Analyyttinen hierarkiaprosessi

Analyyttinen hierarkia prosessi ja analyyttinen hierarkia prosessi (AHP), myös Saaty menetelmä , on yksi matemaatikko Thomas L. Saaty kehittänyt menetelmän päätöksenteon tueksi.

Analyyttinen hierarkiaprosessia on menetelmällä ohjaileva päätösteoria on tukea päätöksentekoa tehdä, samanlainen apuohjelma arvoanalyysiä , jotta yksinkertaistaa monimutkaisia päätöksiä ja tehdä niistä entistä järkevämmin. AHP on järjestelmällinen menettely päätöksentekoprosessien jäsentämiseksi ja ratkaisemiseksi. Mahdolliset käyttötavat ovat erilaisia.

AHP: n tavoitteet ovat:

  • Tukipäätökset ryhmissä.
  • Yhteisesti kannettavan ratkaisun löytäminen ja siihen tarvittavan ajan minimointi.
  • Jotta päätöksenteko ja tulos olisivat ymmärrettäviä.
  • Paljasta epäjohdonmukaisuudet päätöksentekoprosessissa.

AHP palvelee:

  • Subjektiivisten "suolistopäätösten" tarkistamiseen ja täydentämiseen.
  • Laaditaan vertaileviin päätöksiin perustuvat laadulliset painotuspäätökset.
  • Lopullisen päätöksen jäsennelty ja hierarkkinen esitys päätöksentekopuun avulla.

Tulokset mahdollistavat päätöksen tarkemman keskustelun.

Matemaatikko Thomas Saaty oli teoreettisesti kehittänyt ja julkaissut menetelmän jo vuonna 1980. Katso kirjallisuuslähteet verkkolinkeistä . Menetelmä tuli kuitenkin käytäntöön vasta 1990-luvulla. AHP sai suosiota erityisesti Pohjois-Amerikassa, Skandinaviassa ja Kaukoidän maissa. Saksankielisellä alueella AHP on toistaiseksi saanut erityistä huomiota Itävallassa ja Sveitsissä.

määritelmä

AHP on "hierarkkinen", koska ongelman ratkaisemiseen käytetyt kriteerit tuodaan aina hierarkkiseen rakenteeseen. Näiden kriteerien nimet ovat ominaisuuksia, ominaisuuksia, vaihtoehtoja tai vastaavia tarpeen mukaan . Hierarkian elementit voidaan jakaa ryhmiin, jolloin kukin ryhmä vaikuttaa vain yhteen toiseen ("ylempään") hierarkian elementtien ryhmään ja vain yksi toinen ("alempi").

AHP: tä kutsutaan "analyyttiseksi", koska se soveltuu ongelmakokonaisuuden kokonaisvaltaiseen analysointiin kaikissa riippuvuuksissa.

Sitä kutsutaan "prosessiksi", koska se määrittää menettelysarjan siitä, miten päätökset jäsennetään ja analysoidaan. Tämä prosessi on periaatteessa aina sama, mikä tarkoittaa, että AHP: stä tulee helppokäyttöinen päätöksentekoväline, joka vastaa rutiininomaista toimintaa, kun sitä käytetään useita kertoja.

yhteydessä

Kvantitatiivisten mallien ja menetelmien käyttöä päätöksenteon tueksi yrityshallinnossa kutsutaan Operations Researchiksi (OR); Operatiivisen tutkimuksen muodostaa soveltavan matematiikan , taloustieteen ja tietojenkäsittelytieteen yhteistyö . (katso myös yritystietotekniikka )

Päätösten teoria tutkii päätöksentekomalleja ja -menetelmiä . Soveltavan todennäköisyysteoriasta tämä on haara arvioida seuraukset päätöksistä ; sitä käytetään laajalti liiketoiminnan välineenä.

Yrityshallinto ja muut yhteiskuntatieteet käsittelevät muun muassa sitä, miten organisaatioissa tehdään päätöksiä. Yrityksissä osasto tarjoaa Controlling usein tietomallit ja menetelmät suunnittelua ja päätöksentekoa varten (katso myös päätöksenteon tukijärjestelmän (Engl. Decision Support System ) tilastotietojärjestelmä ).

Lisääntyneiden tietoteknisten valmiuksien ansiosta on nyt kustannustehokkaampaa ja nopeammin kuin aikaisemmin määrittää tietyt suhteet ( korrelaatiot ) suurista tietokannoista (katso myös tiedonlouhinta , tietovarasto ).

Käytännön prosessi ja metodologia

Päätöksentekoprosessi on jaettu kolmeen vaiheeseen. AHP: n matemaattisia ja tieteellisiä suhteita ei käsitellä tarkemmin jäljempänä.

1. vaihe: tietojen kerääminen

Tässä vaiheessa päätöksentekijä kerää kaikki tiedot, jotka ovat tärkeitä hänen päätöksenteolleen.

Ensimmäinen vaihe edellyttää päätöksentekijää muotoilemaan ongelmasta erityiskysymys. Kysymyksen tarkoituksena on löytää paras ratkaisu tai vastaus ongelmaan.

Toisessa vaiheessa päätöksentekijä nimeää lajittelemattomat kaikki kriteerit (näkökulmat), jotka näyttävät olevan tärkeitä kysymyksen ratkaisemiselle. Kokoelma on usein edellisen aivoriihi-istunnon muodossa . Kriteerien järjestys niiden tärkeyden mukaan tapahtuu kuitenkin myöhemmin.

Kolmannessa vaiheessa päätöksentekijä nimeää kaikki hänelle valitut ja realistiset vaihtoehdot (ehdotetut ratkaisut), joilla hänen ongelmansa voidaan ratkaista tai vastata alussa esitettyyn kysymykseen.

Tämä päättää kaikkien päätöksen kannalta merkityksellisten tietojen keruun ja muotoilun ensimmäisen vaiheen.

2. vaihe: Vertaa ja painotiedot

Keräyksen ja muotoilun ensimmäisen vaiheen jälkeen on nyt vertailu, vertailu ja arviointi kaikista kriteereistä tai vaihtoehdoista kahdessa alavaiheessa:

Neljännessä vaiheessa päätöksentekijän on vastattava ja vertailtava kutakin kriteeriä toisiinsa. Päättäjä toteaa, mikä näistä kahdesta kriteeristä näyttää olevan hänelle tärkeämpi. Tämän pareittain tapahtuvan vertailun avulla päätöksentekijä voi saada erittäin tarkan arvion kilpailevien kriteerien joukosta. Tämä johtaa sijoitukseen, jossa kriteerit järjestetään niiden tärkeyden mukaan.

Arvioinnissa käytetään asteikkoa, jonka alue on 1–9 pistettä. Käytännössä arviointi voidaan parhaiten kuvitella virtuaalisen liukusäätimen muodossa, joka sijaitsee kahden kriteerin välillä. Tässä prosessissa yhtä kriteeriä verrataan toiseen kriteeriin, verrataan ja arvioidaan useilla pisteillä.

Viidennessä vaiheessa päätöksentekijän on tutkittava ja arvioitava vaihtoehtojensa sopivuus. Hän vertaa kahta vaihtoehtoa ja arvioi, mikä vaihtoehto sopii parhaiten kyseisen kriteerin täyttymiseen.

Arvioinnissa käytetään myös asteikkoa, joka on välillä 1 - 9. Käytännössä sopii myös idea virtuaalisesta liukusäätimestä, joka on kahden vaihtoehdon välillä. Samoin kuin neljännen vaiheen kriteerit, tämä johtaa vaihtoehtojen järjestykseen.

3. vaihe: tietojen käsittely

Kolmas ja viimeinen vaihe on vastaus alussa esitettyyn kysymykseen. Thomas Saatyn mukaan tätä on useita arviointiskenaarioita.

Toisen vaiheen yksittäisistä arvioinneista AHP määrittää kaikkien kriteerien tarkan painotuksen matemaattisen mallin mukaan (katso verkkosivustolinkit ”AHP-johdanto”) ja kokoaa ne prosenttiosuusjärjestykseen.

Tällöin AHP käyttää ns. "Epäjohdonmukaisuustekijää" mittaamaan arvioiden logiikkaa suhteessa toisiinsa. Tämä antaa lausunnon tehdyn päätöksen laadusta. Mitä alhaisempi epäjohdonmukaisuustekijä, sitä vakuuttavammat ovat heidän arvionsa ja sitä vähemmän ristiriitoja ne sisältävät. Ristiriidan esittämiseksi vaaditaan määritelmän mukaan vähintään kolme erilaista arviointia, joita on käytettävä harkintaan.

Löydetyn ratkaisun vakautta voidaan tarkastella muuttamalla asteittain kriteereille määritettyjä prosenttiosuuksia.

Yleiskatsaus

(Tämän artikkelin painopiste on tällä hetkellä käytännön prosessin esittely tietylle käyttäjälle. Seuraavaa tieteellistä osaa ei ole vielä kuvattu kokonaisuudessaan. Lisää teoriasta ja matematiikasta löytyy verkkolinkeistä .)

Monitasoiset kohdehierarkiat esiintyvät pääasiassa päätöksentekoprosessissa. Tämän ratkaisemiseksi kehitettiin AHP. AHP käy läpi seuraavat vaiheet:

  1. Tavoitteiden hierarkian luominen
  2. Prioriteettien määrittäminen
  3. Painotusvektorien laskeminen
  4. Johdonmukaisuuden tarkistus
  5. Laske yleinen hierarkia

Yksittäiset vaiheet

Yksittäiset vaiheet ajetaan läpi siinä järjestyksessä kuin ne suoritetaan, ja palataan takaisin prioriteettien määrittämiseen, jos havaitaan epäjohdonmukaisuuksia.

Tavoitteiden hierarkian luominen

Tärkeä yrityksen tavoite on pitkän aikavälin taloudellinen menestys. Tällä tavoitteella on muun muassa "osatavoitteiden" markkinaosuus , vakaus ja voitto . Vakauden tavoitteen saavuttamiseksi asetetaan muita osatavoitteita, esimerkiksi työntekijöiden vaihtelut ja vastaavat.

Nämä tavoitteet voidaan näyttää kaaviona, jolla on eri tasot.

Prioriteettien määrittäminen

Tätä varten päättäjä tekee pareittain vertailuja, joissa kahden osatavoitteen merkitystä verrataan kokonaistavoitteeseen. Seuraavaa luokitusasteikkoa käytetään.

Skaalausarvo merkitys
1 sama tarkoitus
3 hieman suurempi merkitys
5 merkittävästi suurempi merkitys
Seitsemäs paljon suurempi merkitys
9 ehdottomasti hallitseva
2, 4, 6, 8 Väliarvot

Jos vertailtavat osatavoitteet ovat lähempänä toisiaan kuin tämä asteikko osoittaa, 1.1; 1,2; . . . . . 1,9-asteikkoa voidaan käyttää. Periaatteessa voidaan erottaa niin hienosti kuin halutaan, mutta tämä tuo vain harvoin merkityksellistä lisäarvoa.

Kun prioriteetit on määritetty, saadaan seuraava matriisi:

päätös Ominaisuus 1 Ominaisuus 2 Ominaisuus 3
Ominaisuus 1 1 Seitsemäs Neljäs
Ominaisuus 2 1/7 1 1/5
Ominaisuus 3 1/4 5 1

Painotusvektorien laskeminen

Tästä matriisista ominaisvektori ja suurin ominaisarvo voidaan laskea yksinkertaistettua menettelyä käyttäen ja ne ovat ratkaisevia.

Mainitun esimerkin kohdalla tämä olisi:

päätös Ominaisuus 1 Ominaisuus 2 Ominaisuus 3 painopisteet
Ominaisuus 1 1 Seitsemäs Neljäs 67,5%
Ominaisuus 2 1/7 1 1/5 7,3%
Ominaisuus 3 1/4 5 1 25,2%

Ohjelmistotuki

Periaatteessa prosessi voidaan kartoittaa myös taulukkolaskentaohjelmassa . Vastaavat ohjeet löytyvät verkkolinkeistä. AHP: n matemaattiset perusteet ovat kuitenkin paljon monimutkaisempia ja siksi paljon aikaa vieviä ohjelmointia kuin z. B. hyödyllisyysanalyysissä . Erityisesti hierarkkinen muunnos ja sen epäjohdonmukaisuustekijät tai myös AHP: stä johdetut arviointiskenaariot, kuten B. stabiilisuus- tai herkkyysanalyysi voidaan esittää vain vaikeuksin yksinkertaisilla työkaluilla. On yhtä vaikeaa esittää laaja joukko arviointeja ryhmien koordinointiprosesseissa. Tämä vaatii yleensä ohjelmistotuen, joka on erityisesti ohjelmoitu AHP: lle.

Vertailu hyötyarvojen analyysiin ja kritiikkiin

Analyyttinen hierarkia prosessi on matemaattisesti vaativa verrattuna käyttöarvoa analyysi (NWA). NWA: ta käytettäessä kynä ja paperi ovat riittäviä laskentaan. Siksi NWA: ta käytettiin jo silloin, kun IT: tä ei ollut. AHP-menetelmä perustuu matemaattisesti matriisikertojen ketjuun. Tietenkin nämä vaativat laskentatehoa, joka käytännössä oli tosiasiallisesti AHP: n käytettävissä vasta vuodesta 1990 eteenpäin.

NWA on additiivinen approksimaatiomenetelmä ja käyttää vain aritmeettisia perustoimintoja . NWA: ssa, toisin kuin AHP, kriteerien järjestystä ei määritetä pareittain vertailemalla (ei "jokainen kriteeri kaikkien muiden kriteerien kanssa"). Sen sijaan päätöksentekijä kirjoittaa arvioidun prosenttimäärän suoraan sijoitustaulukkoon. Myös vaihtoehtojen sijoitus määritetään NWA: ssa ilman pareittaista vertailua. NWA: n "metodologia" supistuu siihen, että kaikkien painotustekijöiden summa ei saa olla yli 100 prosenttia. AHP puolestaan ​​"pakottaa" parivertaisen vertailun jopa vaihtoehtoihin.

Laajemman arviointiasteikon lisäksi AHP, toisin kuin NWA, tarkistaa myös päätöksen logiikan ja laadun. Kaikkien pareittain tehtyjen vertailujen väistämättömistä ristiriidoista (ks. Johdonmukaisuus ) tai niiden subjektiivisista arvioinneista määritetään niin sanottu epäjohdonmukaisuustekijä ja kaikkien vaihtoehtojen sijoituksen vakaus lähes tarpeettoman yliarvioinnin avulla .

Klassisen AHP-menetelmän terävyys on samalla sen heikkous. Koska tarvitset enemmän aikaa kaikkien vertailujen arvioimiseen. Ellet vaihtoehtoisesti käytä AHP: n lyhennettyä arviointimenetelmää (katso heuristiikka ) ("yksi kriteeri kaikilla muilla kriteereillä"), heti kun päätöksentekijä z. B. lukuisista vaihtoehdoista, jotka "erottavat vehnän akanoista". Mutta silloin epäjohdonmukaisuutta ja vakautta ei tietenkään voida enää määrittää ylimääritelmän puutteen vuoksi.

Uudemmat sovellukset yrittävät vähentää ongelmaa, joka liittyy monien eri menetelmillä arvioitavien parivertailujen suureen määrään. Adaptive-AHP yrittää vähentää merkittävästi parivertailujen määrää vaikuttamatta tuloksen laatuun.

Toinen heikkous AHP on ns listalla kääntyminen . Jos täydellisen arvioinnin jälkeen vaihtoehtojen sekvenssi on esimerkiksi <b <c, sekvenssi voidaan kääntää lisäämällä uusi vaihtoehto ja tulos on d <b <a <c. Useimmat kriitikot pitävät tätä muutosta ei loogisena. Jos ennen vaihtoehto B oli parempi kuin A, miksi sen pitäisi olla huonompi kuin A toisen vaihtoehdon D lisäämisen jälkeen? Tämä rikkoo IIA-kriteeriä ( merkityksettömien vaihtoehtojen riippumattomuus ).

IIA-kriteeriä rikotaan, kun uusi vaihtoehto on tietyissä kriteereissä erittäin hyvä ja toisissa erittäin huono. Sijoitusten kääntyminen voidaan välttää, jos yksi sisältää kaksi kuvitteellista "äärimmäistä vaihtoehtoa" "", jotka pärjäävät erittäin hyvin tai huonosti kaikissa kriteereissä. Tämän kritiikin vastustajat selittävät ilmiön usein seuraavalla esimerkillä: "Nainen menee ainoaan Myyjä näyttää hatun A ja hatun B. Nainen pitää aluksi parhaiten hattua A, mutta hetken kuluttua myyjä näyttää hänelle hatun C, joka näyttää hatulta A. Sitten jos nainen valitsee hatun B, koska hän ei halua toisen naisen, jolla on sama hattu, kävelevän kylässä. ”Tämä esimerkki on valittu huonosti, koska se ei voi esimerkiksi taata, että hatun ainutlaatuisuudella oli jo ollut merkitystä, kun naisella oli vain A tai B mistä valita.

Katso myös

kirjallisuus

  • Thomas L. Saaty: Monikriteerinen päätöksenteko - analyyttinen hierarkiaprosessi. Suunnittelu, prioriteetin asettaminen, resurssien kohdentaminen . 2. painos. RWS Publishing, Pittsburgh 1990, ISBN 0-9620317-2-0 .
  • Thomas L. Saaty: Päätöksenteko johtajille - analyyttinen hierarkiaprosessi päätöksenteolle monimutkaisessa maailmassa . 3. painos. RWS Publishing, Pittsburgh 2001, ISBN 0-9620317-8-X .
  • Holger Lütters: Online-markkinatutkimus: Aseman määritys markkinatutkimuksen menetelmäkanonissa käyttäen verkkopohjaista analyyttistä hierarkiaprosessia (webAHP) . Wiesbaden 2004, ISBN 3-8244-8201-0 .
  • Holger Lütters: Analyyttinen hierarkiaprosessi (AHP) markkinatutkimuksessa . 2008 ( marktforschung.de ).
  • Holger Lütters, Jörg Staudacher: Strateginen ohjaus analyyttisen hierarkian prosessin kanssa. Julkaistu markkinointikatsauksessa St.Gallen . 2008, doi : 10.1007 / s11621-008-0025-y .

nettilinkit

Commons : Analyyttinen hierarkiaprosessi  - kokoelma kuvia, videoita ja äänitiedostoja

Yksittäiset todisteet

  1. ^ Operaatiotutkimusseura: Operaatiotutkimus .
  2. ↑ Thomas L. Saaty: Kuinka tehdä päätös: Analyyttinen hierarkiaprosessi . Toim.: European Journal of Operational Research 48. North-Holland 1990, s. 18 ( sciencedirect.com ).