Baixe o app para aproveitar ainda mais
Prévia do material em texto
1.4.3 - Classifica~ao de Emshoff (1970) Segundo Emshoff, os modelos podem ser classificados como: v Descritivos. as modelos deseritivos sac expressos em linguagem corrente. Sao muito limitados, uma vez que seu metodo de predi<;ao e interno. as modelos fisicos variam desde as representa<;6es em miniatura para-organiza<;ao de layout ate os tuneis de vento. Possuem alto custo e sac muito especificos. as modelos procedimentais podem ser tambem denominados de simula<;ao. 1.5.1 - Passos para a Modelagem E possivel, de uma forma bastante geral, resumir 0 processo de mode1agem ou de constru<;ao de modelos na 6tica operacional, pelos passos sugeridos pelo fluxograma da Figura 1.5. A defini<;ao do problema e uma das fases mais importantes do processo e compreende a clara per- cep<;ao do desafio colocado. O.problema deve ser traduzido em elementos palpaveis englobando: v Objetivos. Formulac;ao e Construc;ao do Modelo Inicial - MODELAGEM DE P~CJBLEMAS9~------ o segredo do sucesso do modelo de otimiza<;ao depende da adequa<;ao de sua tradu<;ao, tambem denominada "formula<;ao". 0 proprio termo "formular", largamente empregado para exprimir 0 pro- cesso de constru<;ao de modelos de otimiza<;ao, traz consigo uma enorme carga quantitativa e matemati- ca. Por outro lado, a adequa<;ao pretendida depende tambem de elementos que escapam ao conteudo estritamente tecnico, envolvendo a percep<;ao do elaborador do modelo (ou equipe de elabora<;ao), urna faculdade cognitiva de alto nivel. As formulas ou equa~ijes do modelo nao existem prontas e acaba- das na natureza, elas tern que ser identificadas ou criadas. Estranhamente, 0 rigor da tradu<;ao e obtido atraves de processos pouco rigorosos ou conhecidos, envolvendo: V' Intui<;ao. V' Experiencia. V' Criatividade. Temos dai duas conseqiiencias irnediatas para 0 desenvolvirnento de modelos: V' Existe uma enorme dificuldade de modelar 0 processo de forn11lla~ao. V' Existe uma forte tendencia a considerar a atividade de formula<;ao de urn modelo como uma arte. A abordagem artistica do fenomeno de formula<;ao tern suas justificativas, mas ela pod era trazer ern si urn elemento perverso: deslocar 0 foco do desenvolvimento das tecnicas de modelagem para urn . contexto pouco conhecido e controlavel. Se, por urn lade, a constru<;ao de urn modelo e inegavelmente uma atividade subjetiva, podendo exigir caracteristicas inatas do modelador, por outro, na maioria das ocasioes, conjugar 0 verba modelar implicara urn esfor<;o absolutamente tecnico. Apesar do lado genial e quase rnistico, na maioria dos cas os da vida (eal, os fatores predominantes da elabora<;ao serao conhe- cirnentos e habilidades paroquiais, cuja aprendiza:gem e desenvolvimento estarao perfeitamente ao al- cance do individuo mediano. Na fase de formula<;ao do modelo de otimiza<;ao sac definidos os tipos de variaveis a utilizar na re- presenta<;ao, bem como 0 nivel apropriado de agrega~ao dessas variaveis. Ainda na forrnula<;ao devem ser representadas as restri~oes do problema, tanto as quantitativas como as de natureza logica. 0 modelo deve- ra ser adequado a natureza dos dados de entrada e de said a, bem como ser capaz de expressar as fun- <;oesde desempenho que possivelmente serao exigidas no processo de otirniza<;ao. As fun<;oes de de- sempenho, via de regra, serao denorninadas de fun~oes objetivo. A formula<;ao sera completada corn 0 estabelecirnento das hip6teses de representa~ao que iraQ orientar,a escolha e a possivel utiliza<;ao de mo- delosja existentes e de tecnicas de solu<;ao (exatas, heuristic as etc.) para 0 caso. A constru<;ao de modelos deterrnina a inclusao de parametros e constantes que serao responsaveis pela defini<;ao e dirnensionamento das rela<;oes entre as variaveis do modelo (constantes de similaridade). Na fase de valida<;ao do modele, cumpre comparar seu comportamento corn a realidade e, se necessa- rio, atuar sobre esses elementos de forma a aproxirnar ao maximo 0 comportamento do sistema modelo ao do sistema real. 1.5.2 - Padr6es para a Constru~ao de Modelos de Otimiza~ao Apesar de nao considerarrnos a tecnica de constru<;ao de modelos como verdadeiramente uma arte, di- ficilmente seria possivel reunir ern umalgoritrno espedfico e autocontido todos os passos indispensa- veis para modelarmos urn sistema generico. Buscando 0 equilibrio entre a arte e a tecnica, podemos propor uma sistematiza<;ao, se nao completa, pelo menos parcial desse processo. Segundo Ackoff (1971), poderao ser considerados cinco padroes de constru<;ao de modelos: Padrao 1: quando a estrutura do sistema Ii suficientemente simples e evidente para ser compreendida por inspe<;ao. Nesse caso, 0 modelo pode ser construido corn facilidade, 0 que nao significa que nao possa ser muito difidl ou ate mesmo impossivel avaliar as variaveis nao controladas e divers os outros para- metros. 0 numero de variaveis controladas pode tambem tomar impossivel a solur;ao prMica do pro- blema. 0 padrao 1de modelagem aplica-se c1aramente aos sistemas pertencentes ao plano do mecanis- mo do icon6grafo da Figura 3. Padrao 2: quando a estrutura do sistema e relativamente aparente, mas a representafao simb6lica nao e tao apa- rente. Nessa situa<;ao, a busca de urn sistema analogo corn estrutura ja conhecida e urna boa op<;ao. 0 sistema ana logo podera auxiliar na descoberta daspropriedades do sistema ern estudo. .. Exemplificamos a aplica<;ao do padrao 2 no caso do modelo de simulated annealing, ern que os maxi- mos de uma complexa fun<;ao sao pesquisados atraves de uma analogia corn 0 processo de recozimen- to de certos materiais. Padrao 3: quando a estrutura do sistema nao e aparente, contudo, uma analise estatistica do mesmopode atender ao desejado. Nesse caso, 0 sistema e considerado uma caixa preta, onde conhecemos, corn segu- ranc;a, as respostas para deterrninados estimulos. Padrao 4: quando a estrutura do sistema nao e aparente e nem e passive! isolar as efeitos das diversas varidveis atraves de uma analise estatfstica. Nesse caso, uma boa politica sera 0 projeto de experimentos, de forma a determinar variaveis e correla<;6es relevantes e reduzir 0 caso ao padrao 3. Padrao 5: quando verificamos as situac;6es do padrao 4, porem as experimentafoes possiveis sabre a modelo sao limitadas para 0 fim desejado. Sera 0 fim da linha? Nesse caso, existem ainda os modelos de conflitos e jogos de operac;6es (ver Ackoff [1971]). Se isso ainda nao for suficiente, entao a dimensao criativa da modelagem deve ser ativada. . Conceitos Basicos As hknicas e algoritmos que abordaremos no presente trabalho destinam-se a estruturar e a soluda- . nar os modelos quantitativos que podem ser expressos matematicamente. Nesse ramo do conheci- mento humano, destaca-se a Pesquisa Operacional (PO), uma tradicional disciplina que congrega di- versas das mais consagradas tecnicas da modelagem matematica. Os modelos de PO sao estrutu!a- dos de forma 16gica e amparados no ferramental matematico de representac;ao, objetivando clara- mente a determinac;ao das melhores condic;6es de funcionamento para os sistemas representados. Os principais modelos de PO saD denominados de Programac;ao Matematica e constituem uma das mais importantes variedades dos modelos quantitativos. Inicialmente, cabe desfazer uma pequena duvi- da que pode ocorrer aos iniciantes, especialmente devido ao uso da palavra "programac;ao". Progra- mac;ao aqui e entendida no sentido de planejamento. Apesar do termo ter se consagrado ultirnamen- te como associado ao processo de comando computacional ou "programa<;ao" computacional, ele e igualmente adequado para expressar as atividades genericas de programac;ao de atividades. Inevita- velmente, contudo, a Programa<;ao Matematica ira implicar programac;ao computacional, uma vez que 0 numero de variaveis de decisao e restri<;6es e enorme na pratica. Obviamente, isso sera leva do ern conta pela modelagem e pelas tecnicas de solu<;ao empregadas. No momento oportuno ressalta- remos esse fato. Ocampo da Programac;ao Matematica e enormee suas tecnicas consagraram-se em face a sua grande utilidade na solu<;ao de problemas de otimizac;ao. Em virtude das varias peculiaridades inerentes aos divers os contextos de programa<;ao (planejamento), os metodos de soluc;ao sofreram especializac;6es e particularizac;6es. 0 processo de modelagem matematica, em si, pouco varia; contudo, as tecnicas de soluC;iio acabaram agrupadas em varias subareas como: -- MODELAGEM DE i>AOBLEMAS 11~------- Programafao Linear Urn caso particular dos modelos de programa~aoem que as variiiveis sao continuas e apresentam com- portamento linear, tanto em rela~ao as restri~6es como a fun~ao objetivo. Caso extremamente impor- tante devido it eficit~nciados algoritrnos de soluy3.oexistentes e a possibilidade da transforma~ao dos model os de Programa~ao Nao-linear em modelos de Programac;ao Linear. A literatura nessa classe de problemas e particularmente rica, cabendo citar, entre os autores brasileiros, Barroso e Ellenrieder (1971),Puccini (1975),Maculan e Pereira (1980),Humes e Humes (1987)e Gonzaga (1989). Programafao Nao-linear Urn modelo de otimiza~ao constitui urn problema de Programac;ao Nao-linear se exibir qualquer tipo de nao-linearidade, seja na func;ao objetivo ou em qualquer de suas restric;6es. A introduc;ao de nao-linearidade e bem tratavel nos casas de convexidade, situac;ao em que se preserva propriedades importantes tanto sob a 6tica da Programac;ao Matematica, como da teoria economica. Em tais casos, algoritmos eficientes podem resolver grandes problemas reais, e 0 comportamento descentralizado de maximizac;aode lucros fica sintonizado com a maximizac;aodo beneficio socialliquido no setor econo- mico em questao. Programafao Inteira Urn modelo de otirnizac;aoconstitui urn problema de Programac;ao lnteira se qualquer variavel nao pu- der assumir valores continuos, ficando condicionada a assumir valores discretos. a requisito de que variaveis tenham que ser inteiras, normalmente implica maior complexidade computacional do que a oriunda de situac;6esde nao-linearidade de func;6es.0 livro de Maculan (1978)e uma tradicional refe- rencia da literatura brasileira nessa area. , Cad a t6pico relacionado desenvolve tecnicas e modelos espedficos para a soluc;aode uma fami- lia de problemas do mundo real. Muitas dessas tecnicas e modelos encontram abordagens similares em outros campos do conhecimento. Urn exemplo disso san algumas tecnicas de busca da Programa- c;aolnteira que utilizam metMoras como a da evoluc;ao genetica ou do resfriamento de metais. 1.6.2 - As Situaftoes de Tomadas de Decisao e 0 Contexto da Programaftao Matemlltica Sem duvida, a estudo por diletantismo e urn atrativo para algumas pessoas, mas nao para todas. De fato a maioria das pessoas sente-se mais motivada ao estudoquando e capaz de vislumbrar que 0 co- nhecimento adquirido sera util, fara diferenc;aem sua vida.lmaginamos ser esse 0 caso do leitor. Antes de nos debruc;armos sobre as elegantes e, eventualmente, trabalhosas fecnicas de Programa~ao Mate- matica, convem estabelecer a convencimento de sua utilidade. Nesse ponto, e interessante responder a seguinte pergunta: Em que situarroes da vida real poderemos utilizar a Programarriio Matematica? A Programac;aoMatematica, na pratica, e fortemente direcionada ao apoio da tomada de aecisao no gerenciamento de sistemas de grande porte, especialmente no que diz respeito ao tratamento de varia- veis quantificadas. A tecnica permite a modelagem de inter-relac;6esentre variaveis que dificilmente se- riam visiveis de forma intuitiva. Com a utilizac;aodos meios de processarnento automatico de dados, os chamados programas de Progtamac;aoMatematica podem examinar inu.meras configurac;6esviaveis do problema proposto pelo tomador de decisao e selecionar, dentro de certos criterios, as "melhores". A tomada de decisao e urn tema de grande importancia no mundo atual. Decisoes e ac;6essao 0 produto final do trabalho de gerentes, executivos, engenheiros e politicos. A tomada de decisao e 0 ato de selecionar, dentre varias decisoes possiveis, a mais adequada para 0 alcance de certo objetivo. Prece- de a essa escolha, normalmente, um processo elaborado de: v Representa~ao adequada das variaveis e restri~oes do problema. v Levantamento das alternativas viaveis. v Estabelecimento de crih~rios de avalia~ao dessas alternativas. v Compara~ao das alternativas. V Analise de impacto da tomada de decisao. Os passos citados nao saD facilmente executados, uma vez que existem muitas razoes e empecilhos que obstruem 0 processo. Talvez 0 primeiro obstaculo seja a pr6pria deficiencia de informa~oes a res- peito do ambiente e as incertezas em rela~ao ao futuro. Urn outro pacote de problemas reside nos con- flitosde interesse e dificuldade de padroniza~ao de valores de avalia~ao. Para superar esses desafios, surgiu a Teoria da Decisiio, uma disciplina orientada para a tomada de decisao, atraves de uma aborda- gem sistematica, quantitativa e normativa. Assim sendo, a teoria da decisao procura explicar 0 com- portamento do homem racional, e visa ao desenvolvimento de metodos e tecnicas capazes de auxiliar os decisores a realizarem escolhas de uma forma eficiente e eficaz. . Podemos contextualizar a Teoria da Decisao como uma disciplina que inearpora a Teoria de Utilida- de, a Teoria de Probabilidade e a Pesquisa Operacional. A Teoria da Utilidade visa ao estudo de uma base comum para a compara~ao de valores e riscos diferentes, propiciando 0 conhecimento de preferencias de agentes economicos. A Teoria da Probabilidad~ fornece um mecanismo para lidar com incerteza ou com informa~oes incompletas. Finalmente, aPesquisa Operacional visa 0 desenvolvimento de meto- dos e tecnicas para resolu~ao de problemas e tomada de decisao. Os seguintes elementos saD comuns em tomada de decisoes, independentemente da natureza ou situa~ao:, v Decisor: refere-se ao individuo ou grupo de individuos responsavel pela escolha da estrategia a seguir. V Objetivo: e a especifica~ao do que se pretende alcan~ar. v Escala de valor ou preferencia: refere-se ao criterio adotado pelo decisor para selecionar alguma alternativa, medindo a situa~ao ou valor de utilidade que 0 decisor associa a cada resultado. v Solu~oes ou estrategias altemativas: correspondem as diferentes alternativas de a~ao que 0 de- cisar pode escolher. v Estado da natureza ou ambiente: refere-se a condi<;aodo ambiente em que as decisoes estao, ge- ralmente, fora do controle do decisor. V Resultado ou conseqiiencia: refere-se ao resultado que pode oearrer na implementa~ao de uma " deterrninada estrategia em um determinado estado da natureza ou ambiente. o objetivo primordial da tomada de decisao empresarial e a maximiza~ao da utilidade do decisor, na pratica traduzida pela maximiza~ao do lucro ou pela minimiza~ao do custo. Esse objetivo ocorre em qualquer das seguintes situa~oes em que se pode conceber 0 uso de um sistema de apoio a tomada de decisao: Situa~ao de certeza: em que se tem informa~oes completas, conhecendo-se a priori 0 resultado associ ado a cada a<;ao.Essa situa~ao e tipicamente indicada para 0 uso das tecnicas de Programa~ao Matematica. Situa~ao de risco ou incerteza: em que se tern informa~oes parciais, sabendo-se que para cada a~ao podem resultar duas ou mais conseqiiencias, cada umaassociada a um estado da natureza cuja proba- bilidade seja conhecida. A complexidade computacional imposta por esses modelos pode nos induzir ao uso de metodos heuristicos, em detrimento do ideal de otimiza~ao. - MOOhAGEM OEPROBLEMAS 13~------,...,...----- Situa~ao de conflito: e aquela em que 0 estado da natureza e substituido por urn oponente racional que visa, ao mesmo tempo, a maximizar a sua utilidade e a minimizar a utilidade do adversario. Tomada de decisao em situa<;ao de confUto e estudada em Teoria dos logos. A Programa<;ao Matematica tipicamente ampara a Pesquisa Operacional em seu contexto de atua- <;ao.De uma forma geral, podemos dizer que a contribui<;ao da Programa<;ao Matematica dentro da modelageme solu<;ao de problemas de decisao, direciona-se preferencialmente as situa<;oes de certeza permitindo, em casos reais: V Estabelecer melhorias mensuraveis na opera<;ao do sistema. V Automatizar processos e identificar gargalos operacionais. V Fomecer pontos de referencia para a analise e a avalia<;ao da adequa<;ao de pIanos diretores e operacionais elaborados. v Ajudar nas tomadas de decisoes sobre as necessidades de expansao de instala<;oes ou implanta- <;aode novas infra-estruturas. ' V Desenvolver analises comparativas de desempenho operacional. V Determinar valores de referenda para os diversos produtos em diferentes estagios da cadeia de produ<;ao, processamento, estocagem e transporte. Como verembs no decorrer deste trabalho, aPrograma<;ao Matematica podera ser util em quase to- das as areas das atividades produtivas. Nesse ponto, estamos aptos a completar a apresenta<;ao do grande quadro que emolCiura 0 processo de modelagem, abordando a dimensao do fluxo das informa- <;oesque permeia a atividade. A Figura 1.6 sera util nesse sentido. 0 esquema complementa 0 fluxogra- ma da Figura 1.5, na medida em que detalha'a inter-rela<;ao entre a elabora<;ao do modelo e 0 processo cognitivo do modelador. A fase de aquisi<;ao de conhecimento sobre 0 sistema normalmente e iniciada atraves de uma abor- dagem anaHtica. 0 sistema e examinado e, via de regra, decomposto em uma rede de reladonamentos causa x efeito para que possa ter sua arquitetura e desempenho entendidos e justificados. Ap6s a am11i- se, cabe ao modelador identificar as partes mais importantes e significativas do sistema, elaborando, para 0 caso, uma representa<;ao simplificada e eficiente. 0 processo de sintese c~minha no sentido in- verso ao da analise, reorganizando as partes ja analisadas anteriormente s6 que agora sobre uma nova estrutura, a do modelo. A sintese e elaborada sobre uma representa<;ao tentativa que vai se adaptando napr6pria me did a de sua constru<;ao. Trata-se de uma etapa pouco precisa, por alguns considerada como l..lmaarte, que resulta em urn modelo prot6tipo. Concluido 0 desenho do modelo, curnpre testa-Io junto ao problema real. A fase de confrontac;ao entre 0 modelo e 0 sistema representado e tambem de- nominada de validac;ao, e sua aplicac;ao prospectiva, de simulac;ao (ver Figura 1.5). Como regra geral, a validac;ao exige urn procedimento iterativo que vai refinando paulatinamente 0 ajuste entre 0modelo e a realidade. A base da valida<;ao e 0 funcionamento do modelo quando alimentado com dados reais e sua comparac;ao com 0 desempenho do sistema original. Na maioria das ocasioes, isso e possivel de ser feito; mas nem sempre. A operac;ao de feedback ou realimenta<;ao da Figura 1.6, representa esse processo iterativo de ajuste (ver tambem etapa de reformulac;ao do modelo), observado sob a face da interferencia da consolida<;ao das informa<;oes e sua transforma<;ao em conhecimento. 1.6.3 - Caracteristicas dos Modelos de Programa~ao Matematica Como 0 processo de modelagem depende do espirito criativo do homem, talvez naopossamos tao cedo definir clara mente os limites dos modelos de Programa<;ao Matemcitica e de suas aplica<;oes. Ape- sar disso, eles sao indiscutivelmente mais habilitados a abordar 0 contexto tecnol6gico (sugerindo-se 0 uso de variaveis nurnericas) dentro das decisoes em situa<;oes de certeza. Genericamente, poderiamos dizer que seu emprego classico seria: Alocar de forma eficiente recursos limitados e que podem ser disputados por atividades alternativas Nos modelos matematicos, a representa<;ao de determinado sistema e geralmente realizada por urn conjunto de equa<;oes ou expressoes matemati,cas. Se existem n decisoes quantificaveis a serem to- madas, entao pode-se associar a cada decisao urna varia vel do modelo denorninada de forma rnnemo- nica de varitivel de decisao, cujos valores 0 pr6prio modelodevera determinar. Sirnbolicamente, as varia- veis de decisao sao representadas por letras minusculas com indices como: xi' i = I, 2, ..., n. Para expressar a medida da eficacia procurada, normalmente uma funriio llumerica das variaveis de decisao e estruturada. Essa fun<;ao z =f(xi' ...., xn) e normalmente denominadafunc;iio objetivo. 0 com- portamento rnatematico dessa fun<;ao pode ser 0mais variado possivel. Em programa<;ao linear essa fun<;ao e todas as restri<;oes irnpostas as variaveis SaDexpressoes lineares. A limita<;ao dos recursos pode ser traduzida para 0modelo atraves de restric;oesaos valores das va- riaveis, que podem ser expressas matematicamente por meio de equaroes e inequac;oes. Podemos resurnir de forma sucinta os passos do processo de analise quantitativa conforme expresso na Figura 1.7: -- Formula~ao do ConstrUl;ao do Execu~ao das Implementa~iio e problema Modelo .• Am\lises Utiliz8~lio Como urn modelo complexo, via de regra, nao pode ser elaborado em uma s6 etapa, as caracteristi- cas das fases descritas na Figura 7 sao: A etapa da formulac;ao ou traduc;iiodas condi<;oes do problema para 0 contexto de modelagem: v A defini<;ao de variaveis controlaveis (de decisao ou control e) e nao-controlaveis (externa ou de estado). v A elabora<;ao da fun<;ao objetivo e do criterio de otirniza<;ao. V A formaliza<;ao das restric;oes do modelo. ELSEVIER A etapa da constru9iio do modelo engloba: v A elaborac:;aoda estrutura de entrada e safda de informac:;6es. v As f6rmulas de inter-relac:;ao. v Os hcirizontes de teplpo. A etapa de execu9iio das analises compreende: v Analise da sensibilidade da solu<;ao. v Levantamento da precisao dos dados. v Estudo da estabilidade computacional. v Levantamento das demais especifica<;6esdo modelo. A etapa de implementa9ao dos resultados e atualiza9iio do modelo compreende: v Urn grande processo de feedback repassando as etapas anteriores, vivenciando 0 usa do modelo no sistema de produc:;aoou prestac:;aode servic:;os. Urn modelo construfdo da forma anteriormente descrita e tambem denominado modelo de otimiza- 9iio. E interessante observar ainda que os modelos deotimiza9iio, por objetivarem a reduc:;aodo contexto em busca da simplificac:;ao,podem ser caraderizados pelas seguintes dicotomias: Deterministico ¢> Probabilistico Restrito ¢> Irrestrito. Monocriterio ¢> Multicriterio Continuo ¢> Discreto Unidecisor ¢> Diversos decisores Univariavel ¢> Multivariavel Linear ¢> Nao-linear Uniobjetivo ¢> Multiobjetivo 1.6.4 - Dificuldades de Representa~iio na Modelagem Matematica A dificuldade deformular urn problema e semelhante a de,representar adequadamente urn sistema do mundo real. 0 primeiro mvel de dificu1dade incide sobre 0modelador (ou a equip e) e esta associado a sua capacidade de perceber os relacionamentos entre causa e efeito e encontrar as causas fundamen- tais. Urn segundo mvel engloba 0 dominio das tecnicas de representac:;ao do fenomeno em urn contexto diferente do original, 0 contexto do modelo. Apenas para introduzir 0 tema, levantaremos alguns obs- taculos a modelagem: Dificuldade face aos instrumentos de representafao Nem todos os fenomenos podem ser expressos em termos da l6gica convencional, ou podem ter 0 seu comportamento representado por meio de variciveis de decisao. Eventualmente sera necessaria a identi- ficac:;aoou a criac:;aode variaveis "artificiais" ou 16gicaspara a compatibilizac:;aoe consistencia da'repre- sentac:;ao. I i L Dificuldade face ao grau de incerteza do comportamento das variBveis Como vimos anteriormente, existem situac;:6esde risco e de conflito que dificultam a previsao do com- portamento das variaveis no futuro, mesmo quando essas esHio bem definidas. Alguns fenomenos, contudo, podem ultrapassar os limites do risco e possuirem urn comportamento imprevisivel por na- tureza. Tais casos sao atualmente estudados dentro da Teoria do Caos. Em alguns casos, apenas 'parte do problema possui essa caracteristica, 0 que representa'urn desafio ainda maior para as hipoteses simpli- ficadoras. Dificuldade com a ferramenta de solufao as modelos devem ser implementaveis. Na atualidade a ferramentade consenso para a amilise quanti- tativa e 0 computador. Apesar de seus extraordinarios recursos, em algumas situac;:6es,face a natureza das variaveis de decisao e de seu inter-relacionamento, mesmo ele pode ser inadequado a representa- <;aonecessaria. Infelizmente, esse instrumento pode impor severas restri<;6esas conclus5es te6ricas de desempenho em virtude de, por exemplo, degenerescencia numerica. A Figura 1.8 resume os hiatos acumulados nas etapas de tradu<;ao e constru<;aode um modelo de otimizac;:ao. Problema Real Modelo Modelo L6gico ~ Computacional ~N;'\~ ••..•~. O\)t, ,,", j..'~l'-'."""'-\.•.•·••••,\'wt~·•.""''''''''''i!l;;:r,;,t,~, ,;._.•...~),. As dificuldades anteriormente elencadas implicam um nt1mero significativo de situac;:6es,que 0 modelo acaba se afastando do ideal pretendido para a otimizac;:ao,ou por tomar-se muito complexo, ou pelo estado da arte nao dispor das tecnicas exatas necessarias: Nesse caso, os modelos poderaoser solucionados por tecnicas nao necessariamente exatas denominadas de heuristicas. Dessa forma, uma tecnica heuristic a admite sacrificar 0 ideal de perfei<;ao sugerido pela otimizac;:aoem troca de melhorar a eficiencia de urn processo de busca. Ressaltamos que essa 'alternativa e razoavel apenas quando nao existe outra alternativa computacionahnente aceitavel, ou quando o proprio modelo ja abriu mao do ideal de perfeic;:ao. . Murphy (1997)apresenta uma interessante revisao e taxonomia da evolw;ao dos modelos de Pro- grama<;ao Linear. Trata-se de urn texto de referenda para quem deseja iniciar 0 aprofundamento no tema. 1.6.5 - Outras Tecnicas para a Solu~ao de Sistemas de Tomada de Decisao Nas condic;:6esem que 0 ideal da otimizac;:aose tomapraticamente pouco razoavel, outras abordagens se apresentam bastante competitivas. Dentre elas destacaremos: a Simulardo (SM)e a Inteligencia Artifi- cial (IA). Simulafao A abordagem de simulac;:aoaplica-se quando situac;:6esde incerteza ou a propria complexidade do sis- tema dificulta 0 esfon;o de compreensao para 0 exato equacionamento do sistema, ou quando a magni- tude do modelo de otimiza<;ao0 toma computacionalmente inviavel. as modelos de simulac;:aocontor- nam entao essas dificuldades com urn uso mais intensivo de dados estatisticos e com urn maior esforc;:o ELSEVIER de validac;ao do modelo. A desvantagem dessa abordagem e a necessidade de urn esfor<;omaior dos es- pecialistas na identificac;ao de solu~oes nao examinadas pelo modelo. fnteligencia Artificial A Inteligencia Artificial (lA) e 0 ramo da informatica que concerne a automac;aodo comportamento inteli- gente. No seu surgimento as expectativas da disciplinaenglobavam um ramo do conhecimento que procu- racia retratar a mente com 0 uso de simula~oes no computador (ver LeDoux [1996]). as primeiros proble- mas em lA envolviam jogos (0 xadrez sobressaiu-se inicialmente) e provas automaticas de teoremas, pois tais problemas envolvem claramente fun<;6escognitivas superiores. Essa tradi<;aoconstruiu uma ponte en- tre lA e PO, tanto pelo carater l6gico-matematico destes primeiros problemas, como pelas rela<;6esentre a 16gicae a Programa~ao Inteira (que serao exploradas no Capitulo 5 deste livro). Outro ponto comum dizia respeito ao inevitavel uso das entao emergentes tecnicas de busca em grafos. Desde entao, aprendeu-se que inteligencia requer tambem amanipula<;ao de uma conveniente base de conhecimento e que nenhum computador seria rapido 0 suficiente para dominar a explosao combinat6ria decorrente desses pioblemas. Essa realidade novamente uniu lA e PO na busca de algoritmos eficientes para 0processamento do conhe- cimento. Alem de diversas questoes filos6ficasenvolvendo a pr6pria defini~ao de inteligenda, consdffida etc., a area de IA e rica em formalismos logico-matematicos envolvendo a representa~ao e 0 processamento do conhecimento. a fundamento filos6ficoda disdplina desenvolveu-se principalmente associado ao fun- donalismo (verNeisser ([1976]). As tecnicas de IA e PO se complementam em vanos contextos, sendo mar- cante 0 uso, por ambas, de tecnicas heuristicas: . Talvez um dos maiores o)Jstaculos a integra<;ao entre as tecnicas de PO e IA resida nas diferen<;as conceituais entre os paradigmas utilizados para a representa<;ao do conhecimento em cada uma das abordagens. a iconografo da Figura 1.3, proposto por Suntherland (1975), pode auxiliar nessa compre- ensao. as modelos de otimiza<;aosac menos sensiveis dos que os de lA em rela<;aoa varia<;oesno eixo do dominio e mais sensiveis em relac;aoao eixo da dinamica. Por outro lade, para ser possivel retratar os processos mentais de tomada de decisao, mesmo na linha do funcionalismo, 0 aspecto da redundan- cia da arquitetura neuronal do cerebro e de dificil modelagem em ambas as tecnicas. Modernos traba- lhos na linha de inteligencia computacional indicam novos paradigmas de representa<;ao do conheci- mento como, por exemplo, 0 holografico. Tambem acena-se com a inc1usao de abordagens filos6ficas mais amplas do que a proposta pelo funcionalismo (ver Emery [1969], Pribi."am[1976] e Teuber [1972], [1974]). 1.7 - 0 PAPEL DOS MODELOS aUANTITATIVOS DENTROOA GESTAO MODERNA Apesar do conteudo predominantemente especializado e tecnico deste livro, cremos ser oportuno abordar, mesmo que rapidamente, 0 contexto maior em que.essa tecnologia sofisticada sera emprega- da. Alias, essa e uma tendencia cada vez mais visivel na cienc;:ia,seu questionamento em favor do fim maior que e 0 homem, e sua qualidade de vida. Cremos ser indispensavel despertar a consciencia para a importancia crescente do uso intensivo das ferramentas quantitativas dentro dos sistemas produti- vos da atualidade, bem como alertar para seus limites e futuros desafios. 1.7.1- o Problema da Gestao em um Mundo em Crise o debate da busca da qualidade e produtividade como estrategia de aumento de competitividade e, atualmente, um ponto central para a gestao. a mundo globalizado esta sofrendo uma extraordimlria muta~ao no sentido de expandir a consciencia dos clientes. As mudan~as atuais ~ao tao substanciais que algumas empresas questionam ate mesmo a natureza de seus problemas. a comportamento hu- mano, as pressoes sociais, a ingerencia do estado, a ecologia etc. acabaram transformando 0 ambiente organizacional em uma sopa de letras. E fundamental para quem pretende investir em um ferramental mais sofisticado para 0 apoio a tomada de decisao ser capaz de responder bem as seguintes perguntas: tI' Como podemos estar certos de que de fato estaremos tratando /10 problema principal/l quando usarmos os modelos quantitativos para solucionar nossos casos? tI' Nao seriam os modelos quantitativos muito II simplificados" e /I afastados/l da complexa e incerta realidade organizacional? Esse ponto e tiio serio que utilizaremos as palavras do fil6sofo Karl R. Popper para 0 reSumir: "Para entender um problema, temos que tentar ao menos algumas das solufoes mais 6bvias e descobrir que elas falham; entiio, redescobrimos que existe uma dificuldade - urn problema" Karl R. Popper Para podermos responder com sinceridade as perguntas anteriormente concretizadas e perceber que na pratica a teoria e diferente especialmente no casode modelos incompletos ou mal jormulados,'e indis- pensavel desenvolver a visao estrah~gica do papel dos modelos quantitativos dentro do processo de suporte da tomada de decisao. Na realidade pni.tica, urna empresa pretende: II' Satisfazer as necessidades e expectativas dos clientes em bens e servi<;os. II' Proporcionar condig6es para a satisfa<;ao das necessidades dos funcionarios. Diante de urn conjunto tao grande de objetivose natural que se imponha 0 estabelecimento de prioridades. A busca da produtividade, a enfase na otimizac;ao de ta:r~fase 0 principio da maximiza- ~iio2nao sac atratores aleat6rios. As organizac;6es sao fen6menos em que 0 esforc;opor reduzir a va- riabilidade de respostas e urna tare fa critic a e, por isso, demanda substancial atenc;ao e esforc;o.A pri- oridade por estabilizac;ao de processos e previsibilidadeacaba resultando em uma natural polariza- c;aofocal na otimizac;ao de processos. E claro que devemos reconhecer que existem outros importan- tes aspectos a considerar para se desenvolver urna boa estrategia de gestao. Nao e apenas no ideal quantitativo que se esgotam os problemas, 0 homem e 0 foco. E exatamente reconhecendo isso que poderemos melhor entender a importancia do amparo das tecnicas de PO na tomada de decisao. Urn born gestor deve ser capaz de perceber que nem tudo podera ser quantificado e que sua pri- meira prioridade e, de fate, 0 ser humano. Urn born g~stor deve saber que e 0material humano que fara a diferenc;a; contudo, devera tambem saber que para .atender a dimensao humana, sua forma de admi- nistrar devera equilibrar 0 emocional com 0 racional. Dominar a dimensao da ac;aoracional nao e urna op<;aopoHtica ou uma boa peculiaridade pessoal, e atq.almente algo absolutamente indispensavel, urna obrigac;ao. .. E certo que nao e na otimizac;ao de recursos que a sobrevivencia a longo prazo da empresa estara sendo garantida, mas sem ela a organizac;ao nao tern qualquer chance no futuro. a problema da gestao 2 Esse principio afirrna que as organiza~5es procurarao sempre adquirir mais dos recurs os que lhe fomecerao energia investida em prodw;ao. 1550 resulta em fus5es e crescimento de fun~5es na tentativa de controlar 0 ambiente extemo. @ ELSEVIER em um mundo globalizado tern deslocado seu eixo competitivo para a criatividade e a motivac;ao hu- mana, isso e indiscutivel, mas cabe sempre alertar que sem fazer certo as coisas, nao hti como fazer as coisas certas de modo economicamente aceitavel. Sem buscarmos 0 ideal da otimizac;ao nao poderemos criar uma plataforma firme na qual a criatividade e a visao ernpreendedora possam se sustentar. 1.7.2 - 0 Dilema Competitividade x Vivacidade As regras de sucesso da decada de 1980 apontavampara um bin6mio que se convencionou denomi- nar: qualidade e produtividade. Muitos de nos hoje falamos automaticamente essas palavras quando pensamos em competitividade. Na epoca em que esse bin6mio se difundiu, a qualidade era vista como urn elemento adjetivo do produto e um fator de atrac;ao e valor. A produtividade, por outro lade, abordaria 0 aspecto da higidez organizacional. Resumindo, poderiamos dizer que produtividade consistiria emfazer certo a coisa, enquanto qualidade em fazer a coisa certa. Nessa visao, os modelosquantitativos estariam mais fortemente associados ao aspecto da produtivi- dade do que ao da qualidade. Pensando assim, alguns ate seriam tentados a arriscar a velha e errada ma- xima de que" qualidade custa mais". Edward Deming, com sua extraordinciria capacidade de visao, ja na decada de 1970 sugeria a inadequac;ao da dicotomia qualidade x produtividade. 0 problema dos mode- los mentais e que eles normalmente acabam interferindo sobre a realidade que tentavam entender. Vma visao simplista da organizac;ao contribui para a criac;ao de uma realidade igualmente simplista. Vma em- presa pensada apenas sob um ponto de vista, acaba realmente reduzindo-se a isso. Nem maquina nem instrumento de caridade, uma empresa e quase urn organismo vivo que devera ser capaz de equilibrar de forma saudavel a substaRcia tecnica e a excelencia na ac;ao, com seres hurnanos motivados por terem suas necessidades e expectativas respeitadas na parceria capital x trabalho. Ha de encontrar 0 equilibrio. o problema da atualidade e que as empresas precisam ser cad a vez mais adaptativas para sobrevi- ver em um mundo em mudanc;as. Ser adaptativo nao e uma tarefa faci1. IIA adaptarriio e um conceito especial e oneroso, que deve ser empregado somente quando necessario." G. C.Willians Na atualidade e importante saber qual a melhor estrategia a adotar para compatibilizar as respos- tas das empresas as constantes mudanc;as no meio ambiente organizacional. Nessa busca por respos- tas pelo menos quatro sac os fatores a serem levados em conta: Previsibilidade das mudanqas Mudanc;as imprevisiveis normalmente nao possuem respostas prontas nos esquemas organizacionais. Nesse caso, nao existe 0 que otimizar, hci 0 que cnar. Complexidade dos esquemas disponfveis Quanto menor e mais simples forem os esquemas da organizac;ao no momento da crise, menor chance tera ela de ter sucesso com a utilizac;ao de apenas uma estrategia de otimizac;ao dos recursos ja existen- tes (estratt~gia ofensiva). Tempo maximo para a resposta As estrah~gias demand am tempo para sua implementac;ao. A estrategia defensiva e mais rapida do que profundas reestruturac;5es no tecido organizacional (estrategia evolutiva). A otimiza<;ao disponibiliza rapidamente 0 melhor desempenho organizacional. Natureza das mudanqas ambientais ocorridas Quanto mais profLmdas forem as mudanc;as, menos adequadas serao as respostas baseadas em peque- nas reestruturaC;6es. A Estrategia da Vivacidade para sobrevivencia Se falamos na sobrevivencia contra a concorrencia via competittvidade estamos considerando que as re- gras que definirao 0 que seja a cOI?petitividade serao fixas, 0 que significa que estamos falando em con- correncia leal, mercado livre etc. E dentro desse tipo de competir;iio que 0modelo biol6gico sugere prefe- rendalmente as estrah~gias defensivas de adapta<;ao.Na realidade atual do mundo empresarial, a com- petir;iio bio16gica tradicional esta ficando cada vez mais rara. Como a ocorrencia de mudan<;as ambien- tais na atualidade nao e uma hip6tese possivel mas uln fato esperado, uma importante conc1usao pode ser alcanc;ada em rela<;aoas conhecidas estrategias de aumento de competitividade: As estraUgias que focalizam a competitividade como solur;iio estiio apostando que a abordagem adaptativa defensiva e o caminho para a redur;iiodas amear;as organizacionais. Como nem todas as situac;6es de mudanc;a sac iguais, cabe pensar na possibilidade de outros pa- dr6es de resposta. Usar a mesma soluc;aopara' problemas diferentes pode nao ser uma boa ideia. Se 0 meio ambiente muda, parece sabio 0 usa de uma estrategia voltada para fora da organiza<;ao, ou seja, uma estrategia ofensiva. Isso implicaria pensar na "seguranc;a" organizacionallevando em conta con- ceitos como: II Promover 0 maior nu.mero possivel de esquemas diferentes em competic;aodentro da organizac;ao. IIFlexibilidade para a ado<;aodos novos esquemas. II Boa saude organizacional para suportar 0 constante eStresse das reestruturac;6es. A sobrevivencia e urn intrincado resultado em uma teia de relacionamento. Na 6tica da sobrevi- venda as mudanc;as ambientais, 0 desejavel nao e simplesmente uma capacidade competitiva relativa mas, em Ultima analise, uma habilidade definitiva de adaptac;ao mais profunda ou de segunda ordem: a vivacidade. Vivacidade organizacional pode ser compreendida como 0 resultado final obtido por um corpo saudavel, treinado e adaptado ao seu meio ambiente. o poder de vivacidade e urn resultado complexo obtido da interac;ao dos inumeros atuadores do ecossistema organizadonal. Urn detalhe interessantissimo da vivacidade e que ela representa, em ultima analise, uma estrategia ampla para a mudimc;a e, consequentemente, generalista. Com ela existe uma boa capacidade de resistir a concorrencia desde que 0 cemirio da mudanc;a seja am- plo ou intenso, incluindo a inova<;ao (Porter [1990]). Buscando a vivacidade, ocorpo organizacio- nal se prepara para resistir a fortes mudan<;as ambientais e ser competitivo pela inovac;ao. Atraves das estrategias defensivas a organizac;ao prepara:.se para ser competitiva atraves da otimizac;ao do antigo arcabouc;o. Urn aspecto importante e perceber que as necessidades e expectativas de uma organizac;ao razoa- velmente complexa devem estar voltadas para ambas as amea<;as:concorrencia e mudan<;as ambientais. Nesse sentido a preserva<;ao da vivacidade parece ser uma necessidade mais premente do que 0 foco Unico na concorrencia por tres raz5es: V' A vivacidade automaticamente traz consigo urn razoavel grau de campetitividade. V' Independe do sentido da mudanc;a. Trata-se de urna prontidaogeneralista para a sobrevivencia pelo investimento no pr6prio organismo. V' Por estar fortemente associada aos elementos internos, sobre eles repercute diretamente. A pala- vra competitividade pode soar como uma abstrac;ao para 0 tecido organizacional, todavia a sau- de da entidade e suas trocas com 0 meio ambiente repercutem diretamente sobre as pessoas. Um outro modo de entender a importancia da vivacidade como habilidade fundamental para a sobrevivencia e perceber que a essencia dos movimentos rumo a auto-adaptac;ao esta muito mais associada a perseguic;ao de objetivos de compensac;ao de desequilfbrios e harmonizac;ao com 0 meio ambiente, do que do exercicio do poder em beneficio pr6prio. Edward Deming (De- ming [1990] ) percebeu essa verdade e por isso alertou que, de uma forma geral, a competic;ao exa- cerbada e, ao contrario do que muita gente pensa, altamente danosa tanto como cultura (Judd [1995] e Winder [1994]) como para 0 aperfeic;oamento de um contexto. A l6gica da "razap ao ven- cedor" cria perversos desequilfbrios que se encarregarao de, em ultima analise, reduzir a vivaci- dade de todos os participantes do contexto. A 16gica da harmonia e auto-ajuste ressalta que naa e suficiente simplesmente sobreviver. A sobrevivencia e uma habilidade para ser exercida de forma continua e sustentavel. A l6gica da luta por um lugar ao sol ou da conquista dos primeiros postos pode nao inc1uir os principais elementos para a sustentabilidade dessa mesma posic;ao. Otimi- zando 0 corpo organizacional para uma luta feroz no presente, a gestao poder~ estar eliminando a possibilidade da continuidade desse organismo altamente especializado quando as regras mu- darem. 0 objetivo da harmonizac;ao e mais amplo e poderoso. A vivacidade como habilidade mestre esta voltada para garantir 0 desempenho futuro. De nada adianta veneer urn combate e perder a guerra. A eapacidade de veneer a coneorr€ncia nao mantem a vivacidade ao Longo do tempo. Vivacidade inc1uia preservaC;ao da habilidade de resposta de uma organizaC;aofrente as incertezas da fluida realidade e representa um estagio alem do dominio do mercado, lucro liquido, ou aurnento de produtividade. 0 truque esta associado a identifica<;ao de atratores mais adequados e ao desenvol- virnento das habilidades de ruptura e reestruturac;ao dos "esquemas" de resposta. E na intera~iio com 0 meia ambiente e suas peculiaridades que esta a resposta. Mas, falando em'seguranc;a, seguro ate quando? "Segura ate a proxima mudan9a ..." Voltando ao ponto de debate: no centro do proqlema encontramos a necessidade de conduzir urna entidade quase viva pelos caminhos ou descaminhos da nu.a ecrua realidade. Na periferia encontra- mos a necessidade de perceber 0 que e fundamental e 0 que .¢ acess6rio nesse processo. Quando alguma coisa mudou na Terra efez corn que os dinossauros desaparecessem, 0 que acon- teceu nao foi urn problema de concorrencia. Grandes ou pequenos, carnivoros ou herbivoros, depois de milh6es de anos de continuado sucesso ... todos morreram. o que oeasionou a extim;ao dos dinossauros nao loi uma eoncorrencia fraticida. Possivelmente loi uma surpreendente mudanr;a ambiental que os varreu da face da Terra. o que acontece e que sempre que houver uma mudanc;a, alguem sabera tirar p·artido do fato e isso nao e urn problema de haver ou nao haver uma guerra em curso. A capacidade de aproveitar a situa<;ao depende da capacidade de se adequar ou ate mesmo da sorte. Ter sucesso em urn novo contexto e com- pletamente diferente de veneer 0 concorrente dentro do antigo contexto. No caso organizacional a espe- cializa9ao desenfreada torna a corpa organizacional pronto para a momenta atual mas acaba crianda a sua maior 22 OTIMIZA<;:Ao COMBINAT6RIA E PROGRAMA<;.Ao LINEAR fragilidade futura: afalta de esquemas redundantes que possam competir para auxiliar na sua adaptariio futura ... e, em algumas areas, atualmente isso parece ser taoou mais importante do que a pr6pria amea<;ada concorrencia. Um bom modelo de concep9iio de gestiio deve procurar uma posi9iio que otimize todas as varitiveis do risco e nao somente as associadas a sobrevivencia imediatista. Enecessario encontrar uma posi<;aode equilibrio entre a realiza<;aodos potenciais adaptativos pela especializa<;ao e sua preserva<;ao em for- mato generalista para os tempos futuros. ' Basicamente, 0 tema que estamos discutindo esta relacionado a duas estratE~giasde sobrevivencia com modelos mentais sutilmente diferentes. A estratE~giada competitividade concentra aten<;ao nas amea<;as da concorrencia e predadores. Seu modele: mental e 0 da confronta<;ao e conquista. 0 meio ambiente e pouco notado nos aspectos oportunisticos e mais percebido nos pontos amea<;adores. As tecnicas desse modelo de concep<;aodao prioridade a produtividade e aos impactos de curto: e medio prazo, pois cada novo momenta e uma nova batalha. A ideia btisica e que 0futuro pertence a quem for um vencedor no presente. Sua filosofia poderia ser resumida em dois pensamentos falaciosos: v Se nao sobrevivermos ao hoje nao chegaremos ao futuro. v Se formos sempre os primeiros, sempre estaremos vivos. A estratE~giada vivacidade concentra aten<;,aono ser humano e na sua adequac;ao ao meio ambien- te. 0 impacto das a<;oesorganizacionais sobre 0 meio ambiente e urn dos fatores fundamentais na me- dida dessa adequa<;ao.E evidente que a amea<;ada concorrencia e percebida como urn dos componen- tes desse mesmo meio ambiente, contudo 0modelo de resposta nao e obrigatoriamente a confronta<;ao direta e nem exige a vit6ria. A estratigia objetiva a harmoniza9ao com 0 meio ambiente e e dentro desse con- texto que os concorrentes serao considerados. Na mentalidade da vivacidade 0 objetivo nao e ser 0 pri- meiro sempre e sim estar bem 0 tempo inteiro. 0objetivo nao e ser 0maior ou 0melhor e sim estar mui- to bem. 0 alvo nao e conquistar todos os clientes do mundo mas os clientes certos. Nao e necessario ser 0 campeao em todas as competi<;oespara se alcan<;arqualidade de vida; pelo contrano, 0 estresse da luta paran6ica esvazia os louros da vit6ria e erradica a saude. Esse e urn dos mais dan050s paradigmas que a mentalidade da competitividade impoe: 0 sucesso 56 pode ser alcanrado ap6s a vitoria na guerra da concorrencia. Talvez a vit6ria sobre a concorrencia s6 possa ser obtida com urna bela guerra, contudo os levantamentos estatistico~ de desempenho nao permitem afirmar que para se alcan<;aruma longa, saudavel e proffcua vida, obrigatoriamente alguem tenha que se envolver e veneer guerras. A hist6ria dessa mentalidade parece estar cheia de vencedores mas possui poucos sobreviventes. Urn trivial estudo nos mostra que os verrcedores do passado simplesmentesumi- ram. Foram tao habeis em conquistar 0 mercado ... e dai? Seu Unico legado e a mentalidade que se per- petua, modelo mental que capitaliza as g16rias e repassa para outros culpados os insucessos. Felizmente nem todos pensam que os vencedores tern razao. 1.7.3 - Os Modelos Quantitativos e a Vivacidade Como ferramentas sofisticadas e poderosas, os modelos quantitativos sao capazes de perrnitir ao toma- dor de decisao a necessaria amplia<;aoem seu campo de visao. As tecnicas de otirniza<;aoperrnitem no minimo: v 0 aurnento do conhecimento sobre 0 compo~tamento do meio ambiente organizacional. v 0 aurnento do conhecimento sabre a pr6pria organiza<;ao. v A antecipac;ao de impactos e a simulac;ao de politicas de a<;ao. v A econornia de meios e recursos. !I M_O_D_E_L_A_G_E_M_D_E_P_R_O_B_L_E_M_A_S __ 23 AS modelos quantitativos nao sac capazes de, sozinhos, fazerem uma empresa vencedora na tarefa de estar bern, mas evitam que as energias sejam gastas de forma irracional. Perrnitern que 0 tornador de decisao possa tirar 0 melhor proveito possivel daquilo que ele dispoe. as rnodelos quantitativos nao definem urna estrategia para 0 futuro, mas podem ser capazes de examinar imimeros cemlrios e ajudar o gestor a informar seus "sentimentos" das possibilidades rnais provaveis. E impossivel ao tecido orga- nizacionala1can<;ar urn patamar razO<lvel de vivacidade trabalhando longe da melhor realiza<;ao de seus potenciais. ' o papel dos model os quantitativos no momenta atual e oferecer ferramentas poderosas para assis- tir ao tomador de decisao e protege-Io de erros evitaveis. Talvez uma das piores decisoes que alguem possa tomar atualmente no mundo empresarial seja subutilizar ou desconhecer 0 uso do ferramentai quantitativo, porque talvez nao seja essa a decisao de seus concorrentes ou parceiros. No contexto descrito, ern que muitas sac as duvidas e poucas as certezas, osmodelos quantitativos per- rnitem a amplia<;ao da capacidade de abordar racionalmente aquilo que assim possa ser feito. Os mo- delos quantitativos sac poderosos instrumentos para que 0 gestor possa amp liar seu sentido e sua per- cep<;ao, economizando energias e aproveitando oportunidades. Finalmente: Os modelos quantitativos niio tomam as decisoes, mas podem torna-las muito mais claras efaceis. AS modelos sao representar;oes simplificadas da realidade que preservam, para determinadas situat;oi!s e enfoques, uma equivaIencia adequada opoder de representatividade e a caraderistica do modelo que 0 toma desejavel. A capacidade de simplifica~ao the confere factibilidade operacional. Existem varios criterios de medida da adequa~ao ou aderencia do modelo a realidade representada. Em varias ocasi6es a representatividade do modelo pode ser aperfei~oada de forma interativa. 0 processo de verificac;ao da representatividcide e denomi- nado de validar;iio do modelo, sendo urna ~tapa indispensavel em qualquer procedimento cientifico. 1.1.2 - Desdobramento do Conceito - Tratamento da Eficiencia o conceito de modelo como urna representa<;ao substituta da realidade possui urn alcance limitado. 0 aspecto da eficiencia e fundamental. Para alcan<;armosmodelos eficientes, sao necessarias pelo mehos tres habilidades: V Foco Holistico Quando estamos procurando solucionar urn problema, na maioria das ocasi6es a preocupa<;ao com a concatena<;ao e 0 manejo dos varios impactos de nossa soluc;ao sobre outros contextos e significativa. Se nossa solUl;ao puder criar outros problemas que possam, posteriormente, anu- lar a contribui<;ao de nos so esfor<;o,0 foco holfstico e indispensavel. •••..Tratamento Ec1etico da Dimensao da Analise Os metodos de solu~ao a serem utilizados devem ser 0 mais livremente dispostos. Episternolo- gia e Axiologia nao devern ser consideradas bases de modelagem dicotomicas mas sim cornple- rnentares. A constru<;ao de modelos e urn processo que possui, como Jano, duas faces: 0 rosto que articula a teoria (hipott~tico-dedutivo) e a face que representa a validade da deduc;ao (induti- va) na pratica. v Tradu~ao Adequada Urn bom modelo exige uma conveniente tradu<;ao contextual. Uma boa tradu~ao contextual pode ser expressa atraves de urn correto isomorfismo entre 0 fenomeno e seu modelo. A Figura 1.1 esclarece 0 processo de tradu<;ao, ressaltando seu aspecto simplificador e estruturador. Foco Simplificador Obviamente nem todos os problemas sac iguais. qE!~cesso de tr.adu~a~co?textual d~ve sercapaz de identificar os el~~entos fundamentais da questao e traILSpo~tcf·lospara uma representa~ao capaz,de se~3la~E-U1a~~~~!_a~icios' C?~met9c!osde s~l,-!s.~o.As dificu1dades dos pr.ocess?s,d~ tradu<;ao e 50- luc;aoSaDde naturezas diferentes, contudo profundamenteinterferentes~lhtt'IUU bJ.J14S. Hij1W£ b Ii
Compartilhar