Strokovne metode odločanja. Interaktivne metode

Učbenik obravnava metode sprejemanja menedžerskih odločitev v različnih problematičnih situacijah, ki se pojavljajo v gospodarskih sistemih. Podani so osnovni pojmi, klasifikacija problemov in ustrezne metode za njihovo reševanje, metode njihovega strukturiranja in opisa. Pomembna pozornost je namenjena avtomatizirani podpori za postopke odločanja in naloge v mehkih pogojih. Posebnost publikacije je način reševanja tipične naloge z utemeljitvijo metod za izbiro racionalne rešitve.
Učbenik je pripravljen v skladu s programom predmeta »Menedžment odločitve«, ki je del specialnosti »Menedžment organizacij in javnih občine". Zasnovan za študente ekonomskih specialnosti vseh oblik izobraževanja, je lahko koristen za vse, ki jih zanimajo problemi učinkovitega odločanja v upravljanju, poslovanju in proizvodnji. Priporočil Svet Izobraževalno-metodološkega združenja ruskih univerz za izobraževanje na področju menedžmenta kot učbenik za specialnost "Upravljanje organizacije".

Pogoste težave sprejemanje vodstvenih odločitev.
Znanstvene osnove teorije odločanja kot odseka splošne teorije sistemov in sistemska analiza so bile ustanovljene med drugo svetovno vojno. Njena ustanovitelja sta J. von Neumann in O. Morgenstern, ki sta leta 1944 objavila gradiva o novi smeri – teoriji iger. Kasneje so tuji strokovnjaki R. Ackoff, F. Emery, St. Optner, R. Lewis, X. Rife, St. Beer, J. Forrester in drugi, pa tudi domači - A. G. Vendelin, D. M. Gvishiani, O. I. Larichev, I. M. Syroezhin in drugi so pomembno prispevali k razvoju in obogatitvi te teorije.

Vsaka vodstvena dejavnost, tudi na področju ekonomije, managementa in marketinga, je tesno povezana s sprejemanjem ustreznih odločitev o različnih situacijah upravljanja.

Zato v splošnem primeru odločitev razumemo kot niz vodstvenih vplivov (dejanja s strani odločevalca (DM)) na objekt (sistem, kompleks itd.) upravljanja, ki omogoča ta predmet v želeno stanje ali doseči zastavljeni cilj.

Proces odločanja (DP) je ena od stopenj dejavnosti upravljanja, na katerem je iz izvedljivega nabora rešitev izbrana najbolj zaželena rešitev ali pa je nabor rešitev urejen po njihovi pomembnosti.

Kazalo
Uvod
Oddelek 1. Splošni problemi sprejemanja vodstvenih odločitev
Poglavje 1. Problemi odločanja pri upravljanju gospodarskih sistemov
1.1. Splošni problemi menedžerskega odločanja
1.2. Modeliranje procesov upravljanja
1.3. Model predstavitve informacij v upravljanju gospodarskih sistemov
1.4. Model informacij v procesu odločanja
1.5. Učinkovitost upravljanja v sodobnih razmerah
1.6. Odločanje v edinstvenih problemskih situacijah
Poglavje 2. Osnovni pojmi in kategorije teorije odločanja
2.1. Osnovne definicije in postavitev problema odločanja
2.2. Klasifikacija problemov odločanja
2.3. Klasifikacija poslovodnih odločitev
3. poglavje Tehnologija odločanja
3.1. Oblikovanje in vrednotenje odločitev
3.2. Priprava na izbiro rešitve
3.3. Tehnološki proces odločanje
3.4. Modeliranje postopkov odločanja
Poglavje 4. Opis in analiza problemske situacije
4.1. Metode za opis problemske situacije
4.2. Postopki analize problemske situacije
4.3. Naloga merjenja značilnosti problemske situacije
4.4. Metode subjektivnih meritev lastnosti
4.5. Izbirna merila: metode za oblikovanje integralnega merila
Razdelek 2. Metode odločanja v strukturiranih problemskih situacijah
5. poglavje Odločanje v strukturiranih situacijah
5.1. Metode za reševanje problemov, kot je /. Poiščite optimalno rešitev
5.2. Analitična rešitev problema linearne optimizacije (simplex metoda)
5.3. Avtomatizirana rešitev problema linearne optimizacije (Excel)
5.4. Metode reševanja problemov tipa JA. Načelo zajamčenega rezultata
5.5. Načelo optimizma (Maximax)
5.6. Hurwitzovo načelo
5.7. Savageovo načelo (minimaksno obžalovanje)
Poglavje 6
6.1. Odločanje v problemih tipa G
6.2. Izbirni postopek v strukturiranih problemih tipa GA
7. poglavje
7.1. Primer 1
7.2. Primer 2
7.3. Računalniška rešitev izbirnega problema
Razdelek 3. Metode za reševanje kompleksnih problemskih situacij
8. poglavje
8.1. Izjava in vrste večkriterijskih nalog
8.2. Metode reševanja večkriterijskih problemov z nestrukturiranimi kriteriji
8.3. Metode za analitično konstrukcijo metrike razdalje
9. poglavje
9.1. Utemeljitev načina izbire naložbene odločitve
9.2. Izbira najboljšega projekta z leksikografsko metodo
9.3. Izbira projekta na podlagi premične idealne metode
9.4. Naloga izbire opreme
10. poglavje
10.1. Metoda ciljnega drevesa (metoda analize hierarhije)
10.2. Reševanje problemov z metodo analize hierarhije
11. poglavje
11.1. Uporaba metod optimizma, pesimizma, Hurwitz, Savage
11.2. Uporaba metode "premikanega ideala".
11.3. Uporaba metode analize hierarhije
12. poglavje
12.1. Primer 1 Rešitev
12.2. Rešitev primera 2
Razdelek 4. Metode za sprejemanje odločitev v nestrukturiranih situacijah
13. poglavje
13.1. Problemi izbire pod tveganjem in negotovostjo
13.2. Klasifikacija negotovosti pri problemih vodenja
13.3. Odločanje v pogojih verjetnostne gotovosti (tveganje)
13.4. Metode za analizo posledic dogodkov in drevesa odločitev
13.5. Izbirne metode pod popolno ali delno negotovostjo
Oddelek 5. Strokovne (skupinske) metode izbire pri kompleksnih problemih odločanja
14. poglavje
14.1. Postavitev in formalizacija problemov skupinskega odločanja (problemi tipa G)
14.2. Klasifikacija problemov izbire skupine
14.3. Metodologija za izvedbo postopka izbire skupine
15. poglavje
15.1. Metode odločanja skupine strokovnjakov
15.2. Vrste skupinskih odobritev strokovnih odločitev
16. poglavje
16.1. Metode skupinskega usklajevanja pri odločanju
16.2. Model skupinskega ocenjevanja predmetov izbire
16.3. Modeli za ujemanje strokovnih ocen
17. poglavje
17.1. Ocena stopnje strokovne usposobljenosti
17.2. Primer reševanja problema tipa GA
Oddelek 6. Avtomatizacija postopkov odločanja
18. poglavje
18.1. Zahteve in namen sistemov za podporo odločanju
18.2. Funkcije sistemov za podporo odločanju
18.3. Tehnologija uporabe sistemov za podporo odločanju
19. poglavje
19.1. Značilnosti, značilnosti in izvedba ekspertnih sistemov
19.2. Delo s tipičnimi situacijami upravljanja (modul standardnih situacij ES)
19.3. Logična struktura informacijskega sklada in algoritem delovanja WSN modula
19.4. Struktura podpornega sistema modela.

stran 1

ANALIZA MEDICINSKIH INFORMACIJSKIH SISTEMOV ZA ZDRAVSTVENE IN PREVENTIVNE USTANOVE SANATORIČNEGA TIPA.

Informatizacija dejavnosti zdravstvenih zavodov je že dolgo nujna. Obdelava nizov finančnih, medicinskih in statističnih informacij, ki se nenehno povečuje, je postala mogoča le z uporabo sodobnih informacijskih in računalniških tehnologij. Ne samo, da se je povečal obseg informacij, temveč so se povečale tudi zahteve po hitrosti njihove obdelave. Organizacije na višji ravni vsako leto povečajo zahteve za prenos tako imenovanih »elektronskih poročil« (tj. v elektronski obliki). Vloga elektronske izmenjave podatkov med zdravstvenimi subjekti z uporabo elektronske pošte in interneta vztrajno narašča.

Trenutno je vsaka zdravstvena ustanova (ZZU) v takšni ali drugačni meri pokrita z informatizacijo. Večinoma so to lokalni, med seboj nepovezani sistemi avtomatizacije za različna področja dejavnosti zdravstvenih ustanov. V praksi informatizacija regijskega zdravstva zajema le finančno-gospodarske službe zdravstvenih ustanov: računovodstvo, plansko-ekonomski oddelek, zavarovalniško medicino. Za izboljšanje kakovosti in razpoložljivosti zdravstvena oskrba v zdravstvenih ustanovah je treba izvesti kompleksno avtomatizacijo vseh vrst dejavnosti v zavodu.

Danes trg medicinskih informacijskih sistemov (MIS) ponuja dovolj različne rešitve v širokem cenovnem razredu in z različnimi funkcionalnostmi. V okviru študije smo pregledali 30 medicinskih informacijskih sistemov. Od tega je 12 izdelkov ukrajinskega proizvajalca, 18 ruskih. Večina sistemov, in sicer 13, je specializiranih za sanatorije.

Namen naše študije je bil primerjati zdravstvene informacijske sisteme za zdravstvene in preventivne ustanove sanatorijskega tipa po splošno sprejetih kriterijih in določiti optimalnega s pomočjo teorije reševanja večkriterijalnih nalog.

Izbira optimalnega sistema je bila izvedena z vidika kupca glede na podatke, ki so na voljo v odprtem omrežju. Ta problem je bil rešen z metodo "premikanega ideala". Ta metoda, opisana v , je zasnovana za reševanje nalog za izbiro optimalnega predmeta v primeru veliko število predmeti in primerjalni kriteriji.

Študija je primerjala 19 medicinskih informacijskih sistemov, najdenih v odprtih virov najbolj podrobne informacije. Primerjava sistemov je bila izvedena po splošno sprejetih merilih za primerjavo. in sicer:

popolnost funkcionalnosti sistema;

Cena programa (za eno delovno mesto);

· potreba po naložbah v pridobitev sistema za upravljanje baz podatkov (DBMS);

stroški DBMS;

· prilagoditev zakonodaji Ukrajine.

Metoda "premikanega ideala" deluje z značilnostmi objektov, ki so izražene v številkah, zato smo kvalitativne kriterije za primerjavo sistemov pretvorili v številke (tabela 1).

Tabela 1. Pretvorba primerjalnih meril v digitalno obliko.

Metoda je zasnovana tako, da izbere enega ali podmnožico najbolj zaželenih predmetov. Značilnosti metode so:

prisotnost postopka za oblikovanje "idealnega" predmeta ( AT + ), ki služi kot nekakšen cilj, za katerega si je treba prizadevati. Takšen “ideal” praviloma ni dosegljiv in v resnici ne obstaja, vendar ga je koristno imeti, da odločevalec razume svoje cilje;

pri vsaki ponovitvi so predmeti, ki ne trdijo, da so najbolj zaželeni, izključeni, t.j. »najboljši« predmeti niso izpostavljeni, »najslabši« pa so izločeni.

Na splošno je algoritem metode naslednji ( riž 2.2 ): Prevladujoči predmeti so najprej izključeni, saj med njimi ne more biti najbolj zaželenega.

Nastane "idealni" objekt AT +(1) od najbolj zaželenih vrednosti kriterijev in "antiideal" od najmanj zaželenih vrednosti. Določene so razdalje od objektov od prvotnega niza do »antiideala«, na podlagi katerih se izberejo »najslabši« objekti. Med takšnimi predmeti so praviloma predmeti, ki imajo eno najbolj prednostno vrednost (predmeti AT 1 in AT 6 na riž 2.2 ).

Po izključitvi "najslabših" predmetov ponovno nadaljujemo na stopnjo "idealne" formacije in se spremeni (na sliki je to AT +(2) ) približevanje resničnim predmetom.

Postopek se konča, ko ostane manjše število predmetov, ki veljajo za najbolj zaželene.

Opozoriti je treba, da pri primerjavi realnih predmetov z »idealnim« odločevalec postane nezadovoljen zaradi nedostopnosti oblikovanega »ideala«. To nezadovoljstvo se imenuje konflikt pred odločitvijo.

Po izbiri najbolj zaželenega predmeta odločevalec postane nezadovoljen zaradi dejstva, da je bil izbran prav ta objekt in ne drug. To nezadovoljstvo se imenuje konflikt po razrešitvi.

Pri prvih ponovitvah metode prevlada konflikt nad rešitvijo. Pri naslednjih ponovitvah se »ideal« približa resničnim objektom in konflikt pred odločitvijo se zmanjša. Vendar se konflikt po odločitvi lahko poveča. To kaže na nezadostno poznavanje problema, ki ga rešuje, odločevalec.

Podrobno razmislimo o algoritmu metode, katere blok diagram je prikazan v sl.2.3.

Naj izvirni nabor predmetov vključuje P predmeti. Vsi kriteriji k j (j=l,…, m) merjeno na lestvici intervalov ali razmerij.

Na prvi stopnji se oblikuje "idealni" objekt
, kje – največja prednostna vrednost kriterija med vsemi objekti, t.j.
če se preferenca predmeta povečuje z naraščanjem k j , oz
če se preferenca predmeta poveča, ko se kriterij zmanjšuje. Če "ideal" pripada naboru predmetov, bo najbolj zaželen. Ker pa je MCZ običajno rešen na množici učinkovitih objektov, »idealni« objekt ne bo pripadal izvirnemu naboru.

Na isti stopnji se oblikuje "najslabši" objekt
najmanj zaželenih vrednosti.

Na drugi stopnji se prehod s fizičnih merskih enot meril na relativne enote izvede v skladu z izrazom:

V relativnih enotah se bodo vsi kriteriji spremenili v intervalu , medtem ko manj , teme bližji predmet po kriteriju k j do "anti-ideala".

Prvi dve stopnji se izvedeta samodejno brez sodelovanja odločevalca. Na tretji stopnji odločevalec na podlagi svojih sodb o pomembnosti meril določi uteži meril. W j (j = 1,...,m).

V primeru težav lahko odločevalec uporabi informacijski pristop za ugotavljanje pomembnosti kriterijev.Na naslednji, četrti, stopnji se izračunajo razdalje objektov do »antiideala«. Kot meritev se uporablja naslednji izraz:

(2.2)

Uporaba v ( 2.2 )različno R, lahko dobite različne meritve. Da, pri p= 1, dobimo aditivni operater in kdaj
(2.2 ) gre v
.Večja kot je vrednost , dlje je objekt od »antiideala« in bližje »idealu«.

Z Treba je opozoriti, da se lahko druge metrike uporabijo kot metrika za primerjavo predmeta z "idealnim". operaterji združevanja.

Na naslednji, peti, stopnji postavljamo drugačne vrednosti R, odločevalec opredeli različne metrike za primerjavo z “idealno”. Na vsakem R, tj. za vsako metriko so vsi predmeti razvrščeni glede na bližino »idealne« vrednosti . odločevalec v dialogu, spreminjanje str,raziskuje vpliv različnih meritev na urejenost predmetov.

Nadalje, na šesti stopnji se odločevalec odloči, da izloči predmete, za katere se ne trdi, da so najbolj zaželeni. Očitno so to predmeti, ki z različnimi metrikami (različnimi R) so na koncu urejenih vrstic. Dejansko, če je ne glede na izbrano metriko predmet daleč od "idealnega", potem obstajajo vsi razlogi, da ga izključite.

Po izločitvi objektov se naslednja ponovitev začne z oblikovanjem "idealnega" objekta že na preostali podmnožici objektov.

Postopek se zaključi, ko po naslednji izjemi ostane manjše število predmetov, kar bo najbolj zaželeno.

Opozoriti je treba, da je pri vsaki ponovitvi priporočljivo analizirati razpršenost meril. Dejstvo je, da so med izključenimi predmeti praviloma predmeti, ki vključujejo največje in najmanjše vrednosti meril. Tako se pri vsaki ponovitvi območje spremembe meril zmanjša in zato se njihov razpršenost bistveno spremeni. Nato z uporabo informacijski pristop, lahko izpostavimo neinformativne kriterije in zaradi poenostavitve naloge izključimo takšne kriterije.

Za zaključek ugotavljamo, da je ta metoda najučinkovitejša za velike dimenzije problema.

- 275,50 Kb

Ministrstvo za izobraževanje in znanost Ruske federacije

FGOU HPE "Mordovijska državna univerza po imenu N. P. Ogaryov"

Fakulteta za matematiko

Oddelek za uporabno matematiko

POROČILO

Študentje 4. letnika Fakultete za matematiko

(posebnost "uporabna matematika in informatika")

Korovina A.V.

o prehodu industrijske prakse v tem obdobju

od 01.09.11 do 15.05.12

Strokovne odločitvene metode

Poročilo je sestavil Korovina A.V.

404 skupina, d/o

Poročilo je sprejel dr. Safonkin V.I.

Saransk

2012

1.	Uvod……………………………………………………………………………………..				3
2.	Rešitev večkriterijskih nalog…………………………………………………………..				4
	2.1.		Izjava večkriterijskih nalog ……………………………..........		4
	2.2.		Metode reševanja večkriterijskih problemov ……………………………		5
3.	Strokovne metode odločanja………………………………………………..				14
	3.1.		Faze strokovne ocene problemske situacije …………..
	3.2.		Postavitev problema za skupinske odločevalce ………………………………. .....
	3.3.		Vrste odobritve skupine ……………………………………………
		3.3.1.		diktatorsko načelo………………………………………………………
		3.3.2.		načelo glasovanja………………………………………………… …...
		3.3.3.		izvensistemska izbirna načela………………………………………...
	3.4.		Oblikovanje odločitev v skupinah ………………………………… …......
	3.5.		Obdelava rezultatov strokovnih ocen ………………………………
		3.5.1.		metode statistične obdelave strokovnih ocen…………….
4.		Zaključek………………………………………………………………………………………………
5.		Seznam uporabljene literature……………………………………………………………..

1. Uvod

V praksi upravljanja gospodarskih sistemov se pogosto pojavljajo takšne problemske situacije, za katere so informacije delno ali popolnoma neznane ali težko dostopne za opis problematične situacije ali jih ni mogoče dovolj natančno formalizirati. V tem primeru se tovrstni problemi običajno rešujejo s pomočjo vključene skupine strokovnjakov, ki analizirajo in ovrednotijo obstoječo problemsko situacijo ter ustvarijo določen nabor alternativ za njeno rešitev. Bistvo metode odločanja z vključevanjem strokovnjakov je pridobiti strokovne ocene posebej za vsakega strokovnjaka in oblikovati posplošeno mnenje o najboljšem objektu (rešitvi) za celotno skupino kot celoto.

Tehnologija reševanja problemov odločanja s strani skupine strokovnjakov je podobna tehnologiji izbire posameznika in vsebuje enake posplošene postopke in operacije: zavedanje in prepoznavanje problema, njegova analiza; informacijska priprava odločitev; iskanje in odločanje; izvajanje sklepov itd.

Razmislimo o ločenih postopkih skupinske izbire, ki označujejo posebnosti ekspertnih metod.

2. Reševanje večkriterijskih problemov

2.1. Izjava večkriterijskih nalog

Naloge odločanja se imenujejo večkriterijske, število meril za doseganje cilja je več kot dva:

K Ì (K 1 , K 2 , ..., K m ),

in za same naloge je značilno več alternativ:

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

Tabela 1.1.

Opisna matrika večkriterijske naloge

Predmeti (alternative)	Merila
Predmeti (alternative)	K1	K2	…	km
A 1			…
A 2			…
…	…	…	…	…
A n			…

Takšne naloge so običajno opisane z matriko, podano v tabeli. 1.1.

Matematična interpretacija večobjektivnega problema je, da so objekti predstavljeni s točko v kriterijskem prostoru (K 1 ,K 2 ,...,K m ). Težave, pri katerih se vrednosti meril diskretno spreminjajo, se imenujejo problemi diskretnega odločanja. Primer prikaza diskretnega problema za tri objekte v dvodimenzionalnem prostoru kriterijev (k 1 , k 2 ) je prikazan na sl. 1.1.

riž. 1.1.

Grafična interpretacija večkriterijskega problema

(3 predmeti, 2 kriterija)

Če se vrednosti kriterijev nenehno spreminjajo, potem problem spada v problem vektorske optimizacije. V tem primeru je grafična interpretacija takšnega problema predstavljena kot določeno področje v prostoru kriterijev.

Glede na zahtevano rešitev lahko večkriterijske probleme razdelimo v naslednje razrede:

izbirne naloge (izbor najbolj zaželenega predmeta);
evalvacijske naloge (ocena predmeta po integralnem kriteriju);
problemi določanja Pareto-optimalnih rešitev.

Za reševanje problemov, ki spadajo v različne razrede, so potrebne ustrezne metode reševanja. Razmislimo o številnih praktičnih metodah za reševanje večkriterijskih problemov.

1.2. Metode reševanja večkriterijskih problemov

V skladu s pristopi k reševanju večkriterijskih problemov obstajajo tri glavne skupine metod: leksikografski, interaktivni, aksiomatični.

Metode rešitve, povezane z prva skupina, temeljijo na predpostavki prevlade kriterijev. Problem se rešuje v več ciklih, na vsakem od katerih se izvedeta dve stopnji: razvrščanje kriterijev; izbiro predmeta sami pomembno merilo.

Co. druga skupina vključujejo predvsem metode in algoritme za izbiro najbolj prednostnega predmeta (rešitve), ki so predvsem interaktivni postopki, ki so odvisni od specifičnosti reševanja problema.

Metode tretja skupina(aksiomatske) določbe o uporabi, razvite v teoriji uporabnosti. Tukaj je treba določiti in nastaviti lastnosti implicitne preferencne funkcije, torej nastaviti strukturo preferenc, s katero upravljalec odločanja pri izbiri in ocenjevanju predmeta. Na podlagi identificiranih lastnosti se izbere neka analitična funkcija (funkcija uporabnosti), ki opisuje strukturo preferenc odločevalca. Hkrati bi moral biti odločevalec dobro seznanjen z vsebino naloge. Ta metoda je v primerjavi s prejšnjimi najbolj zamudna, vendar omogoča pridobivanje razumnejših ocen predmetov.

Oglejmo si podrobneje nekatere od teh metod.

Leksikografske metode. Pri reševanju nalog po tej metodi se kriteriji (k 1 , k 2 , ..., k m ) razvrstijo po stopnji pomembnosti, tako da se indeks 1 (rank) dodeli najpomembnejšemu kriteriju. Nadalje se postopek izbire predmetov izvaja po tem merilu. Preostali kriteriji (k 2 , k 3 , ..., k m ) so podvrženi tipskim omejitvam, znanim iz strukture problema: a 2 ≤ k 2 ≤ b 2 ; a 3 ≤ k 3 ≤ b 3 ; …; a m ≤ k m ≤ b m

Če kateri koli kriterij ne izpolnjuje navedenih omejitev, je izključen iz obravnave. Posledično se oblikuje nabor veljavnih predmetov (alternativ), na primer: pri izbiri hladilnika lahko kot merila nastavite naslednja merila:

k 1 - skupna prostornina (m 3);

k 2 - prostornina zamrzovalnik(m 3);

k 3 - moč (kW);

k 4 - cena (rubljev) itd.

Če po kriteriju k 1 ni mogoče enolično izbrati predmeta a iÎ In potem se izbira po naslednjem najpomembnejšem merilu - k 2 itd.

Stanje prevlado smiselno pomeni naslednje: če razvrstite predmete po kriteriju k 1, potem se ta vrstni red ne bo spremenil ob upoštevanju kriterijev k 2 , k 3 itd., torej je k 1 tako pomemben, da po pomembnosti prevladuje med vsemi drugi.

V skupini interaktivnih metod so najpogostejša načela izbire prednostni predmet(metoda »premikanega ideala«). Ta metoda vključuje veliko skupino algoritmov, ki izvajajo rešitev takšnih problemov. Skupne značilnosti, ki združujejo to metodo, vključujejo prisotnost »idealnega predmeta« in prisotnost presejalnih postopkov.

Pri oblikovanju »idealnega predmeta« je povsem možno, da njegova podoba morda ne pripada resničnemu nizu predmetov (A l , A 2 , ..., A n ) ali pa sploh ne obstaja. V tem primeru se predmeti iz množice (A l ,A 2 ,...,A n ) primerjajo z modelom oblikovanega idealnega objekta in pride do postopka presejanja. Pri gradnji modela »idealnega objekta« je pomembno uporabiti znanje in izkušnje uporabnika specialista (DM), saj ta bolj natančno razume lastnosti in parametre, vzete iz najboljših resničnih objektov in sestavljajo vsebino » idealen objekt«.

Za postopek presejanja je značilna izključitev iz začetnega niza objektov (A l , A 2 , ..., A n ) podmnožic, ki ne vsebujejo želenega najbolj prednostnega predmeta.

Na splošno je postopek za iskanje najbolj zaželenega predmeta sestavljen iz več stopenj.

Oblikovanje "idealnega objekta".
Analiza niza predmetov za vzpostavitev korespondence
"idealni objekt".
Interaktivna izključitev tistih objektov iz začetnega niza (A l ,A 2 ,...,A n ), ki so v analizi prepoznani kot očitno ne najboljši.
Pojdite na korak 1 za zmanjšan nabor predmetov.

Razmislite o primeru reševanja problema odločanja z uporabo metode premaknjenega ideala.

Primer 1

Opis problemske situacije S 0

Opis problema.

Določite najbolj obetaven CNC stroj za zagon v seriji.

Čas za PR: T = 1 teden.
Viri za PR: informacije o značilnostih strojev.
Merila (K):

K 1 - povprečni čas delovanja (s);

K 2 - zanesljivost časa med okvarami (tisoč ur);

K 3 - stroški stroja (tisoč rubljev).

Veliko omejitev (B).

Znani sta zgornja in spodnja meja za spremembo vrednosti kriterijev.

Veliko alternativnih možnosti.

Tabela 1.2

Variantna matrika

Opis dela

2.1.
Izjava večkriterijskih nalog………………………………………………..
4

2.2.
Metode reševanja večkriterijskih problemov……………………………
5
3.
Strokovne metode odločanje ………………………………………………………
14

3.1.
Faze strokovne ocene problemske situacije…………..

3.2.
Postavitev problema za skupinske odločevalce…………………………………………….

3.3.
Vrste odobritve skupine………………………………………………………

3.3.1.
načelo diktatorja……………………………………………………………………

3.3.3.
zunajsistemska načela izbire…………………………………………

3.4.
Oblikovanje odločitev v skupinah………………………………………………..

3.5.
Obdelava rezultatov strokovnih ocen…………………………………………

3.5.1.
metode statistične obdelave strokovnih ocen…………….

4.
Zaključek…………………………………………………………………………………

5.
Seznam uporabljene literature……………………………………………………………..

Pošljite svoje dobro delo v bazo znanja je preprosto. Uporabite spodnji obrazec

Študentje, podiplomski študenti, mladi znanstveniki, ki uporabljajo bazo znanja pri študiju in delu, vam bodo zelo hvaležni.

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

Uporaba metod večkriterijske analize poslovnih procesov

Uvod

večkriterijsko odločanje

V jedru moderna teorija Optimizacija poslovnih procesov je izbira najboljša alternativa organiziranje poslovnih procesov z izvedbo kvalitativne ali kvantitativne analize alternativ. Takšna analiza je pogosto večkriterij, saj je treba hkrati ocenjevati več kriterijev, ki so si lahko nasprotujoči, kot so stroški, kakovost, stroški, tveganje, učinkovitost itd. V vsakdanjem življenju je takšna izbira na podlagi več kriterijev običajno intuitivna, njene posledice pa so lahko za odločevalca (DM) povsem sprejemljive. Pri postavljanju poslovnih nalog pa intuicija ne more biti edino orodje odločanja, saj so takšne naloge veliko večje, v zelo konkurenčnem okolju pa morajo organizacije pridobiti najbolj objektivno oceno alternativ. Za pridobitev takšne ocene je potrebna temeljita študija vseh izbirnih meril, določitev odvisnosti med njimi in določitev prednostnih nalog.

Relevantnost Ta študija je posledica dejstva, da se pri analizi poslovnih procesov problemi zelo pogosto pojavljajo v večkriterijski obliki. Na primer, pri izbiri dobavitelja analiza poslovnega procesa nabave zahteva oceno parametrov, kot so kakovost izdelka, stroški, poprodajne storitve, finančna stabilnost itd. Analiza poslovnega procesa upravljanja naložb vključuje oceno tveganja, pričakovanega donosa, obsega naložb in privlačnosti regije, kjer se izvajajo naložbene dejavnosti. Analiza poslovnega procesa zaposlovanja, ki poteka v večini organizacij, vključuje oceno parametrov, kot so kandidatove izkušnje, izobrazba, starost, zahtevana plača itd. poleg tega sodobne težnje razvoj teorije upravljanja je treba upoštevati različne vidike podjetja, tako finančne kot nefinančne. Opredelitev in preučevanje vrste kazalnikov z več zornih kotov pogosto vodi do težav, ki imajo obliko več meril. Tako priljubljeno orodje za upravljanje, kot je uravnotežena kartica rezultatov, na primer, ki sta jo razvila R. Kaplan in D. Norton, pomeni, da podjetja enako upoštevajo vsaj štiri vidike: finance, stranke, notranje poslovne procese, usposabljanje in razvoj. V vsaki od teh perspektiv avtorji priporočajo opredelitev vsaj petih ključnih kazalnikov uspešnosti (KPI). Ta pristop omogoča oblikovanje učinkovita strategija podjetij pa je pri spremljanju izvajanja te strategije, kot poudarjajo avtorji sami, pogosto težko oceniti številne kazalnike. Eden od praktičnih primerov, podanih v knjigi, kaže, kako analizirati učinkovitost projekta v podjetju, identificiranih je bilo 16 ključnih kazalnikov tega projekta, ki so jih ocenili naročniki podjetja. Vendar je pridobitev zaključka o uspešnosti projekta po teh ocenah postala večkriterijska naloga vodstva podjetja, za rešitev katerega so bile uporabljene metode na podlagi rangiranja in linearne konvolucije kriterijev. R. Kaplan in D. Norton sta navedla tudi primer naloge, ki ji vodstvo podjetja zaradi večkriterijnosti ni kos. Naloga je bila optimizirati poslovni proces dostave, za povečanje vrednosti kazalnika »dobava v času« pa je podjetje bistveno povečalo časovni interval dostave, zaradi česar je bila stranka nezadovoljna, poslovni proces pa je prestal "lažna optimizacija". Tej napaki bi se lahko izognili z uporabo večobjektivnih optimizacijskih metod.

Danes teorija odločanja vsebuje številne pristope in metode za sprejemanje odločitev v večkriterijskem okolju, ki jih lahko odločevalec uporabi za reševanje različnih večkriterijskih problemov. Hkrati pa ostaja izjemno aktualen problem izbire metode, ki je najprimernejša za reševanje določenega problema. Zaradi dejstva, da imajo metode večkriterijske optimizacije številne razlike tako v dobljenih rezultatih (število najdenih rešitev, predstavitev rešitev itd.) kot v njihovi uporabi (količina potrebnih informacij o preferencah odločevalec, metode zbiranja informacij itd.) , vseh metod ni mogoče uporabiti za rešitev določenega problema. Na splošno lahko naloge združimo v skupine glede na njihovo pripadnost določenemu predmetnemu področju. Zaradi napačne izbire metode rešitve se lahko pojavijo štiri resne težave: prvič, rezultati uporabe neustrezne metode bodo za odločevalca nezadovoljivi ali celo napačni. Drugič, zaradi slabih rezultatov se lahko uporabne metode nepravično obsojajo, kot na primer metoda ELECTRE v Cohon in Marks (1977). Tretjič, uporaba neustrezne metode pomeni izgubo časa, truda in denarja, porabljenega med postopkom odločanja. Končno, zaradi napak v aplikaciji lahko potencialni uporabniki sploh zavrnejo uporabo kakršnega koli MMRM za praktične težave.

meriti tega študija je razvoj klasifikacije metod za večkriterijsko odločanje o predmetu uporabe v okviru analize poslovnih procesov.

Za dosego tega cilja je potrebno rešiti naslednje naloge:

1. Izvedite analizo virov, ki odražajo različne pristope k odločanju v večkriterijskem okolju, da bi preučili obstoječe metode večkriterijske analize.

2. Izvedite analizo programske opreme za reševanje večkriterijskih problemov.

3. Izvedite analizo virov, ki odražajo primere praktične uporabe metod za večkriterijsko analizo poslovnih procesov.

4. Identificirati metode večkriterijske analize, ki veljajo za področje poslovnih procesov.

5. Razviti klasifikacijo metod glede na predmet uporabe na področju poslovnih procesov.

7. Rešite praktičen večkriterijalni problem, ki se pojavi v poslovnem procesu "Določanje prodajne strategije" podjetja "VARS Expo" LLC.

predmet te študije so poslovni procesi, ki zahtevajo odločanje v večkriterijskem okolju.

Zadeva raziskave so uporaba metod večkriterijske analize za optimizacijo poslovnih procesov, ki zahtevajo odločanje v večkriterijskem okolju.

Metodološka osnova tega dela so bile znanstvene publikacije vodilnih domačih in tujih znanstvenikov ter članki, ki odražajo trenutni standardi na področju uporabe večkriterijskih metod za analizo poslovnih procesov. Za reševanje zastavljenih nalog so bile uporabljene metode teorije odločanja v pogojih večkriterij.

Teoretični pomen raziskava je razviti klasifikacijo metod za večkriterijsko analizo poslovnih procesov po predmetu uporabe.

Praktični pomen raziskave so v možnosti uporabe razvite klasifikacije pri analizi poslovnih procesov z namenom izbire metode, ki je najprimernejša za reševanje specifičnega problema večkriterijske optimizacije.

Strukturadelo obsega naslednje sklope: uvod, pregled literature in analizo programske opreme, glavni del, zaključek, bibliografijo. Glavni del študija je sestavljen iz treh poglavij, od katerih dve odražata teoretični del študija, eno pa praktični del. Prvo poglavje je namenjeno izbiri metod večkriterijske analize za obravnavo in njihovemu opisu. V drugem poglavju primerjamo metode večkriterijske analize z značilnostmi problema, odločevalca in pridobljene rešitve. Na podlagi pridobljene primerjave je bila v okviru analize poslovnih procesov na podlagi referenčnega 13-procesnega modela izdelana klasifikacija metod po predmetu uporabe in podana priporočila za uporabo metod. Tretje poglavje odraža primer praktične uporabe metod za reševanje večkriterijskega problema, ki se pojavi v poslovnem procesu »Določanje prodajne strategije« podjetja VURS Expo LLC. Za zaključek so povzeti rezultati, pridobljeni med študijo.

1. Analiza programske opreme

Kompleksnost reševanja večkriterijskih nalog med drugim določa velika količina informacij, ki jih je treba upoštevati in obdelati pri odločanju. Oseba se pogosto ne more spopasti s to nalogo, ne da bi se zatekla k pomoči sodobne računalniške tehnologije. V zvezi s tem je za podporo odločanju v okolju z več merili ustvarjenih veliko programskih izdelkov oziroma sistemov za podporo odločanju (DSS), katerih delovanje temelji na metodah MCDA (multiple-criteria decision analysis). Glavne funkcije, ki jih opravljajo ti programski izdelki, sta razvrščanje odločitev po preferencah in izbiri najboljša rešitev. Vendar pa poleg iskanja rešitve in obdelave velike količine informacij (ki je nujna za uspešno uporabo večkriterijskih analiznih metod v praksi) taka programska oprema uporabniku običajno omogoča tudi analizo pridobljenih rezultatov. Posebej vreden je grafični uporabniški vmesnik, ki omogoča vizualizacijo tako procesa kot rezultatov, da je proces odločanja najbolj očiten in pregleden.

Zaradi dejstva da to delo je namenjen preučevanju in klasifikaciji večkriterijalnih analiznih metod, ki so dobro uporabne v praksi, analiza in primerjava obstoječe programske opreme, razvite za podporo odločanju, se zdi nujna in pomembna. Smiselno je analizo začeti z opredelitvijo meril za primerjavo in vrednotenje.

Različni programski izdelki lahko uporabniku nudijo različne možnosti tako med samim postopkom odločanja kot med analizo rezultatov. Seveda je za organizacijo procesa odločanja značilna predvsem večkriterijske metode analize podpira izdelek. Od podprtih metod je odvisen postopek iskanja rešitev in s tem uporabnost izdelka v različnih situacijah. Poleg tega, ker je to delo namenjeno uporabi večkriterijske metode neposredno v poslovnih procesih, je izjemno pomembno stopnja strokovnekompetence(posebna znanja in veščine), ki so potrebna za uspešno uporabo izdelka. Številni programi so zasnovani za uporabo profesionalcev s področja večkriterijske analize, brez izkušenj in znanja na tem področju pa uporabnik tovrstnih produktov ne bo mogel učinkovito uporabljati. Vendar pa je eden od glavnih ciljev klasifikacije metod, ki smo jih razvili v tem prispevku, pomagati nestrokovnjakom s področja večkriterijske analize (na primer odločevalcem) pri izbiri ustreznih metod. Zato se bodo primerjave izdelkov izvajale tudi na podlagi zahtevanih strokovnih znanj in veščin. Tretje merilo za primerjavo je podpora skupinskemu odločanju. Običajno se odločevalec v večkriterijskem analiziranju razume kot posameznik, v poslovnih odločitvah pa so redko odvisne od ene osebe. Najpogosteje je za odločitve odgovorna določena skupina (upravni odbor, delniška družba, problemska komisija ipd.), pri čemer je treba pri odločanju upoštevati preference vsakega člana. Naslednje merilo, ki odraža praktičnost uporabe izdelka, je dostopnost preko interneta. In končno, pomemben dejavnik za uporabnika, ki nima resnih izkušenj s tovrstnimi programi možnost uvoza in / ozizvoz podatke ali rezultate v Excelu. Ločeno je vredno razmisliti o postopku analize dobljenih rezultatov, tj besedilne in grafične metode vizualizacije informacij podprti izdelki.

Danes obstaja ogromno različnih programov in programskih sistemov za večkriterijsko analizo. Namen pregleda programske opreme v tem delu je ugotoviti podobnosti in razlike med razpoložljivimi izdelki, da bi razvili priporočila za njihovo uporabo. Zato se zdi smiselno nameniti pozornost programskim izdelkom, ki imajo različne namene in podpirajo različne metode, hkrati pa jih aktivno uporabljajo oziroma poznajo tako med strokovnjaki za večkriterijsko analizo kot med strokovnjaki na drugih področjih, odgovornih za sprejemanje odločitev (kar seveda je pokazatelj praktične učinkovitosti izdelka). Dvanajst takšnih izdelkov je bilo izbranih za analizo s primerjavo pregledov programske opreme in primerjalnih člankov v mednarodnih znanstvenih publikacijah (French in Xu, 2005; McGinley. P, 2014; Vassilev et al., 2005; Weistroffer et al., 2005) ter upoštevanjem upoštevajte ocene in ocene, objavljene na spletnih straneh, namenjenih programski opremi za analizo z več merili (Capterra, EWG-MCDA, Wikipedia). Izbira je temeljila tudi na razpoložljivosti poskusne ali demo različice izdelka. Rezultati primerjalne analize se odražajo v tabelah, ki vsebujejo parametre, združene po dveh glavnih funkcijah programske opreme: organizaciji samega procesa odločanja (glej tabelo 1) in analizi rezultatov (glej tabelo 2).

Tabela 1. Primerjava programske opreme po značilnostih procesa odločanja

Ime programske opreme	Podprte metode MCDA	Obvezno strokovno usposobljenost	Podpora skupinskim odločitvam	Dostopnost prek interneta	Sposobnost uvoza / izvoza v Excel
	PAPRIKA, AHP, MAUT

	AHP, približek Pareto meje
Kriterij Odločitev Plus	AHP, SMART, MAUT, Swing
	PROMETHEE, UPORABA
	MAUT, Odločitveno drevo, AHP, Metoda zaporedja. koncesije
	odločitveno drevo


Logične odločitve	AHP, MAUT, Swing

Kot je razvidno iz tabel, skoraj vsi obravnavani izdelki ponujajo odlične možnosti za analizo rezultatov, vendar imajo pomembne razlike v organizaciji procesa odločanja. Programi podpirajo drugačen nabor metod, vendar jih ima več kot polovica med podprtimi metodami AHP ali AHP (Analytic hierarchy process / Hierarchy analysis method), kar je povsem pričakovano, saj je metoda dobro uporabna v praksi v različne industrije in poleg tega ne zahteva posebnega usposabljanja. Ugodno se primerja z drugimi metodami, saj združuje matematični pristop in psihološke vidike ter omogoča tudi primerjavo različnih parametrov, kar je izjemno pomembna prednost pri praktična uporaba. V izdelkih, ki podpirajo to metodo, obstajata dva pristopa k parni primerjavi alternativ. V okviru prvega pristopa se sestavi matrika ocen enih meril glede na druge, v okviru drugega pa so navedene vse možne kombinacije meril, za vsako od njih pa mora odločevalec oceniti, koliko eno merilo je po pomembnosti boljše od drugega. Na podlagi dobljenih ocen so merila razvrščena po pomembnosti.

Poleg tega lahko vidite, da večina programov, ki podpirajo AHP, podpira tudi MAUT (Multi Attribute Utility Theory / Multicriteria Utility Theory). Hkrati so v metodoloških študijah takšne metode običajno jasno ločene. To dejstvo nakazuje, da kljub dejstvu, da takšna programska oprema temelji na teoriji odločanja v večkriterijskem okolju, je izdelek lahko v nasprotju s teorijo, saj združuje najrazličnejše metode iz različnih šol za uspešno uporabo v praksi. To lahko potrdi tudi hkratna podpora metod MAUT in Swing s štirimi izdelki.

Nekoliko manj priljubljena je metoda zaporednih koncesij, ki pomeni uporabo določenih intervalov, ki odražajo dovoljeno odstopanje vrednosti parametrov od prednostnih. Najverjetneje je to posledica težav pri objektivnem določanju takšnih intervalov v praksi. Prav tako nekateri obravnavani programi temeljijo na drevesu odločanja, za katerega je značilen specifičen konstrukcijski algoritem, ki je lahko razumljiv, vendar ne zagotavlja vedno optimalnosti celotnega drevesa. Končno, metodo približevanja Pareto meje najdemo tudi v obravnavanih programih in je zelo učinkovita pri zagotavljanju vizualizacije, na primer na mehurčku, kot je utelešeno v Claferjevem optimizatorju za več ciljev.

Pri analizi preostalih primerjalnih parametrov je treba opozoriti, da je večina programskih izdelkov namenjena uporabi strokovnjakov s področja večkriterijske analize, saj je raven potrebne strokovne usposobljenosti za delo z njimi zelo visoka. Izdelke, kot so 1000Minds, Clafer MOO, D-Sight, Decision Lens in MakeItRational, pa je mogoče uporabiti za odločanje tudi brez posebnega znanja.Upoštevati je treba, da so skupinske odločitve podprte le v treh od obravnavanih izdelkov. - 1000Minds, D-Sight in MakeItRational. Prvi omogoča samo spletno glasovanje, drugi pripisuje težo mnenju vsakega člana skupine, zadnji pa izračuna povprečno vrednost za skupino ob upoštevanju vseh mnenj posameznikov. Večina izdelkov je spletnih (razen Criterium DecisionPlus, Hiview3, Logical Decisions in M-MACBETH) in slaba polovica zagotavlja možnost uvoza in izvoza podatkov in rezultatov v Excel.

Tabela 2. Primerjava programske opreme po značilnostih analize rezultatov

Ime programske opreme	Vizualni grafi	Skupne vrednosti	Analiza občutljivosti	2D zemljevidi	Pisno poročilo


Več predmetov Clafer. Optimizator
Kriterij Odločitev Plus





Logične odločitve

Tabela 5 odraža dejstvo, da vsi obravnavani programski izdelki zagotavljajo možnost grafične vizualizacije rezultatov. Pristopi, ki so prisotni v vsaj nekaj izdelkih, vključujejo vizualizacijo alternativ s pomočjo spider-cys, tornada, termometra, tortnih in mehurčkov. V programskih izdelkih, ki temeljijo na metodi koncesije, so rezultati predstavljeni kot sprejemljivi razponi vrednosti in lahko vsebujejo prevladujoče razmerje in grafični prikaz področja optimalnih rešitev. Večina programov podpira tradicionalno metodo analize občutljivosti, nekateri uporabljajo tudi statistične pristope za analizo, ki je sestavljena iz različnih sprememb parametričnega modela in opazovanja kasnejše spremembe rezultatov. To vam omogoča, da dobite verjetnostno razvrščanje alternativ ali odstotek primerov, kjer ena alternativa prevladuje nad drugo. Pri koncesijski metodi se lahko uporaba intervalov sama po sebi že šteje za vrsto analize občutljivosti. Nekakšen dvodimenzionalni zemljevid je prisoten v večini programskih izdelkov. Merila ustrezajo osi, alternative pa točkam z ustreznimi koordinatami na grafu. Nekateri programi omogočajo generiranje pisnega poročila, ki odraža glavne rezultate in jih razlaga uporabniku.

2 . Večkriterijske metode odločanja

2.1 Izbira metod, ki jih je treba upoštevati

Znanstvena disciplina odločanja v večkriterijskih pogojih je razmeroma mlada: prva dela v okviru te discipline so se pojavila v sedemdesetih letih prejšnjega stoletja, sklicevanja na uporabo MMRM pri reševanju praktičnih problemov pa v osemdesetih (Wallenius et al., ) . Kljub temu pa naprej ta trenutek za reševanje večkriterijskih problemov je bilo razvitih že več kot sedemdeset različnih metod (Aregai Tecle, ). Podrobna obravnava vseh obstoječih metod se v okviru tega dela ne zdi potrebna in možna, zato je nabor obravnavanih metod omejen. Merila, ki se uporabljajo za izbiro metod, vključujejo:

1. Priljubljenost metode(merjeno na podlagi tega, kako pogosto je bila metoda omenjena v znanstveni literaturi med letoma 1970 in 2016)

2. Uporabnost metode za praktične probleme(merjeno na podlagi analize literature o uporabi MMRM pri opravilih na različnih poslovnih področjih)

3. Izvirnost metode(metode, ki temeljijo na tehnikah, ki jih najdemo v drugih bolj priljubljenih metodah, se ne upoštevajo)

1. Metoda analize hierarhije (AHP)

2. Nelinearno programiranje (NLP)

3. Kompromisno programiranje (CP)

4. Kooperativna teorija iger (CGT)

5. Metoda premaknjenega ideala (DISID)

6. Metoda ELECTRE (ELEC)

7. Metoda ocenjevanja in analize občutljivosti (ESAP)

8. Ciljno programiranje (CPU/GP)

9. Teorija večkriterijske uporabnosti (MAUT)

10. Večkriterijska analiza Q (MCQA)

11. Verjetnostna metoda kompromisnega razvoja (PROTR)

12. Zayonz-Walleniusova metoda (Z-W)

13. STEM metoda

14. SWT metoda

15. Metoda PROMETHEE (PRM)

Priljubljenost in uporabnost teh metod za različne probleme na najrazličnejših področjih je jasno predstavljena v tabeli (glej prilogo 1), kjer je vsaka metoda primerjana z znanstvenimi publikacijami, ki opisujejo njeno uporabo, in posebne naloge, ki so bili postavljeni v teh delih.

2.2 Kratek opis metod

Metoda analize hierarhije (AHP)

Metoda analize hierarhije je matematično orodje za odločanje, ki upošteva psihološke vidike. Metodo je razvil T. Saati. Omogoča vam, da racionalizirate razpoložljive alternative, ki jih je treba oceniti v skladu z različnimi kvantitativnimi in kvalitativnimi merili. Naročanje poteka na podlagi informacij o preferencah odločevalca, ki so izražene številčno in vam omogočajo, da dobite vrednosti skupne vrednosti alternativ za vse parametre. Alternativa z najvišjo skupno vrednostjo je najboljša. Metoda se v praksi pogosto uporablja. Če ga želite uporabiti, sledite tem korakom:

1) Dekomponirati problem tako, da sestavi njegov hierarhični model, ki naj vključuje same alternative, parametre za njihovo vrednotenje in končni cilj iskanja rešitve

2) Primerjajte v parih vse elemente hierarhije in določite njihovo prednost glede na preference odločevalca

3) Sintetizirajte vrednost alternativ z uporabo linearne konvolucije

4) Ocenite doslednost sodb

5) Odločite se na podlagi rezultatov

Prednosti MAI:

Enostavnost parnih primerjav, poznavanje postopka za odločevalce

Pomanjkanje neposrednega vrednotenja alternativ

Podpora za kvantitativne in kvalitativne parametre

Preverjanje doslednosti sodb

Široka uporabnost v praksi

Slabosti MAI:

Omejeno število alternativ in parametrov za njihovo vrednotenje (delo z veliko število težko za odločevalca)

Možnost izkrivljanja preferenc zaradi iste vrste numerične predstavitve

Nerazumna izbira aditivne ali multiplikativne konvolucije meril

2.3 Nelinearno programiranje (NLP)

Nelinearno programiranje je poseben primer matematičnega programiranja in implicira nelinearno obliko ciljne funkcije ali omejitve. Problem, ki ga rešujemo s to metodo, lahko formuliramo kot problem iskanja optimalne vrednosti določene ciljne funkcije pod pogoji, kjer so parametri, so omejitve, n je število parametrov, s je število omejitev.

Ciljna funkcija je lahko konkavna ali konveksna. V prvem primeru se bo odločevalec soočil s problemom maksimizacije, v drugem pa s problemom minimizacije. Če je omejitev podana s konveksno funkcijo, potem se problem šteje za konveksnega in se najpogosteje rešuje s splošnimi metodami konveksne optimizacije. Če je problem nekonveksen, se uporabljajo posebne formulacije problemov linearnega programiranja ali razvejane in vezane metode, ki omogočajo reševanje problema z linearnimi ali konveksnimi aproksimacijami. Takšni približki tvorijo spodnjo mejo skupne vrednosti znotraj odseka. V naslednjih razdelkih bo nekega dne najdena prava rešitev, katere vrednost je podobna najboljši spodnji meji, najdeni za katero koli od približnih rešitev. Takšna rešitev bo optimalna, a ne nujno edina. Tak algoritem je mogoče kadar koli ustaviti z zaupanjem, da se optimalna rešitev nahaja znotraj sprejemljivega odstopanja od najdene najboljše rešitve; takšne rešitve imenujemo e-optimalne.

Pri nelinearnem programiranju lahko ločimo neodvisne odseke, kot so konveksno, kvadratno, celoštevilsko, stohastično, dinamično programiranje itd.

2.4 Kompromisno programiranje (CP)

Ideja metode kompromisnega programiranja je podobna metodi ciljnega programiranja. Tehnika metode temelji na določanju oddaljenosti od "idealne" točke. Da bi našli najboljšo rešitev, je treba čim bolj zmanjšati "razdaljo" od idealne rešitve. Točka (rešitev), ki je v vseh pogledih najbližja idealni točki, je kompromisna rešitev. Nabor rešitev je lahko tudi kompromis.

Postopek iskanja najboljše rešitve vključuje naslednje korake:

1) Določite parametre za vrednotenje alternativ in uteži teh parametrov.

2) Sestavite matriko vrednotenja alternativ tako, da zabeležite informacije o alternativah za vsakega od parametrov vrednotenja.

3) Določite smer optimizacije za vsako od meril (zaželeno je maksimiranje ali minimiziranje vrednosti).

4) Normalizirajte matriko tako, da je v obliki izplačilne matrike (ali matrike izplačil).

5) Poiščite najboljšo in najslabšo vrednost alternativ za vsako od meril.

6) Poiščite posplošeno vrednost vsake alternative za vse ocenjevalne parametre, pri čemer uporabite uteži meril in razliko med vrednostjo alternative za vsako merilo in najboljšo vrednostjo za to merilo.

7) Alternativa, katere vrednost je najbližja idealu, je najboljša rešitev.

Prednosti kompromisne metode programiranja:

Uporabnost pri reševanju problemov v prostoru rešitev, v katerem odločevalec nagiba zaupati svoji intuiciji in izkušnjam

2.5 Teorija kooperativnih iger (CGT)

Kooperativna igra je igra, ki vključuje združena prizadevanja igralcev. Teorija kooperativnih iger raziskuje konflikte, ki nastanejo med igralci pri skupni odločitvi. Ker je za takšno odločitev običajno več kriterijev in so pogosto nasprotujoči si, se teorija uporablja kot ena od metod odločanja v večkriterijskem okolju. Teorija preučuje, kateri rezultati združevanja igralcev so lahko dosegljivi in pod kakšnimi pogoji.

Glavne naloge, ki se pojavljajo pri študiju kooperativnih iger:

1) Opredelitev funkcije, ki označuje preference igralcev

2) Iskanje optimalne rešitve glede delitve skupnega dobička strank

3) Preverjanje dinamične stabilnosti rešitve

Najdena rešitev je lahko edinstvena, če je mogoče delitev celotnega dobička izvesti samo na en način, za katerega je značilna največja uporabnost za obe strani. Če obstaja več takih metod ločevanja, je lahko optimalna rešitev večvrednostna. Primer ene optimalne rešitve je značilen za N-jedro in Shapleyjev vektor, večvrednostna rešitev - za C-jedro in K-jedro.

2.6 Prestavljena idealna metoda (DISID)

Ta metoda je bila razvita za določitev najboljših rešitev v nizu izvedljivih rešitev in je značilna po naslednjih značilnostih:

Postopek oblikovanja "idealne" rešitve, ki določa smer optimizacije. Običajno je takšna rešitev nedosegljiva, vendar dobro odraža cilje odločevalca.

Odstranite rešitve, ki so najmanj zaželene pri vsaki ponovitvi. Tako se najboljša rešitev najde s postopnim odpravljanjem najslabših rešitev v vsakem koraku postopka.

Pri uporabi metode je mogoče razlikovati naslednje korake:

1) Izključitev prevladujočih rešitev.

2) Oblikovanje "idealne" rešitve in določitev "najslabše" rešitve.

3) Določanje razdalje med točkami možnih rešitev in točko »najslabše« rešitve

4) Ponavljanje cikla 1-3 stopenj, dokler ne ostane dovoljeno majhno število najbolj optimalnih rešitev.

Hkrati primerjava alternativ z izoblikovano »idealno« rešitev pogosto povzroči pri odločevalca nezadovoljstvo z obstoječimi alternativami, kar imenujemo konflikt pred odločitvijo. Konflikt po odločitvi je nezadovoljstvo, ki se pojavi po izločitvi nekaterih alternativ iz obravnave. Na začetnih iteracijah pride do močnega konflikta pred rešitvijo, ki se postopoma zmanjšuje zaradi približevanja obstoječih rešitev »idealni«, konflikt po rešitvi se, nasprotno, povečuje, kar kaže, da odločevalec ni dovolj preučil problema.

2.7 ELECTRE metoda

Izbirni postopek pri metodi ELECTRE je sestavljen iz 6 korakov:

1) Določanje minimalne in največje vrednosti alternativ za vsako od meril

2) Določanje uteži kriterijev

3) Sestavljanje grafa za vsak od kriterijev, pri katerem so oglišča nekateri predmeti množice rešitev, loki pa odražajo stopnjo prevlade enega predmeta nad drugim

4) Sestavljanje matrike vrednosti t.i. indeksov strinjanja in nestrinjanja, ki temelji na pomembnosti meril in preference odločitev

5) Vzpostavitev vrednosti superiornosti za vsak par predmetov, če vrednost indeksa soglasja ene od rešitev preseže določeno mejno vrednost, vrednost indeksa nestrinjanja pa ne doseže te vrednosti

6) Izgradnja splošnega grafa superiornosti ob upoštevanju uveljavljenih omejitev

2.8 Metoda ocenjevanja in analize občutljivosti (ESAP)

Metoda ocenjevanja in analize občutljivosti je bila prvotno razvita kot tehnika načrtovanja na področju okolje oceniti možnosti upravljanja vodnih virov. ESAP temelji na določitvi uteži meril za pridobitev pravilne ocene alternativ. Ocena razpoložljivosti in privlačnosti alternative se določi z združevanjem informacij o vplivu na naravne in kulturne vire ter informacij o pomembnosti (določene z utežmi kriterijev) in prednostnih vrednostih teh virov. Podatke je treba zbrati z intervjujem več posameznikov ali skupino posameznikov, da se ugotovi občutljivost njihovih ocen na razlike v sodbah o pomembnosti in prednostnih vrednostih virov, pa tudi na negotovost v posledicah izbire ene ali druge alternative. Zdaj se ta metoda uporablja ne samo pri okoljskem načrtovanju, ampak tudi na drugih področjih.

2.9 Ciljno programiranje (CPU/GP)

Metoda ciljnega programiranja se uporablja za reševanje problemov MCO in temelji na razvrščanju kriterijev glede na njihov pomen za odločevalce. Glavna naloga iskanja rešitev vključuje več zaporednih podnalog za optimizacijo vsakega od kriterijev. Hkrati se taka optimizacija izvaja po ciljni funkciji, izboljšanja vrednosti za en kriterij pa ni mogoče doseči na račun poslabšanja vrednosti po pomembnejšem kriteriju. Tako bo končni rezultat odkritje najboljše rešitve problema. Običajno se pri reševanju linearnih problemov uporablja metoda ciljnega programiranja. Hkrati je njegova razlika od metode linearnega programiranja v formalizaciji številnih ciljev ne kot ciljnih funkcij, temveč kot omejitev. Zato je treba pri uporabi metode določiti želene vrednosti ciljnih funkcij in tiste spremenljive odstopanja od teh vrednosti, ki odražajo stopnjo doseganja glavnega cilja iskanja rešitve.

2.10 Teorija večkriterijske uporabnosti (MAUT)

Teorija večkriterijske uporabnosti je ena najbolj priljubljenih aksiomatsko utemeljenih metod. To teorijo so razvili R. Keaney, G. Rife, P. Fishburne. Teorija temelji na aksiomih, ki opisujejo preference odločevalcev in so grafično predstavljeni kot funkcija uporabnosti. Najbolj uporabna aksiomatika uporabnosti v večobjektivnem okolju vključuje aksiome:

Popolna primerljivost

prehodnost

Topnost

Neodvisnost po želji

Neodvisnost glede na uporabnost

Arhimed

Kljub očitni zahtevnosti metode je pomembno omeniti, da jo je mogoče upravičiti z matematično utemeljitvijo najdenih rešitev. Poleg tega je metoda uporabna pri ocenjevanju poljubnega števila alternativ, postopki dialoga z odločevalci v teoriji večkriterijske uporabnosti pa so zelo dobro razviti.

Glavni koraki metode vključujejo:

1) Razvoj seznama meril

2) Izgradnja funkcije uporabnosti za vsako od meril

3) Preverjanje pogojev, ki določajo obrazec skupna funkcija uporabnost

4) Vzpostavitev razmerja med ocenami možnosti za vsako od meril in splošno privlačnostjo možnosti za odločevalce

5) Ocena vseh razpoložljivih možnosti in izbira najboljše možnosti

2.11 Večkriterij Q- AMPAKanaliza (MCQA)

Ta metoda večkriterijske analize se uporablja za oblikovanje učinkovitega postopka dialoga med sprtimi stranmi. MCQA-I, MCQA-II in MCQA-III omogočajo razvrščanje kriterijev za ocenjevanje alternativ po pomembnosti, samih alternativ pa po privlačnosti za odločevalce. Q-analizo je razvil Ronald Atkin (1974, 1977) kot pristop k preučevanju strukturnih značilnosti družbenih sistemov, v katerih sta dva niza kazalnikov, značilnosti ali značilnosti med seboj povezana. Kasneje je bila Q analiza uporabljena na različnih področjih, kot so šahovska teorija (Atkin in Witten, 1975), fleksibilni proizvodni sistemi (Robinson in Duckstein, 1986), tekmovalni šport (Gould in Gatrell, 1980) in urbanistično načrtovanje (Beaumont, 1984). ). Q analiza je priznano uporabno orodje v ekoloških študijah, na primer pri ocenjevanju rečnih ekosistemov (Casti et al., 1979) in pri preučevanju odnosov med plenilcem in plenom (Casti, 1979). Q analiza se uporablja tudi v klinični psihologiji (Macgill in Springer, 1984), geologiji (Griffiths, 1983), raziskavah transportnih sistemov (Johnson, 1976), distribuciji vode (Duckstein, 1983) in številnih drugih kontekstih (Casti, 1979). Q analiza se je izkazala za še posebej uporabno pri reševanju problemov, povezanih s kompleksnimi sistemi, na primer pri modeliranju medicinskih slik. Ta pristop zahteva natančno opredelitev nizov podatkov in njihovih odnosov ter zahteva raziskovanje posledic njihove medsebojne povezanosti znotraj sistema. Po vzpostavitvi približno natančnih nizov podatkov in preučitvi njihovih razmerij Q analiza vključuje dokaj preproste izračune, ki ne potrebujejo Dodatne informacije o sistemu. Metoda analize Q zagotavlja algebraično topografsko infrastrukturo za zmanjševanje podatkov, kar pomaga poenostaviti koncepte načrtovanja makroskopskega sistema. V ta namen je mogoče opredeliti in interpretirati kazalnike, kot so stopnja povezljivosti, decentralizacije in kompleksnosti. Pristop Q analize zagotavlja tudi razvrščanje informacij. Q analizo je mogoče povezati tudi z analizo vedenjske dinamike, ustvarjene iz strukturne matrike (imenovane backcloth); ta vrsta študija (imenovana promet) temelji na disciplini, ki se običajno imenuje poliedrska dinamika (Casti et al., 1979; Johnson, 1981).

2.12 Verjetnostna metoda kompromisnega razvoja (PROTR)

Ta metoda večkriterijske optimizacije se uporablja predvsem za reševanje nelinearnih problemov na podlagi preferenc odločevalca. Metoda vključuje konstrukcijo posameznih funkcij uporabnosti za iskanje najboljše rešitve problema.

Postopek iskanja rešitve je sestavljen iz 12 zaporednih stopenj:

1) Razvoj vektorja ciljnih funkcij

2) Razvoj vektorjev najboljših in najslabših vrednosti kriterijev

3) Formulacija nadomestne funkcije

4) Pridobitev začetne rešitve z maksimiranjem te funkcije in razvojem ciljnega vektorja, ki temelji na njej

5) Definicija večkriterijske uporabne funkcije

6) Formulacija nove nadomestne funkcije

7) Generiranje alternativne rešitve z maksimiranjem nove nadomestne funkcije in razvojem ciljnega vektorja na podlagi tega

8) Razvoj vektorja, ki povezuje ciljne vrednosti vektorjev z verjetnostjo njihovega doseganja

9) Odločitev odločevalca o tem, ali so vse vrednosti meril zadovoljive. Če je odgovor pritrdilen, potem je dobljeni vektor rešitev problema, če ne, se izvede 10. korak

10) Izbira vektorja, pri katerem je razmerje med ciljno vrednostjo in verjetnostjo njenega doseganja najbolj nezadovoljivo, in opredelitev nove verjetnosti

11) Ustvarjanje novega niza veljavnih vrednosti

12) Oblikovanje nove substitucijske funkcije in ponovitev cikla od 6. do 12. stopnje zahtevani znesek enkrat.

2.13 Zajonc-Walleniusova metoda (Z-W)

Metoda Zajonc-Wallenius temelji na postopku zoženja nabora vrednosti vektorjev teže.

Korake tega postopka lahko opišemo na naslednji način:

1) Razvoj vektorjev teže

2) Izračun vrednosti globalnega kriterija (praviloma vrednost ustreza enemu od vozlišč poligona, ki tvori niz veljavnih vrednosti)

3) Izračun vrednosti uteži kriterijev v sosednjih vozliščih, pod katerimi je to oglišče lahko optimalna rešitev

4) Izračun vrednosti vektorja ocen v teh točkah za vsako od meril

5) Parna primerjava vektorjev kriterijev odločanja

6) Oblikovanje omejitev vrednosti uteži meril na podlagi sodb odločevalca

7) Določanje središčne točke v območju sprejemljivih uteži

8) Ponovite cikel 2-8

Pri primerjavi lahko odločevalec izrazi naslednje sodbe:

Bolj zaželen je sosednji kriterijski vektor;

Začetni vektor meril je bolj zaželen;

Ni jasne preference.

Tako je iskanje sistematično, zaradi česar so rezultati najbolj objektivni.

2.14 STEM metoda

STEM metoda je iterativni postopek iskanja rešitev, pri katerem se po več ponovitvah doseže najboljša rešitev. Vsak cikel vključuje stopnjo računanja in stopnjo odločanja, torej vključuje interakcijo med analitikom in odločevalcem.

Metoda temelji na zmanjšanju razdalje Čebiševa od idealne točke na prostoru rešitev. Parametre, ki definirajo formulo za razdaljo in merljivi prostor, lahko spreminjamo z metodo normalizacije teže glede na preference odločevalca, izražene v prejšnji fazi iskanja rešitev. Postopek iskanja omogoča odločevalcem izbiro dobre odločitve in določi relativno pomembnost meril. Pri vsaki ponovitvi lahko odločevalec izboljša vrednosti alternativ po nekaterih kriterijih in popusti drugim. Hkrati mora odločevalec za posamezno merilo navesti najvišjo sprejemljivo višino koncesije. Za izvedbo naslednje ponovitve mora odločevalec po prejemu odločitve izraziti svoje preference glede tistih meril, za katera bi želel izboljšati vrednost, in tistih, za katera je vrednost zanj že zadovoljiva.

2.15 SWT metoda

Metoda SWT je večkriterijalna optimizacijska metoda, ki omogoča iskanje vseh potrebnih Pareto-optimalnih rešitev glede na vektor optimizacije problema. Pri uporabi metode je treba upoštevati, da pri modeliranju, definiranju, ocenjevanju, primerjanju pogosto nasprotujočih si meril vloge sistemskega analitika ne smemo zamenjevati z vlogo odločevalca. Medtem ko je analitik odgovoren za generiranje Pareto-optimalnih rešitev in ustreznih vrednosti alternativ, ne more določiti sprejemljivih in prednostnih koncesij po različnih nasprotujočih si merilih. Nosilec odločanja je odgovoren za izražanje prednostnih sodb na podlagi računalniške analize, ki jo izvede analitik. Poleg tega, ko je kateri koli niz vrednosti meril že pridobljen, je od nosilca odločanja veliko lažje pridobiti oceno relativne vrednosti koncesije (povečanje ali zmanjšanje vrednosti) med dvema meriloma kot oceno njune absolutne vrednosti. povprečne vrednosti.

2.16 Metoda PROMETHEE (PRM)

PROMETHEE je dobro zasnovan sistem za podporo odločanju, ki vam omogoča, da ocenite in izberete alternativo iz določenega nabora na podlagi meril, ki odražajo prednosti in slabosti alternativ, in vam omogoča, da te alternative razvrstite glede na njihovo privlačnost za odločevalce. .

PROMETHEE ne zahteva strogih sodb o dejanski strukturi preferenc odločevalcev. Pri ocenjevanju alternativ je ključna naloga pridobiti informacije o tem, ali je neka alternativa vsaj tako privlačna kot druga. Na podlagi tako imenovanih preferenčnih razmerij, ki se določijo v prvem koraku, se izvede razvrstitev alternativ.

Razmislite o glavnih korakih:

1) Določanje prednostne funkcije

Izhodišče je oblikovanje matrike ocenjevanja, ki odraža privlačnost alternativ za vsako od meril. Na podlagi informacij, ki jih vsebuje matrika točkovanja, se alternative primerjajo v parih glede na vsako od meril. Rezultati so izraženi s prednostnimi funkcijami, ki se izračunajo za vsak par možnosti in se lahko gibljejo od 0 do 1. Medtem ko 0 ne pomeni nobene razlike med možnostmi, 1 pomeni veliko razliko.

2) Vrednotenje stopnje preference možnosti

Matrika skupnih vrednosti je sestavljena na podlagi vrednosti, pridobljenih z množenjem vrednosti alternativ za vsako merilo z težo ustreznega merila. V tej matriki vsota vseh vrednosti v vrsti odraža stopnjo prevlade (privlačnosti) alternative. Vsota vseh vrednosti v stolpcu označuje, koliko alternativo drugi zatirajo. Linearno razvrstitev lahko dobimo tako, da subdominantno vrednost odštejemo od prevladujoče.

Od nosilca odločanja se zahteva, da določi uteži meril in izbere prednostno funkcijo. PROMETHEE ne pomeni posebnega načina določanja teh uteži, ampak predvideva, da je odločevalec sposoben pravilno nastaviti uteži, vsaj kadar število kriterijev ni preveliko. Opredelitev utežnih faktorjev je vedno subjektivna. Zato postane analiza občutljivosti, ki odraža, koliko izbrane uteži vplivajo na rezultat, pomemben del procesa odločanja.

V okviru metode PROMETHEE so bila razvita različna orodja in moduli. Naslednja 3 orodja so lahko še posebej uporabna za analizo ocenjevalne naloge:

PROMETHEE I za delno oceno alternativ,

PROMETHEE II za polno uvrstitev,

GAIA za rešitve za vizualizacijo.

3. Razvoj klasifikacije metod

Problem izbire najustreznejše večkriterijske metode za uporabo v določeni situaciji je sam po sebi večkriterijalni problem, saj je izbirnih meril več in so si sami po sebi nasprotujoči (AI-Shemmeri et al., ). Zato je treba naštete metode ovrednotiti po ustreznih merilih, da bi jih lahko primerjali. Za določitev teh meril je treba upoštevati vidike, ki povzročajo razlike v uporabi metod. Običajno je izpostaviti naslednje vidike ali skupine meril (Mollaghasemi in Pet-Edwards, ):

1) Značilnosti naloge

2) Značilnosti odločevalca

3) Značilnosti nastale raztopine

Najprimernejša metoda za uporabo v določeni situaciji je tista, katere tehnika se najbolje ujema z značilnostmi problema, ki se rešuje, in odločevalca, pridobljeni rezultati pa so lahko pravilno interpretirani in uporabni za odločevalca.

Torej je treba petnajst metod, sprejetih v obravnavo, ovrednotiti po nekaterih merilih, ki opisujejo tri izbrane vidike. Vsak vidik (skupina meril) v tem delu je namenjen ustreznemu razdelku, ki vsebuje opis kriterijev in primerjalno tabelo metod po teh kriterijih. Ocena metod temelji na primerjavi MMRM v delih Aregai Tecle in Ozernoy V.M. , kot tudi pregled uporabe metod za reševanje praktičnih problemov v delih Bardossyja, Khalilija, Bransa in drugih.

3.1 Ocena skladnosti metod z značilnostmi problema, ki se rešuje

Najprej je treba ugotoviti skladnost uporabljene metode z značilnostmi obravnavanega problema. Večkriterijske naloge lahko opišemo z več pari medsebojno izključujočih se značilnosti. Na primer, če je problem matematični programski problem, potem je rešitev mogoče dobiti s sistematičnim iskanjem možnih alternativ v dopustnem nizu odločitev, medtem ko problemi analize odločitev običajno predpostavljajo obstoj končnega in relativno majhnega števila alternativ, vrednotenje, ki vodi do učinkovite rešitve. Pri izbiri ustreznega MMRM je lahko zelo pomemben še en par medsebojno izključujočih se lastnosti, ki odražajo razpoložljivost kvantitativnih in kvalitativnih informacij, potrebnih za reševanje problema MCO. Če problem vključuje kvalitativne kriterije, potem za njegovo reševanje ni mogoče uporabiti tehnik matematičnega programiranja. Dinamična narava naloge tudi močno omejuje nabor uporabnih metod, saj obstaja le nekaj MMRM, ki podpirajo to vrsto nalog (Szidarovszky in Duckstein, , ). Obseg problema, merjen s številom kriterijev in alternativ, nalaga stroge konceptualne in računske omejitve naboru razpoložljivih metod. In končno, pri primerjavi metod je treba upoštevati tudi strukturna razmerja med parametri problema, ki opisujejo njegovo linearnost ali nelinearnost, saj so številni MMRM zasnovani izključno za reševanje problemov linearnega programiranja.

Tako je treba oceno uporabnosti MMRM v skladu z značilnostmi problema, ki se rešuje, izvesti tako, da odgovorimo pozitivno ali negativno na šest vprašanj o naslednjih možnostih MMRM:

1) Reševanje problemov, ki vsebujejo kvalitativne kriterije

2) Izbira med končnim številom alternativ

3) Reševanje nelinearnih problemov

4) Reševanje obsežnih problemov (z velikim številom kriterijev in alternativ)

5) Reševanje problemov z neskončnim številom alternativ

6) Rešitev dinamičnih problemov

V tabeli primerjave MMRM po uporabnosti v skladu z značilnostmi problema, ki se rešuje (glej tabelo 3), so pozitivni in negativni odgovori na zgornja vprašanja predstavljeni v binarni obliki, to je s številkama 1 oziroma 0. . Zaradi jasnosti so celice s pozitivnim odgovorom označene z barvo. Ocena je temeljila na izkušnjah z uporabo MMRM avtorjev številnih znanstvenih prispevkov in specialistov s področja MCO, kot so Aregai Tecle, Gershon in Duckstein, Brans, Brink et al. (1986), Khalili et al.

Tabela 3. Tabela ujemanja metod z značilnostmi problema

Kvalitativna obdelava informacij	Nelinearni problem	velik izziv	Dinamična naloga	Neskončno število alternativ	Končno število alternativ

3.2 Ocena skladnosti metod z lastnostmi odločevalcev

Seveda je treba upoštevati tudi skladnost uporabljene metode zmožnosti odločevalca. Stopnja vključenosti odločevalca v interaktivni proces odločanja in količina časa, v katerem je lahko odločevalec na voljo za interakcijo, sta izjemno pomembni lastnosti, ki lahko močno omejita nabor primernih MMRM. Poleg tega je pomembno upoštevati zmožnost odločevalca, da navede svoje preference, preden začne proces iskanja najboljše rešitve. Če preferenc ni mogoče izraziti, potem posteriornih metod, za katere je treba pridobiti potrebne informacije o preferencah, preden začnemo iskati rešitve, ne moremo šteti za primerne za reševanje tega problema.

Stopnja razumevanja odločevalcev načel delovanja MMRM lahko tudi omeji njihovo uporabo. Metode, ki zahtevajo posebno znanje s področja MCO, so lahko za odločevalce manj privlačne kot intuitivne metode, predvsem zaradi kompleksnosti interpretacije dobljenih rezultatov. Na primer, uporaba metode SWO je resna strokovno usposabljanje na področju CIE, medtem ko metoda ELECTRE, nasprotno, ne zahteva praktično nobenega posebnega znanja, temveč se uporablja le z diskretnimi vrednostmi.

Poleg tega je treba upoštevati tudi značilnosti, ki se neposredno nanašajo na analitika (specialistka s področja MCO), ki je odgovoren za reševanje naloge. Ugotoviti je treba na primer, ali ima analitik posebno znanje pri uporabi programskih izdelkov za podporo odločanju.

Rezultati primerjave MMRM glede na uporabnost v skladu z značilnostmi odločevalca so predstavljeni v tabeli 4 (glej tabelo 4). Ocenjevanje je bilo narejeno na lestvici od 1 do 10. Zaradi jasnosti so celice, ki vsebujejo najvišje vrednosti za vsako od meril, označene z barvo.

Tabela 4. Tabela ujemanja metod z značilnostmi odločevalca

Zahtevana raven znanja odločevalca na področju MCO	Stopnja interakcije z odločevalci	Na voljo DM čas	Zahtevana količina informacij o preferencah odločevalcev	Potrebna raven usposobljenosti specialista na področju MCO





magistrsko delo, dodano 26.04.2011 Razvrstitev analiznih metod po skupinah. Zbiranje in shranjevanje informacij, potrebnih za sprejemanje odločitev. Priprava rezultatov operativne in intelektualne analize za njihovo učinkovito zaznavanje s strani potrošnikov in na njeni podlagi sprejemanje ustreznih odločitev. kontrolno delo, dodano 15.02.2010 Analiza podobnega razvoja na področju gradnje "sistemov pomoči pri izbiri". Bistvo večkriterijskega pristopa. Tehnologija razvoja uporabniškega vmesnika. Načrtovanje razvoja programa z različnimi metodami. Izdelava mrežnega grafa. diplomsko delo, dodano 26.01.2013 Klasifikacija informacijskih sistemov za vodenje dejavnosti podjetja. Analiza trga in značilnosti sistemov razreda Business Intelligence. Klasifikacija metod odločanja, ki se uporabljajo v DSS. Izbira platforme za poslovno obveščanje, merila za primerjavo. diplomsko delo, dodano 27.09.2016 Značilnosti metod za reševanje sistemov linearnih algebraičnih enačb, glavne vrste numeričnih metod in uporaba programskega izdelka Delphi 5.0 kot najučinkovitejšega. Bistvo metod Gauss, Gauss-Jordan in Jacobi, značilnosti metode Seidel. seminarska naloga, dodana 25.06.2010 Načela računalniške steganografije. Klasifikacija metod prikrivanja informacij. Priljubljenost metode zamenjave najmanj pomembnega bita. Bistvo metod razširitve palete in skrivanja blokov. Uporaba metod za slike GIF. Izvedba algoritmov. seminarska naloga, dodana 17.02.2013 Kratek opis nadzornega objekta, pregled in analiza obstoječih analogov, ki izvajajo njegove funkcije. Razvoj arhitekture programskega sistema, testiranje in vrednotenje učinkovitosti aplikacij. Uvajanje in uporaba programskega izdelka. seminarska naloga, dodana 05.02.2015 Kompleksi človek-stroj, posebej zasnovani za sprejemanje odločitev. Postopek odločanja in njegove faze. Metode iskanja novih rešitev: odločitveno drevo, morfološke tabele, konference idej. Načelo matematičnega vrednotenja trendov. seminarska naloga, dodana 30.07.2009 Pregled arhitekture DBMS SQL Server. Opišite in analizirajte področja, kjer se uporabljajo orodja poslovne inteligence, kot sta večdimenzionalna analiza podatkov in podatkovno rudarjenje. Pregled jezikovna orodja, metode in eksperimentalna uporaba pridobljenih informacij. diplomsko delo, dodano 09.07.2014 Struktura sistema večkriterijskega upravljanja varnosti tehnogenega objekta. Upoštevanje medsebojnih povezav varnostnih podsistemov. Strokovne metode odločanja na podlagi primerjav večkriterijskih alternativ. Bistvo pristopa analitične hierarhije.