CLUSTERIZAÇÃO PROBABILÍSTICA: CPP-TRI COM DENDROGRAMAS PARA O APOIO AO PLANEJAMENTO EM DEFESA

Esta pesquisa propõe uma abordagem híbrida de apoio à decisão multicritério, integrando a Composição Probabilística de Preferências para classificação ordenada (CPP-TRI) à clusterização hierárquica aglomerativa. O objetivo é ampliar a capacidade analítica do planejamento em Defesa e segurança mediante duas leituras complementares das alternativas: a classificação vertical por níveis de prioridade ou gravidade e o refinamento horizontal por similaridade estrutural. A proposta responde à limitação de classificações ordenadas que, embora hierarquizem alternativas sob incerteza, podem gerar classes internamente heterogêneas e pouco operacionais. Na primeira etapa, as avaliações de desempenho são transformadas em variáveis aleatórias por distribuições Beta-PERT, incorporando valores mínimo, modal, máximo e de forma. O CPP-TRI compara as distribuições das alternativas com perfis de referência e as aloca em classes ordenadas segundo probabilidades conjuntas de superar ou não tais perfis. Na segunda etapa, aplicam-se a distância euclidiana e o método de Ward para formar agrupamentos de elevada coesão interna; os dendrogramas permitem explorar diferentes cortes e granularidades, e o índice de Dunn valida a separação e a compactação dos grupos. Toda a modelagem foi implementada em R, favorecendo a reprodutibilidade do procedimento. A eficácia do método foi examinada em dois estudos de caso. Na Defesa Civil, foram analisados dados do S2iD de 2023-2024 para 62 municípios do Amazonas, normalizados em danos humanos, danos materiais e prejuízos econômicos. O CPP-TRI classificou os municípios em alta, média e baixa gravidade, e a clusterização de latitude e longitude identificou subgrupos espacialmente próximos dentro de cada classe. No caso de segurança marítima, indicadores do Maritime Security Index e do Poder Marítimo das Nações permitiram classificar e agrupar países segundo capacidades, vulnerabilidades e níveis de segurança, situando o Brasil em blocos de afinidade estratégica e evidenciando afinidades recorrentes entre as duas aplicações. Os resultados mostram que a associação entre classificação probabilística e agrupamento reduz a heterogeneidade das classes e converte dados multidimensionais em inteligência operacional. No Amazonas, o modelo subsidia a regionalização funcional, o pré-posicionamento de suprimentos, a especialização de equipes e o planejamento de resposta além dos limites administrativos. No domínio marítimo, apoia a identificação de parceiros para cooperação, a harmonização de protocolos e a formulação de políticas de defesa. A abordagem oferece uma ferramenta transparente e replicável para orientar a alocação de recursos em cenários de incerteza, preservando a interpretação do decisor na escolha do nível de agregação. Como limites, a qualidade da modelagem depende das estimativas da Beta-PERT e a definição do corte do dendrograma conserva componente discricionário. Estudos futuros podem incorporar séries temporais e otimizar automaticamente esse ponto de corte.