| зростання | рентабельність | гнучкість | ризик | |
| зростання | 0,353 | 0,428 | 0,4 | 0,286 |
| рентабельність | 0,116 | 0,143 | 0,2 | 0,143 |
| гнучкість | 0,376 | 0,143 | 0,2 | 0,286 |
| ризик | 0,353 | 0,286 | 0,2 | 0,286 |
• 3. Розраховуємо суму елементів нормалізованої матриці по рядках, отримуємо вектор (У) = 1,467; 0,602; 0,805; 1,119.
• 4. Приводимо вектор У до стандартизованого вигляду шляхом ділення кожного елемента на суму елементів вектора (У) = 3,993; ? = 0,367; 0,151; 0,201; 0,280.
• 5. Розраховуємо узагальнюючі оцінки пріоритетів як суму добутків по рядках оцінок кожної СЗГ щодо кожного критерію, отриманого з матриць 5-8, на вагу кожного критерію, отриманого з матриці 1. Результати розрахунків узагальнюючих оцінок пріоритетів зводимо в таблиця 5.54.
Таблиця 5.54. Результати розрахунків узагальнюючих оцінок пріоритетності СЗГ
Як видно з таблиці найпривабливішою, з точки зору чотирьох критеріїв є СЗГ-1, що отримала найвищу оцінку 0.530. Отже, в кінцевому рахунку, отримуємо так звані "тверді оцінки".
Після проведення усіх парних порівнянь визначають узгодженість, тобто "несуперечливість" суджень (вербальної інформації).
Величина відношення узгодженості (Ву) не повинна бути більша за 10% (в деяких випадках, коли немає потреби у високій точності, дозволяється не більше 20%). Якщо (Ву) виходить за ці межі, то учасникам слід дослідити задачу і перевірити свої судження. Підхід до вимірів за допомогою MAI допускає певний рівень неузгодженості. Група людей може прийняти рішення при допустимій неузгодженості для кожного члена групи. При цьому вони не будуть відчувати, що їх "пріоритети" були порушені значною мірою.
Для одержання відношення узгодженості (Ву) застосовується такий алгоритм:
• 1. Знаходимо суму кожного стовпчика матриці.
• 2. Суму першого стовпчика множимо на величину першої компоненти вектора пріоритетів, суму другого - на величину другої компоненти тощо. Одержані таким чином числа сумуються - це найбільше значення тверджень (Qmax).
• 3. Знаходимо індекс узгодженості (Іу) і порівнюємо його з середнім відношенням узгодженості для випадкових матпииь'
де n - розмірність матриці.
Таблиця 5.55. Середні відношення узгодженості (СВу) для випадкових матриць
Для кращої узгодженості і точності не слід одночасно порівнювати 9 об'єктів.
MAI успішно застосовується в багатьох галузях: так, наприклад, є досвід застосування його при розподіленні енергії у промисловості, висуванні кандидатів на вибори, проектуванні цін на нафту, проектуванні літаків, як інструмента для вимірювання якості (бажана якість порівнюється з фактичною) та при стратегічному плануванні майбутнього корпорацій, оскільки воно вимагає від спеціалістів урахування та узгодженості багатьох критеріїв. Все це переконує, що MAI — математично обґрунтований підхід для отримання шкали відношень при вирішенні складних проблем. Важливо відзначити, що MAI, як і інші аналітичні процедури, може бути неправильно використаний у тих випадках, коли обробляються твердження, засновані на упереджених поглядах експертів. Тому необхідна наявність незалежних експертів.
ЗАСТОСУВАННЯ MAI ПРИ АНАЛІЗІ "ВАРТІСТЬ-ЕФЕКТИВНІСТЬ"
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Менеджмент підприємства» автора Хомяков В.І. на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Метод аналізу ієрархій як інструмент для прийняття рішень при стратегічному плануванні“ на сторінці 3. Приємного читання.
