Professional Documents
Culture Documents
Knjiga 9 Pogl
Knjiga 9 Pogl
Tihomir Hunjak
9 Metode za odlučivanje.............................................................................................................1
9.1 Analiza odluke.................................................................................................................1
9.1.1 Složenost procesa odlučivanja...................................................................................1
9.1.2 Situacije odlučivanja..................................................................................................2
9.1.3 Rješavanje problema i odlučivanje............................................................................4
9.1.4 Analitičke i heurističke metode za odlučivanje.........................................................6
9.1.5 Dobro strukturirani i slabo strukturirani problemi odlučivanja...............................10
9.1.6 Složenost problema odlučivanja i kvaliteta odluke.................................................11
9.1.7 Kvantitativna analiza i odlučivanje.........................................................................13
9.1.8 Prednosti i nedostaci analitičkih metoda.................................................................15
9.1.9 Tipologija metoda za analizu odluke.......................................................................15
9.2 Heuristike u odlučivanju i njihova ograničenja.............................................................18
9.2.1 Minimalistička strategija.........................................................................................18
9.2.2 Leksikografska strategija.........................................................................................19
9.2.3 Pseudoleksikografski uređaj....................................................................................19
9.2.4 Eliminacija po aspektu.............................................................................................20
9.2.5 Zadovoljavajuća odluka...........................................................................................21
9.2.6 Izbor temeljen na razlozima.....................................................................................22
9.3 Uvod u složenije metode za višekriterijsko odlučivanje...............................................23
9.3.1 Tablica odlučivanja..................................................................................................24
9.3.2 Ljestvice kriterijskih vrijednosti..............................................................................26
9.3.3 Normalizacija – transformacija kriterijskih vrijednosti...........................................28
9.3.4 Određivanje težina kriterija na temelju procjena omjera njihovih važnosti............31
9.3.5 Određivanje težina kriterija metodom SWING.......................................................37
9.4 Odabrane metode za višekriterijsko odlučivanje...........................................................41
9.4.1 Metoda zbrajanja ponderiranih vrijednosti (MAVT)...............................................42
9.4.1.1 Stablo vrijednosti..............................................................................................42
10 Metode za odlučivanje
Pod općim nazivom analiza odluke (engl. Decision Analysis) podrazumjeva se skup
alata i tehnika temeljenih na rezultatima preskriptivne teorije odlučivanja i programska potpora
namijenjena donošenju boljih odluka u situacijama kad treba izabrati neko od mogućih rješenja
problema odlučivanja. R.L. Keeney1 (2004) analizira na koji način se može pomoći pojedincima
da donesu kvalitetnije odluke primjenjujući metodu Analiza odluke2. Argumenti za tvrdnju da
Analiza odluke, kao pristup odlučivanju, zadovoljava potrebe donositelja odluke su sljedeći:
temelji se na zdravom razumu i načinu na koji ljudi razmišljaju o problemu (ciljevima,
inačicama, posljedicama i kompenzacijama nedostataka u jednom aspektu prednostima u
drugom);
ima formalnu aksiomatsku podlogu;
podrazumijeva upotrebljive postupke za implementaciju koncepta;
pojednostavljuje složene odluke njihovim rastavljanjem na dijelove, bez potrebe da se
pretjerano pojednostavljuje problem ili zanemaruje njegova složenost;
primjenjiva je na sve odluke.
Opći postupak analize odluke može se prikazati u četiri koraka:
1: Strukturiranje problema odlučivanja, što uključuje definiranje problema, generiranje skupa
ciljeva, te identificiranje alternativnih rješenja problema.
2: Specificiranje posljedica inačica opisivanjem u kojoj mjeri one doprinose realizaciji
nabrojenih ciljeva.
3: Evaluacija svake posljedice na takav način da se utvrdi koja je bolja od drugih i koliko.
4: Integriranje informacija pribavljenih u prva tri koraka sa svrhom cjelovitog vrednovanja
inačica.
0
10.1.1 Složenost procesa odlučivanja
Složenost procesa donošenja odluke ovisi o složenosti problema. Tako, npr., ako se
situacija s vozilom koje koči ispred nas promatra kao problem vrijedan donošenja odluke jer se u
razmatranje mogu uključiti, osim kočenja i neke druge hipotetičke mogućnosti (ne uraditi ništa i
naletjeti na vozilo, promijeniti smjer vožnje i sletjeti s ceste, naravno, s nove dvije mogućnosti-
lijevo ili desno), ta se odluka smatra intuitivnom, jer se donosi bez posebnog svjesnog
uspoređivanja posljedica mogućih reakcija. Ukoliko se preko senzora dobije informacija da je
spremnik goriva prazan, zaustavlja se vozilo i puni se spremnik, pa se takva odluka zove
rutinskom jer se zna da to treba tako uraditi. Osjeti li vozač tijekom vožnje glad i odluči stati i
nešto pojesti, odluku o izboru jela može donijeti na više načina; može to uraditi tako da (i)
prihvati sugestiju konobara („kupuje“ mišljenje eksperta), (ii) odabere nasumice ponuđeno jelo,
(iii) sistematski odabire jelo vodeći računa o svim informacijama bitnim za usklađeni obrok;
kaloričnosti namirnica te usklađenosti njihovih sastojaka. Pri tom se preporučuje uzeti u obzir i
ograničenja koja sužavaju prostor za izbor najbolje odluke; eventualno zdravstveno stanje zbog
kojeg se ne preporučuju neke namirnice, dozvoljena koncentracija alkohola u krvi ukoliko se
upravlja vozilom i slično.
Dakle, neke odluke donose se rutinski, bez puno razmišljanja jer postoji jasan algoritam koji se
slijedi (npr. kojim redom obući pojedine dijelove odjeće, iako odluka o tome što obući može biti
vrlo složena) ili je donositelj odluke uvježban da ih brzo donosi (npr. odluke koje se donose u
sportu – s koje strane proći s loptom pored protivnika), a nekima se posvećuje veća pažnja. Kao
što, među brojnim odlukama koje svakodnevno donosimo svima ne posvećujemo jednaku
pažnju, tako se odnosimo i prema poslovnim odlukama. Poslovne odluke se također razlikuju po
složenosti, pa se neke donose relativno brzo bez velikih rasprava, a druge se pažljivo pripremaju.
Sukladno tome, donošenje odluke u praksi može biti jednostavniji ili složeniji proces. Složenost
procesa donošenja odluke povezana je s kvalitetom odluke, složeniji problemi zahtijevaju
složeniji pristup čime se povećavaju mogućnosti grešaka u odlučivanju. S druge pak strane,
primjena jednostavnijih procedura u rješavanju složenih problema omogućuje donošenje krivih
odluka ili previđanje boljih odluka u odnosu na one koje se donose.
1
Potreba za donošenjem odluke može proizaći iz različitih okolnosti koje utječu na način
rješavanja problema. Pokretači odluka mogu biti vanjske okolnosti te se tada govori o
nametnutoj odluci ili može postojati poticaj iznutra što čini priliku za odluku.
U prvom slučaju potreba za donošenjem odluke može proizaći iz aktivnosti konkurencije,
promjena u ponašanju poslovnog partnera, poremećaja u lancu opskrbe, temeljem promjene
zakonske regulative kojom se mijenjaju uvjeti poslovanja, i drugih događaja čiji pokretači su
izvan kontrole donositelja odluke. Vanjski pokretači odluka mogu se prepoznati i u osobnim
odlukama kao što je npr. potreba da se reagira na kvar automobila ili nekog drugog uređaja,
potreba za reakcijom na aktivnost sportskog protivnika, odgovor na inicijativu nadređene osobe i
slično.
Brojne poslovne odluke donose se iako za to ne postoji izravan poticaj izvan sustava tj,
moglo bi se i bez njih. Takve odluke koje se donose na poticaj iznutra su npr. odluka o
promjeni asortimana, uvođenju novog proizvoda, otkazu zaposleniku, zapošljavanju novog
djelatnika, uvođenje novog studija, kupnji opreme i slično. Iako na donošenje tih odluka mogu
utjecati vanjske okolnosti, donositelj odluke je taj koji ih može inicirati i bez izravnog vanjskog
povoda.
Rijetke su odluke za koje se može reći da se pokreću samo izvana odnosno samo iznutra.
Odluka o zapošljavanju novog djelatnika može biti nametnuta jer se pojavi dobar kandidat, a
može biti i posljedica potrebe za novim zaposlenikom uslijed rasta poslovanja ili jer netko odlazi
u mirovinu. Odluka o razvoju novog proizvoda može biti posljedica nastojanja da se
komercijalizira patent, a može biti inicirana i potražnjom na tržištu ili uspjehom konkurencije.
Osobnu odluku o prijavi ispita student može donijeti na temelju objave rokova i usklađivanja
svojih planova s tim rokovima, ali u suštini je to odluka koju treba tretirati kao odluku iniciranu
„iznutra“. Druga situacija je ako roditelj postavi zahtjev u obliku ultimatuma tipa „Ako to ne
položiš do...“. U tom slučaju odluka o izlasku na ispit nametnuta je izvana.
Trenutak u kojem donositelj odluke postaje svjestan potrebe da donese odluku određuje
inicijalni kontekst za situaciju odlučivanja. Kako npreduje proces odlučivanja prikupljanjem
dodatnih informacija mijenja se i kontekst odlučivanja. Poznavanje konteksta odlučivanja, a
time i sigurnosti da se rješava pravi problem, svodi se na poznavanje odgovora na sljedeća
pitanja:
kakvu odluku treba donijeti,
2
na koji način je ta odluka povezana s prije donesenim odlukama,
koja ograničenja (pravna, tehnološka, raspoloživost resursa i druga) treba prihvatiti i
tome prilagoditi skup mogućih inačica,
koji je minimalan skup ciljeva koje treba ostvariti,
koji su izvori nesigurnosti i glavni rizici s kojima je povezana odluka,
koga sve treba uključiti u proces donošenja odluke i kakve su odgovornosti dionika
procesa odlučivanja,
rok u kojem treba donijeti odluku, proračun i vremenski plan za proces donošenja odluke.
3
Identificiranje i definiranje
problema
Rješavanje
problema Vrednovanje inačica
Izbor inačice
Odluka
Vrednovanje rezultata da bi se
utvrdilo da li je rješenje problema
zadovoljavajuće
4
STRUKTURIRANJE ANALIZIRANJE
PROBLEMA PROBLEMA
5
U realnim problemima odlučivanja mogu se javiti različite kombinacije vrijednosti ovih
parametara. Ipak, neke od njih su povezane. Tako su, npr. jednostavni problemi odlučivanja
najčešće dobro strukturirani i svode se na izbor neke od poznatih opcija. S druge, pak, strane
složeni problemi su slabo strukturirani i uglavnom traže dodatne napore da bi se dizajniralo
rješenje. Vrijednosti parametara iz tablice (Tablica Metode za odlučivanje.2) koje se javljaju u
realnim problemima, određuju način kako se oni rješavaju. Štoviše, podjela metoda odlučivanja
veže se na kombinacije vrijednosti tih parametara.
Postupci kojima se rješava problem mogu se opisati s tri parametra 6 (sadržaj problema,
formalna ograničenja, kvaliteta rješenja) koji uzimaju po dvije vrijednosti, kao što je prikazano u
tablici (Tablica Metode za odlučivanje.2).
Metoda orjentirana na
Metoda opće namjene
specifičan problem
6
Postoje formalna ograničenja za primjenu Analitička metoda opće
Specifična analitička metoda
metode, traži se optimalno rješenje namjene
7
Sadrži li problem samo
kvantitativne aspekte?
Ne Da
Da li je dostupna primjenjiva
analitička procedura ili se ona
može naći
Koristi
Koristi
analitičku
heurističnu
proceduru
proceduru
8
Uvjeti za primjenu analitičke metode u analizi odluke ispunjeni su ukoliko se dobije potvrdan
odgovor na sva tri pitanja koja se postavljaju u procesu prikazanom na slici 9.3. Ukoliko je
odgovor na neko od tih pitanja negativan, u odlučivanju se primjenjuje neka od heurističkih
metoda.
9
ako zna konačno (željeno) stanje, pokušati će povratnom dedukcijom identificirati
transformacije koje bi to stanje povezale s polaznim,
ako su mu poznati samo postupci (transformacije) kojima se može mijenjati stanje
sustava o kojem odlučuje, on će pokušati specificirati početno i konačno stanje tako
da može primijeniti ono što zna.
10
vremenu rezultira time da je donositelj odluke pod pritiskom da ne obrađuje u potpunosti sve
dostupne informacije i donosi odluku u uvjetima nesigurnosti i na temelju nepotpunih
informacija, što rezultira porastom rizika da se donese kriva odluka.
Odluka se donosi da bi se riješio problem odlučivanja. Svijest o problemu odlučivanja
proizlazi iz spoznaje da je nekim događajem ili procesom ugroženo postizanje ciljeva sustava u
kojem djeluje donositelj odluke. Svojom odlukom donositelj odluke nastoji procese koje ima pod
kontrolom usmjeriti tako da se realiziraju postavljeni ciljevi, bilo tako da se uklone prijetnje koje
ugrožavaju tu realizaciju, ili stvaranjem nužnih pretpostavki za njihovo postizanje. Generička
mjera za kvalitetu odluke je razina postizanja postavljenih ciljeva.
Povezanost kvalitete odluke sa složenošću problema odlučivanja i procesa odlučivanja
predmet je brojnih istraživanja s različitim motivima, ali u konačnici rezultati tih istraživanja
imaju utjecaj na unpređenje prakse odlučivanja bilo tako da se uspješnije izbjegavaju greške u
odlučivanju, ili tako da se preciznije prepoznaju utjecaji pojedinih elemenata odluke na
realizaciju ciljeva sustava u kojem se donose odluke. Jedno od poznatijih istraživanja s još uvijek
aktualnim preporukama za dobru praksu odlučivanja je istraživanje 11 provedeno u razdoblju od
1971. do 1982. godine u kojem su analizirane 83 odluke top menadžmenta tvrtke srednje veličine
i kojim su potvrđene sljedeće hipoteze:
1. Razina složenosti problema negativno utječe na kvalitetu odluke
2. Razina složenosti problema pozitivno utječe na složenost procesa njegovog rješavanja i
to na razinu potražnje za informacijama te na dizajniranje inačica.
3. Razina potražnje za informacijama pozitivno utječe na kvalitetu odluke.
4. Kvaliteta odluka raste s brojem razmatranih inačica, ali samo do određene granice, nakon
toga povećanje broja inačica dovodi do pada kvalitete odluke.
Provedeno istraživanje potvrđuje da porast neizvjesnosti, kao važan aspekt složenosti
problema odlučivanja, utječe na povećanje vjerojatnosti nepredvidljivih posljedica pa s time
raste i mogućnost donošenja manje kvalitetne odluke. Nadalje, da bi se riješio složeniji
problem odlučivanja prirodno je tražiti više informacija i razmatrati više inačica. Ipak, pritom
treba biti oprezan s idejom da se razina potražnje za informacijama uzima kao indikator
složenosti problema. Naime, manja potražnja za informacijama može biti i posljedica toga da
donositelj odluke ima znanje koje mu omogućuje kreiranje potrebnih informacija na temelju
raspoloživih podataka. Što se tiče odnosa potražnje za informacijama i kvalitete odluke,
11
pozitivan utjecaj postoji do granice nakon koje nove informacije dovode do zasićenja i
povećanja složenosti problema. Slična je veza kvalitete odluke i broja razmatranih inačica –
ustanovljeno je da se s velikom sigurnošću moglo predvidjeti da će odluka biti kvalitetna
ukoliko nije bilo potrebno razmatrati više od tri inačice i da u tim granicama raste kvaliteta
odluke s brojem razmatranih inačica. U slučajevima kada je problem odlučivanja bio tako
složen da je bilo potrebno razmatrati više od tri inačice, najčešće odluka nije ocijenjena
kvalitetnom.
12
problem linearnog programiranja konkretizira se u matematičkim modelima za rješavanje niza
realnih problema planiranja, različitim varijacijama transportnih problema, problema
raspoređivanja poslova i drugim problemima koji se najčešće izučavaju u okviru posebne
discipline operacijska istraživanja.
Bitni elementi matematičkog modela i njegova uloga u procesu transformacije inputa
(kontroliranih i nekontroliranih) u outpute za slučaj problema linearnog programiranja prikazani
su na slici (Slika Metode za odlučivanje.5) uz pomoć jednostavnog primjera13.
Nekontrolirani inputi
Nekontrolirani inputi
(faktori okruženja)
(faktori okruženja)
Profit po jednom proizvodu 10 nj
Profit po jednom proizvodu 10 nj
Potrebno vrijeme/proizv 5 sati
Potrebno vrijeme/proizv 5 sati
Raspoloživ kapacitet 40 sati
Raspoloživ kapacitet 40 sati
13
5 x �40 , i uz zahtjev da broj proizvoda bude nenegativan što je u modelu osigurano
nejednadžbom x �0 . Rješavanjem pridruženog problema linearnog programiranja dobije se
optimalna vrijednost funkcije cilja 80 nj, temeljem optimalnog plana proizvodnje 8 komada
proizvoda uz potpuno iskorištenje raspoloživog proizvodnog kapaciteta od 40 sati.
Velik je propust ukoliko se u procesu donošenju odluke ne koriste raspoloživi podaci koji
mogu utjecati na postizanje ciljeva odluke. S druge pak strane, takve analize i obrade mogu
zahtijevati značajno vrijeme koje odgađa donošenje odluke i smanjuje njezinu kvalitetu, te
resurse koji, zbog dodatnih troškova, ugrožavaju isplativost provođenja odluke. Osim toga, čak i
najsofisticiraniji matematički modeli u kombinaciji s raspoloživim podacima ne garantiraju
kvalitetu odluke.
U sektoru financijskih usluga postoje brojni primjeri 14 odluka donošenih na temelju sofisticiranih
kvantitativnih modela koje nisu dovele do ostvarivanja planiranih ciljeva – povećanog prinosa
ulagača, smanjenog rizika i slično. Upravljanje fondom Long-Term Capital Management
temeljem savjeta dobitnika15 Nobelove nagrade za model cijene opcija (R. H. Merton, M. S.
Scholes), uzrokovalo je jednu od najvećih svjetskih financijskih kriza. Poruka iz takvih slučajeva
je jednostavna; analitički postupak i matematički model sami po sebi ne garantiraju kvalitetu
odluke.
Analitički postupak treba primjenjivati u situaciji kad su ispunjeni uvjeti za to i kad postoji
potreba za tim, što se može provjeriti procedurom prikazanom na slici 9.3 .
S druge pak strane, izbjegavanje analitičkih modela, s izgovorom oslanjanja na iskustvo i
intuiciju, također dovodi do krivih odluka. Postoje situacije i uvjeti u kojima odluke treba
donijeti bez nepotrebnih analiza ili gubljenja vremena u traženja podataka koji ne postoje. Brojne
važne odluke u kojima nema vremena za analitičke pripreme donose liječnici, vojnici,
vatrogasci, sportaši i druge osobe koje su izložene situacijama kad treba brzo reagirati na poznati
ili novi poticaj. U takvim odlukama važnu ulogu igra intuicija temeljena na iskustvu i treninzima
iako se odluka možda donosi u novoj situaciji.
14
Metode odlučivanja mogu se klasificirati po različitim kriterijima. Može se npr. govoriti o
metodama za pojedinačno odlučivanje i odlučivanje u timu (grupi). Metode se mogu klasificirati
i po tome kakvu vrstu informacija koriste, tj. pomoću koje ljestvice (ljestvice) su izražene
vrijednosti atributa pomoću kojih su opisane inačice rješenja problema.
Jedna od klasifikacija u kojoj je naglasak na vrsti matematičkih modela koji se u njima
koriste i načinu na koji je zadan skup inačica prikazana je u tablici (Tablica Metode za
odlučivanje.4). U toj klasifikaciji metode se razlikuju po načinu na koji su zadane inačice
rješenja problema i po tome da li kao ulazne podatke zahtijevaju determinističke vrijednosti ili
mogu obrađivati stohastičke podatke.
15
rizika i nesigurnosti analizira i ugrađuje u odluku implicitno. Drugim riječima, on se ne modelira
posebno, iako se i o tom aspektu treba voditi računa. Budući da je za odabir odgovarajuće
metode za analizu odluke značajan podatak o tome s kakvim informacijama raspolaže donositelj
odluke, korisna je podjela tih metoda i na toj osnovi. Jedna od najpoznatijih takvih podjela je
podjela koja se daje u tablici (Tablica Metode za odlučivanje.5)17.
Tablica Metode za odlučivanje.5 Metode za višeatributno odlučivanje
Informacije Značajne osobine
Glavne metode
donositelja odluke informacija
Po dominaciji
Bez informacija Maximin
Maximax
Konjunktivna metoda
Standardna razina
Disjunktivna metoda
Leksikografska metoda
Ordinalne Eliminacija po aspektu
Višeatributno odlučivanje
Metoda permutacije
16
njihovih prioriteta ili težina. Za primjenu tih metoda dovoljno je raspolagati s podacima koje
sadrži početna tablica odlučivanja bez njihovih transformacija ili preračunavanja. Ukoliko se na
temelju podataka o inačicama one mogu rangirati po svakom od kriterija, te ukoliko je poznat
redoslijed kriterija po važnosti (nije potrebno poznavati težine kriterija), mogu se koristiti
složenije metode koje zbog toga spadaju u zajedničku skupinu, poput leksikografske metode,
eliminacije po aspektu i metode permutacije. Sve ove nabrojene metode, osim metode
permutacije, koriste se u heuristikama uz pomoć kojih se donosi velik broj osobnih i poslovnih
odluka. Što se tiče kvalitete odluka u čijem donošenju se koriste nabrojene metode, treba reći da
su te odluke zadovoljavajuće i nema kriterija za procjenu njihove optimalnosti. Zajedničko
svojstvo ovih metoda je da je za njihovu primjenu dovoljno da kriterijske vrijednosti budu
izražene ordinalnim ljestvicama, tj. dovoljno je da se inačice mogu poredati (urediti) po
pojedinom atributu, iako se te metode mogu primijeniti i u slučajevima kad se raspolaže s
kvalitetnijim informacijama o atributima, tj. kad su oni izraženi pomoću intervalne ili omjerne
ljestvice. Za iduću grupu metoda potrebne su kvalitetnije informacije, tj. kriterijske vrijednosti
moraju biti izražene pomoću intervalnih ili omjernih (kardinalnih) ljestvica. Ove metode
omogućuju da se u odluku ugrade informacije o prioritetima među kriterijima i njihovim
težinama. Iz te grupe metoda prikazat će se metode Zbrajanje ponderiranih vrijednosti,
ELECTRE18 i TOPSIS19, a taj odabir načinjen je prema njihovim svojstvima koje ih čine
pogodnima za određen tip problema. Posljednju grupu metoda čine metode koje zahtijevaju
složeniji input, donositelj odluke mora biti u stanju dati procjenu omjera važnosti inačica u
parovima. Od tih metoda detaljno će biti prikazana metoda Analitički hijerarhijski proces (AHP)
za koju se može reći da je najpopularnija od njih.
17
Od brojnih heuristika koje su prepoznate od strane biheviorista neophodno je opisati
nekolicinu njih koje imaju dokazanu vrijednost za donošenje odluka temeljem više kriterija i to:
Minimalistička strategija
Leksikografska strategija
Pseudoleksikografska strategija
Eliminacija po aspektu
Zadovoljavajuća odluka
Izbor temeljen na razlozima.
18
samo zato jer je jeftiniji. Kao primjer može se navesti i način uspoređivanja uspješnosti država
sudionica olimpijskih igara kod kojeg se prvo broje zlatne medalje, a tek onda srebrne i
brončane. Jedna zlatna medalja stavlja državu ispred svih onih koje nemaju zlatnu medalju bez
obzira na ukupna broj osvojenih medalja.
Strategija odlučivanja koja se temelji na leksikografskom uređaju je nekompenzatorna –
nedostatak u jednom kriteriju nije moguće kompenzirati prednostima u kriterijima koji su po
važnosti rangirani poslije njega.
Umjesto strogog leksikografskog uređaja u praksi se češće koristi njegova modificirana varijanta
tzv. pseudoleksikografski uređaj21. Koristi li se isti primjer, pomoću kojeg je objašnjen pojam
leksikografskog uređaja, tj. kupnja automobila, složit ćemo se s tvrdnjom da se rijetko odbacuje
mogućnost kupnje malo skupljeg automobila ukoliko on zadovoljava naše potrebe u većoj mjeri
nego onaj kojeg bi odabrali da dosljedno biramo po leksikografskom principu smatrajući kriterij
cijene najvažnijim. Dakle, donositelj odluke ima osobni osjećaj za raspon cijena u kojem ne
smatra razliku u cijeni dvaju automobila značajnom u tolikoj mjeri da bi ta razlika bila bitna za
odluku. Zanimljivo je da ta razlika u cijeni, po kojoj se dva automobila smatraju jednako
prihvatljivima („tu su negdje“), nije nepromjenjiva, tj. nju smo spremni mijenjati temeljem
analize kompenzacije razlike u cijeni prednostima u ostalim svojstvima.
Ovo pravilo se često koristi u praksi, ali ima ozbiljan nedostatak jer je kontradiktorno
temeljnom aksiomu racionalnog odlučivanja, tranzitivnosti. U racionalnom odlučivanju ukoliko
se inačici A daje prednost pred inačicom B, a inačici B prednost pred inačicom C, inačici A mora
se dati prednost pred inačicom C. Dosljedno tom principu, ukoliko se inačica A smatra jednakom
inačici B, ova pak jednakom inačici C, inačica A mora se smatrati jednakom inačici C.
Pseudoleksikografski uređaj krši taj princip jer iz pretpostavki „Razlika između inačica A i B nije
značajna u tolikoj mjeri da bi se dala prednost jednoj od njih“ i „Razlika između B i C nije
značajna...“ nužno ne proizlazi zaključak „Razlika između A i C nije značajna“.
19
ponavlja se postupak eliminacije. Postupak se provodi iterativno tako dugo dok ne preostane
samo jedna inačica. Ovaj postupak se široko primjenjuje i ima svoje prednosti i nedostatke. U
prepoznavanju dobrih i slabih strana ovog postupka ponovno će poslužiti primjer kupnje
automobila. U tablici (Tablica Metode za odlučivanje.6) navedeni su podaci o kriterijima koji se
koriste kod donošenja odluke o kupnji automobila i pragovima eliminacije po tim kriterijima.
20
traženja bračnog partnera, spremni smo donijeti odluku iako ne postoji dokaz da je u obzir uzet
cijeli skup mogućih inačica.
Postupak koji u takvim slučajevima primjenjuje donositelj odluke objasnio je H.A. Simon i za taj
doprinos deskriptivnoj teoriji odlučivanja dobio Nobelovu nagradu 22. Za donošenje odluke u
situaciji kakva je traženje posla ili traženje stana, ključno je da postoje razine aspiracije za svaki
aspekt koji se razmatra i koristi kao kriterij odlučivanja. Pod razinom aspiracije podrazumijeva
se vrijednost atributa (kriterija) s kojom je donositelj odluke zadovoljan i ne traži više od toga. U
konkretnom slučaju, ako donositelj odluke ima ideju o zadovoljavajućoj plaći, zadovoljavajućim
uvjetima na radu i minimalnom broju dana godišnjeg odmora, on će prihvatiti prvi posao koji
zadovoljava te uvjete, a neće istraživati koliku bi maksimalnu plaću uopće mogao dobiti na
tržištu rada, koji je maksimalan broj dana godišnjeg odmora koji bi se mogao dobiti, kakvi su
najbolji uvjeti rada dostupni i postoji li posao na kojem se sve to može dobiti. Slično je i s
problemom kupnje kuće (stana). Kupac ide od ponude do ponude, ima ideju o prihvatljivoj
cijeni, željenoj udobnosti, lokaciji, poželjnom okolišu i kad naiđe na kuću koja zadovoljava
razinu njegovih očekivanja odlućčuje se na kupnju. Dakle, donositelj odluke ne teži
maksimalno23 dobroj odluci nego mu je dobro zadovoljavajuće rješenje, tj. inačica koja u svim
važnim aspektima postiže zadovoljavajuće razine vrijednosti. Takav pristup u skladu je s
konceptom ograničene racionalnosti.
Kako bi se objasnila heuristika izbora temeljenog na razlozima24, koristi se primjer
preuzet iz knjige P. Goodwin i G. Wright, budući da je taj primjer korišten i u konkretnom
istraživanju25 (eksperimentu) ponašanja donositelja odluke. Svrha primjera je da se objasni kako
odluka o izboru ovisi o načinu kako se prezentira problem. Problem se sastoji u odabiru jednog
od dva kandidata za određeni posao. Kandidati su opisani pomoću bitnih karakteristika za taj
posao prikazanih u tablici (Tablica Metode za odlučivanje.7).
21
Sudionicima eksperimenta koji su igrali ulogu donositelja odluke postavljeno je pitanje
“Kojeg kandidata izabrati?“. Većina ih je odabrala kandidata B. Kad je postavljeno pitanje
„Kojeg kandidata odbaciti?“, opet je većina ispitanika odabrala kandidata B. Ovo ponašanje
donositelja odluke u kontradikciji je s jednim od temeljnih načela racionalnog odlučivanja prema
kojem odluka treba biti invarijantna u odnosu na okvir u kojem se problem rješava. Kad je
problem odabira rješavan u okviru traženja kandidata za posao, naglasak je bio na dobrim
osobinama i po njima je kandidat B odabran kao bolji. U okviru eliminacije kandidata, naglasak
je bio na slabostima i opet je kandidat B dobio prednost. Objašnjenje tog psihološkog fenomena
koji ukazuje na utjecaj okvira za odlučivanje na nekonzistentnost donositelja odluke je to da su
se donositelji odluke prilikom donošenja odluke fokusirali na one atribute koji su povezaniji s
razlogom odabira.
22
problem da mjerne ljestvice, pomoću kojih se izražavaju različiti intenziteti tih atributa ne
moraju biti usporedive.
Dodatnu složenost u probleme višekriterijskog odlučivanja unosi činjenica da svi kriteriji
odlučivanja ne moraju biti jednako važni. To su sve važni problemski aspekti realnih problema
odlučivanja s više inačica i kriterija. Pojednostavljivanje realne situacije zanemarivanjem nekog
od tih aspekata povećava rizik donošenja manje kvalitetne odluke. S druge pak strane, nastojanje
da se što više tih aspekata obuhvati u analizi odluke traži složenije metode višekriterijskog
odlučivanja.
23
f 1 f 2 ... f j ... f k
w1 w2 ... wj ... wk
a1 f 1 a1 f 2 a1 ... f j a1 ... f k a1
a2 f 1 a 2 f 2 a2 ... f j a2 ... f k a2
… … … … … … …
ai f1 ai f 2 ai ... f j ai ... f k ai
… ... ... ... ... ...
an f 1 a n f 2 an ... f j an ... f k an
25
Intervalna ljestvica pretpostavlja jednake intervale među jedinicama na toj ljestvici i
pozicija na toj ljestvici određuje udaljenost od dogovorno postavljenog ishodišta (početne
vrijednosti ljestvice). Primjeri takvih ljestvica su ljestvice za mjerenje temperature, mjeri li se
temperatura u stupnjevima Celzijusa (0C) ili u Farebhajtima (0F) te ljestvice nemaju isto
ishodište. Ukoliko se za opisivanje nekog atributa koji se koristi kao kriterij za odlučivanje
koristi intervalna ljestvica, treba biti oprezan s pridruživanjem vrijednosti tom atributu. Naime,
skloni smo pojednostavnjivati taj postupak po principu „dvostruko veći broj – dvostruko veća
vrijednost“. To dovodi do toga da se voda čija je temperatura 40 0 C procjenjuje „dvostruko
toplijom“ od vode čija je temperatura 200C , a ukoliko se temperatura tih istih voda mjeri u 0F
dolazi do problema s konzistentnošću prenošenja odnosa tih vrijednosti u relativni odnos osjećaja
topline jer ista „dvostruko toplija voda“ nema dvostruko veću temperaturu kao što nju ima kad se
mjeri u 0C .
Omjerna ljestvica ima jednake intervale među jedinicama i određuje razliku ili
udaljenost od prirodno zadanog ishodišta kojem se pridružuje vrijednost 0. Takve ljestvice
koriste se za mjerenje svojstava poput težina, volumena, troškova, visine, brzine itd. Drugi naziv
za omjernu ljestvicu je kardinalna ljestvica. Ova ljestvica je najvrednija sa stajališta analize
odluke jer omogućuje provođenje računskih postupaka čija suština je računanje ukupne
vrijednosti inačice na temelju različitih vrijednosnih aspekata.
26
postoji temperatura koja bi bila niža od one koja se izmjeri s tim intenzitetom. Ukoliko se koristi
Kelvinova ljestvica za mjerenje temperature, smije se reći da je objekt čija je izmjerena
temperatura 2000 dvostruko topliji od objekta čija temperatura iznosi 1000.
U praksi se u istom višekriterijskom problemu odlučivanja mogu pojaviti različite
ljestvice, kao što je to slučaj kod Odabira izvođača radova. Osim toga, čak i kada se radi o
problemu u kojem se koristi isti tip ljestvica, npr. omjerne ljestvice, kriteriji mogu biti takvi da se
izražavaju u različitim jedinicama, npr. novčanim iznosima, težini, dimenzijama i sl. Da bi se
moglo računati s tako različitim podacima, u većini metoda za višekriterijsku analizu odluka
treba provesti postupak svođenja kriterijskih vrijednosti iz tablice odlučivanja na usporedive
ljestvice. Taj postupak zove se normalizacija. Strogo gledajući, normalizirati se mogu samo
vrijednosti atributa izražene pomoću omjernih ljestvica. U praksi se često to ograničenje ne
poštuje pa se normaliziraju i vrijednosti s ordinalnih ljestvica. Ukoliko se to radi, to znači da se
implicitno pretpostavlja da su razlike u intenzitetima svojstva, po kojem se objekti rangiraju,
između susjednih pozicija na rang listi, jednake. S takvim problemom donositelj odluke bi se
susreo ukoliko bi prilikom Odabira izvođača radova (Tablica Metode za odlučivanje.9)
preporuke bile izražene u vidu rang liste, a ne pomoću bodova. Bodovne liste se mogu tretirati
kao omjerne ljestvice ukoliko je predviđeno da se po nekom kriteriju nekoj inačici može
dodijeliti 0 bodova, kratko rečeno „nema preporuka – nula bodova“. U nastavku će se objasniti
postupak normalizacije koji je potrebno provesti u mnogim metodama za višekriterijsko
odlučivanje.
27
kada se u sustavu javne nabave ponude uspoređuju po kriteriju cijena, najniža cijena cmin postaje
najpoželjnija, za nju se dobiva maksimalan broj bodova (100% ), a broj bodova b(c) za neku
cijenu c određuje se po formuli:
cmin
b (c ) =
c
�( f
i =1
j (ai )) 2
U praksi se ovaj postupak rjeđe koristi jer nema tako jasnu intuitivnu interpretaciju kao drugi
postupci.
U normalizaciji pomoću maksimalne kriterijske vrijednosti (postotnoj
normalizaciji) svaki element tablice odlučivanja dijeli se s maksimalnom vrijednošću stupca
kojem pripada. Time se dobivaju relativne vrijednosti u odnosu na vrijednost najbolje inačice po
promatranom kriteriju. Obično se ta vrijednost izražava u postotku.
f j (ai )
rij =
max f j (ai )
i
Na taj način dobiva se postotni udio svake ocjene u ukupnoj sumi svih ocjena koje su inačice
dobile po tom kriteriju (atributu).
28
U normalizaciji pomoću raspona kriterijskih vrijednosti, kriterijske vrijednosti
zamijene se omjerom razlike između promatrane vrijednosti i najmanje vrijednosti i raspona u
kojem se kreću vrijednosti promatranog kriterija.
f j (ai ) - min f j ( ai )
rij = i
max f j (ai ) - min f j (ai )
i i
29
0, 4762 - 0, 4348
= 0,34
0,5556 - 0, 4348
c. Istim postupkom izračunaju se ostale vrijednosti u prvom i ostalim stupcima.
Na temelju ovih podataka može se izračunati koja je ponuda najbolja ukoliko se pretpostavi da
svi kriteriji imaju jednaku važnost. Budući da su sve kriterijske vrijednosti transformirane u
vrijednosti „veće je bolje“ i usporedive zbog toga jer su svedene na raspon 0-1, moguće ih je
zbrojiti. Iako se već na temelju tako izračunatih ukupnih vrijednosti inačica može odrediti
njihova rang lista, uobičajeno je da se ukupne vrijednosti inačica normaliziraju izračunavanjem
odgovarajućeg udjela u zbroju vrijednosti svih inačica.
Tablica Metode za odlučivanje.12 Vrijednosti ponuda s kriterijima jednake važnosti
Ukupno Normalizirane
Cijena Rok Preporuke Bonitet vrijednosti
Tempo 0,34 1,00 0,33 1,00 2,68 0,25
Konstruktor 0,00 0,69 0,00 0,00 0,69 0,06
Zagorje 1,00 0,43 1,00 0,33 2,76 0,26
Tehnobeton 0,76 0,00 0,67 1,00 2,42 0,23
Grad 0,54 0,43 0,67 0,50 2,14 0,20
30
zbog toga jer se time u vrednovanje ponuda implicite ugrađuje pretpostavka o linearnosti
funkcije vrijednosti bez provjere da li ta pretpostavka stoji. Drugo, pretpostavlja se da su svi
kriteriji jednako važni također bez rasprave o tome. Ipak, navedene slabosti prikazanog postupka
nisu takvog značaja da bi trebalo odbaciti ovaj postupak. Prednosti i nedostatke odluke koja se
donosi ovom metodom bolje će se razumijeti nakon što se prouči poglavlje o funkcijama
vrijednosti.
31
procjene bile konzistentne. Pretpostavimo da se procjene omjera težina A:B i A:C ne mijenjaju.
Vrlo je vjerojatno da bi se, kao rezultat procjene odnosa težina drugog i trećeg kamena, umjesto
3:2 dobio omjer 4:3 ili 5:3. U tom slučaju, kod računanja težina kamenja, ne bi se mogla
primijeniti pravila iz računa diobe tako da se dobije jedinstven skup težina. Pretpostavimo npr. da
je procjenjena vrijednost omjera težina drugog i trećeg kamena B:C=4:3. Taj omjer zajedno s
omjerom A:B=2:1 daje diobeni omjer 8:4:3. Ako bi se pak omjeru B:C=4:3 pridružio
procijenjeni omjer A:C=3:1 dobio bi se diobeni omjer 9:4:3, dakle različit od 8:4:3. Dakle,
ukoliko se od donositelja odluke traže procjene omjera težina kriterija u parovima u realnim
problemima odlučivanja, te procjene će biti najčešće nekonzistentne. Ovdje se neće opisivati
matematički model kojim se može mjeriti i korigirati nekonzistencija u usporedbama u parovima
za veći broj entiteta, već će se samo prezentirati postupak približnog računanja težina kriterija uz
pretpostavku da su procjene koje se traže dovoljno (kod prikaza metode AHP biti će objašnjeno
kad je to dovoljno) konzistentne.
Drugi problem je kako izraziti omjere važnosti kriterija koji nisu povezani s tako jasnim i
mjerljivim fizikalnim svojstvima kao što su to masa i težina. Kako izmjeriti i izraziti odnos
između različitih intenziteta atributa poput npr. atributa dojam o osobi ako se uspoređuju
kandidati za neki posao ili kvaliteta dizajna predmeta ukoliko je taj aspekt važan kod nabave
nekog predmeta? Za apsolutno mjerenje takvih svojstava mogu se koristiti različite kvalitativne
ljestvice, ali za uspoređivanje inačica temeljem intenziteta tih svojstava, potrebno je koristiti
posebnu omjernu ljestvicu.
T.L. Saaty31 je za potrebu davanja takvih procjena razvio opću ljestvicu koja sadrži pet
stupnjeva intenziteta i četiri međustupnja koja se daje u tablici (Tablica Metode za
odlučivanje.13). Ta ljestvica koristi se za procjenjivanje omjera važnosti kriterija pomoću kojih
se vrednuju inačice odluke, a primjenjuje se i za određivanje omjera prioriteta inačica u odnosu
na kriterij po kojem se one uspoređuju. Saatyeva ljestvica relativnih važnosti prikazuje se u
tablici (Tablica Metode za odlučivanje.13).
32
Intenzitet Definicija Objašnjenje
1 Jednako važno Dva kriterija ili inačice jednako doprinose cilju
Na temelju iskustva i procjena daje se umjerena prednost
3 Umjereno važnije
jednom kriteriju ili inačici u odnosu na drugu
Na temelju iskustva i procjena strogo se favorizira jedan
5 Strogo važnije
kriterij ili inačica u odnosu na drugi
Vrlo stroga, Jedan kriterij ili inačica izrazito se favoriziraju u odnosu na
7
dokazana važnost drugi; njihova dominacija dokazuje se u praksi
Dokazi na temelju kojih se favorizira jedan kriterij ili
Ekstremna
9 inačica u odnosu na drugi potvrđeni su s najvećom
važnost
uvjerljivošću
2,4,6,8 Međuvrijednosti
U prvom stupcu tablice nalaze se brojčane vrijednosti omjera težina kriterija, u drugom stupcu su
verbalno izražene gradacije intenziteta tih omjera koje se koriste kod procjenjivanja, a u trećem
stupcu su kratka objašnjenja kada se koristi koji intenzitet. Budući da se ista ljestvica koristi i za
procjenjivanje omjera važnosti kriterija i za procjenjivanje omjera prioriteta inačica, formulaciju
rečenice iz trećeg stupca tablice, koja se koristi kod objašnjenja procjene, treba gramatički i
stilski prilagoditi kontekstu.
Postupak računanja težina kriterija, na temelju omjera njihovih važnosti procijenjenih
pomoću Saaty-eve ljestvice, prikazuje se na primjeru Odabir izvođača radova. Kriteriji za ocjenu
ponude za građevinske radove prikazani su u tablici (Tablica Metode za odlučivanje.14).
33
Članovi povjerenstva za ocjenu ponuda u pripremi modela za natječaj dali su slijedeće procjene
omjera važnosti ovih kriterija (način kako se procjene članova grupe integriraju u jedinstvenu
procjenu objašnjava se u poglavlju 12.1.2 u sklopu prikaza AHP metode):
C P R B
C 1 3 5 7
P 1/3 1 3 5
R 1/5 1/3 1 2
B 1/7 1/5 1/2 1
Ova matrica standardno se označava s A i njezin element u i-tom redu i j-tom stupcu je omjer
težina i-tog i j-tog kriterija. Taj omjer se označava s aij , dakle vrijedi aij = wi / w j . Npr., u
prvom redu i trećem stupcu matrice A nalazi se broj 5 jer je procijenjeno da je kriterij cijena
34
Matrica ima svojstvo recipročnosti, tj. vrijednosti elemenata koji se nalaze na
simetričnim pozicijama s obzirom na glavnu dijagonalu su recipročne vrijednosti,
dakle vrijedi
1
aij = a ji = 1
, ili aij �
a ji
Npr., ako je vrijednost omjera važnosti kriterija cijene i roka C:R=5, onda
vrijedi i vrijedi R:C=1/5 . Posljedica ovog svojstva je ta da za elemente na glavnoj
Postupak računanja približnih vrijednosti težina (prioriteta) kriterija na temelju procjena omjera
njihovih važnosti (tablica 9.15) provodi se u tri koraka:
Korak 1: Izračunaju se sume stupaca matrice procijenjenih omjera važnosti kriterija.
Sume stupaca su redom 176/105, 68/15, 19/2 i 15.
Korak 2: Matrica se normalizira dijeljenjem svih elemenata pojedinog stupca sumom tog stupca
(Tablica Metode za odlučivanje.16).
Tablica Metode za odlučivanje.16 Normalizirana matrica procijenjenih omjera važnosti
kriterija
Korak 3: Težine (prioriteti) kriterija izračunaju se kao prosječne vrijednosti elemenata redaka
normalizirane matrice, i dobivene vrijednosti su redom 0,56, 0,27, 0,11 i 0,06 . To znači da je za
onoga tko je davao procjene kriterij cijena najvažniji, dvostruko važniji od idućeg po važnosti
kriterija preporuke. Jasno je da su težine kriterija kao mjera važnosti kriterija posljedica
subjektivnih procjena donositelja odluka. Npr. za gradonačelnika koji želi dovršiti neki javni
35
projekt prije lokalnih izbora koji se približavaju rok dovršenja radova sigurno je važniji od
cijene.
Za točan izračun težina kriterija ili prioriteta inačica na temelju procijenjenih
vrijednosti njihovih omjera treba koristiti algoritam koji se temelji na svojstvima matrice A , što
se detaljnije objašnjava u poglavlju 12.1.2. Ovdje je prikazan približni postupak 33, koji daje
zadovoljavajuće točna približna rješenja ukoliko se izbjegnu greške čija je posljedica prevelika
nekonzistentnost procjena. Rizik da približno izračunate vrijednosti ne budu dovoljno točne,
donositelj odluke (ili analitičar koji pomaže donositelju odluke) može smanjiti tako da kontrolira
logičku konzistentnost procjena pomoću trojki entiteta koje uspoređuje. Npr., procijenjeno je
C:P=3 , P:B=5 i C:B=7 . Procjena vrijednosti trećeg omjera, koja bi bila potpuno konzistentna
s prve dvije procjene, bila bi C:B=15. S obzirom da Saatyeva ljestvica ne sadrži takav intenzitet
(to je i jedan od prigovora koji se upućuje AHP metodi) te da sama metoda niti ne traži tako
dosljednu konzistenciju, pažljiva analiza donositelju odluke pomaže da prepozna takve situacije i
eventualno revidira svoje procjene.
Nažalost, ne postoji jednostavna mogućnost da se provjeri da li su vrijednosti
težina kriterija, odnosno prioriteta inačica, koje se izračunaju približnim postupkom, dovoljno
točne. Zbog toga je ovaj postupak primjenjiv u slučajevima kada se uspoređuje manji broj
kriterija ili inačica. U složenijim problemima odlučivanja, s većim brojem kriterija i inačica,
preporuča se upotreba specijalne programske podrške koja ima i mogućnost kontrole
konzistencije.
Ukoliko se izračunate težine kriterija iz tablice (Tablica Metode za
odlučivanje.16) primijene na podatke iz tablice (Tablica Metode za odlučivanje.11), tako da se
vrijednosti ponuda izračunaju kao ponderirane normalizirane kriterijske vrijednosti s tim
težinama kao ponderima, dobiju se vrijednosti sadržane u posljednjem stupcu tablice (Tablica
Metode za odlučivanje.17):
36
Konstruktor 0,00 0,69 0,00 0,00 0,19
Zagorje 1,00 0,43 1,00 0,33 0,81
Tehnobeton 0,76 0,00 0,67 1,00 0,56
Grad 0,54 0,43 0,67 0,50 0,52
37
kada se njihovo poznavanje može iskoristiti kao dodatna informacija za određivanje važnosti
kriterija su češće i to je osnovni motiv za prikaz metode SWING.
Za primjenu metode SWING35 u postupku određivanja težina kriterija nužno je poznavati
inačice koje se uspoređuju. Pritom donositelj odluke mora biti u stanju dati dvije vrste procjena,
prvo mora procijeniti redoslijed važnosti kriterija, a potom i relativne važnosti raspona u kojima
se kreću kriterijske vrijednosti inačica po svakom od kriterija u odnosu na raspon najvažnijeg
kriterija. Prvi korak je da se za svaki kriterij identificiraju najslabija i najbolja vrijednost koju
posjeduju inačice. Drugim riječima, na temelju karakteristika raspoloživih inačica, kreiraju se
idealna A* i negativno idealna A- inačica. Nakon toga, donositelj odluke mora odgovoriti na
jednostavno hipotetičko pitanje – kada bi mogao promijeniti jednu kriterijsku vrijednost
negativno idealne inačice, tako da nju zamijeni s odgovarajućom vrijednošću idealne inačice,
koji bi kriterij odabrao? Taj odabrani kriterij je najvažniji kriterij. Nakon toga, postupak se
nastavlja u iteracijama tako da se to pitanje ponavlja u odnosu na preostale kriterije, tako dugo
dok se svi kriteriji ne poredaju po važnosti.
Za ilustraciju postupka bit će korišten primjer Odabir izvođača radova. Na temelju
podataka iz tablice (Tablica Metode za odlučivanje.9) konstruiraju se idealna i negativno idealna
inačica koje se prikazuju u tablici (Tablica Metode za odlučivanje.18):
Tablica Metode za odlučivanje.20 Relativne vrijednosti težina kriterija u odnosu na težinu najvažnijeg
kriterija
Nakon procjene relativne važnosti ostalih kriterija u odnosu na najvažniji kriterij, u ovom slučaju
cijenu, izračunaju se normalizirane vrijednosti težina svih kriterija. Te vrijednosti izračunaju se
kao relativni udjeli vrijednosti iz tablice 9.20 u njihovom zbroju (Tablica Metode za
odlučivanje.21).
39
Tablica Metode za odlučivanje.21 Normalizirane vrijednosti težina kriterija
Kriteriji Cijena Rok Preporuke Bonitet
Težine kriterija 0,4 0,12 0,28 0,2
Zbog lakšeg Ukoliko se ove vrijednosti zaokruže na 0,4 , 0,1 , 0,3 i 0,2 to najčešće nema
značajnijih posljedica na kvalitetu odluke.
U tablici 9.22 prikazuju se tablica odlučivanja s normaliziranim vrijednostima ponuda i
težinama kriterija izračunatim pomoću metose SWING.
Tablica Metode za odlučivanje.22 Vrijednosti ponuda s težinama kriterija
izračunatim
pomoću metode SWING
Cijena Rok Preporuke Bonitet Vrijednost
0,4 0,12 0,28 0,2 ponuda
Tempo 0,34 1,00 0,33 1,00 0,55
Konstruktor 0,00 0,69 0,00 0,00 0,08
Zagorje 1,00 0,43 1,00 0,33 0,80
Tehnobeton 0,76 0,00 0,67 1,00 0,69
Grad 0,54 0,43 0,67 0,50 0,56
U ovoj tablici su za svaki kriterij izračunate vrijednosti ponuda na najjednostavniji način, tj.
normalizacijom kriterijskih vrijednosti. Tim postupkom najslabijoj ponudi po promatranom
kriteriju pridružuje se vrijednost 0 a najboljoj vrijednost 1. Ponderiranje tih vrijednosti s
težinama kriterija omogućuje da u računanju ukupne vrijednosti ponude, zbrajanjem tih
pojedinačnih vrijednosti, jače dođu do izražaja važniji kriteriji a da se umanji doprinos manje
važnih kriterija.
40
Zagorje 0,26 0,81 0,80
Tehnobeton 0,23 0,56 0,69
Grad 0,20 0,52 0,56
Postavlja se pitanje kako protumačiti to da različite metode daju različite rezultate i kakve to ima
implikacije za praksu? U prvom stupcu su vrijednosti ponuda izračunate s pretpostavkom
jednake važnosti svih kriterija. Vidi se da je raspon u kojem se nalaze te vrijednosti najmanji od
sva tri slučaja, dakle, s ovim pristupom se najslabije prepoznaju razlike među ponudama. Razlike
između prve tri ponude su tako male da bi se donositelj odluke teško odlučio za najbolju samo na
temelju ove analize. Slične ukupne vrijednosti ponuda mogu se jednostavno objasniti
usklađenošću njihovih performansi, visoka cijena (slabost) uravnotežena je s prednostima poput
kratkog roka, dobrim preporukama i dobrim bonitetom.
Ukoliko svi kriteriji nisu jednako važni, dva su moguća pristupa. Prvi pristup je
određivanje njihovih težina samo na temelju procjene u kojoj mjeri je svaki od njih pogodan za
mjerenje postignuća cilja problema odlučivanja (AHP metoda). Drugi pristup omogućuje da se u
postupak računanja težina kriterija uključi i informacija o kriterijskim vrijednostima inačica,
sukladno principu da kriteriji po kojima se inačice ne razlikuju bitno ne mogu imati veliku
važnost za nihovo uspoređivanje. Iako je analiziran primjer jednostavan, dobro se vide posljedice
ovih pristupa; raspon u kojem se javljaju vrijednosti ponuda kad su težine kriterija izračunate
pomoću AHP metode (0,19 – 0,81) manji je od raspona vrijednosti kada su težine izračunate
pomoću metode SWING (0,08 – 0,80). Osim toga, kad se težine kriterija izračunaju pomoću
metode SWING, bolje se vide razlike između druge, treće i četvrte inačice nego što je to slučaj s
prve dvije metode. U uspoređivanju rezultata primjene različitih metoda i interpretaciji razlika
među tim rezultatima pomaže analogija s teleskopom (mikroskopom). Ukoliko se rezultati nalaze
većem rasponu inačice i razlike među njima „vide se bolje“.
Stablo vrijednosti
Višeatributna teorija vrijednosti temelji se na dekompoziciji problema na pojedine
relevantne aspekte. U višekriterijskom odlučivanju inačice se uspoređuju uz pomoć kriterija koji
obuhvaćaju sve bitne aspekte problema odlučivanja. U analizi takvih odluka jedan mogući
pristup je taj da se ukupna vrijednost svake inačice, kao mjera cjelovite preferencije donositelja
odluke, izrazi kao zbroj preferencija koje se modeliraju za pojedinačne aspekte njihovih
vrijednosti. Tehnički to se svodi na to da se cjelovita vrijednost dekomponira na vrijednosne
aspekte, zatim se za svaki od njih modelira funkcija vrijednosti i potom se vrednovanjem inačica
pomoću tih funkcija vrijednosti dobije mogućnost da se te vrijednosti objedine u višeatributnu
funkciju vrijednosti. Dekompozicija cjelovite vrijednosti koja se pridružuje inačicama izvodi se u
obliku stabla vrijednosti (engl. value tree).
U primjeru Odabir izvođača radova, ukupna vrijednost ponude za naručitelja
dekomponira se na četiri aspekta koji se javljaju kao standardni kriteriji 41 za odabir dobavljača u
takvoj vrsti natječaja; cijena, rok u kojem će se obaviti radovi, bonitet dobavljača i preporuke.
Svaki od ovih kriterija ukazuje na pojedini aspekt važan za naručitelja i omogućuje da se po
njemu ponude jasno usporede. Ukupna vrijednost pojedinačne ponude dobije se integriranjem
tih pojedinačnih vrijednosti u jedinstvenu vrijednost.
42
Međusoban odnos cilja, glavnih kriterija i eventualno podkriterija, ukoliko se neki od
glavnih kriterija dalje dekomponira, može se vizualizirati u obliku stabla vrijednosti kao što se to
vidi na slici 9.6 42 ili kao što to prikazuje slika 9.7 .
Slika 9.6: Stablo vrijednosti s hijerarhijom Slika 9.7 Stablo vrijednosti s hijerarhijom
odozgo prema dolje s lijeva u desno
43
Ukoliko se stablo vrijednosti dopuni s inačicama koje se pozicioniraju na najnižu razinu
hijerarhije, dobije se hijerarhijski model problema odlučivanja. Na slici 9.8 prikazan je
hijerarhijski model problema Odabir izvođača radova:
Slika Metode za odlučivanje.8 Hijerarhijski model odlučivanja za primjer Odabir izvođača radova
Funkcije vrijednosti
Prednost koju donositelj odluke daje nekoj inačici u odnosu na neku drugu inačicu
proizlazi iz procjene da mu ona daje veću korist. Ukupna korist proizlazi iz različitih aspekata
vrijednosti koji su povezani s ciljevima odluke.
U modeliranju koristi polazi se od toga da podatak o intenzitetu nekog atributa, npr. broju
KW kao mjere snage motora nije prava mjera za korist od tog atributa. Taj broj služi za davanje
prednosti motoru s većom snagom, ali korist od snage motora je složeniji pojam.
Da bi se mjerila korist, potrebno je modelirati funkcije koristi u koje se ugrađuje i odnos
donositelja odluke prema riziku. Jednostavniji pristup, bez uključivanja stava prema riziku, je
modeliranje (razvijanje) funkcija vrijednosti za svaki kriterij. Time se rješava problem
uspoređivanja atributa koji se mjere pomoću različitih ljestvica. Broj KW kojima se mjeri snaga
44
motora ne može se zbrajati s ocjenama koje se daju kad se ocjenjuje dizajn automobila, ali
vrijednost koja proizlazi iz snage motora može se zbrojiti s vrijednošću koja poizlazi iz dizajna
automobila.
Funkcija vrijednosti v(a) je funkcija koja svakoj inačici pridružuje broj iz intervala [ 0,1] ,
s tim da vrijednost 0 pripada najslabijoj inačici, a vrijednost 1 najboljoj. Postoji više načina da se
definiraju funkcije vrijednosti.
Najjednostavniji način je da se podaci iz normalizirane tablice odlučivanja smatraju
vrijednostima, pri čemu se implicite pretpostavlja da su te vrijednosti proporcionalne kriterijskim
vrijednostima ili performansama inačica. To je dosta restriktivna pretpostavka, jer se time za sve
funkcije vrijednosti pretpostavlja linearnost. U praksi to znači da se sladoled s dvije, odnosno tri
kuglice smatramo dvostruko, odnosno trostruko vrednijim od sladoleda s jednom kuglicom i da
nas jedna dodatna kuglica sladoleda jednako veseli kad je kornet prazan i kad se na njemu već
nalaze četiri kuglice.
Drugi primjer koji pomaže da se razumiju nedostaci takvog pristupa je odnos snage
motora u automobilu i osjećaj vrijednosti koji iz toga proizlazi za vlasnika, tj. da dvostruko jači
motor u automobilu ne mora predstavljati dvostruko veću vrijednost za vlasnika. Porast snage
motora za npr. 50% ne implicira jednak proporcionalan porast vrijednosti za vlasnika ukoliko
njegov automobil ima 75 KW ili 150 KW. Također, s tim pristupom nije moguće analizirati
probleme odlučivanja u kojima se javljaju unimodalni43 kriteriji.
Ipak, unatoč nabrojenim nedostacima, u većini realnih problema odlučivanja, ukoliko se
ne koriste specifični kriteriji poput unimodalnih, inačice se ne razlikuju u tolikoj mjeri da bi
primjena standardnih metoda i algoritama za višekriterijsku analizu na normaliziranoj tablici
odlučivanja kompromitirala rezultat. Bez veće štete normalizirane vrijednosti kriterija iz tablice
odlučivanja mogu se sažeti u jedinstveni broj V (ai ) zbrajanjem vrijednosti u redu koji pripada
inačici ai :
k
V (ai ) = �rij
j =1
Broj V (ai ) predstavlja ukupnu vrijednost inačice ai i kada se izračunaju te vrijednosti za sve
inačice moguće ih je rangirati. Ukoliko svi kriteriji nisu jednako važni, koristi se formula za
45
k
ponderiranu sumu V (ai ) = �w j rij u kojoj faktori w j predstavljaju težine kriterija, odnosno
j =1
pondere normaliziranih kriterijskih vrijednosti. Jasno je da veći ponder jače naglašava doprinos
kriterija kojem pripada u konačnom rezultatu (skoru) inačice. Ovaj pristup, tretiranje vrijednosti
iz stupaca normalizirane tablice odlučivanja kao lineranih funkcija vrijednosti, korišten je u
prikazu metoda za analizu odluka u točki 9.3.
Dosljedan pristup, temeljen na teoriji višeatributne vrijednosti, zahtijeva modeliranje
funkcija vrijednosti na temelju kriterijskih vrijednosti (detaljnije o tome kako se konstruiraju
funkcije vrijednosti vidjeti npr. u Figueira at al. (2005)44). Time je inačica ai opisana k-torkom
(v1 (ai ), v2 (ai ),..., vk (ai )) . Jasno je da su vrijednosti v j ( ai ) ovisne o performanci ili kriterijskoj
funkcijama vrijednosti pridružuje k-torka vrijednosti, ili formalnije rečeno inačici ai pridružuje
46
kriterija l može nadomjestiti s dvije jedinice kriterija k. U metodi zbrajanja ponderiranih
vrijednosti se zbog toga vrijednosti inačica po različitim kriterijima mogu integrirati u
jedinstvenu vrijednost na intuitivno jasan način. U ostalim metodama, u kojima se koriste
kriteriji različitih važnosti, interpretacije težinskih koeficijenata nisu tako očite i jednostavne.
Uobičajeno je da se težine kriterija određuju tako da je njihov zbroj 1 (100%). Ukoliko se težine
odrede na drugi način, te vrijednosti se normaliziraju tako da njihova suma bude jednaka 1.
47
Ovaj zahtjev ne dozvoljava donositelju odluke da bude neodlučan u smislu da neke inačice
smatra neusporedivima.
Ukoliko su zadovoljeni aksiomi (A1) i (A2), tada je moguće odrediti funkciju vrijednosti
(vrijednosnu funkciju) V() koja ima slijedeća svojstva:
a P b V(a)>V(b)
a I b V(a)=V(b)
Funkcije vrijednosti mogu imati različita svojstva, koja prvenstveno ovise o podacima iz kojih su
izvedene, pri čemu posebno treba naglasiti ordinalnu i mjerljivu funkciju vrijednosti.
Ordinalna funkcija vrijednosti daje informaciju samo o redoslijedu (poretku) inačica i
ne daje informaciju o relativnim razlikama vrijednosti između inačica na susjednim pozicijama
rang liste. Ukoliko se slabija inačica zamijeni bolje rangiranom, porast vrijednosti može se
izraziti samo u broju mjesta na rang listi povezanih s tom zamjenom. Zbog toga je otežano
agregiranje takve funkcije vrijednosti u jedinstven pokazatelj ukupne vrijednosti svake od
inačica.
Za razliku od ordinalne funkcije vrijednosti, mjerljiva funkcija vrijednosti izražava i
intenzitet preferencije. Ova funkcija temelji se na mjerenju razlika vrijednosti. Pretpostavimo da
su poznate preferencije donositelja odluke a P b i b P c , te da je V() mjerljiva funkcija
vrijednosti. Tada nejednakost V(a) – V(b) > V(b) – V(c) ukazuje na to da je razlika preferencije
od a i u odnosu na b veća od razlike preferencije od b u odnosu na c (alternativna interpretacija
ove tvrdnje je slijedeća; ako se b zamjeni s a porast vrijednosti je veći nego u slučaju zamjene c s
b).
48
Međutim, da bi se u analizi odluke primijenila aditivna forma funkcije višeatributne vrijednosti,
treba biti zadovoljen i uvjet međusobne nezavisnosti preferencija. Za dani skup atributa F, njegov
podskup X preferencijalno je nezavisan od komplementa u odnosu na X ako preferencije u
odnosu na atribute koje sadrži X ne ovise o vrijednostima atributa iz njihovog komplementa.
Uvjet međusobne nezavisnosti preferencija zadovoljen je ukoliko je svaki podskup skupa
atributa preferencijalno nezavisan o svojem komplementu.
Jednostavan primjer preferencijalne (ne)zavisnosti je odnos kriterija troška i kriterija
roka kod uspoređivanja projekata. Ukoliko se daje prednost projektu A u odnosu na projekt B
temeljem toga da su uz projekt A vezani manji troškovi, bez obzira na rokove njihovog
dovršenja, kaže se da su ta dva kriterija (atributa) preferencijalno nezavisna. Ukoliko se
temeljem nižih troškova daje prednost projektu A, ali postoji spremnost da se, ovisno o roku
dovršenja, prihvati skuplji projekt B, tada su kriteriji trošak i rok preferencijalno zavisni. Već iz
ovog primjera može se vidjeti da je uvjet preferencijalne nezavisnosti kriterija teško ispuniti.
49
odgovarala vrijednosti 0,5. Promjena vrijednosti atributa od fjm na vrijednost fj-1(0,5) trebala bi
predstavljati jednaku promjenu vrijednosti za donositelja odluke kao promjena vrijednosti
atributa od fj-1(0,5) na vrijednost fjM . Nakon toga se postupak ponavlja polovljenjem intervala
[ 0,0.5] i [ 0.5,1] , odnosno procjenom razina atributa koje odražavaju vrijednosti 0,25 i 0,75.
2. Donositelj odluke treba odrediti srednju vrijednost atributa fjs tako da promjena
vrijednosti na intervalu (fjm , fjs ) bude jednaka promjeni funkcije vrijednosti na intervalu
(fjs , fjM). Vrijedi v(fjs) = 0,5.
3. Na jednak način određuju se vrijednosti atributa fjs1 između fjm i fjs , te fjs2 između fjs i fjM
za koje vrijedi v(fjs1)= 0,25 i v(fjs2)=0,75.
4. Postupak se nastavlja sve dok se ne dobije dovoljno precizna mjerna ljestvica za zamjenu
vrijednosti kriterija j iz tablice odlučivanja odgovarajućim vrijednostima iz intervala
[ 0,1] .
Standardni niz razlika kao postupak modeliranja funkcije vrijednosti u suštini se također
svodi na inverzno preslikavanje, jer se njime definiraju razine atributa (kriterijalne vrijednosti)
za koje je porast preferencije donositelja odluke konstantan. Formalno zapisano, traže se
nepoznate razine atributa fjm= fj0 , fj1,..., fjp= fjM kojima je pridružen niz standardnih vrijednosti 0,
v(fj1), v(fj2),..., v(fjp-1), 1 tako da vrijedi v(fji)- v(fji-1) = d, za i=1,...,p , v(fjm) = 0 , v(fji) =i /p.
Koraci u ovom postupku su:
1. Broj djelova na koje će se podijeliti kodomena [ 0,1] funkcije vrijednosti v(fj) označi se p.
2. Iz uvjeta uvjeta v(fji) - v(fji-1) = d proizlazi v(fji) =i /p .
3. U prethodnom koraku određene su numeričke vrijednosti koje će uzimati funkcija
vrijednosti, sada se definiraju razine atributa kojima se pridružuju te vrijednosti.
Bisekcija i standardni niz razlika su slične metode. U obje metode se primarno modelira
inverzna funkcija funkcije vrijednosti jer se najprije postavljaju vrijednosti a zatim se traže
razine atributa kojima su pridružene te vrijednosti. Funkcije vrijednosti koje se modeliraju ovim
50
postupcima su po dijelovima linearne funkcije, ali to ne mora biti nužno tako. Na slikama (Slika
Metode za odlučivanje.9) i (Slika Metode za odlučivanje.10) skicirani su ovi postupci.
1,00
1,00
d
0,75
0,50
d
0,25
d
fjm fjs1 fjs fjs2 fjM fj0 fj1 fj2 fji-1 fji
51
Dobro Ponuda ispunjava sve uvjete uz prihvatljiv rizik. 6-7
Granično Ponuda gotovo ispunjava sve zahtjeve te nosi neke 4-5
elemente rizika.
Slabo Ponudu je teško procijeniti ne temelju kriterija. Ponuda je 1-3
visoko rizična.
Nije sukladno Ponuda je potpuno nesukladna postavljenim zahtjevima ili 0
ne sadržava dovoljno informacija za njenu ocjenu.
Zajednička karakteristika većine metoda za modeliranje funkcija vrijednosti je ta da se na
temelju postavljanja krajnjih vrijednosti i nekoliko međuvrijednosti ostale vrijednosti određuju
interpolacijom. U pojedinim djelovima domene te funkcije mogu biti linearne, eksponencijalne i
sl. U modeliranju funkcija vrijednosti važna je interakcija s donositeljem odluke, a postupak se
može znatno olakšati korištenjem odgovarajuće programske potpore poput npr. programa Web-
HIPRE48 . Također treba naglasiti da funkcije vrijednosti mogu biti rastuće i padajuće kao što to
prikazuje slika 9.11.
vrijednost
vrijednost
Udaljenost od
radnog mjesta
Visina plaće
Oblik rastuće funkcije vrijednosti je u pravilu konkavan zbog toga jer granična vrijednost pada s
porastom vrijednosti atributa. Npr, na manjoj razini plaće svaka dodatna novčana jedinica izaziva
veći porast vrijednosti za korisnika nego na većoj razini. Iz sličnog razloga padajuća funkcija
vrijednosti je konveksna, npr., ako se nekome tko je od radnog mjesta udaljen toliko da bez
teškoća odlazi na posao pješke, udaljenost od radnog mjesta poveća za 1 km, pad vrijednosti tog
52
posla s tog aspekta biti će veći nego u slučaju da do jednakog povećanja udaljenosti dođe kad mu
je udaljenost od radnog mjesta desetak km.
53
pri čemu je p≥1 parametar za kojeg se najčešće uzimaju vrijednosti 1, 2 i ∞. Ovisno o tim
vrijednostima pomoću prethodne formule dobivaju se različite udaljenosti, ali svaka vrijednost
parametra p pri tom ima svoje semantičko opravdanje. Za p=1 udaljenost se svodi na sumu
apsolutnih vrijednosti razlika po svim koordinatama. Često korištena analogija u vezi s ovom
metrikom je mjerenje udaljenosti između dvije lokacije na Manhattanu (jer je taj dio New Yorka
podijeljen u blokove, što asocira na koordinatnu mrežu). Za onoga tko želi preći udaljenost
između dvije točke u tom dijelu grada, informacija o najkraćoj udaljenosti u geometrijskom
smislu ne govori ništa korisno jer od točke A do točke B na Manhattanu treba preći put po svim
koordinatama. Dakle, za p=1 sličnost neke inačice s idealnom mjeri se zbrajanjem apsolutnih
vrijednosti razlika po svim kriterijima. Za p=2 dobije se udaljenost u geometrijskom smislu, a to
je dužina najkraće spojnice između dviju točaka ili Euklidska udaljenost. Ako se povećava p,
komponentama. Vrijedi
1
�k p�
p
d�( A, B) = lim d p ( A, B) = lim �
p �� p ��
�i i �
�i =1
x - y
�
= max xi - yi
i
U tablici 9.25 navodi se primjer izračunavanja udaljenosti točaka A(3,5,4) i B(8,1,6) za sve tri
Vrijednost 5 4 2 11 6,71 5
54
najbolji bonitet). Vidi se da niti jedna od originalnih ponuda nema sve njezine razine vrijednosti
atributa pa problem nema savršeno rješenje.
Prethodno je pokazano kako se kriteriji troška, tj. kriteriji tipa „manje je bolje“, prevode u
kriterije koristi, te kako se potom podaci iz tablice odlučivanja normaliziraju, pa se ovdje samo
prenosi tablica normaliziranih vrijednosti s dodatnim redom koji se odnosi na idealnu ponudu.
Normalizacija je izvršena tako da su se kriterijske vrijednosti inačica po svakom kriteriju
prikazale kao postotni dio od najbolje vrijednosti. Budući da svi kriteriji nisu jednako važni, u
daljnjem postupku koristit će se težine kriterija koje su izračunate postupkom uspoređivanja u
parovima (AHP metodom).
Kriteriji koji su važniji moraju doći do jačeg izražaja u konačnoj odluci, pa se ove
normalizirane vrijednosti iz tablice odlučivanja ponderiraju s težinama kriterija. Tim postupkom
dobije se tablica ponderiranih normaliziranih vrijednosti.
55
Tablica Metode za odlučivanje.28 Ponderirana normalizirana tablica odlučivanja
Cijena Rok Preporuke Bonitet
Tempo 0,34 0,10 0,18 0,20
Konstruktor 0,31 0,09 0,12 0,08
Zagorje 0,40 0,09 0,30 0,12
Tehnobeton 0,38 0,08 0,24 0,20
Grad 0,36 0,09 0,24 0,14
Idealna ponuda 0,40 0,10 0,30 0,20
Sad je moguće, uz pomoć prethodno objašnjenih formula za mjerenje udaljenosti, izračunati
udaljenosti svake inačice od idealne inačice za sve tri metrike.
Slika Metode za odlučivanje.12 Udaljenosti inačica od idealnog rješenja i njihove rang liste
za različite metrike
56
Metoda TOPSIS
U metodi TOPSIS50,51 se ideja izbora najbolje inačice na temelju udaljenosti od idealnog
rješenja proširuje s dodatnim zahtjevom da ta inačica bude ujedno i što dalje od tzv. negativno
idealnog rješenja. Temelj za tu ideju može se naći u vrijednosnim sustavima i religioznim
konceptima gdje se teži ponašanju koje vodi što bliže «nebu» i udaljava nas od «pakla».
Prozaičniji motiv da se u analizi odluke kao orjentir uključi i negativno idealno rješenje je
nastojanje da se u poslovnom odlučivanju donose (identificiraju) odluke kojima se maksimalizira
profit, a minimalizira rizik.
označavanja pretpostavlja da su svi kriteriji kriteriji koristi) uvede i negativno idealno rješenje
-
a - = f1- , f 2- ,..., f k- s komponentama f j = min f j ai .
a A i
-
Udaljenost inačice ai od negativnog idealnog rješenja, mjerena po metrici p označi se s d p (ai ) a
Najbolja inačica (može ih biti više) je ona za koju ova funkcija poprima maksimalnu vrijednost.
Ukoliko se želi rang lista inačica, ona se formira po opadajućim vrijednostima ove funkcije.
Lako provjeriva svojstva ove funkcije jesu:
(1) 0 �D p (ai ) �1 (2) D p (a * ) = 1 (3) D p (a - ) = 0
Jednostavna interpretacija tih svojstava je slijedeća – za sve inačice ova složena mjera
udaljenosti od pozitivno idealne i negativno idealne inačice ima vrijednost između 0 i 1 s tim da
je bolja inačice ona za koju je ta vrijednost veća.
57
Korištenjem različitih vrijednosti parametra p za mjerenje distance, mogu se dobiti različite
rang liste inačica. Međutim, postoji način da se vrijednosti distanci za različite vrijednosti
parametra p objedine u jedinstvenu mjeru distance. To se postiže njihovom linearnom
kombinacijom
D = 1D1 + 2 D2 + 3 D
58
Tablica Metode za odlučivanje.30 Rangiranje inačica iz primjera Odabir izvođača radova
pomoću metode TOPSIS
Autor metode ELECTRE je B. Roy 54, a postoji više varijanti ove metode. Pokretači
aktivnosti na razvoju novih inačica metode bili su praktični zahtjevi koji su proizlazili iz potrebe
59
za što kvalitetnijim modeliranjem složenih problema odlučivanja 55 i nastojanja da se uklone
uočene teorijske nekonzistentnosti u pojedinim verzijama metode. U tablici (Tablica Metode za
odlučivanje.31) navode se neke inačice (ima ih desetak) metode ELECTRE i vrste problema
odlučivanja za koje se one koriste.
Ova metoda bitno se razlikuje od ostalih metoda za višekriterijsku analizu odluka koje se
prikazuju u ovoj knjizi po tome što je ona nekompenzatorna metoda. Naime, kod metoda koje
se svode na više ili manje sofisticirano zbrajanje ponderiranih vrijednosti (MAVT, TOPSIS,
AHP) nedostaci u jednom ili više kriterija mogu se kompenzirati prednostima u drugim
kriterijima. ELECTRE je drukčija metoda, ona omogućuje da se inačice uspoređuju postupkom
koji osigurava da se nedostaci neke inačice po nekom aspektu koji se koristi kao jedan od
kriterija za odlučivanje ne mogu kompenzirati prednostima u drugim aspektima važnim za
donositelja odluke. To ovu metodu izdvaja od drugih metoda za višekriterijsku analizu, čineći ju
pogodnijom za situacije kad postoji izrazit konflikt među kriterijima ili kad neka od razmatranih
inačica posjeduje izrazito specifična svojstva relevantna za kvalitetu odluke, a koja je potrebno
„prepoznati“ u postupku odlučivanja.
Informacije potrebne za primjenu metode su tablica odlučivanja i težine kriterija.
Iako za sve faze provođenja postupka nije nužno svođenje kriterija na usporedive ljestvice,
kompletni postupak ne može se provesti ukoliko to nije učinjeno. Stoga će se primjena metode
ELECTRE objasniti pomoću tablice odlučivanja koja pripada problemu (Tablica Metode za
odlučivanje.9), a putem koje su objašnjene metode MAVT i TOPSIS (primjer Odabir izvođača
radova). U prikazu metode korištene su težine kriterija iz spomenutog primjera. Prikaz se odnosi
60
na varijantu ELECTRE I , a u tekstu će se navoditi samo generičko ime metode bez numeričke
ekstenzije.
Važno je naglasiti da, za razliku od metoda koje se svode na zbrajanje ponderiranih
vrijednosti, interpretacija težina kriterija i njihovog utjecaja na odluku u metodi ELECTRE nije
tako jednostavna i očita. Naime, iz postupka zbrajanja ponderiranih vrijednosti, kojim se različite
vrijednosti performansi inačica agregiraju u jedinstven pokazatelj, jasno je da težine kriterija
imaju ulogu kompenzacijskih koeficijenata. Kod metode ELECTRE se takav izravan učinak
težina kriterija na rezultat postupka ne može prepoznati, već se one ugrađuju u odluku u dva
vida:
(i) Važnost kriterija odražava se kroz njihove težine kod računanja indeksa suglasnosti
(ii) Važnost kriterija implicite dolazi do izražaja kod računanja indeksa nesuglasnosti.
Metoda se temelji na ideji da je za izbor inačice u skupu inačica bitno modeliranje odnosa
između dviju inačica a i b . Za svaki par inačica (a,b) ispituje se koliko su jaki argumenti za stav
da a dominira nad b. Do konačnog zaključka o odnosu dviju inačica a i b iz skupa inačica A
dolazi se uz pomoću složene uređajne relacije56 SA, koja ima slijedeća svojstva:
(i) a SA b (a dominira b u smislu outranking relacije SA) vrijedi ukoliko uzevši u obzir
preferencije donositelja odluke, vrednovanje inačica pomoću kriterija koji imaju
težine kao mjeru važnosti, postoji dovoljno razloga da se prihvati stav „a je najmanje
toliko dobro kao i b“ i ne postoje razlozi da se odbaci ta prosudba
(ii) a SA b ne vrijedi ukoliko se argumenti u prilog tvrdnji „a je najmanje toliko dobro
kao i b“ smatraju nedovoljnim.
Temeljem ove relacije moguća su tri odnosa među inačicama: preferencija, indiferencija i
neusporedivost. Na slici (Slika Metode za odlučivanje.13) vizualizirani su pomoću grafa mogući
odnosi inačica a, b i c temeljem gore definirane relacije.
a je indiferentno u odnosu na b
a se preferira u odnosu na c
a b b i c su neusporedive inačice
61
Slika Metode za odlučivanje.13 Graf outranking relacije
(a,b)?A
računaju se indeksi
suglasnosti c(a,b) i
nesuglasnosti d(a,b) a ne dominira b
da
ne da
a ne dominira b c(a,b)>c d(a,b)>d
ne
a dominira b
Koraci 1 i 2
U Tablici odlučivanja 9.9 opisane su inačice, izvođači radova (primjer Odabir izvođača radova),
a u tablici 10.10 su sve kriterijske vrijednosti svedene na tip kriterija koristi, tj. „veće je bolje“. U
točki 9.3.3 opisani su postupci normalizacije kriterijskih vrijednosti iz tablice odlučivanja. U
ovom primjeru, kriterijske vrijednosti iz tablice 10.10 normalizirane su postupkom postotne
normalizacije. Svaka kriterijska vrijednost izražena je kao % od najbolje vrijednosti u stupcu
kojem pripada.
Za težine kriterija uzimaju se težine izračunate pomoću metode SWING, koja je prikazana u
točki 10.3.5, sukladno preporuci da je taj postupak pogodan u situaciji kad su poznate
kriterijske vrijednosti inačica. Pomoću tih težina ponderirane su vrijednosti iz tablice (Tablica
Metode za odlučivanje.1) i formirana je tablica 9.28 kao tablica ponderiranih normaliziranih
vrijednosti:
63
Tablica Metode za odlučivanje.28 Ponderirana normalizirana tablica odlučivanja
Za potrebe prikaza metode u nastavku će se element u i-tom redu i j-tom stupcu ove matrice
označavati s vij.
Skup C kl čine kriteriji po kojima inačica a k nije slabija od inačice a l (bolja je ili
jednako dobra). Skup Dkl čine kriteriji po kojima je inačica a k slabija od inačice a l .
Za naš primjer skupovi suglasnosti za sve parove inačica su:
C12={ 1,2,3,4 C21= � C31={1,3} C41={1,3,4 C51={1,3}
} }
C13={2,4} C23={2 C32={1,3,4 C42={1,3,4 C52={1,3,4
} } } }
C14={2,4} C24={2 C34={1,2,3 C43={4} C53={2,4}
} }
C15={2,4} C25={2 C35={1,2,3 C45={1,3,4 C54={2,3}
} } }
64
Skupovi nesuglasnosti mogu se odrediti izravno po definiciji ili kao komplementi skupova
Za svaki par inačica (ak , al ) δ A A računa se indeks suglasnosti ckl koji predstavlja
mjeru suglasnosti s tvrdnjom ak S A al . Taj indeks računa se tako da se zbroj težina kriterija po
kojima ak nije slabija od al podijeli sa zbrojem težina svih kriterija. Formula za računanje indeksa
wj
ckl je
ckl = � k
. Ukoliko su težine normalizirane tj.
m
w = 1 , vrijedi c kl = = 1.
�w
j�Ckl
j =1
j j =1
j
jC kl
C12={ 1,2,3,4} pa je c12 jednak zbroju težina svih kriterija, dakle c12=1. Da bi izračunali npr. c32 ,
treba identificirati kriterije po kojima je ponuđač 3 bolji ili jednako dobar kao ponuđač 2 i
zbrojiti njihove težine. To su kriteriji čiji indeksi pripadaju skupu C32={1,3,4}, a zbroj njihovih
težina je 0,9 . Na isti način izračunavaji se ostale vrijednosti indeksa suglasnosti koje čine
matricu suglasnosti:
65
Korak 5: Računanje matrice nesuglasnosti
max v kj - vlj
jDkl
d kl =
max v kj - vlj
jJ
Na primjer; d12 je indeks kojim se mjeri odupiranje druge ponude (Konstruktor) dominaciji prve
ponude (Tempo). Budući da niti po jednom kriteriju druga ponuda nije bolja od prve imamo
d12=0. Kad se računa indeks d13, iz D13 vidi se da je treća ponuda (Zagorje) bolja od prve (Tempo)
po prvom i trećem kriteriju i da je najveća razlika među tim ponudama po jednom od tih kriterija
(trećem), pa je zbog toga d13=1. Kad se uspoređuju četvrta i prva ponuda, odupiranje prve
(Tempo) dominaciji četvrte ponude (Tehnobeton) mjeri se indeksom d41 . Najveća razlika među
ponudama koja ide u prilog prvoj ponudi postiže se po drugom kriteriju, a ukupno najveća
razlika je u trećem kriteriju. Dijeljenjem apsolutnih vrijednosti tih razlika dobije se d41 =0,417.
0 0 1 1 1
1 0 1 1 1
D= 0,667 0,037 0 1 0,333
0,417 0,144 0,75 0 0,179
1 0,055 1 1 0
66
Da bi se uspostavila uređajna relacija među inačicama, za svaki par inačica treba provesti
test prikazan na slici (Slika Metode za odlučivanje.14). Za tu svrhu potrebno je odrediti
vrijednosti praga suglasnosti s dominacijom c i praga nesuglasnosti s dominacijom d .
c kl d kl
c= i d = .
n(n - 1) n(n - 1)
Za promatrani par inačica (ak , al ) vrijedi ak S A al ako je istinita tvrdnja ckl> c i dkl< d . Suština
semantičke interpretacije ovih nejednakosti je „Postoji dovoljno argumenata za tvrdnju da
inačica ak ima značajne prednosti u odnosu na inačicu al , a argumenti koji idu u prilog inačici al
nisu dovoljni da bi onemogućili davanje prednosti inačici ak“.
Nakon što se provede postupak provjere dominacije za svaki par inačica, odnosi među inačicama
mogu se prikazati slijedećom matricom incidencije pri čemu Ikl=1 znači da vrijedi ak S A al tj. ak
dominira al , a Ikl=0 znači da nema dominacije među njima.
0 1 0 0 0
0 0 0 0 0
I= 0 1 0 0 1
1 1 0 0 1
0 1 0 0 0
Na temelju matrice incidencije može se nacrtati graf dominacije među inačicama ().
67
Grad
Tempo
Tehnobeto
n
Konstrukto Zagorje
Inačice koje nisu dominirane niti od jedne druge inačice (u matrici incidencije tim
inačicama pripadaju stupci u kojima su svi elementi jednaki 0) čine jezgru grafa. Među tim
inačicama treba tražiti najbolju. Stabilnost jezgre grafa ispituje se mijenjanjem pragova
suglasnosti i nesuglasnosti, dakle, otežavanjem ili olakšavanjem uspostavljanja outranking
relacije. U našem primjeru jezgru grafa, dakle inačice od kojih nema boljih čine Tehnobeton i
Zagorje. Općenito, ukoliko postoji više inačica koje nisu dominirane niti od jedne druge inačice,
provodi se analiza stabilnosti sastava jezgre grafa uređajne relacije. Ta analiza provodi se tako
da se mijenjaju vrijednosti pragova suglasnosti i nesuglasnosti. Graf na slici () pripada
vrijednostima pragova c =0,679 i d =0,485. Analiza stabilnosti jezgre provodi se tako da se
otežava postizanje dominacije povećavanjem vrijednosti praga suglasnosti ili smanjivanjem
vrijednosti praga nesuglasnosti (time se olakšava odupiranje dominaciji). Promjenama
vrijednosti pragova u suprotnim smjerovima olakšava se postizanje dominacije. Zbog izrazitih
posebnosti inačica Tehnobeton (najbolji bonitet) i Zagorje (cjenovno najpovoljnija i najbolje
preporuke), između njih nije moguće uspostaviti dominaciju u smislu metode ELECTRE, pa se
konačna odluka koja je ponuda najbolja treba temeljiti na razmatranju prednosti i nedostataka
ovih dviju inačica.
Analitički hijerarhijski proces (engl. The Analytic Hierarchy Process - AHP) je jedna od
najpopularnijih metoda višekriterijskog odlučivanja. Ovu metodu razvio je krajem sedamdesetih
68
godina dvadesetog stoljeća59,60 T.L. Saaty koji je u to vrijeme, kao član američkog pregovaračkog
tima, sudjelovao u složenim procesima pregovaranja o razoružanju s bivšim Sovjetskim
savezom.
Svoju popularnost ova metoda u velikoj mjeri zahvaljuje tome što je hijerarhijski model složenog
problema odlučivanja, koji se koristi u njoj, blizak načinu na koji ljudi intuitivno analiziraju
složene probleme razlažući ih na jednostavnije aspekte61. Druga sastavnica metode je relativno
sofisticirani matematički model koji omogućuje sintezu rezultata detaljne analize problema.
Činjenica da se metoda može uspješno primjenjivati, a da taj matematički model čak nije
potrebno niti razumjeti, sigurno doprinosi tome da metoda AHP ima široku primjenu 62 kako u
privatnom tako i javnom sektoru.
Osim praktične vrijednosti ove metode pri rješavanju konkretnih problema odlučivanja, postoji i
velik broj knjiga posvećenih toj metodi. O popularnosti ove metode govori i činjenica da se već
godinama redovito održavaju znanstvene konferencije na temu AHP metode 63, kao i to da
najveće svjetske konferencije posvećene operacijskim istraživanjima 64 u svom programu imaju
sekcije posvećene toj metodi.
U ovom poglavlju prikazana je metodološka osnova i matematički model AHP metode,
dok su primjeri primjene metode AHP uz pomoć alata za podršku odlučivanju sastavni dio
poglavlja 10 (Sustavi za potporu odlučivanju). Osnovni elementi metode AHP, hijerarhijska
struktura složenog problema odlučivanja i matematički model, te primjena metode i njezine
prednosti i nedostaci, detaljnije su prikazani u nastavku.
13 Hijerarhijska struktura
U rješavanju složenih problema čovjek nastoji grupirati elemente problema po sličnosti
njihovog utjecaja na proces na koji problem djeluje, odnosno na ciljeve koji se nastoje postići.
Tako npr. kod kupnje automobila razmišlja se posebno o troškovnim aspektima njegovog
posjedovanja, elementima dizajna koji doprinose estetskom dojmu, performansama motora i
mogućnostima koje proizlaze iz toga i slično. Na temelju takvog razmišljanja stječe se cjelovit
dojam o pojedinom vozilu i donosi se odluka.
U poglavlju o heuristikama i heurističkim pravilima odlučivanja spomenuti su neki nedostaci
načina na koje ljudi donose složene odluke kada se oslanjaju na intuiciju. Ključni faktor uspjeha
u odlučivanju u složenim situacijama je način na koji se različiti aspekti vrijednosti inačica
69
dovode u vezu i kako se pojedinačni aspekti utjecaja na ciljeve vrednuju u ukupnom utjecaju
temeljem kojeg se donosi odluka.
Prirodan način na koji čovjek strukturira složene probleme i potom ih analizira je
hijerarhijska struktura, dakle njihovo raščlanjivanje na sve jednostavnije aspekte. Rješavanje
složenih problema odlučivanja pomoću metode AHP temelji se upravo na njihovoj dekompoziciji
u hijerarhijsku strukturu čiji elementi su cilj, kriteriji (podkriteriji) i inačice. Cilj se nalazi na
vrhu hijerarhije dok su kriteriji, podkriteriji i inačice na nižim razinama. Kako složenost
problema raste s brojem kriterija i s brojem inačice, te zbog kognitivnih ograničenja u pogledu
sposobnosti ljudskog uma u razlikovanju velikog broja inačica i kriterija, pri formiranju
hijerarhije ne preporuča se grupirati više od 7 elemenata na istoj razini ili u jednom čvoru.
Na slici 9.8 prikazana je hijerarhijska struktura problema Odabir izvođača radova. To je
jednostavna hijerarhija s dvije razine, na prvoj razini (razine se broje od gore prema dolje) su
kriteriji. a na drugoj razini su inačice. Ukoliko se neki od kriterija dalje dekomponira na
podkriterije time se povećava broj razina hijerarhijske strukture.
Neka je n broj kriterija (inačica) čije težine (prioritete) w1 , w2 ,..., wn treba odrediti na
temelju procjene vrijednosti njihovih omjera koji se označavaju s aij = wi / w j . Matrica čiji
elementi su ove procjene zove se matrica omjera relativnih važnosti i označava se s A, a težine
�w1 w1 w1 �
�w ...
w2 wn �
�a11 a12 ... a1n � � 1 �
� �w2 w2 w2 �
a a22 ... a2 n �
�= �w1
...
A = �21 w2 wn �
�. . ... . � � �
� � �. . ... . �
an1 an 2
� ... ann � � �
�wn wn
...
wn �
�
�w1 w2 wn �
�
71
Lako se vidi da ova matrica za slučaj konzistentnih procjena, tj. procjena za koje vrijedi
akj , "i, j , k � 1, 2,..., n , zadovoljava matričnu jednadžbu
aij = aik �
Aw=nw , (9.1)
pri čemu je w vektor (jednostupčana matrica) prioriteta:
�w1 w1 w1 �
�w ... �w� � w�
w2 wn ��1 � �1 �
�1 � w2 w2
�w2 w2 w2 �� � � �
�w ... ��� ���
wn ��
����= n �
w2 � �
�1
�. . ... . � � � ���
� ���� ���
�wn wn
...
wn �� � � �
w2 � � w2 �
� �
�w1 w2 wn �
�
To znači da bi se težine (prioriteti) na temelju njihovih procijenjenih omjera mogle izračunati
tako da se riješi sustav jednadžbi napisan u matričnom obliku (9.1). Postavlja se pitanje rješivosti
tog sustava. Sustav (9.1) može se zapisati u ekvivalentnom obliku
( A - nI ) w = 0 (9.2)
Ovo je homogeni sustav jednadžbi i poznato je da takav sustav jednadžbi ima netrivijalno
rješenje samo u slučaju ako je njegova determinanta jednaka 0. Dakle, da bi se mogle izračunati
težine (prioriteti) iz njihovih procijenjenih omjera trebalo bi vrijediti det(A-nI)=0 . Postavlja se
pitanje da li je taj uvjet zadovoljen? Odgovor na to pitanje povezan je sa svojstvenim
vrijednostima matrice A. Naime, svaki broj , za koji vrijedi det( A - I ) = 0 , zove se svojstvena
vrijednost matrice A. Budući da je izraz det( A - I ) polinom n-tog reda, on općenito ima n
nultočaka koje mogu biti realni pozitivni i negativni brojevi i kompleksni brojevi. No, matrica A
ima neka posebna svojstva, ona je pozitivna zbog aij > 0, "i, j , recipročna matrica zbog aij =
1/aji , i vrijedi da je njezin rang r(A)=1 (jer su u slučaju konzistentnih procjena svi njezini redovi
proporcionalni prvom redu). Zbog ovih nabrojenih svojstava matrice A samo jedna njezina
svojstvena vrijednost različita je od nule i jednaka je n.
Sa svojstvenim vrijednostima matrica povezan je još jedan matematički pojam koji je važan za
metodu AHP. Naime, ako je broj svojstvena vrijednost matrice A, tada se vektor x (uređena n
-torka brojeva) koji zadovoljava matričnu jednadžbu Ax = x zove svojstveni vektor matrice A.
72
Zbog svojstava pozitivnosti i recipročnosti matrice A, proizlazi da je njezin svojstveni vektor,
pridružen njezinoj jedinoj ne-nul svojstvenoj vrijednosti n , vektor (n-torka brojeva) čije su sve
komponente pozitivne. Čak što više, i u slučaju da matrica A nije konzistentna, njezina najveća
svojstvena vrijednost ostaje pozitivna, a njoj pridružen svojstveni vektor ima sve realne i
pozitivne komponente. Osim toga, za tu najveću svojstvenu vrijednost vrijedi max �n . Dakle,
sustav jednadžbi (9.1) ima netrivijalno rješenje, čije sve komponente su pozitivne, bez obzira na
konzistentnost matrice A. Što se tiče jedinstvenosti tog rješenja, poznato je da u slučaju
homogenog sustava jednadžbi netrivijalno rješenje nije jedinstveno određeno. Taj problem
rješava se tako da se traži ono rješenje w = ( w1 , w2 ,..., wn ) (težine, prioriteti) za koje vrijedi
�w
i =1
i = 1 , dakle računaju se normalizirane težine (prioriteti). Sustav ( A - I ) w = 0 , uz uvjet
�w
i =1
i = 1 , u općem slučaju nije moguće točno riješiti bez posebnog softvera. Obično je algoritam
za rješavanje tog sustava uključen u programske alate koji podržavaju metodu AHP.
73
1
n
w1 + w2 + � + wn wj = n
Nadalje, zbog �aij = i w1 + w2 +� + wn = 1 , vrijedi , pa proizlazi
i =1 wj �aij i =1
1 n aij
da se težina i-tog kriterija računa pomoću izraza
wi = �
n j =1 n .
�aij
i =1
Vrijednost ovog, naoko kompliciranog izraza, lako se izračuna tako da se krene od nazivnika, tj.
u nazivniku je suma j-tog stupca. U brojniku je element iz i-tog reda i j-tog stupca matrice A.
Znak za sumu u brojniku na desnoj strani traži da se zbroje elementi i-tog reda matrice A,
podijeljeni sa sumama stupaca u kojima se nalaze ti elementi. Dijeljenje te sume s n daje upravo
U poglavlju 10.3.4, pomoću primjera Odabir izvođača radova, objašnjeno je kako se težine
kriterija mogu odrediti na temelju njihovog uspoređivanja u parovima. U nastavku se računaju
prioriteti inačica iz tog problema po svakom od kriterija iz strukture problema prikazanog na slici
(Error: Reference source not found i potom se uz pomoć izračunatih težina kriterija računaju
ukupni prioriteti inačica u odnosu na cilj:
U tablici su vrijednosti omjera važnosti (prioriteta) iz Saatyeve ljestvice. Tako se npr. na poziciji
(1,3) nalazi vrijednost 0,25 što znači da je procijenjeno da je omjer prioriteta ponude izvođača
Tempo u odnosu na ponudu izvođača Zagorje po kriteriju cijena 1:4. To znači da je pomoću
Saatyeve ljestvice procijenjeno da se ponudi izvođača Zagorje u odnosu na ponudu izvođača
74
Tempo daje prednost s intenzitetom između umjereno i strogo. Na poziciji (3,1) nalazi se
recipročna vrijednost ovog omjera. Odnos prioriteta ponuda izvođača Tempo i izvođača
Tehnobeton je 0,33, što znači da je pomoću Saatyeve skale procijenjeno da se po kriteriju cijena
izvođaču Tehnobeton daje umjerena prednost u odnosu na izvođača Tempo. U posljednjem
stupcu tablice nalaze se vrijednosti prioriteta ponuda po kriteriju cijena izračunate pomoću
postupka objašnjenog u poglavlju 9.3.4 . U tablicama 9.34 – 9.36 nalaze se procijenjeni omjeri
važnosti ponuda i njihovi prioriteti po ostalim kriterijima.
75
Tablica Metode za odlučivanje.37 Sinteza lokalnih priroriteta inačica u njihov ukupan
prioritet
Dakle, rang lista ponuda izvođača je Zagorje, Tempo, Tehnobeton, Grad i Konstruktor.
Zanimljivo je usporediti dobivenu rang listu inačica s grafom uređajne relacije dobivenim
pomoću metode ELECTRE. Pomoću metode AHP dobivena je rang lista po kojoj je najbolja
inačica Zagorje, a Tempo bolje rangirana inačica od inačice Tehnobeton. U grafu ELECTRE je
Tempo dominiran Tehnobetonom, ali Zagorje, iako nedominirana inačica, ne dominira niti
Tehnobeton niti Tempo. Dakle, na temelju rezultata analiza provedenih s obje metode moglo bi
se zaključiti da je najbolja inačica Zagorje, ali odnos između Tempa i Tehnobetona zaslužuje
dodatnu pažnju i za definitivni zaključak o odnosu tih ponuda treba provesti analizu osjetljivosti.
76
17 Mjerenje konzistencije procjena
U slučaju da je inkonzistentnost veća od 10%, preporuča se istražiti razloge zbog kojih je došlo
do toga.
Postoji više mogućih uzroka nekonzistentnosti procjena. Neke su posljedica
proceduralnih propusta, a neke su objektivno uvjetovane prirodom problema koji se rješava.
Zbog toga se informacija o prevelikoj inkonzistenciji procjena može tretirati i kao indikator da
postoji mogućnost propusta u procesu odlučivanja. U nastavku se navode mogući uzroci
inkonzistencija u procjenama koje se daju u metodi AHP:
77
administrativna greška u vidu unosa pogrešne (inverzne) vrijednosti omjera (procijeni se
npr. da je A strogo važnije od B, u Saatyevoj tablici to se kodira kao A:B=3, a u izračun
se unese 1/3), je najčešći razlog nekonzistencije. Do administrativne greške često dolazi
prilikom korištenja programske potpore. Ovu grešku nije lako primijetiti ukoliko omjer
inkonzistencije nije veći od 0,10 kad program upozorava na potrebu revizije procjena,
78
metoda AHP omogućuje integriranje kvalitativnih i kvantitativnih faktora u odlučivanje
na izravan način, intuitivno razumljiv donositelju odluke, bez potrebe razumijevanja
tehnika poput razvijanja metrika, normalizacije i sl.
Mogućnost da se, uz pomoć programske potpore, neprekidno kontrolira konzistencija
procjena, oslobađa donositelja odluke straha od gubitka kontrole nad problemom uslijed
mogućnosti nagomilavanja manjih, teško nadzirivih inkonzistencija. Redundantnost
uspoređivanja u parovima dovodi do toga da je metoda AHP manje osjetljiva na greške u
procjenjivanju.
metoda AHP je pogodna za grupno odlučivanje, jer omogućuje učinkovitu medijaciju u
procesu. Kombinacija prezentacijskih alata i programske potpore za metodu AHP
značajno poboljšava komunikaciju među članovima grupe i utječe na njezinu
učinkovitost. Neki programi koji podržavaju metodu AHP imaju posebne module za
potporu grupnom odlučivanju, koji smanjuju rizike nekvalitetnih odluka karakteristične
za grupno odlučivanje i omogućuju kontroliranu integraciju individualnih procjena u
grupnu procjenu.
Primjena metode AHP povećava znanje o problemu i motivira donositelje odluka da ne
pojednostavnjuju problem i sužavaju kontekst u kojem se on rješava, što je čest način na
koji donositelji odluka reduciraju složenost problema. Procesom odlučivanja primjenom
metode AHP dolazi se do približnog rješenja problema većom brzinom nego na većini
sastanaka, uz manje troškove procesa donošenja odluke. Tako dobiveno inicijalno
rješenje može se koristiti kao predložak za projekt ili studiju izvodljivosti.
Rezultati odlučivanja metodom AHP ne sadrže samo rang listu inačica, već i informacije
o težinskim koeficijentima kriterija u odnosu na cilj i podkriterija u odnosu na kriterije,
što omogućuje kvalitetnu analizu osjetljivosti.
Popularnost metode AHP inicirala je razvoj kvalitetnih programskih alata koji ju
podržavaju, a ti alati imaju i povratni utjecaj na daljnju popularizaciju metode.
Najviše korišten alat koji podržava metodu AHP je Expert Choice77. Alat
SuperDecisions78 također podupire primjenu metode AHP, besplatan je i razvijen s ciljem
da se pod povoljnim uvjetima omogući korištenje AHP i ANP metode u akademske
svrhe. Alat DecisionLens79 razvijen je u komercijalne svrhe kako bi omogućio primjenu
79
metode AHP u poslovnim organizacijama. Brojne američke kompanije i institucije u
javnom sektoru koriste DecisionLens u odlučivanju, planiranju, alokaciji resursa i drugim
poslovnim problemskim područjima.
Metoda AHP ima i određena ograničenja s kojima se korisnici mogu susresti prilikom njezine
primjene, a otklanjanje tih ograničenja motivacija je za daljnje izučavanje ove metode. Neka od
ograničenja metode AHP, koja se češće navode u literaturi80 81 82 83, su slijedeća:
Svi smo bili u situaciji da izlazeći iz stana odlučujemo o tome da li da ponesemo kišobran
ili ne. Suština te dileme može se prikazati u obliku sljedeće tablice (Tablica Metode za
odlučivanje.39).
Posljedice naše odluke ovise o tome kakvo će vrijeme biti kada se nađemo na ulici. U
slučaju da ponesemo kišobran, a bude lijepo vrijeme, biti ćemo opterećeni s beskorisnim
kišobranom. Ukoliko pak pada kiša zaštićeni smo. Odemo li bez kišobrana opet su moguće
80
povoljne i nepovoljne posljedice za nas, ovisno o stanju vremena. Ne pribavimo li dodatne
informacije (na primjer, pogledamo kroz prozor), u situaciji smo da donosimo odluku u uvjetima
neizvjesnosti (nesigurnosti).
Općenito, o odlučivanju u uvjetima neizvjesnosti (nesigurnosti) govori se onda kada je
moguće očekivati različite posljedice odluka, a donositelj odluke ne raspolaže s informacijama
koje bi mu omogućile donošenje procjene o tome koja vjerojatnost se može pridružiti pojedinoj
posljedici. Informacije s kojima raspolaže donositelj odluke u takvoj situaciji odlučivanja su:
aktivnosti (odluke) koje može poduzeti
posljedice svake od mogućih odluka s obzirom na moguće situacije (stanja okoline) u
kojima će se realizirati te odluke.
Informacije s kojima je opisan problem odlučivanja u uvjetima neizvjesnosti prikazuju se u
obliku tablice (matrice) plaćanja (Tablica Metode za odlučivanje.40).
Tablica Metode za odlučivanje.40 Opća tablica odlučivanja
Stanja okoline
S1 S2 … Sn
A1 v11 v12 … v1n
Odluke
Donositelj odluke u prikazanoj situaciji odlučivanja pri donošenju odluke može primijeniti
različite kriterije koji se opisuju u nastavku.
81
Primjer: Prodavač novina nabavlja novine po 5 kn, a prodaje ih po 7 kn, dakle po svakom
prodanom primjerku on ostvaruje zaradu od 2 kn. Novine koje se ne prodaju idući dan ne mogu
se vratiti niti prodati kasnije. U trenutku kad odlučuje o količini narudžbe, prodavač ne zna
koliko će kupaca doći sutradan i time se izlaže situaciji da naruči previše primjeraka te zbog
neprodanih primjeraka ima nepotreban trošak, ili pak naruči premali broj primjeraka pa propusti
priliku za veću zaradu. U Tablica Metode za odlučivanje.41 prikazuju se mogućnosti zarade84
ovisno o odnosu broja nabavljenih i prodanih primjeraka novina.
10 20 20 20 20 20 20
11 15 22 22 22 22 22
12 10 17 24 24 24 24
13 5 12 19 26 26 26
14 0 7 14 21 28 28
15 -5 2 9 16 23 30
Pretpostavlja se da se novine, koje se ne prodaju idući dan, ne mogu vratiti niti se mogu prodati
kasnije. U trenutku kad odlučuje o količini narudžbe, prodavač ne zna koliko će kupaca doći
sutradan i time se izlaže situaciji da naruči previše primjeraka, te zbog neprodanih primjeraka
ima nepotreban trošak ili pak naruči premali broj primjeraka pa propusti priliku za veću zaradu.
Prodavač mora odlučiti koliko novina naručiti. Ukoliko u trenutku donošenja odluke prodavač ne
raspolaže s dodatnim informacijama koje bi mu omogućile da procijeni broj kupaca, on odlučuje
u situaciji nesigurnosti. Iz tablice plaćanja vidi se da, ukoliko prodavač naruči npr. 13 primjeraka
novina, a dođe samo 11 kupaca njegova zarada će biti 12 kn. Međutim, ukoliko dođe 13 ili više
kupaca, zarada će biti 26 kn. Postavlja se pitanje kakvu odluku donijeti. Za njegovu odluku u
takvoj situaciji ključan je njegov odnos prema rizicima. Dva su ekstremna stava prema
nesigurnosti čiji korijeni leže u psihološkim osobinama donositelja odluke; pesimizam i
optimizam. U klasičnoj teoriji odlučivanja za donošenje odluke u ovakvoj situaciji može se
primijeniti više pravila (kriterija) koja imaju prikladno objašnjenje i to:
Maximin kriterij (Wald -ov kriterij)
82
Maximax kriterij
Hurwitzov kriterij
Kriterij minimalnog žaljenja (Savage–ov kriterij)
Laplace-ov kriterij
Ovaj kriterij karakterizira odbojnost prema riziku. Primjena ovog kriterija odgovara
pristupu odlučivanju koji se karakterizira poslovicom „bolje vrabac u ruci nego golub na grani”.
Za svaku akciju Ai identificira se najslabiji ishod vi* i bira se akcija Ak za koju je ta vrijednost
Maximax kriterij
Ovaj kriterij karakterizira sklonost riziku. Za svaki kriterij identificira se najbolji ishod
*
vi* i bira se akcija Ak za koju je ta vrijednost najveća, tj. da vrijedi vk = max vi * = max(max vij ) .
i i j
Dakle, prema pravilu maximin, ispravna odluka bila bi naručiti 10 primjeraka novina, a prema
pravilu maximax, ispravna odluka bila bi naručiti 15 primjeraka novina. Treba naglasiti da
ukoliko se dogodi da nakon narudžbe 10 primjeraka dođe 12 kupaca, to ne znači da je odluka
bila kriva. Može se ocjeniti da je bila loša s obzirom na posljedice, ali to je ocjena s pozicije
posjedovanja naknadne informacije. Za ocjenu ispravnosti odluke ključno je znati da li je ta
odluka bila konzistentna s informacijama s kojima je onaj tko nju je donio raspolagao u trenutku
83
njezinog donošenja, prvenstveno s kriterijem odlučivanja koji je primijenjen. Odluka da se naruči
više od 10 primjeraka novina je kriva ukoliko se donositelj odluke izjasni da ima odbojan stav
prema rizicima, odnosno da ne želi donositi rizične odluke (za takvu osobu još se kaže da „igra
na sigurno“, ili da ima „konzervativan stav prema rizicima“).
Hurwitzov kriterij
Prethodna dva kriterija vezana su uz ekstremne stavove donositelja odluke prema riziku.
Činjenica je da se ljudi po odnosu prema rizicima ne mogu svrstati u dvije ekstremno različite
skupine, realnije je govoriti o većoj ili manjoj sklonosti pesimizmu ili optimizmu. Za
modeliranje optimizma, kao kriterija za donošenje odluke, koristi se parametar optimizma a
sa svojstvom 0 �a �1 i za svaku akciju A i računa se Hurwitzova86 vrijednost:
Temeljem tih vrijednosti bira se akcija Ak s najvećom vrijednošću H(k) . Parametar a (indeks
optimizma - pesimizma) karakterizira stav donositelja odluke prema riziku, tj. u kojoj mjeri je on
sklon riziku.
84
novina. Drugim riječima, donositelj odluke s većim indeksom optimizma skloniji je kriteriju
maximax od donositelja odluke s manjim indeksom optimizma.
Što se događa ukoliko dođe 15 ili više kupaca, a prodavač je naručio samo 12 primjeraka
novina? Vrlo vjerojatno kod njega će se pojaviti osjećaj žaljenja za propuštenom prilikom za
većom zaradom. Slično tome, ukoliko je došlo 10 kupaca, a on je naručio 15 primjeraka novina
javlja se žaljenje zbog troška naručivanja prekobrojnih primjeraka novina. Ukoliko se odluka
donosi s ciljem da se što je moguće više izbjegne žaljenje zbog izgubljene zarade, odnosno
nepotrebnog troška, postupa se na sljedeći način:
rij = max v kj - vij (od ishoda najbolje akcije za stanje j oduzima se vrijednost vij)
k
ova veličina predstavlja razliku između najboljeg mogućeg ishoda uslijed nastupanja
stanja j i posljedice ukoliko je izabrana akcija Ai .
ishod za akciju A i )
3. Bira se ona akcija Ak za koju je ova vrijednost minimalna tj. za koju vrijedi
Savageov kriterij temelji se na spoznaji da donositelj odluke ne može utjecati na stanje okoline,
ali posljedice za njega proizlaze iz njegovog izbora akcije. Stoga ima smisla uspoređivati
posljedice različitih akcija koje bi on mogao poduzeti u odnosu na pojedino stanje.
85
Tablica Metode za odlučivanje.44 Tablica Metode za odlučivanje.45 Tablica
Računanje žaljenja žaljenja
86
Ključni pokretač Kolumbove odluke bilo je njegovo vjerovanje da je dužina puta do Indije u
smjeru zapada zapravo pet puta kraća nego je to u stvarnosti. To vjerovanje ne može se tretirati
kao procjena vjerojatnosti i da se zbog toga odluka tretira kao ispravna (racionalna) po kriteriju
očekivane vrijednosti, jer K. Kolumbo nije raspolagao informacijama koje bi mogle biti temelj
za bilo kakvu procjenu. On je jednostavno vjerovao da je Zemlja okrugla i znatno manja nego je
to u stvarnosti. Ovakvi problemi su važan pokretač istraživanja u teoriji odlučivanja.
Praktičan pristup
Ako se od ostvarivanja nekog događaja koji ima vjerojatnost p očekuje dobit visine D,
očekivana vrijednost (matematičko očekivanje, očekivana monetarna vrijednost) definira se kao
produkt ovih vrijednosti:
E=Dp
Primjerice, ako se od okretanja broja 6 kod bacanja kocke očekuje dobit visine 300 kn, budući da
je vjerojatnost da padne taj broj 1/6, matematičko očekivanje igrača je 50 kn. Ova vrijednost
zove se cijena igre – ukoliko se ne obračunavaju troškovi igre, igrač mora platiti točno toliko da
87
bi imao pravo bacanja kocke89. Tada bi, u slučaju velikog broja igara, ukupno uplaćen iznos
jednog igrača bio jednak njegovom ukupnom dobitku. Pojam matematičkog očekivanja koristi se
kada se određuje cijena (pravedna) neke igre na sreću (matematičko očekivanje poveća se za
troškove igre i zaradu organizatora itd.), kod izračunavanja premija različitih osiguranja i u
ostalim sličnim situacijama.
U slučaju odlučivanja kada se posljedicama neke odluke može pridružiti vjerojatnost
njihovog nastupanja, za svaku moguću odluku (akciju) računa se njezina očekivana vrijednost
EV(Ai) = j vij P(Sj)
i kao najbolja bira se ona akcija koja ima najveću očekivanu vrijednost.
Za primjer prodavača novina izračunaju se očekivane vrijednosti prikazane u tablici ().
Dakle, prema kriteriju očekivane vrijednosti, ispravna odluka je naručiti 12 primjeraka novina jer
je za tu naručenu količinu očekivana vrijednost najveća i iznosi 22,3 (0,05 .10 + 0,15.11 + 0,25.12
+ 0,25.13 + 0,2.14 + 0,1.15).
Laplace-ov kriterij
88
Očekivana vrijednost je dobar kriterij kod odluka koje se ponavljaju. Onaj tko redovno
odlazi u kladionicu mora o tom kriteriju voditi računa. Osiguravajuća društva kod izračunavanja
premija za osiguranja također moraju voditi računa o tom kriteriju. Međutim, kod jednokratnih
odluka taj kriterij nije dobar, kao što se to može vidjeti u slijedećem primjeru.
Investitoru se pruža mogućnost uložiti u razvoj dvaju programskih paketa A i B jednak
iznos. Ukoliko projekti završe u planiranom razdoblju (stanje 1) projekt A će donijeti dobit visine
150.000, a projekt B 70.000. Ukoliko pak se u realizaciji kasni, projekt A nosi gubitak od 30.000,
a projekt B dobit od samo 40.000. Vjerojatnost završetka projekata u planiranom razdoblju za
oba projekta je 50%. U koji projekt investirati? Iz podataka koji su dani u tablici (Tablica Metode
za odlučivanje.50) vidi se da prvi projekt ima veću očekivanu vrijednost. Međutim, unatoč tome,
racionalan investitor neće uložiti u takav projekt jer je prevelik rizik gubitka. Ukoliko pak odluku
donosi netko tko se bavi razvojem softvera, za njega ima smisla odabrati projekt A jer se za njega
primjenjivost kriterija očekivane vrijednosti temelji na ekonomskim zakonitostima tržišnog
uspjeha i neuspjeha većeg broja programskih proizvoda.
Tablica Metode za odlučivanje.50 Slučaj u kojem očekivana vrijednost nije dobar kriterij
Stanje okruženja
Program EMV
1 2
A 150.000 -30.000 150.0000.5 - 30.0000.5= 60.000
B 70.000 40.000 70.0000.5+40.0000.5= 55.000
Vjerojatnosti 0.5 0.5
89
19 Očekivana vrijednost
20 Pravilo (EV, δ)
21 Bernoullievo pravilo
1. Očekivana vrijednost
Ovaj kriterij za donošenje odluke primjenjuje donositelj odluke koji ima neutralan stav prema
riziku. U stvarnosti, većina donositelja odluka ima odbojan stav prema rizicima, pa se smatra
da kriterij očekivane vrijednosti nije pogodan za donošenje jednokratnih poslovnih odluka.
2. Pravilo (EV, δ)
Ovo pravilo temelji se na pretpostavci da je stav prema riziku individualnog donositelja odluke
moguće modelirati pomoću faktora preferencije rizika. Polazi se od toga da je za donositelja
odluke s neutralnim stavom prema riziku očekivana vrijednost dobar kriterij. Za onoga tko
ima odbojan stav prema riziku, osjećaj „odbojnosti“ proizlazi iz varijabilnosti mogućih ishoda
njegove odluke. Naime, kad bi se, bez obzira na stanje okoline, ishodi odluke malo razlikovali,
očekivana vrijednost odluke također bi se malo razlikovala od tih ishoda i u tom slučaju rizik
izloženosti donositelja odluke nepovoljnom ishodu bio bi mali. Varijabilnost ishoda odluke može
se uzeti u razmatranje tako da se izračuna njihovo odstupanje od očekivane vrijednosti. Budući
da ta odstupanja mogu biti pozitivna i negativna, za mjerenje njihovog ukupnog efekta koristi se
kvadratni korijen iz zbroja njihovih kvadrata, veličina koja je u statistici poznata pod
nazivom standardna devijacija. Ukoliko nastupanje svih stanja okoline nije jednako vjerojatno,
kvadrati odstupanja ishoda od očekivanih vrijednosti ponderiraju se s vjerojatnostima stanja
okolina. Detaljnije se ovaj postupak objašnjava uz pomoć jednostavnog primjera iz tablice
(Tablica Metode za odlučivanje.51).
90
U dijelu tablice (A,1) - (E,5) nalaze se podaci iz tablice odlučivanja; u drugom redu su
vjerojatnosti stanja okoline, u redovima 3-5 su ishodi odluka
U stupcu E su izračunate očekivane vrijednosti, npr. EV1=147=0,5.190+0,4.80+0,1.200
U stupcima F–H izračunati su kvadrati odstupanja ishoda od očekivane vrijednosti, npr.
(v11-EV1)2=1849=(190-147)2, (v12-EV1)2= 4489=(80-147)2, (v11-EV1)2=256=(100-116)2
U stupcu I nalaze se vrijednosti kvadratnog korjena iz zbroja ponderiranih kvadrata
odstupanja, npr. δ1=(0,5.1849+0,4.4489+0,1.2809)0,5=54,78
Stav donositelja odluke prema riziku modelira se pomoću faktora prihvatljivosti rizika koji se
označava s q. Za svaku odluku Ai računa se prihvatljivost rizika P(Ai) = EV(Ai) + q.δ(Ai) , a
vrijednost faktora q određuje se sukladno njegovom stavu prema rizicima primjenom slijedećih
pravila:
Stav prema riziku Faktor prihvatljivosti rizika q
neutralan 0
odbojan mala, negativna
prihvaćanje velika
Dakle, za donositelja odluke s neutralnim stavom prema rizicima vrijednost prihvatljivosti rizika
jednaka je očekivanoj vrijednosti, a za onoga tko ne prihvaća rizik, prihvatljivost rizika je manja
od očekivane vrijednosti jer se njoj dodaje negativna vrijednost produkta ponderiranog
odstupanja δ i faktora prihvatljivosti rizika q . Iz izraza za računanje faktora prihvatljivosti
rizika, vidi se da je, za onoga tko je sklon prihvaćanju rizika, taj faktor veći od očekivane
vrijednosti.
91
Vrijednosti faktora prihvatljivosti rizika, za donositelja odluke s odbojnim stavom prema riziku,
karakteriziranim faktorom prihvatljivosti rizika q= -0,8, nalaze se u tablici u stupcu H. Vrijednost
tog faktora za akciju A1 izračunata je na slijedeći način:
P(A1) = EV(A1)+ q.δ(A1) = 147 – 0,8.54,78 = 103,17 .
Po ovom pravilu ispravna odluka je ona za koju je vrijednost P(A i) najveća. U promatranom
primjeru to je odluka A1.
okoline tj. B( Ai ) = �p j �
uij .
j =1
92
poslovni neuspjeh i da u tom slučaju njegov gubitak bude 200.000 kn. Njegova situacija
odlučivanja može se prikazati jednostavnom tablicom odlučivanja u kojoj su ishodi odluka
prikazani u tisućama kn (Tablica Metode za odlučivanje.53).
Simboli koji se koriste u ovom grafičkom modelu su kvadrat za čvor odluke, krug za
čvor slučaja i grane kojima se povezuju čvorovi u stablu. Čvor odluke je pod kontrolom
donositelja odluke, u tom čvoru bira se grana koja vodi do čvora slučaja. U čvoru slučaja navode
se sve mogućnosti koje se mogu dogoditi, a koje nisu pod kontrolom donositelja odluke i
predstavljaju izvor mogućih rizika. Ishodi tih rizičnih slučajeva navode se na kraju njihove
pripadne grane. Na temelju tih ishoda i vjerojatnosti slučajeva računa se očekivana vrijednost
čvora slučaja. Sukladno kriteriju očekivane vrijednosti, odluka se donosi tako da se u čvoru
odluke bira grana koja vodi prema čvoru slučaja s najvećom očekivanom vrijednošću. U ovom
93
primjeru, to bi značilo da se preporučuje donijeti odluku o izlasku na tržište. Ipak, konačna
odluka ovisi o jednom aspektu koji u ovom modelu nije uzet u obzir – stavu prema riziku
donositelja odluke. Naime, donositelj odluke se u promatranom slučaju suočava s odlukom koja
ima profil rizika prikazan u Tablica Metode za odlučivanje.54
Tablica Metode za odlučivanje.54 Profil rizika za odluku o novom proizvodu
Slučaj Vjerojatnost Ishod (000 kn)
Velika potražnja 0,5 500
Mala potražnja 0,3 100
Bez potražnje 0,2 -200
Konačna odluka ovisi o tome kako se poduzetnik odnosi prema riziku. Za nekoga je 20%
vjerojatnosti da izgubi 200.000 kn prevelik i neprihvatljiv rizik u odnosu na ostale mogućnosti, a
za nekog drugog je taj rizik prihvatljiv.
Povezane odluke
94
prethodno istraži tržište. Dakle, pretpostavimo da će se prije donošenja odluke istražiti tržište.
Marketinška agencija procjenjuje da postoji 70% vjerojatnosti za pozitivan rezultat istraživanja i
da su vjerojatnosti stanja tržišta u tom slučaju slijedeće: za veliku potražnju p(VP)=0,8 , za malu
potražnju p(MP)= 0,2 , i da nije moguće da neće biti potražnje, dakle vjerojatnost stanja bez
potražnje p(BP)= 0. U slučaju negativnog rezultata istraživanja, za koji procjenjuju da postoji
30% vjerojatnosti, vjerojatnosti za razine potražnje procjenjuju se p(VP)=0,1, p(MP)=0,2 i
p(BP)=0,7. Ovi podaci sažeto se prikazuju u tablici (Tablica Metode za odlučivanje.55).
95
Vrijednost potpune informacije
96
Alati za analizu odluke pomoću stabla odluke
Već i najmanji realan problem koji se rješava pomoću stabla odluke ima takvu složenost
da ga je teško rješavati bez pomoći specijaliziranog softvera. Postoje brojni lako dostupni alati
koji se mogu kupiti ili skinuti s mreže besplatno. Poznatiji komercijalni alati su Treeplan97
(glavna karakteristika ovog alata je jednostavnost za korištenje i niska cijena) i Precision Tree98
(ovo je profesionalni alat tvrtke Palisade99, spada među skuplje na tržištu programskih proizvoda
za potporu odlučivanju). Oba ova alata kompatibilna su s tabličnim kalkulatorom Microsoft
EXCEL.
97
Slika Metode za odlučivanje.18 Različiti načini izražavanja intenziteta vjerojatnosti
98
Slika Metode za odlučivanje.19 Kompletna matrica rizika100
100
mogu se procijeniti posljedice realizacije odluke u različitim scenarijima. Postupak analize
osjetljivosti determiniran je matematičkim modelom na kojem se temelji odluka i iz svojstava
tog modela proizlaze mogućnosti da se odgovori na određen broj pitanja čime donositelj odluke s
većom sigurnošću može predvidjeti njezine posljedice. Analiza osjetljivosti koristi se i za
ispitivanje kvalitete modela, tj. provođenjem tog postupka može se vidjeti u kojoj mjeri model
omogućuje prepoznavanje malih promjena u parametrima odluke, koji su pod kontrolom
donositelja odluke i promjenama parametara kojima se opisuje stanje okoline, dakle onih koje
donositelj odluke ne kontrolira, ali utječu na posljedice odluke. Analiza osjetljivosti ne provodi
se samo u poslovnom odlučivanju. Ona se preporuča i za donošenje odluka u javnom sektoru101.
Postupak će se ilustrirati pomoću jednostavnog modela točke pokrića 102. Točka pokrića,
kao orijentir za procjenu razine isplativosti proizvodnje, izračunava se pomoću slijedećeg modela
(Slika Metode za odlučivanje.20).
Ako poduzetnik ima proizvod koji prodaje po prosječnoj cijeni 218 kn, uz prosječan varijabilan
trošak proizvodnje 60 kn i fiksne troškove koji iznose 380.000 kn, nije teško izračunati da za te
podatke točka pokrića iznosi 2.405 komada proizvoda, dakle on mora prodati toliko da bi pokrio
troškove proizvodnje. Najčešće se ulazne vrijednosti, poput ovih spomenutih u primjeru, tretiraju
kao prosječne veličine i rezultat se također smatra nekim oblikom prosjeka. Takav pristup ima
nedostatke kao i svako drugo zaključivanje na temelju prosječnih vrijednosti. Temeljni
nedostatak ovakvog pristupa je taj da, osim vrijednosti točke pokrića, donositelj odluke nema
nikakve informacije o varijabilnosti tog rezultata. Međutim, rijetko se svi proizvodi prodaju po
istoj cijeni. Cijena se prilagođava naručenim količinama, rokovima i načinima plaćanja i te
101
varijacije utječu na vjerodostojnost izračunatog podatka. Osim toga, prosječni varijabilni
troškovi su također promjenljivi pa i to utječe na pouzdanost izračunate točke pokrića. Ukoliko
je postojeće tržište ograničeno u tolikoj mjeri da nije sigurno može li se prodati takva količina,
podatak o točki pokrića postaje bitan za upravljanje poslovnim rizicima.
U nastavku se pokazuje kako se, uz pomoć jednostavnih alata u EXCELU, mogu dobiti
dodatne informacije koje donositelju odluke mogu značajno pomoći da dobije uvid u
varijabilnost izlazne vrijednosti modela i moguće posljedice te varijabilnosti. Takve informacije
nužne su za procjenu rizika u poslovnom odlučivanju i upravljanje rizicima.
Pretpostavimo da se prodajna cijena kreće u rasponu 218-230 kn. Pretpostavimo nadalje
da je ustanovljeno, na temelju podataka o troškovima proizvodnje, da se jedinični varijabilan
trošak kreće u rasponu 55-63 kn. Uz pretpostavku da su fiksni troškovi nepromjenjivi, nije
teško103 izračunati vrijednosti točke pokrića za sve kombinacije navedenih raspona vrijednosti
jedinične prodajne cijene i varijabilnog troška (Tablica Metode za odlučivanje.57).
55 56 57 58 59 60 61 62 63
218 2.331 2.346 2.360 2.375 2.390 2.405 2.420 2.436 2.452
219 2.317 2.331 2.346 2.360 2.375 2.390 2.405 2.420 2.436
220 2.303 2.317 2.331 2.346 2.360 2.375 2.390 2.405 2.420
221 2.289 2.303 2.317 2.331 2.346 2.360 2.375 2.390 2.405
222 2.275 2.289 2.303 2.317 2.331 2.346 2.360 2.375 2.390
223 2.262 2.275 2.289 2.303 2.317 2.331 2.346 2.360 2.375
224 2.249 2.262 2.275 2.289 2.303 2.317 2.331 2.346 2.360
225 2.235 2.249 2.262 2.275 2.289 2.303 2.317 2.331 2.346
226 2.222 2.235 2.249 2.262 2.275 2.289 2.303 2.317 2.331
227 2.209 2.222 2.235 2.249 2.262 2.275 2.289 2.303 2.317
228 2.197 2.209 2.222 2.235 2.249 2.262 2.275 2.289 2.303
229 2.184 2.197 2.209 2.222 2.235 2.249 2.262 2.275 2.289
230 2.171 2.184 2.197 2.209 2.222 2.235 2.249 2.262 2.275
102
pokrića, ali jasno je da se te metode mogu primjenjivati i u drugim situacijama u kojima se kao
podloga za analiziranje rizika koristi tablični kvantitativni model.
Sad nije teško odgovoriti na postavljeno pitanje jer se lako pročita s točke označene
strelicom da je vjerojatnost da će trebati prodati više od 2.405 proizvoda da bi se pokrili troškovi
103
66%. Naravno, uz ovu interpretaciju ide i komplementarna tvrdnja koja govori o tome kolika je
izloženost riziku da za pokriće troškova treba ostvariti veći financijski rezultat.
Onaj tko odlučuje o tome da li poslovati u skladu s pretpostavkama ovog modela, na
temelju ove informacije treba odlučiti da li mu je taj rizik visine točke pokrića prihvatljiv ili ne.
Ukoliko zaključi da je 35% vjerojatnosti da će za pokrivanje troškova poslovanja trebati prodati
više od 2.405 komada proizvoda prevelik rizik, on mora pogledati što može učiniti da smanji taj
rizik.
Budući da svrha ovog teksta nije prikazivanje programskog alata, ovdje se daje samo onaj
dio izlaznih rezultata koji je bitan za analizu rizika. Iz tablice na slici (Slika Metode za
odlučivanje.22) vidi se kako se raspon kretanja vrijednosti pojedine varijable odnosi na raspon
kretanja izlazne varijable ukoliko ostale varijable poprimaju samo osnovne vrijednosti. Tako se
iz prvog reda može zaključiti da ukoliko se prodajna cijena kreće u rasponu od 210 do 250, a
fiksni troškovi i prosječni varijabilan trošak se zadrže na osnovnim vrijednostima 380.000
odnosno 60, vrijednosti točke pokrića će se kretati u rasponu 2.000 – 2.533. Iz posljednjeg stupca
tablice sa slike (Slika Metode za odlučivanje.23) može se vidjeti i kakav je utjecaj pojedine
ulazne varijable na ukupnu varijabilnost izlazne varijable.
105
Međutim, ta informacija se bolje vidi u vizualiziranoj formi. Utjecaj varijabilnosti svake
ulazne varijable na varijabilnost rezultata vizualiziran je grafom koji se zbog svog oblika (uz
malo mašte nije teško zamisliti kako bi taj graf izgledao za slučaj većeg broja ulaznih varijabli)
naziva tornado107 dijagram. Crne trake, kojima su prikazani rasponi u kojima se kreću
vrijednosti točke pokrića, kao posljedica raspona u kjima se kreću vrijednosti pojedinih varijabli,
poredane su u smjeru odozgo prema dolje po opadajućem intenzitetu utjecaja varijabilnosti
vrijednosti varijabli na varijabilnost rezultata. Informacija o tim prioritetima važna je za
definiranje strategije smanjivanja varijabilnosti rezultata. Naime, na svaku ulaznu varijablu koja
je pod kontrolom donositelja odluke, može se utjecati određenim postupcima koji se izučavaju u
disciplinama koje se bave ekonomikom poslovanja poduzeća i menadžmentom. Budući da je
teško zamisliti, da u specifičnim situacijama ima smisla primjenjivati sve moguće mjere,
postavlja se pitanje njihovog prioriteta. Ti prioriteti određuju se sukladno informaciji koja se
može isčitati iz tornado grafa. U korištenom primjeru, strategija upravljanja rizikom da točka
pokrića bude prevelika, temeljila bi se prvenstveno na mjerama za eventualno povećanje
prodajnih cijena ili preispitivanje povoljnih uvjeta koji se daju klijentima, zatim na mjerama za
smanjivanje fiksnih troškova i tek potom na mogućnostima da se djeluje na varijabilne troškove.
0,600
0,400
0,200
0,000
2,15 2,25 2,35 2,45
Values in Thousands
5% 90% 5%
2,2245 2,3746
Ključni elementi i koraci u procesa analize rizika pomoću Monte Carlo simulacije koja se
provodi na tabličnom modelu prikazana je na slici 9.26.
107
Slika Metode za odlučivanje.25 Analiza rizika pomoću Monte Carlo simulacija
Na slici () prikazano je kako se provodi analiza rizika pomoću Monte Carlo simulacije. Bitni
koraci u tom postupku su:
1. Razvoj kvantitativnog modela u EXCEL-u (većina takvih alata je kompatibilna s EXCEL-
om)
2. Modeliranje funkcija distribucija za ulazne podatke (gotovo svaki alat za Monte Carlo
simulaciju ima preglednik sa specijalnim funkcijama distribucije, što analitičaru
omogućuje kreativan pristup i ugradnju znanja iz specifične poslovne domene u to
modeliranje)
3. Modeliranje veza između ulaznih varijabli (npr. modeliranje korelacije između pojedinih
varijabli i otežavanje nelogičnih kombinacija njihovih vrijednosti)
4. Analiza izlaznih rezultata.
Iako se simulacija u suštini svodi samo na velik broj izračuna izlazne(ih) vrijednosti
modela za različite kombinacije vrijednosti ulaznih varijabli, programski alati za MC simulaciju
daju rezultate u različitim oblicima, numeričkim i u grafičkoj formi. Osim temeljnog rezultata –
histograma i grafa kumulativne distribucije, posebno koristan za upravljanje rizicima je i tornado
dijagram. Taj graf, čija je varijacija za jednostavan slučaj s tri inputa prikazana na slici 9.27 , daje
informaciju o razini utjecaja varijabilnosti ulaznih podataka na varijabilnost outputa.
108
Slika Metode za odlučivanje.26 Tornado dijagram sa tri inputa
Osim toga, varijable su vizualno poredane tako da prioritet njihovog utjecaja odgovara razini
pripadnog dijela grafa – što je njezin utjecaj na output veći, odgovarajući dio tornado grafa je na
višoj poziciji. Ukoliko donositelj odluke smatra da je raspon u kojem se mogu očekivati izlazne
vrijednosti modela, a time i rizik prevelik, on na to može djelovati samo tako da prepozna na
koje ulazne varijable može djelovati tako da smanji raspone u kojima se kreću njihove
vrijednosti. Skup tih mjera čini strategiju upravljanja rizicima, a prioriteti među tim mjerama
određuju se prema tornado dijagramu. Posljedica sužavanja distribucija ulaznih varijabli je
sužavanje grafa distribucije rezultata, graf kumulativne distribucije postaje strmiji, rizik se
preciznije procjenjuje i time se olakšava donošenje odluke.
109
1
Ralph L. Keeney, Making Better Decision Makers, Decision Analysis, Vol.1, No. 4, 2004, str.193-204
2
Originalan naziv metode je Decision Analysis. Prijevod ovog naziva ne specificira u dovoljnoj mjeri metodu jer se u širem
smislu svaki postupak koji se primjenjuje u procesu odlučivanja u duhu našeg jezika može smatrati analizom odluke.
3
Curein, J., Slater R., (2002) Quantitative Mehods for Business Decisions, Tomson Learning, str. 5
4
Ibid
5
Ibid str 6
6
Ibid, str. 47
7
Ravindran, A.; Phillips, D.T.; Solberg, J.J. Operatons Research. John Wiley and Sons, New York, 1997.
8
Dvorski S., Kovšca V., Ekonomija za poduzetnike, TIVA - Tiskara, Varaždin, 2011, 256-277
9
R. Grünig, R. Kühn, op.cit.
10
Pojmovi složenost i složenost se u ovom kontektu tretiraju kao sinonimi.
11
H.G. Gemunden and J. Haushildt, Number of inačices and efficiency in different types of top-management decisions,
EJOR 22 (1985) 178-190
12
Model Točka pokrića (engl. Break Even Point) može biti jednostavniji i složeniji ovisno o elementima koji se uzimaju u
obzir prilikom izračunavanja razine prihoda kojom se pokrivaju troškovi proizvodnje.
13
Curein, J., Slater R., (2002) Quantitative Mehods for Business Decisions, Tomson Learning, 9
14
RBS failure caused by 'multiple poor decisions', guardian.co.uk, http://www.guardian.co.uk/global/2011/dec/12/royal-
bank-of-scotland-fsa-report
15
Failed wizards of Wall Street http://www.businessweek.com/1998/38/b3596001.htm
16
Matematički modeli u kojima se traže ekstremne vrijednosti funkcija više varijabli pod ograničenjima
17
Hwang CL, Yoon K (1981). Multiple Attribute Decision Making-Methods and Applications: A State of the Art Survey,
Springer-Verlag.
18
Puni naziv metode navodi se u dijelu knjige u kojem se ona prikazuje. Uobičajeno je da se ovaj akronim koristi kao naziv
metode bez prevođenja.
19
Ibid
20
Naziv „heuristika“potiče od starogrčke riječi „heuriskein“–što znači „naći“ili „otkriti“.
21
Pseudo, semi, polu, skoro
22
Izvor: http://www.nobelprize.org/nobel_prizes/economics/laureates/1978/simon-autobio.html; 10/03/2012
23
Problem maksimuma u jednokriterijalnoj optimizaciji je jednostavan, za kriterij koristi („veće je bolje“) je to najveća
vrijednost, a za kriterij troška („manje je bolje“) je to najmanja vrijednost. U višekriterijskim problemima odlučivanja
pojam maksimuma nije tako jednostavan i teorijski se izučava kao problem vektorske maksimalizacije.
24
Goodwin P., Wright G., Decisoon Analysis for management Judgment John Wiley & Sons, Ltd, 2004, str. 21-23
25
Shafir, E., Simonson, I. And Tversky, A., (1993) Reason based choice, Cognition, 49, 11-36
26
Ovo su samo osnovni kriteriji, Odabir kriterija u realnim situacijama ovisi o kontekstu određenom sustavom nabave – da
li je naručitelj iz javnog sektora ili privatnog, vrsti projekata itd.
27
Pomerol, J.C., Barba-Romero, S.; Multicriterion decision in Management – Principles and Practice, Kluwer Academic
Publishers, 2000, 51-57.
28
Ibid
29
Saaty, T. L., The Analytic Hierarchy process, McGrawHill, 1980.
30
Hunjak, Tihomir: Višekriterijsko odlučivanje, Poglavlje u knjizi: Informacijska tehnologija u poslovanju: urednici: Čerić,
Vlatko; Varga, Mladen, Zagreb, element, 2004. (sveučilišni udžbenik) (str. 105-119)
31
Saaty, T. L., Op.cit.
32
Saaty, T., L., Kearns, P., K.: Analytical Planning, The Organization of Systems, The Analytic Hierarchy Process Series,
Vol. IV, RWS Publications, 1991., str 23.
33
Točan postupak računanja težina zahtijeva poseban softver kao što je EXPERT CHOICE, DECISION LENS,
SUPERDECISIONS
34
Zakon o javnoj nabavi. http://narodne-novine.nn.hr/clanci/sluzbeni/329474.html
35
Gal T., Stewart T.J., Hanne T., Multicriteria Decision Making: Advances in MCDM Models, Algorithms, Theory, and
Applications, Kluwer Academic Publishers, 1999, 12-18 - 19.
36
U provođenju daljnjeg postupka pomaže vizualizacija (ovaj pristup koristi se u programu HIVIEW, vidjeti
http://www.catalyze.co.uk/?id=230 )
37
J. Figueira, S. Greco, and M. Ehrgott, editors, Multiple Criteria Decision Analysis: State of the Art Surveys, pages 73–
132. Springer, 2005.
38
T. Gal, T.J. Stewart, T. Hanne(Eds), Multicriteria Decision Making: Advances in MCDM Models, Algorithms, Theory ,
and Applications, Kluwer Academic Publishers, 2003,12.4-32
39
Saaty, T.L., Op.cit.
40
Neumann, John von and Morgenstern, Oskar: Theory of Games and Economic Behavior. Princeton, NJ. Princeton
University Press. 1953.
41
Ovo su samo osnovni kriteriji. Odabir kriterija u realnim situacijama ovisi o kontekstu određenom sustavom nabave – da
li je naručitelj iz javnog sektora ili privatnog, vrsti projekata itd.
42
Value Tree, vidjeti http://www.mcda.hut.fi/value_tree/learning-modules/
43
Unimodalni kriterij je npr. koncentracija neke tvari u smjesi. Premalo šećera u kavi nije dobro, previše također.
Normalizirane koncentracije šećera ne mogu se koristiti kao supstitut za funkciju vrijednosti.
44
J. Figueira, S. Greco, and M. Ehrgott, editors, Multiple Criteria Decision Analysis: State of the Art Surveys, pages 73–
132. Springer, 2005.
45
Vidjeti http://plato.stanford.edu/entries/preferences/#Tra
46
Ibid
47
USAID CROATIA
48
vidjeti http://www.hipre.hut.fi
49
Kurepa: Teorija skupova, Školska knjiga, Zagreb, 1951.
50
Technique for Order Preference by Similarity to Ideal Solution
51
Yu, Y., Liang, L.: Extensions of the TOPSIS for Multiple Criteria Decision Making. Systems Engineering (2), 98–101
(2003)
52
Yoon K., „A reconciliation among discrete compromise solutions“, Journal of the Operational Research Society, vol. 38,
no 3, 277-288
53
Ibid.
54
Roy B., The outranking approach and the foundations of ELECTRE methods, Theory and Decisions 31: 49-73, 1991.
55
Velik broj primjena vezan je uz poslovne aktivnosti istraživačke grupe LAMSADE koju je 1976. osnovao B. Roy na
University Paris-Dauphine.
56
Njezin originalan naziv je outranking relation, u krugu stručnjaka koji se kod nas bave višekriterijskom analizom još nije
usvojen jedinstven prijevod ovog pojma.
57
J. Figueira, S. Greco, and M. Ehrgott, op. cit.
58
Ovo se stavlja po definiciji jer se matrice suglasnosti i nesuglasnosti mogu koristiti za direktno računanje matrice
incidencije i formiranje grafa outranking relacije. U slučaju kad bi se u račun uključile vrijednosti cii=1, dobili bi graf s
petljama u svim vrhovima što bi onemogućilo interpretaciju rezultata analize temeljenu na pojmovima iz teorije grafova. U
nekim prikazima metode dijagonalni elementi matrica suglasnosti i nesuglasnosti jednostavno se ne uzimaju u razmatranje,
označe se sa *.
59
Saaty, T., L.: A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology 15 (3), pp.
234–281, 1977.
60
Saaty, T. L.: Multicriteria Decision Making: The Analytic Hierarchy Process, RWS Publications, 4922 Ellsworth Ave.,
Pittsburgh, PA 15213, 1980.
61
Saaty, T., L., Kearns, P., K.: Analytical Planning, The Organization of Systems, The Analytic Hierarchy Process Series,
Vol. IV, RWS Publications, 1991.
62
Vaidya, O., S., Kumar, S.: Analytic hierarchy process: An overview of applications, European Journal of Operational
Research, 169 (2006) pp. 1–29, 2006.
63
ISAHP, vidjeti http://malaysia2013.isahp.org/index.htm
64
EURO conference (http://euro2013.org/), IFORS conference (http://ifors.org/web/)
65
Harker, P., T., Vargas, L., G.: The theory of ratio scale estimation: Saaty's analytic hierarchy process, Management
Science, 1987.; 33(1):1383-403.
66
Saaty, T. L.: Multicriteria Decision Making: The Analytic Hierarchy Process, RWS Publications, 4922 Ellsworth Ave.,
Pittsburgh, PA 15213, 1980.
67
Begičević, N., Divjak, B., Hunjak, T.: Prioritization of e-learning forms: a multicriteria methodology, Central European
Journal of Operations Research CEJOR 2007, http://www.springerlink.com/content/03111h2h3280h556/fulltext.pdf
68
Saaly, T. L.: op.cit. 1980.
69
T.L.Saaty, Begicevic N.: The analytic hierarchy process applied to complexity, Int. J. Economics and Business Research,
Vol. 4, No. 3, 2012.
70
Saaty, T., L.: op.cit, 1977.
71
Saaty, T. L.: op.cit, 1980.
72
Saaty, T., L., Kearns, P., op.cit., 1991.
73
Harker, P., T., Vargas, L., G.: op.cit., 1987.; 33(1):1383-403.
74
Triantaphyllou, E.: Multi-Criteria Decision Making Methods: A Comparative Study, Kluwer Academic Publishers,
Dordrecht, The Netherlands, 2000.
75
Shinn Sun: Base closure: An application of the analytic hierarchy process, INFOR, Vol. 39, no. 1, Feb. 2001.,
<http://findarticles.com/p/articles/mi_qa3661/is_200102/ai_n8938983>, (pristupano: 10.3.2006.)
76
Hamalainen, R., P.: Reversing the Perspective on the Applications of Decision Analysis, Decision Analysis, Vol. 1, No.1,
March 2004.
77
Expert Choice, Inc. (2000), Expert Choice Decision Support Software, RWS publications, Pittsburg, USA, 2000.,
<http://www.expertchoice.com/>
78
Super Decisions Software for Decision-Making, Creative Decisions Foundation, Pittsburgh,
<http://www.superdecisions.com>
79
Decision Lens Software: <http://www.decisionlens.com>, For more information contact Decision Lens™
80
Belton, V.: A comparison of the Analytic Hierarchy Process and a simple multiattribute value function, European Journal
of Operational Research 26, pp. 7-21, 1986.
81
Schoner, B., Wedley, W., C.: Ambiguous criteria weights in AHP: consequences and solutions, Decision Sciences 20, pp.
462-475, 1989.
82
Salo, A.,A., Hamalainen, R.,P.: On the measurement of preferences in the Analytic Hierarchy Process, Journal of Multiple
Criteria Decision Analysis 6, pp. 309-319, 1999.
83
Dyer, F., R., Forman, E., H.: An Analytic Approach to Marketing Decisions, Prentice-Hall International, Inc; 1991.
84
Zbog jednostavnosti, pod zaradom podazumjeva se razlika između prihoda od prodaje i troškova nabave.
85
Abraham Wald, (1950) Statistical Decision Functions. John Wiley and Sons, New York; Chapman and Hall, London,
osnivač statističke teorije odlučivanja,
86
Leon Hurwitz, E. Maskin i R. Myers zajedno su 2007. dobili Nobelovu nagradu za doprinos Ekonomskoj znanosti
87
Leonard Jimmie Savage (1917 –1971) , američki matematičar i statističar, jedan od osnivača teorije odlučivanja, ovaj
kriterij uveo je 1951.
88
Martin Peterson, An Introduction to Decision Theory(Cambridge Introductions to Philosophy), Cambridge University
Press,2009, (2)
89
Ovo su sve pretpostavke kad se razmatra pravedna igra.
90
French S. (1986) decision Theory: An Introduction to the Mathematics of rationality, London Wiley
91
Ken Binmore, Rational Decisions, Princeton University Press, Princeton, New Jersey, 2009, (37-39)
92
Clemen, R.T., (1996) Making Hard Decisions: An Introduction to Decision Analysis, Duxbury Press, str. 243
93
Goodwin P., Wright G., Decision Analysis for Management Judgment, J. Wiley&Sons Ltd, Chichester, 2004.
94
Clemen, R.T., (1996), Op.cit.
95
U literaturi iz engleskog govornog područja koriste se sintagme Expected Value of Prefect Information and Expected
Value of Sample Information, vidjeti Target D., Analytical Decision Making, Pitman Publishing, 1996, 52-53.
96
Robert T. Clemen, Making hard decisions: an introduction to decision analysis, Duxbury Press, Brooks/Cole Publishing
Company, 511 Forest Lodge Road, Pacific Grove, CA 93959 (441-446)
97
TreePlan, www.treeplan.com
98
Precision Tree, www.palisade.com/precisiontree/
99
Palisade, www.palisade.com/
100
Prema Risk Matrix: Know when to accept the risk. Know when to reject the risk. Paul Barringer, P.E.,
Barringer&Associates, Inc, Humble, TX 77347-3985
101
The EC handbook for extended impact assessment, European Commission, 2002
102
Dvorski S., Kovšca V., Ekonomija za poduzetnike, TIVA - Tiskara, Varaždin, 2011, 256-277
103
Npr. pomoću EXCEL alata Data Table s dva parametra iz menija DATA/What.Iff Analysis/Data Table, taj alat je
korišten u primjeru.
104
Jednostavan alat koji može pomoći u tome je EXCEL alat Histogram iz menija Data/Data Analysis/Histogram.
105
Pindyck, R.S.; Rubinfeld, D.L. Mikroekonomija. 5 izdanje, MATE, Zagreb, 2005.
106
Add-In alat kompatibilan s EXCEL-om kompanije TreePlan www.treeplan.com/sensit
107
Ovaj naziv dolazi od oblika grafičke prezentacije utjecaja ulaznih varijabli poredanih po prioritetima u vertikalnom
smjeru
108
Početak primjene simulacijskog modeliranja vezan je sa Manhatten projektom razvoja atomske bombe. Naziv je odabran
zbog prirode postupka temeljenog na zakonima statističke vjerojatnosti i asocijacije na igre na sreću.
109
U konkretnom primjeru korišten je alat@RISK , kompanije PALISADE www.palisade.com.