proposta de um modelo de simulaÇÃo baseado em … · nesse sentido, lau, pang e wong (2002)...
TRANSCRIPT
PROPOSTA DE UM MODELO DE
SIMULAÇÃO BASEADO EM LÓGICA
FUZZY PARA A AVALIAÇÃO DO
DESEMPENHO EM VENDAS DE
PARCEIROS DE NEGÓCIOS: UM
ESTUDO DE CASO EM UMA EMPRESA
PROVEDORA DE SOLUÇÕES
EMPRESARIAIS NA ÁREA DE
TECNOLOGIA DE INFORMAÇÃO.
Gil Silva Neto (UFSCar)
Gilberto Miller Devós Ganga (UFSCar)
O objetivo deste trabalho foi propor um modelo de simulação baseado
em lógica fuzzy para a avaliação de desempenho dos parceiros de
negócios em uma empresa de soluções empresariais em Tecnologia da
Informação (TI). A abordagem de pesquisa ffoi baseada na hipótese de
que um modelo de simulação quantitativo poderia ser construído para
simular e predizer o desempenho dos parceiros de vendas dessa
empresa. Para tanto, o modelo fuzzy desenvolvido por meio de um
estudo de caso, teve a base de regras modelada pelo gerente de
relacionamento das parcerias. Os resultados da simulação mostram-se
satisfatórios para avaliação do desempenho em vendas dos parceiros
dos negócios, porém, é necessário uma maior densidade da base de
dados para uma melhor parametrização das funções de pertinência, a
fim de melhorar a robustez do modelo. Os resultados da pesquisa
limitam-se ao estudo de caso realizado, e as condições da pesquisa em
questão.
Palavras-chaves: Gestão do desempenho, lógica fuzzy, alianças e
parcerias estratégicas
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente.
São Carlos, SP, Brasil, 12 a15 de outubro de 2010.
2
1. Introdução
A ênfase na busca de uma nova forma organizacional que possa conduzir as empresas ao
sucesso corporativo no longo prazo tem estimulado a ampliação de alianças e parcerias
estratégicas, com sua ampla utilização no mundo dos negócios desde o final dos anos 1980
(FERREIRA; DIVINO, 2007).
Galhardi e Cutti (2005) afirmam que o desenvolvimento das alianças estratégicas vem
acontecendo de maneira intensa, aumentando a necessidade das organizações reverem seus
procedimentos e posicionamentos em beneficio da teia de negócios.
Para tanto, Siqueira et al. (2005) ressaltam que alianças também têm seus riscos. A
coordenação eficiente entre empresas independentes, cada uma com motivações diferentes e
talvez objetivos conflitantes é uma tarefa desafiadora. Os parceiros precisam superar barreiras
culturais e reunir esforços para reduzir os custos de transação que normalmente são altos.
As alianças e parcerias estratégicas requerem certas condições para serem efetivas:
reconhecimento da interdependência entre os membros do canal, cooperação próxima,
especificações claras das funções e objetivos, direitos e deveres bem definidos para cada
membro do canal, coordenação dos esforços em busca de um objetivo comum, confiança, e
comunicação (COUGHLAN; EL-ANSARY; STERN, 2001).
Segundo Coughlan, El-Ansary e Stern (2001) a permanência de longo prazo de cada
companhia pertencente à rede de negócios irá depender da avaliação ampla de como cada
companhia gerencia as relações entre instituições e agências envolvidas, na distribuição de
responsabilidade e como a empresa está lidando com as necessidades dos consumidores
finais.
Nesse sentido, Lau, Pang e Wong (2002) afirmam que é essencial que se desenvolvam e
mantenham boas relações de negócios com os parceiros, sendo necessário construir
metodologias que tenham a flexibilidade necessária para descrever estas relações, as quais são
difíceis de mensurar com valores quantitativos ou valores lógicos tradicionais. Um
relacionamento de longo prazo entre empresas necessita de um sistema de monitoramento de
performance, que contribua para uma correta administração dos objetivos da cadeia de
negócio.
O mundo que envolve percepções, como o é o mundo da administração de empresas, não
possui fronteiras nítidas e bem definidas, e é repleto de ambigüidades e incertezas. Assim, é
razoável a idéia de que, ao se utilizar os conjuntos clássicos e as lógicas tradicionais de
avaliação na formulação de problemas de administração, na verdade, estamos criando
fronteiras arbitrárias (CARNEIRO, 2008).
Nesse contexto, de mundo complexo, repleto de subjetividades e incertezas a lógica fuzzy
aparece como uma abordagem útil na mensuração dos processos operacionais ao longo de
uma cadeia de suprimentos (GANGA, 2010; LAU; PANG; WONG, 2002).
A lógica fuzzy é uma abordagem matemática para trabalhar com um ambiente de variáveis de
difícil determinação, com conteúdo vago e também capaz de emular o comportamento
humano, no que diz respeito às suas formas de comunicação e dedução na tarefa de controle.
(CARNEIRO, 2008).
A avaliação de fornecedores (parceiros) usando valores lógicos clássicos para pesos não é só
inapropriado, mas também não é suficientemente preciso para representar o status da cognição
3
individual semântica entre tais agentes. Nesse sentido, Wang et. al (2005) desenvolveram um
quantificador lingüístico fuzzy para selecionar parceiros de uma cadeia de suprimentos. Um
modelo de avaliação fuzzy é estabelecido em acordo com o estatuto semântico individual e
contribui para cálculos de atributos de performance da cadeia de suprimentos.
Diante de todo contexto discutido até o presente momento o objetivo deste trabalho foi propor
um modelo de simulação baseado em lógica fuzzy para a avaliação de desempenho dos
parceiros de negócios em uma empresa de soluções empresariais em Tecnologia da
Informação (TI).
Nesse contexto, Unahabhokha, Platts e Tan (2007), destacam a relevância do
desenvolvimento de um sistema de medição baseado em lógica fuzzy para predizer o
desempenho organizacional.
Uma das premissas para o desenvolvimento de tal modelo na empresa estudada foi a
dificuldade da mesma avaliar adequadamente o desempenho dos respectivos parceiros de
negócios, que realizavam as vendas das soluções de TI desenvolvidas pela mesma. Nos
últimos anos tal organização vinha empreendendo um esforço significativo para utilizar o
balanced scorecard. No entanto, esta abordagem mostrava-se limitada por não conseguir
mapear adequadamente o comportamento de variáveis subjetivas, estas muitas vezes
estimadas pela experiência e feeling dos gerentes de relacionamento.
Diante da necessidade de se desenvolver um sistema de avaliação de desempenho que
incorporasse o conhecimento e experiência dos gerentes de relacionamentos, a lógica fuzzy foi
considerada como uma abordagem viável para tal tentativa.
A abordagem de pesquisa foi baseada na hipótese de que um modelo de simulação
quantitativo poderia ser construído para simular e predizer o desempenho dos parceiros de
vendas de uma empresa desenvolvedora de soluções de TI.
Este trabalho está organizado da seguinte maneira: As seções 2 e 3 trazem uma breve revisão
bibliográfica sobre parcerias estratégicas e lógica fuzzy. A seção 4 apresenta uma maior
descrição da metodologia empregada na pesquisa, enquanto a seção 5 apresenta o modelo
proposto. A seção 6 contém os resultados da simulação bem como uma análise estatística dos
mesmos segundo a metodologia de superfícies de resposta. Finalmente a seção 7 tece as
considerações finais, encerrando o trabalho pelas referências utilizadas ao longo do mesmo.
2. Alianças e parcerias estratégicas
Até os anos 1980, as empresas foram dominadas pelo conceito da rivalidade, em consonância
com as condições que então imperavam - produção em massa, existência de mercados
oligopólicos, baixa competição estrangeira. Porém, no final daquela década, o mundo passou
por uma mudança radical associada à globalização. A economia começou a se caracterizar por
uma maior liberalização dos mercados e os consumidores aumentavam suas exigências,
requerendo soluções cuja complexidade implicava, freqüentemente, a integração de recursos
de várias empresas (TROCCOLI; DIANA; SOARES, 2004).
A economia mundial transformou os modelos estratégicos e o inter-relacionamento das
empresas. Para assegurar a sobrevivência e o crescimento em cenários competitivos, cada vez
mais organizações estabeleciam cooperação entre si (KALSING, 2006).
Para Gulati, Nohria e Zaheer (2000), as alianças estratégicas são definidas de forma ampla,
como arranjos voluntários entre empresas, envolvendo troca, compartilhamento, ou co-
desenvolvimento de produtos, tecnologias ou serviços, que contribuem diretamente para a
4
vantagem competitiva da empresa.
Em relação às parcerias, Siqueira et al. (2005) afirmam que representam um estágio
intermediário entre o formato convencional de relacionamento comprador/fornecedor e
alianças estratégicas. No relacionamento tradicional cada parte busca exclusivamente atender
seus interesses sem se preocupar com as necessidades da outra parte. Nas parcerias já se
podem verificar alguns acordos que trazem facilidades para ambos atores e começa a se
desenvolver um relacionamento de maior confiabilidade. A conhecida parceria “ganha”.
O foco deste trabalho não é distinguir o termo “aliança” de “parceria”, para um contexto
estratégico. Nesse sentido, procurou-se apenas da ênfase no entendimento das relações entre
parceiros de negócios e avaliação de desempenho destes.
Para tanto, entende-se que as relações entre parceiros ocorrem extensivamente através de
laços sociais, econômicos, técnicos em sobreposição ao tempo. A intenção em relações entre
parceiros é diminuir custos totais e aumentar o valor para o canal, atingindo benefícios para
ambas partes envolvidas. Para tal requer comunicação, cooperação, confiança, e
comprometimento entre os membros do canal. Parcerias contribuem dando para os membros
um senso de fazerem parte de um mesmo time. As relações contraditórias são sobrepostas as
que são construídas com base na confiança e na cooperação, são correntes verticais que
adicionam valor e criam vantagens competitivas. Entregando contratos de maior valor,
reduzindo a competitividade, as redundâncias nos estoques, e provendo um mercado
promissor (COUGHLAN; EL-ANSARY; STERN, 2001).
3. Sistemas fuzzy baseado em regras
A noção de conjunto fuzzy foi dada por Zadeh, em 1965 com o objetivo de definir conjuntos
que não possuem fronteiras bem definidas. Nos conjuntos clássicos, um dado elemento
pertence ou não ao conjunto. Porém existem casos em que esta relação de pertinência não está
muito clara, isto é, não se sabe dizer se um elemento pertence ou não a um dado conjunto
(BARROS, 1992).
Em contraposição ao binário 1 (verdadeiro/pertence) ou 0 (falso/não pertence) dos conjuntos
clássicos, os conjuntos fuzzy admitem maior riqueza de alternativas:(a) quando o valor da
variável for igual a 1, ela é absolutamente pertinente;(b) quanto mais próximo de 1, maior é a
sua pertinência;(c) quanto mais próximo de 0 for o valor da variável, menor é a sua
pertinência;(d) quando o valor for 0, ela não pertence ao conjunto analisado.
Segundo Gomide e Gudwin (1994), sistemas clássicos binários são pouco eficientes com
relação a conhecimento impreciso, com ruído ou com variação em dados de entrada, e que é
necessário uma enorme quantidade de regras para se obter um resultado ou desempenho
significativo. Conseqüentemente, este tipo clássico de inferência demanda tempo devido a
necessidade de se verificar o relacionamento entre um dado e uma base de regras.
Um sistema fuzzy baseado em regras é mostrado na Figura 1, a seguir, onde estão
identificadas as funções de cada bloco (BARROS; BASSANEZI, 2006):
5
Base de regras
Máquina de Inferência
Fuzzificação Defuzzificação
entradacrisp
Saídacrisp
Especialistas
Fonte: Baseado em Barros e Bassanezi (2006)
Figura 1 - Sistema de Inferência Fuzzy
a) Fuzzificação: Este módulo efetua um mapeamento entre os valores numéricos das variáveis
crisp de entrada do sistema para graus de compatibilidade com conceitos linguísticos;
b) A base de regras relaciona logicamente as informações que formam a base de
conhecimentos do sistema fuzzy;
c) Máquina de Inferência: Este módulo realiza o processamento fuzzy propriamente dito. Cada
proposição fuzzy é traduzida matematicamente por meio das técnicas de “raciocínio
aproximado”, ou seja, as operações de conjuntos fuzzy;
d) Defuzzificação: Este módulo transforma o conceito linguístico, obtido pelo procedimento
de inferência, em um valor numérico bem definido (variável crisp), o qual é utilizado como a
saída efetiva do sistema fuzzy.
A seção a seguir refere-se à metodologia utilizada para proposição do modelo.
4. Metodologia
A empresa em que foi realizada esta pesquisa opera há mais de trinta anos no mercado de
soluções de tecnologia de informação integradas. Tal companhia é a maior fornecedora de
softwares empresariais do mundo, contendo mais de 345.000 clientes, suportando-os em mais
de 145 países.
Existem mais de 17.700 parceiros pelo mundo todo, que além de proporcionarem soluções
transacionais (ERPs e banco de dados, por exemplo) para os clientes, entregam também
soluções específicas para determinados mercados, indústrias e funcionalidades particulares.
O foco da pesquisa foram os parceiros que revendem as soluções da companhia. No Brasil
existem mais de 60 parceiros que revendem licenças de softwares, alguns além da revenda
também implementam o produto. Para gerenciar esta categoria de parceiros existe uma área
interna à função Alianças e Canais.
As principais atribuições da área são:
Desenvolver um plano de negócios com a empresa parceira, estabelecendo metas e cotas
anuais;
Promover o engajamento de vendas, alinhando a estratégia e ritmo das vendas do parceiro
aos requisitos da companhia;
Controlar as vendas do parceiro, compreender as contas em que trabalha e qual o
desenvolvimento dos mesmos em cada uma delas, além de promover o desenvolvimento
6
do mesmo, avaliando as principais dificuldades, para então planejar um plano de
capacitação para a melhoria de desempenho dos mesmos.
A principal motivação desta pesquisa foi o desenvolvimento de um modelo de simulação para
avaliar o desempenho em vendas dos parceiros de negócio da companhia, tomando como base
alguns indicadores a serem descritos a seguir.
Para atender ao objetivo descrito anteriormente, este trabalho definiu os seguintes
posicionamentos metodológicos:
Abordagem do problema: quantitativa (ROBSON, 2002);
Propósito da pesquisa: exploratória; descritiva-explicativa (GIL, 2009);
Procedimentos técnicos utilizados: estudo de caso (MIGUEL, 2007; YIN, 1994); pesquisa
bibliográfica (GIL, 2009) e Modelagem/Simulação (MIGUEL, 2007; BERTRAND;
FRANSOO, 2002).
A pesquisa exploratória visa a proporcionar maior familiaridade com o problema com vistas a
torná-lo explícito ou a construir hipóteses. Envolve levantamento bibliográfico; entrevistas
com pessoas que tiveram experiências práticas com o problema pesquisado; análise de
exemplos que estimulem a compreensão (GIL, 2009). Este trabalho utilizou uma abordagem
exploratória a partir da pesquisa bibliográfica realizada, objetivando compreender os
benefícios da utilização de sistemas fuzzy baseado em regras para avaliação do desempenho
de parceiros de negócios. Tal abordagem foi utilizada ainda na obtenção do mapeamento do
conhecimento de um especialista, no caso o gerente de relacionamento com os parceiros (ator
da pesquisa), por meio do estudo de caso em questão.
Esta pesquisa pode ser definida ainda como explicativa, pois visa construir um modelo de
simulação que explique o desempenho dos parceiros de negócio na venda de soluções de TI.
A pesquisa descritiva caracteriza-se a partir da necessidade de se mapear o conhecimento dos
especialistas a respeito das relações de causalidade entre as variáveis de desempenho que
expliquem a performance dos parceiros na venda de tais soluções.
Em relação aos procedimentos técnicos, esta pesquisa, utilizou tanto o estudo de caso (YIN,
1994), visando compreender o fenômeno da utilização de um sistema para avaliar o
desempenho de parceiros numa empresa desenvolvedora de TI, quanto a
modelagem/simulação (BERTRAND; FRANSOO, 2002), o qual se define como uma
categoria de pesquisa interessada na criação de um modelo (neste caso, um modelo de
simulação) que descreva adequadamente relacioamentos causais que possam existir na
realidade, objetivando compreender o desempenho dos parceiros de negócios.
Como instrumento de coleta de dados foi elaborado um roteiro de entrevista semi-estruturado
(contendo questões acerca das variáveis de pesquisa, descritas na próxima seção), para
mapeamento do conhecimento do especialista em questão, no caso, o gerente de
relacionamento. Relatórios de desempenho históricos, também foram utilizados para
caracterizar o universo de discurso das variáveis, no caso indicadores de desempenho
relativos à performance dos parceiros de negócios.
O processo de desenvolvimento da pesquisa, o qual aborda os diversos aspectos na
implementação de um sistema fuzzy, pode ser observado na Figura 2, a seguir.
7
Estudo de Caso
Especialistasem parceiros
Identificação do problema
Definição das variáveis crisp
Fuzzificação
Base de Regras
Desfuzzificação
Performance do parceiro
Estabelecimento das funções de
pertinência
Figura 2 - Estrutura de desenvolvimento de pesquisa para controladores fuzzy
5. Modelo proposto
Segundo o Gerente de Relacionamento (GR) entrevistado, o desempenho em vendas (licenças
de software) dos parceiros de negócios, são influenciados por dois atributos:
Achievement: A capacidade que a empresa parceira tem de cumprir com os objetivos
estabelecidos em seu plano de negócios, ou seja, cumprir a cota por linha de solução
projetada para o ano fiscal;
Hit Rate: A capacidade com que a empresa parceira tem de gerar novas oportunidades de
negócios, criar novas oportunidades de vendas.
Para cada atributo, foi proposto um indicador de desempenho. O indicador Achievement, por
exemplo, é expresso pela porcentagem de realização da cota de vendas de um parceiro, como
pode ser observado na expressão 1.
Quota
WontAchievemen (1)
Em que:
Won: representa em unidades monetárias o quanto foi fechado até a data presente; e
Quota: representa a cota estabelecida para o parceiro a ser analisado.
O indicador Hit Rate é expresso pela proporção entre as oportunidades geradas e a cota de
cada parceiro, como pode ser observado na expressão 1.
GotoQuota
PipelineRateHit
___ (2)
Em que:
8
Pipeline: representa a quantidade em unidades monetárias de oportunidades em fase do
ciclo de vendas;
Quota to Go: representa a quantidade em unidades monetárias do quanto ainda falta para
atingir da cota estabelecida para o parceiro.
Desta maneira, o desempenho dos parceiros foi modelado por meio de uma função fuzzy
,:~ 2 RRf tal que ,~ 2Rx tem-se o desempenho do parceiro a partir dos componentes
Achievement e Hit Rate. A Figura 3 ilustra o modelo fuzzy criado para avaliação de
desempenho em vendas dos parceiros de negócio.
Máquina de Inferência
Achievement
Sales Performance
Hit Rate
min-maxCoM
Figura 3- Estrutura do modelo fuzzy proposto
A Tabela 1 resume as principais características do modelo proposto.
Variável Tipo de
Variável Unidade
Universo de
Discurso Funções de
Pertinência
Termos
Linguísticos
Método
Defuzzificação Mínimo Máximo
Achievement entrada % 0 82
triangular Muito Baixo
não se aplica
triangular Baixo
triangular Médio
triangular Alto
triangular Muito Alto
Ht Rate entrada Adimensional 0 16
triangular Muito Baixo
não se aplica
triangular Baixo
triangular Médio
triangular Alto
triangular Muito Alto
Sales
Performance saída % 0 100
triangular Muito Baixo
Centro dos
Máximos
(CoM)
triangular Baixo
triangular Médio Baixo
triangular Médio
triangular Médio Alto
triangular Alto
triangular Muito Alto
Tabela 1 Características do modelo proposto.
Foram utilizadas predominantemente funções de pertinência triangulares pela facilidade de
modelagem e uso por parte do modelador.
9
O Bloco de Regras (Quadro 1) relaciona as variáveis de entrada Achievement e Hit Rate a
variável de saída Sales Performance.
SE ENTÃO
Achievement “e” HitRate Sales Performance
Baixo
Muito Baixo Muito Baixo
Médio Muito Baixo Baixo
Alto Muito Baixo Médio Baixo
Muito Alto Muito Baixo Médio
Muito Baixo Baixo Baixo
Baixo Baixo Baixo
Médio Baixo Baixo
Alto Baixo Médio
Muito Alto Baixo Médio
Muito Baixo Médio Médio Baixo
Baixo Médio Médio
Médio Médio Médio
Alto Médio Médio
Muito Alto Médio Médio Alto
Muito Baixo Alto Médio
Baixo Alto Médio Alto
Médio Alto Médio Alto
Alto Alto Alto
Muito Alto Alto Alto
Muito Baixo Muito Alto Médio Alto
Baixo Muito Alto Médio Alto
Médio Muito Alto Alto
Alto Muito Alto Muito Alto
Muito Alto Muito Alto Muito Alto
Muito Baixo Muito Baixo Muito Baixo
Quadro 1 - Bloco de Regras
A próxima seção traz os resultados gerados pelo modelo bem como uma análise estatística por
meio de superfícies de resposta.
6. Resultados da simulação
Foram simulados resultados para dez diferentes parceiros para a linha de negócios Infra
Estrutura. Os resultados gerados pelo modelo podem ser visualizados na Tabela 2.
Parceiro Infra Achivement Hit Rate Sales Performance
A 0,82 16,01 99,64
B 0,27 8,02 41,06
C 0 6,21 30,86
D 0 5,67 29,49
F 0 2,9 25,49
H 0 2,12 9,95
10
Parceiro Infra Achivement Hit Rate Sales Performance
G 0,13 1,53 8,97
J 0 1,2 5,64
I 0,01 1,1 5,17
Tabela 2 Resultados de Performance em Vendas
O uso de métodos estatísticos para examinar dados resultantes de um sistema ou modelo tem
objetividade cientifica quando desenham conclusões. O objetivo de um experimento é
determinar os níveis das variáveis criticas que resultam na melhor performance do sistema
(MONTGOMERY, 2005).
Os parágrafos seguintes procuraram analisar o modelo proposto por meio de uma técnica de
planejamento de Experimentos (DoE) denominada metodologia por superfície de resposta
(MSR).
A MSR é um conjunto de técnicas de planejamento e análise de experimentos utilizado na
modelagem matemática de uma resposta influenciada por inúmeras variáveis independentes e
cujo objetivo é otimizar a resposta (MONTGOMERY, 2005).
Para avaliar o efeito dos indicadores Achievement e Hit Rate sobre o desempenho em vendas
(Sales performance) foi realizado um planejamento composto central (22), constituído por
quatro ensaios lineares nos níveis –1 e +1, quatro ensaios axiais (α = 1,41421) e dois ensaios
no ponto central, como pode ser observado na Tabela 3.
Ensaios Achivement Hit rate Achivement Hit rate
Sales Performance Não codificado codificado
1 12,5 3,5 -1 -1 16,21
2 12,5 12,5 -1 1 51,86
3 69,5 3,5 1 -1 41,85
4 69,5 12,5 1 1 73,77
5 0,69 8 -1,41421 0 37,37
6 81,31 8 1,41421 0 62,04
7 41 0,43 0 -1,41421 20,9
8 41 15,57 0 1,41421 75,77
9 (C) 41 8 0 0 50,57
10 (C) 41 8 0 0 50,57
Tabela 3 - Planejamento Experimental por Composto Central para Sales Performance
A superfície de resposta de desempenho em vendas gerada para este modelo, em função de
Achievement e Hit Rate, pode ser visualizada na Figura 4.
11
Figura 4 – Superfície de Resposta para Sales Performance
Com o objetivo de verificar se existia um relacionamento significativo entre as variáveis
independentes e a variável resposta foi realizada uma análise de variância (ANOVA). Tal
análise possibilitou identificar se o relacionamento entre os fatores era de natureza linear ou
quadrática além de atestar estatisticamente a significância para os fatores adotados no modelo.
A tabela 4 evidencia os resultados da análise de variância.
SS Df MS F P
Achivement (L) 849,5 1 849,5 84,0884 0,000259
Achivement (Q) 5,271 1 5,271 0,5217 0,502459
Hit rate (L) 2645,986 1 2645,986 261,9149 0,000016
Hit rate (Q) 9,372 1 9,372 0,9277 0,379705
Error 50,512 5 10,102
Total SS 3556,247 9
Tabela 4 ANOVA para Sales Performance
Analisando a tabela 4, verificou-se que as variáveis Achievement e Hit rate apresentaram
significância (p<0,05) para um modelo de ajuste linear (marcadas em vermelho).
Para testar o efeito destas sobre a variável dependente foi gerado um gráfico de pareto, como
pode ser observado na figura 5.
12
Hit rate (L)
Hit rate (Q)
Achievement(Q)
Achievement(L)
P= 0.05
Standardized effect estimate (absolute value)
16,18
9,16
-0,96
-0,72
Figura 5 Análise de efeitos para Sales Performance
Ao analisar a figura 5 percebe-se que o fator de maior efeito sobre a resposta foi o indicador
Hit Rate, quando comparado a variável Achievement.
A análise de resíduos pode ser considerada satisfatória por apresentar uma distribuição
uniforme dos mesmos em relação à linha central, como pode ser observado na figura 6.
Residual
,99
,01
,55
-6 60-3,0
3,0
0
ExpectedN
ormal value
Figura 6 Análise de resíduos para Sales Performance
Para a análise do ponto ótimo foi gerada uma curva de nível, como pode ser observado na
figura 7.
13
Figura 7 - Curva de nível de Sales Performance em função Hit Rate e Achievement
Analisando a Figura 7 nota-se que a região ótima para Sales Performance (>80%) inicia-se
com um percentual superior a 50% para o Achievement e superior a 10% para o Hit Rate.
7. Considerações Finais
Este trabalho ressalta sua importância uma vez que reconhece a lógica fuzzy como uma
abordagem possível para avaliar o desempenho dos parceiros de negócios.
A flexibilidade é um ponto relevante de um sistema fuzzy, pois a modelagem do bloco de
regras pelos especialistas pode ser facilmente adaptado e reconfigurado às constantes
mudanças do ambiente de negócios da empresa. O baixo custo e a facilidade de criação deste
sistema é outro ponto importante de sua aplicabilidade, já que é possível desenvolver um
sistema fuzzy sem grandes conhecimentos de programação matemática e computacional, por
meio de softwares com interfaces muito simples para o desenvolvimento e modelagem, como
o Matlab e o FuzzyTECH, por exemplo.
Os resultados gerados pelo modelo foram discutidos e analisados pela gerente de
relacionamento das parcerias, que apontou alguns comportamentos questionáveis do modelo.
Analisando, por exemplo, a curva de nível gerada pelo modelo, percebe-se que o desempenho
ótimo do parceiro ocorre quando a variável Hit Rate é igual ou superior a 10. Na visão do
especialista um parceiro seria bem avaliado se possuisse um Achievement em torno de 5.
Provavelmente esta incongruência se deve ao fato que a criação do modelo estaria limitada a
uma base de dados pequena, o que não permitiu uma boa parametrizaçào das funções de
pertinência. Pode-se concluir que a proporção entre as oportunidades geradas e a cota de cada
parceiro definida no plano de negócios foi subestimada para tais parceiros. Pois o rendimento
dos mesmos foram muito superiores comparados ao que foi definido no plano de negócios,
gerando esta discrepância de performance em vendas entre os parceiros de mesma classe.
O modelo criado limitou-se a avaliar apenas à dimensão vendas dos parceiros de negócios, e
apenas dois atributos foram utilizados para avaliar esta dimensão. Como sugestão para
trabalhos futuros fica a oportunidade de desenvolvimento de um sistema mais amplo para a
avaliação de desempenho de parceiros de negócios, incluindo mais dimensões e mais atributos
para a avaliação das empresas parceiras.
Referências
BARROS, L. C. D. Modelos determinísticos com parâmetros subjetivos. 1992. 86f. Dissertação (Mestrado em
14
Matemática Aplicada na área de Análise Aplicada) - Instituto de Matemática, Estatística e Ciência da
Computação; UNICAMP, Campinas, 1992.
BARROS, L. C.& BASSANEZI, R. C. Tópicos de lógica fuzzy e biomatemática. Campinas: Comissão de
Publicações IMECC/UNICAMP, 2006. Coleção IMECC. Textos didáticos. v.5.
BERTRAND, J. W. M. & FRANSOO, J. Operations management research methodologies using quantitative
modeling. International Journal of Operations and Production Management, Vol. 22, no. 2, p. 241-264, 2002.
CARNEIRO, P. D. P. Metodologia Fuzzy aplicada para predição do comportamento empreendedor. 2008. 69f.
Dissertação (Mestrado Profissionalizante em Administração)- FACULDADE DE ECONOMIA E FINANÇAS,
IBMEC, Rio de Janeiro, 2008.
COUGHLAN, A. T. & EL-ANSARY, STERN, L. W. Marketing Channels In:______. Assessing Marketing
Channel Performance. e. 5. Prentice-Hall Vol.5. 2001. 447-485 p.
FERREIRA, A. A. & DIVINO, C. A. G. Formação de Redes e Alianças Estratégicas: o Modelo Associativista.
In: XIV SIMPEP, 2007, Bauru. Anais... 12 p.
GANGA, G. M. D. Proposta de um modelo de simulação baseada em lógica fuzzy e no SCOR para predizer o
desempenho da empresa-foco em cadeias de suprimentos. Tese (Doutorado em Engenharia de Produção). 2010.
252f. Escola de Engenharia de São Carlos (EESC), Universidade de São Palo (USP), 2010.
GALHARDI, A. C; CUTTI J. A. Alianças Estratégicas para Inserção Tecnológica na Logística de Redes de
Negócios. In: XII SIMPEP, 2005. Bauru. Anais... 11 p.
GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2009.
GOMIDE, F. A. C. & GUDWIN, R. R. Modelagem, Controle, Sistemas e Lógica Fuzzy. SBA Controle &
Automação, Campinas, v. 4, n. 3., p.97, 1994.
GULATI, R. & NOHRIA, N. & ZAHER, A. Alliances and networks. Strategic Management Journal, Vol. 21,
p. 203, 2000.
KALSING, J. L. A Influéncia das Alianças entre Conglomerados Bancários e Seguradores no Mercado
Brasileiro: um estudo transversal sobre estratégias e resultados. 2006. 172f. Dissertação (Mestrado em
Sistemas de Gestão)- Universidade Federal Fluminense, Niterói, 2006.
LAU, H. C. W. & PANG W. K. & WONG W. Y. W. Methodology for monitoring supply chain performance:
a fuzzy logic approach. Logistics Information Management, Hunghom, Vol.15, n.4, p.271. 2002.
MIGUEL, P. A. C. Estudo de caso na engenharia de produção: estruturação e recomendações para sua
condução . Revista Produção . São Paulo, Vol.17 , n. 1 , p. 216 – 229, 2007.
MONTGOMERY, D. C. Design and Analysis of Experiments: Response surface method and designs. New
Jersey: John Wiley and Sons, Inc, 2005.
RHEINGANTZ, P. A. Lógica fuzzy e variáveis linguísticas aplicadas na avaliação de desempenho de edifícios
de escritório. Ambiente Construído, Rio de Janeiro, Vol.2, n.3, p. 41. 2002.
ROBSON, S. Real World Research: A resource for social scientists and practitioner researcher. UK: Blackwell
Publishers, 2002.
SIQUEIRA, M. C. M., et al. Avaliação de competitividade na indústria gráfica sob a perspectiva de alianças
estratégicas e parcerias uma abordagem de redes simultâneas. In XII SIMPEP, 2005. Bauru. Anais... 11 p.
TROCCOLI, I. R & DIANA, T. L. & SOARES, V. A. M. Análise Estratégica sob Ótica Relacional:
Enfocando Grupos e Blocos Estratégicos. RAC, Vol.8, n.1, p.55. 2004.
UNAHABHOKHA, C.& PLATTS, K.& TAN, K. H. Predictive performance measurement system. A fuzzy
expert system approach. An International Journal Benchmarking. Vol. 14, n. 1, 2007.
WANG, S. Y & WANG R. C & SHENG L. C. Applying fuzzy linguistic quantifier to select supply chain
partners at different phases of product life cycle. International Journal of Production Economics, p.348-359.
2005.
YIN, R.K. Estudo de Caso: Planejamento e Método. Bookman, 1994.