Decisão Multicritério
Doutorado e mestrado em Engenharia Mecânica
Mestrado em Engenharia de Produção
Prof. Valério Salomon
Decisão Multicritério
2
5. Conclusão
5.1. Comparação de MCDM ao SSP
5.2. Trabalhos futuros
3
Compatibilidade de vetores
Vetores de decisão x=[xi] e y=[yi]
Matrizes de comparações A=[aij]=[xi]/[xj] e B=[bij]=[yi]/[yj]
Índice de Compatibilidade Saaty S=(1/n2)eTA∘BTe
Índice de Compatibilidade Garuti G=∑((min(xi,yi)/max(xi,yi))(xi+yi)/2)
Para vetores idênticos, x=y, temos G=S=1
Para vetores não compatíveis, temos G < 0,9 e S > 1,1
Para vetores compatíveis, temos G >= 0,9 e S <= 1,1
4
Exemplo numérico de compatibilidade
Vetores xT=[0,6; 0,3; 0,1], yT=[0,55; 0,325; 0,125], zT=[0,2; 0,4; 0,4]
Índices de Saaty Sxy≈1,02; Sxz≈2,52; Syz≈2,06
Índices de Garuti Gxy≈0,91; Gxz≈0,46; Gyz≈0,52
5
| | | | | | | | | | |
| | | o | | | | = | | | |
| | | | | | | | | | |
Correlação de vetores
Coeficiente de correlação de Pearson
r = rxy = cov(x, y)/(σxσy)
Coeficiente de correlação de Spearman
rs = ρ = cov((order(x),(order(y))/(σorder(x)σorder(y)) = 1 - 6Σd2/(n(n2-1))
6
Exemplo numérico de compatibilidade
Vetores xT=[0,6; 0,3; 0,1], yT=[0,55; 0,325; 0,125], zT=[0,2; 0,4; 0,4]
Coeficientes de Pearson rxy≈0,997; rxz≈-0,918; ryz≈-0,882
Coeficientes de Spearman ρxy≈0,667; ρyz≈-0,577; ρxy≈-0,577
7
| | | | | | | | | | | |
| | | | | | | | | | | |
| | | | | | | | | | | |
| | | | | | | | | | | |
| | | | | | | | | | | |
| | | | | | | | | | | |
| | | | | | | | | | | |
| | | | | | | | | | | |
Diversos métodos de MCDM aplicados ao SSP
8
Fornec. | MAUT | MAVT | TOPSIS | AHP orig. | AHP ideal. | AHP ratings | Fuzzy MCDM | Fuzzy AHP |
S1 | 0,250 | 0,600 | 0,283 | 13% | 34% | 55% | 86,0 | 39% |
S2 | 0,625 | 0,825 | 0,693 | 43% | 81% | 81% | 114,7 | 81% |
S3 | 0,542 | 0,717 | 0,405 | 19% | 41% | 68% | 103,0 | 49% |
S4 | 0,583 | 0,767 | 0,601 | 25% | 51% | 71% | 85,0 | 60% |
Compatibilidade Saaty entre diversos métodos de MCDM aplicados ao SSP
9
| MAVT | TOPSIS | AHP orig. | AHP ideal. | AHP ratings | Fuzzy MCDM | Fuzzy AHP |
MAUT | 1,069 | 1,028 | 1,063 | 1,064 | 1,061 | 1,105 | 1,044 |
MAVT | | 1,057 | 1,111 | 1,051 | 1,001 | 1,012 | 1,026 |
TOPSIS | | | 1,022 | 1,019 | 1,050 | 1,100 | 1,013 |
AHP orig. | | | | 1,015 | 1,096 | 1,137 | 1,029 |
AHP ideal. | | | | | 1,041 | 1,066 | 1,005 |
AHP ratings | | | | | | 1,011 | 1,020 |
Fuzzy MCDM | | | | | | | 1,045 |
Compatibilidade Garuti entre diversos métodos de MCDM aplicados ao SSP
10
| MAVT | TOPSIS | AHP orig. | AHP ideal. | AHP ratings | Fuzzy MCDM | Fuzzy AHP |
MAUT | 0,857 | 0,878 | 0,786 | 0,790 | 0,868 | 0,838 | 0,843 |
MAVT | | 0,811 | 0,753 | 0,809 | 0,977 | 0,915 | 0,872 |
TOPSIS | | | 0,853 | 0,883 | 0,819 | 0,759 | 0,923 |
AHP orig. | | | | 0,921 | 0,769 | 0,720 | 0,861 |
AHP ideal. | | | | | 0,827 | 0,781 | 0,928 |
AHP ratings | | | | | | 0,926 | 0,883 |
Fuzzy MCDM | | | | | | | 0,815 |
Correlação Pearson entre diversos métodos de MCDM aplicados ao SSP
11
| MAVT | TOPSIS | AHP orig. | AHP ideal. | AHP ratings | Fuzzy MCDM | Fuzzy AHP |
MAUT | 0,961 | 0,873 | 0,756 | 0,717 | 0,937 | 0,578 | 0,807 |
MAVT | | 0,966 | 0,900 | 0,875 | 0,990 | 0,631 | 0,937 |
TOPSIS | | | 0,921 | 0,905 | 0,945 | 0,505 | 0,957 |
AHP orig. | | | | 0,998 | 0,936 | 0,745 | 0,994 |
AHP ideal. | | | | | 0,914 | 0,740 | 0,988 |
AHP ratings | | | | | | 0,731 | 0,957 |
Fuzzy MCDM | | | | | | | 0,697 |
Correlação Spearman entre diversos métodos de MCDM aplicados ao SSP
12
| MAVT | TOPSIS | AHP orig. | AHP ideal. | AHP ratings | Fuzzy MCDM | Fuzzy AHP |
MAUT | 0,750 | 0,750 | 0,750 | 0,750 | 0,750 | 0,300 | 0,750 |
MAVT | | 0,750 | 0,750 | 0,750 | 0,750 | 0,300 | 0,750 |
TOPSIS | | | 0,750 | 0,750 | 0,750 | 0,300 | 0,750 |
AHP orig. | | | | 0,750 | 0,750 | 0,300 | 0,750 |
AHP ideal. | | | | | 0,750 | 0,300 | 0,750 |
AHP ratings | | | | | | 0,300 | 0,750 |
Fuzzy MCDM | | | | | | | 0,300 |