Pesquisa Operacional

Teoria da Deciso 1. TEORIA DA DECISO

Elisangela Beretta

A teoria da deciso no qual estaremos trabalhando em nosso contexto abrange tcnicas quantitativas na tentativa de resolver problemas envolvendo a tomada de deciso. Note que para que haja o ato de decidir, o problema deve conter mais de duas alternativas, levando o tomador de deciso a optar entre elas. Caso isso no ocorra, ou seja, voc possua somente um caminho a seguir, no que isso no seja um problema de tomada deciso, mas no estaremos considerando aqui este tipo de problema. Os problemas de tomada de deciso esto no cotidiano tanto de pessoas fsicas como jurdicas, no entanto, voc, diariamente decide qual roupa usar, o que ir almoar, e at mesmo se ir almoar, entre outros. O ato de deciso deve ser imediato, gerando conseqncias imediatas e futuras. Assim, nossas tcnicas iro prever o futuro? Infelizmente no, mas poderemos nos basear no futuro, usando ferramentas matemticas de previso: Probabilidade. Para ento conhecer as tcnicas de resoluo de um problema que envolva a tomada de deciso, precisamos conhecer trs estruturas bsicas para tal teoria. Alternativas, Estados de Natureza e Resultados. 1.1 ALTERNATIVAS So as possveis solues para o problema ou os caminhos nos quais devemos seguir. Se voc no conseguir listar estes caminhos, voc no ter um problema. Por exemplo, suponha que uma empresa produtora de portas de madeira, resolva trabalhar com exportao de seus produtos, porm a mesma preciso deslocar seus produtos at o porto, ento ela tem duas alternativas, uma colocar seus caminhes a disposio para o transporte das cargas e adquirir assim um continer ou alocar do prprio Porto o caminho e o continer. Cada uma dessas decises gerar resultados diferentes. Note que comprar um continer gerar um custo alto imediato, porm ser compensado futuramente ou at mesmo por utilizar de seus prprios caminhes no transporte, bem como, reduzir a venda interna no pas, j que sem caminho como ele far o transporte de carga interna? Alugando poder ser uma tima alternativa, mas o custo pode ser alto. Todas essas previses futuras, que envolvem em especial demanda, so conhecidas como os Estados de Natureza, pois so elas que ajudaram a escolher uma alternativa. Ou seja, se soubssemos que a demanda externa ir aumentar ou diminuir, teramos uma melhor viso de qual deciso tomar. 1.2 ESTADOS DE NATUREZA So todos os acontecimentos futuros que podero influenciar sobre cada alternativa no momento da tomada de deciso. Note que no exemplo anterior, a demanda futura um Estado de Natureza, no qual poderemos classific-la como grande, mdia e baixa. Assim, teremos duas alternativas e trs estados de natureza, ou seja, para cada alternativa os trs possveis estados de natureza, ficando mais fcil definir qual alternativa seguir. 1.3 RESULTADOS So as conseqncias de se escolher uma alternativa, assumindo certo estado de natureza. Veja que para nosso exemplo, temos duas alternativas e trs estados de natureza, gerando assim, 2 x 3 = 6 possveis resultados. 1.4 MATRIZ DE DECISO Este um modelo a ser utilizado para facilitar a tomada de deciso. A matriz de deciso, contem as alternativas: (A1, A2, A3, ..., Ak), bem como, os estados de natureza: (EN1. EN2, EN3, ..., ENp). Normalmente os estados de natureza so listados por coluna e as alternativas por linha. Veja o modelo: 1

Alternativas A1 A2 A3 Ak

EN1 R11 R21 R31 Rk1

EN2 R12 R22 R32 Rk2

Estados de natureza EN3 R13 R23 R33 Rk3

ENp R1p R2p R3p Rkp

Geralmente, para determinarmos qual a melhor alternativa deve ser escolhida, devemos de alguma forma conhecer um pouco sobre os estados de natureza. Existem assim, trs tipos de situaes para uma tomada de deicso: Deciso Tomada Sob Certeza (DTSC), Deciso Tomada Sob Risco (DTSR) e Deciso Tomada Sob Incerteza (DTSI). Vejamos cada uma delas e como ser o tratamento para a tomada de deciso. 1.5 Deciso Tomada Sob Certeza - DTSC Para problemas no quais sabemos exatamente qual estado de natureza ir acontecer. Os problemas de programao lineares vistos at o momento contem de forma certa, os custos, lucros, entre outros dados que geram de forma certa, decidir reduzir custos ou ampliar lucros. Estes problemas so caracterizados do tipo Tomada de Deciso Sob Certeza TDSC. 1.6 Deciso Tomada Sob Risco - DTSR Neste tipo de problema, no sabemos exatamente qual estado de natureza ocorrer, mas podemos associar a cada um deles uma probabilidade de ocorrncia. Essa probabilidade pode ser associada de forma objetiva ou no. A associao se d por meio de pesquisa, seja ela documental ou no, bem como, por observao, fazendo uso das ferramentas de Estatstica. Assim, para determinarmos a soluo de um problema do tipo DTSR, precisamos entender o significado da expresso Valor Esperado da Alternativa VEA. Dada uma matriz com k alternativas e p estados de natureza, sabemos que teremos k x p resultado, bem como, as probabilidades dos estados de natureza ocorrerem. Ento, o valor esperado da alternativa k (sendo k um nmero natural, finito) ser a soma dos produtos de cada resultado associado a tal alternativa pela probabilidade associada ao estado de natureza correspondente, ou seja, a mdia ponderada dos resultados de cada alternativa, tomando como peso de ponderao as probabilidades dos estados de natureza. Portanto, a melhor deciso a ser tomada, ser aquela que possuir o MELHOR Valor Esperado da Alternativa - VEA. Esse mtodo tambm conhecido como Mtodo de Bayes. Exemplo 1. A empresa Ciclo S.A uma empresa manufatureira de bicicletas que est diante da deciso de comprar de terceiros ou manufaturar um componente comum a todas as suas bicicletas. Se a demanda for nos prximos meses pelas bicicletas for alta, ento manufaturar seria o ideal, entretanto se a demanda for baixa a Ciclo S.A conter instalaes custosas e a capacidade de utilizao de suas instalao ser muito baixa. Veja a matriz a seguir que mostra a seguinte situao. Tabela 1 Matriz de deciso: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa Mdia Alta P = 0,4 P = 0,3 P = 0,3 -10 60 180 Manufaturar 10 50 100 Comprar componente

Determine a melhor alternativa a ser tomada. Soluo: Aplicando a Regra de Bayer, para determinar os VEAs temos: VEA1 = (-10).(0,4)+(60).(0,3)+(180).(0,3) = -4+18+54 = 68 VEA2 = (10).(0,4)+(50).(0,3)+(100).(0,3) = 4+15+30 = 49 Assim, a deciso a ser tomada Manufaturar o componente, mesmo que haja demanda a variao de demanda. Exerccio 1: Na Contabilidade SUL, o mecanismo de entrega de impostos, folhas de pagamentos e documentos diversos realizada pelo prprio contador chefe. retirado diariamente alguns minutos para a visitao de seus clientes, bem como para entregar os documentos quando necessrio. O contador chefe vendo que est havendo aumento de trabalho e o mesmo no est conseguindo passar tanto tempo na contabilidade, pensa em modificar sua estratgia de entrega de documentao, contratando o servio de motoboy ou enviando algum de seus estagirios at seus clientes. Sabendo quanto ele ir lucrar com tais decises ou at mesmo, continuando ele a levar os documentos e prevendo a satisfao de seus clientes, qual deve ser a melhor escolha. A tabela abaixo relaciona as tomadas de deciso com as futuras satisfaes, medindo lucro. R: MOTOBOY Tabela 1 Matriz de deciso: Satisfao quanto ao procedimento de entrega de documentos (Lucros milhares) Estados de Natureza SATISFAO Alternativas de entrega Baixa Alta P = 0,4 P = 0,6 15 30 Contador 5 40 Estagirio 2 45 Motoboy

1.7 VALOR ESPERADO PELA INFORMAO PERFEITA (VEIP) Imagine se voc pudesse saber exatamente o que ir acontecer no futuro, para ento tomar uma deciso! Isso possvel? Infelizmente no, mas podemos estimar, aproximando-se do que seria o ideal, e para tal, gastaramos o quanto fosse necessrio por tal informao. Sendo assim, at quanto estamos dispostos a pagar pela informao perfeita? O valor a ser paga pela melhor informao dado pelo Valor Esperado pela Informao Perfeita (VEIP). Vamos voltar ao exemplo anterior, no qual temos duas alternativas e trs estados de natureza. Note que os estados de natureza e as probabilidades associadas no podem ser alteradas, pois so previses existentes, porm se soubssemos qual seria o estado de natureza que iria acontecer, ficaria mais fcil determinar qual alternativa escolher. Veja, se soubssemos que a demanda fosse baixa, optaramos por comprar o componente, gerando um lucro de 10 mil, bem como se a demanda fosse mdia passaramos a manufaturar, lucrando 60 mil, ou se a demanda fosse alta, continuaramos manufaturando, passando a lucrar 180 mil. Mas note que a probabilidade destas demandas acontecerem no podem ser alteradas, ou seja, por mais que saibamos qual o estado de natureza venha a acontecer, ela estar sujeita a probabilidade associada a ela. 3

Portanto, podemos definir assim o melhor lucro, no a melhor alternativa. Obtendo o melhor lucro, consigo identificar o quanto eu posso vir a pagar por tal informao. Veja, Exemplo 2: Considerando os dados do exemplo da empresa Ciclo AS, temos que o VEA - IDEAL dado por: VEAi = 10(0,4) + 60(0,3) + 180(0,3) = 4 + 18 + 54 = 76 mil Esse resultado corresponde ao lucro que teramos caso ocorressem tais estados de natureza. Note que no uma escolha de alternativa, mas sim de identificar o LUCRO IDEAL. Se no soubssemos desta informao, receberamos como visto anteriormente 68 mil, ou seja, o valor a ser pago por tal informao dado pelo Valor Esperado pela Informao Perfeita, calculando a seguinte diferena : VEIP = VEAi VEA VEIP = 76mil 68 mil VEIP = 8mil (valor pago pela informao perfeita ou por uma informao melhor)

Exerccio 2: Retome o Exerccio 1 e determine o VEIP. R: 5,2 MIL

1.8 MTODO DOS ARREPENDIMENTOS Podemos determinar o VEA trocando os valores originais da matriz de deciso, pelos seus respectivos arrependimentos. Assim, dado um certo estado de natureza, chama-se arrependimento quilo que se perde, quando se escolhe a melhor alternativa entre todos de uma estado de natureza. Para obter a soluo basta aplicar o mtodo de Bayer aos dados da matriz de arrependimento e escolher a alternativa que contenha o mnimo arrependimento mdio. Veja, para nosso exemplo teramos, Exemplo 3: Dada a matriz de lucros, calcular o arrependimento correspondente a cada estado de natureza. Tabela 1 Matriz de deciso: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa Mdia Alta P = 0,4 P = 0,3 P = 0,3 -10 60 180 Manufaturar 10 50 100 Comprar componente Para obtermos a matriz de arrependimentos, vamos olhar para cada estado de natureza e os lucros associados a eles. Por exemplo, para o EN1 Demanda Baixa, temos -10 para Manufaturar e 10 para Comprar componente, logo o que gera mais lucro ser Comprar Componente, com 10 mil. Assim, na nova matriz, faremos: (10 (-10)) = 20 (Valor de perda caso escolhamos a alternativa 1 para este estado de natureza) e 10 10 = 0 (Valor de perda tambm ao escolher essa alternativa para este Estado de Natureza. Repita tal processo para todos os lucros relacionados a cada estado de natureza. Veja, Tabela 2 Matriz de arrependimentos: (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa Mdia P = 0,4 P = 0,3 20 0 Manufaturar 0 10 Comprar componente

Alta P = 0,3 0 80

Assim, note que os arrependimentos sero sempre positivos. Para obter a melhor alterntiva, aplicaremos o mtodo de Bayer. VEA1 = 20(0,4) + 0(0,3) + 0(0,3) = 8mil VEA2 = 0(0,4) + 10(0,3) + 80(0,3) = 27mil Assim, caso venhamos a no escolher a alternativa 1, perderemos 8mil em lucros, bem como 27 mil se deixarmos de escolher a Alternativa 2. Claro que aqui, a deciso correta ser optar por aquela que mesno gera perdas, ou seja, manufaturar. Note que ao mesmo tempo em que voc obtm a alternativa a ser escolhida, voc tambm determina o VEIP. Compare com dados encontrados anteriormente.

Exerccio 3: Retome o Exerccio 1 e determine o VEIP, utilizando mtodo de arrependimento.

1.9 ANLISE DE SENSIBILIDADE Para tomarmos uma deciso sobre qualquer problema, precisamos dos valores associados a cada alternativa, sendo ele lucro, custo, entre outros... e as probabilidades associadas a cada estado de natureza. Note que se algum destes dados for alterado, pode haver uma modificao em sua deciso. Vejamos ento como entender as vrias modificaes de informao e como isso pode alterar nossa tomada de deciso. Vejamos o seguinte exemplo: Tabela 3 Matriz de deciso: Compra, manufaturar componente e comprar e manufaturar um produto (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa Alta P = 0,4 P = 0,6 -10 60 Manufaturar 20 50 Comprar componente 10 40 Comprar e manufaturar Quando trabalhamos com anlise, estamos justamente verificando o que acontece ao alterarmos uma das informaes : Lucro/ Probabilidade. Aqui, estaremos fazendo a alterao na probabilidade. Assumindo o EN1 com probabilidade p, entoo EN2 ter probabilidade 1-p. Faremos isso para identificar o ponto no qual existe uma troca de deciso. Assim, teremos: Tabela 4 Matriz de deciso: Analise de Sensibilidade probabilidade (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa Alta P 1- P -10 60 Manufaturar 20 50 Comprar componente 10 40 Comprar e manufaturar Aplicando o mtodo de Bayer para cada alternativa, temos: VEA1 = (-10)p + 60(1-p) = -10p +60 60p = -70p + 60 VEA2 = (20)p + 50(1-p) = 20p +50 50p = -30p + 50 5

VEA3 = (10)p + 40(1-p) = 10p +40 40p = -30p + 40 Vamos ento, a partir dos VEAs representar suas retas correspondes. Assumiremos dois pontos. VEA = 0 e p =0. Se VEA1 = 0 => -70p + 60 = 0 => -70p = -60 => p = 6/7 (6/7, 0) Se p = 0 => VEA1 = -70.0 + 60 => VEA1 = 60 (0,60) Se VEA2 = 0 => -30p + 50 = 0 => -30p = -50 => p = 5/3 Se p = 0 => VEA2 = -30.0 + 50 => VEA1 = 50 (0, 50) (5/3, 0)

Se VEA3 = 0 => -30p + 40 = 0 => -30p = -40 => p = 4/3 (4/3, 0) Se p = 0 => VEA3 = -30.0 + 40 => VEA1 = 40 (0, 40) Vamos montar o grfico de cada VEA.

Grfico 1 Estudo quanto sensibilidade da probabilidade p.

Assim, pelo grfico notamos que: a) A alternativa VEA1 ser a melhor escolha at a probabilidade de cruzamento com a alternativa VEA2. b) A partir da alternativa VEA2, VEA1 e VEA3 no se tornam mais viveis. Logo, devemos identificar qual deve ser o valor de p que interfere na escolha de VEA1 para VEA2. Para tal, basta igualar as duas equaes e determinar p que iguala as duas alternativas. Assim, VEA1 = VEA2 -70p + 60 = -30p + 50 -70p + 30p = 50 60 -40p = -10 p = 1/4, ou seja, p = 25% ou 0,25. Portanto, Escolheremos VEA1 quando 0 p < 0,25 ou VEA2 quando 0,25 < p 1.

Exerccio 4: Retome o Exerccio 1 e faa a anlise de sensibilidade quanto a probabilidade.

1.10 ARVORE DE DECISO Outra forma de se trabalhar com problemas de Tomada de Deciso sob Risco, seria apresentar os dados da matriz de deciso em um grfico. Esse grfico conhecido como Arvore de Deciso. Vamos retomar o problema da Empresa Ciclo S.A. para exemplificar o modelo grfico.

As linhas da rvore so denominadas dramos e os pontos de encontro de um ramo a outro, so chamados de n. A resoluo da arvore se d no sentido da direta para esquerda. Assim, iniciamos nos ns de estado de natureza e a rotina de resoluo se d conforme visto na matriz de deciso.

Exerccio 5: Retome o Exerccio 1 e obtenha a melhor deciso, fazendo uso da rvore de decises.

1.11

Deciso Tomada Sob Incerteza DTSI

Para este tipo de problema, conhecemos os possveis estados de natureza, mas no podemos associar a cada um deles uma probabilidade de ocorrncia. Assim, o tomador de deciso ter um leque se opes ou escolher um critrio que lhe seja mais interessante. Existem inmeros critrios para a tomada de deciso sob incerteza, j que a mesma se faz mediante a personalidade do tomador de deciso. Veremos alguns destes critrios. 1.11.1 CRITRIO MAXIMAX - Otimista Este critrio conhecido tambm como o mximo entre os mximos, ou seja, a tomada de deciso feita escolhendo de cada alternativa o melhor, e desta relao optamos pela melhor dentre elas. Normalmente, este critrio quando utilizado, caracteriza o tomador de deciso como Otimista. Vamos voltar ao exemplo da Empresa Ciclo S.A., mas agora sem conhecer as probabilidades dos estados de natureza. Tabela 5 Matriz de deciso: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa Mdia Alta MAXIMAX -10 60 180 Manufaturar 180 10 50 100 100 Comprar componente Ou seja, dentre os MELHORES lucros de cada alternativa, O MELHOR ser 180 mil. Assumindo assim, que a empresa dever MANUFATURAR O COMPONENTE. 1.11.2 CRITRIO MINIMAX - Pessimista Este critrio conhecido tambm como o mximo entre os mnimos, ou seja, a tomada de deciso feita escolhendo de cada alternativa o pior, e desta relao optamos pela melhor dentre elas. Normalmente, este critrio quando utilizado, caracteriza o tomador de deciso como Pessimista. Vamos voltar ao exemplo da Empresa Ciclo S.A., mas agora sem conhecer as probabilidades dos estados de natureza. Tabela 6 Matriz de deciso: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa Mdia Alta MINIMAX -10 60 180 -10 Manufaturar 10 50 100 Comprar 10 componente Ou seja, dentre os PIORES lucros de cada alternativa, O MELHOR ser 10 mil. Assumindo assim, que a empresa dever COMPRAR O COMPONENTE. 1.11.3 CRITRIO LAPLACE - Indeciso Este critrio adotado o critrio da razo insuficiente, ou seja, como se tem motivo algum para dizer que um estado de natureza pior ou melhor que outro, ento o tomador de deciso assume que todo estado de natureza tem mesma probabilidade de acontecer. Assim, torna o problema que era do tipo DTSI em DTSR, aplicando o mtodo de Bayes para determinar qual deve ser a melhor alternativa. Normalmente, este critrio quando utilizado, caracteriza o tomador de deciso como Indeciso.

Vamos voltar ao exemplo da Empresa Ciclo S.A., mas agora sem conhecer as probabilidades dos estados de natureza. Tabela 7 Matriz de deciso: Compra e manufaturar componente de um produto (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa P = 1/3 Mdia P = 1/3 Alta P = 1/3 LAPLACE -10 60 180 Manufaturar VEA1 = 230/3 10 50 100 VEA2 = 160/3 Comprar componente Ou seja, aplicando a mesma probabilidade aos estados de natureza e aplicando Bayes, determinamos que o VEA1 o MELHOR. Assumindo assim, que a empresa dever MANUFATURAR O COMPONENTE.

1.11.4 CRITRIO MNIMO ARREPENDIMENTO Para este critrio, precisamos montar a Matriz de Arrependimentos. Tendo a mesma, aplica-se o critrio do MINIMAX para se obter a melhor alternativa. Veja, Vamos voltar ao exemplo da Empresa Ciclo S.A., mas agora sem conhecer as probabilidades dos estados de natureza. Tabela 8 Matriz de arrependimentos: (Lucros em milhares) Estados de Natureza DEMANDA Alternativas Baixa Mdia Alta 20 0 0 Manufaturar 0 10 80 Comprar componente

MINIMAX 20 80

Ou seja, aplicando o mtodo MINIMAX na matriz de arrependimentos, determinamos que a MELHOR alternativa ser MANUFATURAR O COMPONENTE. Exerccio 6: Para o exerccio da Contabilidade SUL, aplique os critrios para DTSI, assumindo a matriz abaixo: R: MAXIMAX: Motoboy MINIMAX: Contador LAPLACE: Motoboy ARREP.: Estagirio. Tabela 9 Matriz de deciso: Satisfao quanto ao procedimento de entrega de documentos (Lucros milhares) Estados de Natureza SATISFAO Alternativas de entrega Baixa Alta 15 30 Contador 5 40 Estagirio 2 45 Motoboy

MOREIRA, Daniel A., Pesquisa operacional curso introdutrio. So Paulo: Thomson Learning, 2007. SILVA E. M. d all, Pesquisa Operacional. 3 d. Atlas. 1998. (003 P472)