U udžbeniku se razmatraju metode donošenja menadžerskih odluka u različitim problematičnim situacijama koje nastaju u gospodarskim sustavima. Dani su osnovni pojmovi, klasifikacija problema i adekvatne metode za njihovo rješavanje, metode njihova strukturiranja i opisa. Značajna se pozornost posvećuje automatiziranoj podršci za postupke donošenja odluka i zadataka u neizrazitim uvjetima. Značajka publikacije je način rješavanja tipični zadaci uz obrazloženje metoda za izbor racionalnog rješenja.
Udžbenik je izrađen u skladu s programom kolegija "Menadžmentske odluke" koji je dio specijalnosti "Upravljanje organizacijama i javnim općine". Namijenjen studentima ekonomskih specijalnosti svih oblika obrazovanja, može biti koristan svima zainteresiranima za probleme učinkovitog odlučivanja u menadžmentu, poslovanju i proizvodnji. Preporučeno od strane Vijeća obrazovno-metodološke udruge ruskih sveučilišta za obrazovanje u području menadžmenta kao udžbenik u specijalnosti "Upravljanje organizacijom".

Uobičajeni problemi donošenje menadžerskih odluka.
Znanstvene osnove teorije odlučivanja kao dijela opće teorije sustava i analiza sustava osnovane tijekom Drugog svjetskog rata. Njegovi osnivači su J. von Neumann i O. Morgenstern, koji su 1944. objavili materijale o novom smjeru – teoriji igara. Kasnije su strani stručnjaci R. Ackoff, F. Emery, St. Optner, R. Lewis, X. Rife, St. Beer, J. Forrester i drugi, kao i domaći - A. G. Vendelin, D. M. Gvishiani, O. I. Larichev, I. M. Syroezhin i drugi dali su značajan doprinos razvoju i bogaćenju ove teorije.

Svaka upravljačka aktivnost, pa tako i u području ekonomije, menadžmenta i marketinga, usko je povezana s donošenjem odgovarajućih odluka o različitim upravljačkim situacijama.

Stoga se u općem slučaju pod odlukom podrazumijeva skup upravljačkih utjecaja (radnje donositelja odluka (DM)) na objekt (sustav, kompleks itd.) upravljanja, koji omogućuje ovaj objekt u željeno stanje ili postići zacrtani cilj.

Proces donošenja odluka (DP) je jedna od faza aktivnosti upravljanja, na kojem se iz izvedivog skupa rješenja bira najpoželjnije rješenje ili je skup rješenja poredan prema njihovoj važnosti.

Sadržaj
Uvod
Odjeljak 1. Opći problemi donošenja menadžerskih odluka
Poglavlje 1. Problemi odlučivanja u upravljanju gospodarskim sustavima
1.1. Opći problemi menadžerskog odlučivanja
1.2. Modeliranje procesa upravljanja
1.3. Model predstavljanja informacija u upravljanju ekonomskim sustavima
1.4. Model informacija u procesu donošenja odluka
1.5. Učinkovitost upravljanja u suvremenim uvjetima
1.6. Donošenje odluka u jedinstvenim problemskim situacijama
Poglavlje 2. Osnovni pojmovi i kategorije teorije odlučivanja
2.1. Osnovne definicije i iskaz problema odlučivanja
2.2. Klasifikacija problema odlučivanja
2.3. Klasifikacija upravljačkih odluka
Poglavlje 3 Tehnologija odlučivanja
3.1. Formiranje i evaluacija odluka
3.2. Priprema za odabir rješenja
3.3. Tehnološki proces odlučivanje
3.4. Modeliranje postupaka donošenja odluka
Poglavlje 4. Opis i analiza problemske situacije
4.1. Metode za opisivanje problemske situacije
4.2. Postupci analize problemske situacije
4.3. Zadatak mjerenja karakteristika problemske situacije
4.4. Metode za subjektivna mjerenja karakteristika
4.5. Kriteriji odabira: Metode formiranja integralnog kriterija
Odjeljak 2. Metode odlučivanja u strukturiranim problemskim situacijama
Poglavlje 5 Donošenje odluka u strukturiranim situacijama
5.1. Metode rješavanja problema poput /. Potražite optimalno rješenje
5.2. Analitičko rješenje problema linearne optimizacije (simplex metoda)
5.3. Automatizirano rješenje problema linearne optimizacije (Excel)
5.4. Metode rješavanja zadataka tipa JA. Načelo zajamčenog rezultata
5.5. Načelo optimizma (Maximax)
5.6. Hurwitzov princip
5.7. Savageov princip (minimaksno žaljenje)
Poglavlje 6
6.1. Donošenje odluka u problemima tipa G
6.2. Postupak odabira u strukturiranim problemima tipa GA
Poglavlje 7
7.1. Primjer 1
7.2. Primjer 2
7.3. Računalno rješenje problema selekcije
Odjeljak 3. Metode rješavanja složenih problemskih situacija
Poglavlje 8
8.1. Izjava i vrste višekriterijskih zadataka
8.2. Metode rješavanja višekriterijskih problema s nestrukturiranim kriterijima
8.3. Metode analitičke konstrukcije metrike udaljenosti
Poglavlje 9
9.1. Opravdanost načina odabira investicijske odluke
9.2. Odabir najboljeg projekta leksikografskom metodom
9.3. Odabir projekta na temelju pomaknute idealne metode
9.4. Zadatak odabira opreme
Poglavlje 10
10.1. Metoda ciljnog stabla (metoda analize hijerarhije)
10.2. Rješavanje problema metodom analize hijerarhije
Poglavlje 11
11.1. Primjena metoda optimizma, pesimizma, Hurwitz, Savage
11.2. Primjena metode “pomaknutog ideala”.
11.3. Primjena metode hijerarhijske analize
Poglavlje 12
12.1. Primjer 1 Rješenje
12.2. Rješenje primjera 2
Odjeljak 4. Metode donošenja odluka u nestrukturiranim situacijama
Poglavlje 13
13.1. Problemi izbora pod rizikom i neizvjesnošću
13.2. Klasifikacija nesigurnosti u problemima upravljanja
13.3. Donošenje odluka u uvjetima vjerojatnosti (rizik)
13.4. Metode za analizu posljedica događaja i stabla odluka
13.5. Metode odabira pod punom ili djelomičnom nesigurnošću
Odjeljak 5. Stručne (skupne) metode izbora u složenim problemima odlučivanja
Poglavlje 14
14.1. Iskazivanje i formalizacija problema grupnog odlučivanja (problemi tipa G)
14.2. Klasifikacija problema grupnog izbora
14.3. Metodologija provođenja postupka grupnog odabira
Poglavlje 15
15.1. Metode donošenja odluka od strane skupine stručnjaka
15.2. Vrste grupnog odobravanja stručnih odluka
Poglavlje 16
16.1. Metode grupne koordinacije pri donošenju odluke
16.2. Model grupne procjene objekata po izboru
16.3. Modeli za usklađivanje stručnih procjena
Poglavlje 17
17.1. Procjena stupnja stručne osposobljenosti
17.2. Primjer rješavanja problema tipa GA
Odjeljak 6. Automatizacija postupaka donošenja odluka
Poglavlje 18
18.1. Zahtjevi i svrha sustava za potporu odlučivanju
18.2. Funkcije sustava za potporu odlučivanju
18.3. Tehnologija primjene sustava za podršku odlučivanju
Poglavlje 19
19.1. Značajke, karakteristike i implementacija ekspertnih sustava
19.2. Rad s tipičnim upravljačkim situacijama (modul standardnih situacija ES-a)
19.3. Logička struktura informacijskog fonda i algoritam za funkcioniranje WSN modula
19.4. Struktura sustava potpore modela.

Stranica 1

ANALIZA MEDICINSKIH INFORMACIJSKIH SUSTAVA ZA MEDICINSKO-PREVENTIVNE USTANOVE LJEČIŠTA.

Informatizacija djelatnosti zdravstvenih ustanova odavno je hitna potreba. Obrada niza financijskih, medicinskih i statističkih informacija, koja je u stalnom porastu, postala je moguća samo uz korištenje suvremenih informacijskih i računalnih tehnologija. Ne samo da je porastao volumen informacija, već su se povećali i zahtjevi za brzinom njihove obrade. Organizacije na višoj razini svake godine povećavaju zahtjeve za prijenos takozvanih “elektronskih izvješća” (tj. izvješća u u elektroničkom formatu). Uloga elektroničke razmjene podataka između zdravstvenih subjekata koji koriste e-poštu i internet stalno raste.

Trenutno je svaka zdravstvena ustanova (HCI) u ovoj ili onoj mjeri obuhvaćena informatizacijom. Uglavnom su to lokalni, a ne međusobno povezani sustavi automatizacije za različita područja djelovanja zdravstvenih ustanova. U praksi informatizacija regionalnog zdravstva obuhvaća samo financijsko-gospodarske službe zdravstvenih ustanova: računovodstvo, plansko-ekonomski odjel, medicinu osiguranja. Za poboljšanje kvalitete i dostupnosti medicinska pomoć u zdravstvenim ustanovama potrebno je provesti složenu automatizaciju svih vrsta djelatnosti u ustanovi.

Danas tržište medicinskih informacijskih sustava (MIS) nudi dovoljno različita rješenja u širokom rasponu cijena i s raznim funkcionalnostima. Tijekom istraživanja ispitali smo 30 medicinskih informacijskih sustava. Od toga je 12 proizvoda ukrajinskog proizvođača, 18 ruskih. Većina sustava, odnosno 13, specijalizirani su za lječilišta.

Svrha našeg istraživanja bila je usporediti medicinske informacijske sustave za medicinsko-preventivne ustanove lječilišnog tipa prema općeprihvaćenim kriterijima i odrediti optimalni, korištenjem teorije rješavanja višekriterijskih zadataka.

Izbor optimalnog sustava proveden je sa stajališta kupca prema podacima dostupnim u otvorenoj mreži. Ovaj problem je riješen metodom "pomaknuti ideal". Ova metoda, opisana u , dizajnirana je za rješavanje zadataka za odabir optimalnog objekta, u slučaju veliki broj objekata i kriterija usporedbe.

Tijekom istraživanja napravljena je usporedba 19 medicinskih informacijskih sustava koji su pronađeni u otvoreni izvori najdetaljnije informacije. Usporedba sustava provedena je prema općeprihvaćenim kriterijima za usporedbu. Naime:

potpunost funkcionalnosti sustava;

Cijena programa (za jedan radno mjesto);

· potreba za ulaganjem u nabavu sustava za upravljanje bazom podataka (DBMS);

trošak DBMS-a;

· prilagodba zakonodavstvu Ukrajine.

Metoda "pomaknutog ideala" operira karakteristikama objekata koje se izražavaju brojevima, pa su kvalitativni kriteriji za usporedbu sustava pretvoreni u brojeve (tablica 1).

Tablica 1. Pretvorba kriterija usporedbe u digitalni oblik.

Metoda je dizajnirana za odabir jednog ili podskupa najpoželjnijih objekata. Karakteristične značajke metode su:

prisutnost postupka za formiranje "idealnog" objekta ( U + ), koji služi kao svojevrsni cilj kojemu treba težiti. Takav “ideal” u pravilu nije ostvariv i zapravo ne postoji, ali ga je korisno imati kako bi donositelj odluke razumio svoje ciljeve;

pri svakoj iteraciji se isključuju objekti koji ne tvrde da su najpoželjniji, t.j. "najbolji" objekti se ne izdvajaju, ali se "najgori" isključuju.

Općenito, algoritam metode je sljedeći ( riža 2.2 ): Najprije se isključuju dominirani objekti, jer među njima ne može biti najpoželjniji.

Formira se "idealan" objekt U +(1) od vrijednosti najpoželjnijih kriterija i "anti-ideal" od najmanje preferiranih vrijednosti. Određene su udaljenosti objekata od izvornog skupa do “anti-ideala”, na temelju čega se odabiru “najgori” objekti. Među takvim objektima, u pravilu, postoje objekti koji imaju jednu najpoželjniju vrijednost (objekti U 1 I U 6 na riža 2.2 ).

Nakon što isključimo "najgore" objekte, ponovno prelazimo na fazu "idealne" formacije, koja se mijenja (na slici, ovo U +(2) ) približavanje stvarnim objektima.

Postupak završava kada ostane mali broj objekata koji se smatraju najpoželjnijim.

Treba napomenuti da prilikom usporedbe stvarnih objekata s “idealnim” donositelj odluke postaje nezadovoljan, uzrokovan nedostupnošću formiranog “ideala”. Ovo nezadovoljstvo se zove sukob prije odluke.

Nakon odabira najpoželjnijeg objekta, donositelj odluke postaje nezadovoljan zbog činjenice da je odabran upravo taj objekt, a ne neki drugi. Ovo nezadovoljstvo se zove sukob nakon rješenja.

U prvim iteracijama metode sukob prevladava nad rješenjem. U sljedećim iteracijama, “idealno” se približava stvarnim objektima, a sukob prije rješenja se smanjuje. Međutim, sukob nakon odluke može se povećati. To ukazuje na nedovoljno znanje donositelja odluke o problemu koji se rješava.

Razmotrimo detaljno algoritam metode, čiji je blok dijagram prikazan u sl.2.3.

Neka izvorni skup objekata uključuje P predmeta. Svi kriteriji k j (j=l,…, m) mjereno na skali intervala ili omjera.

U prvoj fazi formira se "idealan" objekt
, gdje – maksimalna vrijednost preferencije kriterija među svim objektima, t.j.
ako se preferencija objekta povećava s povećanjem k j , ili
ako se preferencija objekta povećava kako se kriterij smanjuje. Ako "ideal" pripada skupu objekata, tada će biti najpoželjniji. Ali budući da se MCZ obično rješava na skupu učinkovitih objekata, “idealni” objekt neće pripadati izvornom skupu.

U istoj fazi formira se "najgori" objekt
najmanje poželjnih vrijednosti.

U drugoj fazi, prijelaz s fizičkih mjernih jedinica kriterija na relativne jedinice provodi se u skladu s izrazom:

U relativnim jedinicama svi kriteriji će se mijenjati u intervalu , dok je manje , teme bliži predmet prema kriteriju k j na "anti-ideal".

Prve dvije faze izvode se automatski bez sudjelovanja donositelja odluke. U trećoj fazi, donositelj odluke, na temelju svojih prosudbi o važnosti kriterija, postavlja težine kriterija W j (j = 1,...,m).

U slučaju poteškoća, donositelj odluke može koristiti informacijski pristup kako bi se utvrdila važnost kriterija.U sljedećoj, četvrtoj, fazi izračunavaju se udaljenosti objekata do “anti-ideala”. Sljedeći izraz se koristi kao metrika:

(2.2)

Korištenje u ( 2.2 )drugačiji R, možete dobiti različite metrike. Da, kod p= 1, dobivamo aditivni operator i kada
(2.2 ) ide u
.Što je vrijednost veća , što je objekt dalje od “anti-ideala” i bliži “idealu”.

IZ Treba napomenuti da se druge metrike mogu koristiti kao metrika za usporedbu objekta s "idealnim" objektom. operatori agregacije.

U sljedećoj, petoj, fazi, postavljanje različitih vrijednosti R, donositelj odluke definira različite metrike za usporedbu s onim „idealnim“. Na svakom R, tj. za svaku metriku, svi objekti su poredani u blizini "idealne" vrijednosti . donositelj odluka u dijalogu, mijenjanje str,istražuje utjecaj različitih metrika na poredak objekata.

Nadalje, u šestoj fazi, donositelj odluke donosi odluku da isključi objekte koji ne tvrde da su najpoželjniji. Očito su to objekti koji, s različitim metrikama (različitim R) nalaze se na kraju poredanih redaka. Doista, ako je, bez obzira na odabranu metriku, objekt daleko od "idealnog", onda postoje svi razlozi da ga se isključi.

Nakon što su objekti isključeni, sljedeća iteracija počinje formiranjem "idealnog" objekta već na preostalom podskupu objekata.

Postupak završava kada nakon sljedeće iznimke ostane mali broj objekata, što će biti najpoželjnije.

Treba napomenuti da je pri svakoj iteraciji preporučljivo analizirati rasprostranjenost kriterija. Činjenica je da među isključenim objektima u pravilu postoje objekti koji uključuju maksimalne i minimalne vrijednosti kriterija. Dakle, pri svakoj iteraciji, područje promjene kriterija se smanjuje i stoga se njihov raspršivanje značajno mijenja. Zatim korištenjem informativni pristup, možemo izdvojiti neinformativne kriterije i, radi pojednostavljenja zadatka, takve kriterije isključiti.

Zaključno, napominjemo da je ova metoda najučinkovitija za velike dimenzije problema.

- 275,50 Kb

Ministarstvo obrazovanja i znanosti Ruske Federacije

FGOU HPE "Mordovia State University po imenu N.P. Ogaryov"

Matematički fakultet

Zavod za primijenjenu matematiku

IZVJEŠĆE

Studenti 4. godine Matematičkog fakulteta

(specijalnost "Primijenjena matematika i informatika")

Korovina A.V.

o prolasku industrijske prakse tijekom razdoblja

od 01.09.11. do 15.05.12

Metode stručnog odlučivanja

Izvješće je sastavio Korovina A.V.

404 grupa, d/o

Izvješće je prihvatio dr. Safonkin V.I.

Saransk

2012

1.	Uvod………………………………………………………………………......				3
2.	Rješenje višekriterijskih zadataka………………………………………………..				4
	2.1.		Izjava o višekriterijskim zadacima ……………………………..........		4
	2.2.		Metode rješavanja višekriterijskih problema ……………………………		5
3.	Stručne metode donošenja odluka………………………………………………..				14
	3.1.		Faze stručne procjene problemske situacije …………..
	3.2.		Izjava o problemu za donositelje grupnih odluka ………………………………. .....
	3.3.		Vrste grupnog odobrenja ……………………………………………
		3.3.1.		diktatorsko načelo………………………………………………………
		3.3.2.		princip glasovanja………………………………………………… …...
		3.3.3.		izvansistemska načela odabira………………………………………...
	3.4.		Formiranje odluka u skupinama ………………………………… …......
	3.5.		Obrada rezultata stručnih procjena ………………………………
		3.5.1.		metode statističke obrade stručnih ocjena…………….
4.		Zaključak………………………………………………………………………………………………
5.		Popis korištene literature…………………………………………………………….

1. Uvod

U praksi upravljanja gospodarskim sustavima često se javljaju takve problemske situacije za koje su informacije djelomično ili potpuno nepoznate ili teško dostupne za opis problematične situacije ili se ne mogu formalizirati s dovoljnom točnošću. U tom se slučaju takvi problemi obično rješavaju uz pomoć uključene skupine stručnjaka koji analiziraju i ocjenjuju postojeću problemsku situaciju te generiraju određeni skup alternativa za njezino rješavanje. Bit metode odlučivanja uz uključivanje stručnjaka je dobiti stručne ocjene pojedinačno za svakog stručnjaka i formulirati općenito mišljenje o najboljem objektu (rješenju) za cijelu skupinu u cjelini.

Tehnologija rješavanja problema odlučivanja od strane grupe stručnjaka slična je tehnologiji individualnog izbora i sadrži iste generalizirane postupke i operacije: svijest i identifikaciju problema, njegovu analizu; informacijska priprema odluka; traženje i donošenje odluka; provedba odluka itd.

Razmotrimo zasebne postupke grupnog izbora koji karakteriziraju osobitosti ekspertnih metoda.

2. Rješavanje višekriterijskih problema

2.1. Izjava o višekriterijskim zadacima

Zadaci donošenja odluka nazivaju se višekriterijski, a broj kriterija za postizanje cilja je veći od dva:

K Ì (K 1 , K 2 , ..., K m ),

a same zadatke karakterizira nekoliko alternativa:

Y = (A l , A 2 , ..., A n )

Tablica 1.1.

Matrica opisa višekriterijalnog zadatka

Objekti (alternative) Kriteriji K1 K2 … km A 1 … A 2 … … … … … … A n …

Takvi se zadaci obično opisuju matricom danom u tablici. 1.1.

Matematička interpretacija višeciljnog problema je da se objekti prikazuju kao točka u prostoru kriterija (K 1 ,K 2 ,...,K m ). Problemi za koje se vrijednosti kriterija diskretno mijenjaju nazivaju se problemi diskretnog odlučivanja. Primjer prikaza diskretnog problema za tri objekta u dvodimenzionalnom prostoru kriterija (k 1 , k 2 ) prikazan je na sl. 1.1.

Riža. 1.1.

Grafička interpretacija višekriterijalnog problema

(3 objekta, 2 kriterija)

Ako se vrijednosti kriterija kontinuirano mijenjaju, onda problem pripada problemu vektorske optimizacije. U ovom slučaju se grafička interpretacija takvog problema prikazuje kao određeno područje u prostoru kriterija.

Ovisno o traženom rješenju, višekriterijski se problemi mogu podijeliti u sljedeće klase:

• zadaci odabira (odabir najpoželjnijeg objekta);
• evaluacijski zadaci (ocjenjivanje objekta prema integralnom kriteriju);
• problemi određivanja Pareto-optimalnih rješenja.

Za rješavanje problema koji pripadaju različitim klasama potrebne su odgovarajuće metode rješavanja. Razmotrimo niz praktičnih metoda za rješavanje višekriterijalnih problema.

1.2. Metode rješavanja višekriterijskih problema

U skladu s pristupima rješavanju višekriterijskih problema, postoje tri glavne skupine metoda: leksikografski, interaktivni, aksiomatski.

Metode rješenja koje se odnose na prva grupa, temelje se na pretpostavci dominacije kriterija. Problem se rješava u nekoliko ciklusa, na svakom od kojih se izvode dvije faze: rangiranje po kriterijima; sami odabir objekata važan kriterij.

Co. druga grupa uglavnom uključuju metode i algoritme za odabir najpoželjnijeg objekta (rješenja), a to su uglavnom interaktivni postupci koji ovise o specifičnostima problema koji se rješava.

Metode treća grupa(aksiomatske) odredbe o uporabi razvijene u teoriji korisnosti. Ovdje je potrebno odrediti i postaviti svojstva implicitne funkcije preferencije, tj. postaviti strukturu preferencija kojom donositelj odluke upravlja pri odabiru i evaluaciji objekta. Na temelju identificiranih svojstava odabire se neka analitička funkcija (funkcija korisnosti) koja opisuje strukturu preferencija donositelja odluke. Istodobno, donositelj odluke treba biti dobro upućen u sadržaj zadatka. Ova metoda je najzahtjevnija u usporedbi s prethodnim, ali omogućuje dobivanje razumnijih procjena objekata.

Pogledajmo pobliže neke od ovih metoda.

Leksikografske metode. Kod rješavanja zadataka ovom metodom kriteriji (k 1 , k 2 , ..., k m ) se rangiraju prema stupnju važnosti tako da se indeks 1 (rang) dodjeljuje najvažnijem kriteriju. Nadalje, postupak odabira objekata provodi se prema ovom kriteriju. Preostali kriteriji (k 2 , k 3 , ..., k m ) podliježu ograničenjima tipa poznatim iz strukture problema: a 2 ≤ k 2 ≤ b 2 ; a 3 ≤ k 3 ≤ b 3 ; …; a m ≤ k m ≤ b m

Ako neki kriterij ne zadovoljava navedena ograničenja, isključen je iz razmatranja. Posljedično, formira se skup valjanih objekata (alternativa), na primjer: pri odabiru hladnjaka kao kriterije možete postaviti sljedeće kriterije:

k 1 - ukupni volumen (m 3);

k 2 - volumen zamrzivač(m 3);

k 3 - snaga (kW);

k 4 - cijena (rubalji) itd.

Ako prema kriteriju k 1 nije moguće jednoznačno odabrati objekt a iÎ I tada se odabire prema sljedećem najvažnijem kriteriju - k 2, itd.

Stanje dominacija smisleno znači sljedeće: ako poredate objekte prema kriteriju k 1, tada se taj redoslijed neće promijeniti kada se uzmu u obzir kriteriji k 2 , k 3 itd., tj. k 1 je toliko važan da dominira po važnosti među svim ostali.

U skupini interaktivnih metoda najčešći su principi izbora preferirani objekt(metoda “pomaknutog ideala”). Ova metoda uključuje veliku skupinu algoritama koji implementiraju rješenje takvih problema. Zajedničke značajke koje ujedinjuju ovu metodu uključuju prisutnost "idealnog objekta" i prisutnost postupaka probira.

Prilikom formiranja “idealnog objekta”, sasvim je moguće da njegova slika ne pripada stvarnom skupu objekata (A l , A 2 , ..., A n ) ili da uopće ne postoji. U tom slučaju se objekti iz skupa (A l ,A 2 ,...,A n ) uspoređuju s modelom formiranog idealnog objekta i dolazi do postupka probira. Prilikom izgradnje modela “idealnog objekta” važno je koristiti znanje i iskustvo korisnika specijalista (DM), budući da on točnije razumije svojstva i parametre preuzete iz najboljih stvarnih objekata i koji čine sadržaj “ idealan objekt”.

Postupak prosijavanja karakterizira isključenje iz početnog skupa objekata (A l , A 2 , ..., A n ) podskupova koji ne sadrže željeni najpoželjniji objekt.

Općenito, postupak za pronalaženje najpoželjnijeg objekta sastoji se od nekoliko faza.

1. Formiranje “idealnog objekta”.
2. Analiza skupa objekata radi uspostavljanja korespondencije
   "idealni objekt".
3. Interaktivno isključivanje onih objekata iz početnog skupa (A l ,A 2 ,...,A n ), koji su u analizi prepoznati kao očito ne najbolji.
4. Idite na korak 1 za smanjeni skup objekata.

Razmotrimo primjer rješavanja problema donošenja odluka korištenjem metode pomaknutog ideala.

Primjer 1

1. Opis problemske situacije S 0
1. Opis problema.

Odredite najperspektivniji CNC stroj za pokretanje u seriji.

1. Vrijeme za PR: T = 1 tjedan.
2. Resursi za PR: informacije o karakteristikama strojeva.
3. Kriteriji (K):

K 1 - prosječno vrijeme rada (s);

K 2 - pouzdanost vremena između kvarova (tisuću sati);

K 3 - trošak stroja (tisuću rubalja).

1. Mnogo ograničenja (B).

Poznate su gornje i donje granice za promjenu vrijednosti kriterija.

1. Mnogo alternativnih opcija.

Tablica 1.2

Varijanta matrice

Opis posla

U praksi upravljanja gospodarskim sustavima često se javljaju takve problemske situacije za koje su informacije djelomično ili potpuno nepoznate ili teško dostupne za opis problematične situacije ili se ne mogu formalizirati s dovoljnom točnošću. U tom se slučaju takvi problemi obično rješavaju uz pomoć uključene skupine stručnjaka koji analiziraju i ocjenjuju postojeću problemsku situaciju te generiraju određeni skup alternativa za njezino rješavanje. Bit metode odlučivanja uz uključivanje stručnjaka je dobiti stručne ocjene pojedinačno za svakog stručnjaka i formulirati generalizirano mišljenje o najboljem objektu (rješenju) za cijelu skupinu u cjelini.

2.1.
Izjava o višekriterijskim zadacima………………………………………………..
4

2.2.
Metode rješavanja višekriterijskih problema……………………………
5
3.
Stručne metode odlučivanje…………………………………......
14

3.1.
Faze stručne procjene problemske situacije…………..

3.2.
Izjava o problemu za donositelje grupnih odluka………………………………………………..

3.3.
Vrste grupnog odobrenja………………………………………………………

3.3.1.
načelo diktatora………………………………………………………………………

3.3.3.
izvansistemska načela izbora…………………………………………

3.4.
Formiranje odluka u grupama………………………………………………..

3.5.
Obrada rezultata stručnih procjena………………………………

3.5.1.
metode statističke obrade stručnih ocjena…………….

4.
Zaključak……………………………………………………………………...

5.
Popis korištene literature…………………………………………………………….

Pošaljite svoj dobar rad u bazu znanja je jednostavno. Upotrijebite obrazac u nastavku

Dobar posao na stranicu">

Studenti, diplomski studenti, mladi znanstvenici koji koriste bazu znanja u svom studiju i radu bit će vam jako zahvalni.

Hostirano na http://www.allbest.ru/

Primjena metoda višekriterijske analize poslovnih procesa

Uvod

poslovanje s više kriterija odlučivanja

U srži moderna teorija Optimizacija poslovnih procesa je izbor najbolja alternativa organiziranje poslovnih procesa provođenjem kvalitativne ili kvantitativne analize alternativa. Takva je analiza često višekriterijska, jer se istovremeno mora evaluirati nekoliko kriterija koji mogu biti kontradiktorni, kao što su cijena, kvaliteta, troškovi, rizik, učinkovitost itd. U svakodnevnom životu takav se izbor na temelju nekoliko kriterija obično donosi intuitivno, a njegove posljedice mogu biti sasvim prihvatljive za donositelja odluke (DM). Međutim, pri postavljanju poslovnih zadataka intuicija ne može biti jedini alat za donošenje odluka, budući da su takvi zadaci puno veći, a u visokokonkurentnom okruženju organizacije trebaju dobiti što objektivniju procjenu alternativa. Za dobivanje takve ocjene potrebno je temeljito proučavanje svih kriterija odabira, utvrđivanje ovisnosti između njih i postavljanje prioriteta.

Relevantnost Ova studija proizlazi iz činjenice da u analizi poslovnih procesa problemi vrlo često poprimaju višekriterijski oblik. Primjerice, prilikom odabira dobavljača analiza poslovnog procesa nabave zahtijeva ocjenu parametara kao što su kvaliteta proizvoda, trošak, postprodajna usluga, financijska stabilnost itd. Analiza poslovnog procesa upravljanja ulaganjima uključuje procjenu rizika, očekivanog povrata, obujma ulaganja i atraktivnosti regije u kojoj se provode investicijske aktivnosti. Analiza poslovnog procesa zapošljavanja koji se odvija u većini organizacija uključuje procjenu parametara kao što su iskustvo kandidata, obrazovanje, dob, tražena plaća itd. Nadalje, moderne tendencije razvoj teorije upravljanja treba razmotriti različite aspekte poduzeća, kako financijske tako i nefinancijske. Definiranje i ispitivanje niza pokazatelja iz više perspektiva često dovodi do problema koji poprimaju oblik s više kriterija. Na primjer, tako popularan alat za upravljanje kao što je uravnotežena tablica rezultata, koju su razvili R. Kaplan i D. Norton, podrazumijeva jednako razmatranje od strane tvrtki iz najmanje četiri perspektive: financije, klijenti, interni poslovni procesi, obuka i razvoj. U svakoj od ovih perspektiva, autori preporučuju identificiranje najmanje pet ključnih pokazatelja uspješnosti (KPI). Ovaj pristup omogućuje formiranje učinkovita strategija poduzeća, međutim, prilikom praćenja provedbe ove strategije, kako sami autori naglašavaju, često zna biti teško procijeniti brojne pokazatelje. Jedan od praktičnih primjera navedenih u knjizi pokazuje kako analizirati učinkovitost projekta u poduzeću, identificirano je 16 ključnih pokazatelja ovog projekta koje su ocjenjivali klijenti tvrtke. Međutim, dobivanje zaključka o uspješnosti projekta prema tim procjenama postalo je višekriterijski zadatak za menadžment tvrtke, za čije su rješavanje primijenjene metode temeljene na rangiranju i linearnoj konvoluciji kriterija. R. Kaplan i D. Norton dali su i primjer zadatka s kojim se uprava tvrtke zbog višekriterijske ne može nositi. Zadatak je bio optimizirati poslovni proces dostave, a kako bi se povećala vrijednost pokazatelja “isporuka na vrijeme”, tvrtka je značajno povećala vremenski interval isporuke, zbog čega je klijent bio nezadovoljan, a poslovni proces je prošao kroz “lažna optimizacija”. Ova se pogreška mogla izbjeći primjenom metoda višeciljne optimizacije.

Danas teorija odlučivanja sadrži mnoge pristupe i metode za donošenje odluka u višekriterijskom okruženju koje donositelj odluka može koristiti za rješavanje različitih problema s više kriterija. U isto vrijeme, međutim, problem odabira metode najprikladnije za rješavanje određenog problema ostaje iznimno aktualan. Zbog činjenice da metode višekriterijalne optimizacije imaju niz razlika kako u dobivenim rezultatima (broj pronađenih rješenja, prikaz rješenja itd.) tako i u njihovoj primjeni (količina potrebnih informacija o preferencijama donositelja odluka, metode prikupljanja informacija itd.), ne mogu se sve metode primijeniti za rješavanje određenog problema. Općenito, zadaci se mogu kombinirati u grupe prema njihovoj pripadnosti određenom predmetnom području. Zbog pogrešnog izbora metode rješenja mogu se pojaviti četiri ozbiljna problema: prvo, rezultati primjene neodgovarajuće metode bit će nezadovoljavajući za donositelja odluke ili čak netočni. Drugo, zbog loših rezultata, korisne metode mogu biti nepravedno osuđene, kao, na primjer, ELECTRE metoda u Cohon i Marks (1977). Treće, korištenje neodgovarajuće metode podrazumijeva gubitak vremena, truda i novca utrošenog tijekom procesa donošenja odluka. Konačno, kao rezultat pogrešaka u primjeni, potencijalni korisnici mogu uopće odbiti primijeniti bilo koji MMRM na praktične probleme.

cilj ovog rada je izrada klasifikacije metoda za višekriterijsko odlučivanje o objektu primjene u okviru analize poslovnih procesa.

Za postizanje ovog cilja potrebno je riješiti sljedeće zadaci:

1. Provesti analizu izvora koji odražavaju različite pristupe odlučivanju u višekriterijskom okruženju radi proučavanja postojećih metoda višekriterijske analize.

2. Provesti analizu softvera za rješavanje višekriterijskih problema.

3. Provesti analizu izvora koji odražavaju primjere praktične primjene metoda za višekriterijsku analizu poslovnih procesa.

4. Identificirati metode višekriterijske analize primjenjive na područje poslovnih procesa.

5. Izraditi klasifikaciju metoda prema predmetu primjene u području poslovnih procesa.

7. Riješiti praktični višekriterijski problem koji nastaje u poslovnom procesu „Određivanje prodajne strategije“ tvrtke „VARS Expo“ doo.

objekt ovog studija su poslovni procesi koji zahtijevaju donošenje odluka u višekriterijskom okruženju.

Predmet istraživanje je primjena metoda višekriterijske analize za optimizaciju poslovnih procesa koji zahtijevaju donošenje odluka u višekriterijskom okruženju.

Metodološka osnova ovog rada bile su znanstvene publikacije vodećih domaćih i stranih znanstvenika, kao i članci koji odražavaju trenutne standarde u području primjene višekriterijskih metoda za analizu poslovnih procesa. Za rješavanje postavljenih zadataka korištene su metode teorije odlučivanja u uvjetima višekriterija.

Teorijski značaj istraživanje je razviti klasifikaciju metoda za višekriterijsku analizu poslovnih procesa prema objektu primjene.

Praktični značaj Istraživanje se sastoji u mogućnosti korištenja razvijene klasifikacije u analizi poslovnih procesa kako bi se izabrala metoda najprikladnija za rješavanje specifičnog problema višekriterijske optimizacije.

Strukturaraditi obuhvaća sljedeće dijelove: uvod, pregled literature i softversku analizu, glavni dio, zaključak, bibliografiju. Glavni dio studija sastoji se od tri poglavlja, od kojih dva odražavaju teorijski dio studija, a jedno - praktični. Prvo poglavlje posvećeno je izboru metoda višekriterijske analize za razmatranje i njihovom opisu. U drugom poglavlju uspoređuje se metode višekriterijske analize s karakteristikama problema, donositelja odluke i dobivenog rješenja. Na temelju dobivene usporedbe izrađena je klasifikacija metoda prema objektu primjene u sklopu analize poslovnih procesa temeljena na referentnom 13-procesnom modelu te su dane preporuke za primjenu metoda. U trećem poglavlju prikazan je primjer praktične primjene metoda za rješavanje višekriterijalnog problema koji se javlja u poslovnom procesu „Određivanje prodajne strategije“ tvrtke VARS Expo doo. Zaključno, sažeti su rezultati dobiveni tijekom istraživanja.

1. Analiza softvera

Složenost rješavanja višekriterijskih zadataka određena je, između ostalog, velikom količinom informacija koje se moraju uzeti u obzir i obraditi prilikom donošenja odluke. Osoba se često ne može nositi s ovim zadatkom bez pribjegavanja pomoći moderne računalne tehnologije. S tim u vezi, za podršku donošenju odluka u okruženju s više kriterija, stvoreni su mnogi softverski proizvodi ili sustavi za potporu odlučivanju (DSS) čiji se rad temelji na MCDA (multiple-criteria decision analysis) metodama. Glavne funkcije koje obavljaju ovi softverski proizvodi su rangiranje odluka prema preferenciji i odabiru najbolje rješenje. No, osim pronalaska rješenja i obrade velike količine informacija (koja je neophodna za uspješno korištenje metoda višekriterijske analize u praksi), takav softver korisniku obično pruža i mogućnost analize dobivenih rezultata. Od posebne je vrijednosti grafičko korisničko sučelje, koje pruža mogućnost vizualizacije procesa i rezultata, kako bi proces donošenja odluka bio najočitiji i najočitiji.

S obzirom na činjenicu da ovaj posao je usmjeren na proučavanje i klasificiranje višekriterijskih metoda analize koje su dobro primjenjive u praksi, analiza i usporedba postojećeg softvera razvijenog za podršku odlučivanju čini se potrebnim i važnim. Analizu je razumno započeti s definiranjem kriterija za usporedbu i vrednovanje.

Različiti softverski proizvodi mogu korisniku pružiti različite mogućnosti kako tijekom samog procesa odlučivanja tako i tijekom analize rezultata. Naravno, organizaciju procesa odlučivanja karakterizira prije svega metode višekriterijske analize podržan od strane proizvoda. Upravo o podržanim metodama ovisi i postupak pronalaženja rješenja, a time i primjenjivost proizvoda u različitim situacijama. Osim toga, budući da je ovaj rad usmjeren na primjenu višekriterijskih metoda izravno na poslovne procese, iznimno je značajan razina stručnogkompetencije(posebna znanja i vještine) potrebne za uspješno korištenje proizvoda. Mnogi programi dizajnirani su za korištenje od strane profesionalaca u području višekriterijskih analiza, a bez iskustva i znanja u ovom području, korisnik neće moći učinkovito koristiti takve proizvode. Međutim, jedan od glavnih ciljeva klasifikacije metoda razvijenih u ovom radu je pomoći nespecijalistima iz područja višekriterijske analize (primjerice donositeljima odluka) u izboru odgovarajućih metoda. Stoga će se usporedbe proizvoda također vršiti na temelju potrebnih stručnih znanja i vještina. Treći kriterij za usporedbu je grupna podrška odlučivanju. Obično se donositelj odluka u višekriterijskim analizama shvaća kao pojedinac, ali u poslovnim odlukama rijetko ovise o jednoj osobi. Najčešće je određena skupina odgovorna za odluke (upravni odbor, dioničko društvo, komisija za probleme itd.), čije se preferencije svakog člana moraju uzeti u obzir pri donošenju odluke. Sljedeći kriterij koji odražava praktičnost korištenja proizvoda je dostupnost putem interneta. I na kraju, važan faktor za korisnika koji nema ozbiljnog iskustva s ovakvim programima je mogućnost uvoza i / iliizvoz podatke ili rezultate u Excelu. Zasebno, vrijedno je razmotriti proces analize dobivenih rezultata, tj tekstualne i grafičke metode vizualizacije informacija podržani proizvodi.

Danas postoji veliki izbor programa i softverskih sustava za višekriterijsku analizu. Svrha pregleda softvera u ovom radu je identificirati sličnosti i razlike između dostupnih proizvoda kako bi se razvile preporuke za njihovu upotrebu. Stoga se čini razumnim obratiti pozornost na softverske proizvode koji imaju različite namjene i podržavaju različite metode, a pritom se aktivno koriste ili poznaju kako među stručnjacima za višekriterijska analiza tako i među stručnjacima iz drugih područja odgovornih za donošenje odluka (koja, naravno, pokazatelj je praktične izvedbe proizvoda). Dvanaest takvih proizvoda odabrano je za analizu usporedbom recenzija softvera i komparativnih članaka u međunarodnim znanstvenim publikacijama (French i Xu, 2005.; McGinley. P, 2014.; Vassilev i sur., 2005.; Weistroffer et al., 2005.), a također uzimajući u obzir uzeti u obzir ocjene i recenzije objavljene na web stranicama posvećenim softveru za analizu s više kriterija (Capterra, EWG-MCDA, Wikipedia). Odabir se također temeljio na dostupnosti probne ili demo verzije proizvoda. Rezultati komparativne analize prikazani su u tablicama koje sadrže parametre grupirane prema dvije glavne funkcije softvera: organizaciji samog procesa donošenja odluka (vidi tablicu 1) i analizi rezultata (vidi tablicu 2).

Tablica 1. Usporedba softvera prema karakteristikama procesa donošenja odluka

Naziv softvera	Podržane MCDA metode	Potreban stručna kompetencija	Podrška grupnim odlukama	Pristupačnost putem interneta	Mogućnost uvoza / izvoza u Excel
	PAPRIKA, AHP, MAUT
	AHP, Pareto Frontier Approximation
Kriterij Odluka Plus	AHP, SMART, MAUT, Swing
	PROMETHEE, KORISNOST
	MAUT, Stablo odlučivanja, AHP, Metoda sekvence. koncesije
	stablo odlučivanja
Logične odluke	AHP, MAUT, Swing

Kao što je vidljivo iz tablica, gotovo svi razmatrani proizvodi pružaju izvrsne mogućnosti za analizu rezultata, ali imaju značajne razlike u organizaciji procesa donošenja odluka. Programi podržavaju drugačiji skup metoda, ali više od polovice njih među podržanim metodama ima AHP ili AHP (Analytic hierarchy process / Hierarchy analysis method), što je sasvim očekivano, budući da je metoda dobro primjenjiva u praksi u razne industrije i, štoviše, ne zahtijeva posebnu obuku. Povoljno je u usporedbi s drugim metodama po tome što kombinira matematički pristup i psihološke aspekte, a također vam omogućuje usporedbu različitih parametara, što je iznimno značajna prednost kada praktična aplikacija. U proizvodima koji podržavaju ovu metodu, postoje dva pristupa usporedbi alternativa u paru. U okviru prvog pristupa sastavlja se matrica ocjena nekih kriterija u odnosu na druge, au okviru drugog navode se sve moguće kombinacije kriterija, a za svaki od njih donositelj odluke mora procijeniti koliko jedan je kriterij po važnosti superiorniji u odnosu na drugi. Kao rezultat dobivenih procjena, kriteriji su rangirani po važnosti.

Osim toga, možete vidjeti da većina programa koji podržavaju AHP također podržavaju MAUT (Multi Attribute Utility Theory / Multicriteria Utility Theory). Istodobno, u metodološkim studijama takve su metode obično jasno odvojene. Ova činjenica sugerira da, unatoč činjenici da se takav softver temelji na teoriji odlučivanja u višekriterijskom okruženju, proizvod može biti protiv teorije, kombinirajući širok raspon metoda iz različitih škola za uspješnu primjenu u praksi. To se može potvrditi i istodobnom podrškom MAUT i Swing metodama s četiri proizvoda.

Nešto manje popularna je metoda uzastopnih ustupaka, koja podrazumijeva korištenje određenih intervala koji odražavaju dopušteno odstupanje vrijednosti parametara od prioritetnih. Najvjerojatnije je to zbog poteškoća objektivnog određivanja takvih intervala u praksi. Također, neki od razmatranih programa temelje se na stablu odlučivanja, koje karakterizira specifičan konstruktivni algoritam koji je lako razumjeti, ali ne osigurava uvijek optimalnost cijelog stabla. Konačno, metoda aproksimacije Pareto granice također se nalazi u programima o kojima se raspravlja i vrlo je učinkovita u pružanju vizualizacije, na primjer, na mjehurastoj karti, kao što je utjelovljeno u Clafer Multi-Objective Optimizer.

Prilikom analize preostalih parametara usporedbe treba napomenuti da je većina softverskih proizvoda namijenjena za korištenje od strane stručnjaka iz područja višekriterijske analize, budući da je razina potrebne stručne kompetencije za rad s njima vrlo visoka. Međutim, proizvodi kao što su 1000Minds, Clafer MOO, D-Sight, Decision Lens i MakeItRational mogu se koristiti za donošenje odluka čak i u nedostatku posebnih znanja.Treba imati na umu da su grupne odluke podržane samo u tri od razmatranih proizvoda - 1000Minds, D-Sight i MakeItRational. Prvi omogućuje samo online glasovanje, drugi daje težinu mišljenju svakog člana grupe, a posljednji izračunava prosječnu vrijednost za grupu uzimajući u obzir sva individualna mišljenja. Većina proizvoda temelji se na webu (osim Criterium DecisionPlus, Hiview3, Logical Decisions i M-MACBETH) i nešto manje od polovice pruža mogućnost uvoza i izvoza podataka i rezultata u Excel.

Tablica 2. Usporedba softvera prema karakteristikama analize rezultata

Naziv softvera	Vizualni grafovi	Ukupne vrijednosti	Analiza osjetljivosti	2D karte	Pisani izvještaj
Clafer Multi-Object. Optimizator
Kriterij Odluka Plus
Logične odluke

Tablica 5 odražava činjenicu da svi razmatrani programski proizvodi pružaju mogućnost grafičke vizualizacije rezultata. Pristupi prisutni u barem nekoliko proizvoda uključuju vizualizaciju alternativa kroz spider-cys, tornado, termometar, kolač i mjehuraste karte. U softverskim proizvodima temeljenim na metodi koncesije rezultati su prikazani kao prihvatljivi rasponi vrijednosti i mogu sadržavati odnose dominacije i grafički prikaz područja optimalnih rješenja. Većina programa podržava tradicionalnu metodu analize osjetljivosti, neki od njih koriste i statističke pristupe za analizu, koji se sastoje od različitih promjena parametarskog modela i promatranja naknadnih promjena u rezultatima. To vam omogućuje da dobijete probabilistički poredak alternativa ili postotak slučajeva u kojima jedna alternativa dominira nad drugom. U metodi koncesije, korištenje intervala samo po sebi već se može smatrati vrstom analize osjetljivosti. Neka vrsta dvodimenzionalnih karata prisutna je u većini softverskih proizvoda. Kriteriji odgovaraju osi, alternative odgovaraju točkama s odgovarajućim koordinatama na grafu. Neki programi pružaju mogućnost generiranja pisanog izvješća koje odražava glavne rezultate i objašnjava ih korisniku.

2 . Višekriterijske metode odlučivanja

2.1 Izbor metoda koje treba razmotriti

Znanstvena disciplina odlučivanja u višekriterijskim uvjetima relativno je mlada: prvi radovi unutar ove discipline pojavili su se 1970-ih, a reference na primjenu MMRM-a u rješavanju praktičnih problema dane su 1980-ih (Wallenius i sur., ) . Unatoč tome, na ovaj trenutak već je razvijeno više od sedamdeset različitih metoda za rješavanje višekriterijskih problema (Aregai Tecle, ). Detaljno razmatranje svih postojećih metoda ne čini se potrebnim i mogućim u okviru ovog rada, pa je skup razmatranih metoda ograničen. Kriteriji koji se koriste za odabir metoda uključuju:

1. Popularnost metode(mjereno na temelju učestalosti spominjanja metode u znanstvenoj literaturi između 1970. i 2016.)

2. Primjenjivost metode na praktične probleme(mjereno na temelju analize literature o primjeni MMRM-a na zadatke u različitim poslovnim područjima)

3. Originalnost metode(metode temeljene na tehnikama pronađenim u drugim popularnijim metodama ne uzimaju se u obzir)

1. Metoda analize hijerarhije (AHP)

2. Nelinearno programiranje (NLP)

3. Kompromisno programiranje (CP)

4. Kooperativna teorija igara (CGT)

5. Pomaknuta idealna metoda (DISID)

6. ELECTRE metoda (ELEC)

7. Metoda procjene i analize osjetljivosti (ESAP)

8. Ciljno programiranje (CPU/GP)

9. Teorija višekriterijske korisnosti (MAUT)

10. Višekriterijska Q-analiza (MCQA)

11. Probabilistička metoda kompromisnog razvoja (PROTR)

12. Zayonz-Walleniusova metoda (Z-W)

13. STEM metoda

14. SWT metoda

15. PROMETHEE metoda (PRM)

Popularnost i primjenjivost ovih metoda na različite probleme u širokom rasponu područja jasno je prikazana u tablici (vidi Dodatak 1), gdje se svaka metoda uspoređuje sa znanstvenim publikacijama koje opisuju njezinu primjenu, te specifične zadatke, koji su postavljeni u ovim djelima.

2.2 Kratak opis metoda

Metoda analize hijerarhije (AHP)

Metoda analize hijerarhije je matematički alat za donošenje odluka koji uzima u obzir psihološke aspekte. Metodu je razvio T. Saati. Omogućuje vam da pojednostavite dostupne alternative koje je potrebno ocijeniti prema različitim kvantitativnim i kvalitativnim kriterijima. Redoslijed se događa na temelju informacija o preferencijama donositelja odluka, koje su izražene brojčano i omogućuju vam da dobijete vrijednosti ukupne vrijednosti alternativa za sve parametre. Alternativa s najvećom ukupnom vrijednošću je najbolja. Metoda se široko koristi u praksi. Da biste ga koristili, slijedite ove korake:

1) Dekomponirati problem sastavljanjem njegovog hijerarhijskog modela koji bi trebao uključivati ​​same alternative, parametre za njihovu evaluaciju i krajnji cilj pronalaženja rješenja

2) Usporedite u parovima sve elemente hijerarhije, određujući njihov prioritet na temelju preferencija donositelja odluka

3) Sintetizirati vrijednost alternativa pomoću linearne konvolucije

4) Ocijenite dosljednost presuda

5) Donesite odluku na temelju rezultata

MAI prednosti:

Jednostavnost parnih usporedbi, poznavanje postupka za donositelje odluka

Nedostatak izravne evaluacije alternativa

Podrška za kvantitativne i kvalitativne parametre

Provjera dosljednosti presuda

Široka primjena u praksi

Nedostaci MAI:

Ograničen broj alternativa i parametara za njihovu evaluaciju (rad sa veliki broj teško mi je za donositelja odluka)

Mogućnost izobličenja preferencija zbog iste vrste numeričkog prikaza

Nerazuman izbor aditivne ili multiplikativne konvolucije kriterija

2.3 Nelinearno programiranje (NLP)

Nelinearno programiranje je poseban slučaj matematičkog programiranja i podrazumijeva nelinearni oblik ciljne funkcije ili ograničenja. Problem koji se rješava ovom metodom može se formulirati kao problem pronalaženja optimalne vrijednosti određene ciljne funkcije pod uvjetima, gdje su parametri, su ograničenja, n je broj parametara, s je broj ograničenja.

Ciljna funkcija može biti konkavna ili konveksna. U prvom slučaju, donositelj odluke suočit će se s problemom maksimizacije, u drugom - problemom minimizacije. Ako je ograničenje zadano konveksnom funkcijom, tada se problem smatra konveksnim i najčešće se rješava općim metodama konveksne optimizacije. Ako je problem nekonveksan, tada se koriste posebne formulacije problema linearnog programiranja ili metode grananja i veza koje omogućuju rješavanje problema linearnim ili konveksnim aproksimacijama. Takve aproksimacije čine donju granicu ukupne vrijednosti unutar odjeljka. Tijekom sljedećih odjeljaka, jednog dana će se pronaći pravo rješenje čija je vrijednost slična najboljoj donjoj granici pronađenoj za bilo koje od približnih rješenja. Takvo rješenje bit će optimalno, ali ne nužno i jedino. Takav algoritam je moguće zaustaviti u bilo kojem trenutku s povjerenjem da se optimalno rješenje nalazi unutar prihvatljivog odstupanja od pronađenog najboljeg rješenja; takva rješenja nazivaju se e-optimalnim.

U nelinearnom programiranju mogu se razlikovati neovisni dijelovi, kao što su konveksno, kvadratno, cjelobrojno, stohastičko, dinamičko programiranje itd.

2.4 Kompromisno programiranje (CP)

Ideja metode kompromisnog programiranja slična je ideji metode programiranja cilja. Tehnika metode temelji se na određivanju udaljenosti od "idealne" točke. Za pronalaženje najboljeg rješenja potrebno je minimizirati "udaljenost" od idealnog rješenja. Točka (rješenje) koja je u svakom pogledu najbliža idealnoj točki je kompromisno rješenje. Skup rješenja također može biti kompromis.

Postupak pronalaženja najboljeg rješenja uključuje sljedeće korake:

1) Odredite parametre za ocjenjivanje alternativa i težine tih parametara.

2) Sastavite matricu evaluacije alternativa zapisivanjem informacija o alternativama za svaki od parametara evaluacije.

3) Odredite smjer optimizacije za svaki od kriterija (poželjno je maksimiziranje ili minimiziranje vrijednosti).

4) Normalizirajte matricu na takav način da poprimi oblik matrice isplate (ili matrice isplate).

5) Pronađite najbolju i najgoru vrijednost alternativa za svaki od kriterija.

6) Pronađite generaliziranu vrijednost svake alternative za sve evaluacijske parametre, koristeći pondere kriterija i razliku između vrijednosti alternative za svaki kriterij i najbolje vrijednosti za ovaj kriterij.

7) Alternativa, čija je vrijednost najbliža idealu, najbolje je rješenje.

Prednosti kompromisne metode programiranja:

Korisnost u rješavanju problema na prostoru rješenja u kojem donositelj odluke nastoji vjerovati svojoj intuiciji i iskustvu

2.5 Teorija kooperativnih igara (CGT)

Kooperativna igra je igra koja uključuje združene napore igrača. Teorija kooperativnih igara istražuje sukobe koji nastaju među igračima prilikom donošenja zajedničke odluke. Budući da obično postoji nekoliko kriterija za donošenje takve odluke i često su kontradiktorni, teorija se koristi kao jedna od metoda donošenja odluka u višekriterijskom okruženju. Teorija proučava koji se rezultati udruživanja igrača mogu postići i pod kojim uvjetima.

Glavni zadaci koji se javljaju u proučavanju kooperativnih igara:

1) Definicija funkcije koja karakterizira preferencije igrača

2) Pronalaženje optimalnog rješenja u pogledu podjele ukupne dobiti stranaka

3) Provjera dinamičke stabilnosti rješenja

Pronađeno rješenje može biti jedinstveno ako se podjela ukupnog dobitka može izvršiti samo na jedan način, karakteriziran maksimalnom korisnošću za obje strane. Ako postoji nekoliko takvih metoda razdvajanja, tada se optimalno rješenje može imati više vrijednosti. Slučaj jednog optimalnog rješenja tipičan je za N-jezgru i Shapleyev vektor, a rješenje s više vrijednosti - za C-jezgru i K-kernel.

2.6 Pomaknuta idealna metoda (DISID)

Ova metoda je razvijena za određivanje najboljih rješenja u skupu izvedivih rješenja, a karakteriziraju je sljedeće značajke:

Postupak formiranja "idealnog" rješenja kojim se postavlja smjer optimizacije. Obično je takvo rješenje nedostižno, ali dobro odražava ciljeve donositelja odluka.

Uklonite rješenja koja su najmanje poželjna u svakoj iteraciji. Stoga se najbolje rješenje pronalazi postupnim uklanjanjem najgorih rješenja u svakom koraku postupka.

Prilikom primjene metode mogu se razlikovati sljedeći koraci:

1) Isključivanje dominantnih rješenja.

2) Formiranje "idealnog" rješenja i određivanje "najgoreg" rješenja.

3) Određivanje udaljenosti između točaka mogućih rješenja i točke "najgoreg" rješenja

4) Ponavljanje ciklusa od 1-3 faze dok ne ostane dopušteni mali broj najoptimalnijih rješenja.

Istodobno, usporedba alternativa s formiranim “idealnim” rješenjem često kod donositelja odluke izaziva nezadovoljstvo postojećim alternativama, što se naziva sukobom prije odluke. Sukob nakon donošenja odluke je nezadovoljstvo koje se javlja nakon isključivanja nekih alternativa iz razmatranja. Na početnim iteracijama dolazi do snažnog sukoba prije rješenja, koji se postupno smanjuje zbog približavanja postojećih rješenja "idealnom", sukob nakon rješenja se, naprotiv, povećava, što ukazuje da donositelj odluke nije dovoljno proučavao problem.

2.7 ELECTRE metoda

Postupak odabira u ELECTRE metodi sastoji se od 6 koraka:

1) Određivanje minimalne i maksimalne vrijednosti alternativa za svaki od kriterija

2) Određivanje težine kriterija

3) Konstrukcija grafa za svaki od kriterija, u kojem su vrhovi neki objekti skupa rješenja, a lukovi odražavaju stupanj dominacije jednog objekta nad drugim

4) Sastavljanje matrice vrijednosti tzv. indeksa slaganja i neslaganja na temelju važnosti kriterija i sklonosti odlukama

5) Utvrđivanje vrijednosti superiornosti za svaki par objekata ako vrijednost indeksa slaganja jednog od rješenja prelazi određenu vrijednost praga, a vrijednost indeksa neslaganja ne dosegne tu vrijednost

6) Izrada općeg grafa superiornosti, uzimajući u obzir utvrđena ograničenja

2.8 Metoda procjene i analize osjetljivosti (ESAP)

Metoda procjene i analize osjetljivosti izvorno je razvijena kao tehnika planiranja u području okoliš procijeniti alternative upravljanja vodeni resursi. ESAP se temelji na određivanju težine kriterija kako bi se dobila ispravna procjena alternativa. Procjena dostupnosti i atraktivnosti alternative utvrđuje se kombiniranjem informacija o utjecaju na prirodne i kulturne resurse i informacija o važnosti (utvrđenoj težini kriterija) i preferiranim vrijednostima tih resursa. Podatke je potrebno prikupiti intervjuiranjem više pojedinaca ili grupe pojedinaca kako bi se utvrdila osjetljivost njihovih procjena na razlike u prosudbama o važnosti i preferiranim vrijednostima resursa, kao i na neizvjesnost u posljedicama odabira jedne ili druge alternative. Sada se ova metoda koristi ne samo u planiranju okoliša, već iu drugim područjima.

2.9 Ciljno programiranje (CPU/GP)

Metoda ciljanog programiranja koristi se za rješavanje problema MKO i temelji se na rangiranju kriterija prema njihovoj važnosti za donositelje odluka. Glavni zadatak pronalaženja rješenja uključuje nekoliko uzastopnih podzadataka za optimizaciju svakog od kriterija. Pritom se takva optimizacija provodi prema funkciji cilja, a poboljšanje vrijednosti za jedan kriterij ne može se postići na račun pogoršanja vrijednosti važnijim kriterijem. Dakle, konačni rezultat će biti otkriće najboljeg rješenja problema. Obično se metoda ciljnog programiranja primjenjuje na rješavanje linearnih problema. Istodobno, njegova razlika od metode linearnog programiranja leži u formalizaciji mnogih ciljeva ne kao ciljnih funkcija, već kao ograničenja. Stoga se pri korištenju metode trebaju odrediti željene vrijednosti ciljnih funkcija i ona varijabilna odstupanja od tih vrijednosti koja odražavaju stupanj postizanja glavnog cilja potrage za rješenjem.

2.10 Teorija višekriterijske korisnosti (MAUT)

Teorija višekriterijske korisnosti jedna je od najpopularnijih aksiomatski opravdanih metoda. Ovu teoriju razvili su R. Keaney, G. Rife, P. Fishburne. Teorija se temelji na aksiomima koji opisuju preferencije donositelja odluka i grafički su prikazani kao funkcija korisnosti. Najšire primjenjiva aksiomatika korisnosti u višeobjektivnom okruženju uključuje aksiome:

Potpuna usporedivost

tranzitivnost

Topljivost

Neovisnost po želji

Neovisnost prema korisnosti

Arhimed

Unatoč očitoj mukotrpnosti metode, važno je napomenuti da se ona može opravdati matematičkom opravdanošću pronađenih rješenja. Osim toga, metoda je primjenjiva pri ocjenjivanju bilo kojeg broja alternativa, a postupci dijaloga s donositeljima odluka u teoriji višekriterijske korisnosti su vrlo dobro razvijeni.

Glavni koraci metode uključuju:

1) Izrada popisa kriterija

2) Izgradnja funkcije korisnosti za svaki od kriterija

3) Provjera uvjeta koji određuju formu zajednička funkcija korisnost

4) Izgradnja odnosa između procjena opcija za svaki od kriterija i ukupne privlačnosti opcije za donositelje odluka

5) Procjena svih dostupnih opcija i odabir najbolje opcije

2.11 Višekriterijski Q- ALIanaliza (MCQA)

Ova metoda višekriterijske analize koristi se za formiranje učinkovite procedure dijaloga između sukobljenih strana. MCQA-I, MCQA-II i MCQA-III omogućuju rangiranje kriterija za ocjenjivanje alternativa prema važnosti, a samih alternativa prema privlačnosti za donositelje odluka. Q-analizu je razvio Ronald Atkin (1974, 1977) kao pristup proučavanju strukturnih karakteristika društvenih sustava u kojem su dva skupa pokazatelja, značajki ili karakteristika međusobno povezana. Nakon toga, Q analiza je primijenjena u različitim područjima kao što su teorija šaha (Atkin i Witten, 1975.), fleksibilni proizvodni sustavi (Robinson i Duckstein, 1986.), natjecateljski sport (Gould i Gatrell, 1980.) i urbano planiranje (Beaumont, 1984. ). Q analiza je priznato korisno sredstvo u ekološkim studijama, na primjer u procjeni riječnih ekosustava (Casti i sur., 1979.) iu proučavanju odnosa grabežljivca i plijena (Casti, 1979.). Q analiza je također korištena u kliničkoj psihologiji (Macgill i Springer, 1984), geologiji (Griffiths, 1983), istraživanju transportnih sustava (Johnson, 1976), distribuciji vode (Duckstein, 1983) i nizu drugih konteksta (Casti, 1979) . Q analiza se pokazala posebno korisnom u rješavanju problema povezanih sa složenim sustavima, na primjer, modeliranje medicinskih slika. Ovaj pristup zahtijeva rigoroznu definiciju skupova podataka i njihovih odnosa, te zahtijeva istraživanje implikacija njihove međusobne povezanosti unutar sustava. Nakon uspostavljanja približno točnih skupova podataka i ispitivanja njihovih odnosa, Q analiza uključuje prilično jednostavne izračune koji ne zahtijevaju dodatne informacije o sustavu. Metoda Q analize pruža algebarsku topografsku infrastrukturu za redukciju podataka, pomažući u pojednostavljenju koncepata dizajna makroskopskog sustava. U tu svrhu moguće je definirati i interpretirati pokazatelje poput stupnja povezanosti, decentralizacije i složenosti. Pristup Q analizi također omogućuje sređivanje informacija. Q analiza se također može povezati s analizom dinamike ponašanja generirane iz strukturne matrice (koja se naziva pozadina); ova vrsta studija (nazvana promet) oslanja se na disciplinu koja se obično naziva poliedralnom dinamikom (Casti i sur., 1979.; Johnson, 1981.).

2.12 Vjerojatna metoda razvoja kompromisa (PROTR)

Ova metoda višekriterijske optimizacije uglavnom se koristi za rješavanje nelinearnih problema na temelju preferencija donositelja odluka. Metoda uključuje konstrukciju pojedinačnih funkcija korisnosti kako bi se pronašlo najbolje rješenje problema.

Postupak traženja rješenja sastoji se od 12 uzastopnih faza:

1) Razvoj vektora ciljnih funkcija

2) Razvoj vektora vrijednosti najboljih i najgorih kriterija

3) Formulacija supstitucijske funkcije

4) Dobivanje početnog rješenja maksimiziranjem ove funkcije i razvojem vektora cilja na temelju nje

5) Definicija višekriterijske funkcije korisnosti

6) Formuliranje nove supstitucijske funkcije

7) Generiranje alternativnog rješenja maksimiziranjem nove zamjenske funkcije i razvoj vektora cilja na temelju nje

8) Razvoj vektora koji povezuje ciljne vrijednosti vektora s vjerojatnošću njihovog postizanja

9) Donošenje odluke donositelja odluke da li su sve vrijednosti kriterija zadovoljavajuće. Ako je odgovor da, tada je rezultirajući vektor rješenje problema, ako nije, tada se izvodi korak 10

10) Odabir vektora u kojem je odnos ciljne vrijednosti s vjerojatnošću njezina postizanja najnezadovoljavajući i definicija nove vjerojatnosti

11) Stvaranje novog skupa valjanih vrijednosti

12) Formuliranje nove supstitucijske funkcije i ponavljanje ciklusa od 6. do 12. stupnja potreban iznos jednom.

2.13 Zajonc-Walleniusova metoda (Z-W)

Zajonc-Walleniusova metoda temelji se na postupku sužavanja skupa vrijednosti vektora težine.

Koraci ovog postupka mogu se opisati na sljedeći način:

1) Razvoj vektora težine

2) Izračun vrijednosti globalnog kriterija (vrijednost u pravilu odgovara jednom od vrhova poligona koji čini skup valjanih vrijednosti)

3) Izračunavanje vrijednosti pondera kriterija u susjednim vrhovima, pod kojima ovaj vrh može biti optimalno rješenje

4) Proračun vrijednosti vektora procjena u ovim vrhovima za svaki od kriterija

5) Parna usporedba vektora kriterija donositelja odluka

6) Formiranje ograničenja na vrijednosti pondera kriterija na temelju prosudbi donositelja odluka

7) Određivanje središnje točke u rasponu prihvatljivih težina

8) Ponovite ciklus 2-8

Prilikom usporedbe, donositelj odluke može izraziti sljedeće prosudbe:

Poželjniji je susjedni kriterijski vektor;

Inicijalni kriterijski vektor je poželjniji;

Nema jasne preferencije.

Dakle, pretraga je sustavna, što rezultate čini najobjektivnijim.

2.14 STEM metoda

STEM metoda je iterativni postupak traženja rješenja u kojem se nakon nekoliko iteracija postiže najbolje rješenje. Svaki ciklus uključuje računsku fazu i fazu donošenja odluka, odnosno uključuje interakciju između analitičara i donositelja odluke.

Metoda se temelji na minimiziranju Čebiševljeve udaljenosti od idealne točke na prostoru rješenja. Parametri koji definiraju formulu udaljenosti i mjerljivi prostor mogu se mijenjati metodom normalizacije težine na temelju preferencija donositelja odluka izraženih u prethodnoj fazi potrage za rješenjima. Postupak pretraživanja omogućuje donositelju odluke odabir dobre odluke te odrediti relativnu važnost kriterija. U svakoj iteraciji donositelj odluke može poboljšati vrijednosti alternativa prema nekim kriterijima, popuštajući drugima. Istodobno, donositelj odluke mora za svaki kriterij navesti maksimalno prihvatljivi iznos koncesije. Za provedbu sljedeće iteracije, nakon što je primio odluku, donositelj odluke mora izraziti svoje preferencije u pogledu onih kriterija za koje želi poboljšati vrijednost i onih za koje je vrijednost za njega već zadovoljavajuća.

2.15 SWT metoda

SWT metoda je višekriterijska metoda optimizacije koja omogućuje pronalaženje svih potrebnih Pareto-optimalnih rješenja prema vektoru optimizacije problema. Pri korištenju metode mora se uzeti u obzir da se u modeliranju, definiranju, evaluaciji, usporedbi često suprotstavljenih kriterija ulogu analitičara sustava ne treba miješati s ulogom donositelja odluka. Iako je analitičar odgovoran za generiranje Pareto-optimalnih rješenja i odgovarajućih vrijednosti alternativa, on nema slobodu određivati ​​prihvatljive i preferirane ustupke prema različitim suprotstavljenim kriterijima. Donositelj odluke odgovoran je za izražavanje preferencijalnih prosudbi na temelju računske analize koju je izvršio analitičar. Štoviše, kada je bilo koji skup vrijednosti kriterija već dobiven, puno je lakše od donositelja odluke dobiti procjenu relativne vrijednosti koncesije (povećanje ili smanjenje vrijednosti) između dva kriterija nego procjenu njihove apsolutne prosječne vrijednosti.

2.16 PROMETHEE metoda (PRM)

PROMETHEE je dobro osmišljen sustav za podršku odlučivanju koji vam omogućuje procjenu i odabir alternative iz skupa na temelju kriterija koji odražavaju prednosti i nedostatke alternativa, a također vam omogućuje rangiranje tih alternativa prema njihovoj privlačnosti za donositelje odluka.

PROMETHEE ne zahtijeva stroge prosudbe o stvarnoj strukturi preferencija donositelja odluka. Pri ocjenjivanju alternativa ključna je zadaća dobiti informacije o tome je li neka alternativa barem jednako privlačna kao druga. Na temelju takozvanih odnosa preferencija, koji se utvrđuju u prvom koraku, vrši se rangiranje alternativa.

Razmotrite glavne korake:

1) Definiranje funkcije preferencije

Polazna točka je formiranje matrice ocjenjivanja koja odražava privlačnost alternativa za svaki od kriterija. Na temelju informacija sadržanih u matrici bodovanja, alternative se uspoređuju u parovima s obzirom na svaki od kriterija. Rezultati su izraženi funkcijama preferencija koje se izračunavaju za svaki par opcija i mogu se kretati od 0 do 1. Dok 0 označava da nema razlike između opcija, 1 znači veliku razliku.

2) Procjena stupnja sklonosti opcijama

Matrica ukupne vrijednosti sastavlja se na temelju vrijednosti dobivenih množenjem vrijednosti alternativa za svaki kriterij s težinom odgovarajućeg kriterija. U ovoj matrici, zbroj svih vrijednosti u nizu odražava stupanj dominacije (privlačnosti) alternative. Zbroj svih vrijednosti u stupcu pokazuje koliko je alternativa potisnuta od strane drugih. Linearni rang može se dobiti oduzimanjem subdominantne vrijednosti od dominantne.

Donositelj odluke mora postaviti težine kriterija i odabrati funkciju preferencije. PROMETHEE ne podrazumijeva poseban način određivanja ovih pondera, već pretpostavlja da donositelj odluke može ispravno postaviti pondere, barem kada broj kriterija nije prevelik. Definicija faktora težine uvijek je subjektivna. Stoga analiza osjetljivosti, koja odražava koliko odabrani ponderi utječu na rezultat, postaje važan dio procesa donošenja odluka.

U okviru PROMETHEE metode razvijeni su različiti alati i moduli. Sljedeća 3 alata mogu biti posebno korisna za analizu problema procjene:

PROMETHEE I za djelomičnu evaluaciju alternativa,

PROMETHEE II za puni rang,

GAIA za vizualiziranje rješenja.

3. Izrada klasifikacije metoda

Problem odabira najprikladnije višekriterijske metode za primjenu na određenu situaciju je sam po sebi problem s više kriterija, budući da postoji nekoliko kriterija odabira i oni su inherentno kontradiktorni (AI-Shemmeri et al., ). Stoga navedene metode treba vrednovati prema relevantnim kriterijima kako bi se mogle usporediti. Za utvrđivanje ovih kriterija potrebno je razmotriti aspekte koji uzrokuju razlike u primjeni metoda. Uobičajeno je izdvojiti sljedeće aspekte ili grupe kriterija (Mollaghasemi i Pet-Edwards, ):

1) Karakteristike zadatka

2) Karakteristike donositelja odluke

3) Karakteristike dobivene otopine

Najprikladnija metoda za primjenu u određenoj situaciji je ona čija tehnika najbolje odgovara karakteristikama problema koji se rješava i donositelju odluke, a dobiveni rezultati mogu biti ispravno interpretirani i korisni donositelju odluke.

Dakle, petnaest metoda prihvaćenih za razmatranje treba vrednovati prema nekim kriterijima koji opisuju tri odabrana aspekta. Svaki aspekt (skupina kriterija) u ovom radu posvećen je odgovarajućem dijelu koji daje opis kriterija i tablicu usporedbe metoda prema tim kriterijima. Procjena metoda temelji se na usporedbi MMRM u radovima Aregai Teclea i Ozernoyja V.M. , kao i osvrt na primjenu metoda za rješavanje praktičnih problema u djelima Bardossyja , Khalilija , Bransa i drugih.

3.1 Procjena sukladnosti metoda s karakteristikama problema koji se rješava

Prije svega, potrebno je utvrditi korespondenciju primijenjene metode karakteristikama problema koji se razmatra. Višekriterijski zadaci mogu se opisati s nekoliko parova međusobno isključivih karakteristika. Na primjer, ako je problem problem matematičkog programiranja, tada se rješenje može dobiti sustavnim traženjem mogućih alternativa u dopuštenom skupu odluka, dok problemi analize odluka obično pretpostavljaju postojanje konačnog i relativno malog broja alternativa, tj. čija procjena vodi do učinkovitog rješenja. Drugi par međusobno isključivih karakteristika, koji odražava dostupnost kvantitativnih i kvalitativnih informacija potrebnih za rješavanje problema MCO, također može biti od velike važnosti pri odabiru odgovarajućeg MMRM. Ako problem uključuje kvalitativne kriterije, tada se za njegovo rješavanje ne mogu koristiti tehnike matematičkog programiranja. Dinamička priroda zadatka također uvelike ograničava skup primjenjivih metoda, budući da postoji samo nekoliko MMRM-ova koji podržavaju ovu vrstu zadatka (Szidarovszky i Duckstein, , ). Opseg problema, mjeren brojem kriterija i alternativa, nameće stroga konceptualna i računska ograničenja na skup dostupnih metoda. I konačno, strukturne odnose između parametara problema, koji opisuju njegovu linearnost ili nelinearnost, također treba uzeti u obzir pri usporedbi metoda, budući da su mnogi MMRM dizajnirani isključivo za rješavanje problema linearnog programiranja.

Dakle, ocjenu primjenjivosti MMRM-a u skladu s karakteristikama problema koji se rješava treba provesti pozitivnim ili negativnim odgovorom na šest pitanja o sljedećim mogućnostima MMRM-a:

1) Rješavanje problema koji sadrže kvalitativne kriterije

2) Izbor između konačnog broja alternativa

3) Rješavanje nelinearnih problema

4) Rješavanje problema velikih razmjera (s velikim brojem kriterija i alternativa)

5) Rješavanje problema s beskonačnim brojem alternativa

6) Rješenje dinamičkih problema

U tablici usporedbe MMRM-a prema primjenjivosti u skladu s karakteristikama problema koji se rješava (vidi tablicu 3.), pozitivni i negativni odgovori na gornja pitanja prikazani su u binarnom obliku, odnosno brojevima 1 i 0. . Radi jasnoće, ćelije s pozitivnim odgovorom označene su bojom. Evaluacija se temeljila na iskustvu primjene MMRM od strane autora mnogih znanstvenih radova i stručnjaka iz područja MCO, kao što su Aregai Tecle, Gershon i Duckstein, Brans, Brink i sur. (1986), Khalili i sur.

Tablica 3. Tablica korespondencije metoda s karakteristikama problema

	Kvalitativna obrada informacija	Nelinearni problem	veliki izazov	Dinamički zadatak	Beskonačan broj alternativa	Konačan broj alternativa

3.2 Procjena sukladnosti metoda sa karakteristikama donositelja odluka

Naravno, potrebno je razmotriti i usklađenost primijenjene metode sa mogućnostima donositelja odluka. Stupanj uključenosti donositelja odluka u interaktivni proces donošenja odluka i količina vremena u kojem donositelj odluke može biti dostupan za interakciju iznimno su važne karakteristike koje mogu ozbiljno ograničiti skup prikladnih MMRM-ova. Osim toga, važno je uzeti u obzir sposobnost donositelja odluka da naznači svoje preferencije prije početka procesa pronalaženja najboljeg rješenja. Ako se preferencije ne mogu izraziti, onda se posteriorne metode, za koje se prije početka traženja rješenja moraju dobiti potrebne informacije o preferencijama, ne mogu smatrati prikladnima za rješavanje ovog problema.

Stupanj razumijevanja principa funkcioniranja MMRM-a donositelja odluka također može ograničiti njihovu upotrebu. Metode koje zahtijevaju posebna znanja u području MCO-a mogu biti manje privlačne donositeljima odluka od intuitivnih metoda, uglavnom zbog složenosti interpretacije dobivenih rezultata. Na primjer, primijeniti SWO metodu, ozbiljno profesionalni trening u području CIE, dok metoda ELECTRE, naprotiv, ne zahtijeva praktički nikakva posebna znanja, već se koristi samo s diskretnim vrijednostima.

Štoviše, treba uzeti u obzir i karakteristike koje se izravno odnose na analitičara (specijalista iz područja MKO) koji je odgovoran za rješavanje zadatka. Na primjer, potrebno je utvrditi ima li analitičar posebna znanja u korištenju softverskih proizvoda za podršku odlučivanju.

Rezultati usporedbe MMRM-a u smislu primjenjivosti u skladu sa karakteristikama donositelja odluka prikazani su u tablici 4. (vidi tablicu 4.). Procjena je napravljena na skali od 1 do 10. Radi jasnoće, ćelije koje sadrže najviše vrijednosti za svaki od kriterija su istaknute bojom.

Tablica 4. Tablica korespondencije metoda s karakteristikama donositelja odluka

	Potrebna razina znanja donositelja odluka iz područja MKO	Stupanj interakcije s donositeljima odluka	Dostupno DM vrijeme	Potrebna količina informacija o preferencijama donositelja odluka	Potrebna razina kompetencije specijalista iz područja MKO
	magistarski rad, dodan 26.04.2011 Klasifikacija metoda analize po skupinama. Prikupljanje i pohranjivanje informacija potrebnih za donošenje odluka. Priprema rezultata operativne i intelektualne analize za njihovu učinkovitu percepciju od strane potrošača i na temelju toga donošenje adekvatnih odluka. kontrolni rad, dodano 15.02.2010 Analiza sličnih razvoja u području izgradnje "sustava pomoći pri odabiru". Bit višekriterijalnog pristupa. Tehnologija razvoja korisničkog sučelja. Planiranje razvoja programa različitim metodama. Izgradnja mrežnog grafa. rad, dodan 26.01.2013 Klasifikacija informacijskih sustava za upravljanje djelatnostima poduzeća. Analiza tržišta i karakteristike sustava klase Business Intelligence. Klasifikacija metoda odlučivanja koje se koriste u DSS-u. Odabir platforme za poslovnu inteligenciju, kriteriji za usporedbu. rad, dodan 27.09.2016 Obilježja metoda za rješavanje sustava linearnih algebarskih jednadžbi, glavne vrste numeričkih metoda i korištenje programskog proizvoda Delphi 5.0 kao najučinkovitijeg. Bit metoda Gauss-a, Gauss-Jordana i Jacobija, značajke metode Seidel. seminarski rad, dodan 25.06.2010 Principi računalne steganografije. Klasifikacija metoda skrivanja informacija. Popularnost metode zamjene najmanje značajnog bita. Bit metode proširenja palete i sakrivanja blokova. Primjena metoda na GIF slike. Implementacija algoritama. seminarski rad, dodan 17.02.2013 Kratak opis kontrolnog objekta, pregled i analiza postojećih analoga koji provode njegove funkcije. Razvoj arhitekture softverskog sustava, testiranje i procjena učinkovitosti aplikacije. Postavljanje i korištenje softverskog proizvoda. seminarski rad, dodan 05.02.2015 Kompleksi čovjek-stroj posebno dizajnirani za donošenje odluka. Proces donošenja odluka i njegove faze. Metode pronalaženja novih rješenja: stablo odlučivanja, morfološke tablice, konferencije ideja. Načelo matematičkog vrednovanja trendova. seminarski rad, dodan 30.07.2009 Pregled arhitekture DBMS SQL Servera. Opišite i analizirajte područja u kojima se koriste alati poslovne inteligencije, kao što su višedimenzionalna analiza podataka i rudarenje podataka. Pregled jezični alati, metode i eksperimentalna primjena dobivenih informacija. rad, dodan 09.07.2014 Struktura sustava višekriterijskog upravljanja sigurnošću tehnogenog objekta. Razmatranje međuodnosa sigurnosnih podsustava. Stručne metode odlučivanja temeljene na usporedbi višekriterijalnih alternativa. Bit pristupa analitičke hijerarhije.