Robustness of sustainable aviation fuel supplier rankings under alternative fuzzy representations and MCDM methods

Resumo Técnico: Robustez da Classificação de Fornecedores de Combustível Sustentável de Aviação

Definição do Problema
A seleção de fornecedores de Combustível Sustentável de Aviação (SAF) é um problema complexo de tomada de decisão em grupo multicritério (MCDM), envolvendo critérios econômicos, ambientais, sociais, técnicos e de entrega conflitantes. Embora estudos anteriores, como Ecer et al. (2025), tenham proposto modelos integrados para a seleção de fornecedores de SAF, há uma atenção explícita limitada ao rastreamento de onde uma recomendação de fornecedor publicada muda pela primeira vez quando os componentes principais do modelo de decisão — representação de incerteza, ponderação de critérios e procedimentos de classificação — são modificados sequencialmente. Além disso, as comparações existentes frequentemente dependem de classificações finais, o que pode ocultar a distinção entre o acordo sobre o fornecedor líder versus o acordo sobre a ordenação completa de todas as alternativas. Este estudo aborda a necessidade de avaliar a robustez das classificações de fornecedores de SAF sob representações fuzzy alternativas e métodos de MCDM para determinar se uma classificação de referência publicada é estável ou sensível a escolhas metodológicas.

Metodologia
O estudo emprega uma comparação metodológica sequencial utilizando o problema de decisão relatado por Ecer et al. (2025) como um benchmark publicado. O conjunto de dados compreende 39 critérios, três fornecedores de SAF e quatro tomadores de decisão com pesos iguais. A metodologia procede através de cinco configurações experimentais (E1–E5):

1. Representação de Dados: As avaliações linguísticas originais do estudo de referência foram reencodadas ordinalmente como Números Fuzzy Triangulares (TFNs) em vez de Números Neutrossóficos de Valor Intervalar (IVFNNs). Duas regras de agregação de grupo são aplicadas: uma regra "mín–média–máx" (mantendo os limites inferior mínimo e superior máximo enquanto se tira a média dos valores modais) e uma "média aritmética de TFN" padrão.
2. Propagação de Incerteza: Matrizes de decisão de pontos nítidos (crisp) são geradas dentro de intervalos de $\alpha$-corte ($\alpha = 0, 0,1, \dots, 1$) para propagar a incerteza sem colapsar os TFNs imediatamente em valores representativos únicos.
3. Ponderação:
   • E2: Utiliza pesos reconstruídos via LOPCOW (fixos com base no benchmark).
   • E3–E5: Substitui os pesos fixos por pesos clássicos MEREC (Method based on the Removal Effects of Criteria), recalculados para cada realização pontual.
4. Procedimentos de Classificação:
   • E2 & E3: MARCOS (Measurement Alternatives and Ranking according to COmpromise Solution).
   • E4: CRADIS (Compromise Ranking of Alternatives from Distance to Ideal Solution).
   • E5: TOPSIS e COPRAS para comparação entre métodos.
5. Análise de Robustez: O estudo calcula frequências de classificação (interpretadas como frequências de cenário) para determinar a aceitabilidade da classificação. Avalia-se o acordo via correlação de classificação de Spearman, frequência de ordem exata e concordância do vencedor. Adicionalmente, a sensibilidade local é testada via perturbações de peso de $\pm 10\%$ (um de cada vez e simultâneas).

Principais Resultados

• Mudança no Fornecedor Líder: O achado mais significativo é que o fornecedor líder muda entre o benchmark publicado (E1: SAF2 > SAF3 > SAF1) e a primeira configuração recalculada (E2: SAF1 > SAF2 > SAF3). Esta reversão ocorre quando o reencodamento ordinal de TFN e a análise de $\alpha$-corte são introduzidos, mesmo antes de alterar os métodos de ponderação ou classificação.
• Estabilidade do Vencedor Central: Uma vez estabelecido o SAF1 como líder em E2, todas as configurações subsequentes (E3–E5) mantêm o SAF1 como o primeiro colocado em $\alpha = 1$.
• Sensibilidade Metodológica:
  • Ponderação: A substituição dos pesos LOPCOW por pesos MEREC não alterou a ordenação central em $\alpha = 1$, mas afetou significativamente a aceitabilidade da classificação. Sob a agregação mín–média–máx, a frequência de classificação 1 do SAF1 diminuiu; sob a agregação de média aritmética, ela aumentou.
  • Métodos de Classificação: MARCOS e CRADIS produziram classificações idênticas em todos os níveis de $\alpha$ e regras de agregação quando alimentados com os mesmos inputs. No entanto, o TOPSIS e o COPRAS, embora concordem com o SAF1 como vencedor, inverteram as posições do SAF2 e SAF3.
• Acordo vs. Robustez: O estudo demonstra que o acordo sobre o fornecedor líder pode coexistir com o desacordo sobre a ordenação completa. Em $\alpha = 1$, o TOPSIS e o COPRAS mostraram uma correlação de Spearman de 0,500 e zero concordância de ordem exata devido à inversão do segundo e terceiro postos, apesar de 100% de concordância de vencedor.
• Sensibilidade: Todos os métodos preservaram sua ordenação de base sob perturbações de peso de $\pm 10\%$ em $\alpha = 1$, indicando estabilidade local em relação aos pesos dos critérios, embora isso não considere a variação mais ampla observada na região de incerteza.

Significância e Alegações
O artigo alega que sua principal contribuição é identificar o estágio específico no qual uma ordenação de fornecedores publicada se desvia de um resultado de referência e distinguir entre a robustez do "vencedor central" e da "ordenação completa".

O estudo conclui que, embora haja suporte consistente para priorizar o SAF1 para diligências comerciais, técnicas e operacionais subsequentes, as evidências não sustentam uma ordenação determinística fixa para os demais fornecedores (SAF2 e SAF3). O autor argumenta que, para a aquisição de companhias aéreas, o SAF1 deve ser tratado como o candidato prioritário para investigação adicional, em vez de um fornecedor automaticamente selecionado. Os achados sugerem que os tomadores de decisão devem avaliar coletivamente as classificações centrais, a aceitabilidade de classificação de $\alpha$-corte e o acordo entre métodos, em vez de confiar em uma única ordenação determinística derivada de uma especificação de modelo específica. O estudo enfatiza que uma classificação central inalterada não implica uma robustez inalterada em toda a região de incerteza.