LISTA DAS TABELAS

(1)

FÁBIO ROMEU DE CARVALHO

APLICAÇÃO DE LÓGICA PARACONSISTENTE ANOTADA EM TOMADAS DE DECISÃO NA ENGENHARIA DE PRODUÇÃO

São Paulo 2006

(2)

F

FÁÁBBIIOO RROOMMEEUU DDEE CCAARRVVAALLHHOO

Aplicação de Lógica Paraconsistente Anotada em Tomadas de Decisão na Engenharia de Produção

Tese apresentada à Escola Politécnica da Universidade de São Paulo para obtenção do título de Doutor em Engenharia.

Área de Concentração: Engenharia de Produção Orientador: Prof. Dr. Israel Brunstein

São Paulo 2006

(3)

FOLHA DE APROVAÇÃO

Fábio Romeu de Carvalho

Aplicação de Lógica Paraconsistente Anotada em Tomadas de Decisão na Engenharia de Produção

Tese apresentada à Escola Politécnica da Universidade de São Paulo para obtenção do título de Doutor em Engenharia.

Área de Concentração: Engenharia de Produção

Aprovado em:

Banca Examinadora

Prof. Dr. ___________________________________________________________________

Instituição: _____________________________ Assinatura: __________________________

Prof. Dr. ___________________________________________________________________

(4)

DEDICATÓRIA

Dedico esta tese

aos meus falecidos pais, Noé e Maria José, pelas lições de seriedade, persistência e dedicação ao trabalho que

ficaram impregnadas em minha existência;

aos meus irmãos, Maria Ignez, José, Maria do Carmo, Maria Celina, Antônio e João, pelo carinho, atenção e confiança que sempre dedicaram ao irmão caçula; e

aos meus filhos, Adriana Augusta, Marco Antônio e Luiz Alexandre, com a certeza de que essa minha conquista ser-lhes-á um incentivo e um motivo de reflexões para suas vidas.

(5)

AGRADECIMENTOS

Meus sinceros agradecimentos

ao Prof. Dr. João Carlos Di Genio, Reitor da Universidade Paulista (UNIP), que, por acreditar, incentivar e apoiar, permitiu que tornasse realidade mais este sonho de minha vida;

ao Prof. Dr. Israel Brunstein, a quem aprendi a admirar pela competência, simplicidade, alegria e humor, e que não hesitou um instante sequer para aceitar-me como orientando;

ao Prof. Dr. Jair Minoro Abe, que, além de introduzir-me no caminho do doutorado, com amizade, dedicação e paciência, ajudou-me a percorrê-lo durante todos esses anos difíceis;

ao Prof. Dr. Newton Carneiro Affonso da Costa, que me fez descobrir o mundo da ciência e cultivar o interesse pela pesquisa, fazendo-me enxergá-la como arte e beleza;

aos especialistas convidados, pelo interesse e presteza com que atenderam à solicitação, ajudando-me com opiniões fundamentais para o desenvolvimento do case aqui apresentado;

a todos que contribuíram de alguma maneira, por meio de uma singela troca de idéias, ou de uma consulta bibliográfica ou eletrônica, ou simplesmente incentivando;

a todos, amigos e colegas de trabalho, que de alguma maneira convivem comigo e que souberam entender meus momentos de aflição, ansiedade e até de mau humor;

aos amigos de outros os tempos, que, em algum momento da vida, estenderam-me as mãos para que eu conseguisse traçar essa trajetória de vida;

aos meus familiares, que souberam, com paciência, compreensão e amor, entender meus longos períodos de ausência e incentivar-me a não esmorecer nos momentos de maior dificuldade e cansaço;

a todos que me querem bem e que, no silêncio de quem realmente gosta, rezaram e torceram para essa minha empreitada fosse coroada de êxito;

às pessoas queridas e próximas, que, nos momentos de maior dificuldade, souberam confortar-me com palavras e atos de incentivo, amizade, carinho e amor; e

finalmente, um agradecimento especial aos meus falecidos pais, que, com simplicidade e amor, legaram-me, entre muitas outras coisas, indeléveis interesse pelo estudo, perseverança e apego ao trabalho.

(6)

SUMÁRIO

1 INTRODUÇÃO 22

2 O PROCESSO DE TOMADA DE DECISÃO: REVISÃO DA LITERATURA 31 2.1 Introdução 31

2.2 Modelos do processo decisório 34

2.3 Tomada de decisão na Administração 42 2.4 Envolvimento de pessoas 43

2.4.1 Técnicas de decisão em grupo 44

2.4.2 Estilo do administrador 46

2.5 Informática 50

2.6 Sistema de produção e a estrutura de decisão 60 2.7 Teoria e prática 63

3 EMBASAMENTO TEÓRICO 65

3.1 Um breve histórico da lógica 65

3.2 Considerações gerais 73

3.2.1 Conectivos lógicos 75

3.2.2 Fórmulas da linguagem formal 79

3.3 Cálculo proposicional clássico 81

3.3.1 Estrutura dedutiva 81

3.3.2 Uma axiomática do cálculo proposicional clássico 83

3.3.3 Exemplos importantes de tautologias 85

3.4 Fundamentos de lógica paraconsistente 86

3.4.1 O que é a lógica paraconsistente 86 3.4.2 Uma axiomática da lógica paraconsistente 88 3.4.3 Alguns resultados importantes 89

3.5 Lógica paraconsistente anotada 90

3.5.1 Considerações iniciais 90

3.5.2 Aspectos gerais da lógica Eτ 91

3.5.3 Axiomática da lógica Eτ 95 3.5.4 O reticulado τ 97

(7)

3.5.4.1 Quadrado unitário do plano cartesiano (QUPC) 97 3.5.4.2 Grau de contradição 99

3.5.4.3 Grau de certeza 101

3.5.4.4 O reticulado τ e os estados de decisão 104 3.5.4.5 Alguns exemplos e comentários sobre os estados de decisão 108 3.5.4.6 Outra configuração dos estados de decisão 110

3.5.5 Os operadores NOT, OR e AND 112

3.5.5.1 O operador NOT 112

3.5.5.2 O operador OR 113

3.5.5.3 O operador AND 115

3.5.5.4 Comentários sobre as aplicações dos operadores OR e AND 117 3.5.6 Aplicações da lógica Eτ 120

4 A REGRA DE DECISÃO 123

4.1 Considerações gerais 123

4.2 O nível de exigência 126

5 O PROCESSO DE TOMADA DE DECISÃO – MÉTODO DE ANÁLISE 128 PELO BARICENTRO (MAB)

5.1 Considerações iniciais 128

5.2 Etapas do Método de Análise pelo Baricentro (MAB) 130 5.2.1 Fixação do nível de exigência 130 5.2.2 Escolha dos fatores de influência 131

5.2.3 Estabelecimento das seções para cada fator 132 5.2.4 Construção da base de dados 133

5.2.5 Pesquisa de campo 136

5.2.6 Cálculo das anotações resultantes 138

5.2.7 Determinação do baricentro 143

5.2.8 Tomada de decisão 144

6 EXEMPLOS DE APLICAÇÃO 146

6.1 Decisão Sobre a Abertura de um Novo Curso Superior por uma 146 Instituição de Ensino

6.1.1 Fixação do nível de exigência 147

(8)

6.1.2 Seleção dos fatores de influência e estabelecimento das seções 148 6.1.3 Construção da base de dados 150

6.1.5 Obtenção dos graus de evidência favorável e contrária, resultantes 152 para os fatores

6.1.6 Obtenção dos graus de evidências favorável e contrária do baricentro 154

6.1.7 Análise dos resultados 155

6.2 Análise da Viabilidade do Lançamento de um Produto 159 6.2.1 Fixação do nível de exigência 159 6.2.2 Escolha dos fatores de influência e o estabelecimento das seções 160 6.2.3 Construção da base de dados 162 6.2.4 Pesquisa de campo e cálculo dos graus resultantes de evidência 163

favorável e de evidência contrária para os fatores e do baricentro

6.3 Avaliação do Projeto de uma Fábrica 172 6.3.1 Fixação do nível de exigência 172 6.3.2 Escolha dos fatores e estabelecimento das seções 173 6.3.3 Construção da base de dados 175 6.3.4 Pesquisa de campo e obtenção dos resultados 176 6.3.5 Análise dos resultados e decisão final 177

6.3.6 Fidedignidade do MAB 179

6.3.7 Influência do nível de exigência 181 6.4 Análise de Viabilidade da Implantação de um Sistema de Manufatura 182

que Utiliza Tecnologias Avançadas

6.4.1 Coeficiente de desempenho de um novo sistema de manufatura 184 comparado com o antigo, para um determinado fator de influência

6.4.2 Fixando o nível de exigência 185 6.4.3 Identificando os fatores de influência (atributos ou indicadores) 186 6.4.4 Estabelecendo as seções para os fatores de influência 188 6.4.5 Construção da base de dados 189 6.4.6 Análise de viabilidade da implantação de Sistema Flexível de Manufatura 192

6.5 Previsão de Diagnósticos 199

6.5.1 Construção da base de dados 200

(9)

6.5.2 Cálculo do grau de certeza resultante para cada doença em 202 decorrência dos sintomas apresentados pelo paciente

6.5.3 A obtenção do diagnóstico previsto 206

6.6 Aplicação em um caso real 210

6.6.1 Pessoas que contribuíram diretamente com esta aplicação 210 6.6.2 Fixação do nível de exigência 213 6.6.3 Os especialistas escolhidos para construir a base de dados 214 6.6.4 Construção da base de dados 216 6.6.5 Organização dos especialistas em grupos 218

6.6.7 Processamento dos dados e obtenção do resultado 229

6.6.9 Análise de sensibilidade do MAB 232 6.6.10 Algumas observações sobre o caso real (case) analisado 234

7 O PROCESSO DE DECISÃO EM ALGUMAS EMPRESAS 237 7.1 O processo de decisão no Banco Real 237 7.1.1 Preocupação com a consulta de dados 245

7.1.2. Definição de crédito 245

7.1.3 Concorrente 247

7.1.4 Do ponto de vista da concorrência, da competição e da precificação 248 7.1.5 Posicionamento da tesouraria 248

7.1.6 Decisões de produto 249

7.1.7 Análise de balanço 249

7.1.8 Atratividade da marca 249

7.1.9 Vamos falar de outro índice: risco 250 7.2 O processo de decisão na BCS Informática 253

7.2.1 Introdução 253

7.2.2 Evolução da BCS 253

7.2.3 Entendendo melhor 255

7.2.4 Como é a estrutura organizacional da BCS 257 7.3 O processo de tomada de decisão nas empresas de telecomunicações 260

7.3.1 Introdução 260

7.3.2 O panorama 261

(10)

7.3.3 O caso 262

7.3.4 O Processo de decisão 264

7.3.5 Movimentos estratégicos 266

7.3.5.1 Liquidação programada das operadoras fixas e migração 266 para os serviços móveis.

7.3.5.2 Processo de manutenção do modelo vigente 267

7.3.6 Conclusões 268

7.4. O processo de decisão na Voss Automotive Ltda. 269 7.5 Um aplicação do MAB a essas empresas 273

8 CONCLUSÕES E PERSPECTIVAS 280

REFERÊNCIAS BIBLIOGRÁFICAS 290

APÊNDICE A – Base de dados completa para a aplicação 6.4 (Tabela 6.13) 298

APÊNDICE B - Base de dados completa para a aplicação 6.5 (Tabela 6.16) 300

APÊNDICE C – Tabelas de cálculo completas e gráficos da aplicação 6.5 308 (Tabela 6.18 e Figura 6.15)

APÊNDICE D – Modelo de solicitação de opiniões aos especialistas 340 (Aplicação real 6.6 (case))

APÊNDICE E - Base de dados completa para a aplicação 7.5 (Tabela 7.3) 345

APÊNDICE F – Tabelas de cálculo completas da aplicação 7.5 (Tabela 7.5) 347

ANEXO A – Diploma do prêmio obtido no CASYS’03 (Liège – Bélgica) 349 pelo trabalho apresentado no parágrafo 6.2

(11)

LISTA DE SIGLAS

AA Montagem Automatizada (Automated Assembly) AHP Analytic-Hierarchy Process

ARPU Receita média por assinante

CAD/CAM Projeto e Manufatura Automatizados por Computador (Computer Automated Design and Manufacturing) CBR Case-based reasoning

CD Coeficiente de desempenho CEE Conselho Estadual de Educação CESP Companhia Energética de São Paulo Cetec Centro de Tecnologia e Ciência CFE Conselho Federal de Educação CIM Manufatura Integrada por Computador

(Computer Integrated Manufacturing)

CIMOSA Computer Integrated Manufacturing – Open System Architecture CHS Carga horária semanal

CM Manufatura Celular (Cellular Manufacturing) CME Conselho Municipal de Educação CNE Conselho Nacional de Educação

Consepe Conselho de Ensino Pesquisa e Extensão Consuni Conselho Universitário

CPSI Creative Problem Solving Institute

CRUB Conselho de Reitores das Universidades Brasileiras

Cruerj Conselho de Reitores das Universidades do Estado do Rio de Janeiro C/V Candidatos por vaga

DAU Departamento de Assuntos Universitários DD Densidade demográfica

Dersa Desenvolvimento Rodoviário S.A.

Dieese Departamento Intersindical de Estatística e Estudos Socioeconômicos DSBAP Decision-support System for Business Acquisition Process

DSR Descanso Semanal Remunerado DSS Decision Support Systems

(12)

ENC Exame Nacional de Cursos ("Provão")

Enade Exame Nacional de Desempenho de Estudantes EPUSP Escola Politécnica da Universidade de São Paulo Eτ Lógica Paraconsistente Anotada Evidencial FBDSS Form-based decision support systems FEI Faculdade de Engenharia Industrial

FFLCH Faculdade de Filosofia, Letras e Ciências Humanas Fiesp Federação das Indústrias do Estado de São Paulo FOF Factory of the Future

FMS Sistemas Flexíveis de Manufatura (Flexible Manufacturing Systems) GRAI Graphs with Results and Activities Interrelated

GT Tecnologia de Grupo (Group Technology)

HA Hora atividade

IA Inteligência Artificial

IAD Inteligência Artificial Distribuída IBGE Instituto Brasileiro de Geografia e Estatística ICET Instituto de Ciências Exatas e Tecnologia IDSS Intelligent decision support system IEA Instituto de Estudos Avançados

IMPACS Integrated Manufacturing Panning And Control System

INEP Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira IPEA Instituto de Pesquisa Econômica Aplicada

ITA Instituto Tecnológico de Aeronáutica K & T Modelo de Kepner & Tregoe

LP Lógica Paraconsistente

LPA Lógica Paraconsistente Anotada LPD Linha Perfeitamente Definida LPI Linha Perfeitamente Indefinida MAB Método de Análise pelo Baricentro MADM Multiple attribute decision making MAUF Multi-Attribute Utility Function MAUT Multi-Attribute Utility Theory

MBA Master Business Administration MBTI Myers-Briggs Type Indicator

(13)

MCDA Multi-criteria decision aid MDCA Multi-criteria decision analysis NPV Net present value

NPVDCS Fluxo de caixa descontado a valor presente ONG Organização não governamental OR Operation research

PDE Processo de Decisão Estratégica PO Pesquisa operacional

PUC/SP Pontifícia Universidade Católica de São Paulo QUPC Quadrado Unitário do Plano Cartesiano RBR Rule-based reasoning

RE Equipamentos de Robótica (Robotic Equipment)

RH Recursos Humanos

Seade Fundação Sistema Estadual de Análise de Dados

Semesp Sindicato das Entidades Mantenedoras de Estabelecimentos de Ensino Superior no Estado de São Paulo

SJC São José dos Campos TIR Taxa Interna de Retorno TNG Técnica Nominal de Grupo TOR Teoria das Opções Reais UCB Universidade Castelo Branco UFRJ Universidade Federal do Rio de Janeiro UMC Universidade de Mogi das Cruzes UNIB Universidade Ibirapuera Unicamp Universidade Estadual de Campinas UNIP Universidade Paulista

Unicid Universidade Cidade de São Paulo

UniFEI Centro Universitários da Faculdade de Engenharia Industrial Unifesp Universidade Federal de São Paulo

Univap Universidade do Vale do Paraíba

USO Universalization Services Obligations USP Universidade de São Paulo

VPL Valor Presente Líquido

(14)

LISTA DAS TABELAS

Tabela 3.1 – Tabelas-verdade 78

Tabela 3.2 – Comparação entre alguns resultados das lógicas proposicionais, 89 clássica e paraconsistente

Tabela 3.3 – Resumo da análise de doze regiões do quadrado unitário do 108 plano cartesiano (QUPC)

Tabela 3.4 – Aplicação do operador NOT aos estados lógicos extremos do QUPC 113 Tabela 3.5 – Aplicação do operador OR aos estados lógicos extremos do QUPC 114 Tabela 3.6 – Aplicação do operador AND aos estados lógicos extremos do QUPC 116 Tabela 5.1 – Base de dados: matrizes dos pesos, MPi, e das anotações, MA 136 Tabela 5.2 – Matrizes pesquisada, Mpq, dos pesos, MPi, e dos dados 137

pesquisados, MDpq

Tabela 5.3 – Matrizes pesquisada, Mpq, dos pesos, MPi, e dos dados 140 pesquisados, MDpq

Tabela 5.4 – Matrizes dos grupos, MG1 e MG2, resultantes da aplicação da 141 regra de maximização

Tabela 5.5 – Matriz resultante, MR 142 Tabela 5.6 – Tabela de cálculos, com a indicação das anotações bivaloradas 142 Tabela 5.7 – Tabela de cálculos, com a indicação dos valores das evidências 142

favorável (a) e contrária (b)

Tabela 6.1 – Base de dados: valores das evidências favorável e contrária 151 atribuídos pelos especialistas a cada um dos fatores, nas

condições das seções estabelecidas (matriz das anotações)

Tabela 6.2 – Resultados da pesquisa para o curso X na região Y (matriz pesquisada) 152 Tabela 6.3 – Graus de evidência favorável e de evidência contrária ao sucesso do 152

curso X atribuídos pelos especialistas, para as condições dos fatores de influência na região Y (matriz dos dados pesquisados, MDpq)

Tabela 6.4a – Tabela de cálculos do MAB na análise de viabilidade do curso X 153 na região Y, nas condições das seções Spi obtidas na pesquisa

Tabela 6.4b – Tabela de cálculos do MAB na análise de viabilidade do curso X’ na 157 região Y’, quando todos os fatores se mostraram favoráveis (seção S1)

(15)

Tabela 6.5 – Base de Dados: graus de evidência favorável e de evidência contrária 163 atribuídos pelos especialistas aos fatores, nas condições definidas

pelas seções

Tabela 6.6 – Tabela de cálculos do MAB: seções pesquisadas, graus de evidência 164 favorável e de evidência contrária, aplicação dos operadores

OR e AND, cálculos e análise dos resultados

Tabela 6.7 – Aplicação do MAB na situação em que todos os fatores são muito 168 favoráveis (seção S1)

Tabela 6.8 – Aplicação do MAB na situação em que todos os fatores são muito 169 desfavoráveis (seção S5)

Tabela 6.9a – Aplicação do MAB na situação em que cinco fatores são muito 170 favoráveis (seção S1) e cinco são apenas favoráveis (seção S2),

com nível de exigência igual a 0,60. Resultado: viável

Tabela 6.9b – Aplicação do MAB na situação em que cinco fatores são muito 170 favoráveis (seção S1) e cinco são apenas favoráveis (seção S2),

com nível de exigência igual a 0,80. Resultado: não conclusivo

Tabela 6.10 – Base de dados: graus de evidência favorável e de evidência contrária 176 atribuídos pelos especialistas para os fatores, em cada uma das seções, e os pesos médios dos fatores

Tabela 6.11 – Tabela de cálculos do MAB: fatores (coluna 1), pesos (2), seções 177 pesquisadas (3), graus de evidência favorável e de evidência contrária (colunas de 4 a 11), aplicação dos operadores OR (12 e 13) e

AND (14 e 15), cálculos (16 e 17) e análise dos resultados (18)

Tabela 6.12a – Análise do projeto P’, para o qual todos os fatores mostraram-se 180 favoráveis (seção S1)

Tabela 6.12a – Análise do projeto P’’, para o qual todos os fatores mostraram-se 180 desfavoráveis (seção S3)

Tabela 6.13 – Matriz das anotações: graus de evidências favorável e contrária 192 atribuídos pelos especialistas aos fatores, em cada uma das seções

Tabela 6.14 – Cálculos e análise dos resultados feitos pelo MAB, adotando nível 194 de exigência igual a 0,75 (a este nível a análise mostrou-se

não conclusiva)

(16)

Tabela 6.15 – Cálculos e análise dos resultados feitos pelo MAB, adotando nível 198 de exigência igual a 0,60 (a este nível a análise mostrou que

o empreendimento é viável)

Tabela 6.16 – Base de dados: valores das evidências favorável e contrária 201 atribuídos pelos especialistas para as trinta e duas doenças,

diante de cada um dos trinta sintomas

Tabela 6.17 – Tabela de decisão, obtida a partir dos sintomas apresentados pelo 203 paciente e dos graus de certeza de cada uma das doenças analisadas

Tabela 6.18 – Tabela de cálculos da doença AA. Calcula o grau de certeza da doença 204 AA (= 0,265), considerando os sintomas apresentados pelo paciente

Tabela 6.19 – Base de dados: graus de evidência favorável e de evidência contrária 217 atribuídos pelos especialistas aos fatores de influência,

nas condições estabelecidas pelas seções.

Tabela 6.20 – Dados do Censo do Ensino Superior, de 1997 a 2001, obtidos junto 219 ao INEP

Tabela 6.21 – Número de alunos matriculados no ensino médio, na região de SJC, 220 em 2001

Tabela 6.22 – Densidade demográfica dos municípios da região de SJC 222 Tabela 6.23 – Cálculo da nota média da instituição e atribuição de seu conceito 225 Tabela 6.24 – Cálculo da CHS média dos três cursos de Engenharia previstos 226 Tabela 6.25 – Valores de mensalidades nos cursos de Engenharia (ou similares) 228

nas escolas de SJC

Tabela 6.26 – Resultados da pesquisa para o curso de Engenharia na cidade de SJC 229 Tabela 6.27 – Tabela de cálculos para a obtenção do resultado da análise 230

feita pelo MAB

Tabela 6.27a – Tabela de cálculos para a obtenção do resultado da análise feita 230 pelo MAB (1ª parte: dados correspondentes às seções pesquisadas)

Tabela 6.27b – Tabela de cálculos para a obtenção do resultado da análise feita pelo 231 MAB (2ª parte: aplicação dos operadores OR e AND e

da regra de decisão).

Tabela 6.28 – Análise de sensibilidade do MAB com relação aos 233

Tabela 6.29 – Análise de sensibilidade do MAB em relação às seções em 233 que os fatores podem ser encontrados

Tabela 6.30 – Análise de sensibilidade do MAB com relação ao nível de exigência 234

(17)

Tabela 7.1 – Um exemplo de organograma linear 257 Tabela 7.2 – Organograma linear adotado pela BCS Informática 259 Tabela 7.3 – Base de dados: opiniões dos especialistas sobre os investimentos 274

diante dos fatores de influência, nas condições definidas pelas seções

Tabela 7.4 – Tabela de decisão do MAB em análise de investimentos (1ª pesquisa) 276 Tabela 7.5 – Tabela de cálculos do MAB na análise do investimento A nas 277

condições da 1ª pesquisa.

Tabela 7.6 – Tabela de decisão do MAB em análise de investimentos (1ª pesquisa) 278 Tabela 7.7 – Tabela de cálculos do MAB na análise do investimento A nas 279

condições da 2ª pesquisa.

(18)

LISTA DAS FIGURAS

Figura 3.1 – Representação do reticulado τ das anotações pelo diagrama de Hasse 92 Figura 3.2 – Quadrado unitário do plano cartesiano (QUPC) 97

Figura 3.3 – QUPC e a linha perfeitamente definida (LPD) 100 Figura 3.4 – QUPC e a linha perfeitamente indefinida (LPI) 102 Figura 3.5 – QUPC dividido em quatro regiões pelas linhas LPD e LPI 103 Figura 3.6 – Uma divisão do QUPC em doze regiões 104 Figura 3.7 – QUPC, as quatro regiões extremas e as linhas limites 105 Figura 3.8 – Análise de algumas regiões do QUPC 107 Figura 3.9 – Regiões extremas com graus de certeza e de contradição, 109

em módulo, iguais ou maiores que 0,75

Figura 3.10 – Regiões extremas com grau de contradição, em módulo, igual ou maior 110 que 0,50 e com grau de certeza, em módulo, igual ou maior que 0,75

Figura 3.11 – Representação do reticulado associado a Eτ com os graus de 111 certeza em abscissa e os graus de contradição em ordenada

Figura 3.12 – Interpretação gráfica do resultado da aplicação do operador NOT 113 Figura 3.13 – Interpretação gráfica da aplicação do operador OR aos estados 115

representados pelos pontos X e Y

Figura 3.14 – Interpretação gráfica da aplicação do operador AND aos estados 117 traduzidos pelos pontos X e Y

Figura 3.15 – Esquema de uma aplicação dos operadores OR e AND 118 Figura 3.16 – Esquema de uma aplicação dos operadores OR e AND 120 Figura 4.1 – Regiões extremas com graus de contradição e de certeza, 123

em módulo, iguais ou maiores que 0,70

Figura 5.1 – Regra de decisão e algoritmo para-analisador, para nível de 131 exigência igual a 0,70 (ou 70%)

Figura 6.1a – Algoritmo para-analisador para o nível de exigência igual a 0,60 147 Figura 6.1b – Regra de decisão para o nível de exigência igual a 0,60 148 Figura 6.2a – Aplicação do algoritmo para-analisador para análise de viabilidade 156

do curso X na região Y

(19)

Figura 6.2b – Aplicação do algoritmo para-analisador para análise de viabilidade 158 do curso X' na região Y', quando todos os fatores são

favoráveis (seção S1), ao nível de exigência 0,60

Figura 6.3 – Regra de decisão e algoritmo para-analisador para o nível 160 de exigência 0,60

Figura 6.4 – Análise do resultado pelo algoritmo para-analisador 166 Figura 6.5 – Análise do resultado quando todos os fatores são muito favoráveis (S1) 168 Figura 6.6 – Análise do resultado quando todos os fatores são muito desfavoráveis (S5) 169 Figura 6.7a – Análise do resultado pelo algoritmo para-analisador no caso em 171

que cinco fatores são muito favoráveis (seção S1), cinco são apenas favoráveis (seção S2) e o nível de exigência é igual a 0,60 (viável)

Figura 6.7b – Análise do resultado pelo algoritmo para-analisador no caso em que 171 cinco fatores são muito favoráveis (seção S1), cinco são apenas favo-

ráveis (seção S2) e o nível de exigência é igual a 0,80 (não conclusivo) Figura 6.8a – Dispositivo para-analisador para o nível de exigência 0,65 172 Figura 6.8b – Regra de decisão para o nível de exigência 0,65 173 Figura 6.9 – Análise dos resultados pelo dispositivo para-analisador, com nível 179

de exigência igual a 0,65

Figuras 6.10a, b – Análise do resultado quando todos os fatores são 180 favoráveis (viável ao nível de exigência 0,65) e quando todos

os fatores desfavoráveis (inviável ao nível de exigência 0,65)

Figuras 6.11a, b – Análise do resultado quando quatro fatores são favoráveis (S1) 181 e quatro são indiferentes (S2) (Resultado não conclusivo, ao nível

de exigência 0,65; viável, ao nível de exigência 0,55).

Figura 6.12 – Regra de decisão e algoritmo para-analisador para o nível 185 de exigência 0,75

(20)

Figura 6.13 – Análise dos resultados pelo algoritmo para-analisador, ao nível de 196 exigência 0,75 (a este nível a análise mostrou-se não conclusiva)

Figura 6.14 – Análise dos resultados pelo algoritmo para-analisador, ao nível de 197 exigência 0,60 (a este nível a análise acusou que o empreendimento

é viável)

Figura 6.15 – Efeitos, isolados e resultante, dos doze sintomas apresentados pelo 206 paciente na doença AA

Figura 6.16 – Localização dos trinta e dois baricentros que traduzem a 208 influência combinada os doze sintomas apresentados pelo

paciente nas trinta e duas doenças consideradas

Figura 6.17 – Regra de decisão e algoritmo para-analisador para o nível de 214 exigência 0,50

Figura 6.18 – Análise da viabilidade do curso de Engenharia em SJC, pelo 232 algoritmo para-analisador

Figura 7.1 – Uma representação de uma estrutura matricial de decisões 255 Figura 7.2 – Estrutura administrativa da BCS Informática 258 Figura 7.3 – Estrutura matricial para decisões adotada pela BCS Informática 258

para a Diretoria de Serviços e Infraestrutura

Figura 7.4 – Distribuição do tráfico de telecomunicações entre as diferentes 263 modalidades

Figura 7.5 – Distribuição de receitas em telecomunicações entre as diferentes 263 modalidades

Figura 7.6 – Um esquema de aplicação das regras de maximização (operador OR) e 275 de minimização (operador AND) da lógica Eτ às opiniões dos

especialistas, em aplicações financeiras

Figura 7.7 – Análise dos investimentos vista por meio do algoritmo para- 277 analisador (1ª pesquisa)

Figura 7.8 – Análise dos investimentos vista por meio do algoritmo para- 279 analisador (2ª pesquisa)

(21)

RESUMO

DE CARVALHO, FÁBIO R. Aplicação de Lógica Paraconsistente Anotada em Tomadas de Decisão na Engenharia de Produção. 2006. 349 p. Tese (Doutorado) – Escola Politécnica da Universidade de São Paulo, São Paulo, Brasil, 2006.

Em Engenharia de Produção, os processos de decisão constituem um dos temas centrais e envolvem fatores de naturezas diversas, que os cercam de dificuldades. Nesses processos, não raramente, estão presentes fatores de natureza subjetiva, informações imprecisas, quando não vagas e mesmo conflitantes, que podem levar a decisões distorcidas, comprometendo a clareza e a objetividade de uma análise. Para manipular logicamente um conjunto de informações vagas, subjetivas, inconsistentes ou paracompletas, são necessárias lógicas alternativas da clássica, pois esta não pode, ao menos diretamente, ser empregada para tal fim.

Assim, a lógica paraconsistente pode, em princípio, ser uma ferramenta adequada para a tarefa. No presente trabalho será apresentado um processo de auxílio às tomadas de decisão, denominado de Método de Análise pelo Baricentro (MAB), que se baseia na lógica paraconsistente anotada evidencial Eτ e no algoritmo para-analisador, introduzidos em (DA COSTA et al., 1999) e (DA SILVA FILHO; ABE, 2001). Esse método permite, de modo não trivial, o tratamento de informações com aquelas características e evidencia a possibilidade de aplicações da lógica Eτ em Administração, Marketing, Engenharia de Produção, previsão de diagnósticos, aplicações financeiras, entre outros temas. Um estudo de caso real, com resultados plenamente satisfatórios, mostra sua aplicabilidade na prática. Além disso, o MAB abre, entre outras, a perspectiva de se transformarem análises qualitativas em quantitativas.

Palavras-Chave: lógica paraconsistente, tomadas de decisão, nível de exigência, regra de decisão, algoritmo para-analisador.

(22)

ABSTRACT

DE CARVALHO, FÁBIO ROMEU. Application of Paraconsistent Annotated Logic in Production Engineering Decision Making. 2006. 349 p. Thesis (Doctorship) – Escola Politécnica da Universidade de São Paulo, São Paulo, Brazil, 2006.

In Production Engineering, decision making processes represent one of the most important topics and involve factors of various natures, which are, in turn, surrounded by difficulties.

Quite often in these processes, there are factors of subjective nature, inaccurate data, sometimes even vague or conflicting information, which may lead to distorted decisions that eventually compromise the clarity and objectiveness of the analysis. In order to logically handle a set of vague, subjective, inconsistent or paracomplete information, logic other than classic is required, once the latter cannot, at least directly, be applied for such purpose. Hence, paraconsistent logic can, in principle, be an adequate tool for the task. In this paper, we will present an auxiliary process in decision making called Baricenter Analysis Method (BAM), which is based in Paraconsistent Annotated Evidential Logic Eτ and in a para-analyzer algorithm, introduced in (DA COSTA et al., 1999) and (DA SILVA FILHO; ABE, 2001).

This methodology allows, in quite an unusual way, the treatment of information containing those characteristics and points out the possibility of applications of logic Eτ in Business Administration, Marketing, Production Engineering, anticipation of diagnosis, financial applications, among other subjects. Furthermore, BAM opens the possibility of transforming qualitative into quantitative analysis.

Key Words: paraconsistent logic, decision making, decision rule, level of requirement, para- analyzer algorithm.