Extensões do método multicritério de apoio a decisão Reference Ideal Method

• Ano de defesa: 2022
• Autor(a) principal: Boff, Vilmar Mário Oro
• Orientador(a): Ferreira, Luciano
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Tomada de decisão; Administração financeira; Análise multicritério
• Palavras-chave em Inglês: RIM-sort; Reference Ideal Method; Multiple-criteria decision analysis
• Link de acesso: http://hdl.handle.net/10183/248092

Os processos de tomada de decisão têm papel fundamental no dia-a-dia de vários agentes, com potencial de impactar a performance de organizações e o bem-estar das pessoas. Dada a complexidade e os múltiplos objetivos conflitantes que emergem desses julgamentos, os métodos e modelos de Apoio Multicritério à Decisão (AMD) são alternativas viáveis para auxiliar diversos tipos de decisores. O Reference Ideal Method (RIM), um dos métodos dessa classe, proposto por Cables, Lamata e Verdegay (2016), constrói novas possibilidades de aplicações, uma vez que amplia o escopo de trabalhos como a Técnica para Ordem de Preferência por Semelhança com a Solução Ideal (TOPSIS), possibilitando o decisor a escolher um intervalo ideal em cada critério sem, necessariamente, considerar os valores extremos. Embora as contribuições do RIM a diversas áreas do conhecimento sejam notórias, uma análise mais detalhada do seu algoritmo revelam instabilidades acerca de um princípio básico da Teoria da Decisão, o princípio de dominância. Nesse contexto, o presente trabalho apresenta e descreve a inconsistência, assim como a soluciona, introduzindo o método Balanced-RIM. Para confirmar a existência dessa instabilidade na literatura, compara-se o RIM e o Balanced-RIM em artigos da área de AMD. Sequencialmente, uma extensão do RIM é proposta para problemas de classificação ordinal multicritério, nomeada RIM-Sort. Essa concepção é apoiada por conceitos definidos no Balanced- RIM. Para verificar a eficácia do RIM-Sort, um caso da literatura de ordenamento em AMD é adaptado para a classificação e há a confirmação do mérito do método.