Baixe o app para aproveitar ainda mais
Prévia do material em texto
15/09/2014 1 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO yyyy AVALIAÇÃO E APOIO À TOMADA DE DECISÃO Prof. Ely Sena, MSc. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EMENTA • Teoria da Decisão; • Análise Custo-Volume-Lucro; • Otimização de Redes, • Análise multicritério; FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO BIBLIOGRAFIA • BÁSICA CUKIERMAN, Z.S. O Modelo PET/CPM Aplicado a Projetos. Rio de Janeiro: Qualitymark Editora Ltda., 1993. HIRSCHFELD, H. Planejamento com pert-cpm e análise do desempenho. São Paulo: Atlas, 1985. KERZNER, Harold, Project Management: A Systerns Aplroach to Planning, Scheduling, and Controlling, 7th edition, ISBN: 0471393428, John Wiley & Sons, Inc., 2001. • COMPLEMENTAR MEREDITH, J.; MANTEL Jr. Project Management: A Managerial Approach. 3rd ed. New York: John Wiley & Sons, Inc., 1995. MODER, J.J.; PHILIPS, C.R. Project Management with CPM and PERT. New York: Van Nostrand Reinhold Company, 1970. PRADO, D. Administração de Projetos com PERT/CPM. Rio de Janeiro: Livros Técnicos e Científicos Editora S.A., 1984. PROJECT MANAGEMENT INSTITUTE. A guide to the project management body of Knowlwdge: PMBOK GUIDE. Pensylvania USA: PMI Inc., 2000. VALERIANO, D.I. Gerenciamento estratégico e administração por projetos: pesquisa, desenvolvimento e engenharia. São Paulo: Makron Books, 2001. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO METODOLOGIA • Os conteúdos programáticos serão abordados através de aulas expositivo- dialogadas, estudos em pequenos grupos e estudos individualizados. • A resolução de exercícios será enfatizada, assim como a realização de seminários. • Tempo disponível durante as aulas para resolução de exercícios, trabalhos e práticas de laboratório. 15/09/2014 2 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO AVALIAÇÕES FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO TEORIA DA DECISÃO FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Os problemas de Decisão e a Teoria da Decisão • Para que um problema seja caracterizado dentro desta categoria, é necessário que o tomador de decisão tenha mais de uma alternativa diante de si. • Se uma situação conduzir somente a um caminho, não existe um problema no sentido em que estamos considerando. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Os problemas de Decisão e a Teoria da Decisão • O problema de decisão envolve uma tomada de decisão hoje assim como as consequências desta decisão ao longo do tempo. • A Teoria da Decisão é um conjunto de técnicas quantitativas que tem por objetivo ajudar o tomador de decisão tanto a sistematizar o problema de decisão como a solucioná-lo. 15/09/2014 3 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Estrutura dos Problemas de Decisão • Problemas de Decisão possuem um estrutura comum a todos: apresentam Estratégias Alternativas, Estados da Natureza e Resultados. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Estrutura dos Problemas de Decisão • Estratégias Alternativas – São as possível soluções do problema, os cursos de ação que podemos seguir. – Se não conseguirmos elencar as alternativas, não teremos um problema de decisão. • Exemplo: – Uma empresa irá lançar um produto novo e terá duas alternativas: ou aproveita as instalações existentes ou constrói uma nova unidade operacional. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Estrutura dos Problemas de Decisão • Estados da Natureza – São todos os acontecimentos futuros que poderão influir sobre as alternativas de decisão que o tomador de decisão possui. • Exemplo: – As demandas futuras possíveis. Se houver três demandas possíveis – pequena, média e grande, teremos duas alternativas de decisão e três estados da natureza. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Estrutura dos Problemas de Decisão • Resultados – A consequência de se escolher um dada alternativa de decisão, quando ocorrer certo estado da natureza. – Cada alternativa associada a um estado da natureza conduzirá a um certo resultado. • Exemplo: – Duas alternativas de decisão e três estados da natureza teremos seis resultados possíveis. 15/09/2014 4 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Matriz de Decisão • É uma ferramenta auxiliar que permite visualizar os elementos do problema de decisão. • Os estados da natureza são listados em colunas e as alternativas nas linhas e o resultados nas células. EN1 EN2 ... ... ENK A1 R11 R12 ... ... R1k A2 R21 R22 ... ... R2k ... ... ... ... ... ... ... ... ... ... Ap Rp1 Rp2 ... ... Rpk FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Classificação dos Problemas de Decisão • Os problemas de decisão são classificados de acordo com o maior ou menor conhecimento que tem-se acerca dos estados da natureza. • Podem ocorrer três casos: – Decisão Tomada Sob Certeza (DTSC); – Decisão Tomada Sob Risco (DTSR); – Decisão Tomada Sob Incerteza (DTSI); FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Decisão Tomada Sob Certeza (DTSC); • Quando sabe-se exatamente qual é o estado da natureza que vai ocorrer ou, de alguma forma, tem-se com certeza todos os dados do problema. • Pode ocorrer ainda que se possa admitir como constantes ou pouco variáveis todos os dados numéricos do problema. • Para solucionar, basta recorrer a comparações de cenários. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Decisão Tomada Sob Risco (DTSR); • Conhece-se a probabilidade dos futuros estados de natureza. A solução de um problema DTSR depende do conceito de Valor Esperado da Alternativa (VEA). • Define-se o VEA como a soma dos produtos dos resultados da alternativa pelas probabilidades de ocorrência de tais estados da natureza. • Regra da Decisão de Bayes a) Calcula-se, para cada alternativa, o VEA; b) Escolhe-se o melhor valor dos cálculos. 15/09/2014 5 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #1 A Estrela do Norte S.A. é uma companhia manufatureira de brinquedos que está diante da decisão de comprar de terceiros ou manufaturar um componente comum a vários de seus brinquedos. Se a demanda pelos brinquedos nos próximos meses for alta, então a decisão de manufaturar o componente internamente terá sido bastante acertada. Se entretanto, a demanda for muito pequena, a Estrela do Norte ficará com as instalações custosas e com baixa utilização de capacidade. Mais especificamente, foi preparada a matriz de decisão a seguir, que ilustra a situação (lucro em milhares de reais). FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #1 Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 • Alternativa #1 – Comprar o componente 10(0,4)+10(0,35)+100(0,25) = 43 mil reais • Alternativa #2 – Manufaturar o componente -30(0,4)+20(0,35)+150(0,25) = 32,5 mil reais FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #1 Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 • Alternativa #1 – Comprar o componente 10(0,4)+40(0,35)+100(0,25) = 43 mil reais • Alternativa #2 – Manufaturar o componente -30(0,4)+20(0,35)+150(0,25) = 32,5 mil reais FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Decisão Tomada Sob Risco (DTSR); • Valor Esperado da Informação Perfeita (VEIP) – o valor máximo que se poderia obter sobre a decisão baseada no VEA. 15/09/2014 6 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #1 - VEIP Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente10 40 100 Manufaturar o componente -30 20 150 Estados da Natureza Alternativas Demanda Baixa p=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 4 14 25 Manufaturar o componente -12 7 37,5 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #1 - VEIP Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 Estados da Natureza Alternativas Demanda Baixa p=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 4 14 25 Manufaturar o componente -12 7 37,5 Máximo Lucro 4+14+37,5= 55,5 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #1 - VEIP Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 Estados da Natureza VEA Alternativas Demanda Baixa p=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 4 14 25 43 Manufaturar o componente -12 7 37,5 32,5 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #1 - VEIP Estados da Natureza VEA Alternativas Demanda Baixa p=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 4 14 25 43 Manufaturar o componente -12 7 37,5 32,5 Máximo Lucro 4+14+37,5= 55,5 VEIP = 55,5 – 43 = 12,5 milhares de reais 15/09/2014 7 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Decisão Tomada Sob Risco (DTSR); • MATRIZ DE ARREPENDIMENTO – A melhor alternativa é a que apresentar o mínimo de arrependimento possível. – O Arrependimento sempre será sempre positivo ou igual a zero. • Exemplo EN1 EN2 A1 100 140 A2 110 120 EN1 EN2 A1 10 0 A2 0 20 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Decisão Tomada Sob Risco (DTSR); EN1 EN2 A1 100 140 A2 110 120 EN1 EN2 A1 10 0 A2 0 20 • MATRIZ DE ARREPENDIMENTO – A melhor alternativa é a que apresentar o mínimo de arrependimento possível. – O Arrependimento sempre será sempre positivo ou igual a zero. • Exemplo FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #2 Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 10 40 100 Manufaturar o componente -30 20 150 Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 0 0 50 Manufaturar o componente 40 20 0 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #2 Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 0 0 50 Manufaturar o componente 40 20 0 Alternativa #1 – Comprar o componente 0(0,4)+0(0,35)+50(0,25) = 12,5 mil reais Alternativa #2 – Manufaturar o componente 40(0,4)+20(0,35)+0(0,25) = 23 mil reais 15/09/2014 8 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #2 Estados da Natureza Alternativas Demanda Baixap=0,4 Demanda Média p=0,35 Demanda Alta p=0,25 Comprar o componente 0 0 50 Manufaturar o componente 40 20 0 Alternativa #1 – Comprar o componente 0(0,4)+0(0,35)+50(0,25) = 12,5 mil reais Alternativa #2 – Manufaturar o componente 40(0,4)+20(0,35)+0(0,25) = 23 mil reais FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Árvore de Decisão • Os problemas de tomada de decisão sob risco também podem ser estruturados e resolvidos com o auxílio de uma representação gráfica do processo de decisão chamada de árvore de decisão. 1 2 3 4 RAMOS NÓS Estados de Natureza MOMENTO DE DECISÃO FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO EXEMPLO #3 • A Companhia Epsilon está considerando três possibilidades de distribuição de seus produtos em uma certa região. A primeira dessas possibilidades é a que está sendo adotada atualmente e consiste um entregar os produtos diretamente aos revendedores locais; a segunda alternativa consiste em abrir um armazém próprio de distribuição e, finalmente , a última possibilidade seria a de colocar os produtos em um grande distribuidor local. Dependendo de como se comporte a demanda futura para a região, as alternativas trarão receitas diferenciadas para a companhia, segundo a matriz de decisão mostrada na tabela a seguir. FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Exemplo #3 Demanda Grande p=0,4 Demanda Pequena p=0,6 Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 1 2 3 4 Construir armazém próprio Demanda Grande (0,4) 140 Demanda Pequena (0,6) 40 Demanda Grande (0,4) 200 Demanda Pequena (0,6) -30 Demanda Grande (0,4) 160 Demanda Pequena (0,6) 10 15/09/2014 9 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Exemplo #3 - Árvore de Decisão • VEA Nó #2: Revendedores Locais – 140(0,4)+40(0,6) = 80 • VEA Nó #3: Armazém Próprio – 200(0,4)+(-30)(0,6) = 62 • VEA Nó #4: Distribuidor Local – 160(0,4)+10(0,6) = 40 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Exemplo #3 - Árvore de Decisão • VEA Nó #2: Revendedores Locais – 140(0,4)+40(0,6) = 80 • VEA Nó #3: Armazém Próprio – 200(0,4)+(-30)(0,6) = 62 • VEA Nó #4: Distribuidor Local – 160(0,4)+10(0,6) = 40 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Decisão Tomada sob Incerteza • Nos problemas de Decisão Tomada sob Incerteza, sabe-se todos os possíveis estados da natureza, mas não se tem nenhuma estimativa de suas probabilidades. A literatura traz alguns critérios considerados costumeiros, entre eles temos: – Critério Maximax; – Critério Maximin; – Critério Laplace; – Critério do Realismo; e – Critério do Mínimo Arrependimento FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Maximax • Máximos entre os máximos; • Carrega uma visão completamente otimista; • Da matriz de decisão, deve-se escolher a alternativa que leva ao melhor possível dos resultados. Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 15/09/2014 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Maximax • Máximos entre os máximos; • Carrega uma visão completamente otimista; • Da matriz de decisão, deve-se escolher a alternativa que leva ao melhor possível dos resultados. Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Maximax • Máximos entre os máximos; • Carrega uma visão completamente otimista; • Da matriz de decisão, deve-se escolher a alternativa que leva ao melhor possível dos resultados. Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Maximin • Máximos entre os mínimos; • De cada alternativa escolhe-se o pior resultado; • Dentre os piores, escolhe-se o melhor dele (“menos ruim”) Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Maximin • Máximos entre os mínimos; • De cada alternativa escolhe-se o pior resultado; • Dentre os piores, escolhe-se o melhor dele (“menos ruim”) Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 15/09/2014 11 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Maximin • Máximosentre os mínimos; • De cada alternativa escolhe-se o pior resultado; • Dentre os piores, escolhe-se o melhor dele (“menos ruim”) Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Laplace • Conhecido como “critério da razão insuficiente”; • Assume-se que são idênticas as probabilidades dos diversos estados da natureza Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Laplace • Conhecido como “critério da razão insuficiente”; • Assume-se que são idênticas as probabilidades dos diversos estados da natureza Demanda Grande Demanda Pequena Resultados Médios Usar revendedores locais 140 40 90 Construir armazém próprio 200 -30 85 Usar grande distribuidor local 160 10 85 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério Laplace • Conhecido como “critério da razão insuficiente”; • Assume-se que são idênticas as probabilidades dos diversos estados da natureza Demanda Grande Demanda Pequena Resultados Médios Usar revendedores locais 140 40 90 Construir armazém próprio 200 -30 85 Usar grande distribuidor local 160 10 85 15/09/2014 12 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério do Realismo • Adota-se um valor entre uma visão pessimista e uma visão otimista da realidade; • Média Ponderada = α (melhor resultado) + (1- α) (pior resultado) • Adotando α=0,7 Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério do Realismo • Revendedores Locais – 140(0,7)+40(1-0,7) = 110 • Armazém Próprio – 200(0,7)+(-30)(1-0,7) = 131 • Revendedores Locais – 160(0,7)+10(1-0,7) = 115 Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério do Realismo • Revendedores Locais – 140(0,7)+40(1-0,7) = 110 • Armazém Próprio – 200(0,7)+(-30)(1-0,7) = 131 • Revendedores Locais – 160(0,7)+10(1-0,7) = 115 Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério do Mínimo Arrependimento • Arrependimento são calculados por meio da mesma rotina: para cada estado da natureza, faz-se a diferença entre o resultado das demais alternativas. • Monta-se a matriz de arrependimentos e, para cada alternativa, escolhe-se o pior dos arrependimentos. Como último passo, opta-se pela alternativa menos ruim. 15/09/2014 13 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO Critério do Mínimo Arrependimento Demanda Grande Demanda Pequena Usar revendedores locais 140 40 Construir armazém próprio 200 -30 Usar grande distribuidor local 160 10 Escolher os piores arrependimentos (alternativa) Demanda Grande Demanda Pequena Usar revendedores locais 60 0 Construir armazém próprio 0 70 Usar grande distribuidor local 40 30 Escolher os “menos ruim” Demanda Grande Demanda Pequena Usar revendedores locais 60 0 Construir armazém próprio 0 70 Usar grande distribuidor local 40 30 FACULDADE DE TECNOLOGIA ENGENHARIA DE PRODUÇÃO REFERÊNCIAS CUKIERMAN, Z.S. O Modelo PET/CPM Aplicado a Projetos. Rio de Janeiro: Qualitymark Editora Ltda., 1993. HIRSCHFELD, H. Planejamento com pert-cpm e análise do desempenho. São Paulo: Atlas, 1985. KERZNER, Harold, Project Management: A Systerns Aplroach to Planning, Scheduling, and Controlling, 7th edition, ISBN: 0471393428, John Wiley & Sons, Inc., 2001. MEREDITH, J.; MANTEL Jr. Project Management: A Managerial Approach. 3rd ed. New York: John Wiley & Sons, Inc., 1995. MODER, J.J.; PHILIPS, C.R. Project Management with CPM and PERT. New York: Van Nostrand Reinhold Company, 1970. PRADO, D. Administração de Projetos com PERT/CPM. Rio de Janeiro: Livros Técnicos e Científicos Editora S.A., 1984. PROJECT MANAGEMENT INSTITUTE. A guide to the project management body of Knowlwdge: PMBOK GUIDE. Pensylvania USA: PMI Inc., 2000. VALERIANO, D.I. Gerenciamento estratégico e administração por projetos: pesquisa, desenvolvimento e engenharia. São Paulo: Makron Books, 2001.
Compartilhar