APOIO À DECISÃO ASSOCIANDO A COMPOSIÇÃO PROBABILÍSTICA DE PREFERÊNCIAS AO MONTE CARLO AHP (CPP-MCAHP)
O Processo de Análise Hierárquica
(AHP) com múltiplos especialistas, em geral,
agrega as avaliações paritárias com médias
geométricas. Dependendo da assimetria do
conjunto de dados, a agregação por média
pode provocar distorções. Além disso, existem
incertezas epistêmicas embutidas nesse
processo tradicional, associadas ao julgamento
humano, em decorrência de limitações
cognitivas, variações de conhecimento,
experiência e parcialidade das avaliações.
Para lidar com essas dificuldades, a simulação
de Monte Carlo tem sido associada ao AHP,
produzindo os modelos MCAHP, com resultados
estocásticos. Essa forma de resultado coincide
e se adequa à primeira etapa da Composição
Probabilística de Preferências (CPP), um método
de apoio à decisão probabilístico. A associação
da CPP permite ampliar a interpretação dos
resultados e estender o MCAHP para diferentes
pontos de vista do tomador de decisão. Sendo
assim, o presente trabalho desenvolve novo
modelo, CPP-MCAHP, comparado ao AHP com
médias geométricas e ao AHP estocástico com
resultados satisfatórios.
APOIO À DECISÃO ASSOCIANDO A COMPOSIÇÃO PROBABILÍSTICA DE PREFERÊNCIAS AO MONTE CARLO AHP (CPP-MCAHP)
-
DOI: 10.22533/at.ed.21820030316
-
Palavras-chave: CPP-MCAHP, Monte Carlo, AHP Estocástico.
-
Keywords: CPP-MCAHP. Monte Carlo. Stochastic AHP.
-
Abstract:
The Analytic Hierarchy Process (AHP) with multiple experts usually
aggregates the pairwise evaluations with geometric means. Depending on the data
set asymmetry, aggregation by average can cause distortions. In addition, there is an
uncertainty associated with human judgment, due to cognitive limitations, variations in
knowledge and experience, and bias, which imprecise the process. To deal with these
difficulties, Monte Carlo simulation has been associated with AHP, creating MCAHP
models with stochastic results. This form of result fits the first step of the Composition
of Probabilistic Preferences (CPP), a probabilistic multicriteria decision aid method.
The association of CPP improves the interpretation of results and extend the MCAHP
to different points of view of decision making. A new model is developed here, the CPPMCAHP,
which is compared to AHP with geometric means and stochastic AHP with
satisfactory results.
-
Número de páginas: 18
- Annibal Parracho Sant'Anna
- Gilson Brito Alves Lima
- Pauli Adriano de Almada Garcia
- Sergio Kostin
- LUIZ OCTÁVIO GAVIÃO
