a 3.

● Se um critério aparentemente for mais que 9 vezes mais importante que outro, é
porque deveria estar acima na hierarquia de critérios.

● Metodologia serve para critérios qualitativos e quantitativos. Quando as alternativas

têm medidas conhecidas em um critério (por exemplo, o valor a investir no projeto,
ou a área de um terreno) pode-se usar essas medidas, mas provavelmente seja
melhor aplicar uma curva de utilidade antes de usar o AHP.

● Se critérios e alternativas apresentam influências que não podem ser representadas

numa árvore: use ANP (Analytic Network Process)