Submitted by Irene Nascimento (irene.kessia@ufpe.br) on 2016-06-22T16:10:58Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertacao_SinndyDayanaRicoLugo_2016.pdf: 3067162 bytes, checksum: bf4e6bc8fdefc54a21c8315582de00a1 (MD5) / Made available in DSpace on 2016-06-22T16:10:58Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertacao_SinndyDayanaRicoLugo_2016.pdf: 3067162 bytes, checksum: bf4e6bc8fdefc54a21c8315582de00a1 (MD5)
Previous issue date: 2016-02-01 / CNPQ / A determinação dos requerimentos de materiais nas Pequenas e Médias Empresas (PMEs) cujo ambiente de produção é do tipo Job Shop, tem sido categorizado na literatura como um problema devido ao complexo processo de tomada de decisões subjacente, gerado pela grande quantidade de variáveis no sistema de fabricação, aos níveis de apropriação de tecnologias da informação e às características dos modelos e das ferramentas que atualmente encontram-se disponíveis. Dentro deste contexto, uma solução fundamentada em um modelo de decisão multicritério foi proposta, incluindo a execução do processo de elicitação das preferências do decisor, e suportada na geração de um Sistema de Apoio à Decisão (SAD) de ambiente Web. Ao longo deste trabalho é apresentada a caracterização das etapas de construção do modelo, os pontos relevantes para a escolha do Modelo Aditivo como base, as melhorias feitas ao processo de elicitação, e o detalhamento da interação do software desenvolvido com o processo decisório de determinação de requerimentos de matérias primas. Apresenta-se também a aplicação do modelo em algumas empresas do tipo PME, realizando uma análise comparativa entre os resultados esperados e os obtidos com o uso da ferramenta SAD e recolhendo todos os comentários dos decisores, com a finalidade de caracterizar, em um ambiente de fábrica real, os prós, contras e possíveis melhorias do modelo proposto. Todas as aplicações foram realizadas em duas fases: na primeira o decisor usou o SAD de forma isolada, sem o acompanhamento da analista com o intuito de obter uma visão totalmente externa; e na segunda o decisor usou o software com o acompanhamento direto da analista tendo como objetivo a interatividade e a troca de conhecimentos. A execução da primeira fase proporcionou informação relevante de como os decisores se sentem em relação às perguntas da elicitação de preferências, à linguagem usada, aos gráficos e às demais características desenvolvidas no aplicativo, concluindo que não contar com um analista obriga ao decisor a pensar cuidadosamente nas suas respostas e a ler detalhadamente as instruções. A segunda fase permitiu aos decisores maior compreensão do processo de elicitação e principalmente, em relação ao uso do SAD na etapa da analise de sensibilidade. Adicionalmente, apresenta-se a proposta de um segundo modelo baseado em outras teorias de decisão multicritério, Teoria de Utilidade Multiatributo (MAUT por sua sigla em inglês) e Utilidade Rank Dependente (RDU por sua sigla em inglês), com a diferença de que a ferramenta SAD foi testada com dados reais de única empresa. Assim, os resultados da aplicação deste modelo mostram diferenças substanciais entre utilizar o método clássico da Utilidade Esperada (EU em inglês) e usar a RDU; enquanto que diferenças menores, mas também relevantes, foram encontradas entre elicitar a função peso da probabilidade e usar os valores dos parâmetros sugeridos comumente na literatura com base em estudos comportamentais / Determining the requirements of materials in Small and Medium Enterprises (SMEs), whose production environment is Job Shop type, has been categorized in the literature as a problem caused by the complex underlying decision-making process, generated by the large number of variables in the manufacturing system, the appropriation levels of information technology and the characteristics of the models and tools that currently are available. Within this framework, a solution based on a multi-criteria decision model was proposed, including the execution of the elicitation process of decision maker's preferences, and supported in the generation of a decision support system (DSS) Web based. Throughout this document presents the characterization of model building steps, relevant points for choosing the Additive Model as a base, improvements made to the elicitation process and details of interaction within the software developed and the decision-making process of raw material requirements determination. It presents also the application of the model in some companies of type SME, performing a comparative analysis between expected results and those obtained using the SAD tool and compiling all the comments of decision-makers, in order to characterize, in environment real factory, the pros, cons and possible improvements of the proposed model. All applications were done in two phases: first the decision maker used the SAD in isolation, without the accompaniment of the analyst in order to get a fully external view; and in the second the decision maker used the software with analyst's direct monitoring aiming to the interaction and exchange of knowledge. The implementation of the first phase provided relevant information about how the decision-makers feel in relation to the preferences elicitation questions, to the language used, to the graphics and to other features developed in the application, concluding that if there is not an analyst, the decision maker has to think carefully in their responses and thoroughly reads the instructions. The second phase offered to decision-makers greater understanding of the elicitation process and especially regarding the use of the SAD in the sensitivity analysis step. In addition, a second model based on other theories of multi-criteria decision (Multi-attribute Utility Theory (MAUT) and Rank Dependent Utility (RDU)) was presented, with the difference that the SAD tool was tested with real data of only one company. Thus, the results of applying this model show substantial differences between using the classic method of Expected Utility (EU) and use RDU; while minor differences, but also relevant, were found between eliciting the probability weighting function and using the values of the parameters commonly suggested in the literature based on behavioral studies.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/17139 |
| Date | 01 February 2016 |
| Creators | LUGO, Sinndy Dayana Rico. |
| Contributors | ALMEIDA, Adiel Teixeira de |
| Publisher | Universidade Federal de Pernambuco, Programa de Pos Graduacao em Engenharia de Producao, UFPE, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0029 seconds