Utilização do processo hierárquico analítico para priorização de variáveis a serem utilizadas na previsão de demanda no setor de suplementação animal

Abstract

Este estudo buscou priorizar e selecionar variáveis a serem avaliadas em um modelo causal de previsão de produtos destinados à suplementação animal. Para atingir este objetivo, realizou-se a aplicação do método de priorização Analytic Hierarchy Process – AHP com três especialistas através de um estudo de caso. Para tanto, através de comparações pareadas entre as variáveis que afetam a demanda dos produtos, os especialistas estabeleceram os pesos que determinaram a importância relativa de cada variável em relação ao problema proposto. Os julgamentos dos especialistas foram considerados consistentes, pois apresentaram valores de Razão de Consistência (RC) inferiores à 0,1, indicando que o método AHP poderá ser utilizado para fazer as análises necessárias para atingir o objetivo do trabalho. Por fim, as variáveis a serem avaliadas no modelo causal foram selecionadas via regra de Pareto, sendo elas: i) preço da arroba do boi; ii) número de animais abatidos; iii) tamanho do rebanho; e iv) condições climáticas.

This study searches to priories and select variables to be evaluated in a casual product prediction model destined to animal supplementation. In order to reach this aim, it was done the application of the priority method Analytic Hierarchy Process – AHP with three experts through paired compare among the variables that affect the product demand, the experts fit the weights that determined the relative importance of each variable in relation to the proposed problem. The judgments of the experts were considered consistent, because presented values of consistency ratio (CR) less than 0.1, pointing that the AHP method can be used to do the necessary analysis to reach the aim of the work. So, the variables to be evaluated in the regression model were selected by the Pareto rule: i) cattle arroba price; ii) amount of abated animals; iii) cattle size; and iv) climate conditions.