Relatrios de Pesquisa em Engenharia de Produo V. 9 n.

07

COMPOSIO PROBABILSTICA NA AVALIAO DE CALL CENTERS

Felipe Quintas Conde

Annibal Parracho SantAnna

UNIVERSIDADE FEDERAL FLUMINENSE

Resumo
O presente estudo apresenta um mtodo de apoio multicritrio deciso que permite s empresas avaliar seus
centros de atendimento de forma eficiente e sistemtica. O mtodo proposto contempla a anlise dos principais
critrios associados ao servio de atendimento ao cliente. Uma anlise comparativa, baseada na composio
probabilstica de preferncias, resulta na ordenao dos centros de atendimento segundo diferentes pontos de
vista.

Palavras chave: composio probabilstica call center atendimento ao consumidor

1. INTRODUO
O presente trabalho prope o emprego da composio probabilstica de preferncias,
desenvolvido por SantAnna (2004) em um mtodo para avaliao de desempenho de centros
de atendimento (CA). Dado a essncia multicriterial do mtodo, ser possvel considerar
simultaneamente na anlise, os principais indicadores de qualidade e custo envolvidos na
manuteno dos CAs, combinando-os conforme diferentes enfoques probabilsticos. Os
resultados finais para cada enfoque estaro sempre representados atravs de probabilidades, j
que os mesmos so compostos pela combinao entre as probabilidades de maximizao ou
minimizao da preferncia para cada critrio, obtidas a partir dos dados iniciais. A aplicao
da metodologia e as anlises dos resultados sero realizadas levando-se em considerao trs
CAs que prestam servio a uma grande empresa do ramo de telefonia celular.
A Seo 2 descreve o setor estudado. A seo 3 discute os principais pontos
envolvidos em um contrato do setor. A Seo 4 desenvolve a escolha dos critrios
empregados na comparao dos centros de atendimento. A Seo 5 apresenta um resumo da
metodologia de composio probabilstica. A Seo 6 apresenta os resultados da anlise de
um conjunto de dados mensais referentes a trs centros de atendimento de uma empresa de
telefonia celular.

Verso final recebida em 21/11/2009. Publicado em 12/2009.

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

2. CENTROS DE ATENDIMENTO (CALL CENTERS)

A Lei N 8.078, que, em 1990, instituiu o Cdigo de Defesa do Consumidor (CDC),
provocou importantes mudanas no atendimento prestado pelas empresas. O rigor da lei fez
com que as empresas, principalmente aquelas regulamentadas pelo Poder Pblico Federal,
implementassem canais exclusivos de comunicao com seus consumidores, formando seus
call centers ou centros de atendimento, os quais tm o SAC (Servio de Atendimento ao
Cliente) como finalidade.
Os Call Centers so centros integrados de contato entre empresas e consumidores,
onde os contatos so estabelecidos de forma remota, atravs do uso de tecnologias como
telefonia, e-mail, chats, entre outras. Composto por pessoas (atendentes) especializadas no
produto em questo, os Centros de Atendimento (CAs) tm o dever de esclarecer, registrar,
informar ou solicitar, qualquer que seja a demanda do cliente relacionada ao produto. A mode-obra formada, em sua grande maioria, por pessoas que vem seus trabalhos como
atividades temporrias, j que as remuneraes no so muito atraentes e o horrio de trabalho
pouco flexvel. No entanto, um dos setores que mais emprega no pas.
Na concepo do consumidor, os call centers representam uma garantia da
credibilidade concedida no momento da aquisio do produto, pois qualquer que seja o sinal
de problemas ou dvidas, este sabe que ter a sua disposio, pessoas capacitadas com quem
argumentar. Na concepo da empresa, os call centers representam um papel fundamental na
satisfao do cliente e na fidelizao do mesmo, alm de serem elementos de propagao do
Buzz Marketing (Marketing de Boca a Boca), na qual o cliente transmite por livre e
espontnea vontade, suas experincias adquiridas com a empresa.
Seria benfico para as empresas terceirizar um servio to valioso, que lida
diretamente com a satisfao do consumidor? Para avaliar isto, cabe no s a pesquisa terica,
mas, tambm, investigar o cenrio atual dos CAs, analisando alguns de seus indicadores,
como, por exemplo, faturamento bruto, clientes e reas de atuao.
Segundo Giosa (1997), a terceirizao pode ser entendida como um processo de
gesto pelo qual se transferem algumas atividades para terceiros, com os quais se estabelece
uma relao de parceria, ficando a empresa concentrada apenas em suas atividades principais.
Na prtica, uma forma de as empresas priorizarem o desenvolvimento de suas atividades
essenciais, de modo a buscar a excelncia naquilo que se propuseram a fazer de melhor.
Motivada pela concorrncia, a terceirizao despontou como sendo um diferencial, ao
permitir que as empresas se especializassem em suas atividades principais, delegando s
2

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

empresas terceiras, atividades secundrias, que por sua vez, so encaradas como atividade-fim
pelas mesmas.
Teoricamente, o resultado de um determinado servio tende a ser tanto melhor
quanto maior for o nvel de especializao empregado no mesmo, o que exatamente uma das
vantagens da terceirizao. Alm disso, o aumento da escala na realizao das atividades
terceirizadas resulta em menores custos relativos. Assim por no figurar entre as atividadesfim exercidas pelas empresas, a teoria considera promissora a ideia de terceirizao do SAC.
Porm, dada a sua importncia, atuando como canal de ligao entre a empresa e seus
clientes, a deciso de terceirizar deve ser precedida de levantamento das parcerias antigas do
terceiro, mo de obra oferecida, flexibilidade contratual etc.
A grande quantidade de empresas existentes atualmente no mercado que possuem o
SAC como sua atividade-fim serve como evidncia do sucesso vinculado ao processo de
terceirizao desse servio. Na Figura 1 so apresentados dois grandes CAs e seus principais
parceiros. Verifica-se que estes so provenientes dos mais variados setores do mercado.

C o ntax

AB N A mro Ban k
Grup o Unib an co
Grup o Ban co d o B ras il
NET
Xerox
Po n to Frio
C arrefou r
Oi
C orreios

Tiv it

Ban co H SBC
T elefn ica
Glob o.co m
C as as B ahia
L igh t
Natu ra
Santan der/B anes pa
Saraiv a
Un ib an co

Figura 01 Principais parceiros de dois grandes Call Centers (terceiros)

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

A confiana que empresas de grande porte depositam no servio prestado pelos CAs
terceirizados e o faturamento anual informado pelos mesmos, que atinge a casa dos bilhes de
reais, tambm servem como indicadores favorveis terceirizao do SAC. Certamente, se a
terceirizao nesse contexto no fosse promissora, tais indicadores seriam diferentes.
Em um extenso estudo sobre o tema da terceirizao mundial, Lacity, Willcocks e
Rottman (2008) apontam algumas tendncias, sendo que, uma delas serve como embasamento
terico para o que foi acima exposto. Os autores afirmam que o faturamento gerado pelo
mercado da terceirizao de um processo de negcio (BPO) atingir no ano de 2010,
extraordinrios $ 350 bilhes, representando um aumento de dez a vinte por cento quando
comparado ao ano de 2005, ultrapassando o faturamento gerado pelo mercado da terceirizao
de tecnologia da informao (ITO). Alm dos Call Centers, os autores mencionam o setor de
recursos humanos, jurdico, administrao e finanas e contabilidade como responsveis pelo
crescimento acelerado do mercado de BPO.
Ainda assim, a internalizao do SAC pode ser recomendvel para promover o
atendimento dos clientes de alto valor, ou seja, aqueles que geram os maiores lucros
empresa, oferecendo aos mesmos um servio de alto nvel que atenda suas expectativas. Na
maioria das vezes, esses clientes possuem um comportamento diferenciado dos demais,
exigindo maior agilidade em seus atendimentos. Como forma de preserv-los, algumas
empresas optam por internalizar o SAC exclusivamente para esse grupo, criando CAs
prprios.
3. CAs TERCEIROS - O CASO DAS EMPRESAS DE TELEFONIA CELULAR
O barato sai caro um ditado popular que s vezes pode definir a situao de um
relacionamento conturbado entre duas empresas consideradas parceiras. Antes que uma
parceria seja consolidada, preciso muita cautela, cabendo empresa interessada em
terceirizar levantar os prs e os contras inerentes ao projeto proposto pela terceira. Existe uma
preocupao adicional, de no centralizar o SAC em um nico terceiro, evitando que o
mesmo possa prevalecer-se de ser o responsvel por todo o relacionamento da empresa
contratante com seus clientes.
O crescimento das vendas de aparelhos celulares, motivado principalmente pelas
inovaes tecnolgicas, faz com que as empresas de telefonia celular estejam sempre em
busca de terceiros dispostos a acompanhar o crescimento da sua base de clientes. A escolha
que vai definir o grupo de CAs que prestar atendimento ao cliente exercer um grande
4

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

diferencial competitivo para as empresas, j que, inseridas num contexto de ampla

concorrncia, as mesmas necessitam tanto de custos baixos, quanto de qualidade nessa
atividade.
Neste contexto, como em qualquer acordo entre duas partes, todos os pontos devem
ser minuciosamente estudados, gerando um contrato que satisfaa ambas as partes. A ttulo de
exemplo, so apresentados abaixo os principais pontos que compem um contrato de uma
empresa multinacional do setor de telefonia celular: o modelo de faturamento, o acordo
quanto ao nvel de servio e o volume de ligaes previstas.
O modelo de faturamento designa a maneira na qual as empresas devero remunerar
os terceiros pelo servio prestado. Existem dois tipos de modelos:

Faturamento Varivel: paga-se por cada ligao atendida pelo terceiro, porm o preo da
mesma depender de dois fatores, primeiramente do perfil do atendimento, e, em
segundo lugar, da durao da ligao, medida pelo tempo mdio total (TMT) dos
atendimentos. O perfil do atendimento (grupo de faturamento) pode ser dado pelo
segmento do cliente ou at mesmo pelo tipo de solicitao efetuada; de forma resumida,
quanto maior for a complexidade do atendimento, maior ser o preo da ligao. Para
cada grupo de faturamento, existem faixas pr-estabelecidas de TMT representando
diferentes custos para uma ligao. A combinao desses dois fatores resultar no custo
de cada ligao recebida pelo terceiro.

Faturamento Fixo: paga-se um valor fixo correspondente a uma posio de atendimento

(PA) ativa no ms. Este modelo independe da quantidade de ligaes recebidas na PA e
do perfil do atendimento da ligao recebida.
Os acordos de nvel de servio, ou SLAs, do ingls Service Level Agreement,

representam tpicos do contrato que definem, formalmente, quais sero as expectativas da

empresa acerca dos processos que envolvero o servio prestado pelo terceiro, estando o
mesmo sujeito a multas, caso no atinja o nvel definido. Os nveis acordados nos SLAs so
ponderaes daquilo que as empresas consideram como condio necessria de servio e
daquilo que os terceiros consideram plausvel na prtica.
No mbito da telefonia celular, os SLAs costumam incidir sobre os indicadores de
performance do servio, tendo em vista a idia de preservar o cliente. Para o exemplo em
questo, existem dois principais SLAs de performance, um deles se refere ao Percentual de
Chamadas Atendidas (PCA) e o outro ao Nvel de Servio (NS). O SLA do PCA exige que o
terceiro atenda, pelo menos, noventa por cento de suas ligaes recebidas, o SLA do NS exige

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

que oitenta por cento das chamadas sejam atendidas sem que o cliente espere por mais de
vinte segundos na fila de atendimento.
As cobranas referentes aos SLAs apresentados acima s podero ser efetuadas sob
certas condies previamente estabelecidas. No seria coerente exigir que os terceiros
atendessem sempre noventa por cento da demanda de ligaes, independentemente da
quantidade de ligaes recebidas, j que existe a probabilidade de perturbaes no
comportamento das ligaes sem planejamentos prvios. Existe um acordo contratual, no qual
as empresas so obrigadas a divulgar mensalmente o volume de ligaes previstas que o
terceiro ir receber, servindo de subsdio para que o mesmo dimensione o seu quadro de
funcionrios de acordo com o planejamento. Com base nessa previso, coerente exigir que o
terceiro atinja os nveis dos SLAs de desempenho apenas se o volume recebido de ligaes for
inferior, ou superior no mximo em dez por cento, ao volume previsto. Caso o volume seja
muito superior ao previsto, o CA no necessariamente precisar cumprir os SLAs, j que o
mesmo se planejou para absorver uma demanda inferior realizada.
Um ponto importante associado ao modelo de faturamento varivel lida com o caso de
o volume realizado de ligaes corresponder a parcela inferior a noventa por cento das
ligaes recebidas. Neste caso, cabe contratante garantir o custo mnimo da operao
dimensionada. Tal garantia concretizada pagando-se ao terceiro uma quantia adicional,
equivalente ao volume de ligaes que faltaram para que as ligaes faturadas totais atinjam
os noventa por cento da previso.

4. DEFINIO DOS CRITRIOS

A finalidade deste estudo oferecer um sistema de apoio ao decisor diante de um
cenrio complexo, formado por empresas potenciais do ramo de Teleatendimento. Para isto, o
primeiro passo a escolha dos mltiplos critrios a serem levados em conta. Esta seleo foi
realizada com a preocupao de considerar critrios que correspondessem a diferentes
percepes, seja do cliente, seja da empresa contratante. A preferncia apenas por critrios
relacionados produo, atravs de indicadores operacionais ou de custos, poderia deixar de
fora a opinio do cliente, o que iria de encontro ao direcionamento proposto na maioria das
empresas do ramo de Telecomunicaes: O foco do nosso trabalho a satisfao do cliente.
Com a preocupao de englobar os diferentes tipos de percepes, somada limitao
da disponibilidade de relatrios de dados oferecidos pelas empresas terceirizadas, chegou-se
aos seguintes critrios: Relao entre Agentes Realizados e Agentes Previstos, % de Pausas,

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

Satisfao do Cliente, TMT e Custo Unitrio. Dadas suas particularidades tcnicas, uma breve
elucidao e contextualizao destes critrios torna-se necessria.

Agentes Realizados / Agentes Previstos. Agentes, aqui, so os atendentes, ou seja, os

funcionrios que tratam todas as solicitaes dos clientes da operadora contratante
atravs dos grandes Call Centers. Se essa relao for menor que 1, haver motivo para
suspeitar do planejamento do contratado. O caso oposto, de relao maior que 1, no
deve ocorrer, suscitando dvida quanto veracidade do dimensionamento informado.

% de Pausa. Representa quanto o atendente ficou fora da operao durante o seu tempo
de trabalho. Na teoria, este indicador no deveria ser discriminante, pois existe uma
Norma Regulamentadora (NR17), aprovada por uma Portaria do Ministrio do Trabalho,
da qual um dos anexos estabelece o tempo de pausas obrigatrias para atividades
relacionadas ao Teleatendimento. Mas o que de fato se observa um tempo de pausas
sempre superior ao programado, dependendo da gesto interna de cada empresa.

Satisfao do Cliente. um indicador de qualidade onde se mede a satisfao do cliente

com o atendimento. A composio da nota de total responsabilidade do cliente,
formando assim uma viso de grande relevncia para a operadora. Se, por exemplo, uma
empresa gera timos resultados de produtividade, mas produz pssimas percepes do
cliente, alguma ao deve ser tomada, mesmo que para isso seja necessrio reduzir a
produtividade. Um caso tpico que ilustra este problema quando o TMT
significativamente mais baixo em um dos CAs. Isso resultar em menores custos e
consequentemente um aumento da produtividade. Por outro lado, pode-se suspeitar de
que o atendimento no est sendo executado com a qualidade adequada, podendo
influenciar negativamente a satisfao do cliente.

Tempo Mdio Total (TMT). Conforme j mencionado, o TMT representa um tempo

mdio do atendimento total do cliente. Alm do tempo no qual o atendente permanece
falando ao telefone (TMA), pode existir um tempo de ps-atendimento (ACW) no qual
executado algum tipo de procedimento obrigatrio para documentar a solicitao do
cliente. Ento o TMT ser igual soma dos indicadores, TMA e ACW. Existem dois
grandes segmentos no atendimento, o Front-End (FE) que realiza o atendimento de
forma on-line, ou seja, com o cliente na linha, e o Back Office (BO) que realiza o
atendimento de forma off-line, ou seja, sem o cliente na linha. As solicitaes mais
complexas so recebidas pelo FE e repassadas ao BO. importante salientar que o
tempo do tratamento realizado pelo BO no reflete no TMT, indicador exclusivo do FE.

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

Como o BO s existe em um dos outsourcings analisados, este tipo de atendimento no

estar sendo levado em considerao. O TMT ser um indicador de custo, dado o
modelo de faturamento empregado.

Custo Unitrio. Representa o custo mdio da operadora para cada ligao atendida pelos
Outsourcings. O clculo feito somando-se todos os gastos gerados pelo volume de
ligaes atendidas vinculados ao modelo de faturamento contratado, e dividindo-se pelo
nmero de ligaes atendidas. Como cada empresa possui faixas de preos contratuais
de TMT particulares e diferentes TMT realizados, os custos oscilaro sempre
favorecendo as empresas com os menores preos por faixa e TMT reais.
Os valores iniciais dos critrios foram extrados de diversos relatrios do ano de 2008.

Em vez de se trabalhar com uma mdia anual do critrio para cada Call Center, decidiu-se
considerar as particularidades dos meses de uma operao de Teleatendimento, de forma que
a unidade de produo aqui determinada relacionando o ms a uma das trs empresas
avaliadas. A proposta identificar, no somente variaes da performance entre as empresas
segundo diferentes enfoques, mas tambm identificar padres determinados pelas
caractersticas sazonais de cada ms.
Foram utilizados cinco meses na avaliao. Suas peculiaridades esto listadas abaixo:

Fevereiro: representa um volume de ligaes reduzido devido ao Carnaval,

comportamento sazonal.

Maio: representa uma situao de volume de ligaes muito elevado devido ao Dia das
Mes, comportamento incentivado por promoes.

Agosto: representa um volume de ligaes elevado devido ao Dia dos Pais,

comportamento incentivado por promoes.

Outubro: representar um comportamento natural do volume de ligaes, sem efeitos

sazonais.

Dezembro: representa o volume de ligaes mais elevado devido ao Natal,

comportamento incentivado por promoes.
Conforme proposto em SantAnna (2002), para a medio de preferncias iniciais

segundo cada critrio, fez-se a utilizao da escala de Likert (1932) de cinco nveis
lingusticos representados pelos termos pssimo, ruim, regular, bom e timo. A
converso para a escala numrica foi feita atravs da associao: 1 pssimo, 2 - ruim, 3 regular, 4 - bom e 5 - timo.

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

5. MTODO DA ANLISE DA COMPOSIO DE PREFERNCIAS

Em SantAnna (2004), desenvolvida uma abordagem multicritrio sustentada pelo
emprego de probabilidades para a determinao de preferncias. Nesta abordagem, a
comparao em termos de probabilidades de atingir posies extremas, reduzindo os efeitos
dos erros de medida, permite simplificar a modelagem estatstica e levar em conta a incerteza
inerente medio de preferncias, sem prejudicar a clareza das classificaes finais.
A incerteza comum em problemas que envolvem preferncias. Espera-se que os
dados disponveis estejam sujeitos a oscilaes em seus valores, dificultando o tratamento dos
mesmos de forma fidedigna. Quando as preferncias no provm de processos unificados, e
sim de sistemas de valores pessoais, o tratamento da incerteza se torna ainda mais rduo.
Diversos mtodos j foram criados para reduzir a impreciso inerente s preferncias iniciais,
MACBETH (BANA E COSTA; VANSNICK, 1995), ELECTRE (ROY, 1968), AHP
(SAATY, 1977), so alguns exemplos. Uma abordagem que propunha a substituio de
medidas determinsticas por medidas nebulosas foi desenvolvida por Chen e Hwang (1992),
fato que tambm pode ser observado em Slowinski (1998).
Embasado na modelagem das perturbaes aleatrias contidas nas indicaes de
preferncia, a idia central do mtodo aqui exposto partir de uma classificao inicial das
opes, seja esta verbal, ordinal ou resultante da medida direta de um atributo, assumindo que
as mesmas esto sujeitas a imprecises, e efetuar o clculo de probabilidades de cada opo,
em uma nova avaliao, maximizar (ou minimizar) a preferncia, garantindo que qualquer
opo tenha alguma chance de ser a melhor, j que no se sabe exatamente a verdadeira
ordenao das unidades.
Para se chegar s preferncias probabilsticas segundo cada critrio trata-se cada valor
observado como uma estimativa de um parmetro de localizao de uma distribuio de
probabilidade. Este valor est sujeito a variaes estocsticas, a idia chave da sistemtica da
aleatorizao de realizada por SantAnna (2002a e 2002b). A premissa para o clculo das
probabilidades de maximizao e minimizao da preferncia que se disponha dos valores
iniciais dos critrios em suas formas determinsticas, mesmo que esses estejam expressos em
termos lingusticos, fornecendo uma referncia para a mdia da distribuio de
probabilidades. Outras hipteses, tais como independncia entre as perturbaes afetando as
preferncias por diferentes opes, simetria e parmetros de disperso constantes, completam
junto com informao sobre a forma funcional, a identificao das distribuies.
9

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

A probabilidade da j-sima opo ser a melhor segundo o i-simo critrio ser obtida
a partir das probabilidades de a mesma apresentar valores maiores que cada uma das outras. A
hiptese de independncia entre as perturbaes permite calcular a probabilidade desejada
como o produto dessas probabilidades de apresentar valores maiores que cada uma das outras.
Conforme j ressaltado, cada opo analisada deve possuir chance de ser considerada
a de maior preferncia segundo cada critrio. Logo, a amplitude da distribuio deve ser
suficientemente grande a ponto de permitir troca de posies entre todas as opes. Ao
mesmo tempo, entre posies extremas, a probabilidade de inverso deve ser pequena.
SantAnna (2004) prope basear a estimao da disperso segundo cada critrio na amplitude
observada nas avaliaes segundo o critrio.
Quanto forma das distribuies de probabilidade, pode ser conveniente adotar
distribuies que aumentam as distncias prximo fronteira de excelncia e diminuam as
distncias entre as opes menos importantes. A distribuio que melhor corresponde a este
objetivo a distribuio uniforme (SantAnna, 2002a).
Com o intuito de estabelecer uma regra geral, SantAnna (2004) sugere que para a
medio de preferncias iniciais, segundo cada critrio, seja feita a utilizao da escala de
Likert (1932) com cinco nveis lingusticos, representados pelos termos pssimo, ruim,
regular, bom e timo. A converso para a escala numrica feita atravs da associao:
1 - pssimo, 2 - ruim, 3 - regular, 4 - bom e 5 - timo. Escalas com nove nveis lingusticos
tambm podem ser aplicadas, acrescentado-se pontos intermedirios entre esses cinco. Para
maior flexibilidade, a ordenao das preferncias iniciais atravs das escalas de Likert pode
admitir empates, ou at mesmo postos vagos, oriundos de um maior distanciamento entre as
opes.
Com uma escala de Likert de cinco pontos representando as opes, SantAnna
prope a utilizao de dois tipos de estimativas para a amplitude, considerando a distribuio
uniforme, uma amplitude fixa no valor cinco e uma amplitude que poder variar para cada
critrio, definida atravs da frmula (1+1/n)*R, onde R denota a amplitude observada e n o
nmero de unidades de produo que esto sendo comparadas.
Conforme Abreu e SantAnna (2007), o emprego da distribuio triangular tambm
apresenta vantagens em certos casos. Uma delas decorre de esta distribuio poder levar em
conta a assimetria entre as comparaes com valores mais baixos e com valores mais altos
segundo um dado atributo. Considerando o valor observado para cada unidade de produo
como a moda da distribuio, e o mximo e o mnimo, respectivamente, no mximo e no

10

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

mnimo valor observado para o critrio dentre todas as unidades comparadas, formam-se
premissas suficientes para identificar a distribuio triangular.
Abreu e SantAnna (2007) propem tambm um procedimento para unificar os
clculos de modo a facilitar comparaes, que consiste em considerar uma amostra com um
nmero fixo de unidades de produo, por exemplo, nove, formando dez unidades ao incluir a
unidade na qual se deseja calcular a probabilidade. Ainda com o intuito de facilitar as
comparaes de resultados, em vez de se selecionar aleatoriamente as nove unidades
amostrais, as mesmas podem ser obtidas atravs dos nove decis intermedirios da distribuio
conforme cada critrio. Um estimador da amplitude baseada nos decis, proposto Abreu e
SantAnna (2007), consiste em somar ao extremo superior do vetor de observaes, e subtrair
do extremo inferior, 1/8 da diferena entre o nono e o primeiro decil da amostra.
Quando se trabalha com a escala de Likert pode-se adotar uma alternativa mais
simples. Esta alternativa consiste em adotar extremos fixos, 0 e 6 para a escala de Likert de 5
pontos traduzidos em valores numricos que podem ir de 1 a 5, ou 0 e 10 para a escala de 9
pontos, de 1 a 9. Neste caso, a escolha da escala de 5 ou 9 pontos estar indicando o nvel de
disperso que se julga natural na medida em tela.
Para alguns casos, outras distribuies de probabilidades ainda podem ser mais
adequadas. Ver, por exemplo, Lootsma (1993) ou SantAnna (2005).
A abordagem probabilstica possui a vantagem de amenizar a influncia de pontos
extremos, levando em conta o desempenho de mais variveis e comparao com mais
unidades de observao na avaliao de cada opo. Isto torna o procedimento resistente a
erros aleatrios. Alm disso, permite valorizar opes que no so a de maior preferncia em
nenhum dos critrios, porm possuem boas avaliaes segundo os diversos critrios.
Outra vantagem dispensar a atribuio de pesos aos critrios. Para isto, SantAnna
(2004) prope que sejam adotados enfoques de combinao de critrios baseados na
orientao entre os extremos de dois eixos identificados como otimista-pessimista e
progressista-conservador. A cada enfoque corresponde uma combinao prpria entre as
probabilidades de maximizar e minimizar a preferncia segundo os vrios critrios. Fica
escolha do analista combinar os critrios de forma que o mesmo julgue pertinente. Abaixo
segue uma representao grfica dos eixos e suas respectivas siglas utilizadas neste trabalho.

11

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

Progressista
(GR)

Otimis ta
(OT)

Pes simista
(ES)

Conserv ador
(CN)

Figura 2 Representao grfica dos eixos

O enfoque otimista exige satisfazer um nico critrio, ou seja, dar uma maior
importncia ao critrio que for mais favorvel opo. Sem deixar de levar em considerao
todos os critrios, a composio faz o uso do conectivo ou, calculando-se a probabilidade
de maximizar a preferncia em pelo menos um dos critrios considerados. O enfoque
pessimista acredita que prevalecer o critrio menos favorvel, preferindo as opes que
superam as suas concorrentes, mesmo nos critrios em que se saem pior. A composio faz o
uso do conectivo e, calculando-se a probabilidade de maximizar a preferncia segundo
todos os critrios.
O enfoque progressista busca opes prximas s fronteiras de excelncia, ou seja,
opes que se destacam das demais por atingirem patamares superiores em suas
probabilidades de maximizar a preferncia, associado idia de sempre elevar o nvel da
satisfao. O enfoque conservador busca opes com probabilidades de minimizar distantes
das fronteiras inferiores. associado idia de sempre evitar perder.
Existem quatro medidas conjuntas distintas resultantes da combinao entre os
extremos dos dois eixos referidos: OTRG (otimista-progressista), OTCN (otimistaconservador), ESGR (pessimista-progressista), ESCN (pessimista-conservador). Em vez de
aplicar o mesmo enfoque ao conjunto de todos os critrios, diferentes enfoques podem ser
aplicados para compor subgrupos dos critrios.
Denotando por Mij a probabilidade de a j-sima opo ser a de mxima preferncia
segundo o i-simo critrio, por mik a probabilidade de a j-sima opo ser a de mnima
preferncia segundo o i-simo critrio, as quatro medidas globais bsicas so dadas por

12

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

OTRG(j) = 1-(1-Mij), ESRG(j) = Mij, OTCN(j) = 1- mij e ESCN(j) = (1-mij), onde

denota o produtrio com m termos, obtidos fazendo i variar ao longo de todos os critrios.
A possibilidade de escolha de diversos enfoques entre os critrios permite ao decisor
conceder diferentes prioridades no clculo da medida global de preferncia, favorecendo, por
exemplo, opes que nunca minimizam a preferncia e, ao mesmo tempo, maximizam a
mesma em algum dos critrios considerados.
Para alguns contextos, tornar-se- necessrio levar em conta a correlao entre os
critrios de um mesmo grupo. Por exemplo, como em SantAnna (2008), alguns critrios
podem-se aplicar a avaliaes coletivas de determinados conglomerados das unidades de
produo. O objetivo disto pode ser contemplar, em cada avaliao individual das opes, um
indicativo do nvel de cooperao existente entre as unidades do conglomerado, quando cada
desempenho individual influenciado pelo desempenho coletivo. Espera-se que, as
perturbaes nas medidas segundo critrios que medem os mesmos atributos, individualmente
e conjuntamente, estejam sujeitos a correlao entre eles. Quando, em vez de independncia,
h forte correlao positiva, deve-se utilizar a probabilidade mnima entre os critrios, em vez
do produto entre as probabilidades (SantAnna, 2009).
A montagem de inmeros cenrios, combinando-se os enfoques juntamente com os
critrios, torna a metodologia probabilstica uma ferramenta robusta no apoio multicritrio
deciso.

6. ANLISE DAS PREFERNCIAS PROBABILSITCAS ENTRE OS CAs

Optou-se por trabalhar com ambos os tipos de distribuio de probabilidades para a
impreciso das medidas iniciais acima expostos, a Triangular e a Uniforme. Assim, alm de
avaliar as unidades de produo, esta aplicao proporcionar uma comparao de resultados
entre diferentes distribuies de probabilidades.
As medidas iniciais dos critrios so dadas na Tabela 1 e a converso para a escala de
Likert apresentada na Tabela 2

13

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fe vereiro
A - Ma io
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Deze mbro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

Agentes Reais
/ Agentes Planej.
1,06
0,89
0,93
1,17
1,02
1,24
0,66
0,64
0,88
1,19
1,15
1,01
1,08
0,87
1,03

% de Pausas

Satisfao Cliente

TMT

14%
16%
19%
21%
21%
16%
17%
14%
15%
16%
13%
14%
15%
14%
18%

6,91
8,13
6,84
6,68
6,10
7,02
7,17
6,98
6,57
6,88
6,39
6,93
7,82
6,82
7,37

170
203
180
189
237
219
207
233
232
268
241
268
237
258
306

Custo Unitrio
R$
R$
R$
R$
R$
R$
R$
R$
R$
R$
R$
R$
R$
R$
R$

0,81
0,86
0,86
1,01
1,02
0,87
0,86
0,98
1,00
0,99
1,21
1,29
1,06
1,07
1,38

Tabela 1 Medidas iniciais dos critrios

CA - Ms
A - Fe vereiro
A - Ma io
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Deze mbro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

Agentes Reais
/ Agentes Planej.
3
2
2
4
3
5
1
1
2
5
4
3
4
2
3

% de Pausas

Satisfao Cliente

TMT

Custo Unitrio

4
3
2
1
1
3
2
4
4
3
5
4
3
4
2

3
5
3
2
1
4
4
3
2
3
1
3
5
2
4

5
4
5
4
3
4
4
3
3
2
3
2
3
2
1

5
4
4
3
3
4
4
3
3
3
2
1
2
2
1

Tabela 2 Medidas Iniciais dos critrios convertidas em Escala de Likert

A seguir, so apresentadas as probabilidades de maximizao e minimizao da

preferncia segundo cada distribuio de probabilidade. As tabelas 3 e 4 se referem
distribuio Uniforme de amplitude igual a 5, e as tabelas 5 e 6 so referentes distribuio
Triangular com extremos 0 e 6.

14

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fe vereiro
A - Ma io
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Deze mbro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

Agentes Reais
/ Agentes Planej.
5,883%
2,893%
2,893%
10,291%
5,883%
15,763%
1,249%
1,249%
2,893%
15,763%
10,291%
5,883%
10,291%
2,893%
5,883%

% de Pausas

Satisfao Cliente

TMT

Custo Unitrio

10,185%
5,673%
2,748%
1,184%
1,184%
5,673%
2,748%
10,185%
10,185%
5,673%
15,773%
10,185%
5,673%
10,185%
2,748%

5,654%
15,505%
5,654%
2,738%
1,179%
10,049%
10,049%
5,654%
2,738%
5,654%
1,179%
5,654%
15,505%
2,738%
10,049%

14,722%
9,311%
14,722%
9,311%
5,050%
9,311%
9,311%
5,050%
5,050%
2,357%
5,050%
2,357%
5,050%
2,357%
0,991%

16,245%
10,630%
10,630%
5,996%
5,996%
10,630%
10,630%
5,996%
5,996%
5,996%
2,912%
1,259%
2,912%
2,912%
1,259%

Tabela 3 Probabilidades de Maximizar a preferncia segundo cada critrio Uniforme

CA - Ms
A - Fe vereiro
A - Ma io
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Deze mbro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

Agentes Reais
/ Agentes Planej.
5,349%
9,628%
9,628%
2,584%
5,349%
1,109%
15,060%
15,060%
9,628%
1,109%
2,584%
5,349%
2,584%
9,628%
5,349%

% de Pausas

Satisfao Cliente

TMT

Custo Unitrio

2,787%
5,772%
10,173%
15,637%
15,637%
5,772%
10,173%
2,787%
2,787%
5,772%
1,183%
2,787%
5,772%
2,787%
10,173%

5,654%
1,179%
5,654%
10,049%
15,505%
2,738%
2,738%
5,654%
10,049%
5,654%
15,505%
5,654%
1,179%
10,049%
2,738%

1,418%
3,261%
1,418%
3,261%

1,117%
2,639%
2,639%
5,549%
5,549%
2,639%
2,639%
5,549%
5,549%
5,549%
9,937%
15,386%
9,937%
9,937%
15,386%

3,261%
3,261%
6,595%
6,595%
11,371%
6,595%
11,371%
6,595%
11,371%
17,031%

Tabela 4 Probabilidades de Minimizar a preferncia segundo cada critrio Uniforme

15

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fe vereiro
A - Ma io
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Deze mbro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

Agentes Reais
/ Agentes Planej.
9,419%
7,066%
7,066%
13,942%
9,419%
22,640%
5,653%
5,653%
7,066%
22,640%
13,942%
9,419%
13,942%
7,066%
9,419%

% de Pausas

Satisfao Cliente

TMT

Custo Unitrio

13,825%
9,325%
6,995%
5,596%
5,596%
9,325%
6,995%
13,825%
13,825%
9,325%
22,531%
13,825%
9,325%
13,825%
6,995%

9,183%
22,233%
9,183%
6,888%
5,510%
13,610%
13,610%
9,183%
6,888%
9,183%
5,510%
9,183%
22,233%
6,888%
13,610%

21,487%
13,008%
21,487%
13,008%
8,761%
13,008%
13,008%
8,761%
8,761%
6,572%
8,761%
6,572%
8,761%
6,572%
5,257%

23,057%
14,257%
14,257%
9,628%
9,628%
14,257%
14,257%
9,628%
9,628%
9,628%
7,222%
5,777%
7,222%
7,222%
5,777%

Tabela 5 Probabilidades de Maximizar a preferncia segundo cada critrio Triangular

CA - Ms
A - Fe vereiro
A - Ma io
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Deze mbro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

Agentes Reais
/ Agentes Planej.
7,854%
11,686%
11,686%
5,891%
7,854%
4,713%
19,676%
19,676%
11,686%
4,713%
5,891%
7,854%
5,891%
11,686%
7,854%

% de Pausas

Satisfao Cliente

TMT

Custo Unitrio

6,187%
8,249%
12,252%
20,393%
20,393%
8,249%
12,252%
6,187%
6,187%
8,249%
4,950%
6,187%
8,249%
6,187%
12,252%

8,230%
4,938%
8,230%
12,225%
20,359%
6,173%
6,173%
8,230%
12,225%
8,230%
20,359%
8,230%
4,938%
12,225%
6,173%

5,476%
6,844%
5,476%
6,844%

4,902%
6,127%
6,127%
8,169%
8,169%
6,127%
6,127%
8,169%
8,169%
8,169%
12,138%
20,249%
12,138%
12,138%
20,249%

6,844%
6,844%
9,125%
9,125%
13,528%
9,125%
13,528%
9,125%
13,528%
22,131%

Tabela 6 Probabilidades de Minimizar a preferncia segundo cada critrio Triangular

Apesar da presena da grande variabilidade entre os critrios, j possvel detectar

nestas tabelas, antes de efetuar a composio das preferncias, certa preferncia pelo ms de
Fevereiro, que talvez reflita uma caracterstica sazonal que beneficia os CAs avaliados. Alm
disso, constata-se a existncia da correlao entre as avaliaes segundo os critrios de custos:
TMT e Custo Unitrio. Esta correlao j era esperada dado o modelo de faturamento
contratado.
Primeiramente, as composies probabilsticas segundo os quatro enfoques resultantes
das combinaes dos extremos nos eixos otimista-pessimista e progressista-conservador sero
aplicadas contemplando todos os critrios em um mesmo grupo; em seguida, far-se- a
16

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

diviso dos critrios em dois grupos. Um grupo ser formado por critrios que representam
indicadores de qualidade e produo dos CAs (Outputs), e outro formado por critrios que
representam os custos gerados pelos CAs (Inputs). O agrupamento dos critrios ilustrado na
Figura 3.
Agentes Reais
/Agentes Planej.

TMT
Avaliao Cliente

Grupo dos Outputs

Grupo dos Inputs

Custo Unitrio
% de Pausas

Figura 3 Agrupamento dos critrios

As tabelas 7 e 8 apresentam, para cada distribuio, os resultados das composies

probabilsticas combinando-se todos os critrios.

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTGR
OTCN
ESGR
ESCN
Probabilidades Postos Probabilidades Postos Probabilidades Postos Probabilidades Postos
43,038%
1
100,000%
1
0,001%
2
84,623%
2
37,271%
3
100,000%
3
0,000%
3
79,259%
3
32,095%
5
100,000%
5
0,000%
6
73,510%
6
26,497%
9
100,000%
9
0,000%
11
67,546%
11
17,968%
15
100,000%
15
0,000%
14
59,523%
14
42,071%
2
100,000%
2
0,001%
1
85,363%
1
29,985%
8
100,000%
8
0,000%
7
69,896%
7
25,311%
10
100,000%
10
0,000%
10
68,728%
9
24,284%
11
100,000%
11
0,000%
9
69,717%
8
31,190%
6
100,000%
6
0,000%
5
73,594%
5
31,168%
7
100,000%
7
0,000%
8
68,424%
10
23,108%
12
100,000%
12
0,000%
12
65,101%
12
34,088%
4
100,000%
4
0,000%
4
76,309%
4
19,583%
13
100,000%
13
0,000%
13
63,079%
13
19,510%
14
100,000%
14
0,000%
15
58,054%
15

Tabela 7 Probabilidades compostas combinando todos os critrios - Uniforme

17

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTGR
OTCN
Probabilidades Postos Probabilidades
57,175%
1
100,000%
51,120%
3
100,000%
47,156%
5
100,000%
40,529%
9
99,999%
33,376%
15
99,998%
54,799%
2
100,000%
43,457%
8
99,999%
39,117%
10
99,999%
38,513%
11
99,999%
46,212%
7
100,000%
46,675%
6
99,999%
37,595%
12
99,999%
48,631%
4
100,000%
35,362%
13
99,999%
35,030%
14
99,997%

2
3
6
11
14
1
7
10
9
5
8
12
4
13
15

ESGR
ESCN
Probabilidades Postos Probabilidades Postos
0,006%
1
71,311%
2
0,003%
3
67,359%
3
0,001%
5
63,103%
6
0,001%
9
56,254%
11
0,000%
15
48,753%
14
0,005%
2
71,733%
1
0,001%
8
57,831%
8
0,001%
10
57,709%
9
0,001%
11
60,687%
7
0,001%
6
63,711%
5
0,001%
7
56,881%
10
0,000%
12
54,708%
13
0,002%
4
65,538%
4
0,000%
13
55,251%
12
0,000%
14
47,113%
15

Tabela 8 Probabilidades compostas combinando todos os critrios - Triangular

Observa-se uma troca da opo preferida entre as unidades de produo, A

Fevereiro, sustentada pela excelente performance nos critrios relacionados a custos, e a
opo B Fevereiro, dada sua regularidade diante dos dois grupos de critrios. A opo C
Agosto, com melhor desempenho quanto aos Outputs, no chegou a ameaar as primeiras
posies, ficando apenas na quarta posio de preferncia.
Para a distribuio Uniforme, a opo A Fevereiro foi a preferida pelos enfoques
otimista-progressista e otimista-conservador. Suas posies excelentes nos critrios de custos
favoreceram seu desempenho em qualquer abordagem otimista. J a opo B Fevereiro foi
beneficiada em qualquer abordagem pessimista pela sua regularidade em todos os critrios.
Para a distribuio Triangular, houve uma inverso da preferncia nos enfoques otimistaconservador e pessimista-progressista.
A preferncia pelos meses de fevereiro torna-se clara aps a anlise deste cenrio. A
explicao desta caracterstica sazonal pode estar relacionada ao fato de, historicamente,
observarmos uma melhor aderncia e comprometimento a planejamentos feitos pelos CAs
neste ms. A baixa volumetria recebida no ms de Fevereiro, conforme j explicitado
anteriormente, torna-se um facilitador para a garantia da tranquilidade na operao, que
consequentemente afeta a qualidade do servio prestado.
Atentando-se a uma viso CA, independentemente dos meses, este cenrio sugere
um empate das mdias das probabilidades entre os CAs A e B, enquanto o CA C, prejudicado
pelo desempenho nos critrios de custos, obtm a menor mdia.

18

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

A seguir os diferentes enfoques sero aplicados aos grupos de Inputs e Outputs. Como
os enfoques pessimistas em que a mesma abordagem, progressista ou conservadora, seja
adotada em relao aos dois grupos de critrios, resultam em medidas j consideradas na
viso anterior, restam ento, quatorze combinaes entre os enfoques. Devido quantidade de
enfoques, as probabilidades compostas de uma mesma distribuio, sero apresentadas em
quatro tabelas. As tabelas 9, 10, 11 e 12 se referem distribuio Uniforme. J as tabelas 13,
14, 15 e 16 representam os resultados da distribuio Triangular.

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTGR*OTGR
Probabilidades Postos
5,786%
1
4,284%
3
2,593%
4
2,032%
8
0,870%
12
5,406%
2
2,580%
5
1,753%
10
1,630%
11
2,056%
7
1,980%
9
0,726%
14
2,227%
6
0,789%
13
0,395%
15

OTGR*OTCN
Probabilidades Postos
20,245%
6
22,584%
5
10,897%
14
13,756%
12
8,065%
15
28,501%
1
13,602%
13
16,262%
9
15,115%
10
24,876%
4
25,166%
3
19,894%
7
28,314%
2
14,999%
11
17,204%
8

OTGR*ESGR
OTGR*ESCN
Probabilidades Postos Probabilidades Postos
0,484%
1
19,738%
6
0,224%
3
21,289%
4
0,171%
4
10,463%
14
0,077%
6
12,591%
11
0,025%
12
7,141%
15
0,282%
2
26,867%
1
0,135%
5
12,822%
10
0,049%
7
14,399%
8
0,046%
8
13,384%
9
0,035%
11
20,956%
5
0,037%
10
21,310%
3
0,006%
14
15,185%
7
0,042%
9
23,975%
2
0,010%
13
12,110%
13
0,002%
15
12,403%
12

Tabela 09 Probabilidades compostas combinando os grupos Uniforme (1/4)

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTCN*OTGR
Probabilidades Postos
28,573%
1
18,950%
4
23,774%
2
14,743%
6
10,729%
9
18,951%
3
18,943%
5
10,740%
7
10,740%
8
8,211%
10
7,815%
12
3,586%
14
7,815%
11
5,199%
13
2,238%
15

OTCN*OTCN
Probabilidades Postos
99,976%
1
99,907%
3
99,907%
4
99,778%
6
99,505%
9
99,912%
2
99,872%
5
99,610%
7
99,607%
8
99,365%
10
99,340%
12
98,242%
14
99,343%
11
98,843%
13
97,365%
15

OTCN*ESGR
OTCN*ESCN
Probabilidades Postos Probabilidades Postos
2,391%
1
97,473%
1
0,990%
4
94,180%
4
1,564%
2
95,927%
2
0,558%
6
91,334%
6
0,302%
9
88,108%
9
0,990%
3
94,185%
3
0,989%
5
94,147%
5
0,303%
7
88,201%
7
0,303%
8
88,198%
8
0,141%
12
83,708%
12
0,147%
11
84,119%
11
0,030%
14
74,986%
14
0,147%
10
84,122%
10
0,069%
13
79,800%
13
0,012%
15
70,193%
15

Tabela 10 Probabilidades compostas combinando os grupos Uniforme (2/4)

19

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

ESRG*OTGR
Probabilidades Postos
0,010%
2
0,005%
4
0,001%
8
0,000%
12
0,000%
15
0,017%
1
0,001%
11
0,001%
10
0,001%
9
0,004%
5
0,001%
6
0,001%
7
0,007%
3
0,000%
13
0,000%
14

ESRG*OTCN
Probabilidades Postos
0,034%
4
0,025%
6
0,004%
12
0,003%
14
0,001%
15
0,090%
2
0,003%
13
0,007%
11
0,008%
9
0,050%
3
0,019%
7
0,033%
5
0,090%
1
0,008%
10
0,016%
8

ESRG*ESCN
Probabilidades Postos
0,033%
4
0,024%
6
0,004%
12
0,003%
14
0,001%
15
0,085%
1
0,003%
13
0,006%
11
0,007%
9
0,042%
3
0,016%
7
0,025%
5
0,076%
2
0,006%
10
0,011%
8

Tabela 11 Probabilidades compostas combinando os grupos Uniforme (3/4)

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

ESCN*OTGR
Probabilidades Postos
24,807%
1
15,948%
4
18,218%
2
10,903%
6
7,248%
9
17,176%
3
14,064%
5
8,369%
8
8,490%
7
7,219%
10
6,357%
12
3,113%
14
7,089%
11
4,110%
13
1,851%
15

ESCN*OTCN
Probabilidades Postos
86,796%
4
84,079%
6
76,559%
12
73,791%
14
67,223%
15
90,554%
1
74,146%
13
77,619%
11
78,735%
9
87,360%
3
80,805%
7
85,291%
5
90,117%
2
78,131%
10
80,527%
8

ESCN*ESGR
Probabilidades Postos
2,076%
1
0,833%
4
1,199%
2
0,413%
6
0,204%
9
0,897%
3
0,735%
5
0,236%
8
0,239%
7
0,124%
11
0,120%
12
0,026%
14
0,133%
10
0,054%
13
0,010%
15

Tabela 12 Probabilidades compostas combinando os grupos Uniforme (4/4)

20

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTGR*OTGR
Probabilidades Postos
11,524%
1
8,758%
3
7,027%
4
5,208%
9
3,369%
14
10,012%
2
6,148%
5
4,590%
10
4,462%
11
5,650%
8
5,680%
7
3,484%
12
6,035%
6
3,387%
13
2,921%
15

OTGR*OTCN
Probabilidades Postos
29,031%
34,323%
5
21,431%
14
24,217%
12
19,057%
15
39,236%
1
24,092%
13
25,967%
9
25,240%
10
35,894%
4
36,596%
3
28,312%
7
38,881%
2
25,012%
11
26,001%
8

OTGR*ESGR
OTGR*ESCN
Probabilidades Postos Probabilidades Postos
1,442%
1
26,167%
6
0,639%
4
30,141%
3
0,659%
3
19,080%
13
0,305%
6
20,833%
10
0,162%
12
16,023%
15
0,731%
2
34,455%
1
0,449%
5
21,157%
9
0,221%
10
21,832%
7
0,214%
11
21,222%
8
0,230%
9
28,822%
5
0,234%
8
29,547%
4
0,111%
14
20,075%
11
0,249%
7
31,392%
2
0,121%
13
19,321%
12
0,083%
15
16,904%
14

Tabela 13 Probabilidades compostas combinando os grupos Triangular (1/4)

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTCN*OTGR
Probabilidades Postos
39,574%
1
25,398%
4
32,642%
2
21,352%
6
17,488%
9
25,404%
3
25,373%
5
17,528%
8
17,530%
7
15,562%
10
15,341%
12
11,965%
14
15,347%
11
13,307%
13
10,725%
15

OTCN*OTCN
Probabilidades Postos
99,692%
1
99,533%
4
99,547%
3
99,295%
6
98,931%
9
99,557%
2
99,432%
5
99,155%
8
99,167%
7
98,863%
11
98,834%
12
97,222%
14
98,869%
10
98,271%
13
95,462%
15

OTCN*ESGR
OTCN*ESCN
Probabilidades Postos Probabilidades Postos
4,952%
1
89,855%
1
1,854%
4
87,406%
4
3,060%
2
88,628%
2
1,251%
6
85,420%
6
0,841%
9
83,179%
9
1,854%
3
87,427%
3
1,852%
5
87,317%
5
0,843%
8
83,368%
8
0,843%
7
83,378%
7
0,632%
11
79,383%
12
0,632%
12
79,797%
11
0,380%
14
68,935%
14
0,633%
10
79,825%
10
0,474%
13
75,909%
13
0,304%
15
62,064%
15

Tabela 14 Probabilidades compostas combinando os grupos Triangular (2/4)

21

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

ESRG*OTGR
Probabilidades Postos
0,047%
2
0,037%
4
0,015%
7
0,011%
12
0,005%
15
0,073%
1
0,014%
9
0,013%
10
0,012%
11
0,030%
5
0,027%
6
0,014%
8
0,044%
3
0,009%
14
0,010%
13

ESRG*OTCN
Probabilidades Postos
0,119%
6
0,146%
5
0,045%
14
0,053%
13
0,029%
15
0,286%
1
0,054%
12
0,071%
9
0,067%
10
0,192%
3
0,171%
4
0,116%
7
0,286%
2
0,066%
11
0,086%
8

ESRG*ESCN
Probabilidades Postos
0,107%
6
0,128%
5
0,040%
14
0,046%
13
0,024%
15
0,251%
1
0,047%
12
0,060%
8
0,056%
9
0,154%
3
0,138%
4
0,082%
7
0,231%
2
0,051%
11
0,056%
10

Tabela 15 Probabilidades compostas combinando os grupos Triangular (3/4)

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

ESCN*OTGR
Probabilidades Postos
31,407%
1
19,573%
4
23,241%
2
14,062%
6
10,250%
12
20,844%
3
16,804%
5
12,133%
10
12,759%
7
12,489%
9
10,935%
11
9,495%
14
12,600%
8
9,686%
13
8,141%
15

ESCN*OTCN
Probabilidades Postos
79,117%
4
76,704%
6
70,878%
10
65,391%
14
57,985%
15
81,686%
1
65,855%
13
68,637%
12
72,179%
8
79,345%
3
70,450%
11
77,157%
5
81,173%
2
71,527%
9
72,465%
7

ESCN*ESGR
Probabilidades Postos
3,930%
1
1,429%
4
2,179%
2
0,824%
6
0,493%
11
1,521%
3
1,226%
5
0,583%
8
0,613%
7
0,508%
10
0,451%
12
0,301%
14
0,519%
9
0,345%
13
0,230%
15

Tabela 16 Probabilidades compostas combinando os grupos Triangular (4/4)

As opes A Fevereiro e B Fevereiro se destacam das demais. O equilbrio entre

as duas opes to grande que, ao calcular a mdia das probabilidades obtidas nestes
enfoques, teramos uma probabilidade de 0,27 para as duas opes considerando a
distribuio Uniforme, e 0,3 e 0,29 para a opo A Fevereiro e B Fevereiro
respectivamente, ao considerar a distribuio Triangular. Esse equilbrio tambm observado
na mdia entre os dois CAs, independentemente dos meses.
Interessante destacar o nico enfoque que no favorece nenhuma das duas opes
acima, ESRG*OTCN, que elege a opo C Agosto como a preferida, pela exigncia de um
bom desempenho no grupo dos Outputs, e pela opo de adotar uma abordagem conservadora
22

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

no grupo dos Inputs. A passagem desta opo a preferida se concretiza apenas na distribuio
Uniforme e a nica diferena significativa entre as duas distribuies.
At o momento, todas as anlises foram efetuadas considerando a premissa de
independncia entre os critrios do grupo relacionado a custos. Conforme dito anteriormente,
para alguns contextos, tornar-se- necessria uma abordagem considerando tal correlao. A
ttulo de comparao, para este cenrio, ser feita uma anlise supondo correlao entre os
critrios: TMT e Custo Unitrio. As tabelas 17, 18, 19 e 20 se referem distribuio
Uniforme, j as tabelas 21, 22, 23 e 24 representam os resultados da distribuio Triangular.

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTGR*OTGR
Probabilidades Postos
2,981%
1
2,105%
3
1,159%
5
0,826%
7
0,409%
12
2,656%
2
1,268%
4
0,824%
8
0,766%
9
0,590%
11
0,738%
10
0,255%
14
0,830%
6
0,358%
13
0,175%
15

OTGR*OTCN
Probabilidades Postos
19,961%
6
21,866%
5
10,613%
14
13,016%
13
7,560%
15
27,595%
1
13,170%
12
15,245%
8
14,170%
10
22,187%
4
22,815%
3
17,133%
7
25,668%
2
13,446%
11
14,658%
9

OTGR*ESGR
OTGR*ESCN
Probabilidades Postos Probabilidades Postos
2,981%
1
19,961%
6
2,105%
3
21,866%
5
1,159%
5
10,613%
14
0,826%
7
13,016%
13
0,409%
12
7,560%
15
2,656%
2
27,595%
1
1,268%
4
13,170%
12
0,824%
8
15,245%
8
0,766%
9
14,170%
10
0,590%
11
22,187%
4
0,738%
10
22,815%
3
0,255%
14
17,133%
7
0,830%
6
25,668%
2
0,358%
13
13,446%
11
0,175%
15
14,658%
9

Tabela 17 Probabilidades compostas combinando os grupos Uniforme (1/4)

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTCN*OTGR
Probabilidades Postos
14,721%
1
9,310%
4
10,624%
2
5,993%
6
5,043%
9
9,311%
3
9,307%
5
5,049%
7
5,048%
8
2,357%
12
2,912%
11
1,259%
14
2,912%
10
2,356%
13
0,991%
15

OTCN*OTCN
Probabilidades Postos
98,573%
1
96,733%
4
97,307%
2
94,413%
6
93,284%
9
96,737%
3
96,698%
5
93,383%
7
93,380%
8
88,626%
12
90,059%
11
84,607%
14
90,061%
10
88,605%
13
82,957%
15

OTCN*ESGR
OTCN*ESCN
Probabilidades Postos Probabilidades Postos
14,721%
1
98,573%
1
9,310%
4
96,733%
4
10,624%
2
97,307%
2
5,993%
6
94,413%
6
5,043%
9
93,284%
9
9,311%
3
96,737%
3
9,307%
5
96,698%
5
5,049%
7
93,383%
7
5,048%
8
93,380%
8
2,357%
12
88,626%
12
2,912%
11
90,059%
11
1,259%
14
84,607%
14
2,912%
10
90,061%
10
2,356%
13
88,605%
13
0,991%
15
82,957%
15

Tabela 18 Probabilidades compostas combinando os grupos Uniforme (2/4)

23

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

ESRG*OTGR
Probabilidades Postos
0,005%
2
0,002%
4
0,000%
7
0,000%
12
0,000%
15
0,008%
1
0,000%
11
0,000%
10
0,000%
9
0,001%
5
0,001%
6
0,000%
8
0,003%
3
0,000%
13
0,000%
14

ESRG*OTCN
Probabilidades Postos
0,033%
4
0,025%
6
0,004%
12
0,003%
14
0,001%
15
0,087%
1
0,003%
13
0,007%
11
0,008%
9
0,045%
3
0,017%
7
0,029%
5
0,082%
2
0,007%
10
0,013%
8

ESRG*ESCN
Probabilidades Postos
0,033%
4
0,025%
6
0,004%
12
0,003%
14
0,001%
15
0,087%
1
0,003%
13
0,007%
11
0,008%
9
0,045%
3
0,017%
7
0,029%
5
0,082%
2
0,007%
10
0,013%
8

Tabela 19 Probabilidades compostas combinando os grupos Uniforme (3/4)

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

ESCN*OTGR
Probabilidades Postos
12,780%
1
7,835%
4
8,141%
3
4,432%
6
3,407%
9
8,439%
2
6,910%
5
3,934%
8
3,991%
7
2,072%
12
2,369%
11
1,093%
14
2,642%
10
1,863%
13
0,820%
15

ESCN*OTCN
Probabilidades Postos
85,578%
2
81,407%
4
74,567%
6
69,823%
13
63,020%
15
87,676%
1
71,790%
11
72,766%
10
73,813%
7
77,918%
5
73,255%
9
73,453%
8
81,697%
3
70,039%
12
68,610%
14

ESCN*ESGR
Probabilidades Postos
12,780%
1
7,835%
4
8,141%
3
4,432%
6
3,407%
9
8,439%
2
6,910%
5
3,934%
8
3,991%
7
2,072%
12
2,369%
11
1,093%
14
2,642%
10
1,863%
13
0,820%
15

Tabela 20 Probabilidades compostas combinando os grupos Uniforme (4/4)

24

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTGR*OTGR
Probabilidades Postos
6,255%
1
4,484%
3
3,066%
5
2,345%
9
1,682%
12
5,125%
2
3,147%
4
2,292%
10
2,228%
11
2,385%
8
2,672%
7
1,682%
13
2,839%
6
1,671%
14
1,431%
15

OTGR*OTCN
Probabilidades Postos
27,516%
32,108%
4
20,185%
14
22,364%
11
17,448%
15
36,704%
1
22,538%
10
23,774%
7
23,109%
9
31,386%
5
32,514%
3
23,215%
8
34,544%
2
21,990%
12
21,196%
13

OTGR*ESGR
OTGR*ESCN
Probabilidades Postos Probabilidades Postos
6,255%
1
27,516%
6
4,484%
3
32,108%
4
3,066%
5
20,185%
14
2,345%
9
22,364%
11
1,682%
12
17,448%
15
5,125%
2
36,704%
1
3,147%
4
22,538%
10
2,292%
10
23,774%
7
2,228%
11
23,109%
9
2,385%
8
31,386%
5
2,672%
7
32,514%
3
1,682%
13
23,215%
8
2,839%
6
34,544%
2
1,671%
14
21,990%
12
1,431%
15
21,196%
13

Tabela 21 Probabilidades compostas combinando os grupos Triangular (1/4)

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

OTCN*OTGR
Probabilidades Postos
21,479%
1
13,002%
4
14,240%
2
9,614%
6
8,733%
9
13,005%
3
12,989%
5
8,752%
8
8,753%
7
6,569%
12
7,218%
11
5,775%
14
7,220%
10
6,566%
13
5,254%
15

OTCN*OTCN
Probabilidades Postos
94,487%
1
93,111%
4
93,762%
2
91,696%
6
90,579%
9
93,133%
3
93,017%
5
90,784%
8
90,795%
7
86,445%
12
87,809%
11
79,719%
14
87,841%
10
86,396%
13
77,822%
15

OTCN*ESGR
OTCN*ESCN
Probabilidades Postos Probabilidades Postos
21,479%
1
94,487%
1
13,002%
4
93,111%
4
14,240%
2
93,762%
2
9,614%
6
91,696%
6
8,733%
9
90,579%
9
13,005%
3
93,133%
3
12,989%
5
93,017%
5
8,752%
8
90,784%
8
8,753%
7
90,795%
7
6,569%
12
86,445%
12
7,218%
11
87,809%
11
5,775%
14
79,719%
14
7,220%
10
87,841%
10
6,566%
13
86,396%
13
5,254%
15
77,822%
15

Tabela 22 Probabilidades compostas combinando os grupos Triangular (2/4)

25

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

ESRG*OTGR
Probabilidades Postos
0,026%
2
0,019%
4
0,006%
9
0,005%
12
0,003%
15
0,037%
1
0,007%
7
0,006%
10
0,006%
11
0,013%
5
0,013%
6
0,007%
8
0,021%
3
0,004%
14
0,005%
13

ESRG*OTCN
Probabilidades Postos
0,113%
6
0,136%
5
0,043%
14
0,049%
13
0,026%
15
0,268%
1
0,050%
12
0,065%
9
0,061%
10
0,168%
3
0,152%
4
0,095%
7
0,254%
2
0,058%
11
0,070%
8

ESRG*ESCN
Probabilidades Postos
0,113%
6
0,136%
5
0,043%
14
0,049%
13
0,026%
15
0,268%
1
0,050%
12
0,065%
9
0,061%
10
0,168%
3
0,152%
4
0,095%
7
0,254%
2
0,058%
11
0,070%
8

Tabela 23 Probabilidades compostas combinando os grupos Triangular (3/4)

CA - Ms
A - Fevereiro
A - Maio
A - Agosto
A - Outubro
A - Dezembro
B - Fevereiro
B - Maio
B - Agosto
B - Outubro
B - Dezembro
C - Fevereiro
C - Maio
C - Agosto
C - Outubro
C - Dezembro

ESCN*OTGR
Probabilidades Postos
17,046%
1
10,020%
4
10,139%
3
6,331%
7
5,118%
12
10,671%
2
8,603%
5
6,059%
8
6,371%
6
5,272%
10
5,145%
11
4,583%
14
5,928%
9
4,779%
13
3,988%
15

ESCN*OTCN
Probabilidades Postos
74,987%
2
71,755%
4
66,759%
6
60,387%
13
53,090%
15
76,416%
1
61,606%
12
62,842%
10
66,086%
7
69,379%
5
62,592%
11
63,267%
8
72,119%
3
62,884%
9
59,075%
14

ESCN*ESGR
Probabilidades Postos
17,046%
1
10,020%
4
10,139%
3
6,331%
7
5,118%
12
10,671%
2
8,603%
5
6,059%
8
6,371%
6
5,272%
10
5,145%
11
4,583%
14
5,928%
9
4,779%
13
3,988%
15

Tabela 24 Probabilidades compostas combinando os grupos Triangular (4/4)

Evidentemente, as probabilidades obtidas neste cenrio so menores quando

comparadas a um cenrio sem correlao, mas a ordem de preferncia entre as opes no
sofre grandes alteraes. Pode-se destacar, apenas, a superao da opo B Fevereiro diante
da opo C Agosto no enfoque ESGR*OTCN, como resultado da nova composio
probabilstica da preferncia.

26

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

7. CONCLUSO
O mtodo da anlise da composio probabilstica de preferncias, utilizado no
presente trabalho, atingiu seus principais objetivos ajustando-se perfeitamente ao problema
proposto. A realizao de uma anlise sistemtica, proporcionada pela possibilidade de
adoo de inmeros enfoques, foi capaz de atender complexidade inerente ao processo de
avaliao dos centros de atendimento.
A utilizao de duas distribuies de probabilidades, associadas impreciso das
medidas iniciais, tambm contribuiu para a extensa anlise realizada nesse trabalho. A
comparao dos resultados obtidos com as duas permitiu inferir que a escolha da distribuio
no provoca grandes diferenas nos resultados obtidos.
O estudo realizado permite verificar que a aplicabilidade desse mtodo se estende s
mais variadas anlises, porm sua eficcia, em cada caso, depender da estruturao prvia do
problema.
REFERNCIAS
Abreu, R. V. & SantAnna, A. P. (2007). Um instrumento para avaliao das igrejas crists.
Relatrios de Pesquisa em Engenharia de Produo, 7.
Banna e Costa, C. A. & Vansnick, J. (1995). Uma nova abordagem ao problema da
construo de uma funo de valor cardinal: MACBETH. Investigao Operacional, 15, 1535.
Chen, S. J. & Hwang, C. L. Fuzzy Multiple Attribute Decision Making, Springer- Verlag,
1992.
Giosa, L. A. Terceirizao: uma abordagem estratgica. Cengage Learning, So Paulo, 2003.
Lacity, M. C. & Willcocks, L. P. & Rottman, J. W. (2008). Global outsourcing of back office
services: lessons, trends, and enduring challenges. Strategic Outsourcing: An International
Journal, 1, 13-34.
Lootsma, F. A. (1993). Scale sensitivity in the Multiplicative AHP and SMART. Journal of
Multi-Criteria Decision Analysis, 2, 87-110.
Roy, B. (1968). Classement et Choice en presence de points de vue multiple (la methode
Electre). Revue Franaise dAutomatique Information et Recherche Operationelle, 8, 57-75.

27

Relatrios de Pesquisa em Engenharia de Produo V. 9 n. 07

SantAnna, A. P. (2004). Uma estrutura para anlise da composio de preferncias.

Relatrios de Pesquisa em Engenharia de Produo, 4.
SantAnna, A. P. (2002a). Aleatorizao e Composio de Medidas de Preferncia. Pesquisa
Operacional, 22, 87-103.
SantAnna, A. P. (2002b). Data Envelopment Analysis of Randomized Ranks. Pesquisa
Operacional, 22, 203-215.
SantAnna, A. P. (2005). Composio probabilstica de critrios na avaliao de cursos.
Revista Brasileira de Ps-Graduao, 2, 40-54.
SantAnna, A. P. (2008). Evaluation of Homogeneous Clusters within a Probabilistic
Composition of Preferences, Relatrios de Pesquisa em Engenharia de Produo, 8, 9, 1-10.
SANT'ANNA, A. P. (2009). Probabilistic majority rules. International Journal of Industrial
and Systems Engineering, 4, 19-31.
Slowisnki, R. (1998). Fuzzy Sets in Decision Analysis, Operations Research and Statistics,
Kluwer Academic Publishers, Boston.

28