- •Глава 1. Принципы построения виртуального предприятия
- •1.3 Особенности управления виртуальным предприятием, достоинства и недостатки виртуальных предприятий
- •Глава 2. Основы анализа экономической эффективности и степени риска инвестиционного проекта
- •2.4. Назначение и характеристики метода анализа иерархий
- •Глава 3. Результаты вычислительных экспериментов по расчету экономической эффективности и степени риска виртуального издательско-полиграфического предприятия
- •22. Дутчак с.К. Организационные структуры управления полиграфических предприятий: Монография / с.К. Дутчак; Моск. Гос. Ун-т. Печати. - м.: мгуп, 2006. - 119с.
- •Список литературы
- •1. Пономарев и.П., Виртуальная организация: предпосылки возникновения новой организационной формы
- •1 2. Сироткин с.А., Кильчевская н.Р. Экономическая оценка инвестиционных проектов. М: юнити - дана, 2012 г. – 312 стр.
- •13. Современный экономический словарь. – м.: Инфра-м, 2014 г. – 512 с.
2.4. Назначение и характеристики метода анализа иерархий
Метод анализа иерархий (далее МАИ) разработан американским учёным Томасом Л. Саати в семидесятых годах двадцатого века. И активно применяется для решения политических, экономических и социальных проблем по всему миру [19].
Первым этапом МАИ является декомпозиция задачи на критерии, цели, действующие силы, альтернативы и другие рассматриваемые факторы. В процессе декомпозиции происходит сбор необходимых данных по решаемой задач. Все полученные факторы объединяются в модули, а затем в единую систему представленную в виде иерархии (см рис. 8). Иерархия — есть
Рисунок
8 – иерархическая структура
определенный тип системы, основанный на предположении, что элементы системы могут группироваться в несвязанные множества. Элементы каждой группы находятся под влиянием элементов другой группы и в свою очередь оказывают влияние на элементы следующей группы. Считается, что
элементы в каждой группе иерархии (называемые уровнем, кластером, стратой) независимые. Вершину иерархии занимает главная поставленная в задаче цель, нижний уровень — возможные альтернативные решения. Все остальные элементы являются или управляющей компонентой на некотором уровне этой иерархии, или просто элементом, раскрывающим функции нижнего или высшего порядка.
Иерархическое представление системы можно использовать для описания того, как влияют изменения приоритетов на верхних уровнях на приоритеты элементов нижних уровней.
Иерархии предоставляют более подробную информацию о структуре и функции системы на нижних уровнях и обеспечивают рассмотрение акторов и их целей на высших уровнях.
Естественные системы, составленные иерархически, т. е. посредством модульного построения и затем сборки модулей, строятся намного эффективнее, чем системы, собранные в целом.
Иерархии устойчивы и гибки; они устойчивы в том смысле, что малые изменения вызывают малый эффект, а гибкие в том смысле, что добавления к хорошо структурированной иерархии не разрушают ее характеристик.
Человек, принимающий решения, при построении иерархии вынужден вникнуть в проблему. От этого этапа во многом зависят конечные результаты принятия решений. Этот этап никак нельзя формализовать.
На втором этапе проводится оценка каждого элемента определённого уровня на связанный с ним элемент верхнего уровня, то есть элементы одного кластера. Все элементы сравниваются друг с другом попарно по девятибалльной шкале по принципу: «во сколько раз данный элемент важнее другого?», «во сколько раз данный элемент превосходит другой?» Значение одного элемента в паре всегда обратно пропорционально значению другого. Девятибалльная шкала обусловлена психологическими особенностями человека по сравнению двух предметов:
Качественные различия значимы на практике и обладают элементом точности, когда величина сравниваемых предметов одного порядка или предметы близки относительно свойства, использованного для сравнения;
Отметим, что способность человека производить качественные разграничения хорошо представлена пятью определениями: равный, слабый, сильный, очень сильный и абсолютный. Можно принять компромиссные определения между соседними определениями, когда нужна большая точность. В целом требуется девять значений, и они могут быть хорошо согласованы;
Путем подкрепления практический метод, часто используемый для оценки отдельных предметов, заключается в классификации стимулов в трихотомию зон: неприятия, безразличия, принятия. Для более тонкой классификации в каждую из этих зон заложен принцип трихотомии — деление на низкую, умеренную и высокую степени. Таким образом, получается девять значений;
Психологический предел 7 ± 2 предметов при одновременном сравнении подтверждает, что если взять 7 ± 2 отдельных предметов, удовлетворяющих описанию, и если все они слегка отличаются друг от друга, то понадобится 9 точек, чтобы различить их.
Более подробно данная шкала рассмотрена в таблице 2
Таблица 2 – Шкала оценки элементов.
Степень важности |
Определение |
Объяснение |
1 |
Одинаковая значимость |
Два действия вносят одинаковый вклад в достижение цели |
3 |
Некоторое преобладание значимости одного действия перед другим (слабая значимость) |
Опыт и суждение дают лёгкое предпочтение одному действию перед другим |
5 |
Существенная или сильная значимость |
Опыт и суждение дают сильное предпочтение одному действию перед другим |
Продолжение таблицы 2
7 |
Очень сильная или очевидная значимость |
Предпочтение одного действия перед другим очень сильно. Его превосходство практически явно. |
9 |
Абсолютная значимость |
Свидетельство в пользу предпочтения одного действия другому в высшей степени предпочтительны |
2, 4, 6, 8 |
Промежуточные значения между соседними значениями шкалы |
Ситуация, когда необходимо компромиссное решение |
Рациональные значения |
Отношения, возникающие в заданной шкале |
Если постулировать согласованность, то для получения матрицы требуется n числовых значений |
Обратные величины приведённых выше чисел |
Если действию i при сравнении с действием j приписывается одно из приведённых выше чисел, то действию j при сравнении с i приписывается обратное значение |
Обоснованное предположение |
Из шкалы следует свойство гомогенности (однородности) объектов. Это свойство соответствует способности людей сравнивать объекты, которые не слишком сильно отличаются друг от друга. Гомогенность существенна для сравнения объектов одного порядка, т.к. человеческий разум склонен к допущению больших ошибок при сравнении несопоставимых элементов.
Когда эта несопоставимость большая, объекты располагаются в отдельные кластеры сравниваемых размеров, что ещё раз подтверждает идею об уровнях и их декомпозиции.
Попарное сравнение элементов обусловлено тем фактом, что сравнение двух объектов психологически проще и естественнее, чем выбор одного из множества ему подобных.
Полученные значения сравнений заносятся в таблицу, которая ещё называется матрицей значений.
Таблица 3 — полученные значения элементов одного кластера иерархии
Критерий сравнения |
Элемент 1 |
Элемент 2 |
... |
Элемент k |
... |
Элемент n |
Элемент 1 |
1 |
a12 |
... |
a1k |
... |
a1n |
Элемент 2 |
a21 |
1 |
... |
a2k |
... |
a2n |
... |
... |
... |
... |
... |
... |
... |
Элемент k |
ak1 |
ak2 |
... |
1 |
... |
akn |
… |
... |
... |
... |
... |
... |
... |
Элемент n |
an1 |
an2 |
... |
ank |
... |
1 |
При условии: akn = 1/ank
В случае если значения в таблице являются отношениями между измеряемыми величинами, то они составляют матрицу, для которой справедливо следующее выражение:
,
(21)
где ω — собственный вектор матрицы А, n — собственное значение матрицы A, ω — собственное абсолютное значение соответствующего элемента.
В случае же, в котором аij основаны не на точных измерениях, а на субъективных суждениях, оно будет отклоняться от «идеальных» отношений ωi/ωj, и поэтому уравнение (21) более не будет иметь места. Полезными могут оказаться следующие два факта из теории матриц. Первый факт: если λ1, … λn числа, удовлетворяющие уравнению:
λx
,
(22)
т. е. являются собственными значениями A , и если aii=1 для всех i, то
(23)
Второй полезный факт заключается в том, что если элементы aij положительной обратно-симметричной матрицы A незначительно изменить, то собственные значения также изменятся незначительно.
Объединяя эти результаты, находим, что если диагональ матрицы A состоит из единиц (aii = 1) и A – согласованная матрица, то при малых изменениях в aij наибольшее собственное значение λmax остается близким к n , а остальные собственные значения – близкими к нулю.
Поэтому можно сформулировать следующую задачу: если A – матрица значений попарных сравнений, то для нахождения вектора приоритетов нужно найти вектор ω, который удовлетворяет (24):
λmax
(24)
Заметим, что, так как малые изменения в aii, вызывают малое изменение λmax, отклонение последнего от n является мерой согласованности. Оно позволяет оценить близость полученной шкалы к основной шкале отношений, которую мы хотим оценить. Отсюда следует, что индекс согласованности (ИС) вычисляется по формуле (25):
(25)
И он рассматривается как показатель «близости к согласованности». В общем случае, если это число ≤0,1, мы можем быть удовлетворены суждениями. Так же используется отношение согласованности (ОС)
(26)
Где ОС — отношение согласованности, ИС — индекс согласованности, СИ — случайный индекс согласованности, то есть индекс согласованности матрицы того же размера, сгенерированной случайным образом. На практике берутся средние значения, которые приведены в таблице 4
Таблица 4 — используемые значения случайных индексов согласованности
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
0 |
0 |
0,58 |
0,9 |
1,12 |
1,24 |
1,32 |
1,41 |
1,45 |
1,49 |
1,51 |
1,48 |
1,56 |
1,57 |
1,59 |
Значение ОС меньшее или равное 0,10 считается приемлемым. Обычно ИС и ОС указываются в процентах. Согласно определению, ИС можно трактовать как отклонение от идеально проведенного эксперимента (метода попарных сравнений), а ОС указывает, насколько оцениваемая степень согласованности сходится со степенью согласованности самого неидеально проведенного эксперимента.
Таким образом, МАИ допускает несогласованность (как неотъемлемую часть метода), признавая, что человеческие суждения находятся в постоянном процессе изменения и эволюции, и могут не только нарушить отношение согласованности, но и быть нетранзитивными (поэтому не следует настаивать на 100% согласованности). Но надежные решения не могут быть приняты без приемлемого уровня согласованности. В противном случае значения попарных сравнений пересматриваются.
Для нахождения абсолютных значений элементов кластера находят собственный вектор матрицы попарных оценок. Для этого существует несколько методов:
Суммировать элементы каждой строки и нормализовать делением каждой суммы на сумму всех элементов; сумма полученных результатов будет равна единице. Первый элемент результирующего вектора будет приоритетом первого объекта, второй — второго объекта и т. д.
Суммировать элементы каждого столбца и получить обратные величины этих сумм. Нормализовать их так, чтобы их сумма равнялась единице, разделить каждую обратную величину на сумму всех обратных величин;
Разделить элементы каждого столбца на сумму элементов этого столбца (т. е. нормализовать столбец), затем сложить элементы каждой полученной строки и разделить эту сумму на число элементов строки. Это – процесс усреднения по нормализованным столбцам;
Умножить n элементов каждой строки и извлечь корень n-й степени. Нормализовать полученные числа. (Вычисление среднего геометрического).
Указанные выше методы являются приближёнными. Даже с помощью компьютерных вычислений, можно только достичь определённого ранее заданного значения точности. Для этого используется метод итераций:
Для положительной квадратной матрицы A собственный вектор ω, соответствующий максимальному собственному значению λmax, с точностью до постоянного сомножителя V определяется по формуле:
(27)
где e = (1, 1, ..., 1)T — единичный вектор, k = 1, 2, 3,… показатель степени, C – константа, Т – знак транспонирования.
Вычисление собственного вектора ω производится до достижения заданной точности:
(28)
где l – номер итерации, такой, что l = 1 соответствует k = 1; l = 2, k = 2 и т. д. ζ — допустимая погрешность.
С достаточной для практики точностью принимается равной 0,01 независимо от порядка матрицы.
Для дальнейшего удобства собственный вектор необходимо привести к единице.
На третьем этапе вычисляется вес влияния возможных альтернатив решения на конечную цель (см. формулу (29))
(29)
Где А1 — вес альтернативы 1, a1k1 — вес альтернативы 1 по критерию 1, k1 — вес критерия 1
А также общую согласованность иерархии:
C=
(30)
Где C — индекс согласованности иерархии, ИСi — индекс согласованности i-той матрицы, СИi — случайный индекс i-той матрицы
Индекс согласованности свидетельствует о непротиворечивости числовых значений иерархии. Приемлемым считается его значение меньшее 0.1
На финальном этапе полученные результаты анализируются, и в случае достаточной согласованности результатов, принимается соответствующее решение. Анализ полученных результатов вычислительных экспериментов состоит в анализе:
Приоритетов различных ветвей иерархии,
Приоритетов элементов в отдельной матрице попарных оценок,
Индексов согласованности отдельных матриц и иерархии в целом.
МАИ позволяет, как выбрать один вариант из множества существующих, так и распределить существующие ресурсы между несколькими альтернативами. Он не зависит от структуры задачи, сферы применения и степени формализованности задачи. Возможно распределение различных модулей иерархии между разными группами экспертов, более осведомлённых в соответствующей данному модулю области. Для его реализации существует множество различных программных продуктов, тем более он достаточно прост в программной реализации.
