Introdução ao Método AHP

Auxílio Multicritério à Decisão

Profa. Luciane Alcoforado

2026-07-28

Introdução ao Método AHP (Analytic Hierarchy Process) Auxílio Multicritério à Decisão

Baseado no livro do Prof. Helder Gomes Costa (Auxílio Multicritério à Decisão)

Objetivo da Aula: * Compreender a complexidade da tomada de decisão no ambiente público e militar.

* Dominar os fundamentos do Método AHP para priorização e seleção de alternativas.

* Aplicar o método com rigor analítico, equidade e foco na missão.

A Complexidade da Decisão no Comando

A tomada de decisão no setor público e militar é caracterizada por múltiplos fatores interdependentes:

  • Múltiplos Objetivos e Critérios Em Conflito:
    • Custo vs. Desempenho Operacional vs. Segurança vs. Sustentabilidade.
  • Múltiplos Interessados (Stakeholders):
    • Sociedade, Comandos Superiores, Órgãos de Controladoria, Equipes Táticas.
  • Incerteza e Risco:
    • Ambientes dinâmicos e voláteis onde falhas geram impactos sociais ou estratégicos severos.

O que é o Método AHP?

Analytic Hierarchy Process (Processo Analítico Hierárquico)

Desenvolvido por Thomas L. Saaty na década de 1970.

Principios da AHP

Definição

O AHP é uma técnica estruturada para auxiliar na tomada de decisões complexas, permitindo decompor um problema em uma hierarquia de Objetivo, Critérios, Subcritérios e Alternativas.

  • Integração Qualitativa e Quantitativa: Converte julgamentos subjetivos (opiniões de especialistas/comandantes) em números objetivos.
  • Análise Par a Par (Pairwise Comparison): Facilita a avaliação ao comparar apenas dois elementos por vez.

Estrutura Hierárquica do Problema

A representação hierárquica do AHP divide a análise em níveis bem definidos:

graph TD
    %% Nível 1
    OBJ["<b>Nível 1: Objetivo Geral</b><br/><i>(Ex: Selecionar Rádio Tático)</i>"]

    %% Nível 2
    CRIT_A["<b>Nível 2: Critério A</b><br/>Custo"]
    CRIT_B["<b>Nível 2: Critério B</b><br/>Desempenho"]

    %% Subcritérios
    SUB_A1["Sub-A1: Aquisição"]
    SUB_A2["Sub-A2: Manutenção"]
    SUB_B1["Sub-B1: Alcance"]
    SUB_B2["Sub-B2: Segurança"]

    %% Nível 3
    ALT_1["Alternativa 1"]
    ALT_2["Alternativa 2"]
    ALT_3["Alternativa 3"]

    %% Conexões
    OBJ --> CRIT_A
    OBJ --> CRIT_B

    CRIT_A --> SUB_A1
    CRIT_A --> SUB_A2
    CRIT_B --> SUB_B1
    CRIT_B --> SUB_B2

    SUB_A1 --> ALT_1 & ALT_2 & ALT_3
    SUB_A2 --> ALT_1 & ALT_2 & ALT_3
    SUB_B1 --> ALT_1 & ALT_2 & ALT_3
    SUB_B2 --> ALT_1 & ALT_2 & ALT_3

A Escala Fundamental de Saaty

COMO QUANTIFICAR O JULGAMENTO HUMANO?

Ao comparar dois elementos (\(A_i\) e \(A_j\)), utiliza-se a escala de 1 a 9:

Intensidade Definição Explicação
1 Igual Importância Ambos os elementos contribuem igualmente para o objetivo
3 Importância Moderada A experiência e o julgamento favorecem ligeiramente um elemento
5 Importância Forte A experiência e o julgamento favorecem fortemente um elemento
7 Importância Muito Forte Um elemento é muito fortemente favorecido
9 Importância Extrema A evidência que favorece um elemento é da mais alta ordem
2, 4, 6, 8 Valores Intermediários Necessidade de compromisso entre dois julgamentos

Passo a Passo da Aplicação do AHP

  1. Estruturação do Problema:
    • Definir claramente o Objetivo, identificar Critérios e listar as Alternativas.
  2. Construção das Matrizes de Comparação Par a Par:
    • Comparar os elementos em cada nível com base na Escala de Saaty.
  3. Cálculo dos Vetores de Prioridade (Autovetores):
    • Normalização e determinação dos pesos relativos de critérios e alternativas.
  4. Avaliação da Consistência dos Julgamentos:
    • Verificar se as preferências declaradas são logicamente consistentes.

Medição da Consistência (CR)

O ser humano pode cometer inconsistências (ex.: A > B, B > C, mas declara C > A).

  • Índice de Consistência (CI): \[CI = \frac{\lambda_{max} - n}{n - 1}\]
  • Razão de Consistência (CR): \[CR = \frac{CI}{RI}\] (onde \(RI\) é o Índice Aleatório tabulado para uma matriz de ordem \(n\))

Regra de Ouro do AHP

Se \(CR \le 0,10\) (10%), o julgamento é considerado aceitável e consistente. Se \(CR > 0,10\), as comparações devem ser revisadas!

Exemplo: Aquisição de Sistema de Comunicação Tática

  • Objetivo: Selecionar o melhor sistema de rádio para a tropa.
  • Critérios de Avaliação:
    1. Custo de Aquisição e Manutenção
    2. Alcance e Confiabilidade do Sinal
    3. Segurança da Informação (Criptografia)
    4. Facilidade de Operação / Ergonomia
  • Alternativas: Sistema Alpha, Sistema Bravo, Sistema Charlie.

Arvore Hierárquica

graph TD
    %% Nível 1
    OBJ["<b>Nível 1: Objetivo Geral</b><br/><i>(Ex: Selecionar Rádio Tático)</i>"]

    %% Nível 2
    CRIT_A["<b>Nível 2: Critério 1</b><br/>Custo"]
    CRIT_B["<b>Nível 2: Critério 2</b><br/>Confiabilidade"]
    CRIT_C["<b>Nível 2: Critério 3</b><br/>Criptografia"]
    

    %% Subcritérios
    %%SUB_A1["Sub-A1: Aquisição"]
    %%SUB_A2["Sub-A2: Manutenção"]
    %%SUB_B1["Sub-B1: Alcance"]
    %%SUB_B2["Sub-B2: Segurança"]

    %% Nível 3
    ALT_1["<b>Nível 3: Alternativa 1</b><br/>Alpha"]
    ALT_2["<b>Nível 3: Alternativa 2</b><br/>Bravo"]
    ALT_3["<b>Nível 3: Alternativa 3</b><br/>Charlie"]

    %% Conexões
    OBJ --> CRIT_A
    OBJ --> CRIT_B
    OBJ --> CRIT_C
    

    CRIT_A ---> ALT_1 & ALT_2 & ALT_3
    CRIT_B ---> ALT_1 & ALT_2 & ALT_3
    CRIT_C ---> ALT_1 & ALT_2 & ALT_3
    
    

Matriz de Comparação Par a Par dos Critérios

Julgamentos do Comando (\(A\))

As decisões do Estado-Maior geraram as seguintes preferências na Escala de Saaty:

  • Confiabilidade (\(C_2\)) vs. Custo (\(C_1\)): \(C_2\) é 3x mais importante (Moderada).

  • Criptografia (\(C_3\)) vs. Custo (\(C_1\)): \(C_3\) é 5x mais importante (Forte).

  • Criptografia (\(C_3\)) vs. Confiabilidade (\(C_2\)): \(C_3\) é 2x mais importante (Intermediária).

Critérios Custo (\(C_1\)) Confiabilidade (\(C_2\)) Criptografia (\(C_3\))
Custo (\(C_1\)) \(1\) \(1/3\) \(1/5\)
Confiabilidade (\(C_2\)) \(3\) \(1\) \(1/2\)
Criptografia (\(C_3\)) \(5\) \(2\) \(1\)
Soma das Colunas \(9,00\) \(3,33\) \(1,70\)

Normalização e Cálculo dos Pesos dos Critérios

Método da Média das Linhas Normalizadas

  1. Divide-se cada elemento pelo total da sua respectiva coluna: \(a_{ij}^* = \frac{a_{ij}}{\sum_i a_{ij}}\)

  2. O peso de cada critério (\(w_i\)) é a média aritmética dos valores da linha.

Critérios \(C_1\) norm \(C_2\) norm \(C_3\) norm Vetor de Pesos (\(w_i\)) % Importância
Custo (\(C_1\)) \(1/9 = 0,111\) \(0,333/3,333 = 0,100\) \(0,20/1,70 = 0,118\) \(0,110\) 11,0%
Confiabilidade (\(C_2\)) \(3/9 = 0,333\) \(1/3,333 = 0,300\) \(0,50/1,70 = 0,294\) \(0,309\) 30,9%
Criptografia (\(C_3\)) \(5/9 = 0,556\) \(2/3,333 = 0,600\) \(1/1,70 = 0,588\) \(0,581\) 58,1%
  • Resultado: Criptografia (\(58,1\%\)) > Confiabilidade (\(30,9\%\)) > Custo (\(11,0\%\)).

Verificação da Consistência dos Critérios

  1. Vetor de Soma Ponderada (\(A \cdot w\)):
    • \((A \cdot w)_1 = 1(0,110) + \frac{1}{3}(0,309) + \frac{1}{5}(0,581) = 0,3292\)
    • \((A \cdot w)_2 = 3(0,110) + 1(0,309) + \frac{1}{2}(0,581) = 0,9295\)
    • \((A \cdot w)_3 = 5(0,110) + 2(0,309) + 1(0,581) = 1,7490\)
  2. Cálculo de \(\lambda_{max}\):
    • \(\lambda_{max} = \frac{1}{3} \left( \frac{0,3292}{0,110} + \frac{0,9295}{0,309} + \frac{1,7490}{0,581} \right) = \frac{2,993 + 3,008 + 3,010}{3} = \mathbf{3,0037}\)
  3. Razão de Consistência (\(CR\)):
    • \(CI = \frac{\lambda_{max} - n}{n - 1} = \frac{3,0037 - 3}{2} = 0,00185\)
    • \(CR = \frac{CI}{RI_3} = \frac{0,00185}{0,58^{(valor\ tabelado)}} = \mathbf{0,0032} \quad (\mathbf{0,32\%})\)

Como \(CR = 0,32\% \le 10\%\), os julgamentos dos critérios são extremamente consistentes!

De onde vem o Índice Aleatório (\(RI\))?

O Índice Aleatório (\(RI\)) é o valor médio do Índice de Consistência (\(CI\)) obtido a partir de simulações de Monte Carlo com milhares de matrizes recíprocas geradas completamente ao acaso (usando a Escala de 1 a 9 de Saaty).

Serve como linha de base de inconsistência. Comparar o \(CI\) da sua decisão com o \(RI\) mostra o quão distante seu julgamento está de um julgamento puramente aleatório.

Tabela de Saaty para Matrizes de Ordem \(n\):

Ordem da Matriz (\(n\)) 1 2 3 4 5 6 7 8 9 10
\(RI\) (Saaty) 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49

Por que \(RI = 0\) para \(n = 1\) e \(n = 2\)?

Matrizes \(1 \times 1\) e \(2 \times 2\) são sempre perfeitamente consistentes por definição matemática recíproca (se \(A\) é 3x mais importante que \(B\), então \(B\) é obrigatoriamente \(1/3\) de \(A\)). A inconsistência só pode surgir a partir de \(n \ge 3\).

Simulação do RI (Conceito)

Para \(n=3\), se gerarmos 10.000 matrizes aleatórias de escala 1-9 e calcularmos a média dos seus \(CI\), o resultado converge exatamente para 0,58.

Comparação das Alternativas por Critério

Matrizes de Avaliação das Alternativas

Em Custo (\(C_1\))

Alt. A B C Peso (\(w_{A|C1}\))
Alpha 1 3 5 0,637
Bravo 1/3 1 3 0,258
Charlie 1/5 1/3 1 0,105

Alpha é o mais barato.

Em Confiabilidade (\(C_2\))

Alt. A B C Peso (\(w_{A|C2}\))
Alpha 1 1/4 1/2 0,137
Bravo 4 1 3 0,625
Charlie 2 1/3 1 0,238

Bravo é o mais confiável.

Em Criptografia (\(C_3\))

Alt. A B C Peso (\(w_{A|C3}\))
Alpha 1 1/2 1/6 0,095
Bravo 2 1 1/4 0,200
Charlie 6 4 1 0,705

Charlie tem melhor cripto.

Síntese Global e Decisão Final

Multiplicação da Matriz de Alternativas pelos Pesos dos Critérios

\[S_{Global} = \sum_{j=1}^{3} (Peso_{\text{Critério } j} \times Peso_{\text{Alternativa } | \text{Critério } j})\]

Alternativas Custo (\(0,110\)) Confiabilidade (\(0,309\)) Criptografia (\(0,581\)) Pontuação Global Ranking Final
Sistema Alpha \(0,637 \times 0,110\) \(0,137 \times 0,309\) \(0,095 \times 0,581\) 0,1676 3º Lugar
Sistema Bravo \(0,258 \times 0,110\) \(0,625 \times 0,309\) \(0,200 \times 0,581\) 0,3379 2º Lugar
Sistema Charlie \(0,105 \times 0,110\) \(0,238 \times 0,309\) \(0,705 \times 0,581\) 0,4945 1º Lugar (Vencedor)

Decisão do Comando

Embora o Sistema Alpha seja o mais barato e o Sistema Bravo seja o mais confiável, o Sistema Charlie venceu a licitação (49,45% de preferência global) devido à altíssima prioridade atribuída à Criptografia pelo Estado-Maior.

Executando AHP via Código R - pacote AHPWR

# 1. Carregar o pacote AHPWR
library(AHPWR)

# 2. Criar a Matriz de Comparação dos Critérios
MC <- matrix(c(
  1,   1/3, 1/5,
  3,   1,   1/2,
  5,   2,   1
), nrow = 3, byrow = TRUE)

rownames(MC) <- colnames(MC) <- c("C1", "C2", "C3")

# 3. Criar as Matrizes de Comparação das Alternativas por Critério
# 3.1 Em Custo (C1)
MA_Custo <- matrix(c(
  1,   3,   5,
  1/3, 1,   3,
  1/5, 1/3, 1
), nrow = 3, byrow = TRUE)

# 3.2 Em Confiabilidade (C2)
MA_Confiabilidade <- matrix(c(
  1,   1/4, 1/2,
  4,   1,   3,
  2,   1/3, 1
), nrow = 3, byrow = TRUE)

# 3.3 Em Criptografia (C3)
MA_Criptografia <- matrix(c(
  1,   1/2, 1/6,
  2,   1,   1/4,
  6,   4,   1
), nrow = 3, byrow = TRUE)


# 4. Agrupar todas as matrizes de julgamento em uma lista: primeira matriz DEVE ser a dos critérios
lista_matrizes <- list(
  Criterios      = MC,
  Custo          = MA_Custo,
  Confiabilidade = MA_Confiabilidade,
  Criptografia   = MA_Criptografia
)

# 5. Executar a função ahp_geral() do pacote AHPWR
tabela_final <- ahp_geral(lista_matrizes)

# Exibir a tabela com o resultado sintético
print(tabela_final)

A tabela com os pesos finais para a tomada de decisão:

# A tibble: 4 × 6
  Criteria        Weights      A      B      C      CR
  <chr>             <dbl>  <dbl>  <dbl>  <dbl>   <dbl>
1 ---Alternatives   1     0.174  0.334  0.493  0.00318
2 --C1              0.109 0.0697 0.0283 0.0115 0.0332 
3 --C2              0.309 0.0422 0.193  0.0737 0.0158 
4 --C3              0.582 0.0617 0.112  0.408  0.00793