Software de análise estatística MCDA: uma ferramenta web gratuita para validação estatística em modelos multicritério de apoio à decisão
DOI:
https://doi.org/10.54899/dcs.v23i88.4972Palavras-chave:
Análise Multicritério de Decisão, Ferramenta Web, Análise Estatística, Inteligência Artificial, Logística de TransporteResumo
A integração entre Análise Multicritério de Decisão (MCDA) e análise estatística é reconhecida como essencial para assegurar a robustez científica das pesquisas em tomada de decisão. Entretanto, ferramentas web gratuitas que promovam essa integração de forma acessível ainda são escassas na literatura. Diante disso, este trabalho apresenta o Software de Análise Estatística MCDA, uma aplicação web desenvolvida em Python com interface Streamlit, de código aberto, que integra testes de normalidade, análise de correlação, ANOVA, regressão linear, simulação de Monte Carlo e interpretação assistida por inteligência artificial. O desenvolvimento seguiu a abordagem do Design Science Research (DSR), culminando no registro formal junto ao INPI (BR512026000340-7). Um estudo de caso aplicado à seleção de modal de transporte de etanol entre o Centro-Oeste brasileiro e o Complexo Industrial Portuário de Suape demonstrou a capacidade da ferramenta de validar estatisticamente matrizes de decisão e gerar insights interpretáveis. Os resultados evidenciam que a alternativa intermodal rodoviário-hidroviário-cabotagem (A4) apresenta o melhor desempenho global, com vantagens em custo, emissões e risco operacional. A ferramenta contribui para ampliar a qualidade e a reprodutibilidade das pesquisas em MCDA.
Downloads
Referências
Bana, C. A., De Corte, J. M., & Vansnick, J. C. (2012). International Journal of Information Technology & Decision Making, 11(2), 359-387. DOI: 10.1142/S0219622012400068.
Ballou, R. H. (2009). Gerenciamento da Cadeia de Suprimentos-: Logística Empresarial. Bookman editora.
Batina, A., Šiljeg, A., Krtalić, A., & Šerić, L. (2026). SIGMaL: An Integrated Framework for Water Quality Monitoring in a Coastal Shallow Lake. Remote sensing. DOI: https://doi.org/10.3390/rs18020312.
Agência Nacional de Transportes Aquaviários. Anuário Estatístico Aquaviário 2024. Brasília, DF: ANTAQ, 2024. Disponível em: https://www.gov.br/antaq/pt-br/assuntos/estatisticas. Acesso em: 6 mar. 2026.
Agência Nacional de Transportes Terrestres. Dados abertos: transporte rodoviário de cargas. Brasília, DF: ANTT, 2025. Disponível em: https://www.gov.br/antt/pt-br/assuntos/dados-abertos. Acesso em: 6 mar. 2026.
Fávero, L. P., & Belfiore, P. (2017). Manual de análise de dados: estatística e modelagem multivariada com Excel®, SPSS® e Stata®. Elsevier Brasil.
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados. Bookman editora.
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2008). Design science in information systems research. Management Information Systems Quarterly, 28(1), 6.
Hevner, A., & Chatterjee, S. (2010). Design science research in information systems. In Design research in information systems: theory and practice (pp. 9-22). Boston, MA: Springer US.
Hwang, C. L., & Yoon, K. (1981). Multiple attribute decision making: methods and applications a state-of-the-art survey. Springer Science & Business Media.
INPI – Instituto Nacional da Propriedade Industrial. Estatísticas de registros de programas de computador. Rio de Janeiro: INPI, 2026.
Ishizaka, A., & Nemery, P. (2013). Multi-criteria decision analysis: methods and software. John Wiley & Sons.
Keeney, R. L., Raiffa, H. (1993). Decisions with multiple objectives: preferences and value trade-offs. Cambridge university press.
Montgomery, D. C., & Runger, G. C. (2019). Applied statistics and probability for engineers. John wiley & sons.
Peffers, K., Tuunanen, T., Rothenberger, M. A., & Chatterjee, S. (2007). A design science research methodology for information systems research. Journal of management information systems, 24(3), 45-77. DOI: https://doi.org/10.2753/MIS0742-1222240302.
Pequeno, J. G. A Relação entre Inteligência Artificial e o Registro de Software no Direito Brasileiro: Desafios e Perspectiva. Disponível em: <https://www.gov.br/inpi/pt-br/servicos/programas-de-computador/ARelaoentreIntelignciaArtificialeoRegistrodeSoftwarenoDireitoBrasileiro.pdf>.
Popescu, D., Dragomir, M., Popescu, S., & Dragomir, D. (2022). Building better digital twins for production systems by incorporating environmental related functions—literature analysis and determining alternatives. Applied Sciences, 12(17), 8657.
Rahman, M. A., Rusteberg, B., Gogu, R. C., Ferreira, J. L., & Sauter, M. (2012). A new spatial multi-criteria decision support tool for site selection for implementation of managed aquifer recharge. Journal of environmental management, 99, 61-75. DOI: https://doi.org/10.1016/j.jenvman.2012.01.003.
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3-4), 591-611. DOI: https://doi.org/10.1093/biomet/52.3-4.591.
Shlash, M. A., Al-Ramadan, A. M., Ibrahim, M. S., Al Oraini, B., Vasudevan, A., Turki, A. M., & Chen, Q. (2025). Enhancing metadata management and data-driven decision-making in sustainable food supply chains using blockchain and AI technologies. Data & Metadata, 4, 683.
Greene, S., & Lewis, A. (2019). Global logistics emissions council framework for logistics emissions accounting and reporting. Global Logistics Emissions Council.
Tervonen, T. (2014). JSMAA: open source software for SMAA computations. International Journal of Systems Science, 45(1), 69-81. DOI: https://doi.org/10.1080/00207721.2012.659706.
Więckowski, J., Kizielewicz, B., Paradowski, B., & Sałabun, W. (2025). A robust framework for benchmarking MCDA methods: Sensitivity, stability, and method selection decision support. Applied Soft Computing, 114335.
Yan, X., Kooh, P., Federighi, M., Jury, V., Cappelier, J. M., & Boué, G. (2025). Development of an MCDA ranking method to evaluate consumer acceptance, environmental and public health impacts of 10 insect-based alternatives for food transition. Food Research International, 117150. DOI: https://doi.org/10.1016/j.foodres.2025.117150.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Revista DCS
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
