A.3 Tipos de Modelos Utilizados em Análise

Repare que as Figuras A.8 e A.9 podem ser utilizadas na Análise Estrutural de sistemas e a Figura A.10 pode ser utilizada tanto na Análise do Processo do problema como também em sua Análise Funcional (uma das funções do sistema de repressão é levar à prisão definitiva em um certo tempo).

Na prática vários modelos do Alvo são utilizados simultaneamente num processo interativo para melhorar a extração de conhecimento e o entendimento. Na análise os modelos são normalmente conceituais e descritivos, como é mostrado na área cinza da Figura A.1. Dentre estes modelos, os mais fáceis de trabalhar são os modelos determinísticos, lineares, estáticos e solucionáveis (ver Figura A.1) ou a combinação destes. Infelizmente, a grande maioria dos modelos do Alvo na análise de organizações tende a ser dos tipos: estocástico, não-linear, dinâmico e simulável!

O modelo de alvos complexos será uma coleção de modelos que servem para clarear o comportamento do sistema quanto ao problema resolvido, bem como à comunicação entre as várias pessoas que participam da solução do problema ou que necessitam saber como ele está sendo resolvido.

 

A.3 Tipos de Modelos Utilizados em Análise

 

No item anterior foram mostrados alguns tipos de modelos genéricos. Existem vários modelos que são utilizados para os mais variados fins. A Figura A.11 mostra uma tentativa de classificação, certamente não exaustiva, destes modelos e ao longo deste item daremos maior importância a alguns tipos de modelos pela popularidade de seu uso.

 

Figura A.11: Relação de famílias de modelos

Listas

 

Estes são os tipos de modelos mais simples e consistem em listas do tipo “vantagens” e “desvantagens” de certa opção. Um outro uso destas listas é comparar dois produtos que estão sendo considerados para compra listando o desempenho de cada um, item a item. Este tipo de modelo é de uso amplo para vários fins, inclusive comerciais.

 

Curvas

 

As curvas são, provavelmente, os modelos mais usados em análise quando se deseja verificar o comportamento de determinada variável ao longo do tempo ou em função da variação de outra variável.

Quando se analisa uma variável em função do tempo, em certos casos já se conhece a forma da curva com antecedência e isto ajuda o analista a projetar o futuro. Por exemplo, como mostra a Figura A.12, pode-se perfeitamente esperar que a curva de utilização das reservas mundiais de petróleo tenha a forma indicada, ou seja, a produção vai aumentando até que atinja um máximo e depois tenha que cair até o esgotamento. No caso de um bem finito permanente, como é o caso de terras cultiváveis, espera-se que a curva suba até certo limite e aí permaneça, pois não existirão mais terras disponíveis.

 

Figura A.12: Curvas como modelo conceitual de utilização de bens.

Algumas vezes a forma teórica da curva que representa o fenômeno intangível é conhecida e não coincide perfeitamente com os dados reais. Nestes casos o conhecimento da forma teórica (linha tracejada da Figura A.13) ajuda o analista a ajustar a curva teórica aos dados reais coletados, obtendo, assim, uma nova curva que representa razoavelmente bem o fenômeno. Este modelo linear ajustado (linha cheia da figura) permite fazer previsões de comportamento do alvo fora dos limites usuais nos quais os dados foram coletados. A área indicada pelo ponto de interrogação é a região de comportamento desconhecido mas previsível pelo modelo.

 

Figura A.13: Curvas mostrando o modelo teórico (linha tracejada) e o

modelo ajustado (linha cheia).

 

Modelos Comparativos

 

Os modelos comparativos são muito utilizados, pois determinar lacunas é o primeiro passo para estabelecer metas, que são o início do gerenciamento.

Estes modelos comparativos são utilizados por governos e empresas para comparar desempenhos, práticas operacionais, produtos, tecnologias, etc. Este processo de comparação no qual são utilizados estes modelos é chamado benchmarking.

Existem problemas associados a processos de comparação. Um deles, que vejo sempre acontecer, é o problema de querer adotar uma “melhor prática”. Por exemplo, algumas empresas veem na Toyota um bom exemplo e querem adotar o que chamam de lean management, sem imaginar o que existe por trás dos métodos utilizados por aquela empresa, principalmente em termos de educação, nível de conhecimento e disciplina do pessoal. Vejo algumas empresas com siglas de Just-inTime em seus caminhões quando na realidade é um arremedo do stockless production da Toyota. Isto não quer dizer que uma boa prática não pode ser adotada, mas é necessário saber se o local onde se pretende adotar a nova prática está pronto para isto. Em geral, boas práticas são mais facilmente adotadas no nível do trabalho (nas operações), são mais difíceis no nível do processo e dificílimas no nível da organização (ver Figura 4.1).

Um outro aspecto da utilização destes modelos comparativos é o cuidado que se deve ter ao fazer comparações. Temos sempre que ter a certeza, ou estar próximos disto, que é possível comparar coisas do mesmo conglomerado (cluster) e de preferência com a ajuda de indicadores.

Formas Características

 

Os modelos de Formas Características identificam comportamentos de elementos do alvo, determinando:

(a) Se o comportamento representa um desvio do que se conhece ou se

espera.

(b) Se as mudanças são suficientemente importantes a ponto de

merecer atenção.

Hoje em dia o computador tem modificado profundamente as análises com estes modelos, pois os softwares existentes podem, em pouco tempo, mostrar tendências e permitir ao analista identificá-las. Este tipo de análise multivariada é hoje conduzida em grandes bancos de dados, o que seria impossível de ser feito à mão.

Existem três tipos de Modelos de Formas Características que podem ser utilizados: estatístico, cronológico e espacial. A grande maioria dos modelos de formas características é estatística. O histograma (ver Figura 6.2) é um exemplo. Existem hoje softwares que separam os dados de um banco de dados em conglomerados diferentes por sua característica, oferecendo ao analista grande ajuda em separar informações de interesse para o problema que se quer resolver.

Os modelos de formas características cronológicos são os que ajudam na análise de variação de informação ao longo do tempo (ver Figura A.10) e permitem comparar dados de um ano com outro, para verificar variações bem como permitem predizer comportamentos futuros.

Os modelos de formas características espaciais exploram as variações em função do local. Dependendo da distribuição das informações obtidas em função do local, pode-se identificar comportamentos tendenciosos e, portanto, característicos. A Figura A.14 é um modelo deste tipo, mostrando, de forma simulada, a concentração de eventos criminosos na área central de Belo Horizonte, Brasil.

 

Figura A.14: Modelo de Forma Característica Espacial.

Modelos de Relacionamento

 

Os Modelos de Relacionamento são trabalhosos para criar (demandam muita coleta de informações para confirmá-los) mas são também muito poderosos para convencer os participantes dos resultados.

Os Modelos de Relacionamento são os mais utilizados em análise e síntese. Eles ajudam a estudar o relacionamento de organizações, pessoas, lugares, coisas e eventos. Existem três níveis destes modelos, que utilizam abordagens analíticas crescentemente sofisticadas:

(a) O Modelo de Relacionamento Hierárquico, o mais simples, é

um Diagrama de árvore.

(b) O Modelo de Relacionamento de Matriz mostra o cruzamento

de dois ou mais diagramas de árvore em um mesmo nível.

(c) O Modelo de Relacionamento de Network mostra o

cruzamento de vários Diagramas de rvore em vários níveis diferentes.

Modelo de Relacionamento Hierárquico (Diagramas de árvore) - Este modelo é um dos mais utilizados em análise e tem como função principal dividir o problema maior em problemas menores ou dividir um objeto grande ou complexo, como uma organização, um grande equipamento, etc., em suas partes ou componentes. A Figura A.15 mostra o início da construção de um Diagrama de árvore e duas exigências que devem ser atendidas: o MECE e o relacionamento causa-efeito.

 

Figura A.15: Condições para a construção de um Diagrama de rvore.

A condição MECE (Mutually Exclusive and Collectively Exhaustive) é conhecida por ser muito utilizada pela empresa de consultoria McKinsey Co. O princípio é simples: a cada abertura da árvore devem ser feitas duas perguntas que garantam que não haja sobreposições e que nada foi deixado de fora. Estas duas perguntas estão apresentadas na figura. A outra condição é a garantia do relacionamento causaefeito, o que é feito a cada abertura, com as perguntas “O quê?” e “Como?”, como mostra a figura. As Figuras 8.3 e 6.5 são dois exemplos utilizados neste texto e que se conformam com as condições acima.

Os Diagramas de rvore podem ainda ser usados para outros fins, tais como, por exemplo, tomada de decisão (árvores lógicas) e análise de falhas.

Modelo de Relacionamento de Matriz - O Diagrama de Matriz é, como mostra a Figura A.16, a interação entre dois Diagramas de rvore. Quando se deseja analisar a interação qualitativa ou quantitativa entre duas estruturas, a matriz de interação é o ideal. Por exemplo, quando se deseja analisar a estrutura de custos em função da estrutura organizacional (para localizar as variações de custos dentro da organização), teremos a análise matricial de custos, e assim por diante para qualquer tipo de análise desejada. A matriz é um poderoso instrumento de análise e comunicação.

 

Figura A.16: Modelo de Relacionamento de Matriz (Diagrama de Matriz).

Modelo de Relacionamento de Network - Tanto o Diagrama de rvore quanto o Diagrama de Matriz apresentam limitações quando mais de duas dimensões têm que ser representadas. Para representar situações de mais de duas dimensões, utiliza-se o Modelo de Relacionamento de Network, que pode ser de três tipos: Comunicação (utilizado por pessoal de engenharia e comunicação para projetar e antever o desempenho de redes de comunicação); Social (mostra tipos de relacionamentos de pessoas e é muito utilizado por pessoal da área de segurança) e Geral (tipo mais usado em análise e utilizado para relacionar qualquer entidade: pessoas, lugares, coisas, conceitos). Veremos apenas o último, na forma do Diagrama de Relação, como mostra a Figura A.17. O método de construção deste modelo é bem coberto na literatura.

 

Figura A.17: Modelo de Relacionamento de Network.

Perfil

 

Perfil é um modelo de um indivíduo. O objetivo de fazer o perfil é ajudar a predizer o que o indivíduo fará num conjunto de circunstâncias. O modelo de personalidade inclui pelo menos os seguintes elementos:

(a) Conceito de si mesmo.

(b) Relacionamento com a autoridade.

(c) Controle de impulso e de expressar emoções.

(d) Processo de formar e manipular idéias.

 

Processo

 

O Modelo de Processo é usado para representar uma sequência de valores agregados para produzir um produto. É um dos mais importantes modelos utilizados pelo analista, juntamente com os modelos de estrutura, simplesmente pelo fato de que sistemas são constituídos de estrutura, processos e função. Neste texto este modelo já foi substancialmente explicado.

 

Simulação

 

Na língua portuguesa falada no Brasil, quando se diz que um problema “está equacionado” é porque já está “quase resolvido”. E é verdade. O sonho de qualquer analista é equacionar um problema, não só porque a solução está pronta como porque se pode explorar outras situações com as equações.

Modelos de Simulação são descrições matemáticas dos inter-relacionamentos que podem determinar o comportamento do sistema. As equações existentes em modelos de simulação não podem ser resolvidas simultaneamente.

A simulação pode ser usada em situações determinísticas ou estocásticas. Uma planilha eletrônica é um modelo determinístico. Para situações estocásticas tem sido utilizado o modelo de simulação de Monte Carlo. O desafio neste caso é selecionar o tipo certo de incerteza para as variáveis independentes de tal modo que se possa construir, por meio da simulação, a curva de distribuição para a variável dependente.