Modelo de sistema de inferência Fuzzy baseado em matrizes de probabilidade e impacto para classificar riscos em projetos

Autores

  • Domingos Marcio Rodrigues Napolitano Universidade Nove de Julho - Uninove
  • Renato José Sassi Universidade Nove de Julho - UNINOVE

DOI:

https://doi.org/10.22279/navus.2018.v8n4.p69-89.717

Palavras-chave:

Sistemas De Inferência Fuzzy. Gestão de Riscos em Projetos. Tomada de Decisão. Matrizes de Risco

Resumo

Projetos são essenciais para que as organizações implementem suas estratégias e seu sucesso é crucial para as organizações. Porém, em um contexto de incertezas é necessário tratar riscos que ameaçam esse sucesso, alocando recursos para sua prevenção. Para decidir como priorizá-los e alocar recursos usam-se Matrizes de Probabilidade e Impacto (MPIs). As MPIs são construídas com emprego do conhecimento de um especialista humano, em geral é o gerente de projetos. Embora populares, as MPIs podem apresentar deficiências, por exemplo, analisar informações imprecisas oriundas do conhecimento do especialista humano e a impossibilidade de ranqueamento dos riscos classificados característica quando se usam classes discretas. Assim, o emprego de Sistemas de Inferência Fuzzy (SIF) em uma MPI permitiria tratar estas deficiências modelando o conhecimento humano reduzindo sua incerteza. Objetivo geral deste trabalho foi desenvolver um modelo de Sistema de Inferência Fuzzy baseado em MPIs para classificar riscos em projetos. Para atingir esse objetivo conduziu-se experimentos em cinco etapas: (i) Geração da base de dados contendo valores de probabilidade, impacto e risco, variando a correlação entre probabilidade-impacto, (ii) Classificação dos conforme MPI Convencional e a MPI proposta por Cox (2008), (iii) Implementação do SIF com base de regras das MPIs da Fase II, (iv) Aplicação do SIF e (v) Análise dos resultados. Verificou-se que o modelo SIF é vantajoso, comparado às MPIs convencionais possibilitando a classificação dos riscos em uma escala contínua, o que facilita a priorização e alocação de recursos e a redução da incerteza, permitindo classificar riscos em projetos.

Downloads

Não há dados estatísticos.

Biografia do Autor

Domingos Marcio Rodrigues Napolitano, Universidade Nove de Julho - Uninove

Doutorando em Informática e Gestão do Conhecimento (PPGIGC- Uninove), Bolsista PROSUP da CAPES e Mestre em Administração pelo Programa de Mestrado Profissional em Gestão de Projetos (MPA-GP Uninove).

Renato José Sassi, Universidade Nove de Julho - UNINOVE

Doutor em Engenharia Elétrica pela Escola Politécnica da Universidade de São Paulo (EPUSP - 2006). Atualmente é pesquisador e docente permanente do Programa de Mestrado e Doutorado em Informática e Gestão do Conhecimento na Universidade Nove de Julho

Referências

ALE, B.; BURNAP, P.; SLATER, D.. On the origin of PCDS–(Probability consequence diagrams). Safety science, v. 72, p. 229-239, 2015.

BALL, D.; WATT, J. Further thoughts on the utility of risk matrices. Risk analysis, v. 33, n. 11, p. 2068-2078, 2013.

CARVALHO, M. M; RABECHINI JÚNIOR., R. Fundamentos em gestão de projetos: (3a ed.). São Paulo, SP, Brasil: Editora Atlas S.A. 2011.

COX, L. What's wrong with risk matrices? Risk analysis, v. 28, n. 2, p. 497-512, 2008.

DEL CANO, A.; LA CRUZ, M. Integrated methodology for project risk management. Journal of Construction Engineering and Management, v. 128, n. 6, p. 473-485, 2002.

DUIJM, N. Recommendations on the use and design of risk matrices. Safety science, v. 76, p. 21-31, 2015.

HILLSON, D. Managing risk in projects. Gower Publishing, Ltd. 2009.

HUBBARD, D.; EVANS, D. Problems with scoring methods and ordinal scales in risk assessment. IBM Journal of Research and Development, v. 54, n. 3, p. 2: 1-2: 10, 2010.

JANG, J.; SUN, C.; MIZUTANI, E. Neuro-fuzzy and soft computing, a computational approach to learning and machine intelligence. Prentice Hall. 1997.

KAHNEMAN, D.; TVERSKY, A. Prospect theory: An analysis of decision under risk. Econometrica: Journal of the econometric society, p. 263-291, 1979.

KERZNER, H. Gerenciamento de projetos - Uma abordagem sistemica para planejamento, programação e controle (10a. ed) São Paulo, São Paulo, Brasil: Edgard Blucher Ltda. 2011.

LEVINE, E. Improving risk matrices: the advantages of logarithmically scaled axes. Journal of Risk Research, v. 15, n. 2, p. 209-222, 2012.

MAMDANI, E.; ASSILIAN, S. An experiment in linguistic synthesis with a fuzzy logic controller. International journal of man-machine studies, v. 7, n. 1, p. 1-13, 1975.

MONTIBELLER, G.; WINTERFELDT, De. Cognitive and motivational biases in decision and risk analysis. Risk Analysis, v. 35, n. 7, p. 1230-1251, 2015.

PMI. Um Guia do Conhecimento no Gerenciamento de Projetos(PMBok) Quinta Edição em Português. Newton Square, PA, USA. Project Management Institute, Inc. 2013.

PMI. Pulse o Profession – Sucess Rates Rises. 9th Project Management Global Survey. Newton Square, PA, USA. Project Management Institute, Inc. 2017.

MARKOWSKI, A.; MANNAN, S. Fuzzy risk matrix. Journal of hazardous materials, v. 159, n. 1, p. 152-157, 2008.

NI, H.; CHEN, A.; CHEN, N. Some extensions on risk matrix approach. Safety Science, v. 48, n. 10, p. 1269-1278, 2010.

RAZ, T.; SHENHAR, A.; DVIR, D. Risk management, project success, and technological uncertainty. R&D Management, v. 32, n. 2, p. 101-109, 2002.

RABECHINI JUNIOR, R.; CARVALHO, M. M. Relacionamento entre gerenciamento de risco e sucesso de projetos. Prod., São Paulo , v. 23, n. 3, p. 570-581, Sept. 2013

SAMANTRA, C.; DATTA, S.; MAHAPATRA, S. S. Fuzzy Risk assessment module in cosmopolitan construction: An empirical study. Engineering Applications of Artificial Intelligence, 2017.

SHARMA, A.; GUPTA, A. Impact of organizational climate and demographics on project specific risks in context to Indian software industry. International Journal of Project Management, v. 30, n. 2, p. 176-187, 2012.

SHAW, I.; SIMÕES, M. Controle e modelagem fuzzy. Blucher: FAPESP, São Paulo. 2007.

SMITH, E.; SIEFERT, W.; DRAIN, D. Risk matrix input data biases. Systems Engineering, v. 12, n. 4, p. 344-360, 2009.

WIDEMAN, R. Project & Program Risk Management. Project Management Institute, Newton Square, PA. 1992.

ZADEH, L. Fuzzy sets. Information and control, v. 8, n. 3, p. 338-353, 1965.

ZADEH, L. Outline of a new approach to the analysis of complex sysems and decision processes. IEEE Trans. on Systems Man and Cybernetics, v. 3, p. 28-44, 1973.

ZWIKAEL, Ofer; AHN, Mark. The effectiveness of risk management: an analysis of project risk planning across industries and countries. Risk analysis, v. 31, n. 1, p. 25-37, 2011.

Downloads

Publicado

2018-09-30

Edição

Seção

Artigos