1. Proces odločanja II nosilec: prof. dr. Vladislav Rajkovič
dr. Mirjana Kljajić Borštnar
mag. Alenka Baggia
mag. Marko Urh
april, 2008
PO, 2008

2. Izpit Seminarska naloga – pogoj za pristop k izpitu.
(navodila na
PO, 2008

3. PROGRAM DELA Reševanje odločitvenega problema s pomočjo:
Preglednice ABACON
Preglednice EXCEL
Programa za podporo večparametrskemu odločanju DEXi
Program za podporo večparametrskemu odločanju Vredana
PO, 2008

4. Preglednica ABACON
“Abacon sodi med najpreprostejše metode. Edina potrebna »tehnologija« sta papir in svinčnik.
Pri metodi Abacon uporabljamo obrazec z dvema stolpcema. V levi stolpec obrazca vpisujemo parametre, ki vplivajo na odločitev, v desni pa vrednosti parametrov. Osnovne merske lestvice so v naravnih enotah za posamezni parameter. (npr. moč v vatih, površina v m2, kakovost ocenjujemo opisno: dobro, srednje … ali odlično, sprejemljivo, nesprejemljivo ...)
Vrednosti parametrov morajo biti urejene od najslabših do najboljših, od leve proti desni. Merske lestvice pa lahko poenotimo tako, da pripišemo parametrom vrednost od 0 do 100, pri čemer je 0 najslabša ocena za parameter, 100 pa najboljša. Pomagamo si s pripravljeno mrežo v desnem stolpcu obrazca. Pri odločanju si pomagamo pri tej metodi tako, da v levi stolpec vpišemo parametre po pomembnosti, kakor vplivajo na odločitev. Najpomembnejši parameter je na vrhu. Variante opišemo z označevanjem vrednosti parametrov v desni stolpec. Nato povežemo točke, ki predstavljajo vrednosti parametrov posamezne variante. S tem dobimo za vsako varianto po eno krivuljo. Ocena variante je sorazmerna s površino levo od krivulje. Varianta z največjo površino je najugodnejša.” (Krapež in Rajkovič, 2003)
PO, 2008

5. ABACON Vrednosti parametrov Parametri cena varnost oprema poraba
Pomembnost parametrov
ABACON
Parametri
Vrednosti parametrov 10 20 30 40 50 60 70 80 90
100
Fiat Marea W 1.9 TD
Seat Cordoba Vario 1.8
visoka
srednja
nizka
cena
***
****
*****
varnost
oprema
malo
srednje
veliko
velika
srednja
poraba
nizka
Prikazana preglednica ABACON za odločitveni problem nakupa avtomobila.
Kriteriji (parametri), ki vplivajo na odločitev so: cena, varnost, oprema, poraba, servis, največja hitrost, pospeški, cena pnevmatik. Vrenodsti parametrov smo ponazorili v desnem stolpcu. Na koncu smo obe varianti (alternativi) ocenili po posameznem kriteriju glede na podane zaloge vrednosti (merske lestvice).
srednji
drag
ugoden
servis
160
180
220
največja hitrost
pospeški
srednji
veliki
mali
Cena pnevmatik
srednja
nizka
visoka
PO, 2008
Kakovost

6. Slovenski avto leta 2007
Naziv slovenski avto leta 2007 je prvič v petnajstletni zgodovini tekmovanja romal v roke Opla oziroma njegovega modela corse.
Bralci in poslušalci, skupaj jih je glasove poslalo kar , so določili pet finalistov: toyoto yaris, opel corso, peugeot 207, audi Q7 in fiat grande punto. (vir: RTVSLO)
Odločam se za nakup avtomobila, vendar me mnenje žirije slovenskega avta leta 2007 ni prepričalo. Alternativi sta toyota yaris in opel corsa.
PO, 2008

7. Naloga 1 – Prvomajski izlet
Prihajajo prvomajske počitnice. S prijatelji se odločate za krajši izlet. Odločili ste se, da obiščete Italijo. Izbirate med Sardinijo in Sicilijo. Našli ste dve turistični agenciji, ki ponujata izlete.
Izlet na Sardinijo bo trajal 4 dni, cena je malo nižja. Ostale informacije najdete na spletni strani
Izlet na Sicilijo je dan daljši, torej traja 5 dni in je dražja. Ponudbo za Lepote Sicilije in Eolskih otokov ste našli na spletni strani
Z metodo Abacon izdelajte odločitveni model. Poiščite primerno število kriterijev, jih ovrednotite in skušajte po njih oceniti primernost (glede na gornje želje) obeh izletov.
PO, 2008

8. ABACON - diskusija
Najpomembnejša stvar pri metodi ABACON je razvrstitev kriterijev po pomembnosti.
Sama metoda ne predvideva nobenega računanja oz. iskanja najboljše variante glede na neko funkcijo. Pomaga le pri tem, da od nas zahteva, da uredimo (po pomembnosti) naše kriterije in jim določimo spodnjo in zgornjo mejo kakovosti.
Pri določanju mej kakovosti je potrebno biti previden, saj moramo določiti meje pri vsakem kriteriju glede na dejansko stanje v variantah. Če so variante tako različne, da nam pri nekem kriteriju skoraj vse variante padejo v isti razred (na približno isto vrednost), potem je ta kriterij neuporaben (neinformativen).
Primer: Kriterij je kakovost avtomobila, variante (avtomobili) pa so Yugo, Mercedes SLK, Jaguar S-Type, BMW 750i; očitno je, da bodo vsi avtomobili visokega razreda »zasedli« maksimalno kakovost, Yugo pa minimalno – ta kriterij ne bo bistveno pripomogel k razločevanju variant.
PO, 2008

9. Odgovorite na vprašanja
Ali metoda ABACON ponuja končno rešitev?
Ali in na kak način bi lahko dobili končno rešitev?
Koliko variant bi še lahko obdelali, da bi bila metoda transparentna?
Koliko kriterijev?
Kaj potem sploh so prednosti metode?
Kaj so slabosti?
PO, 2008

10. Računalniška preglednica
Odločitveni model lahko zgradimo s katerokoli elektronsko preglednico. Postopek je na začetku podoben metodi Abacon. V stolpec vnesemo parametre (recimo, da jih je n), njihovo pomembnost lahko določimo s pomočjo uteži (w), ki jih vnašamo v drugi stolpec. Uteži naj bodo normalizirane, kar pomeni, da je njihova vsota enaka enoti, na primer 100. Variante smemo zaradi omejitve elektronske preglednice opisati samo številsko. Naravne vrednosti parametrov (v) moramo torej pretvoriti v številke. To lahko storimo s pomočjo metode Abacon, in sicer tako, da prepišemo številčne vrednosti parametrov iz obrazca (slika 6). Ocena posamezne variante je utežena vsota vrednosti parametrov:
Σocena = wi ∗ vi Najboljšo oceno dobi najboljša varianta.
(Krapež in Rajkovič, 2003)
PO, 2008

11. EXCEL preglednica
Metodi Abacon dodamo vrednosti (točke) in uteži posameznih kriterijev. Izbira določene variante tako postane transparentna (vidi se, koliko nam posamezni kriteriji pomenijo).
Računalniška preglednica omogoča enostavne in bolj zapletene odločitvene modele. V tabeli je prikazan enostaven primer, kjer smo opredelili kriterije, posamezne kriterije smo ocenili na enotni skali od 0 (slaba ocena) do 100 (dobra ocena) in nato sešteli točke. Kriterijem lahko pripišemo tudi pomembnost tako, da jim pripišemo primerno težo (jih utežimo). Uteži so normalizirane kadar je njihova vsota enaka 100 ali 1.
PO, 2008

12. Grafična predstavitev
Pri delu si lahko pomagamo tudi z grafikoni, ki jih omogočajo elektronske preglednice. Tak je npr. strukturni krožni diagram za prikaz uteži ali naloženi palični diagram.
PO, 2008

13. Naloga 2 – Prvomajski izlet
Prihajajo prvomajske počitnice. S prijatelji se odločate za krajši izlet. Odločili ste se, da obiščete Italijo. Izbirate med Sardinijo in Sicilijo. Našli ste dve turistični agenciji, ki ponujata izlete.
Izlet na Sardinijo bo trajal 4 dni, cena je malo nižja. Ostale informacije najdete na spletni strani
Izlet na Sicilijo je dan daljši, torej traja 5 dni in je dražja. Ponudbo za Lepote Sicilije in Eolskih otokov ste našli na spletni strani
Z metodo računalniške preglednice izdelajte odločitveni model. Poiščite primerno število kriterijev, jih ovrednotite in skušajte po njih oceniti primernost (glede na gornje želje) obeh izletov.
Primer, ki ste ga reševali z metodo ABACON lahko enostavno “prevedete” v računalniško preglednico tako, da metodi Abacon dodate vrednosti (točke) in uteži posameznih kriterijev. Izbira določene variante tako postane transparentna (vidi se, koliko nam posamezni kriteriji pomenijo).
PO, 2008

14. Razširitev računalniške preglednice
Računalniška preglednica nam omogoča tudi upoštevanje naravnih merskih enot s katerimi merimo vrednosti kriterijev posamezne variante.
PO, 2008

15. Razširitev računalniške preglednice
Kako izračunamo normirano vrednost?
Kako bi lahko poenotili obrazec za izračun normirane vrednosti?
Računalniška preglednica nam omogoča tudi upoštevanje naravnih merskih enot s katerimi merimo vrednosti kriterijev posamezne variante.
Sedaj imamo vsako alternativo ocenjeno po dejanski merski lestvici posameznega kriterija in moramo to prevesti na enotno mersko skalo, da bomo lahko izračunali funkcijo koristnosti. To storimo tako, da izračunamo kje na intervalu (med spodnjo in zgornjo mejo) se nahaja dejanska vrednost kriterija. Upoštevati moramo tudi, da je spodnja meja kriterija manj zaželena (npr pri oceni varnosti, plači) zgornja pa bolj zaželena. Pri kriterijih, kot sta npr stroški, plača in teža GSMja pa je spodnja meja bolj zaželena kot zgornja – torej bolj zaželeno je, da je cena čim manjša, da je težja čim manjša…
PO, 2008

16. Naloga 3 – Prvomajski izlet
Prihajajo prvomajske počitnice. S prijatelji se odločate za krajši izlet. Odločili ste se, da obiščete Italijo. Izbirate med Sardinijo in Sicilijo. Našli ste dve turistični agenciji, ki ponujata izlete.
Izlet na Sardinijo bo trajal 4 dni, cena je malo nižja. Ostale informacije najdete na spletni strani
Izlet na Sicilijo je dan daljši, torej traja 5 dni in je dražja. Ponudbo za Lepote Sicilije in Eolskih otokov ste našli na spletni strani
Z metodo računalniške preglednice izdelajte odločitveni model. Poiščite primerno število kriterijev, jih ovrednotite in skušajte po njih oceniti primernost (glede na gornje želje) obeh variant.
Nalogo rešite tako, da upoštevate naravne vrednosti kriterijev, ki jih normirate...
PO, 2008

17. KAJ-ČE ANALIZA Kaj je KAJ-ČE analiza?
Kako jo izvajamo v računalniški preglednici?
PO, 2008

18. Naloga 4 – Izbira fotoaparata
Ste pred odločitvijo o nakupu zrcalno-refleksnega digitalnega fotoaparata. Ta, ki ga imate sedaj, je že precej zastarel (Nikon Coolpix 995), ločljivost ima 3 mio. točk, kar ima danes že skoraj vsak malo boljši mobilni telefon.
Želite, da ima vaš nov fotoaparat ločljivost vsaj 7 mio. točk, možnost menjave objektiva, ima zmogljivo baterijo, integrirano bliskavico, ni pretežek in je sprejemljivih dimenzij. Danes je na tržišču ogromno polprofesionalnih in profesionalnih fotoaparatov, vendar moramo gledati tudi na ceno. Več kot 700€ si ne moremo privoščiti. Za ta denar pa dobimo res zelo dober fotoaparat.
Na spletu poiščite primerne alternative, preučite in izberite kriterije, ki bodo vplivali na vašo odločitev ter nalogo rešite z metodo ABACON ter EXCEL. Opravite KAJ-ČE analizo. V računalniški preglednici rezultate tudi grafično predstavite. Rezultate obeh metod med seboj kritično primerjajte.
PO, 2008

19. Primerjava Abacon, Excel
PO, 2008

20. Primerjava Abacon, Excel
PO, 2008

21. Excel - nadaljevanje
Lahko upoštevamo realne merske enote (SIT, kg, ločljivost v pikah, h, …)
Merske enote moramo poenotiti
PO, 2008

22. Diskusija Preglednica je na vsakem računalniku (ni dodatnih stroškov)
Hiter in enostaven pregled večih variant
Enostavna kaj-če analiza, enostavna vizualizacija
Pri neštevnih podatkih (tam, kjer lahko stvari označujemo le kvalitativno), je velik problem pretvorba v normirano vrednost.
Osnovna verzija je zelo enostavna: imamo le enostavno uteženo vsoto; nobenih hiearhij.
Ni informacije o medsebojnih odvisnostih kriterijev
Znanje je skrito.
PO, 2008

23. Odgovorite na vprašanja
Ali metoda EXCEL ponuja končno rešitev?
Katere analize omogoča?
Kako lahko izvajamo kaj-če analizo?
Kam bi uvrstili metodo: med kvalitativne ali kvantitativne metode?
Koliko variant bi še lahko obdelali, da bi bila metoda transparentna?
Koliko kriterijev?
Ali bi lahko upoštevali medsebojno odvisnost kriterijev?
Ali bi lahko upoštevali hierarhijo kriterijev?
Kaj so prednosti metode?
Kaj so slabosti?
PO, 2008

24. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
Kaj je ekspertni sistem?
UPORABNIK
KOMUNIKACIJSKI
VMESNIK
BAZA
ZNANJA
MEHANIZEM
SKLEPANJA ES
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

25. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
UPORABNIK ES
KOMUNIKACIJSKI
VMESNIK
BAZA
ZNANJA
MEHANIZEM
SKLEPANJA
Baza znanja (knowledge base)
je del ES, ki vsebuje znanje
izbrane domene, npr.:
pravilo 1:
ČE avto noče vžgati,
POTEM je problem verjetno v električnem sistemu
pravilo 2:
ČE je problem verjetno v električnem sistemu
IN je napetost akumulatorja pod 10V,
POTEM je razlog prazen akumulator
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

26. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
UPORABNIK ES
KOMUNIKACIJSKI
VMESNIK
BAZA
ZNANJA
MEHANIZEM
SKLEPANJA
Mehanizmi sklepanja
(inference engine):
na osnovi baze znanja izvaja sklepe o problemu, ki ga rešujemo.
primer dialoga med ES in uporabnikom
UPORABNIK: Avto noče vžgati.
ES: Je napetost akumulatorja pod 10V?
UPORABNIK: Da, tako je.
ES: Napaka je prazen akumulator.
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

27. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
UPORABNIK ES
KOMUNIKACIJSKI
VMESNIK
BAZA
ZNANJA
MEHANIZEM
SKLEPANJA
Razlaga KAKO?
UPORABNIK: Kako?
ES: Ker avto noče vžgati,
domnevam, da je napaka
v električnem sistemu. Ko sem odkril, da je napetost akumulatorja pod 10V, vem, da je akumulator prazen.
Razlaga ZAKAJ?
ES: Ali avto noče vžgati?
UPORABNIK: Zakaj?
ES: Če vem, da avto noče vžgati, potem ponavadi domnevam, da je problem v električni napeljavi.
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

28. DEX: Lupina ekspertnega sistema za večparametrsko odločanje
19871995, DOS
DEXi: Računalniški program
za večparametrsko odločanje
1999, Windows
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

29. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
Osnove sistemov DEX in DEXi
VEČPARAMETRSKO ODLOČANJE
modeliranje s kriteriji in funkcijami koristnosti
strukturiranje odločitvenega problema (drevo kriterijev)
vrednotenje variant
EKSPERTNI SISTEMI
kvalitativne (simbolične) merske lestvice
funkcije koristnosti predstavljene s pravili tipa če-potem
odločitveni model = baza znanja
poudarek na razlagi in analizi rezultatov vrednotenja (DEX)
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

30. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
Faze odločitvenega procesa
0. IDENTIFIKACIJA PROBLEMA
IDENTIFIKACIJA KRITERIJEV (ATRIBUTOV)
spisek kriterijev
struktura kriterijev (drevo kriterijev)
merske lestvice
DEFINICIJA ODLOČITVENIH PRAVIL
OPIS VARIANT
ANALIZA VARIANT
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

31. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
1.a Spisek kriterijev
Spisek kriterijev, ki vplivajo na odločitev (neurejen)
Nakup prenosnega računalnika
hitrost
velikost diska
cena
zanesljivost
zaslon
barve
servis
razširljivost
baterija
procesor
proizvajalec
miška
tipkovnica
velikost pomnilnika 
Pazimo, da ne spregledamo pomembnih, bistvenih kriterijev
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

32. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
1.b Drevo kriterijev
PRENOSNIK
CENA
TEH. KAR.
DODATKI
NOT. ENOTE
ZUN. ENOTE
PROCESOR
POMNILNIK
DISK
ZASLON
TIPKOVNICA
AVTONOMIJA
Združimo kriterije, ki “spadajo skupaj” po vsebini
Pazimo na strukturo: praviloma dva do štirje nasledniki notranjega vozlišča !
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

33. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
1.c Merske lestvice
PRENOSNIK
CENA
TEH. KAR.
DODATKI
NOT. ENOTE
ZUN. ENOTE
PROCESOR
POMNILNIK
DISK
ZASLON
TIPKOVNICA
AVTONOMIJA
5000
visoka
, 4000,
ali
, srednja,
3000
nizka
nespr
, spr,
dob
, spr, dob,
odl 2h
, 3h, 4h
slabo, srednje, dorbo, odlično
Zaloge vrednosti so diskretne, praviloma urejene od slabih proti dobrim.
Število vrednosti naj raste počasi od listov proti korenu!
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

34. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
1.d Uteži
PRENOSNIK
CENA
TEH. KAR.
DODATKI
NOT. ENOTE
ZUN. ENOTE
PROCESOR
POMNILNIK
DISK
ZASLON
TIPKOVNICA
AVTONOMIJA
35%
55%
15%
30%
40%
30%
35%
35%
30%
70%
30%
uteži lokalno ∑ 100%
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

35. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
2. Odločitvena pravila
ZASLON
TIPKOV.
ZUN.ENOTE
nespr
slabša
spr
dob
srednja
boljša
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

36. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
3. Opis variant
DISK
AVTONOMIJA
PRENOSNIK
CENA
TEH. KAR.
DODATKI
NOT. ENOTE
ZUN. ENOTE
PROCESOR
POMNILNIK
ZASLON
TIPKOVNICA 
Prenosnik
CENA
PROC.
POMN.
DISK
ZASLON 1.
visoka
dob
spr 2.
srednja
Nespr 3.
nizka
nespr
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

37. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
4. Vrednotenje in analiza variant
VREDNOTENJE VARIANT
poteka od listov proti korenu drevesa
rezultat je kvalitativna ocena vsake variante
vrednotenje lahko poteka tudi ob nenatančnih in nepopolnih podatkih o variantah
ANALIZA VARIANT
interaktivno pregledovanje rezultatov
analiza tipa kaj-če
selektivna razlaga vrednotenja (DEX)
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

38. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
4. Osnovno vrednotenje variant
PRENOSNIK
CENA
TEH. KAR.
DODATKI
NOT. ENOTE
ZUN. ENOTE
PROCESOR
POMNILNIK
DISK
ZASLON
TIPKOVNICA
AVTONOMIJA
spr
nizka
odl
nespr
dob
sred 4h
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

39. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
4. Analiza kaj-če
PRENOSNIK
CENA
TEH. KAR.
DODATKI
NOT. ENOTE
ZUN. ENOTE
PROCESOR
POMNILNIK
DISK
ZASLON
TIPKOVNICA
AVTONOMIJA
spr
nizka
odl
nespr
dob
sred 4h
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

40. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
4. Selektivna razlaga vrednotenja
PRENOSNIK
CENA
TEH. KAR.
DODATKI
NOT. ENOTE
ZUN. ENOTE
PROCESOR
POMNILNIK
DISK
ZASLON
TIPKOVNICA
AVTONOMIJA
spr
nizka
odl
nespr
dob
sred 4h
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008

41. DEXi - poročilo poročilo Gumb za premikanje po straneh poročila
Shrani poročilo
Kopiraj poročilo in ga prilepi kot sliko
PO, 2008

42. Tabele odločitvenih pravil
Prikazana so agregirana pravila. Kaj to pomeni? Zakaj ni prikazanih vseh možnih kombinacij?
PO, 2008

43. Tabela povprečnih uteži
PO, 2008

44. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
DEX in DEXi: Nekaj izkušenj
POTREBNI ČAS ZA IZVEDBO POSTOPKA
močno odvisen od problema (nekaj ur do nekaj mesecev)
tipično 2 do 15 delovnih dni
NAJZAHTEVNEJŠA FAZA:
izdelava drevesa kriterijev
PRIMERNI ODLOČITVENI PROBLEMI
veliko kriterijev (> 15)
veliko variant (> 10)
kvalitativno odločanje, presoja
nenatančni in nepopolni podatki
skupinsko odločanje (razlaga)
dovolj časa za izvedbo postopka
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008 44

45. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
DEX in DEXi: Področja uporabe
RAČUNALNIŠTVO
izbor računalnika
izbor strojne in programske opreme
VREDNOTENJE PROJEKTOV
ocena kvalitete oz. izvedljivosti projekta
ocena investicije
vrednotenje ponudb
vrednotenje proizvodnih programov (portfolio)
VREDNOTENJE PODJETIJ
izbor poslovnega partnerja
boniteta bank
ocenjevanje uspešnosti podjetij
KADROVSKO ODLOČANJE
ocenjevanje primernosti, uspešnosti delavcev
izbor ekspertne skupine
vrednotenje prošenj in vlog
MEDICINA, ZDRAVSTVO
ocenjevanje rizičnosti
spremljanje osnovnih življenjskih aktivnosti
OSTALA PODROČJA
vrednotenje tehnologij
izbor lokacije
ocena prioritet pri dodeljevanju posojila
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008 45

46. DEXi: Računalniški program za večparametrsko odločanje
Preprost program za delo z odločitvenimi modeli, ki omogoča:
izdelavo in preurejanje drevesa kriterijev
urejanje zalog vrednosti kriterijev in odločitvenih pravil
zajemanje podatkov o variantah
vrednotenje variant
tabelarični pregled rezultatov vrednotenja z analizo tipa kaj-če
grafični prikaz rezultatov vrednotenja
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008 46

47. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
DEXi: Izdelava in preurejanje drevesa kriterijev
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008 47

48. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
DEXi: Urejanje zalog vrednosti in odločitvenih pravil
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008 48

49. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
DEXi: Urejevalnik variant
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008 49

50. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
DEXi: Vrednotenje variant
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008 50

51. vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008
DEXi: Grafični prikaz vrednotenja variant
vir: V. Rajkovič, Proces odločanja, predavanja, 2007PO, 2008 51

52. DEX - lupina ekspertnega sistema
PO, 2008

53. Ocena delovnega mesta
PO, 2008

54. Drevo krit
PO, 2008

55. Drevo kriterijev v DEX - u
PO, 2008

56. Varinte (Options)
PO, 2008

57. Vrednotenje (Evaluate Options)
PO, 2008

58. Selektivna analiza (prednosti in slabosti)
PO, 2008

59. VREDANA Glavne funkcije programa so:
branje in pisanje datotek tipa DAX,
branje podatkov o variantah s standardnih datotek tipa DIF,
kombinirano kvalitativno in kvantitativno vrednotenje variant,
prikaz in izpis rezultatov vrednotenja s stolpičnimi, korelacijskimi in polarnimi grafikoni,
analize variant tipa “kaj-če”.
PO, 2008

60. Osnovno vrednotenje
PO, 2008

61. “KAJ ČE” analiza
PO, 2008

62. Naloga 5 - Izbira študija
Kmalu boste zaključili dodiplomski študij, vam pa se še ne da vstopiti v »real life«, začeti delati, palčevati svoje račune. Želeli bo svoja študentska leta še malo podaljšati, preden se ustalite, se zaposlite in si ustvarite družino.
Toda: kaj za vraga naj grem študirat? Lahko bi se vpisali na znanstveni magisterij, ali pa na podoben magisterij Bolonjskega programa. Sploh se še ne ve, kakšni bodo nazivi po končanih študijih. Kaj narediti?
Znanstveni magisterij se izvaja na vaši matični fakulteti, ima več predmetov in ni subvencioniran s strani države. Ima pa to prednost, da so predmeti in profesorji bolj ali manj poznani in po pravici povedano, se niste ravno pretegnili tukaj. Pa tudi znanstveni naziv se sliši bolj »fancy«. A po drugi strani bo čez nekaj časa prav vseeno ali si znanstveni magister ali Bolonjski specialistični magister, saj kdo od delodajalcev jih bo pa razlikoval? Po Bolonjskem programu je čas študija malo krajši, ker se lahko vpišete direktno v drugi letnik in tudi izpitov je precej manj. Študij bo predvidoma deloma sofinanciran s strani ministrstva za visoko šolstvo, znanost in tehnologijo. Pa tudi kakšna nova znanja bi vam prišla prav.
Ker je cela situacija z novim Bolonjskim programom še vedno bolj kot ne neznana, se zelo težko odločite na kateri podiplomski študij se boste prihodnje leto, po diplomiranju, vpisali:
Podiplomski študij na FOV – magistrski znanstveni
Podiplomski študij na EF – magistrski Bolonjski
Z metodo DEXi izdelajte odločitveni model. Poiščite primerno število kriterijev, jih ovrednotite in skušajte po njih oceniti primernost (glede na gornje želje) obeh podiplomskih študijev.
PO, 2008

63. Naloga 6 – Izbira fotoaparata
Ste pred odločitvijo o nakupu zrcalno-refleksnega digitalnega fotoaparata. Ta, ki ga imate sedaj, je že precej zastarel (Nikon Coolpix 995), ločljivost ima 3 mio. točk, kar ima danes že skoraj vsak malo boljši mobilni telefon.
Želite, da ima vaš nov fotoaparat ločljivost vsaj 7 mio. točk, možnost menjave objektiva, ima zmogljivo baterijo, integrirano bliskavico, ni pretežek in je sprejemljivih dimenzij. Danes je na tržišču ogromno polprofesionalnih in profesionalnih fotoaparatov, vendar moramo gledati tudi na ceno. Več kot 700€ si ne moremo privoščiti. Za ta denar pa dobimo res zelo dober fotoaparat.
Na spletu poiščite primerne alternative, preučite in izberite kriterije, ki bodo vplivali na vašo odločitev ter nalogo rešite z metodo DEXi in opravite KAJ-ČE analizo v DEXiju in VREDANI. Rezultate vseh treh metod (ABACON, EXCEL in DEXi) med seboj kritično primerjajte.
PO, 2008

64. Samostojno delo
Rešite odločitveni problem po lastni izbiri z DEXijem, vašo odločitev predstavite tudi v Vredani.
PO, 2008

65. HiView Je orodje za analizo večkriterijskega odločanja.
Metoda HiView obsega:
Definiranje okvirov odločitvenega problema
Identificiranje alternativ
Identificiranje ciljev in kriterijev
Vrednotenje alternativ po kriterijih
Kreiranje funkcij koristnosti
Uteževanje kriterijev
Analiza rezultatov
Analiza občutljivosti
PO, 2008

66. Kreiranje odločitvenega modela
Poiščite ikono v start – programi – SPO
V oknu izberite “Exisitng model” in z dvoklikom odprite datoteko start.hv3. Shranite to datoteko kot start_vaja.hv3 za vaše nadaljne delo
Odločitveni primer opisuje problem izbire primerne lokacije za gradnjo trgovskega centra.
PO, 2008

67. Drevo: Vozlišča in kriteriji
Prvi cilj je zgraditi odločitveno drevo na podlagi kriterijev, ki vplivajo na odločitev.
Vrh drevesa predstavlja “koren” (Root Node). Ta predstavlja cilj odločanja – katera lokacija bi bila najprimernejša za gradnjo trgovskega centra?
Koren drevesa ali cilj odločanja se razstavi na podcilje oziroma podkriterije, ki so grupirani po vsebini, v našem primeru sta to kriterija Strroški (Costs) in Koristi (Benefits).
Na desni strani so razvrščeni osnovni kriteriji. Pri izbiri kriterijev moramo biti pozorni, da so kriteriji neredundantni (npr: stroški so pomemben kriterij, vendar če so stroški vseh variant enaki, nam ta kriterij ne pove nič), popolni, se ne podvajajo, variante pa so medsebojno neodvisne glede na kriterije (npr: ne rabimo vedeti ocene za eno varianto, da bi ocenili drugo).
Koren drevesa
“Root Node”
PO, 2008
Kriteriji
“Criteria”

68. Alternative
S klikom na gumb se odpre okno “Edit Option” – urejanje alternativ
Varianta (alternativa, opcija) je posamezen predmet izbire, ki nastopa v odločitvenem problemu. V danem primeru so alternative lokacije A, B, C in D (Site A, B, C, D).
Lokacije A, B in D so že opisane. Izberite Site C in v opisno polje (description field) vpišite opis te lokacije: “Excellent central site, has some expansion capability, but the local government require a dual carriageway built as part of the deal”. S klikom na gumb “OK” potrdite vnos.
Opomba: variante bomo opisovali v angleškem jeziku, ker je tako opisan osnovni model. Pri izdelavi svojega modela, prosim, pišite v Slovenskem jeziku.
PO, 2008

69. Vstavljanje novih kriterijev
Kliknite na gumb “vstavi kriterij” in nato kliknite kjrekoli v oknu drevesa.
Vpišite ime kriterija “Building” in pritisnite Enter.
Če želite popraviti ime kriterija označite kriterij in kliknite nanj.
Nov kriterij
Kriterije lahko dodajamo in urejamo neposredno v drevesu. Lahko jih tudi povlečemo v nova vozlišča. Drevo lahko organiziramo horizontalno ali vertikalno. V našem primeru je drevo delno narejeno in je horizontalno. Tako našemu drevesu manjkata le še dva kriterija, ki jih boste sedaj dodali: BUILDING in ATRACTIVENESS.
Nov kriterij se bo obarval sivo, ker ga je potrebno še definirati. Naslednji korak je postaviti oz. povezati kriterij v vozlišče. Kriterij BUILDING se nanaša na stroške - COSTS, kriterij ATRACTIVENESS pa na koristi – BENEFITS – vendar je atractiveness (privlačnost) težko merljiva!
PO, 2008

70. Urejanje drevesa s kriteriji
S klikom na gumb za pozicioniranje kriterijev v drevesu (link tree objects) prvo označimo vozlišče v drevesu – pozicijo, nato pa kriterij, ki ga želimo prestaviti v vozlišče.
Na novo ustvarjene kriterije moramo povezati v drevo. To storimo na 2 načina:
Z miško primemo kriterij BUILDING in ga spustimo v vozlišče COSTS ali pa kliknemo na gumb “Link Tree Objects” nato kliknemeo v želeno vozlišče in nato na kriterij, katerega želimo prenesti v želeno vozlišče. Če nas moti razpored posameznih kriterijev v vozlišču, jih lahko z miško prestavimo na želeno mesto.
Kriteriji, ki so v vozlišče povezani s sivimi prekinjenimi črtami, še nimajo določenih uteži.
PO, 2008

71. Definiranje kriterijev
Gumb za definiranje kriterijev odpre okno “Criteria Details”
V oknu za definiranje kriterijev izberete kriterij, ki ga želite definirati. Na tem mestu boste dodali le opis kriterija in dolgo ime kriterija.
Kliknete na kriterij BUILDING in v polje Long Name vpišete “Buliding Costs”, v polje Description pa “The Cost of building the store”. Kriterije lahko urejate kadarkoli v procesu gradnje modela, kasneje si boste pobliže ogledali tudi vse ostale možnosti pri definiranju kritrijev.
Definirajte še kriterij Attractiveness, dodajte opis: “Attractiveness includes the aesthetics of the site, the proximity to competition and distance from store customers. These are all elements of the decision that marketing people will care about. Concequences for brand values can be included here. Can the site be expanded over time? Can it be used for different purposes? Can adjecent land be purchased easily?”.
PO, 2008

72. Podkriteriji
Ocena podkriterija, ki je lahko numerična, z dvema decimalnima mestoma
Na podlagi ocen podkriterijev in pravil združevanja se automatično izračuna Total in Preferences (kriterijska funkcija)
Pravila za združevanje ocene v nadkriterij
Kriteriji se lahko delijo naprej na podkriterije. Tako v odločitveni model vgradimo več podrobnosti, ki jih lahko natančneje ocenjujemo (vrednotimo). V našem primeru smo kriteirj stroški infrastrukture - INFRASTRUCTURE razdelili na podkriterija ceste- ROADS ter stroitve – SERVICES.
Z dvojnim klikom na kriterij INFRASTRUCTURE se odpre okno za definiranje podkriterijev. Pravila za združevanje podkriterijev, ki sestavljata kriterij Infrastructure (Roads in Services), lahko vsebujejo enostavna pravila.
PO, 2008

73. Merske lestvice
Hiview 3 automatično konvertira vnosne ocene (input scores) v vrednostne skale (lestvice), ki so kasneje utežene, tako da je enota vrednosti na eni lestvici enaka enoti vrednosti na drugo lestvici za ostale kriterije. Zato pozna Hiview 3 tri ipe lestvic:
Relativna skala (privzeta in najenostavnejša za uporabo). Uporabnik direktno vpiše ocene posamezne variante. Vnosne vrednosti so avtomatično konvertirane v vrednosti na skali od 0 do 100. Hiview določi za vrednost 100 najvišje določeno vrednost in vrednost 0 najnižje določeni vrednosti. Vse ostale vrednosti so tako določene na skali od 0 do 100 proporcionalno glede na najnižjo in najvišjo določeno vrednost. Npr: najnižja ocena bi bila 5, najviša 14. Tako ocena 5 privzame vrednot 0 in ocena 14 pa vrednost 100. Ocena 13 bi bila v tem primeru “nekje med 5 in 14”, pretvorjeno v relativno skalo bi to pomenilo nekje na skali od 0 do 100 – torej direktna linearna pretvorba: 77,78.)
Fiksna skala (uporabnik na začetku definira najmanjšo in največjo vrednost – npr: 5 privzame vrednost 0 in 14 privzame vrednost 100. ta skala je uporabna, če najprej utežimo kriterije in kasneje določimo vrednosti, ker nam vse vrednosti še niso poznane)
Identitetna skala (uporablja se kadar ne potrebujemo pretvoriti dejanske ocene v enotne vrednosti. Npr: uporabimo takrat, ko bomo kriterije ocenjevali na skali od 0 do 10).
Opomba:
Relativne in fiksne skale lahko uporabimo tudi inverzno. To pomeni, da vrednost 100 določimo najnižji oceni, vrednost 0 pa najvišji oceni (npr pri stroških in času za dokončanje: nizki stroški so bolj zaželeni kot visoki)
PO, 2008

74. Definiranje kriterijev – merske lestvice
Vrnite se v okno za definiranje kriterijev in določite merske lestvice novima dvema kriterijema (Building in Attractiveness)
Kriterij Building predstavlja stroške in ga zato definiramo:
Scale type: Relative
Units Field: $ Millions
Odkljukajte polje Inverse
Ima 1 decimalno mesto
Criterion Value Function: Linear
Kriterij Attractiveness predstavlja oceno privlačnosti lokacija in ga zato definiramo:
Units: Judgement (ocena / sodba)
Criterion Value Function: Linear.
PO, 2008

75. Ocenjevanje
Ko je model zgrajen, moramo oceniti posamezne alternative glede na posamezne kriterije. Pri tem ocena 0 ne pomeni, da je po tem kriteriju alternativa nima vrednosti, pač pa, da je najmanj zaželena (preferirana). Skupek vseh ocen (posameznih alternativ) po posameznem kriteriju tako sestavlja skalo.
Skale delimo tudi na naravne in sestavljene. Naravne so tiste, kjer ocene predstavljajo naravne vrednosti alternativ (npr: €, m2, stopnja onesnaževanja…). Če ne moremo podati ocene v naravnih enotah, jih skonstruiramo oziroma sestavimo (npr: rangirne skale, mere učinkovitosti…).
Hiview pretvori ocene v preferenčne vrednosti, ki povejo kako zaželena je določena alternativa po določenem kriteriju. Način pretvorbe določi uporabnik, privzet način je Linearni.
DIREKTNO OCENJEVANJE KONSTRUIRANIH SKAL
Najenostavnejši način je, da vnesemo ocene, ki jim Hiview avtomatično pripiše minimalno in maximalno vrednost (0 in 100), vmesne ocene pa izračuna glede na min in max.
Primer: alternative A, B in C so ocenjene z 100, 75 in 0. Hiview preveri konsistenco in nas vpraša ali je razlika med alternativo B in C zares 3x večja kot razlika med A in B? Posledica preverjanja konsistentnosti običajno pomeni revizijo originalnih ocen.
PO, 2008

76. Ocenjevanje z naravnimi skalami
Vpišemo ceno za gradnjo na lokaciji A
V našem modelu smo dodali dva nova kriterija. Kriterij Building je direktno merljiv in ga zato lahko ocenimo z naravno skalo. Z dvoklikom na kriterij Building se nam odpre okno za ocenjevanje tega kriterija.
Oceno alternative po danem kriteriju lahko spremljamo v naravnih enotah (miljonih $) ali preračunano v preferenčnih vrednostih, lahko pa tudi grafično. Med pogledi enostavno preklapljamo z kliki na gumbe: “Preference Values”, “$millions” ali na gumb “>>”, ki nas prestavi v grafični pogled.
Avtomatično izračuna preferenčne vrednosti
Avtomatično kreiranje relativne skale
PO, 2008

77. Ocenjevanje s konstruiranimi skalami
Direktno s subjektivno oceno relativne vrednosti
S komponento MACHBET, ki odločevalčeve subjektivne opisne ocene pomaga pretvoriti v numerične ocene
Kot smo že omenili vseh kriterijev ne moremo izraziti v denarnih enotah, metrih ali sekundah. Poznamo tudi težko merljive kriterije, ki jih ocenjujemo z različnimi sodbami. Tak je tudi naš drugi kriterij Attractiveness. Ponovno si oglejte definicijo tega kriterija!
Lastnosti kriterija Attractiveness zelo težko direktno merimo. Ni standardne merske enote. Lahko pa se skupina odločevalcev zedini o relativni vrednosti “privlačnosti” določene lokacije. To je subjektivna ocena, ki jo podajo odločevalci na podlagi svojih izkušenj. Tako lahko odločevalec (ali skupina odločevalcev na podlagi dogovora) določi relativne vrednosti za privlačnost posamezne lokacije direktno (v okencu Building Criterion).
Hiveiw pa ponuja tudi možnost kvalitativnega ocenjevanja (qualitative judgements s komponento MACHBET ali Measuring Attractiveness by a Categorical Based Evaluation TecHnique). MACHBET pretvori opisne ocene v numerične, pri tem odločevalcu pomaga pri preverjanju konsistentnosti ocen.
PO, 2008

78. MACHBET
V vašem drevesu označite kriterij “Attractiveness” in v orodni vrstici s klikom na “M” zaženite Machbet. Odprlo se vam bo okno v obliki matrike.
Prvi korak: rangirajte lokacije po vaših preferencah. Odgovorite na vprašanje: “Katera lokacija je najprivlačnejša?”
V levem stolpcu (kjer so navedene lokacije) izberite lokacijo C (Site C) in jo z miško povlecite na prvo mesto. To pomeni, da je v našem primeru lokacija C najbolj privlačna. Je popolnoma nova lokacija z na novo zgrajenimi cestnimi povezavami, hkrati ni preblizu konkurenci a je kljub temu dovolj blizu kupcem.
Sedaj razvrstite lokacije po vrstnem redu: C, D, B, A.
Drugi korak: Ko ste uredili lokacije po privlačnosti, lahko zaključite matriko z opisnimi ocenami. Najprej ocenite relativno privlačnost lokacije C v primerjavi z lokacijo A. Pri tem si pomagajte z odgovorom na vprašanje: “Kako velika je razlika v vrednosti (velikost razlike) med lokacijo C in lokacijo A za kriterij “privlačnost”? V našem primeru bi bil odgovor: “Velikost razlike je ekstremna”.
Sedaj se z miško postavite v polje, ki ga definirata vrstica lokacije C in stolpec lokacije A in v skrajno desnem stolpcu možnih opisov izberite opis “extreme”. Tako ste definirali, da je lokacija C v primerjavi z lokacijo A esktremno bolj privlačna.
Sedaj izpolnite opisne ocene za vsa polja kot je prikazano na zgornji sliki.
PO, 2008

79. Nekonsistentne sodbe (ocene)
Za prehajanje med ocenami uporabite gumb
MACHBET sproti preverja konsistentnost vaših sodb (ocen). V primeru, da bi v polje, kjer se križata lokacija D z lokacijo B vnesli “Very Strong”, bi vas MACHBET takoj opozoril, da so vaše sodbe nekonsistentne.
V primeru takega sporočila se mora odločevalec odločiti katera od sodb (ocen) je napačna – ni v skladz z ostalimi. Možni popravki so prikazani kot obarvane puščice v polju matrike.
Sedaj popravite matriko na vrednosti, ki so bile prikazane na prejšnji sliki.
PO, 2008

80. Znotraj intervala imamo možnost za natančnejšo oceno
S klikom na gumb M pretvori opisne ocene v numerične vrednosti
Numerične vrednosti
S klikom na gumb za pretvorbo opisnih ocen v numerične vrednosti se v matriki ustvari nov stolpec, ki vsebuje numerične vrednosti. Te numerične ocene so konsistentne z opisnimi ocenami, ki jih je podal odločevalec, niso pa fiksne.
Obenem se vam je odprlo novo okno (HiView ga imenuje Thermomether window), ki predstavlja rangirane lokacije glede na kriterij “privlačnost”. Če se z miško postavite na lokacijo B (Site B), se vam izpiše veljaven rang vrednosti za lkoacijo B (interval od do 38.88). Sedaj lahko bolj natančno določite vrednost za privlačnost lokacije B znotraj tega intervala. Z miško povlecite gor ali dol znotraj intervala.
Če se želimo vrniti na prvotne ocene, kliknemo na gumb za pretvorbo opisnih ocen v numerične vrednosti.
Nazaj v HiViewjev model se vrnemo tako, da kliknemo gumb “Return to HiView” in pri tem ne pozabimo potrditi shranjevanje pretvorjenih vrednosti.
V drevesu sedaj z dvoklikom odpremo kriterij Attractiveness in vidimo, da so ocene shranjene.
Več o orodju MACHBET najdete na spletni strani:
PO, 2008

81. Funkcije koristnosti 1. Zvezne
MCDA (Multi-Criteria Decision Analysis) omogoča primerjavo vrednosti različnih kriterijev z različnimi merskimi enotami (kot npr DEXi). Prva naloga je torej NORMALIZACIJA ocen, ki smo jih vnesli za posamezno varianto po posameznem kriteriju. S funkcijo koristnosti definiramo kako bomo te vrednosti normalizirali.
Linearna kriterijska funkcija je privzeta funkcija v HiView-ju. Ocene so normalizirane na skali od 0 do 100 proporcionalno. Slika prikazuje dve kriterijski funkciji, ena je linearna, druga nelinearna kot jo poznamo iz DEXija. Katera je linearna?
PO, 2008

82. Odsekoma zvezna funkcija koristnosti
Primer: neka gospa pri odločitvi o delovnem mestu upošteva kriterij “oddaljenost od dela”, ki ga meri v minutah. Zanjo je vožnja, ki traja med 10 in 20min sprejemljiva, več kot 30min pa bi ji bilo že veliko preveč in je zelo nezaželjeno. 30min je 2x več od 15min, kar pomeni, da funkcija ni linearna. Ker pa je čas zvezna spremenljivka (in ne diskretna), si lahko kriterijsko funkcijo predstavimo v obliki grafa kjer je čas prikazan na abscisi, vrednosti pa zabeležimo na ordinati. Funkcijo časa potovanja lahko zatorej opišemo grafično tako, da vrednosti na ordinati, ki jih dobimo z odgovori na nekaj vprašanj.
PO, 2008

83. Funkcija koristnosti za kriterij Lead Time
Z miško označite kriterij Lead Time, v orodni vrstici izberite gumb fu. Odprlo se vam bo okno z že definirano kriterijsko funkcijo za kriterij Lead Time. Lead Time se lahko nahaja kjerkoli znotraj intervala 7 in 12 mesecev, s tem da se podjetje zavzema za čim krajši čas do odprtja trgovine.
Če se z miško postavite v točko na krivulji, se vam izrišeta koordinati
Če kliknete v točko na krivulji in držite, jo lahko premikate sem in tja po grafikonu
Če želite izbirsati točko, z desnim klikom na miški označite točko in izberete možnost “Delete Graph Point”
Če želite dodati novo točko na krivuljo, z desnim klikom na miški označite mesto na krivulji in izberete možnost “Add Graph Point”
Ker NE ŽELITE shraniti sprememb, kliknete na gumb CANCEL in okno s kriterijsko funkcijo za kriterij Lead Time se bo zaprlo in ne bo povozilo originalne funkcije.
PO, 2008

84. 2. Diskretne funkcije koristnosti
Diskretne kriterijske funkcije se uporabljajo podobno kot odsekoma zvezne – določijo vrednost vhodni oceni. Razlika je v tem, da normalizirajo diskretne podatke. Predvsem to pomeni, da kriteriju, ki ga opišete z diskretnimi vrednostmi, morate najprej definirati kriterijsko funkcijo preden ocenite variante (podobno kot pri DEXiju).
Primer na sliki prikazuje diskretno kriterijsko funkcijo za kriterij Satisfaction (Staff Satisfaction, s katerim merimo zadovoljstvo zaposlenih za vsako od potencialnih lokacij za izgradnjo nove trgovine). Zadovoljstvo zaposlenih je odvisno od infrastrukture, ki ga nudi posamezna lokacija, bližine delovnega mesta ter udobnosti. Tu gre za subjektivno oceno, ki jo bomo ocenjevali na 5-stopenjski lestvici od Very High do Very Low. Vsaki od opisnih ocen pripišemo numerično vrednost, torej gre nedvomno za diskretno skalo.
Z miško se postavite na kriterij Satsifacton in v orodni vrstici kliknete na gumb fu. V oknu Satisfaction Dsicrete Value Function vpišete opisne ocene (Very High, High, Satisfactory…), ki določajo diskretno zalogo vrednosti in jim pripišete numerično vrednost od 0 do 100.
Nato lahko šele definirate oceno variante po posameznem kriteriju. Zopet označite želeni kriterij (v našem primeru Satisfaction), okno za definiranje kriterija odprete z dvoklikom. Variante so označene s Site A, Site B, Site C in Site D. Vsako varianot posebej sedaj ocenite z vrednostmi, ki jih imate na voljo v “drop-down” menuju – izberete vrednost iz zaloge vrednosti, ki ste jo predhodno definirali. Na desnem grafikonu se ocene variant tudi grafično izrišejo. 1. 2.
PO, 2008

85. Verjetnost in Zaželjenost
Poseben tip kriterijske funkcije v HiView-ju omogoča upoštevanje negotovosti (rizika) pri oceni variant. Vhodne ocene za tak kriterij so verjetnosti za uspeh za posamezno varianto. Vnesemo jih kot številko od 0 do 100, pri tem 65 pomeni 65% verjetnost za dosego cilja (uspeh). HiView nato z logaritemskim pravilom pretvori verjetnosti v preference.
PO, 2008

86. MACBETH in definiranje kriterijskih funkcij
Podobno kot smo definirali vrednosti kriterijev s pomočjo orodja Macbeth, lahko sedaj definiramo tudi kriterijske funkcije.
PO, 2008

87. Pomembnost kriterijev
Poznamo 2 načina določanja pomembnosti:
1. Utežimo vse osnovne kriterije v drevesu
2. Utežimo najpomembnejše kriterije
1. Izberemo vozlišče, ki ima podkriterije. V orodni vrstici iz Data menuja izberemo “Weight Criteria Swings Below Selected Node” in odpremo okno za določanje pomembnosti.
Koliko nam pri končni odločitvi pomeni določen kriterij?
Poglejmo si primer: kupujete avtomobil za cca €. Ker je to veliko denarja, vam za nakupno ceno verjetno ni vseeno. Vendar pa so cene avtomobilov na vašem seznamu med € in €, kar pomeni, da je razlika med najcenejšim in najdražjim zgolj 500€. Torej navsezadnje nakupna cena niti ne bo veliko vplivala na vašo odločitev. Če bi bila razlika med najcenejšim in najdražjim avtomobilom 2.000€, bi cena definitivno bolj vplivala na končno odločitev – razen, če ste izjemno bogati in vam to sploh ne predstavlja nekega denarja. Spoznali smo torej, da je vpliv posameznega kriterija odvisen od ranga razlike med variantami in od tega koliko nam te razlike pomenijo.
Kako torej postaviti primerne uteži kriterijem? Najlažje tako, da odgovorite na naslednje vprašanje: Katera razlika rangov kriterija mi predstavlja največjo in najpomembnejšo razliko? Najpomembnejši razliki pripišem vrednost 100, vse ostale primerjam z največjo in ji pripišem proporcionalno vrednost. Če mi razlika pri naslednjem kriteriju pomeni pol toliko kot najpomembnejša, ji pripišem vrednost 50.
2. Najprej pripišemo največjo možno utež najpomembnejšemu kriteriju (100), ostale utežimo proporcionalno glede na pomembnost najpomembnejšega.
Prvi način: utežimo osnovne kriterije
PO, 2008

88. 2. Utežimo najpomembnejše kriterije
Pri večjih modelih je lahko uteževanje vseh kriterijev hkrati zelo težavno. Še posebej je to težko kadar imamo opravka s skupino odločevalcev. Kaj lahko storimo? Najboljše je, da nalogo razdelimo na manjše naloge in ocenimo pomembnost manjših skupin kriterijev posebej.
Seveda tu naletimo na novo težavo – zagotavljanje konsistentnosti relativne pomembnosti med posameznimi kriteriji.
Z dvoklikom odprete kriterij FINANCIAL. Uteži nižjeležečih kriterijev so že definirane: 30, 70 in 100. Sedaj pa boste ocenili pomembnost še ostalim kriterijem pod kriterijm BENEFITS tako, da ohranite konsistenco.
Izberite kriterij BENEFITS in kliknite na gumb
PO, 2008

89. Samostojno delo
Po 2 študenta skupaj kerirata svoj odločitveni model v Hiview3
Analizirata odločitev
Izvedeta analizo občutljivosti
Kreirata funkcijo koristnosti v Macbethu
Odgovorita na vprašanja (pisno).
PO, 2008