Feasibility Determination for Subjective Probability Constraints

Resumo Técnico: Determinação de Viabilidade para Restrições de Probabilidade Subjetiva

Declaração do Problema
Este artigo aborda o problema de identificar sistemas viáveis dentro de um conjunto finito de alternativas simuladas, onde as medidas de desempenho estão sujeitas a restrições de probabilidade. Diferentemente dos problemas tradicionais de Classificação e Seleção (R&S), que frequentemente assumem observações distribuídas normalmente e focam em medidas de desempenho esperadas, este trabalho considera cenários onde as observações seguem distribuições Bernoulli (resultados de 0 ou 1). O desafio central é determinar a viabilidade quando o tomador de decisão impõe restrições subjetivas, significando que ele está disposto a considerar múltiplos valores de limite para cada restrição simultaneamente ou sequencialmente.

Uma dificuldade chave surge porque os procedimentos estatisticamente válidos padrão para determinação de viabilidade são projetados para dados distribuídos normalmente. Embora estes possam ser adaptados para dados Bernoulli usando médias de lotes para alcançar normalidade aproximada, essa abordagem frequentemente requer tamanhos de lote grandes, levando ao desperdício desnecessário de observações de simulação antes que uma decisão seja alcançada. Além disso, os procedimentos existentes geralmente lidam com um único conjunto fixo de limites, enquanto os tomadores de decisão em campos como operações militares ou gestão de estoques frequentemente precisam explorar uma faixa de limites (por exemplo, relaxar uma restrição de 90% para 85% se nenhuma solução for encontrada).

Metodologia
Os autores propõem um novo procedimento, MPB (Bernoulli de Múltiplas Passagens), que inclui um procedimento de primeira passagem estatisticamente válido (BRF) e extensões heurísticas de múltiplas passagens para adicionar limites sequencialmente.

1. Zona de Indiferença (IZ) de Razão de Chances:
   Em vez de usar uma IZ baseada em diferença (que pode ser impraticável para probabilidades próximas de 0 ou 1) ou uma IZ de risco relativo, os autores adotam uma IZ de razão de chances ($\theta > 1$). Este parâmetro define o "desvio" entre um sistema desejável (aquele que claramente atende à restrição) e um sistema inaceitável. A abordagem de razão de chances é preferida porque leva em conta a dificuldade de alterar probabilidades próximas aos extremos (0 ou 1) e permite o uso de um modelo de caminhada aleatória sem exigir estimativa de variância ou pressupostos de normalidade.

2. Modelo de Caminhada Aleatória com Variáveis Fictícias:
   O procedimento utiliza um modelo simples de caminhada aleatória para processar dados Bernoulli diretamente. Introduz variáveis fictícias Bernoulli ($I_{i\ell mn}$) com uma probabilidade de sucesso igual ao limite $h$. A decisão de declarar um sistema viável ou inviável baseia-se na diferença cumulativa entre os resultados observados Bernoulli ($Y_{i\ell n}$) e essas variáveis fictícias. O processo para quando a soma cumulativa sai de uma região de continuação $(-H_\ell, H_\ell)$, onde $H_\ell$ é um inteiro derivado do nível de confiança desejado e do parâmetro de razão de chances. Isso elimina a necessidade de tamanhos de amostra iniciais para estimar variância ou para agrupar observações.

3. Restrições Subjetivas e Heurísticas de Múltiplas Passagens:

   • Primeira Passagem (BRF): O procedimento é provado ser estatisticamente válido quando todos os limites são definidos em uma única passagem. Ele recicla observações entre diferentes limites dentro da mesma passagem, mantendo limites superior e inferior nas médias amostrais.
   • Passagens Subsequentes (Heurística): Para acomodar tomadores de decisão que desejam adicionar limites sequencialmente (por exemplo, apertar restrições se muitos sistemas forem viáveis, ou relaxá-las se nenhum for), os autores propõem três abordagens heurísticas:
     • $BRF_B$: Usa a mesma lógica de caminhada aleatória da primeira passagem, mas compara novos limites contra os limites estabelecidos em passagens anteriores.
     • $BRF_N$: Assume que, após a primeira passagem, as médias amostrais são aproximadamente distribuídas normalmente, permitindo verificações de viabilidade semelhantes a procedimentos para dados normais.
     • $BRF_{BN}$: Uma abordagem híbrida que combina $BRF_B$ e $BRF_N$, tomando uma decisão assim que qualquer um dos métodos concluir.

Principais Contribuições
O artigo faz quatro contribuições primárias:

1. Procedimento Direto de Viabilidade Bernoulli: Propõe um procedimento para determinação de viabilidade com restrições de probabilidade que utiliza observações distribuídas Bernoulli diretamente, evitando as ineficiências de médias de lotes e aproximações normais.
2. Restrições Subjetivas: Estende a análise para incorporar restrições de probabilidade subjetivas, permitindo que múltiplos limites por restrição sejam considerados simultaneamente ou sequencialmente.
3. Validade Estatística e Eficiência: Os autores provam a validade estatística do procedimento de primeira passagem (BRF) e demonstram empiricamente que ele gera economias significativas no número de observações em comparação com o procedimento RF existente (Zhou et al., 2022), que foi projetado para dados normais e adaptado para dados Bernoulli.
4. Procedimentos Heurísticos de Múltiplas Passagens: Introduz procedimentos heurísticos que permitem aos tomadores de decisão adicionar limites sequencialmente, demonstrando através de experimentos que essas abordagens podem identificar eficientemente sistemas viáveis em relação a combinações de limites preferidas.

Resultados Experimentais
Os autores conduziram experimentos extensos para avaliar os procedimentos propostos:

• Comparação com RF: Em cenários de passagem única, o BRF alcançou consistentemente a probabilidade alvo de decisão correta (PCD) através de vários valores de probabilidade e configurações de razão de chances. Em contraste, o procedimento RF (adaptado para dados Bernoulli) foi altamente sensível ao tamanho do lote e aos níveis de tolerância. Para alcançar uma PCD comparável, o RF exigiu tamanhos de lote tão grandes quanto 400, resultando em contagens de observação aproximadamente 1,5 a 9,3 vezes maiores do que o BRF.
• Eficiência de Múltiplas Passagens: Os procedimentos heurísticos de múltiplas passagens (especificamente MPB$_{BN}$) mostraram-se substancialmente mais eficientes do que executar um BRF de passagem única com todos os limites incluídos. Em um cenário de otimização com 100 sistemas, o MPB$_{BN}$ exigiu apenas cerca de 6% das observações necessárias pelo BRF, mantendo ou melhorando a PCD.
• Aplicação em Estoques: Em um problema realista de estoque $(s, S)$ com 77 sistemas e duas restrições de probabilidade, o MPB$_{BN}$ exigiu aproximadamente 33% das observações necessárias pelo BRF e cerca de 1/13 das observações necessárias pelo RF, mantendo alta validade estatística.

Significado e Alegações
O artigo alega que seus procedimentos propostos oferecem uma alternativa estatisticamente válida e altamente eficiente aos métodos existentes para determinação de viabilidade sob restrições de probabilidade. Ao aproveitar a IZ de razão de chances e um modelo de caminhada aleatória, os autores eliminam a necessidade de estimativa de variância e as ineficiências associadas ao agrupamento de dados Bernoulli. A capacidade de lidar com restrições subjetivas — onde os tomadores de decisão ajustam iterativamente os limites — permite uma abordagem mais prática e eficiente em recursos para a tomada de decisão baseada em simulação. Os autores enfatizam que, embora os procedimentos de múltiplas passagens sejam heurísticos e não provados rigorosamente como estatisticamente válidos em todos os cenários sequenciais, os resultados experimentais indicam que eles não violam os requisitos de validade e oferecem economias computacionais significativas.