localizaÇÃo de loja de departamentos no rio de...
TRANSCRIPT
i
FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM
ADMINISTRAÇÃO E ECONOMIA
DISSERTAÇÃO DE MESTRADO PROFISSIONAL EM ADMINISTRAÇÃO
LOCALIZAÇÃO DE LOJA DE DEPARTAMENTOS NO RIO DE JANEIRO:
UMA ANÁLISE MULTICRITÉRIO CLASSIFICATÓRIA PELO MÉTODO TODIM-
FSE
RENATO MONTE ARAÚJO
ORIENTADOR: PROF. DR. LUIZ FLÁVIO AUTRAN MONTEIRO GOMES
Rio de Janeiro, 26 de fevereiro de 2014
ii
LOCALIZAÇÃO DE LOJA DE DEPARTAMENTOS NO RIO DE JANEIRO: UMA
ANÁLISE MULTICRITÉRIO CLASSIFICATÓRIA PELO MÉTODO TODIM-FSE
RENATO MONTE ARAÚJO
Dissertação apresentada ao curso de
Mestrado Profissional em Administração
como requisito parcial para obtenção do
Grau de Mestre em Administração.
Área de Concentração: Gestão das
Organizações
ORIENTADOR: LUIZ FLÁVIO AUTRAN MONTEIRO GOMES
Rio de Janeiro, 26 de fevereiro de 2014
iv
A658
Araújo, Renato Monte.
Localização de loja de departamentos no Rio de Janeiro:
uma análise multicritério classificatória pelo método
TODIM-FSE / Renato Monte Araújo. - Rio de Janeiro: [s.n.],
2014.
103 f. : il.
Dissertação de Mestrado profissional em
Administração do IBMEC.
Orientador (a): Luiz Flávio Autran Monteiro Gomes
1. Apoio Multicritério à Decisão. 2. Classificação
Multicritério. 3. TODIM-FSE. 4. Análise de
Localização. 5. Varejo I. Título CDD 658
v
AGRADECIMENTOS
À minha esposa Silvana, por todo o apoio, incentivo, paciência e compreensão durante a
realização do mestrado, me proporcionando confiança e tranquilidade para a dedicação
necessária neste projeto.
Ao meu orientador, Professor Luiz Flávio Autran Monteiro Gomes, pelo aprendizado
proporcionado, bem como suas valiosas contribuições para a concretização desta dissertação.
Aos meus pais, por terem me proporcionado uma educação e formação acadêmica
compatíveis com os desafios encontrados ao longo da minha trajetória profissional.
Aos membros da banca, Professores Helder Gomes Costa e Maria Augusta Soares Machado,
pelas sugestões dadas para o aprimoramento deste trabalho.
vi
“Mesmo quando tudo parece desabar, cabe a
mim decidir entre rir ou chorar, ir ou ficar, desistir ou
lutar; porque descobri, no caminho incerto da vida, que
o mais importante é o decidir.”
Cora Coralina
vii
RESUMO
Este trabalho tem como objetivo demonstrar a utilização de um método de apoio multicritério
à decisão como ferramenta de apoio para escolha de pontos comerciais disponíveis na cidade
do Rio de Janeiro, localizados em rua, para abertura de lojas de departamentos de uma grande
empresa brasileira no segmento de moda. O método multicritério utilizado é o TODIM-FSE,
ou Tomada de Decisão Interativa Multicritério com Avaliação Sintética Fuzzy, e tem como
objetivo classificar os pontos disponíveis em categorias previamente definidas pelos
tomadores de decisão. Os critérios definidos para a análise de localização dos pontos
disponíveis foram definidos pelos tomadores de decisão. A utilização de critérios
quantitativos e qualitativos que tratam de números nebulosos, considerando aspectos
subjetivos conhecidos pelos tomadores de decisão, e a modelagem do comportamento
humano frente às situações de possíveis ganhos e perdas são os grandes diferenciais do
método utilizado e possibilitam seu uso para problemas de decisão em diversas atividades e
segmentos, assim como no varejo.
Palavras Chave: Apoio Multicritério à Decisão, Classificação Multicritério,TODIM-FSE,
Análise de Localização, Varejo.
viii
ABSTRACT
This paper aims to demonstrate the use of a multicriteria decision method as a support tool for
choose available sites in the city of Rio de Janeiro, located in high street, to open department
stores of a large Brazilian company in the fashion segment. The multicriteria method is
TODIM -FSE, or Interactive Multiple Criteria Decision Making with Fuzzy Synthetic
Evaluation, and aims to classify the sites available in categories previously defined by
decision makers. The criteria for location analysis of available sites were defined by decision
makers. The use of quantitative and qualitative criteria dealing with fuzzy numbers,
considering subjective aspects known by decision makers, and the human behavior modeling
in face of possible gains and losses situations are the major differences of method and enable
its use for decision problems in many activities and segments, as well as retail.
Key Words: Multicriteria Decision Aid, Multicriteria Classification, TODIM-FSE, Location
Analysis, Retail.
ix
LISTA DE FIGURAS
Figura 1 – Taxa de desemprego no Brasil entre 2002 e 2013*.......................................5
Figura 2 – Crescimento do número de shopping centers no Brasil................................6
Figura 3 – Estimativas populacionais para o Brasil........................................................6
Figura 4 – Classificação das instituições varejistas........................................................8
Figura 5 – Os 4 Ps do mix de marketing.......................................................................10
Figura 6 – Problemas discretos.....................................................................................24
Figura 7 – Problemas contínuos....................................................................................24
Figura 8 – Etapas do processo de apoio multicritério à decisão...................................27
Figura 9 – O problema de Classificação comparado ao problema de Clusterização....32
Figura 10 – Esboço do processo geral do método UTADIS.........................................37
Figura 11 – Função de valor típica da Teoria dos Prospectos.......................................39
Figura 12 – Funções de contribuições trapezoidais......................................................42
Figura 13 – Funções de contribuição para os critérios Venda por m2 e Tamanho do
imóvel.................................................................................................................... ........54
Figura 14 – Funções de contribuições para o critério Custo de locação......................54
x
LISTA DE TABELAS
Tabela 1 – Exemplo de tabela de contribuições para um caso hipotético.....................20
Tabela 2 – Tabela de referência para problemas de decisão.........................................25
Tabela 3 – Uma comparação entre os métodos da Escola Francesa e a Teoria da
Utilidade Multiatributo.................................................................................................30
Tabela 4 – Características dos principais métodos do tipo ELECTRE.........................33
Tabela 5 – Tabela de contribuições para o critério i.....................................................42
Tabela 6 – Tabela de contribuições agrupadas dos critérios.........................................43
Tabela 7 – Escala fundamental de Saaty.......................................................................44
Tabela 8 – Definição das características de cada um dos critérios adotados no
estudo............................................................................................................................53
Tabela 9 – Tabela de contribuições para o critério Acessibilidade visual....................55
Tabela 10 – Tabela de contribuições para o critério Concorrência no entorno..........56
Tabela 11 – Matriz de comparações paritárias preenchida com base na escala
fundamental de Saaty....................................................................................................57
Tabela 12 – Matriz de comparações paritárias com inconsistência nula......................57
Tabela 13 – Dados normalizados dos pontos, obtidos junto à empresa, para aplicação
do método TODIM-FSE...............................................................................................58
Tabela 14 – Tabela de contribuições agrupadas dos critérios para o Ponto 1..............59
Tabela 15 – Tabela do vetor de pesos dos critérios......................................................59
Tabela 16 – Taxas de substituição, considerando o critério Venda por m2 como a
referência.......................................................................................................................59
Tabela 17 – Matriz de dominâncias para o Ponto 1......................................................60
Tabela 18 – Classificação para cada um dos pontos, considerando ɵ=1 e ɵ=2,5.........60
Tabela 19 – Tabela de contribuições com os valores atribuídos para a loja benchmark
existente na empresa.....................................................................................................62
Tabela 20 – Classificação final para benchmark, utilizando modelo desenvolvido para
o estudo dos 5 (cinco) pontos em estudo, com ɵ=1 e ɵ=2,5.........................................62
Tabela 21 – Tabela de contribuições com os valores atribuídos para a loja de shopping
center com baixo desempenho......................................................................................63
Tabela 22 – Classificação final para loja com baixo desempenho, utilizando modelo
desenvolvido para o estudo dos 5 (cinco) pontos em estudo, com θ=1 e θ=2,5..........63
xi
Sumário
1 INTRODUÇÃO .......................................................................................... 1
2 REVISÃO BIBLIOGRÁFICA ...................................................................... 3
2.1 O varejo em transformação ..................................................................................................... 3
2.2 Os formatos varejistas e suas classificações............................................................................. 7
2.3 Critérios para escolha de um ponto de loja. ............................................................................ 9
2.4 Lojas em rua versus Lojas em shopping center. .....................................................................13
3 REFERENCIAL TEÓRICO ...................................................................... 18
3.1 Conjuntos nebulosos ...............................................................................................................18
3.2 A tomada de decisão ...............................................................................................................20
3.3 Apoio multicritério à decisão ..................................................................................................22
3.4 Processo de apoio multicritério à decisão ...............................................................................26
3.5 Escolas de Pensamento ...........................................................................................................29
3.6 Apoio multicritério à decisão para problemas de classificação ..............................................30
3.7 Principais métodos multicritério para classificação ordenada ..............................................33 3.7.1 ELECTRE-TRI ....................................................................................................................33 3.7.2 UTADIS ..............................................................................................................................35
4 O MÉTODO TODIM-FSE ........................................................................ 38
4.1 Definição dos analistas de decisão e dos decisores envolvidos no processo (Etapa 1) ............40
4.2 Análise e estruturação do problema de decisão (Etapa 2)......................................................41
4.3 Definição dos critérios fundamentais para o problema em estudo (Etapa 3) ........................41
4.4 Definição das categorias e funções de contribuição (Etapa 4) ................................................41
4.5 Definição da importância relativa entre os critérios escolhidos (Etapa 5) .............................43
4.6 Classificação de cada alternativa nas categorias propostas (Etapa 6) ...................................45
4.7 Análise de Validação (Etapa 7) ...............................................................................................47
5 ESTUDO DE CASO: ESCOLHA DE PONTO DE LOJA DE DEPARTAMENTOS NO CENTRO DO RIO DE JANEIRO ............................. 48
5.1 Definição dos analistas de decisão e dos decisores envolvidos no processo ............................49
5.2 Análise e estruturação do problema de decisão......................................................................49
xii
5.3 Definição dos critérios fundamentais para o problema em estudo ........................................50
5.4 Definição das categorias e funções de contribuição ................................................................53
5.5 Definição da importância relativa entre os critérios escolhidos .............................................56
5.6 Classificação de cada alternativa nas categorias propostas ...................................................58
5.7 Análise de validação ................................................................................................................61
6 RELEVÂNCIA DO ESTUDO.................................................................... 65
7 LIMITAÇÕES DO ESTUDO..................................................................... 66
8 CONCLUSÃO .......................................................................................... 67
9 RECOMENDAÇÕES PARA ESTUDOS FUTUROS ................................ 69
REFERÊNCIAS BIBLIOGRÁFICAS ............................................................... 70
APÊNDICE A – MODELO DO QUESTIONÁRIO DE PESOS......................... 77
APÊNDICE B - TABELAS DE DADOS DOS PONTOS EM ESTUDO COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=1) ............................................. 78
APÊNDICE C - TABELAS DE DADOS DOS PONTOS EM ESTUDO COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=2,5) .......................................... 83
APÊNDICE D – TABELAS DE DADOS DO BENCHMARK COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=1) ................................................................... 88
APÊNDICE E – TABELAS DE DADOS DO BENCHMARK COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=2,5) ................................................................ 89
APÊNDICE F – TABELAS DE DADOS DA LOJA DE SHOPPING CENTER COM BAIXO DESEMPENHO APLICANDO O MÉTODO TODIM-FSE (Ɵ=1) 90
APÊNDICE G – TABELAS DE DADOS DA LOJA DE SHOPPING CENTER COM BAIXO DESEMPENHO APLICANDO O MÉTODO TODIM-FSE (Ɵ=2,5)........................................................................................................................ 91
1
1 INTRODUÇÃO
Em um mundo cada vez mais globalizado, as empresas buscam níveis maiores de
profissionalização e desenvolvimento técnico de suas atividades, visando reduzir ao
máximo o nível de incerteza e o aumento de produtividade e, consequentemente, das
margens de lucro em seus negócios. Friedman (2007) comenta que o “mundo está se
tornando plano”, à medida que os avanços tecnológicos e de comunicações conectam as
pessoas como nunca, criando uma explosão de riqueza em diversos locais do mundo,
como Índia e China, desafiando o resto do mundo a correr para não ficar para trás. E neste
cenário atual, diversas ferramentas de apoio são desenvolvidas para tornar sólidos,
eficientes e eficazes os diversos propósitos do mundo corporativo.
A partir da década de 60, foi iniciado um movimento de pesquisa e
desenvolvimento de tecnologias que apoiassem decisões. E o grande aprimoramento deste
movimento aconteceu com a incorporação aos modelos matemáticos do caráter subjetivo
da tomada de decisão. A subjetividade é atribuída à experiência e conhecimento
adquiridos ao longo do tempo pelos responsáveis pelas tomadas de decisão. Por exemplo,
um profissional que trabalha durante muito tempo decidindo sobre projetos de expansão
para uma empresa adquire um conhecimento que não se consegue modelar tão facilmente.
A tomada de decisão pode ser evidenciada nas mais simples atividades diárias, tais
como o que fazer para se divertir: assistir televisão, ler um livro, jogar no computador etc.
Com isto, uma primeira decisão poderá acarretar outras, como por exemplo: se a decisão é
assistir televisão, que canal assistir. Assim, há um desdobramento das decisões a serem
tomadas.
Por isto, este trabalho tem o propósito de associar uma tomada de decisão
importante no segmento varejista com uma metodologia avançada que apoia este
processo, reduzindo consideravelmente a subjetividade presente no cenário decisório.
Trata-se da avaliação e classificação de pontos comerciais para concretizar ou não a
abertura de lojas de departamentos em uma determinada região da Cidade do Rio de
Janeiro, considerando o conhecimento adquirido ao longo dos anos pelos principais
executivos de uma determinada empresa do segmento varejista no ramo de moda. Este
2
processo envolve características e critérios quantitativos e qualitativos, sendo importante
utilizar a tecnologia dos conjuntos nebulosos (Fuzzy Sets), em conjunto com a ferramenta
de apoio multicritério à decisão denominada TODIM.
Desta forma, neste trabalho, busca-se um entendimento básico sobre o segmento
varejista, através de uma revisão bibliográfica, um estudo dos conjuntos nebulosos, da
tomada de decisão, de alguns métodos de apoio multicritério à decisão (como ELECTRE-
TRI e UTADIS) e uma análise sobre o método TODIM-FSE. A seguir, vamos analisar o
caso de uma empresa brasileira do segmento varejista que terá sua identidade mantida em
sigilo, entendendo seu contexto atual e as informações disponíveis para que pontos
comerciais disponíveis em rua sejam avaliados e classificados como viáveis ou não para
que lojas de departamentos sejam instaladas nestes pontos, com base no modelo mental
dos tomadores de decisão, utilizando o método TODIM-FSE.
3
2 REVISÃO BIBLIOGRÁFICA
2.1 O varejo em transformação
Nas últimas décadas, o varejo passou por inúmeras transformações, mas é
essencial o entendimento básico desta atividade. Parente (2000) afirma que “o varejo
consiste em todas as atividades que englobam o processo de venda de serviços e
produtos para atender a uma necessidade pessoal do consumidor final”. Desta forma,
varejista é qualquer instituição cuja atividade principal tem como base o varejo, isto é,
a venda de produtos e serviços para o consumidor final. Em resumo, podemos
considerar o varejo como o principal ponto de contato entre as empresas e seus
clientes finais, ou consumidores.
O varejo é um segmento com significativa sazonalidade, considerando
demanda e giro de estoques. Esta sazonalidade está representada em eventos como Dia
das Mães, Dia dos Namorados, Natal, Páscoa, Carnaval, Copa do Mundo, as estações
do ano (Primavera, Verão, Outono e Inverno), dentre tantos outros. Outro aspecto
relevante para a atividade varejista é a política econômica, que impacta a conjuntura
macroeconômica e, consequentemente, os indicadores de renda e emprego. Desta
forma, o nível de confiança do consumidor pode oscilar consideravelmente, afetando o
desempenho da atividade deste segmento.
Segundo Almeida (1997), após décadas convivendo com níveis de inflação
alarmantes, em que a deterioração do poder de compra da moeda brasileira corroía o
padrão de consumo da população, o Brasil, desde junho de 1994, vive estabilidade
econômica inédita em prazo maior do que um ano. E essa estabilidade permite ao
varejo planejar ações estratégicas em prazos muito mais longos, principalmente
quando estamos falando de estratégia de crescimento e expansão. Além disso, em
locais onde naquela época seria inimaginável aceitar que uma loja ou um centro
comercial pudesse ser implantado, atualmente existem empreendimentos de grande
sucesso, tais como o BarraShopping, no Rio de Janeiro, e o BH Shopping, em Belo
Horizonte. Estes shoppings foram construídos entre o final da década de 70 e o início
dos anos 80, em áreas onde não existiam centros comerciais e o nível habitacional era
4
muito baixo. Naquele momento, o empreendedor da rede Multiplan® percebeu que
aquela região seria próspera para os negócios nas décadas seguintes, o que de fato
ocorreu. Uma análise minuciosa no “P” ponto, considerando os 4 Ps do Marketing
(McCarthy, 1976), que serão apresentados mais adiante nesta dissertação, foi relevante
no sucesso do projeto. Dentre vários fatores, um dos mais relevantes no sucesso de um
empreendimento no varejo é a correta escolha do ponto de vendas ou loja.
O varejo também passa por uma grande transformação devido ao surgimento
de novas tecnologias, principalmente eletrônicas, que fizeram com que o consumidor
tenha acesso muito maior, mais rápido e mais fácil à informação e aos produtos
disponíveis no mercado. Dispositivos como computadores, celulares, tablets e
televisores digitais interativos são os principais canais de acesso às compras feitas pela
web. Os grandes varejistas utilizam sites próprios e redes sociais para divulgarem e
venderem seus produtos. Desta forma, a venda pelo e-commerce cresce
consideravelmente no mundo todo.
No Brasil, o varejo teve crescimento fortemente acelerado nas últimas duas
décadas principalmente devido a:
- O crescimento do nível de concessão de crédito e dos meios de pagamento,
possibilitando inúmeras facilidades para que os clientes possam realizar suas compras
em diversas parcelas e de diversas formas. O acesso aos cartões de crédito e débito por
grande parte da população brasileira demonstra o grande movimento de crescimento
do crédito para os clientes no Brasil.
- A queda do nível de desemprego nos últimos anos fortaleceu o desempenho
do setor varejista, tendo em vista que tornou a economia brasileira mais robusta e mais
atrativa para investimentos em diversos setores, principalmente no industrial e no de
serviços. A seguir, temos um gráfico (Figura 1) com a série histórica da taxa de
desemprego no Brasil, entre os anos de 2002 e 2013.
5
Figura 1: Taxa de desemprego no Brasil entre 2002 e 2013* (até setembro
deste ano).
Fonte: IBGE, 2013.
- A estabilização dos níveis de inflação das últimas duas décadas, aumentando
consideravelmente o nível de confiança do consumidor para adquirir crédito e
fazer compras em todos os segmentos (Moda, Eletrônicos, Construção civil,
Serviços, Turismo etc).
O crescimento exponencial do número de shopping centers presentes no Brasil
e o crescente interesse dos consumidores em entretenimentos oferecidos por estes
centros de compras, como cinemas, teatros e parques, também é outro fator importante
na transformação do varejo no Brasil. Vale destacar que o número de lojas cresceu na
mesma proporção do incremento na quantidade de shopping centers. E para
demonstrar este crescimento, são apresentados dois gráficos a seguir: Um
apresentando o crescimento no número de shopping centers no Brasil de 2001 a 2012
(Figura 2) e o outro demonstrando o crescimento da população brasileira no mesmo
período (Figura 3).
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
14,00%
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Taxa de desemprego - IBGE - Séries históricas - 2002 a 2013*
6
Figura 2: Crescimento do número de shopping centers no Brasil.
Fonte: ABRASCE, 2013.
Figura 3: Estimativas populacionais para o Brasil.
Fonte: IBGE, 2014.
Analisando as figuras acima, percebe-se a grande diferença entre o crescimento
do número de shopping centers no Brasil (+55,4% de 2001 a 2012) e o crescimento
estimado pelo IBGE para a população brasileira para o mesmo período (+12,5%). No
entanto, continua sendo muito relevante a presença dos grandes varejistas,
principalmente no formato de lojas de departamentos e mega stores, em pontos de
294 303317 325 335
351363
376392
408430
457
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
0
50000000
100000000
150000000
200000000
250000000
2001 2002 2003 2004 2005 2006 2008 2009 2011 2012
+12,5%
+55,4%
7
vendas localizados em rua. E isto ocorre não só no Brasil, mas em todo o mundo.
Como exemplo, podem ser citadas empresas como Zara, H&M, GAP, Forever 21,
Lojas Renner, C&A, Riachuelo, Leader Magazine, Marisa, dentre tantas outras. E
estas lojas normalmente estão localizadas nos grandes centros urbanos, principalmente
em regiões onde há grande concentração de escritórios e lojas e circulação intensa de
pessoas.
Tudo isto fez com que o consumidor no Brasil se tornasse cada vez mais
exigente e criterioso no momento de suas escolhas de compras e que o varejo se
tornasse cada vez mais desenvolvido e alinhado com a realidade praticada nos varejos
mais modernos e atualizados do mundo, como Estados Unidos, Europa e Ásia. Desta
forma, o mercado brasileiro se abriu para formatos inovadores de lojas e atividades
varejistas, como as lojas de conveniências, as redes de “fast foods”, os sistemas
“drive-thru”, as entregas em domicílio, lojas com “checkouts” inteligentes, dentre
outros. É muito importante destacar, ainda, a forte relação existente nestes novos
formatos entre as lojas físicas e o e-commerce.
Mesmo com todo o advento tecnológico que proporcionou maior interação dos
consumidores com os varejistas, uma pesquisa realizada em 2012 pela IBM®
em
diversas regiões do mundo apontou que grande parte das transações móveis e de
comércio eletrônico ainda é realizada na loja física, como entregas de mercadorias,
devoluções e outros serviços, e que 83% dos clientes ainda preferem comprar na loja
física (Schaefer, 2012). Por isto, ainda é muito relevante o estudo e o desenvolvimento
do varejo em lojas físicas, seja nos grandes centros de conveniência, como os
shopping centers, seja nas lojas de rua.
2.2 Os formatos varejistas e suas classificações
Segundo Parente (2000), as instituições varejistas podem ser classificadas com
base em diversos critérios, conforme ilustrado na Figura 4.
8
Figura 4: Classificação das instituições varejistas.
Fonte: Parente, 2000.
Os varejistas são classificados pelo tipo de propriedade:
- Independentes: apenas uma loja, com administração familiar, lojas pequenas;
- Redes: operam com mais de uma loja, apresentam padrão operacional,
operam em diversos mercados, grupos de grande porte;
- Franquias: pequenos empresários atuando em parceria com grandes
instituições varejistas, utilizando o know-how do dono da marca;
- Departamentos Alugados: lojas segmentadas em departamentos gerenciados
por outras empresas. Muito adequado quando o nível de especialização do
negócio é muito alto, como o segmento de joias ou flores, por exemplo;
- Sistemas Verticais de Marketing: varejistas, atacadistas e produtores que
trabalham como um sistema integrado, buscando a otimização dos resultados
do canal em operação.
E também são classificados em “instituições com lojas”:
- Alimentícios com lojas: bares, mercearias, padarias, lojas de conveniências,
hipermercados são alguns exemplos;
Classificação de
acordo com a
propriedade
* Independentes
* Redes
* Franquias
* Departamentos
Alugados
* Sistemas Verticais de
Marketing
Instituições
Varejistas
Instituições com
Lojas
* Alimentícias
* Não Alimentícias
* Serviços
Instituições sem
Lojas
* Marketing Direto
* Vendas Diretas
* Máquinas de Venda
* Varejo Virtual
9
- Não alimentícios com lojas: lojas especializadas, lojas de descontos, lojas de
fábrica, minilojas de departamentos (ou magazines) e lojas de departamentos.
- Varejo de serviço: salões de beleza, academias de ginástica, petshops (tosa e
banho de animais) são exemplos de varejo de serviço.
Ou “instituições sem lojas”:
- Marketing direto: o cliente acessa o varejista através de catálogos, malas
diretas, revistas, jornais, rádio, televisão ou computador e efetua seu pedido
através dos correios, telefone ou internet;
- Venda direta: empresas como Avon®
e Natura®
adotam esta prática, onde o
vendedor vai na casa do cliente para vender os produtos da instituição
varejista;
- Máquinas de vendas: equipamentos automatizados de venda de serviços e
produtos, como refrigerantes e café, por exemplo;
- Varejo virtual: comercialização de serviços e produtos através de websites e
home pages de diversas instituições varejistas, como Amazon.com®, Pão de
Açúcar® e Americanas.com
®.
Esta dissertação tratará de uma instituição varejista com lojas, não alimentícia,
caracterizada no modelo de rede de lojas de departamentos de moda.
2.3 Critérios para escolha de um ponto de loja.
Apesar da importância da escolha adequada do ponto de vendas para iniciar o
negócio, a grande maioria das empresas de varejo não trabalha adequadamente no
assunto, considerando aspectos subjetivos e com pouco embasamento científico na
tomada de decisão envolvida neste processo. A pouca disponibilidade de pontos
comerciais disponíveis nas grandes capitais também compromete a escolha adequada
do ponto de vendas, fazendo com que o tomador de decisão seja forçado a abrir uma
loja para se fazer presente em determinado mercado, mesmo numa condição adversa
que possa tornar a rentabilidade do negócio muito aquém do esperado.
10
Ainda assim, a experiência das pessoas envolvidas no processo determina a
melhor escolha. Mas sem uma metodologia adequada, pode haver perda considerável
de tempo e dinheiro, além de não haver uma consistência na escolha para diversas
situações que podem ocorrer. Segundo Salmon (2010), em função da importância e do
impacto na estratégia do negócio devido à escolha da localização do ponto de vendas,
a alta liderança da empresa deve estar plenamente envolvida neste processo, incluindo
o CEO como principal patrocinador na tomada de decisão.
Para elaborar uma estratégia completa de uma loja, é fundamental considerar o
composto de marketing definido por McCarthy (1976), definido como “os 4 Ps do
marketing”, conforme demonstrado na figura 5.
Figura 5: Os 4 Ps do mix de marketing
Fonte: Kotler e Keller, 2006.
Quando está em análise o “P” Praça ou Ponto de Venda, torna-se fundamental
considerar os principais critérios para uma escolha adequada do canal de vendas,
considerando sua localização. Para Waters (2011), alguns fatores precisam ser
levantados para que a escolha seja adequada. Estes fatores são:
Mix de marketing
Mercado-alvo
Produto
Variedade de produtos
Qualidade
Design
Características
Nome da marca
Embalagem
Tamanhos
Serviços
Garantias
Devoluções
Preço Preço da lista
Descontos
Concessões
Prazo de pagamento
Condições de financiamento
Promoção
Promoção de vendas
Propaganda
Força de vendas
Relações públicas
Marketing direto
Praça ou Ponto de venda
Canais
Cobertura
Variedade
Locais
Estoque
Transporte
11
- Tipos de bens: a loja que se pretende abrir irá comercializar bens de
conveniência, especializados ou diversificados?
- Qual a população no entorno do local onde pretende-se abrir a loja e sua
relação com o perfil de cliente desejado para o negócio?
- Quais as condições de acessibilidade, visibilidade e tráfico do local em
estudo?
- Quais as condições da legislação local para possibilitar a operação do
negócio, tais como licenças ou questões para a logística de abastecimento?
- Como funciona a concorrência no local do estudo? Existe similaridade do
negócio que se pretende abrir com a concorrência na localidade?
- Quais os custos de locação para o ponto em estudo? Eles estão alinhados com
as expectativas dos negócios?
- Quais as condições de segurança do local, considerando criminalidade, riscos
de incêndio, condições naturais, iluminação dentre outros?
No artigo de Burnaz e Topcu (2006), em um levantamento sobre critérios para
escolha de um ponto de vendas na Turquia, foram identificados pelos executivos de
uma empresa da região os seguintes critérios:
- Tamanho da loja;
- Custos de locação;
- Período possível de operação (horas de operação com a loja aberta);
- Condições de visibilidade e acessibilidade do ponto;
- Nível de competição local e concorrência no entorno;
- Proximidade com fontes de recreação e entretenimento;
- Zona de influência e fluxo de pedestres no entorno;
- Condições de estacionamento;
- Acesso via transporte coletivo;
- Facilidade para recrutamento de pessoal.
Pyle (1926) destaca que uma determinada localização de ponto de vendas pode
ser boa para um determinado negócio e ruim para outra e que o tamanho da loja e a
qualidade do serviço prestado por duas empresas diferentes do mesmo segmento no
12
mesmo local podem levar as duas empresas a terem resultados diferentes. Com isto,
Pyle (1926) afirma que a localização não é o único fator determinante para o sucesso
de um negócio. No entanto, este autor reforça a importância da localização adequada
para uma loja e cita os fatores e critérios mais importantes para uma escolha adequada
do ponto:
- A população no entorno e o perfil consumidor que transita ao redor do ponto;
- O fluxo (volume) de pedestres no entorno;
- As facilidades de transporte para acessar o ponto;
- As características da concorrência no entorno;
- Os custos com a locação do imóvel.
Para Pope et al (2012), em um trabalho desenvolvido para modelar uma
decisão multiatributos visando instalar ou não uma loja de departamentos em
determinados shopping centers, os seguintes critérios foram definidos como
fundamentais nesta tomada de decisão:
- Área bruta locável do imóvel;
- Os concorrentes presentes no shopping;
- O modelo de shopping: se é um shopping com lojas de descontos ou um
shopping no formato “fashion mall”;
- Vendas por metro quadrado: existente e divulgada pelo shopping ou projetada
através de comparações com lojas semelhantes da rede;
- O marketing do shopping;
- O cluster de lojas presentes no shopping;
- A característica do proprietário do shopping center: se tem abrangência
nacional ou regionalizada;
- A população no entorno do shopping;
- A proximidade do shopping em que se pretende instalar a loja com outros
shoppings;
- As lojas presentes no entorno do shopping, na área de atuação do
empreendimento;
- O faturamento médio na região onde o shopping atua;
13
- O ganho de market share com a instalação da loja no shopping, considerando
a rede de lojas de departamentos.
É importante destacar que, para todos os estudos verificados para este trabalho,
existe um ponto comum, que é a definição dos critérios utilizados para definir uma
escolha de localização de ponto de loja sendo feita pelos executivos com experiência
no segmento varejista, independente da escolha do local tratar de lojas de rua ou em
shopping centers. Também é possível verificar que existem similaridades nos critérios
definidos em todos os estudos analisados pelo autor desta dissertação.
2.4 Lojas em rua versus Lojas em shopping center.
Segundo Deale (2012), a localização adequada é uma das poucas maneiras
extremamente eficazes para que os varejistas de lojas físicas tenham fôlego para
competir com o rápido crescimento das empresas gigantes do e-commerce. Para
Salmon (2010), a localização é responsável pelos principais drivers do segmento
varejista. Desta forma, este fator pode ser extremamente poderoso, produzindo
grandes benefícios financeiros, proporcionando o crescimento do negócio ou o seu
declínio, mesmo que haja todo um esforço de marketing para reversão de baixa
performance. Sendo assim, a localização do ponto de vendas deve ser considerada
como fator crítico para um negócio do segmento varejista.
Almeida (1997) cita que o varejista, ao escolher uma localização, faz
investimentos fixos relevantes, cuja reversão é difícil e demorada quando comparada a
de outros fatores que compõem o mix mercadológico da empresa. Ou seja: reverter a
escolha inadequada de localização de um ponto de vendas é muito mais complexa,
cara e demandará um tempo muito maior do que modificar a estratégia de produtos ou
de preços executadas pela empresa neste mesmo ponto.
Considerando a estratégia para localização de uma loja, também é relevante
analisar os fatores que proporcionam a diferença de desempenho entre uma loja
localizada em rua e uma localizada em um shopping center. A loja de rua pode definir
um horário de funcionamento diferenciado em relação às lojas de shopping e aos
14
concorrentes, está mais sujeita aos problemas de segurança e aos eventos climáticos
que prejudicam o trânsito de pedestres e pode ter maior dificuldade para proporcionar
conforto aos clientes, principalmente considerando o quesito estacionamento. Além
disso, a loja de rua tem pouca ou nenhuma capacidade de influenciar a localização de
concorrentes no seu entorno (Almeida, 1997).
Para lojas localizadas em shopping centers, apesar das facilidades e benefícios
oferecidas pelo centro de consumo planejado, tais como a climatização, segurança,
facilidade de deslocamento e estacionamento, existem rígidos controles e taxas
definidos pelos controladores do empreendimento, como horários de operação,
incluindo finais de semana, e taxas de contribuição, como fundos de promoções e
taxas de condomínio. Os custos com ocupação de uma loja em shopping center, na
maioria dos casos, é maior do que o de uma loja localizada em rua.
Após algumas reuniões com os executivos da empresa e tomadores de decisão,
foram levantados os pontos positivos e negativos das operações de lojas em shopping
centers e localizadas em rua. É importante destacar que este conhecimento foi
adquirido com a experiência obtida sobre as operações existentes da empresa, ao longo
das últimas três décadas, e que as informações levantadas podem ser ratificadas na
literatura em artigos como de Rosa (2011), Waters (2011), Almeida (1997), Ingles
(2013) e no livro de Ferreira et al (2008).
LOJAS EM SHOPPING - PONTOS POSITIVOS
* SEGURANÇA: Estes centros comerciais oferecem serviços de segurança
para o empreendimento.
* CONDIÇÕES CLIMÁTICAS: A loja localizada em shopping center, em
condições climáticas mais adversas, como dias chuvosos ou muito quentes, pode ser
beneficiada. Isto ocorre porque muitos clientes que poderiam comprar em lojas de rua,
preferem o conforto do shopping center, que permite a circulação dos clientes em
condição totalmente controlada pelo empreendimento, que é climatizado e fechado.
15
* ESTACIONAMENTO: É um dos maiores benefícios que a loja de shopping
center proporciona aos seus clientes, pois facilita o acesso às lojas.
* EVENTOS e PROMOÇÕES: As administradoras dos empreendimentos são
as principais responsáveis pela elaboração e divulgação de eventos comerciais que
representam um importante atrativo aos consumidores, promovendo o incremento do
fluxo no ponto de venda.
* AMBIENTAÇÃO: As decorações valorizam a área onde a loja está
instalada. Normalmente, ficam sobre responsabilidade das administradoras na área
comum de circulação dos clientes.
* HORÁRIO: Os shoppings possibilitam horários estendidos, o que
proporciona um aumento nas possibilidades de faturamento.
LOJAS EM SHOPPING - PONTOS NEGATIVOS
* CUSTO: O lojista deve considerar o volume de vendas necessário para que o
negócio possa sustentar todo o conforto e segurança que o shopping center
proporciona, tendo em vista os altos custos atribuídos à locação do imóvel em que irá
se estabelecer. Ainda é importante destacar que os contratos de locação são de longo
prazo e sua rescisão envolve valores expressivos.
* CONCORRÊNCIA: Nos shopping centers, a concorrência é, normalmente,
maior devido à concentração de lojas no mesmo ambiente.
* MARKETING: As estratégias comerciais ficam restritas às regras da
administradora, que pode, por exemplo, proibir a distribuição de balões aos clientes ou
qualquer divulgação feita fora do ambiente da loja.
LOJAS EM RUA - PONTOS POSITIVOS
* CUSTOS COM LOCAÇÃO: O valor a ser investido no longo prazo pode
apresentar grande diferencial, pois não será necessário pagar algumas taxas
administrativas exigidas pelas administradoras de shopping centers. Para o empresário
16
que está iniciando suas atividades ou que ainda tem pequeno porte, este será um
diferencial de sobrevivência e rentabilidade para seu negócio.
* PROMOÇÃO: Uma loja de rua tem mais liberdade e pode utilizar o espaço
exterior, como as calçadas, para divulgar seus produtos e realizar ações de marketing
mais próximas ao cliente, como a entrega de panfletos e folders na porta da loja ou até
mesmo ações de degustação, dependendo do ramo de atividade. Logicamente, estas
ações devem estar alinhadas com as políticas adotadas pelos órgãos públicos e, em
alguns casos, podem ser necessárias licenças para determinadas atividades no
ambiente fora da loja.
* CONCORRÊNCIA: Pode ser menor em função da localização e da dispersão
das lojas concorrentes em espaços mais amplos dos que apresentados nos shopping
centers.
* COMPRA POR IMPULSO: Em grande parte dos casos, a compra realizada
em lojas de rua não é planejada, diferentemente da compra nos shopping centers.
Muitos clientes passam em frente às lojas de rua sem estarem, inicialmente,
intencionados a comprar algo. A facilidade do momento proporciona experiências de
compras inusitadas.
LOJAS EM RUA - PONTOS NEGATIVOS
* SEGURANÇA: É um dos principais problemas enfrentados pelos lojistas,
que, dependendo da localização, é obrigado a contratar um serviço de segurança
específico para dar maior tranquilidade aos seus clientes e aos seus funcionários.
* CONDIÇÕES CLIMÁTICAS: A loja de rua está suscetível às condições
climáticas de momento. Dias muito quentes ou chuvosos podem tornar o fluxo
insuficiente para a demanda inicialmente prevista, considerando metas e quantidade de
produtos comprados para o atingimento dos resultados.
* ESTACIONAMENTO: Com o aumento exponencial de veículos nos grandes
centros, a falta de estacionamentos próximos à loja pode ser um problema, pois o
17
consumidor pode não conseguir estacionar o seu veículo e, assim, não ter contato com
o empreendimento. Além disso, os estacionamentos nestas regiões estão com valores
muito acima do normal.
* AMBIENTAÇÃO: Assim como os eventos comerciais, os custos com
decoração ficarão por conta do lojista e, da mesma maneira, com a possibilidade de
um impacto menor sobre o consumidor, comparando com o shopping center.
.
18
3 REFERENCIAL TEÓRICO
3.1 Conjuntos nebulosos
Frequentemente, as classes de objetos encontrados no mundo físico real não
têm os critérios de adesão definidos precisamente (Zadeh, 1965). A classe de animais,
por exemplo, claramente inclui cavalos, peixes, gatos e cães como seus membros e, da
mesma forma, exclui pedras, líquidos e plantas do seu grupo. No entanto, objetos
como bactérias, fungos, estrelas-do-mar têm uma condição ambígua, quando se
considera a classe dos animais. E este mesmo tipo de ambiguidade surge quando se
avalia, por exemplo, que uma pessoa é muito maior do que a outra, ou que uma pessoa
é mais nova que outra.
Obviamente, “o grupo de pessoas altas” e o “grupo de pessoas jovens” não
formam grupos ou classes usuais em termos matemáticos. No entanto, não se pode
desconsiderar o fato de que essas "classes" mal definidas desempenham um papel
importante no pensamento humano, principalmente no campo do reconhecimento
padrão, na comunicação de informações e de abstrações (Zadeh, 1965).
Este conhecimento se tornou fundamental para a realização deste trabalho,
tendo em vista a presença de variáveis atreladas à capacidade humana de fazer
considerações a respeito de números e características de determinadas situações que
podem ser interpretadas de maneiras diferentes, dependendo do sentido da análise. Por
exemplo, o tamanho de um imóvel de 1.000 (mil) m2 pode ser pequeno, médio ou
grande. Considerando-se este imóvel para uma residência de uma família composta
por 5 (cinco) pessoas, o tamanho será exagerado. Para uma loja de departamentos,
“pode” ser pequeno. A palavra “pode” ficou entre aspas, pois o tamanho será definido
conforme o interesse das pessoas envolvidas na avaliação da situação.
Desta forma, Zadeh (1965) escreveu um artigo que trata dos números
nebulosos e que define os “Fuzzy Sets” da seguinte forma:
19
“Um conjunto fuzzy é uma classe de objetos com graus contínuos de adesão.
Tal conjunto é caracterizado por uma função de pertinência (característica), que
atribui a cada objeto um grau de adesão que varia entre zero e um. As noções de
inclusão, de união, de intersecção, complemento, relação, convexidade etc são
estendidos a esses conjuntos, e várias propriedades destas noções em contexto de
conjuntos fuzzy são estabelecidas” (Zadeh, 1965).
Também é importante destacar o trabalho desenvolvido por Znotinas e Hipel
(1979), que define que um conjunto de critérios pode ser visto como um conjunto
nebuloso F, onde o tomador de decisão é solicitado a fornecer um valor numérico que
reflete o grau de adesão diretamente, utilizando uma escala qualitativa. Este trabalho
foi muito relevante para o desenvolvimento de métodos multicritérios que trabalham
com números nebulosos, como o TODIM-FSE.
Para simplificar o entendimento deste assunto, o seguinte exemplo hipotético
foi considerado: um grupo de analistas de uma empresa de concessão de crédito para
pessoa física está elaborando o seu modelo de “credit score”, para conceder ou não o
crédito, baseado nas características do indivíduo. Dentre as várias características em
análise, como salário, local de residência e empresa onde trabalha, a idade também
compõe o modelo. No entanto, o entendimento sobre idade é bastante relativo, pois
uma pessoa com 20 anos pode ser jovem para determinada situação e velha para outra.
E isto pode ser considerado para praticamente todas as idades.
Sendo assim, o grupo de analistas poderia elaborar uma tabela para definir os
grupos de idades, conforme o interesse do seu modelo de negócio. Considerando os
modelos matemáticos definidos por Zadeh (1965), foi elaborada a seguinte tabela de
contribuições para o exemplo em questão (tabela 1):
20
Tabela 1: Exemplo de tabela de contribuições para um caso hipotético.
Com base na tabela acima, os analistas decidiram que a faixa de idades entre
35 e 45 anos é excelente para seu modelo de negócios, assim como as faixas entre 16 e
18 anos e acima de 55 anos não são interessantes para a concessão de crédito. É
importante destacar que as faixas intermediárias apresentam contribuições
diferenciadas, agregando parcialmente nas categorias definidas (Ruim, Bom e
Excelente) para o problema em questão. Desta forma, tornou-se viável trabalhar um
critério que apresenta forte subjetividade (a idade) em um modelo matemático
aplicado para tomada de decisão de concessão de crédito de uma empresa. Este
exemplo ilustra a importância dos conjuntos nebulosos para os modelos de tomada de
decisão modernos, como o TODIM incorporado com os números nebulosos,
denominado TODIM-FSE.
3.2 A tomada de decisão
Decisões são tomadas a todo o momento, nas mais diversas situações. A roupa
a ser escolhida para ir ao trabalho é um exemplo típico de uma decisão simples do
nosso cotidiano. Uma decisão pode ser bem mais complexa, como a compra de um
imóvel ou uma escolha na carreira profissional. O fato é que todo ser humano está
rodeado de tomadas de decisões a serem realizadas a todo o instante.
Por isto, a tomada de decisão foi a razão de reflexão de alguns filósofos, como
Aristóteles e Platão, que estudaram a capacidade do homem de decidir e a citaram
como sendo uma das características que diferenciam os seres humanos dos outros
animais (Figueira et al., 2005a).
Faixas de idades Ruim Bom Excelente
16 a 18 anos 1 0 0
de 18 a 25 anos 0,5 0,5 0
de 25 a 35 anos 0 1 0
de 35 a 45 anos 0 0 1
de 45 a 55 anos 0,4 0,6 0
Acima de 55 anos 1 0 0
21
Para Gomes (2007), a tomada de decisão refere-se ao processo que conduz à
escolha de, ao menos, uma alternativa entre várias possíveis para solucionar um
determinado problema. Para Keeney (1993), o processo decisório deve ser focado nos
valores a serem alcançados e as alternativas possíveis neste processo são relevantes
apenas por serem os meios para que o objetivo final seja atingido.
Keeney (2004) cita que definir qual decisão a ser tomada, formar uma relação
de objetivos baseada nos valores do indivíduo e um conjunto de alternativas são
processos de natureza subjetiva. Ou seja: não é possível analisar uma decisão sem que
se recorra a estes aspectos subjetivos. Julgamentos subjetivos são necessários para
definir incertezas, analisar a probabilidade de ocorrência destas incertezas, elaborar
uma árvore de decisão, analisar compensações entre valores e avaliar o nível de
aversão ao risco. Se não existissem fatores de caráter subjetivo, não existiria o controle
sobre a decisão a ser tomada.
Clemen e Reily (2001) entendem que decisões são difíceis por suas incertezas
inerentes, complexidades naturais, objetivos conflitantes e resultados que dependem
de diferentes perspectivas. Para Buchanan e O´Connel (2006), o estudo de tomada de
decisão compreende várias camadas de disciplinas intelectuais, a citar: psicologia,
matemática, economia, ciências políticas, sociologia e outras.
Por muito tempo, os problemas de tomada de decisão eram analisados com
base em um único critério, simplificando a complexidade do ambiente de tomada de
decisão. Para Figueira et al. (2005a), os livros de pesquisa operacional sugerem o
seguinte passo a passo para a resolução da tomada de decisão: Primeiro, definir uma
função objetivo, como, por exemplo, uma função de ganho representando a
preferência do tomador de decisão, e depois, identificar ações para minimizar ou
maximizar esta função objetivo.
Ainda conforme Figueira et al. (2005a), esta visão é muito reducionista e de
certa forma também não parece ser natural e simples para o problema de tomada de
decisão. Ou seja, a realidade é complexa e a tomada de decisão depende de vários
22
fatores, que, em muitas situações, são antagônicos, como por exemplo, a escolha de
um modelo de televisão para a compra: o decisor pode querer comprar um aparelho
simples, pequeno e barato. Mas sabe que quanto maior o aparelho, mais caro será seu
valor de compra. A tomada de decisão, neste exemplo citado, deve relevar todos estes
fatores para permitir uma escolha que atenda e agrade o decisor.
Para Doumpos e Zopounidis (2002), a consideração de muitos fatores na
tomada de decisão é o escopo do apoio multicritério à decisão ou MCDA (Multiple
Criteria Decision Aid ou Multi-criteria Decision Analysis), uma das áreas de estudo da
pesquisa operacional que tem sido desenvolvida rapidamente nas últimas décadas,
tanto no meio teórico como prático.
Para Clemen e Reily (2001), o processo de análise de decisão funciona como
um instrumento para apoiar o agente da decisão. Keeney (2004) também afirma que a
análise de decisão tem um forte apelo prescritivo, tornando-se referência para o
comportamento dos tomadores de decisão. Esta análise é baseada na compreensão
comum para a maioria das pessoas, tem uma sustentação formal de axiomas lógicos,
inclui métodos e procedimentos que tornam a implementação de conceitos fácil e é
aplicável a todas as decisões, simplificando-as objetiva e adequadamente.
3.3 Apoio multicritério à decisão
Para Roy (2005), o apoio à decisão tem foco no estabelecimento de
formulações de proposições (que podem ser respostas a determinadas questões,
possíveis conciliações ou soluções satisfatórias) que são submetidas ao julgamento de
um tomador de decisão e/ou de vários atores envolvidos no processo de tomada de
decisão, adotando bases científicas devidamente reconhecidas e com referência a
hipóteses plausíveis. Mediante o caso, o apoio à decisão pode colaborar para:
- analisar o contexto da tomada de decisão, através da identificação de atores,
possibilidades de ação, suas devidas consequências e interesses envolvidos;
23
- estruturar o desenvolvimento do processo de tomada de decisão para
aumentar a correlação entre os valores que servem como base para os objetivos e a
decisão final a ser obtida;
- criar e buscar a cooperação dos atores envolvidos para um melhor
entendimento conjunto e uma estrutura favorável para a discussão;
- gerar recomendações, utilizando os resultados obtidos a partir de modelos
previamente concebidos;
- participar da consolidação e legitimização da decisão final.
Vincke (1992) também afirma que o Apoio Multicritério à Decisão permite
suportar ou apoiar, através de diversos métodos, os agentes de decisão na avaliação e
seleção de alternativas possíveis, onde diversos critérios de âmbito distinto e, por
vezes contraditórios, têm que ser relevados.
Doumpos e Zopounidis (2002) citam que a categorização dos problemas de
tomada de decisão pode ser realizada em dois grupos:
Problemas discretos (figura 6) – onde é avaliado um número finito de
alternativas, que são descritas por um número também finito de atributos.
Tais atributos são a base para analisar as alternativas, dentro do cenário da
tomada de decisão.
Problemas contínuos (figura 7) – onde o número de alternativas possíveis a
serem avaliadas é infinito. Nestes casos, faz-se necessário trabalhar com
uma região de alternativas viáveis, onde cada ponto dessa região
corresponde a uma alternativa específica.
24
Figura 6: Problemas discretos.
Fonte: Doumpos e Zopounidis, 2002.
Figura 7: Problemas contínuos.
Fonte: Doumpos e Zopounidis, 2002.
Roy (2005) cita que os problemas discretos podem atender a quatro tipos de
necessidade do tomador de decisão, conforme a tabela 2:
g1 g2 ... gn
x1 g11 g12 ... g1n
x2 g21 g22 ... g2n
x3 g31 g32 ... g3n
- - - ... -
- - - ... -
- - - ... -
xm gm1 gm2 ... gmn
Alt
ern
ati
vas
Critérios
Problemas discretos
m alternativas
n critérios
g1
g2
Problemas contínuos
Conjunto de soluções
possíveis
25
Tabela 2: Tabela de referência para problemas de decisão.
Fonte: Adaptado de Gomes et al (2004).
Roy (2005) também considera que os quatro tipos de problemáticas citados
anteriormente não são os únicos possíveis e que o resultado a que se chega, tratando
um conjunto de dados através de um único procedimento, não é o bastante para
fundamentar uma recomendação.
Segundo Doumpos e Zopounidis (2002), os três primeiros tipos de problema
geram um resultado a partir da avaliação das alternativas, mas há uma diferença entre
o segundo tipo (classificação) e o primeiro (seleção) e terceiro (ordenação) juntos: nos
problemas de seleção e ordenação, as alternativas são basicamente avaliadas a partir
de comparações entre elas. Por exemplo, “considerando o critério Preço, o produto X
é pior que o produto Y”. Já os problemas de classificação têm como base julgamentos
independentes da existência de outras alternativas parecidas.
Ainda segundo Doumpos e Zopounidis (2002), tais julgamentos nem sempre
são absolutos, pois são sempre definidos com um contexto geral que define e
caracteriza o ambiente de decisão. Como exemplo, será utilizada a classificação de
uma empresa, considerando determinados requisitos para receber um financiamento.
As regras para obter o financiamento podem ser mais rígidas ou mais flexíveis,
dependendo do contexto de momento do mercado. Esta é uma das grandes diferenças
entre os problemas de classificação e os problemas de seleção e ordenação.
Tipos de Problemática Objetivo
Problemática de Seleção (Pα) Selecionar a(s) melhor(es)
alternativa(s).
Problemática de Classificação (Pβ)
Classificar cada alternativa em uma
categoria mais apropriada de um
conjunto previamente definido.
Problemática de Ordenação (Pγ)Gerar uma ordenação das
alternativas disponíveis.
Problemática de Descrição (Pδ)
Descrever as alternativas,
determinando suas performances em
critérios selecionados sem gerar
recomendações.
26
3.4 Processo de apoio multicritério à decisão
O processo de apoio multicritério à decisão, descrito por Roy (2005), é
composto por quatro etapas, conforme a figura 8 (oito). A primeira consiste na
compreensão do problema, sua complexidade, o objetivo a ser atingido e a
identificação das alternativas possíveis para a resolução do problema. Após esta etapa,
são definidos os critérios de avaliação das alternativas, que compõem o conjunto de
todos os fatores inerentes à decisão.
Na terceira etapa, escolhe-se um método adequado às características levantadas
do problema nas etapas anteriores, que será utilizado, desta forma, para que os
decisores realizem as devidas avaliações das alternativas através dos critérios
estabelecidos, resultando em um modelo que represente a preferência dos decisores.
Na última etapa do processo, os resultados são avaliados e as recomendações
para os decisores são geradas. É importante destacar que o processo prevê o retorno às
fases anteriores sempre que necessário, considerando os resultados que são obtidos ao
longo da análise.
27
Figura 8: Etapas do processo de apoio multicritério à decisão (Doumpos e
Zopounidis, 2002).
Gomes (2007) define as quatro principais categorias de preferências,
considerando a comparação entre critérios:
* preferência forte ou estrita (quando é justificada a preferência significativa de
uma alternativa sobre a outra);
* preferência fraca (quando as justificativas não são suficientes para uma
preferência forte, mas também não é possível considerar equivalência entre as
alternativas);
* indiferença (quando é justificada a equivalência entre duas alternativas);
* incomparabilidade (quando não há justificativas para as situações
precedentes).
1ª Etapa Definição do problema e das alternativas válidas.
2ª EtapaIdentificação dos critérios que serão utilizados para
analisar as alternativas.
3ª EtapaConstrução do modelo de preferências a partir das
alternativas e critérios.
4ª EtapaAnálise dos resultados do modelo e recomendações
para a tomada de decisão.
28
Os critérios definidos podem ser organizados hierarquicamente, sendo que a
mais frequente tem a forma de uma árvore e é linear. Segundo Keeney e Raiffa (1976),
5 (cinco) fatores podem ser utilizados para analisar se esta representação é útil para o
analista do processo:
Operacionalidade: Os critérios presentes nos níveis mais baixos da árvore de
critérios devem ser inteligíveis e específicos o suficiente para serem quantificados;
Decomponibilidade: A avaliação de uma alternativa em relação a um critério
não pode ser influenciada pela avaliação desta mesma alternativa por outro critério;
Tamanho mínimo: A árvore de critérios deve ser a menor e mais simples
possível. Quanto maior o número de critérios, mais complexo se torna a análise e a
resolução matemática do modelo;
Completude: Por outro lado, o conjunto de critérios deve ser suficientemente
completo, possibilitando que todos os aspectos relevantes para a tomada de decisão
sejam abordados;
Ausência de redundância: É fundamental reduzir ao máximo ou eliminar as
redundâncias na árvore de critérios. Desta forma, são evitadas distorções nos
resultados obtidos, em função de forte correlação entre os critérios.
Conforme Roy (2005), os métodos multicritérios de agregação fornecem vários
parâmetros, como pesos, constantes de escalonamento, níveis de rejeição, entre outros,
que possibilitam a definição do papel específico de cada critério em relação aos
demais. Além disso, também é disponibilizada a lógica de agregação, que leva em
consideração os possíveis tipos de dependência que se deseja relevar com relação aos
critérios e as condições sob as quais se aceitam ou se rejeitam as compensações entre
maus e bons desempenhos das alternativas. Para se atribuir valores aos parâmetros
citados, é necessário ter como referência a lógica de agregação do método em questão.
Caso contrário, tais parâmetros não possuem significado.
29
3.5 Escolas de Pensamento
Clímaco e Craveirinha (2005) citam que os métodos relacionados às decisões
multicritérios podem ser divididos em duas escolas de pensamento:
Escola francesa, que se apóia na introdução de ordens parciais ou relações
de superação;
Escola norte-americana, onde uma função de utilidade multiatributo (linear
ou não) é construída para apoiar a avaliação de um conjunto discreto de
alternativas.
Para Gomes (2007), o método da Teoria da Utilidade Multiatributo e o método
da análise hierárquica são os mais representativos da escola norte-americana, seguindo
os enfoques descritivo e prescritivo. Os métodos Electre e Prométhée, que pertencem à
escola francesa, agregam, a partir do conceito de relação de superação, todas as
informações oriundas dos diferentes agentes de decisão sem efetuar qualquer operação
de síntese. Os métodos da escola norte-americana operam com a idéia de agregar todas
as informações por meio de uma grande síntese.
A tabela a seguir compara as principais características dos métodos da Escola
francesa com a Teoria da Utilidade Multiatributo, advinda da Escola norte-americana:
30
Tabela 3: Uma comparação entre os métodos da Escola Francesa e a Teoria da
Utilidade Multiatributo.
Fonte: GOMES e GOMES, 2012.
3.6 Apoio multicritério à decisão para problemas de
classificação
Os métodos MCDA foram desenvolvidos, originalmente, para as
problemáticas de Seleção e Ordenação (que têm por base a medição do grau de
Métodos da Escola Francesa ou
Escola EuropéiaTeoria da Utilidade Multiatributo
Permitem ordenar (pelo menos
parcialmente) as alternativas em
termos relativos, mesmo quando a
informação de que dispõe sobre as
preferências critério a critério é
pobre; no entanto, não é possível a
indicação do mérito global de cada
alternativa.
Possibilita definir uma medida de
mérito (valor) global para cada
alternativa, indicadora da sua posição
relativa numa ordenação final; no
entanto, é necessário dispor de
informação completa (cardinal) sobre
as preferências intracritérios dos
decisores, o que, em alguns casos
práticos, pode ser difícil.
Permitem quatro diferentes formas de
comparação entre alternativas:
preferência sem hesitação, preferência
com hesitação, indiferença e
incomparabilidade.
Permite duas formas de comparação:
preferência e indiferença; não
pressupõe a existência de hesitação.
A hesitação é uma área fértil para
aplicação de teorias que trabalham
com não determinismo: Teoria dos
conjuntos nebulosos e Teoria dos
conjuntos aproximativos (TCA).
Existem trabalhos que aplicam a
Teoria dos conjuntos nebulosos e
TCA para verificar a sensibilidade
dos resultados.
Não necessitam de uma função de
utilidade, utilizando-se de
comparações paritárias e gráficos de
Kernel para representar a dominância
das alternativas.
Pressupõe a criação de uma função
de utilidade.
Não pressupõem transitividade. Pressupõe transitividade.
Pressupõem superação e análise
paritária.
Facilita o estabelecimento de
hierarquias.
31
preferências entre alternativas de um dado conjunto) e, posteriormente, para
problemas de Classificação. Segundo Doumpos e Zopounidis (2002), no contexto do
MCDA, Classificação pressupõe a atribuição de um conjunto finito de ações,
atribuídas a um conjunto de critérios. Existem problemas de Classificação feitos de
forma ordinal e outros de forma nominal, sendo duas as principais diferenças entre
estes dois tipos de problemas:
- Em problemas de classificação ordinal, os critérios de avaliação oferecem
não apenas a descrição das ações, mas, também, a informação preferencial para
contribuir com a identificação das ações, da melhor à pior;
- As classes são definidas de foma ordinal, e não de forma nominal.
Os métodos de Classificação em MCDA consideram avaliar cada alternativa
em termos absolutos, correlacionando cada alternativa com uma classe pré-definida.
Na prática, este tipo de Classificação é aplicado de várias formas, reconhecidamente
no campo da medicina, gestão de recursos humanos, marketing e outras mais
(Zopounidis e Doumpos, 2002).
Para Doumpos e Zopounidis (2002), tal como a Classificação em MCDA, o
Agrupamento de Dados (ou Clustering) tem como objetivo agrupar um conjunto de
objetos (por exemplo, pessoas, produtos ou outras entidades), avaliados segundo um
conjunto de atributos, em grupos. A principal maneira de distinguir estas duas técnicas
está na definição dos gupos, conforme a seguir:
- Na Classificação, os grupos (usualmente denominados categorias ou classes)
são definidos anteriormente, respondendo, em certos casos, à clarificação de decisões
ou à elaboração de prescrições ou recomendações;
- No Agrupamento de Dados, os grupos (usualmente denominados clusters)
são definidos posteriormente, pois surgem de uma forma de aprendizagem por
observação e geralmente são relacionados com preocupações descritivas.
32
Ainda segundo Doumpos e Zopounidis (2002), em outras palavras, a
Classificação é considerada aprendizagem supervisionada, enquanto que o
Agrupamento de Dados é um exemplo de aprendizagem não supervisionada. A figura
9 (nove) apresenta estas diferenças ilustradas em diagrama esquemático.
Figura 9: O problema de Classificação comparado ao problema de
Clusterização.
Fonte: Doumpos e Zopounidis (2002).
São inúmeros os trabalhos de Classificação e Clustering multicritério que
foram desenvolvidos nos últimos anos pela comunidade científica, e embora estas
duas formas de resolução de problemas sejam muito diferentes à primeira vista, elas
podem se complementar.
Neste trabalho, será utilizado o método TODIM-FSE como ferramenta de
apoio multicritério à decisão, considerando a problemática Pβ (Classificação). No
Os grupos estão
especificados?
SIM
ÃO
NÃO
O
Grupos
Ordinais
Grupos
Nominais
Classificação Clusterização
Alternativas
X1, X2, X3, …
Exploração dos conhecimentos
existentes para desenvolvimento
do modelo
Formação de gupos compostos
por alternativas com
características similares
33
entanto, também serão estudados, na seção a seguir, outros dois métodos para
classificação, que são o ELECTRE-TRI e o UTADIS.
3.7 Principais métodos multicritério para classificação
ordenada
3.7.1 ELECTRE-TRI
Segundo Zopounidis e Doumpos (2002), no contexto do MCDA, os métodos
usualmente utilizados para problemas do tipo β (Pβ) são das famílias ORT
(Outranking Relation Theory) e MAUT.
Figueira et al..(2005b) citam que, entre os métodos ELECTRE, um dos mais
recentes desenvolvidos para Classificação é o ELECTRE TRI.
Abaixo, temos uma tabela com as principais características dos métodos da
família ELECTRE e do PROMÉTHÉE.
Tabela 4: Características dos principais métodos do tipo ELECTRE.
Fonte: Adaptado de Gomes, 2012.
O ELECTRE TRI considera a problemática β (Pβ) e representa um dos
métodos da família ELECTRE (ELimination Et Choix Traduisant la REalité), que é
composta por ELECTRE I, II, III, IV, IS e TRI. Os métodos ORT, também
denominados métodos de relação de superação (outranking), são fundamentados em
uma relação de superação que adota as preferências estabelecidas pelo decisor diante
dos problemas e das alternativas disponíveis. Conforme Roy (2005), a relação de
MÉTODOTIPO DE
PROBLEMA
TIPO DE
CRITÉRIOPESOS
Electre I Seleção Verdadeiro Sim
Electre IS Seleção Pseudo Sim
Electre TRI Classificação Pseudo Sim
Electre II Ordenação Verdadeiro Sim
Prométhée Ordenação Pseudo Sim
Electre III Ordenação Pseudo Sim
Electre IV Ordenação Pseudo Não
34
superação S é uma relação binária definida em A, tal que aSb, se a é, pelo menos, tão
boa quanto b. Essa relação não exige a transitividade.
Segundo Gomes et al. (2004), o método ELECTRE TRI classifica as diversas
alternativas para a solução de um problema por meio da comparação de cada
alternativa potencial com uma referência estável (sendo esta padrão e/ou alternativa de
referência).
Sendo conhecidas as alternativas de referência (ou perfis) b1, b2, ..., bp e os
critérios j1, j2, ..., jn , definem-se as categorias C1, C2, ..., Cn. Para um dado critério j, a
alternativa a será localizada em uma determinada categoria, em função de sua
avaliação gj(a) (Gomes et al, 2004).
O método ELECTRE TRI trata de problemas que são modelados por uma
família de pseudo-critérios, em que os limiares de preferência e indiferença pj(bh) e
qj(bh) constituem as informações intracritérios. Desta forma, qj(bh) especifica a maior
diferença gj(a)-gj(bh), que mantém a indiferença entre a e bh no critério gj e pj(bh)
representa a menor diferença gj(a)-gj(bh), compatível com uma preferência de a no
critério gj.
O método calcula um índice de credibilidade σ(bh,a), o qual permite avaliar
como a alternativa bh supera a alternativa a. σ(a,bh)[0,1]. A afirmação aSbh só é
considerada válida se σ(a,bh)>λ , onde λ é o nível de corte situado no intervalo entre
0,5 e 1. Este índice é definido em função da concordância e da discordância entre os
pares de alternativas, sendo calculado como (Equação 1):
A classificação das alternativas é feita com base em um procedimento
pessimista ou otimista. Um maior detalhamento do método ELECTRE TRI pode ser
encontrado em Belton e Stewart (2002) e Vincke (1992). Também são encontradas, na
literatura, diversas aplicações do ELECTRE TRI, como controle de estoques, do artigo
de Szajubok et al. (2006), análise de crédito, na dissertação de mestrado de Acolet
(2008), e planejamento salarial, na dissertação de mestrado de Santos (2003).
35
3.7.2 UTADIS
O método de Utilidade Aditiva Discriminante (UTilitiés Additives
DIScriminates – UTADIS) é uma variante do método UTA (UTilitiés Additives) e foi
apresentado originalmente por Devaud et al. (1980). Doumpos e Zopounidis (2002)
citam que o método passou a ser de interesse dos pesquisadores do MCDA a partir da
década de 90, tendo sido utilizado em 1995 por Jacquet-Lagrèze para a avaliação de
projetos de P&D. A partir de 1997, também foi utilizado para Classificação em
modelos de tomada de decisão para a área financeira em diversos trabalhos, tais como
Zopounidis e Doumpos (1997, 1998).
Segundo Doumpos e Zopounidis (2002), o objetivo do método é realizar a
classificação das alternativas em q grupos pré-ordenados C1, C2,...Cq através de uma
função de utilidade aditiva. A partir do resultado da função para cada alternativa, os
grupos são compostos com as alternativas, de maneira que as com maior resultado
fiquem no grupo C1 e as com os menores resultados obtidos fiquem no Cq. A função
de utilidade aditiva é expressa da seguinte forma (Equação 2):
U(g) = ∑ piui (gi) (2)
Onde:
g = (g1, g2, ..., gn) é o vetor de avaliações para cada critério.
Pi é o peso de cada critério, onde 0 < pi < 1 e
(p1 + p2 + ... + pn = 1).
ui(gi) é a função de utilidade marginal para os critério gi.
As funções de utilidade marginal são funções monótonas crescentes que
variam de gi* a gi*, onde gi* representa o menor valor de avaliação das alternativas no
critério gi e gi* representa o maior valor de avaliação das alternativas no mesmo
critério (Doumpos e Zopounidis, 2002).
36
As funções de utilidade marginal podem ser lineares ou não lineares e
fornecem um mecanismo para converter a escala dos critérios em uma nova escala,
visando representar a função de utilidade do decisor em cada critério. Essa conversão
da escala possui duas grandes vantagens, segundo Doumpos e Zopounidis (2002):
- Possibilita a modelagem do comportamento não linear do decisor ao avaliar
as alternativas;
- Através de um modelo de regressão, proporciona uma forma metodológica
para transformar uma escala qualitativa (como curto, médio e longo) em uma escala
quantitativa, ao invés de uma atribuição arbitrária, como, por exemplo 1 para curto, 2
para médio e 3 para longo.
Segundo Doumpos e Zopounidis (2002), o processo de modelagem do
problema de apoio multicritério à decisão no método UTADIS se baseia na definição
dos pesos dos critérios (pi), na formação das funções de utilidade marginal (ui(gi)) e na
definição dos valores limite entre os grupos (ui) a partir da avaliação e classificação de
um subconjunto de alternativas (chamado de conjunto de referência). A figura 10 (dez)
representa o processo geral do método UTADIS.
37
Figura 10: Esboço do processo geral do método UTADIS.
Fonte: Adaptado de Doumpos e Zopounidis, 2002.
Duas variáveis de erro são utilizadas para identificar a diferença entre o
modelo e a classificação do conjunto de referência, e então, através de programação
linear, busca-se a minimização do erro entre o modelo e o conjunto de referência. Uma
vez que a classificação do conjunto de referência e a classificação através do modelo
são compatíveis, o restante das alternativas é classificado através do modelo
(Doumpos e Zopounidis, 2002).
Maiores informações sobre o método UTADIS podem ser obtidas em
Doumpos e Zopounidis (2002) e no trabalho de dissertação de mestrado apresentado
por Gonçalves (2011), que trata de comprometimento organizacional.
Outro método de Classificação é o TODIM-FSE, que será descrito na próxima
seção e será adotado neste trabalho.
Classificação
correta?
Definição de pi, ui(gi) e (ui)
utilizando programação linear.
Nova
verificação
do conjunto
de referência
Fim
Avaliação e classificação do
conjunto de referência pelo
tomador de decisão.
Não
Sim
38
4 O MÉTODO TODIM-FSE
O método TODIM-FSE se caracteriza pela união de dois métodos
multicritério. Publicado originalmente em artigo de Gomes e Lima (1991), TODIM
(Tomada de Decisão Interativa Multicritério) é um método de análise decisória
multicritério que disponibiliza, como resultado, as alternativas ordenadas em
preferência, baseado no modelo mental dos tomadores de decisão. Sua formulação tem
como base a Teoria dos Prospectos, de Kahneman e Tversky (1979), onde se descreve
o comportamento humano em função do risco atribuído a uma determinada tomada de
decisão. O método TODIM também se baseia em um conceito semelhante ao do fluxo
líquido, assim como no método multicritério PROMÉTHÉE, de Brans e Vincke
(1985).
A Teoria dos Prospectos descobriu padrões de comportamento humano que
ainda não eram reconhecidos pelos cientistas da tomada racional de decisões.
Kahneman e Tversky identificaram que, nas situações em que ganhos são envolvidos,
o ser humano tende a ser mais conservador em relação ao risco. Ou seja: as pessoas
optam por ganhos menores, porém mais seguros, entre correr riscos para obter um
ganho maior. Ao contrário, em casos onde se envolvem perdas, as pessoas se arriscam
mais. Isto é: elas preferem correr o risco de perderem mais do que aceitar perdas
menores, porém seguras, sempre que as perdas estejam ligadas a alguma possibilidade
de que essas mesmas pessoas não perderão coisa alguma.
Gomes e Lima (1991) publicaram uma forma de ligar o contexto utilizado para
o desenvolvimento da Teoria dos Prospectos ao cenário que caracteriza o Apoio
Multicritério à Decisão. A partir desta ligação, foram introduzidas novas funções de
valor que procuram reproduzir o comportamento das pessoas identificado nas
pesquisas de Kahneman e Tversky, nas medidas de dominância de uma alternativa
sobre a outra. A figura 11 (onze) demonstra os comportamentos humanos
identificados pelos autores da Teoria dos Prospectos em relação às possibilidades de
perdas e ganhos.
39
Valor
Perdas Ganhos
Fig. 11: Função de valor típica da Teoria dos Prospectos.
No método TODIM, é possível englobar tanto critérios qualitativos
(quantificáveis apenas por meio de julgamentos de valores lidos em uma escala) como
quantitativos (normalmente quantificáveis).
O processo de agregação FSE, Fuzzy Synthetic Evaluation, (Lu et al, 1999;
Chang et al, 2001; Onkal-Engin e Demir, 2004; Sadiq et al, 2004; Kuo e Chen, 2006)
tem como propósito obter uma soma ponderada dos pesos para cada categoria definida
no modelo decisório. Estes pesos estão relacionados com a importância relativa
atribuída a cada critério, em relação aos demais. Com isto, um vetor final de pesos é
obtido, representando o impacto de cada critério no modelo. Importante destacar que a
soma dos valores deste vetor de pesos sempre deve ser igual a 1 (um). A utilização da
ferramenta FSE serve para incorporar ao método TODIM a possibilidade de se
trabalhar com números nebulosos, normalmente correlacionados com critérios
qualitativos.
O método TODIM já foi utilizado como apoio para decisão em diversas áreas,
como petrolífera, ambiental, saúde, entre outros, em trabalhos como Gomes e Lima
(1991), Nobre et al. (1999), Costa et al. (2002), Gomes e Rangel (2009), Gomes et al.
(2009a), (2009b), (2010), (2013a), (2013b), Chen et al. (2010), Rangel et al. (2011),
Moshkovich et al. (2011), Gomes e González (2012), Kazancoglu e Burmaoglu (2013)
e Fan et al. (2013).
40
Trabalhos do método TODIM com incorporação dos conjuntos nebulosos
podem ser estudados em: Krohling e Souza (2012), Tseng et al. (2012), Krohling e
Pacheco (2013), Krohling et al. (2013), Passos et al. (2013), Lourenzutti e Krohling
(2013), Xu et al. (2013).
Visando facilitar a utilização e compreensão do método, este será descrito em
etapas, seguindo o exemplo de Goodwin e Wright (2000), baseado no método
SMART, de Edwards (1977). A ordem das etapas não precisa ser seguida na ordem
descrita, porém esta ordem facilita o estudo em questão.
Etapa 1: Definição dos analistas de decisão e dos decisores envolvidos no processo;
Etapa 2: Análise e estruturação do problema de decisão;
Etapa 3: Definição dos critérios fundamentais para o problema em estudo;
Etapa 4: Definição das categorias e funções de contribuição;
Etapa 5: Definição da importância relativa entre os critérios escolhidos;
Etapa 6: Classificação de cada alternativa nas categorias propostas;
Etapa 7: Análise de validação.
4.1 Definição dos analistas de decisão e dos decisores
envolvidos no processo (Etapa 1)
Nesta etapa, serão definidas, com clareza, as pessoas envolvidas no processo
decisório. Ou seja: os decisores, que são os indivíduos que de fato decidirão sobre o
problema em análise e que escolherão os critérios que serão utilizados, bem como a
relevância de cada um deles para o processo (pesos dos critérios, avaliação das
alternativas à luz dos critérios etc). Os analistas de decisão são as pessoas que tem
domínio do método de apoio à decisão e que darão suporte ao desenvolvimento do
processo decisório.
41
4.2 Análise e estruturação do problema de decisão (Etapa 2)
Este momento é crítico para todo o processo decisório. Deve-se analisar o
problema criteriosamente para que se tenha certeza de que o problema certo está sendo
trabalhado. É muito comum que problemas mal estruturados levem a boas decisões
para o problema errado. Uma grande quantidade de referências sobre o assunto pode
ser encontrada em Belton e Stewart (2010).
4.3 Definição dos critérios fundamentais para o problema
em estudo (Etapa 3)
Nesta etapa, inicia-se a construção do modelo decisório. Através de
brainstormings, os critérios que serão utilizados para classificar as alternativas em
estudo serão levantados pelos tomadores de decisão. Posteriormente, seguindo as
recomendações de Keeney e Raiffa (1976), esses critérios serão filtrados, fundidos ou
eliminados, visando aprimorar e simplicar a análise, evitando, principalmente,
redundâncias. Segundo eles, o conjunto de critérios deve ser caracterizado pela
operacionalidade, decomponibilidade, tamanho mínimo, completude e ausência de
redundância.
4.4 Definição das categorias e funções de contribuição
(Etapa 4)
Com os critérios definidos, o próximo passo consiste em definir quantas
categorias serão utilizadas no modelo escolhido. A literatura sobre o assunto sugere
que não sejam utilizadas mais de cinco categorias, visando simplificar o modelo e
torná-lo mais fácil de utilizar. Após definir a quantidade k de categorias, serão
definidas as contribuições (µ) que cada critério contribui para que uma determinada
alternativa se classifique dentro da categoria.
Os valores de contribuição variam entre 0 (zero) e 1 (um) continuamente, onde
o valor 0 (zero) indica que o critério nada contribui para que uma alternativa se
classifique dentro de uma determinada categoria. O valor 1 (um) indica que a
42
contribuição do critério é máxima para uma determinada alternativa. É importante
destacar que também são aceitos valores intermediários de contribuição.
Para cada tipo de critério, quantitativo ou qualitativo, os valores de
contribuição serão definidos de maneira diferente. Se o critério j for quantitativo, ele
poderá assumir valores contínuos. Neste caso, as contribuições serão baseadas nas
funções de contribuições, similar aos conjuntos fuzzy. A figura 12 (doze) demonstra
um exemplo de funções de contribuições definidas com funções trapezoidais, para três
categorias.
Fig. 12: Funções de contribuições trapezoidais.
Se o critério i for qualitativo, espera-se que a sua avaliação (y) ocorra baseada
em uma escala com valores discretos. Para cada valor verbal da escala, serão definidos
valores de contribuições para cada uma das categorias, em forma de tabela de
contribuições, como demonstrado na tabela 5 (cinco).
Categorias
Avaliação Cat1 Cat2 ... Catk-1 Catk
ƴ1 µ11 µ12 ... µ1k-1 µ1k
ƴ2 µ21 µ22 ... µ2k-1 µ2k
ƴ3 µ31 µ32 ... µ3k-1 µ3k
... ... ... ... ... ...
ƴm µm1 µm2 ... µmk-1 µmk
Tabela 5: Tabela de contribuições para o critério i.
0
0,2
0,4
0,6
0,8
1
0 1 2 3 4 5 6 7
Cat 1 Cat 2 Cat 3
43
Com as tabelas de contribuições ou funções de contribuições devidamente
definidas, torna-se possível formar o primeiro conjunto importante de dados para o
modelo, denominado de tabela de contribuições agrupadas dos critérios. Cada linha
desta tabela é definida a partir da avaliação realizada para a alternativa em função de
cada critério. A tabela 6 (seis) ilustra um exemplo.
Categorias
Critérios Cat1 Cat2 ... Catk-1 Catk
crit1 µ11 µ12 ... µ1k-1 µ1k
crit2 µ21 µ22 ... µ2k-1 µ2k
crit3 µ31 µ32 ... µ3k-1 µ3k
... ... ... ... ... ...
critn µn1 µn2 ... µnk-1 µnk
Tabela 6: Tabela de contribuições agrupadas dos critérios.
4.5 Definição da importância relativa entre os critérios
escolhidos (Etapa 5)
Segundo Gomes e Gomes (2012), nos problemas multicritério é muito comum
que, para o agente de decisão, alguns critérios sejam considerados mais relevantes que
outros. As medidas que expressam a importância relativa entre os critérios são
definidas como pesos dos critérios. Desta forma, outro conjunto de dados importante
para o modelo refere-se aos pesos dos critérios.
Gomes e Gomes (2012) citam os seis principais métodos para atribuição de
pesos aos critérios, assim denominados:
1) SMART (Simple Multi Attribute Rating Technique);
2) Ordinal (Ranking Methods);
3) AHP (Analytic Hierarhy Process, criado por Thomas L. Saaty, 1991);
4) Atribuição Direta de Peso ou Pontuação Direta (Direct Rating);
5) Swing Weighting;
6) Trade-off Weighting.
44
Nesta etapa, para formar este conjunto, pode-se adotar o seguinte
procedimento, utilizando o método AHP:
a. Deve ser preenchida uma matriz de comparações paritárias, semelhante a
utilizada no AHP (Saaty, 2006). Nela são inseridos julgamentos retirados
da escala fundamental de Saaty, como demonstrado na tabela 7 (sete). A
partir dessa matriz, é obtido o vetor de pesos para n critérios [a1, a2, a3 ...
an-1, an].
Tabela 7: Escala fundamental de Saaty.
b. Remove-se qualquer possível inconsistência presente nestes julgamentos
paritários, utilizando o mesmo procedimento proposto no método TODIM.
Desta forma, é construída uma nova matriz utilizando o vetor de pesos
obtido da matriz anterior.
c. Um novo vetor de pesos é obtido a partir desta matriz, cujas componentes
são calculadas através da média aritmética das linhas da matriz acima. Os
Escala numérica Escala verbal
1 Igual importância
3 Importância moderada
5 Importância forte
7
Importância muito
forte
9 Importância extrema
2,4,6,8
Valores
intermediários.
a1/a1 a1/a2 ... a1/an
a2/a1 a2/a2 ... a2/an
... ... ... ...
an/a1 an/a2 ... an/an
45
novos valores do vetor de pesos são normalizados, dividindo-os pela soma
dessas médias. Com este procedimento, evitam-se os problemas com o
cálculo do autovetor da matriz, citados por Bana e Costa e Vansnick
(2001). Desta forma, obtém-se o vetor de pesos W, cujo somatório das
componentes é igual a 1 (um).
W = [w1 w2 w3 ... wn-1 wn] e ∑
4.6 Classificação de cada alternativa nas categorias
propostas (Etapa 6)
Nesta etapa, são utilizadas as equações do método TODIM, com base nos dois
conjuntos de dados formados para a Classificação: a tabela de contribuições agrupadas
dos critérios (tabela 6) e os pesos dos critérios. Serão construídas n matrizes de
dominâncias parciais (ɸc (cati , catj)), uma para cada critério c. Os elementos de cada
uma destas matrizes serão fornecidos pelo seguinte conjunto de equações (3):
√( ( ))
∑
,
ɸc (cati , catj) = 0 , (3)
√(
∑ ( )
),
Onde:
ɸc (cati , catj) é a medida de dominância da categoria i sobre a categoria j,
considerando o critério c;
46
wrc é a taxa de substituição do peso do critério c pelo peso do critério r, sendo
este último o peso do critério de referência;
∑ é o somatório das taxas de substituição para todos os critérios;
é a diferença entre os pesos das alternativas i e j em relação ao
critério c;
ɵ é o fator de atenuação de perdas, quando ;
=> medida de ganho, se o valor é positivo;
=> não há ganho ou perda no referido ponto;
=> medida de perda, se o valor é negativo.
Como exemplo, a matriz ɸc1 pode ser citada, sendo composta utilizando-se
somente os valores de contribuição associados ao critério 1. Neste caso, somente a
primeira linha da tabela de contribuições agrupadas dos critérios será analisada. Neste
método, as diferenças são vistas como ganhos ou perdas associados à função
de valor da Teoria dos Prospectos, conforme representado na figura 11 (onze). Se a
diferença for positiva (indicando um ganho de dominância da categoria i em relação à
categoria j, no critério 1, por exemplo), o valor do elemento genérico aij da matriz ɸc1
será dado pela primeira função da equação (1). Se a diferença for negativa (indicando
uma perda de dominância da contribuição da categoria i em relação à categoria j), o
valor deste mesmo elemento aij será fornecido pela segunda função da equação (1) e
será nulo caso a diferença seja igual à zero. Os valores wrc representam as taxas de
substituição do peso do critério c dividido pelo peso do critério de referência r (Ou
seja: wrc = wc / wr). Neste caso, wr pode ser o critério de maior peso. O valor Ɵ é o
fator de atenuação de perdas. Diferentes escolhas deste valor levam a diferentes
formas da função de valor da Teoria dos Prospectos, no quadrante negativo (figura
11). Sendo assim, cada matriz ɸc (cati , catj) estará armazenando um conjunto de
valores de dominância das categorias com relação a cada critério.
Depois de calculadas as matrizes de dominâncias parciais para cada critério, é
calculada a matriz de dominâncias δ(cati,catj), equacionada como (4):
δ(cati,catj) = ∑ , Ɐ(i,j) (4)
47
Cada elemento dessa matriz representa a soma de todas as dominâncias obtidas
anteriormente para cada critério. O resultado final será obtido com o cálculo do vetor
X (pronunciado como Xi), que terá como cada um de seus elementos, o seguinte valor
(5):
∑ ( ) ∑ ( )
∑ ( ) ∑ ( )
(5)
Desta maneira, o vetor X, ao ser calculado, sempre apresentará uma
componente com valor 1 (um), representando a categoria mais adequada para a
Classificação, e outra com valor 0 (zero), representando a categoria menos adequada.
Nas demais categorias, serão apresentados outros valores intermediários.
4.7 Análise de Validação (Etapa 7)
Nesta última etapa, a análise de validação ganha importância para dar
qualidade e robustez ao modelo de apoio à decisão. Nela, serão comparados os
resultados obtidos com benchmarkings conhecidos, visando ajustar o modelo para a
realidade esperada pelos tomadores de decisão. Estes ajustes poderão ser realizados,
caso necessário, nos pesos dos critérios, bem como nas tabelas ou funções de
contribuições.
48
5 ESTUDO DE CASO: ESCOLHA DE PONTO DE LOJA DE DEPARTAMENTOS NO CENTRO DO RIO DE JANEIRO
Uma rede de lojas de departamentos brasileira está buscando pontos
comerciais para iniciar uma operação no Centro da cidade do Rio de Janeiro, local
onde ainda não há lojas desta rede instaladas. Ela já atua em diversos pontos
espalhados por todo o Brasil, com mais de 90% de suas lojas instaladas em shopping
centers. No entanto, suas lojas de rua apresentam excelentes resultados e são muito
bem aceitas pelos consumidores e acionistas.
O processo de busca de pontos disponíveis no mercado é feito pela equipe de
expansão da empresa, em contato com diversos empreendedores, através de pesquisas
em campo e com apoio de empresas especializadas em levantamento de dados
estatísticos para escolha de pontos comerciais. Obviamente, em função da
representatividade da empresa no cenário nacional, muitos proprietários entram,
espontaneamente, em contato com a empresa para oferecer pontos após o
encerramento de uma operação que ocupava o local anteriormente. Em função da
pouca disponibilidade de pontos de rua no Centro da Cidade do Rio de Janeiro, todos
são avaliados. E estas avaliações são fundamentadas em alguns critérios definidos
historicamente pelos tomadores de decisão, como veremos adiante. Com base nas
informações para cada um destes critérios, referente aos pontos comerciais de rua
disponíveis, será alimentado o modelo decisório criado, visando classificar os pontos
em análise dentro de quatro categorias possíveis, baseado no modelo mental dos
tomadores de decisão: Ruim, Bom, Muito bom e Excelente. Para os executivos da
empresa responsáveis pela tomada de decisão, os pontos classificados nas categorias
“Ruim” e “Bom” serão descartados do processo.
Utilizando os tópicos da seção anterior, será demonstrada a aplicação do
modelo decisório.
49
5.1 Definição dos analistas de decisão e dos decisores
envolvidos no processo
Os tomadores de decisão são 3 (três) executivos da área de expansão em
conjunto com 2 (dois) executivos da área de lojas da empresa, além do diretor de
operações. É importante destacar que dos 3 (três) executivos da área de expansão, o
mais experiente possui mais de 25 anos de empresa e participou ativamente na
expansão da empresa pelo Brasil, atuando como gerente de loja, gerente regional e
agora como gerente sênior de expansão. Os demais executivos de expansão têm entre
5 e 7 anos de empresa e iniciaram suas trajetórias na empresa como trainees. Os
executivos da área de lojas iniciaram suas carreiras como trainees de gerência de loja,
se tornaram gerentes de loja, gerentes regionais e atualmente ocupam cargos de
gerentes gerais de lojas, se reportando ao diretor de operações. O analista de decisão é
o autor deste artigo.
5.2 Análise e estruturação do problema de decisão
Os executivos receberam informações sobre o processo decisório proposto e
qual o tipo de resultado seria fornecido, com base nas informações coletadas sobre os
pontos. Esta etapa deve ser muito bem trabalhada junto aos tomadores de decisão,
visando tornar o processo o mais claro possível. Esta responsabilidade é do analista de
decisão, que irá trabalhar com o modelo matemático que será aplicado (TODIM-FSE).
Os executivos também foram ouvidos quanto às suas pretensões com o trabalho e os
tipos de pontos que estavam buscando. A ideia principal de todos é que fosse
desenvolvido um modelo decisório que apoiasse na decisão do grupo, utilizando o
conhecimento de todos.
Desta forma, foi definido pelos tomadores de decisão e pelo analista de decisão
que o trabalho em questão tem como objetivo responder à seguinte questão:
Com base em critérios e categorias previamente estabelecidos, qual a
classificação de um ponto comercial de rua disponível para locação?
50
5.3 Definição dos critérios fundamentais para o problema
em estudo
Para definição dos critérios relevantes para o estudo em questão, os tomadores
de decisão foram ouvidos e sugeriram, em uma primeira etapa, os seguintes fatores:
- A venda por m2;
- O tamanho do imóvel;
- A quantidade de andares do imóvel;
- O custo de locação;
- O fluxo de pedestres;
- A população residente no entorno;
- A facilidade de acesso;
- As condições de estacionamento;
- A concorrência no entorno;
- A segurança local;
- A acessibilidade visual;
- A logística de abastecimento;
- A legislação local.
Todos estes fatores são muito importantes para uma escolha adequada de
localização de um ponto de vendas. Na revisão bibliográfica deste trabalho, é possível
verificar a presença de todos os fatores citados pelos tomadores de decisão da empresa
deste estudo nos trabalhos desenvolvidos por outros autores. Para este estudo, os
tomadores de decisão escolheram, em uma segunda etapa, os fatores mais relevantes,
visando simplificar o modelo de decisão que será utilizado. A escolha foi feita da
seguinte forma: cada um dos tomadores de decisão atribuiu uma nota, de 1 (um) a 13
(treze), para os cada um dos critérios sugeridos originalmente, onde 1 (um) era nota
para máxima importância e 13 (treze) para mínima importância. As notas de todos os
tomadores de decisão foram somadas e ponderadas e os 5 (cinco) principais critérios
foram definidos.
51
A seguir, serão apresentados os 5 (cinco) principais critérios definidos pelos
tomadores de decisão para classificar um ponto comercial dentre as categorias que
serão definidas na próxima seção:
- Venda por m2 (R$ / m
2): Este indicador é um dos mais importantes no
varejo moderno. Com ele, é possível avaliar a produtividade de uma loja em
relação a um benchmarking, tanto dentro da empresa quanto no segmento de
atuação. Ele trata da relação entre a venda da loja e sua área total e, neste estudo de
caso, será considerado a partir do segundo ano de operação da loja para descontar
os efeitos de inauguração que distorcem consideravelmente a curva de vendas.
Para o trabalho em questão, este indicador será fornecido por uma empresa
parceira, que fez um levantamento estatístico deste indicador, com base na
população residente próximo ao ponto, no fluxo estimado de pessoas em frente aos
pontos definidos e no histórico conhecido pela empresa parceira para outros pontos
da mesma região;
- Tamanho do imóvel (em m2): O tamanho do imóvel é importante neste
processo, pois será definidor da quantidade de departamentos que poderão ser
alocados na loja, em função do espaço disponível;
- Custo de locação (em R$): O valor devido aos custos com a ocupação do
espaço impacta diretamente no ROI (Return on Investment) e, por isso, é muito
importante na avaliação de um ponto comercial em estudo. No custo de locação,
estão inseridos valores referentes ao aluguel, condomínio, iptu e luvas (valor
atribuído a uma antecipação de parte do aluguel devido a um determinado período
previamente determinado pelo locador);
- Acessibilidade visual: As oportunidades para divulgação da loja, através de
portas e vitrines disponíveis ao público, são consideradas importantes pelos
executivos da empresa, pois possibilitam trabalhar o fluxo no entorno da loja,
criando atratividades promocionais, como campanhas de entradas de coleções e
liquidações, o que impulsiona o faturamento. Neste critério, portanto, serão
consideradas as quantidades de portas e vitrines disponíveis em cada um dos
52
pontos, apresentando as alternativas possíveis em uma tabela de contribuição na
próxima seção deste artigo;
- Concorrência no entorno: Apesar de parecer contraditório, é relevante se
localizar próximo à concorrência, quando está sendo analisado o segmento de lojas
de departamentos de moda localizados em rua. A concorrência torna o fluxo de
pedestre propício para a oferta dos produtos da empresa e cria uma orientação
natural para os clientes naquele local. No caso em estudo, será considerada a
quantidade de concorrentes diretos (lojas de departamentos) localizados no mesmo
quarteirão do ponto em estudo. As alternativas para este critério serão
especificadas na próxima seção, na devida tabela de contribuições.
Os executivos também citaram como critério relevante a legislação local para a
abertura de uma loja nos pontos de rua em estudo. Determinados pontos podem
apresentar entraves maiores que outros para que a operação seja iniciada, em função
de problemas judiciais ou tombamentos públicos. No entanto, este critério será
considerado como fator de corte para a escolha. Ou seja: a legislação já foi analisada
anteriormente para que os pontos em estudo neste trabalho pudessem ser considerados.
A equipe responsável pelo levantamento realizou esta tarefa e já desconsiderou
aqueles que pudessem apresentar dificuldades acima do normal para que uma loja
fosse instalada em determinado local.
Finalizando esta seção, pode-se verificar que estes 5 (cinco) critérios atendem
às características que Keeney e Raiffa (1976) sugerem para o conjunto de critérios.
Tamanho do imóvel e Custo de locação poderiam, naturalmente, ter correlação. No
entanto, em função da localização do ponto, da quantidade de andares e de outras
características não citadas neste artigo, a correlação entre os dois critérios não
apresenta função linear, pelos menos considerando a análise deste estudo de caso. Por
isso, os dois critérios foram mantidos.
53
5.4 Definição das categorias e funções de contribuição
Inicialmente, deve ser definido o tratamento de cada um dos critérios em
análise neste trabalho. Ou seja: o critério é quantitativo ou qualitativo? A resposta é
dada na tabela a seguir:
Tabela 8: Definição das características de cada um dos critérios adotados
no estudo.
Para este estudo de caso, foram definidas 4 (quatro) categorias de avaliação:
Excelente, Muito bom, Bom e Ruim. A partir destas categorias, foram determinadas as
contribuições que serão dadas a cada um dos critérios, considerando suas respectivas
funções ou tabelas de contribuições, como será demonstrado mais a frente.
É importante destacar que, visando manter a confidencialidade da empresa em
estudo, bem como dos dados numéricos coletados nos critérios quantitativos, os
valores foram normalizados da seguinte forma: os dados obtidos para cada um dos
pontos nos respectivos critérios foram divididos pelos maiores valores obtidos em
cada critério e multiplicados por 10 (dez). Desta forma, teremos os valores “10 (dez)”
como os máximos valores obtidos nos respectivos critérios.
Desta forma, são apresentadas as funções de contribuições para os critérios
Venda por m2 e Tamanho do imóvel definidas no gráfico a seguir, com funções
trapezoidais para cada uma das categorias de avaliação.
CritérioQuantitativo ou
Qualitativo?
Venda por m2 Quantitativo
Tamanho do imóvel Quantitativo
Custo de locação Quantitativo
Acessibilidade visual Qualitativo
Concorrência no entorno Qualitativo
54
Figura 13: Funções de contribuições para os critérios Venda por m2 e
Tamanho do imóvel.
Com os valores normalizados obtidos para cada um dos pontos, são obtidas as
contribuições de cada critério para que o ponto se classifique em determinada
categoria.
Abaixo, são apresentadas as funções de contribuições para o critério Custo de
locação.
Figura 14: Funções de contribuições para o critério Custo de Locação.
0
0,2
0,4
0,6
0,8
1
0 2 4 6 8 10
Ruim Bom Muito bom Excelente
0
0,2
0,4
0,6
0,8
1
0 2 4 6 8 10
Excelente Muito bom Bom Ruim
55
Importante destacar que estas funções de contribuições apresentam
características opostas às funções de contribuições dos critérios Venda por m2 e
Tamanho do imóvel. Nestes dois critérios, a contribuição é positiva para a alternativa
quando os valores atribuídos na ordenada x aumentam. No critério Custo de locação,
acontece o oposto: quanto maior o valor atribuído na ordenada x, pior é a contribuição
neste critério para a alternativa. Isto significa que quanto maior o custo de locação de
um imóvel, pior será seu desempenho na análise comparativa com outros imóveis com
um custo menor.
Para os critérios Acessibilidade visual e Concorrência no entorno, serão
utilizadas as seguintes tabelas de contribuições:
Acessibilidade
visual RUIM BOM
MUITO
BOM EXCELENTE
Ponto com
duas entradas
e duas
vitrines
0 0 0,8 1
Ponto com
duas entradas
e uma vitrine
0 0,3 1 0,2
Ponto com
uma entrada
e uma vitrine
0,3 1 0,6 0
Ponto com
uma entrada
e sem vitrine
1 0 0 0
Tabela 9: Tabela de contribuições para o critério Acessibilidade visual.
As possibilidades definidas para o critério Acessibilidade visual foram
estabelecidas com base nas lojas existentes da rede, presentes em rua, e nas
características físicas dos pontos em estudo.
56
Concorrência no entorno
RUIM BOM MUITO BOM EXCELENTE
Todos os concorrentes
0 0 0,6 1
75% dos concorrentes
0 0,4 1 0,3
50% dos concorrentes
0,2 1 0,3 0
25% dos concorrentes
1 0,1 0 0
Tabela 10: Tabela de contribuições para o critério Concorrência no
entorno.
As possibilidades definidas para o critério Concorrência no entorno foram
baseadas nos levantamentos feitos para cada um dos pontos comerciais de rua
presentes neste estudo de caso, conforme a tabela 10 (dez).
5.5 Definição da importância relativa entre os critérios
escolhidos
Para definir a importância relativa entre os critérios, será adotada a mesma
metodologia utilizada no método TODIM. Foi montada uma matriz de comparações
paritárias com cada um dos critérios previamente definidos: Venda por m2 (VM),
Tamanho do imóvel (TI), Custo de locação (CL), Acessibilidade visual (AV) e
Concorrência no entorno (CE). A escala fundamental de Saaty, descrita na tabela 7
(sete), foi utilizada. A tabela 11 (onze) apresenta a matriz de comparações paritárias
preenchida com os valores definidos pelos executivos da empresa para este estudo de
caso. Os valores presentes na tabela refletem uma média simples e aproximada dos
valores atribuídos por cada um dos tomadores de decisão.
57
Tabela 11: Matriz de comparações paritárias preenchida com base na escala
fundamental de Saaty.
Utilizando os cálculos propostos na seção 4.5, item c, é obtido o seguinte vetor
de pesos:
[0,467 (VM) 0,196 (TI) 0,201 (CL) 0,107 (AV) 0,029 (CE)]
A seguir, devem ser retiradas as possíveis inconsistências da matriz
apresentada na tabela 11 (onze), utilizando os procedimentos sugeridos na seção 4.5,
item b. A tabela 12 (doze) apresenta a matriz modificada, com inconsistência nula.
Tabela 12: Matriz de comparações paritárias com incosistência nula.
Refazendo os cálculos para esta nova matriz, como proposto na seção 4.5, item
c, obtém-se o mesmo vetor de pesos anterior, que será utilizado para a classificação.
COMPARAÇÕES PARITÁRIAS
DOS CRITÉRIOS
Venda por
m2
Tamanho do
imóvel
Custo de
locação
Acessibilidade
visual
Concorrência no
entorno
Venda por m2 1 7 6 7 8
Tamanho do imóvel 0,14 1 3 3 5
Custo de locação 0,17 0,33 1 7 4
Acessibilidade visual 0,14 0,33 0,14 1 5
Concorrência no entorno 0,13 0,20 0,25 0,20 1
COMPARAÇÕES PARITÁRIAS
DOS CRITÉRIOS, COM
INCONSISTÊNCIA NULA
Venda por
m2
Tamanho do
imóvel
Custo de
locação
Acessibilidade
visual
Concorrência no
entorno
Venda por m2 1 2,39 2,32 4,38 16,34
Tamanho do imóvel 0,42 1 0,97 1,83 6,84
Custo de locação 0,43 1,03 1 1,89 7,04
Acessibilidade visual 0,23 0,55 0,53 1 3,73
Concorrência no entorno 0,06 0,15 0,14 0,27 1
58
5.6 Classificação de cada alternativa nas categorias
propostas
Nesta etapa, serão trabalhados os dados dos 5 (cinco) pontos comerciais de rua.
Estes dados foram disponibilizados pela empresa, obtidos através de pesquisas em
campo, com os proprietários dos pontos e com a empresa de consultoria envolvida no
levantamento de dados estatísticos. É importante lembrar que os valores dos critérios
quantitativos foram normalizados e multiplicados por 10 (dez), visando manter a
confidencialidade dos dados. A localização dos pontos também foi omitida pela
mesma razão. Desta forma, cada um dos pontos será denominado como Ponto 1,
Ponto 2, Ponto 3, Ponto 4 e Ponto 5. Os dados são apresentados na tabela 13 (treze), a
seguir:
Tabela 13: Dados normalizados dos pontos, obtidos junto à empresa, para
aplicação do método TODIM-FSE.
Com estes dados, formam-se as tabelas de contribuições agrupadas dos
critérios para cada um dos pontos em avaliação. Para isto, se deve recorrer às tabelas
de contribuições anteriormente apresentadas, para os critérios qualitativos
Acessibilidade visual e Concorrência no entorno, e às funções de contribuições
definidas para os critérios quantitativos Venda por m2, Tamanho do imóvel e Custo
de locação. A seguir, é apresentada a tabela de contribuições agrupadas dos critérios
para o Ponto 1, como exemplo.
Dados dos pontos normalizados
Venda por
m2
Tamanho do
Imóvel
Custo de
Locação
Acessibilidade
visual
Concorrência no
entorno
Ponto 1
8,01 6,00 4,62
Ponto com duas
entradas e uma
vitrine
50% dos
concorrentes
Ponto 29,70 2,40 2,77
Ponto com uma
entrada e sem vitrine
25% dos
concorrentes
Ponto 3
10,00 5,60 10,00
Ponto com duas
entradas e duas
vitrines
Todos os
concorrentes
Ponto 4
4,98 10,00 6,77
Ponto com duas
entradas e uma
vitrine
75% dos
concorrentes
Ponto 5
7,45 7,00 6,15Ponto com uma
entrada e uma vitrine
50% dos
concorrentes
59
Tabela 14: Tabela de contribuições agrupadas dos critérios para o Ponto1.
O vetor de pesos definido para o caso em estudo é apresentado na tabela
abaixo:
Tabela 15: Tabela do vetor de pesos dos critérios.
Considerando o critério “Venda por m2” como o citério de referência wr, tendo
em vista que é o critério de maio peso, são obtidas as seguintes taxas de substituição
para aplicar nas equações da seção 4.6:
Tabela 16: Taxas de substituição, considerando o critério Venda por m2 como
a referência.
Ponto 1 RUIM BOM MUITO BOM EXCELENTE
Venda por m2 0,00 0,00 0,70 0,10
Tamanho do imóvel 0,00 1,00 0,00 0,00
Custo de locação 0,00 1,00 0,00 0,00
Acessibilidade visual 0,00 0,30 1,00 0,20
Concorrência no entorno 0,20 1,00 0,30 0,00
0,467 Venda por m2
0,196 Tamanho do imóvel
0,201 Custo de locação
0,107 Acessibilidade visual
0,029 Concorrência no entorno
Peso dos Critérios
1,00 Venda por m2
0,42 Tamanho do imóvel
0,43 Custo de locação
0,23 Acessibilidade visual
0,06 Concorrência no entorno
Taxas de Substituição
60
Aplicando as equações do método TODIM, demonstradas na seção 4.6, são
obtidas as matrizes de dominâncias para cada um dos pontos. Abaixo, é apresentada a
matriz de dominância para o Ponto 1, utilizando Ɵ=1 , como exemplo.
Tabela 17: Matriz de dominâncias para o Ponto 1.
Em seguida, são obtidas as classificações de cada um dos pontos, considerando
as categorias propostas para o estudo de caso (Ruim, Bom, Muito bom e Excelente).
Utilizando-se os valores de Ɵ=1 e Ɵ=2,5 para demonstrar a robustez do
modelo, os valores obtidos para a classificação estão apresentados na tabela 18
(dezoito):
Tabela 18: Classificação para cada um dos pontos, considerando Ɵ=1 e
Ɵ=2,5.
Ponto 1 Ruim Bom Muito bom Excelente
Ruim 0 -11,453 -6,155 -1,756
Bom 1,222 0,000 -2,752 0,701
Muito bom 0,952 -8,589 0,000 0,914
Excelente -2,282 -11,152 -7,109 0
Ruim 0,06 Ruim 0,02
Bom 1,00 Bom 1,00
Muito bom 0,70 Muito bom 0,71
Excelente 0,00 Excelente 0,00
Ruim 1,00 Ruim 1,00
Bom 0,00 Bom 0,00
Muito bom 0,19 Muito bom 0,24
Excelente 0,29 Excelente 0,44
Ruim 0,00 Ruim 0,00
Bom 0,00 Bom 0,00
Muito bom 0,48 Muito bom 0,38
Excelente 1,00 Excelente 1,00
Ruim 0,00 Ruim 0,00
Bom 0,73 Bom 0,83
Muito bom 1,00 Muito bom 1,00
Excelente 0,52 Excelente 0,54
Ruim 0,45 Ruim 0,44
Bom 1,00 Bom 1,00
Muito bom 0,80 Muito bom 0,92
Excelente 0,00 Excelente 0,00
Ponto 5
Ɵ=1
Classificação Final
Ponto 1
Ponto 2
Ponto 3
Ponto 4
Ponto 5
Classificação Final
Ɵ=2,5
Ponto 1
Ponto 2
Ponto 3
Ponto 4
61
Analisando, desta forma, os resultados obtidos na aplicação do método
TODIM-FSE, os pontos 3 (três) e 4 (quatro) foram considerados viáveis, tendo em
vista que estão classificados, respectivamente, como “Excelente” e “Muito bom”, o
que atende às especificações definidas pelos tomadores de decisão deste trabalho.
5.7 Análise de validação
Nesta etapa, foram utilizados benchmarks conhecidos e existentes dentro da
empresa, visando ajustar as funções de contribuições para cada um dos critérios.
Assim, ao avaliar os pontos em estudo, é obtida uma comparação com a expectativa
dos tomadores de decisão, tendo a referência de lojas que apresentam resultados muito
bons dentro do negócio.
Para isto, será analisada uma loja de rua já existente e com histórico de
resultados superior a 1 (um) ano para fazer esta avaliação. Esta loja apresenta
resultados que superaram as expectativas dos tomadores de decisão logo na sua
inauguração e está evoluindo consistentemente. Vale destacar que foram utilizados
valores para o 2º ano de existência desta loja “benchmark”, visando ter período de
comparação similar aos propostos para os pontos comerciais de rua em estudo. Ou
seja: os dados fornecidos para a análise dos 5 (cinco) pontos em análise são para o 2º
ano de existência destas lojas, caso fossem concebidas.
Desta forma, foi obtida a seguinte tabela de contribuições para o ponto
existente, considerado como benchmark:
62
Tabela 19: Tabela de contribuições com os valores atribuídos para a loja
benchmark existente na empresa.
Utilizando a modelagem adotada na seção anterior para avaliar os 5 (cinco)
pontos de rua em estudo, a loja benchmark foi classificada da seguinte forma:
Tabela 20: Classificação final para benchmark, utilizando modelo
desenvolvido para o estudo dos 5 (cinco) pontos em estudo, com θ=1 e θ=2,5.
Também foi analisada uma loja existente da rede, presente em shopping center
e que apresenta baixo desempenho. Os dados utilizados foram obtidos no
levantamento feito para o estudo do ponto disponível no shopping center,
considerando os mesmos requisitos para o trabalho realizado com os pontos de rua em
estudo desta dissertação. A seguir, é apresentada a tabela de contribuições com os
valores atribuídos para a loja de shopping center com baixo desempenho:
Benchmark Ruim Bom Muito bom Excelente
Venda por m2 0,00 0,00 0,00 1,00
Tamanho do imóvel 0,00 1,00 0,00 0,00
Custo de locação 1,00 0,00 0,00 0,00
Acessibilidade visual 0 0,3 1 0,2
Concorrência no entorno 0 0 0,6 1
Ruim 0,00
Bom 0,29
Muito bom 0,78
Excelente 1,00
Benchmark
Classificação Final
θ = 1
Ruim 0,00
Bom 0,28
Muito bom 0,66
Excelente 1,00
Benchmark
Classificação Final
θ = 2,5
63
Tabela 21: Tabela de contribuições com os valores atribuídos para a loja de
shopping center com baixo desempenho.
Aplicando o modelo desenvolvido neste trabalho e baseado no TODIM-FSE, a
loja de shopping center com baixo desempenho foi classificada da seguinte forma:
Tabela 22: Classificação final para loja com baixo desempenho, utilizando
modelo desenvolvido para o estudo dos 5 (cinco) pontos em estudo, com θ=1 e
θ=2,5.
Com esta análise, foi demonstrado que, caso o modelo tivesse sido utilizado
para classificar o ponto com base nos critérios estabelecidos pelos tomadores de
decisão, esta loja não teria sido concebida, pois foi classificada como Ruim pelo
método TODIM-FSE.
Desta forma, o modelo classificou adequadamente as lojas existentes,
considerando as ponderações dos tomadores de decisão, bem como o modelo
desenvolvido pelo analista, baseado no método TODIM-FSE. Não houve necessidade
de calibragem do modelo, considerando os 5 (cinco) critérios definidos originalmente.
Caso o critério Concorrência no entorno fosse excluído da análise, seria necessário
Loja com baixo desempenho Ruim Bom Muito bom Excelente
Venda por m2 0,00 1,00 0,00 0,00
Tamanho do imóvel 1,00 0,00 0,00 0,00
Custo de locação 0,00 1,00 0,00 0,00
Acessibilidade visual 1,00 0,00 0,00 0,00
Concorrência no entorno 1,00 0,10 0,00 0,00
Ruim 1,00 Ruim 1,00
Bom 0,59 Bom 0,73
Muito bom 0,00 Muito bom 0,00
Excelente 0,00 Excelente 0,00
Loja com Baixo desempenho
Classificação Final
Loja com Baixo desempenho
Classificação Final
θ = 1 θ = 2,5
64
fazer um novo levantamento das comparações paritárias dos critérios junto aos
tomadores de decisão, bem como uma nova avaliação do peso de cada um dos
critérios.
65
6 RELEVÂNCIA DO ESTUDO
Este estudo será útil para acionistas e gestores de empresas de varejo que busquem
maior assertividade nas suas tomadas de decisões, visando expandir seus negócios,
considerando a escolha adequada de novos pontos de vendas em estudo para abertura
de novas lojas. É uma breve apresentação aos métodos de apoio multicritério à tomada
de decisão, aproximando os interessados a uma tecnologia muito importante e valiosa,
em mundo cada vez mais voltado para a busca de resultados e com maior necessidade
de acerto nas decisões tomadas.
Acadêmicos que busquem conhecimento sobre métodos para tomada de decisão
também encontrarão grande utilidade no exemplo ilustrado neste estudo, tendo em
vista sua aplicabilidade e natureza prática para realização.
Também vale destacar que este estudo é relevante por sua contribuição teórica à
literatura brasileira e internacional sobre o tema, já que ainda há muitas oportunidades
para introduzir o assunto junto ao público de maneira geral.
66
7 LIMITAÇÕES DO ESTUDO
Os fatores relacionados a seguir representaram pontos considerados como
limitações para o estudo em questão:
- Os números informados pela empresa são projeções obtidas com base em
perfis de lojas com características semelhantes e em levantamentos de dados feitos por
parceiros. Desta forma, os números são aproximados e podem apresentar desvios em
relação ao comportamento que a loja pode apresentar quando for efetivamente
concebida;
- O assunto “Critérios para localização de loja” ainda não possui literatura
consolidada no Brasil e, mesmo no exterior, ainda é tratado com muita subjetividade,
considerando o perfil e o conhecimento dos tomadores de decisão em várias empresas
varejistas mundiais. Este conhecimento ainda está muito restrito às empresas
especializadas em geomarketing, sendo de difícil acesso para quem não está
diretamente envolvido com o segmento varejista;
- O critério Concorrência no entorno foi definido para ser trabalhado com
presença de concorrentes em todos os cenários deste estudo. No entanto, se houver um
ponto comercial onde não haja concorrentes no entorno, a tabela de contribuições
definida não pode ser utilizada. Desta forma, seria necessário redefinir as funções de
contribuições para este critério, visando desenvolver um modelo de apoio à decisão
mais abrangente. Vale destacar que os critérios e suas características de contribuições
foram sugeridos pelos tomadores de decisão, com apoio do autor deste trabalho;
- Em função da necessidade de se manter a confidencialidade dos dados e
números da empresa do estudo de caso, algumas informações que poderiam enriquecer
ainda mais o trabalho foram omitidas. Mas os dados para a aplicação do método
TODIM-FSE foram utilizados adequadamente.
67
8 CONCLUSÃO
O método TODIM-FSE apresentou eficiência (trabalho com produtividade,
fazendo mais com o mínimo de recursos disponíveis) e eficácia (efetivamente resolver
a questão) para que o problema considerado neste estudo de caso fosse adequadamente
resolvido: a classificação de pontos comerciais em rua para abertura de lojas de
departamentos de moda, considerando o modelo mental dos tomadores de decisão, que
são os executivos da empresa, utilizando categorias de fácil compreensão e muito
objetivas. Desta forma, o modelo pode ser utilizado várias vezes, sem a necessidade de
aplicação de matemática complexa ou pré-requisitos, como os utilizados em outros
métodos de classificação, como o UTADIS, de Zopounidis e Doumpos, que utiliza
programação linear em sua formulação.
Também é importante destacar que a análise de validação não é obrigatória no
método TODIM-FSE. Ela é válida para calibrar o modelo, adequando-o ao máximo à
realidade do negócio, utilizando benchmarks para testar ou parametrizar os pesos e as
tabelas e funções de contribuições. Neste estudo de caso, o benchmark e a loja com
baixo desempenho foram utilizados apenas para testar o modelo. Não houve
necessidade de calibragem.
Os resultados do trabalho foram apresentados aos tomadores de decisão e
houve alinhamento com as expectativas iniciais. Os pontos comerciais de rua
considerados como viáveis (que no trabalho foram classificados como “Excelente” e
“Muito bom”) e que foram incorporados ao projeto de expansão da empresa terão lojas
inauguradas em 2014 no Rio de Janeiro exatamente com as características
apresentadas no trabalho. Desta forma, o estudo realizado com o método TODIM-FSE
ratificou a decisão dos executivos envolvidos no trabalho. O autor deste trabalho foi
convidado a apresentar para a área de expansão da empresa o modelo desenvolvido
nesta dissertação, visando incorporar o método desenvolvido neste importante
processo decisório.
68
Os grandes diferenciais do método TODIM-FSE são:
1) A utilização do conceito de “contribuição”, considerando quanto um
critério contribui para que uma determinada alternativa se classifique em
uma categoria;
2) Levar em consideração a Teoria dos Prospectos, que trata do
comportamento humano frente às possibilidades de ganhos e perdas em
situações de risco;
3) A possibilidade de trabalhar com números nebulosos.
4) O modelo desenvolvido para o trabalho poderá ser utilizado em futuros
estudos, utilizando a mesma planilha em Excel, sem necessidade de
grandes alterações.
69
9 RECOMENDAÇÕES PARA ESTUDOS FUTUROS
Em estudos futuros sobre este tema, outros critérios poderiam ser incorporados
na análise do modelo aplicado, tais como ROIC (Return On Invested Capital) e quadro
de pessoal necessário para a operação da loja. Estes dois critérios são muito
observados por analistas de mercado, principalmente quando se está avaliando a saúde
financeira e a perenidade da empresa. Também seria interessante fazer estudos desta
natureza considerando 3 (três) categorias de classificação (por exemplo: “Excelente”,
“Bom” e “Ruim”). É importante destacar que para o estudo de caso deste trabalho, os
tomadores de decisão solicitaram as 4 (quatro) categorias. Com três categorias, os
resultados apresentados podem ser mais assertivos.
Os valores atribuídos para a atenuação das perdas (ɵ) também poderiam ter um
estudo mais aprofundado, visando refinar ainda mais os resultados obtidos e o impacto
dos critérios, considerando os ganhos e perdas da Teoria dos Prospectos no método
TODIM-FSE.
Outra importante consideração sobre estudos futuros para este assunto é a
utilização do coeficiente de correlação de rankings de Spearman, apresentado no
artigo de Kou et al (2012), que tem como propósito alinhar os resultados de diversos
métodos de classificação MCDM, dando mais robustez ao processo decisório. Os
métodos UTADIS e ELECTRE-TRI podem ser aplicados e os resultados alinhados
com os obtidos junto ao método TODIM-FSE.
70
REFERÊNCIAS BIBLIOGRÁFICAS
ABRASCE. Associação brasileira de shopping centers. Disponível em
http://www.portaldoshopping.com.br. Acesso em 20/08/2013.
ACOLET, T. Modelo de análise de crédito fundamentado no ELECTRE TRI.
Dissertação de Mestrado Profissional em Administração das Faculdades Ibmec. Rio de
Janeiro: Ibmec, 2008.
ALMEIDA, F.R.S.L. Análise de localização no contexto de redes varejistas:
levantamento das principais técnicas e práticas. Revista de Administração, São
Paulo v.32, n.2, p.36-46, 1997.
BANA E COSTA, C. A.; VANSNICK, J. C. A critical analysis of the eigenvalue
method used to derive priorities in AHP. Department of Operational Research,
London School of Economics and Political Science. London: LSE Research Online,
2001.
BELTON, V.; STEWART, T. J. Multiple Criteria Decision Analysis: An Integrated
Approach. Massachussetts: Kluwer Academic Publishers, 2002.
BELTON, V.; STEWART, T. Problem structuring and multiple criteria decision
analysis. In: EHRGOTT, M.; FIGUEIRA, J. R.; GRECO, S. (Ed). Trend in multiple
criteria decision analysis. Berlin: Springer, 2010.
BNDES. O crescimento dos shopping centers no Brasil. Disponível em:
http://www.bndes.gov.br/SiteBNDES/export/sites/default/bndes_pt/Galerias/Arquivos/
conhecimento/bnset/shopping.pdf. Acesso em 10/08/2013.
BRANS, J.P.; VINCKE, P. A Preference Ranking Organization Method (The
PROMETHEE Method for Multiple Criteria Decision-Making). Management
Science, Vol. 31, p. 647-656, 1985.
BUCHANAN, L.; O`CONNEL, A. A brief history of decision making. Harvard
Business Review, v. 84, n. 1, p.32-41, 2006.
BURNAZ, S., TOPCU, I. A multiple-criteria decision-making approach for the
evaluation of retail location. Journal of multi-criteria decision analysis, v. 14, p.67-
76, 2006.
CHEN, F.-d.; ZHANG, X.; KANG, F.; FAN, Z.-p.; CHEN, X. A Method for Interval
Multiple Attribute Decision Making With Loss Aversion. International Conference
of Information Science and Management Engineering, IEEE Computer Society, 453-
456, 2010.
CHANG, N. B.; CHEN, H. W.; NING, S. K. Identification of river water quality
using the fuzzy synthetic evaluation approach. Journal of Environmental
Management, vol. 63, 2001.
71
CHINA ASSOCIADOS & GEOMARKETING. Estratégia de mercado. Disponível
em: http://www.chinageomarketing.com.br/estrategia/mercado.html. Acesso em
12/05/2013.
CLEMEN, R.T.; REILLY, T. Making Hard Decisions With Decision Tools. Belmont:
Duxbury, 2001.
CLÍMACO, J.; CRAVEIRINHA, J. Multicriteria analysis in telecommunication
network planning and design – Problems and issues. In: FIGUEIRA, J.; GRECO,
S.; EHRGOTT, M. Multiple criteria decision analysis: State of the art surveys. Boston:
Springer Science, 2005.
COSTA, A. P. C. S.; ALMEIDA, A.T.; GOMES, L. F. A. M. Priorities assignment for
information systems based on TODIM multicriteria method. Informing Science,
2002.
DEALE, S. 5 ways chain retailers are localizing their stores. INStore Trends, 2012.
Disponível em http://instoretrends.com/index.php/2012/01/25/localization-chain-
retail-store-trends-merchandising/. Acesso em 15/08/2013.
DELOITTE. Análise Setorial Varejo: Um setor em grande transformações. São
Paulo, 2009. Disponível em http://www.deloitte.com/assets/Dcom-
Brazil/Local%20Assets/Documents/Analise%20Setorial%20Varejo.pdf Acesso em
20/11/2013.
DEVAUD, J. M.; GROUSSAUD, G.; JACQUET-LAGRÈZE, E. UTADIS: Une
méthode de construction de fonctions d’utilité additives rendant compte de
jugements globaux. Bochum: European Working Group on Multicriteria Decision
Aid, 1980.
DOUMPOS, M.; ZOPOUNIDIS, C. Multicriteria Decision Aid Classification
Methods. New York: Kluwer Academic Publishers, 2002.
EDWARDS, W. How to use multiattribute utility measurement for social decision
making. IEEE Systems, Man and Cybernetics, vol. 7, n. 5, p.326-340, 1977.
FAN, Z.-p.; ZHANG, X.; ZHAO, Y.-r.; CHEN, F.-d. Multiple attribute decision
making with multiple formats of attribute aspirations: A method based on
Prospect Theory. International Journal of Information Technology & Decision
Making, vol. 12, n. 4, p.711-727, 2013.
FERREIRA, O.; PIVETTI, A.; ARAÚJO, L. Abra uma loja para o sucesso: os
segredos do vencedores. Rio de Janeiro: Bom Texto, 2008.
FIGUEIRA, J.; GRECO, S.; EHRGOTT, M. Introduction. In: FIGUEIRA, J. (Ed) et
al. Multiple criteria decision analysis: State of the art surveys. Boston: Springer
Science, 2005a.
FIGUEIRA, J.; MOUSSEAU, V.; ROY, B. ELECTRE Methods. In: FIGUEIRA, J.;
GRECO, S.; EHRGOTT, M. Multiple criteria decision analysis: State of the art
surveys. Boston: Springer Science, 2005b.
72
FRIEDMAN, T. L. O mundo é plano: uma breve história do século XXI. Rio de
Janeiro: Objetiva, 2007.
GHOSH, A.; CRAIG, C. S. Formulating Retail Location Strategy in a Changing
Environment. Chicago: Journal of Marketing, Vol. 47, p. 56, 1983.
GOMES, L.F.A.M.; LIMA, M.M.P.P. TODIM: Basics and Application to
Multicriteria Ranking of Projects with Environmental Impacts. Foundations of
Computing and Decision Sciences, v. 16, p. 113-127, 1991.
GOMES, L.F.A.M.; LIMA, M.M.P.P. From modelling individual preferences to
multicriteria ranking of discrete alternatives: a look at Prospect Theory and the
additive difference model. Foundations of Computing and Decision Sciences. V.17,
p171-184, 1992.
GOMES, L.F.A.M.; ARAYA, M.C.G.; CARIGNANO, C. Tomada de Decisões em
Cenários Complexos: Introdução aos Métodos Discretos do Apoio Multicritério a
Decisão. São Paulo: Pioneira, 2004.
GOMES, L.F.A.M. Teoria da Decisão. São Paulo: Thomson Learning, 2007.
GOMES, L.F.A.M.; RANGEL, L.A.D. An application of the TODIM method to the
multicriteria rental evaluation of the residential properties. European Journal of
Operational Research, 193, p.204-211, 2009.
GOMES, L. F. A. M.; GOMES, C.F.S.; RANGEL, L.A.D. A comparative decision
analysis with THOR and TODIM: rental evaluation in Volta Redonda. Revista
Tecnologia, v. 30, p. 7-11, 2009a.
GOMES, L. F. A. M.; RANGEL, L.A.D.; MARANHÃO, F. J. C. Multicriteria
Analysis of Natural Gas Destination in Brazil: An application of the TODIM
Method. Mathematical and Computer Modelling, v. 50, p. 92-100, 2009b.
GOMES, C.F.S.; GOMES, L.F.A.M.; MARANHÃO, F.J.C. Decision analysis for the
exploration of gas reserves: merging TODIM and THOR. Pesquisa Operacional, v.
30, p. 601-617, 2010.
GOMES, L.F.A.M.; GOMES, C.F.S. Tomada de Decisão Gerencial: Enfoque
Multicritério. São Paulo: Atlas, 2012.
GOMES, L. F. A. M.; GONZÁLEZ, X. I. Behavioral multi-criteria decision
analysis: Further elaborations on the TODIM method. Foundations of Computing
and Decision Sciences, vol. 37, No.1, 2012.
GOMES, L.F.A.M.; MACHADO, M. A. S.; RANGEL, L. A. D. Behavioral multi-
criteria decision analysis: The TODIM method with criteria interactions. Annals
of Operations Research, Springer, 2013a.
GOMES, L.F.A.M.; MACHADO, M. A. S.; COSTA, F. F.; RANGEL, L. A. D.
Criteria interactions in multiple criteria decision aiding: A Choquet formulation
for the TODIM method. Procedia Computer Science, p.324-331, 2013b.
73
GONÇALVES, M.E.L. Classificação multicritério dos fatores de
comprometimento organizacional: uma aplicação do método UTADIS. Dissertação de Mestrado Profissional em Administração das Faculdades Ibmec. Rio de
Janeiro: Ibmec, 2011.
GOODWIN, P.; WRIGHT, G. Decision analysis for management judgment. 2 ed.
Chchester: John Wiley & Sons, 2000.
IBGE. Instituto Brasileiro de Geografia e Estatística. Disponível em
http://www.ibge.gov.br/home/. Acesso em 02/10/2013.
INGLES, G. The increasing importance of location. Music Trades, vol. 161, n 8,
p.52-54, 2013. Disponível em: http://web.ebscohost.com/. Acesso em 05/01/2014.
KAHNEMAN, D; TVERSKY, A. Prospect Theory: an analysis of decision under
risk. Econometrica, v. 47, n. 2, p.263-292, 1979.
KAZANCOGLU, Y.; BURMAOGLU, S. ERP software selection with MCDM:
application of TODIM method. Int. J. Business Information Systems, vol. 13, n. 4,
2013.
KEENEY, R.L. Creative in MS/OR: Value_Focused Thinking – Creativity
Directed toward Decision Making. University of Southern California. Interfaces, v.
23, n. 3, p.62-67, 1993.
KEENEY, R. L. Making Better Decision Makers. Decision Analysis, v. 1, n. 4,
p.193-204, 2004.
KEENEY, R.L.; RAIFFA, H. Decisions with Multiple Objectives: Preferences and
Value Tradeoffs. New York: John Wiley and Sons, 1976.
KOTLER, P; KELLER, K.L. Administração de Marketing: A Bíblia do Marketing.
12ª ed. São Paulo: Pearson Prentice Hall, 2006.
KOTLER, P. Administração de Marketing: Análise, Planejamento,
Implementação e Controle. 5ª ed. São Paulo: Atlas, 1998.
KROHLING, R.A.; SOUZA, T.T.M. F-TODIM: An application of the fuzzy
TODIM method to rental evaluation of residential properties. Rio de Janeiro,
2012. Disponível em: http://www2.claiosbpo2012.iltc.br/pdf/100769.pdf. Acesso em
23/06/2013.
KROHLING, R.A.; SOUZA, T.T.M. Combining Prospect Theory and fuzzy
numbers to multi-criteria decision making. Expert Systems with Applications, v.39,
Issue 13, p.11487-11493, 2012.
KROHLING, R. A.; PACHECO, A. G. C.; SIVIERO, A. L. T. IF-TODIM: An
intuitionistic fuzzy TODIM to multi-criteria decision making. Knowledge-Based
Systems, 2013.
74
KROHLING, R. A.; PACHECO, A. G. C. IFG-TODIM: An intuitionistic fuzzy
TODIM for group decision making. XLVSBPO. Natal: Simpósio Brasileiro de
Pesquisa Operacional, 2013.
KOU, G.; LU, Y.; PENG, Y.; SHI, Y. Evaluation of classification algorithms using
MCDM and Rank correlation. International Journal of Information Technology &
Decision Making, V. 11, No. 1, p.197-225, 2012.
KUO, Y. F.; CHEN, P. C. Selection of mobile value added services for system
operators using Fuzzy Synthetic Evaluation. Expert Systems and Applications, vol.
30, 2006.
LIANG, G.S.; WANG, M.J.J. A fuzzy multi-criteria decision-making method for
facility site selection. International Journal of Production Research, V. 29, No. 11,
p.2313-2330, 1991.
LOURENZUTTI, R.; KROHLING, R. A study of TODIM in a intuitionistic fuzzy
and random environment. Expert Systems with Applications, 2013.
LU, R. S.; LO, S. L.; HU, J. Y. Analysis of reservoir water quality using fuzzy
synthetic evaluation. Stochastic Environmental Research and Risk Assessment, vol.
13, 1999.
McCARTHY, E. J. Marketing Básico. Rio de Janeiro: Zahar, 1976.
MINTZBERG, H. Managing on the edges. International Journal of Public Sector
Management, v. 10, n. 3, p.131-154, 1997.
MOSHKOVICH, H.; GOMES, L.F.A.M.; MECHITOV, A.I. An integrated
multicriteria decision-making approach to real estate evaluation: case of the
TODIM method. Pesquisa operacional, v.31, n. 1, 2011. Disponível em:
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-
74382011000100002&lng=en&nrm=iso. Acesso em 05/07/2013.
NOBRE, F.F.; TROTTA, L.T.F.; GOMES, L.F.A.M. Multi-criteria decision making
– an approach to setting priorities in health care. Statistics in Medicine, v. 18, p.
3345-3354, 1999.
ONKAL-ENGIN, G.; DEMIR, I. Assessment of urban air quality in Istanbul using
Fuzzy Synthetic Evaluation. Atmospheric Environment, vol. 38, 2004.
PARENTE, J. Varejo no Brasil: Gestão Estratégica. São Paulo: Atlas, 2000.
PASSOS, A. C.; TEIXEIRA, M. G.; GARCIA, K. C.; CARDOSO, A. M.; GOMES, L.
F. A. M. Using the TODIM-FSE method as a decision-making support
methodology for oil spill response. Computers and Operations Research, v. 42, p.40-
48, 2014.
PASSOS, A. C.; GOMES, L. F. A. M. Enfoque multicritério à Teoria das
Prospectivas: Fundamentos e Aplicação. RAM. Revista de Administração
75
Mackenzie, vol. 6, n. 1, p.59-77, 2005. Disponível em
http://www.redalyc.org/articulo.oa?id=195416197004. Acesso em 07/10/2013.
PYLE, J.F. The determination of location standards for retail concerns. Harvard
Business Review, Vol. 4, n. 3, p.303-312, 1926. Disponível em:
http://web.ebscohost.com/. Acesso em 22/09/2013.
POPE, J. A.; LANE, W. R.; STEIN, J. A multiple-attribute decision model for retail
store location. Southern Business Review, Vol. 37, n. 2, p15-25. 2012. Disponível em:
http://web.ebscohost.com/. Acesso em 21/09/2013.
RANGEL, L.A.D.; GOMES, L.F.A.M.; CARDOSO, F. P. An application of the
TODIM method to the evaluation of broadband Internet plans. Pesquisa
Operacional, v. 31, p. 235-249, 2011.
ROY, B. Paradigms and Challenges. In: FIGUEIRA, J.; GRECO, S.; EHRGOTT, M.
Multiple criteria decision analysis: State of the art surveys. Boston: Springer
Science, 2005.
ROCHA, M. C. S. P. Métodos de Classificação Multicritério com classes
parcialmente ordenadas. Tese de Doutoramento em Gestão – Ciência Aplicada a
Decisão. Faculdade de Economia da Universidade de Coimbra. Coimbra: FEUC,
2011. Disponível em: http://hdl.handle.net/10316/20020. Acesso em 10/08/2013.
ROSA, F. D. Loja de rua X Loja de shopping: qual é o melhor negócio.
Fecomércio. 2011. Disponível em: http://www.fecomercio.com.br/arquivos
/arquivo/economico/lojasderuaxlojasdeshoppingf1abd670.pdf. Acesso em 27/12/2013.
SAATY, T. L. Método de análise hierárquica. São Paulo: McGraw-Hill do Brasil,
1991.
SAATY, T. L. Fundamentals of Decision Making and Priority Theory with the
Analytic Hierarchy Process. Pittsburgh: RWS Publishing, 2006.
SADIQ, R.; HUSAIN, T.; VEITCH, B.; BOSE, N. Risk-based decision-making for
driling waste discharges using a Fuzzy Synthetic Evaluation technique. Ocean
Engineering, vol. 31, 2004.
SALIBA, G. C.; Priorização de projetos em petroquímica: análise multicritério
pelo método TODIM. Dissertação de Mestrado Profissional em Administração das
Faculdades Ibmec. Rio de Janeiro: Ibmec, 2009.
SALMON, K. Top retailers reveal localization three truths. 2010. Disponível em:
http://www.kurtsalmon.com/MX/vertical-insight/Top-Retailers-Reveal-
Localization%E2%80%99s-Three-Truths?vertical=Retail&id=323&language=en-
us#.UjZYLNJ6aro. Acesso em 15/08/2013.
SANTOS, L. L. Apoio multicritério à decisão aplicado ao processo de
planejamento salarial – Uma abordagem da metodologia ELECTRE-TRI.
Dissertação de Mestrado Profissional em Administração das Faculdades Ibmec. Rio de
Janeiro: Ibmec, 2003.
76
SCHAEFER, M. Winning over the empowered consumer: why trust matters. IBM
Institute for Business Value. New York: IBM, 2012. Disponível em: http://www-
304.ibm.com/easyaccess/fileserve?contentid=233070. Acesso em 20/11/2013.
SZAJUBOK, N. K.; MOTA, C. M. M.; ALMEIDA, A. T. Uso do método
multicritério ELECTRE TRI para classificação de estoques na construção civil.
Pesquisa Operacional. vol.26, no.3, Rio de Janeiro. 2006. Disponível em:
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-
74382006000300010&lng=pt&nrm=iso&tlng=pt. Acesso em 15/08/2013.
TSENG, M.-l.; TAN, K. H.; LIN, r.-j.; GENG, Y. Multicriteria analysis of green
supply chain management using interval-valued fuzzy TODIM. Knowledge-Based
Systems, 2012.
VINCKE, P. Multicriteria Decision-Aid. Chichester: John Wiley & Sons, 1992.
WHITE, L.A.; ELLIS, J.B. A system construct for evaluating retail market
locations. Journal of Marketing Research, Vol. 8, Iss.1, p.43, 1971.
XU, J.; WANG, Y.; TAO, Z. Rough approximation based strategy model between a
green building developer and a contractor under a fuzzy environment. Knowledge-Based Systems, 2013.
ZADEH, L.A. Fuzzy Sets. Information and Control,8, p.338-353, 1965.
ZNOTINAS, N.M.; HIPEL, K.W. Comparison of alternative engineering designs.
Water Resources Bulletin, American Water Resources Association. v. 15, no. 1, 1979.
ZOPOUNIDIS, C.; DOUMPOS, M. A multicriteria decision aid methodology for
the assessment of country risk. European Research on Management and Business
Economics, v.3, n.3, p.13-33, 1997.
ZOPOUNIDIS, C.; DOUMPOS, M. Developing a multicriteria decision support
system for financial classification problems: The FINCLAS system. Optimization
Methods and Software, v.8, n.3-4, p. 277-304, 1998.
ZOPOUNIDIS, C.; DOUMPOS, M. Multicriteria classification and sorting
methods: a literature review. European Journal of Operational Research, 138, p.229-
246, 2002.
77
APÊNDICE A – MODELO DO QUESTIONÁRIO DE PESOS
CRITÉRIOPRIORIDA
DE (1 a 13)
Venda por m2
1 = Prioridade Máxima
Tamanho do imóvel 13 = Prioridade Mínima ou Nula
Quantidade de andares do imóvel
Custo de locação (Compra ou Aluguel)
Fluxo de pedestres
População residente no entorno
Facilidade de acesso
Condições de estacionamento
Concorrência no entorno
Segurança local
Acessibilidade visual
Logística de Abastecimento
Legislação local
Fatores importantes para decidir sobre localização
de ponto de loja no Centro do Rio de Janeiro:
78
APÊNDICE B - TABELAS DE DADOS DOS PONTOS EM ESTUDO COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=1)
Ponto 1
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,0 0,00 0,70 0,10 0,467 Venda por m2
Tamanho do imóvel 0,0 1,00 0,00 0,00 0,196 Tamanho do imóvel
Custo de locação 0,0 1,00 0,00 0,00 0,201 Custo de locação
Acessibilidade visual 0,0 0,30 1,00 0,20 0,107 Acessibilidade visual
Concorrência no entorno 0,2 1,00 0,30 0,00 0,029 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0 -1,224 0 1,00 Venda por m2
Bom 0 0 -1,224 0 0,42 Tamanho do imóvel
Muito bom 0,572 0,572 0,000 0,530 0,43 Custo de locação
Excelente 0,216 0,216 -1,133 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 -2,260292364 0 0
Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 1
Muito bom 0 -2,260292364 0 0
Excelente 0 -2,260292364 0 0 Valor final para Ponto 1
Ruim 0,06
Custo de locação Bom 1,00
Ruim Bom Muito bom Excelente Muito bom 0,70
Ruim 0 -2,227768476 0 0 Excelente 0,00
Bom 0,44887968 0 0,44887968 0,44887968
Muito bom 0 -2,227768476 0 0
Excelente 0 -2,227768476 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 -1,676825753 -3,06145097 -1,369122494
Bom 0,178909466 0 -2,56139365 0,103293428
Muito bom 0,326642501 0,273288724 0 0,292157935
Excelente 0,146078967 -0,9681158 -2,73824499 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 -5,287749531 -1,86950178 0,075646548
Bom 0,151293096 0 0,141521733 0,169150824
Muito bom 0,053490187 -4,946236773 0 0,092647722
Excelente -2,643874766 -5,9118837 -3,23807206 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -11,453 -6,155 -1,756 -19,36328041
Bom 1,222 0,000 -2,752 0,701 -0,829539729
Muito bom 0,952 -8,589 0,000 0,914 -6,72239767
Excelente -2,282 -11,152 -7,109 0 -20,54268139
Minimo -20,54268139
Maximo -0,829539729
Peso dos Critérios
Taxas de Substituição
79
Ponto 2
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,000 0,000 0,000 1,000 0,47 Venda por m2
Tamanho do imóvel 1,000 0,000 0,000 0,000 0,20 Tamanho do imóvel
Custo de locação 0,000 0,000 0,960 0,460 0,20 Custo de locação
Acessibilidade visual 1,000 0,000 0,000 0,000 0,11 Acessibilidade visual
Concorrência no entorno 1,000 0,100 0,000 0,000 0,03 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0 0,000 -1 1,00 Venda por m2
Bom 0 0 0,000 -1 0,42 Tamanho do imóvel
Muito bom 0,000 0,000 0,000 -1,463 0,43 Custo de locação
Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 0,442420643 0,442420643 0,442420643
Bom -2,260292364 0 0 0 Valor TETA 1
Muito bom -2,260292364 0 0 0
Excelente -2,260292364 0 0 0 Valor final para Ponto 2
Ruim 1,00
Custo de locação Bom 0,00
Ruim Bom Muito bom Excelente Muito bom 0,19
Ruim 0 0 -2,18275841 -1,510946093 Excelente 0,29
Bom 0 0 -2,18275841 -1,510946093
Muito bom 0,439810469 0,439810469 0 0,317405866
Excelente 0,304445011 0,304445011 -1,5752702 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 0,326642501 0,326642501 0,326642501
Bom -3,061450966 0 0 0
Muito bom -3,061450966 0 0 0
Excelente -3,061450966 0 0 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 0,160470562 0,169150824 0,169150824
Bom -5,608505326 0 0,053490187 0,053490187
Muito bom -5,9118837 -1,869501775 0 0
Excelente -5,9118837 -1,869501775 0 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 0,930 -1,245 -2,035 -2,350344523
Bom -10,930 0,000 -2,129 -2,920 -15,97957444
Muito bom -10,794 -1,430 0,000 -1,145 -13,36870366
Excelente -10,245 -0,881 -0,892 0 -12,0183695
Minimo -15,97957444
Maximo -2,350344523
Peso dos Critérios
Taxas de Substituição
80
Ponto 3
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,000 0,000 0,000 1,000 0,47 Venda por m2
Tamanho do imóvel 0,000 1,000 0,000 0,000 0,20 Tamanho do imóvel
Custo de locação 1,000 0,000 0,000 0,000 0,20 Custo de locação
Acessibilidade visual 0,000 0,000 0,800 1,000 0,11 Acessibilidade visual
Concorrência no entorno 0,000 0,000 0,600 1,000 0,03 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0 0,000 -1 1,00 Venda por m2
Bom 0 0 0,000 -1 0,42 Tamanho do imóvel
Muito bom 0,000 0,000 0,000 -1,463 0,43 Custo de locação
Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 -2,260292364 0 0
Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 1
Muito bom 0 -2,260292364 0 0
Excelente 0 -2,260292364 0 0 Valor final para Ponto 3
Ruim 0,00
Custo de locação Bom 0,00
Ruim Bom Muito bom Excelente Muito bom 0,48
Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 1,00
Bom -2,227768476 0 0 0
Muito bom -2,227768476 0 0 0
Excelente -2,227768476 0 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 0 -2,73824499 -3,061450966
Bom 0 0 -2,73824499 -3,061450966
Muito bom 0,292157935 0,292157935 0 -1,369122494
Excelente 0,326642501 0,326642501 0,146078967 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 0 -4,57932542 -5,9118837
Bom 0 0 -4,57932542 -5,9118837
Muito bom 0,131023665 0,131023665 0 -3,739003551
Excelente 0,169150824 0,169150824 0,106980374 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -1,811 -6,869 -9,987 -18,66716006
Bom -1,785 0,000 -6,875 -9,994 -18,65401328
Muito bom -1,805 -1,837 0,000 -6,571 -10,21242534
Excelente -1,048 -1,081 0,937 0 -1,192275371
Minimo -18,66716006
Maximo -1,192275371
Peso dos Critérios
Taxas de Substituição
81
Ponto 4
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,000 1,000 0,000 0,000 0,47 Venda por m2
Tamanho do imóvel 0,000 0,000 0,000 1,000 0,20 Tamanho do imóvel
Custo de locação 1,000 0,000 0,000 0,000 0,20 Custo de locação
Acessibilidade visual 0,000 0,300 1,000 0,200 0,11 Acessibilidade visual
Concorrência no entorno 0,000 0,400 1,000 0,300 0,03 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 -1 0,000 0 1,00 Venda por m2
Bom 1 0 0,684 1 0,42 Tamanho do imóvel
Muito bom 0,000 -1,463 0,000 0,000 0,43 Custo de locação
Excelente 0,000 -1,463 0,000 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 0 0 -2,260292364
Bom 0 0 0 -2,260292364 Valor TETA 1
Muito bom 0 0 0 -2,260292364
Excelente 0,442420643 0,442420643 0,442420643 0 Valor final para Ponto 4
Ruim 0,00
Custo de locação Bom 0,73
Ruim Bom Muito bom Excelente Muito bom 1,00
Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 0,52
Bom -2,227768476 0 0 0
Muito bom -2,227768476 0 0 0
Excelente -2,227768476 0 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 -1,676825753 -3,06145097 -1,369122494
Bom 0,178909466 0 -2,56139365 0,103293428
Muito bom 0,326642501 0,273288724 0 0,292157935
Excelente 0,146078967 -0,9681158 -2,73824499 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 -3,739003551 -5,9118837 -3,23807206
Bom 0,106980374 0 -4,57932542 0,053490187
Muito bom 0,169150824 0,131023665 0 0,141521733
Excelente 0,092647722 -1,869501775 -4,94623677 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -6,430 -8,524 -6,419 -21,3726135
Bom -1,258 0,000 -6,457 -1,420 -9,134966976
Muito bom -1,732 -1,058 0,000 -1,827 -4,616877117
Excelente -1,547 -3,858 -7,242 0 -12,64648085
Minimo -21,3726135
Maximo -4,616877117
Peso dos Critérios
Taxas de Substituição
82
Ponto 5
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,000 0,000 1,000 0,000 0,47 Venda por m2
Tamanho do imóvel 0,000 0,000 1,000 0,000 0,20 Tamanho do imóvel
Custo de locação 0,500 0,700 0,000 0,000 0,20 Custo de locação
Acessibilidade visual 0,300 1,000 0,600 0,000 0,11 Acessibilidade visual
Concorrência no entorno 0,200 1,000 0,300 0,000 0,03 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0 -1,463 0 1,00 Venda por m2
Bom 0 0 -1,463 0 0,42 Tamanho do imóvel
Muito bom 0,684 0,684 0,000 0,684 0,43 Custo de locação
Excelente 0,000 0,000 -1,463 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 0 -2,26029236 0
Bom 0 0 -2,26029236 0 Valor TETA 1
Muito bom 0,442420643 0,442420643 0 0,442420643
Excelente 0 0 -2,26029236 0 Valor final para Ponto 5
Ruim 0,44
Custo de locação Bom 1,00
Ruim Bom Muito bom Excelente Muito bom 0,80
Ruim 0 -0,99628835 0,317405866 0,317405866 Excelente 0,00
Bom 0,200745096 0 0,375559685 0,375559685
Muito bom -1,575270196 -1,863884832 0 0
Excelente -1,575270196 -1,863884832 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 -2,561393646 -1,67682575 0,178909466
Bom 0,273288724 0 0,206586857 0,326642501
Muito bom 0,178909466 -1,936231599 0 0,253016193
Excelente -1,676825753 -3,061450966 -2,37138972 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 -5,287749531 -1,86950178 0,075646548
Bom 0,151293096 0 0,141521733 0,169150824
Muito bom 0,053490187 -4,946236773 0 0,092647722
Excelente -2,643874766 -5,9118837 -3,23807206 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -8,845 -6,952 0,572 -15,22528533
Bom 0,625 0,000 -2,999 0,871 -1,502545822
Muito bom -0,217 -7,620 0,000 1,472 -6,365158428
Excelente -5,896 -10,837 -9,332 0 -26,06554601
Minimo -26,06554601
Maximo -1,502545822
Peso dos Critérios
Taxas de Substituição
83
APÊNDICE C - TABELAS DE DADOS DOS PONTOS EM ESTUDO COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=2,5)
Ponto 1
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,0 0,00 0,70 0,10 0,467 Venda por m2
Tamanho do imóvel 0,0 1,00 0,00 0,00 0,196 Tamanho do imóvel
Custo de locação 0,0 1,00 0,00 0,00 0,201 Custo de locação
Acessibilidade visual 0,0 0,30 1,00 0,20 0,107 Acessibilidade visual
Concorrência no entorno 0,2 1,00 0,30 0,00 0,029 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0 -0,489 0 1,00 Venda por m2
Bom 0 0 -0,489 0 0,42 Tamanho do imóvel
Muito bom 0,572 0,572 0,000 0,530 0,43 Custo de locação
Excelente 0,216 0,216 -0,453 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 -0,904116945 0 0
Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 2,5
Muito bom 0 -0,904116945 0 0
Excelente 0 -0,904116945 0 0 Valor final para Ponto 1
Ruim 0,02
Custo de locação Bom 1,00
Ruim Bom Muito bom Excelente Muito bom 0,71
Ruim 0 -0,89110739 0 0 Excelente 0,00
Bom 0,44887968 0 0,44887968 0,44887968
Muito bom 0 -0,89110739 0 0
Excelente 0 -0,89110739 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 -0,670730301 -1,22458039 -0,547648997
Bom 0,178909466 0 -1,02455746 0,103293428
Muito bom 0,326642501 0,273288724 0 0,292157935
Excelente 0,146078967 -0,38724632 -1,09529799 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 -2,115099812 -0,74780071 0,075646548
Bom 0,151293096 0 0,141521733 0,169150824
Muito bom 0,053490187 -1,978494709 0 0,092647722
Excelente -1,057549906 -2,36475348 -1,29522882 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -4,581 -2,462 -0,657 -7,699924234
Bom 1,222 0,000 -0,481 0,979 1,719025818
Muito bom 0,952 -2,928 0,000 0,914 -1,061819102
Excelente -0,695 -4,331 -2,844 0 -7,869974273
Minimo -7,869974273
Maximo 1,719025818
Peso dos Critérios
Taxas de Substituição
84
Ponto 2
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,000 0,000 0,000 1,000 0,47 Venda por m2
Tamanho do imóvel 1,000 0,000 0,000 0,000 0,20 Tamanho do imóvel
Custo de locação 0,000 0,000 0,960 0,460 0,20 Custo de locação
Acessibilidade visual 1,000 0,000 0,000 0,000 0,11 Acessibilidade visual
Concorrência no entorno 1,000 0,100 0,000 0,000 0,03 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0 0,000 -1 1,00 Venda por m2
Bom 0 0 0,000 -1 0,42 Tamanho do imóvel
Muito bom 0,000 0,000 0,000 -0,585 0,43 Custo de locação
Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 0,442420643 0,442420643 0,442420643
Bom -0,904116945 0 0 0 Valor TETA 2,5
Muito bom -0,904116945 0 0 0
Excelente -0,904116945 0 0 0 Valor final para Ponto 2
Ruim 1,00
Custo de locação Bom 0,00
Ruim Bom Muito bom Excelente Muito bom 0,24
Ruim 0 0 -0,87310336 -0,604378437 Excelente 0,44
Bom 0 0 -0,87310336 -0,604378437
Muito bom 0,439810469 0,439810469 0 0,317405866
Excelente 0,304445011 0,304445011 -0,63010808 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 0,326642501 0,326642501 0,326642501
Bom -1,224580386 0 0 0
Muito bom -1,224580386 0 0 0
Excelente -1,224580386 0 0 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 0,160470562 0,169150824 0,169150824
Bom -2,24340213 0 0,053490187 0,053490187
Muito bom -2,36475348 -0,74780071 0 0
Excelente -2,36475348 -0,74780071 0 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 0,930 0,065 -0,251 0,743439175
Bom -4,372 0,000 -0,820 -1,136 -6,327641553
Muito bom -4,054 -0,308 0,000 -0,268 -4,629265383
Excelente -3,505 0,240 0,054 0 -3,211330102
Minimo -6,327641553
Maximo 0,743439175
Peso dos Critérios
Taxas de Substituição
85
Ponto 3
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,000 0,000 0,000 1,000 0,47 Venda por m2
Tamanho do imóvel 0,000 1,000 0,000 0,000 0,20 Tamanho do imóvel
Custo de locação 1,000 0,000 0,000 0,000 0,20 Custo de locação
Acessibilidade visual 0,000 0,000 0,800 1,000 0,11 Acessibilidade visual
Concorrência no entorno 0,000 0,000 0,600 1,000 0,03 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0 0,000 -1 1,00 Venda por m2
Bom 0 0 0,000 -1 0,42 Tamanho do imóvel
Muito bom 0,000 0,000 0,000 -0,585 0,43 Custo de locação
Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 -0,904116945 0 0
Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 2,5
Muito bom 0 -0,904116945 0 0
Excelente 0 -0,904116945 0 0 Valor final para Ponto 3
Ruim 0,00
Custo de locação Bom 0,00
Ruim Bom Muito bom Excelente Muito bom 0,38
Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 1,00
Bom -0,89110739 0 0 0
Muito bom -0,89110739 0 0 0
Excelente -0,89110739 0 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 0 -1,09529799 -1,224580386
Bom 0 0 -1,09529799 -1,224580386
Muito bom 0,292157935 0,292157935 0 -0,547648997
Excelente 0,326642501 0,326642501 0,146078967 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 0 -1,83173017 -2,36475348
Bom 0 0 -1,83173017 -2,36475348
Muito bom 0,131023665 0,131023665 0 -1,49560142
Excelente 0,169150824 0,169150824 0,106980374 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -0,455 -2,478 -3,725 -6,6588806
Bom -0,449 0,000 -2,485 -3,732 -6,665248156
Muito bom -0,468 -0,481 0,000 -2,628 -3,577152218
Excelente 0,288 0,275 0,937 0 1,500561132
Minimo -6,665248156
Maximo 1,500561132
Peso dos Critérios
Taxas de Substituição
86
Ponto 4
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,000 1,000 0,000 0,000 0,47 Venda por m2
Tamanho do imóvel 0,000 0,000 0,000 1,000 0,20 Tamanho do imóvel
Custo de locação 1,000 0,000 0,000 0,000 0,20 Custo de locação
Acessibilidade visual 0,000 0,300 1,000 0,200 0,11 Acessibilidade visual
Concorrência no entorno 0,000 0,400 1,000 0,300 0,03 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 -1 0,000 0 1,00 Venda por m2
Bom 1 0 0,684 1 0,42 Tamanho do imóvel
Muito bom 0,000 -0,585 0,000 0,000 0,43 Custo de locação
Excelente 0,000 -0,585 0,000 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 0 0 -0,904116945
Bom 0 0 0 -0,904116945 Valor TETA 2,5
Muito bom 0 0 0 -0,904116945
Excelente 0,442420643 0,442420643 0,442420643 0 Valor final para Ponto 4
Ruim 0,00
Custo de locação Bom 0,83
Ruim Bom Muito bom Excelente Muito bom 1,00
Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 0,54
Bom -0,89110739 0 0 0
Muito bom -0,89110739 0 0 0
Excelente -0,89110739 0 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 -0,670730301 -1,22458039 -0,547648997
Bom 0,178909466 0 -1,02455746 0,103293428
Muito bom 0,326642501 0,273288724 0 0,292157935
Excelente 0,146078967 -0,38724632 -1,09529799 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 -1,49560142 -2,36475348 -1,295228824
Bom 0,106980374 0 -1,83173017 0,053490187
Muito bom 0,169150824 0,131023665 0 0,141521733
Excelente 0,092647722 -0,74780071 -1,97849471 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -2,302 -3,140 -2,298 -7,741061978
Bom 0,078 0,000 -2,173 -0,064 -2,157699031
Muito bom -0,395 -0,181 0,000 -0,470 -1,046479618
Excelente -0,210 -1,278 -2,631 0 -4,118999171
Minimo -7,741061978
Maximo -1,046479618
Peso dos Critérios
Taxas de Substituição
87
Ponto 5
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,000 0,000 1,000 0,000 0,47 Venda por m2
Tamanho do imóvel 0,000 0,000 1,000 0,000 0,20 Tamanho do imóvel
Custo de locação 0,500 0,700 0,000 0,000 0,20 Custo de locação
Acessibilidade visual 0,300 1,000 0,600 0,000 0,11 Acessibilidade visual
Concorrência no entorno 0,200 1,000 0,300 0,000 0,03 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0 -0,585 0 1,00 Venda por m2
Bom 0 0 -0,585 0 0,42 Tamanho do imóvel
Muito bom 0,684 0,684 0,000 0,684 0,43 Custo de locação
Excelente 0,000 0,000 -0,585 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 0 -0,90411695 0
Bom 0 0 -0,90411695 0 Valor TETA 2,5
Muito bom 0,442420643 0,442420643 0 0,442420643
Excelente 0 0 -0,90411695 0 Valor final para Ponto 5
Ruim 0,44
Custo de locação Bom 1,00
Ruim Bom Muito bom Excelente Muito bom 0,92
Ruim 0 -0,39851534 0,317405866 0,317405866 Excelente 0,00
Bom 0,200745096 0 0,375559685 0,375559685
Muito bom -0,630108078 -0,745553933 0 0
Excelente -0,630108078 -0,745553933 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 -1,024557458 -0,6707303 0,178909466
Bom 0,273288724 0 0,206586857 0,326642501
Muito bom 0,178909466 -0,77449264 0 0,253016193
Excelente -0,670730301 -1,224580386 -0,94855589 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 -2,115099812 -0,74780071 0,075646548
Bom 0,151293096 0 0,141521733 0,169150824
Muito bom 0,053490187 -1,978494709 0 0,092647722
Excelente -1,057549906 -2,36475348 -1,29522882 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -3,538 -2,590 0,572 -5,556493486
Bom 0,625 0,000 -0,765 0,871 0,731190591
Muito bom 0,728 -2,372 0,000 1,472 -0,172184388
Excelente -2,358 -4,335 -3,733 0 -10,42621841
Minimo -10,42621841
Maximo 0,731190591
Peso dos Critérios
Taxas de Substituição
88
APÊNDICE D – TABELAS DE DADOS DO BENCHMARK COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=1)
Benchmark
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,00 0,00 0,00 1,00 0,467 Venda por m2
Tamanho do imóvel 0,00 1,00 0,00 0,00 0,196 Tamanho do imóvel
Custo de locação 1,00 0,00 0,00 0,00 0,201 Custo de locação
Acessibilidade visual 0 0,3 1 0,2 0,107 Acessibilidade visual
Concorrência no entorno 0 0 0,6 1 0,029 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0,000 0,000 -1,463 1,00 Venda por m2
Bom 0,000 0,000 0,000 -1,463 0,42 Tamanho do imóvel
Muito bom 0,000 0,000 0,000 -1,463 0,43 Custo de locação
Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 -2,260292364 0 0
Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 1
Muito bom 0 -2,260292364 0 0
Excelente 0 -2,260292364 0 0 Valor final para Benchmark
Ruim 0,00
Custo de locação Bom 0,29
Ruim Bom Muito bom Excelente Muito bom 0,78
Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 1,00
Bom -2,227768476 0 0 0
Muito bom -2,227768476 0 0 0
Excelente -2,227768476 0 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 -1,676825753 -3,061450966 -1,369122494
Bom 0,178909466 0 -2,561393646 0,103293428
Muito bom 0,326642501 0,273288724 0 0,292157935
Excelente 0,146078967 -0,9681158 -2,738244987 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 0 -4,579325423 -5,9118837
Bom 0 0 -4,579325423 -5,9118837
Muito bom 0,131023665 0,131023665 0 -3,739003551
Excelente 0,169150824 0,169150824 0,106980374 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -3,488 -7,192 -8,295 -18,97486332
Bom -1,606 0,000 -6,698 -6,829 -15,13350808
Muito bom -1,770 -1,856 0,000 -4,909 -8,53552956
Excelente -1,229 -2,376 -1,948 0 -5,55192116
Minimo -18,97486332
Maximo -5,55192116
Peso dos Critérios
Taxas de Substituição
89
APÊNDICE E – TABELAS DE DADOS DO BENCHMARK COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=2,5)
Benchmark
CRITERIOS Ruim Bom Muito bom Excelente
Venda por m2 0,00 0,00 0,00 1,00 0,467 Venda por m2
Tamanho do imóvel 0,00 1,00 0,00 0,00 0,196 Tamanho do imóvel
Custo de locação 1,00 0,00 0,00 0,00 0,201 Custo de locação
Acessibilidade visual 0 0,3 1 0,2 0,107 Acessibilidade visual
Concorrência no entorno 0 0 0,6 1 0,029 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 0,000 0,000 -0,585 1,00 Venda por m2
Bom 0,000 0,000 0,000 -0,585 0,42 Tamanho do imóvel
Muito bom 0,000 0,000 0,000 -0,585 0,43 Custo de locação
Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 -0,904116945 0 0
Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 2,5
Muito bom 0 -0,904116945 0 0
Excelente 0 -0,904116945 0 0 Valor final para Benchmark
Ruim 0,00
Custo de locação Bom 0,28
Ruim Bom Muito bom Excelente Muito bom 0,66
Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 1,00
Bom -0,89110739 0 0 0
Muito bom -0,89110739 0 0 0
Excelente -0,89110739 0 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 -0,670730301 -1,224580386 -0,547648997
Bom 0,178909466 0 -1,024557458 0,103293428
Muito bom 0,326642501 0,273288724 0 0,292157935
Excelente 0,146078967 -0,38724632 -1,095297995 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 0 -1,831730169 -2,36475348
Bom0 0 -1,831730169 -2,36475348
Muito bom 0,131023665 0,131023665 0 -1,49560142
Excelente 0,169150824 0,169150824 0,106980374 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -1,126 -2,607 -3,049 -6,781961903
Bom -0,270 0,000 -2,414 -2,404 -5,087724339
Muito bom -0,433 -0,500 0,000 -1,788 -2,72172993
Excelente 0,108 -0,438 -0,305 0 -0,635268185
Minimo -6,781961903
Maximo -0,635268185
Peso dos Critérios
Taxas de Substituição
90
APÊNDICE F – TABELAS DE DADOS DA LOJA DE SHOPPING CENTER COM BAIXO DESEMPENHO APLICANDO O MÉTODO TODIM-FSE (Ɵ=1)
Loja com baixo desempenho Ruim Bom Muito bom Excelente
Venda por m2 0,00 1,00 0,00 0,00 0,467 Venda por m2
Tamanho do imóvel 1,00 0,00 0,00 0,00 0,196 Tamanho do imóvel
Custo de locação 0,00 1,00 0,00 0,00 0,201 Custo de locação
Acessibilidade visual 1,00 0,00 0,00 0,00 0,107 Acessibilidade visual
Concorrência no entorno 1,00 0,10 0,00 0,00 0,029 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 -1,463 0,000 0,000 1,00 Venda por m2
Bom 0,684 0,000 0,684 0,684 0,42 Tamanho do imóvel
Muito bom 0,000 -1,463 0,000 0,000 0,43 Custo de locação
Excelente 0,000 -1,463 0,000 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 0,442420643 0,442420643 0,442420643
Bom -2,260292364 0 0 0 Valor TETA 1
Muito bom -2,260292364 0 0 0
Excelente -2,260292364 0 0 0 Valor final para Loja Baixo desempenho
Ruim 1,00
Custo de locação Bom 0,59
Ruim Bom Muito bom Excelente Muito bom 0,00
Ruim 0 -2,227768476 0 0 Excelente 0,00
Bom 0,44887968 0 0,44887968 0,44887968
Muito bom 0 -2,227768476 0 0
Excelente 0 -2,227768476 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 0,326642501 0,326642501 0,326642501
Bom -3,061450966 0 0 0
Muito bom -3,061450966 0 0 0
Excelente -3,061450966 0 0 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 0,160470562 0,169150824 0,169150824
Bom -5,608505326 0 0,053490187 0,053490187
Muito bom -5,9118837 -1,869501775 0 0
Excelente -5,9118837 -1,869501775 0 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -2,761 0,938 0,938 -0,884408494
Bom -9,798 0,000 1,186 1,186 -7,425489765
Muito bom -11,234 -5,560 0,000 0,000 -16,79349894
Excelente -11,234 -5,560 0,000 0 -16,79349894
Minimo -16,79349894
Maximo -0,884408494
Peso dos Critérios
Taxas de Substituição
91
APÊNDICE G – TABELAS DE DADOS DA LOJA DE SHOPPING CENTER COM BAIXO DESEMPENHO APLICANDO O MÉTODO TODIM-FSE (Ɵ=2,5)
Loja com baixo desempenho Ruim Bom Muito bom Excelente
Venda por m2 0,00 1,00 0,00 0,00 0,467 Venda por m2
Tamanho do imóvel 1,00 0,00 0,00 0,00 0,196 Tamanho do imóvel
Custo de locação 0,00 1,00 0,00 0,00 0,201 Custo de locação
Acessibilidade visual 1,00 0,00 0,00 0,00 0,107 Acessibilidade visual
Concorrência no entorno 1,00 0,10 0,00 0,00 0,029 Concorrência no entorno
Venda por m2
Ruim Bom Muito bom Excelente
Ruim 0 -0,585 0,000 0,000 1,00 Venda por m2
Bom 0,684 0,000 0,684 0,684 0,42 Tamanho do imóvel
Muito bom 0,000 -0,585 0,000 0,000 0,43 Custo de locação
Excelente 0,000 -0,585 0,000 0,000 0,23 Acessibilidade visual
0,06 Concorrência no entorno
Tamanho do imóvel
Ruim Bom Muito bom Excelente
Ruim 0 0,442420643 0,442420643 0,442420643
Bom -0,904116945 0 0 0 Valor TETA 2,5
Muito bom -0,904116945 0 0 0
Excelente -0,904116945 0 0 0 Valor final para Loja Baixo desempenho
Ruim 1,00
Custo de locação Bom 0,73
Ruim Bom Muito bom Excelente Muito bom 0,00
Ruim 0 -0,89110739 0 0 Excelente 0,00
Bom 0,44887968 0 0,44887968 0,44887968
Muito bom 0 -0,89110739 0 0
Excelente 0 -0,89110739 0 0
Acessibilidade visual
Ruim Bom Muito bom Excelente
Ruim 0 0,326642501 0,326642501 0,326642501
Bom -1,224580386 0 0 0
Muito bom -1,224580386 0 0 0
Excelente -1,224580386 0 0 0
Concorrência no entorno
Ruim Bom Muito bom Excelente
Ruim 0 0,160470562 0,169150824 0,169150824
Bom-2,24340213 0 0,053490187 0,053490187
Muito bom -2,36475348 -0,74780071 0 0
Excelente -2,36475348 -0,74780071 0 0
Matriz de Dominância
Ruim Bom Muito bom Excelente Soma
Ruim 0 -0,547 0,938 0,938 1,329813587
Bom -3,240 0,000 1,186 1,186 -0,867340572
Muito bom -4,493 -2,224 0,000 0,000 -6,717399575
Excelente -4,493 -2,224 0,000 0 -6,717399575
Minimo -6,717399575
Maximo 1,329813587
Peso dos Critérios
Taxas de Substituição