OSNOVNI STUDIJI: LOGISTIKA

Predmeti: Specijalne oblasti logistike

Industrijska logistika

ТЕМА: Integrisani model za višekriterijumsku

klasifikaciju proizvoda
(SEMINARSKI RAD)

PROFESOR: KANDIDAT:
Dr Željko Stević, docent Amar Mešić 1215/16

Doboj, maj , 2021.godina

 Sadržaj

1. UVOD.....................................................................................................................................1
2. METODOLOGIJA...............................................................................................................2
2.1. ABC analiza....................................................................................................................3
2.2. Step-wise Weight Assessment Ratio Analysis - SWARA metoda..............................4
2.3. Weighted aggregated sum product assessment - WASPAS metoda..........................5
3. POSTUPAK PRIMJENE METODA VKO i ABC ANALIZE........................................7
3.1. Određivanje značaja kriterijuma za klasifikaciju proizvoda primjenom SWARA
metode....................................................................................................................................7
3.2. Primjena višekriterijumske ABC analize radi klasifikacije proizvoda.....................8
3.3. Primjena WASPAS metode za rangiranje alternativa.............................................11
4. ZAKLJUČAK.....................................................................................................................15
5. LITERATURA....................................................................................................................16
 1. UVOD

Upravljanje zalihama jedan je od najvažnijih logističkih zadataka. Mnogi gospodarski

subjekti suočeni su s problemima koji otežavaju pronalaženje optimalne politike upravljanja
zalihama: nemogućnošću predviđanja potražnje, nesigurnim procesom dobave, dugim
vremenima isporuke, kratkim vremenom potražnje za određenim (pogotovo sezonskim)
proizvodima. S obzirom na to da investicije poduzeća u zalihama čine obično 30-50% njihove
ukupne imovine, odluke o zalihama znatno utiču na ostale troškove.
Drži li se premalo proizvoda na zalihama, dolazi do nedostatka proizvoda na skladištu, što
uzrokuje gubljenje ugleda poduzeća, pad prodaje te gubitak potrošača. S druge pak strane,
držanje suviše proizvoda ili mnogo proizvoda koji se slabo prodaju, povećava troškove
skladištenja, rizik zastarevanja, mogućnosti potkradanja i oštećivanja proizvoda.
Stoga je cilj upravljanja zalihama smanjivanje troškova zaliha na najmanju moguću mjeru uz
održavanje odgovarajuće ponude robe. Optimalna razina zaliha predstavlja istodobno i
optimalne troškove poslovanja u cijelini. [6]
Posljednjih decenija došlo je do snažnog razvoja i neobične popularnosti metoda
višekriterijumske analize. Razlozi ovog fenomena su i teorijske i praktične prirode [1]:
• u teorijskom smislu višekriterijumska analiza je atraktivna jer se bavi nedovoljno
struktuiranim problemima,
• u praktičnom smislu nudi veliku pomoć u rješavanju svakodnevnih zadataka izbora
odluka, upravljačkih akcija, alat su u projektovanju i metodološkoj podršci u
eksploataciji najraznovrsnijih sistema.
Bez obzira da li je u pitanju strategijska ili operativna odluka / upravljačka akcija, da li je u
pitanju problem sa dominantno tehničkim ili pretežno ekonomskim sadržajem, ili se radi o
multidisciplinarnom problemu, bez obzira da li je riječ o problemu koji se tiče dijela sistema
ili sistema u cjelini, metode višekriterijumske analize pružaju veliku pomoć u izboru pravih
rješenja u zadacima odlučivanja upravljanja u projektovanju i eksploataciji. [1]
Cilj i predmet ovog rada je izvršiti klasifikaciju proizvoda kako bi se dobili precizni podaci o
značaju proizvoda rezultati ovog rada mogu se koristiti za uspostavljanje funkcionalnog
sistema kontrole i upravljanja u procesima upravljanja zalihama ,a također znanje stečeno na
predavanjima primjenjujemo u praksi. Prvi dio rada opisuje metode višekriterijumskog
odlučivanja koje su primjenjene u ovom radu SWARA metoda, WASPAS metoda kao i ABC
analizu . Drugi dio rada predstavlja postupak primjene navedenih metoda na zadatom
primjeru . Primijenjuje se SWARA metoda kako bi se utvrdile težine kriterijuma, koje ce se
koristit u ABC analizi i WASPAS metodi. Nakon sprovedene ABC analize biraju se prvi
deset proizvoda te na osnovu njihove vrijednosti formirana se početna matrica za WASPAS
metodu. Svaki korak od ovih metoda je detaljno objašnjen i prikazan.

1
 2. METODOLOGIJA

Jedan od osnovnih problema donošenja neke odluke je kako izabrati pravu metodu
odlučivanja. Različite metode i tehnike odlučivanja mogu poslužiti kao koristan alat
pridonošenju poslovnih odluka. Problematika donošenja odluka, predstavlja važnu ljudsku
djelatnost, koja je vremenom postajala sve značajnija što se može argumentovati činjenicom
da se u poslednjih pet decenija intenzivno razvija nova naučna disciplina nazvana teorija
odlučivanja. Po Schermerhornu odluka je izbor između više alternativnih mogućnosti za
rješavanje problema. Odlukom se želi postići neki cilj, jer ona obično predstavlja odziv na
nekukonkretnu potrebu. Pa odluka je rezultat izbora jedne, iz skupa alternativa, odnosno
akcija, koje donosiocu odluke (pojedinačnom ili grupnom) stoje na raspolaganju. Pojam
višekriterijumskog odlučivanja se odnosi na situacije odlučivanja kada prisutno postoji veći
broj konfliktnih kriterijuma. Upravo ta činjenica predstavlja značajan korak ka realnosti
problema koji se metodama višekriterijumskog odlučivanja mogu rješavati, za razliku od
klasične optimizacione metode koja koristi samo jedan kriterijum pri odlučivanju, čime se
drastično umanjuje i realnost problema koji se može rješavati. Problemi koji se mogu
razmatrati korišćenjem višekriterijumskog odlučivanja poseduju sljedeće zajedničke
karakteristike [7] :

 Veći broj kriterijuma, odnosno atributa, koje mora kreirati donosilac odluke.

 Konflikt među kriterijumima, kao daleko najčešći slučaj kod realnih problema.

 Nesamerljive (neuporedive) jedinice mjere, jer po pravilu svaki kriterijum, odnosno

atribut ima različite jedinice mjere.

 Projektovanje ili izbor. Rešenja ove vrste problema su ili projektovanje najbolje akcije
(alternative) ili izbor najbolje akcije iz skupa prethodno definisanih konačnih akcija.
Prilikom donošenja odluka često se postavlja pitanje izbora najbolje. Prije nego što je
višekriterijumska analiza razvijena, problemi izbora i rangiranja različitih odluka obično su se
svodili na zadatke optimizacije jednog kriterijuma. Opisna definicija kriterijuma glasi :
"Kriterijum je mjera kojom se ocjenjuju pojedine odluke sa iste tačke gledišta". Međutim u
praksi se najčešće sreću zadaci gdje alternative treba ocijeniti po više kriterijuma, što čini
problem znatno složenijim. Da bi se donijela dobra odluka, potrebno je specificirati
alternative definisanjem odgovarajućih kriterijuma. Takođe je potrebno definisati težinske
koeficijente za svaki kriterijum, odnosno važnost svakog kriterijuma u odnosu na druge.
Težinski koeficijentisu najčešće brojevi koji se subjektivno biraju. Pored toga za svaki
kriterijum se određuje da li je potrebno izabrati alternativu tako da kriterijum bude minimalan
ili maksimalan, odnosno šta je priroda tog kriterijuma. Nakon toga se po svakom kriterijumu
posebno ocijenjuju alternative na bazi egzaktno utvrđenih parametara ili subjektivne
procijene. Način na koji se iskazuju te ocijene zavisi od izabrane metode koja se koristi za
rešavanje problema. [7] U ovom radu upotrebljavati će se SWARA I WASPAS metoda.

2
Prvo se primijenjuje SWARA metoda. Nakon primjene SWARA metode dobili smo težinske
vrijednosti za svaki kriterijum. Postoje tri kriterijuma ti kriterijumi su sljedeći :

 Prvi kriterijum je količina nabavljenih proizvoda,

 Drugi kriterijum je jedinična cijena proizvoda (JC) i
 Treći kriterijum je godišnja vrijednost nabavke (GVN).

Sa težinskim konficijentima pristupamo izradi ABC analize. Na kraju izrade ABC analize
uzimamo prvih 10 proizvoda (po redu P1-P10) ), te na osnovu vrijednosti koje imaju formira
se početna matricu i problem rješavamo primenom WASPAS metode.

2.1. ABC analiza

ABC analiza je metoda klasifikacije materijala u skupine od kojih svaka ima različito
značenje i važnost za poslovanje. Prema toj važnosti se određuje i njihov tretman. Svrha
primjene ove metode je uspostavljanje djelotvornog sustava kontrole i upravljanja
predmetima iz okvira nabavnog, prodajnog i skladišnog poslovanja provođenjem različitih
postupaka radi postizanja što veće ekonomičnosti i produktivnosti te povećanja uspješnosti
poslovanja. ABC analiza se zasniva na poznatom Paretovom pravilu (slika 1) ili kako se još
naziva pravilo 80:20. Vilfredo Pareto je još prije više od 100 godina zaključio da 80%
svjetskog bogatstva leži u rukama 20% stanovništva. [1]

Slika 1. Paretovo pravilo

Izvor: https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcRgucaIdEEeuoI-Maot4iYDEPaJN_jSGtDm9g&usqp=CAU

Kasnije je ovo pravilo prošireno na sva područja ljudskog djelovanja pa tako možemo reći da
20% kriminalaca počini 80% kriminalnih djela, 20% vozača uzrokuje 80% prometnih
prekršaja i nezgoda, 20% vaših kupaca predstavlja 80% vaših prihoda, 20% vašeg vremena
donosi 80% novaca, kao i da 20% artikala na vašim zalihama čini 80% prihoda. Daljnjih 30%
proizvoda čini 15% prihoda, a ostalih 50% proizvoda čini samo 5% prihoda. Ovo pravilo
pomaže nam u klasifikaciji artikla prema važnosti koju ti artikli imaju u poduzeću. Analiza se
provodi svrstavanjem artikala u tri grupe, A, B i C, primjenom kriterija koji karakteriziraju

3
 njihovo poslovno značenje. Kao kriterij možemo koristiti vrijednost prodaje ili razliku u
cijeni. Što još možemo iz ABC analize izvući? S obzirom da nije jednaka važnost svih
artikala, ne možemo im davati jednaku „satnicu“ koju ćemo trošiti na njih, na njihovu analizu
i naručivanje. Ovaj nam alat i ova analiza pomaže da se koncentriramo na one najvažnije
artikle (tj. one koji nam donose najveću korist kroz promet ili kroz dobit) te definiramo
različite pristupe za svaku grupu. Niti jedna ozbiljna kompanija si ne može dozvoliti luksuz da
artikle koji kumulativno čine 80% prodaje ili dobiti, tretira isto kao i one koji čine 5% ili
manje. Ono što je nakon ABC analize potrebno je interpretirati rezultate analize i donijeti
određene odluke koje će smanjiti troškove, skratiti vrijeme naručivanja ili pojednostaviti
procese povezanih sa zalihama ili sve od navedenog. Generalno pravilo vrijedi da ćemo za A
proizvode raditi detaljnu analizu te često i detaljno ažurirati podatke o potražnji dok ćemo za
B proizvode obavljati samo rutinsku kontrolu i rutinsko ažuriranje. C proizvode možemo
analizirati i vršiti ažuriranje na periodičnoj bazi. [1]
Međutim, ne treba strogo robovati brojkama, jer ovo je pravilo predragocjeno da bi ga tek
tako odbacili u slučaju da brojke nisu baš 80:20. U nekim slučajevima podaci čak i u istom
poduzeću mogu varirati od kategorije do kategorije. Tako na primjer kod jedne od kategorija
proizvoda u jednoj tvrtci, 37% artikala čini 80% prometa dok u nekom drugom 1 posto
artikala čini 90 posto prometa. [2]

2.2. Step-wise Weight Assessment Ratio Analysis - SWARA metoda

Metod analize odnosa procenjene težine ili SWARA (Keršulienė , 2010) je relativno nov i još
uvijek ne široko zastupljena metod koji je do sada obično bio korišćen u kombinaciji sa
drugim VKO metodama – u određivanju težine kriterijuma. Način na koji SWARA metod
dolazi do izražaja jeste olakšani pristup i postupak pronalaženja rješenja. Na primjer u
poređenju sa široko korišćenim AHP metodom (Saaty, 1977), SWARA metod zahtjeva daleko
manje komparacija i računskih operacija. Primjena metoda SWARA, prvog puta
predstavljenog 2010. godine, obično je prisutna u rješavanju problema kao što su: izbor
kadrova, dizajn proizvoda, odabir alata, određivanje prioritetnih indikatora za procjenu
održivosti energetskog sistema, itd. [3]
Postupak korišćenja metoda je zasnovan na sljedećih pet koraka [3]:
Korak 1. Kriterijumi (C) se sortiraju na osnovu očekivanih značaja u opadajućem nizu.
Korak 2. Polazeći od drugog kriterijuma u nizu ispitanik daje ocjenu relativnog značaja tog
kriterijuma (C2) u odnosu na prethodni (C1), a nakon toga i za svaki naredni.

1 j=1 (1)
K j= {sj+1 j>1 }

Korak 3. Slijedi postupak određivanja koeficijenta Kj (1) :

Korak 4. Zatim je na redu utvrđivanje preračunate težine Qj (2) :

4
 1 j=1 (2)

{
Qj= qj−1 j> 1
kj
}
Korak 5. Konačno se računaju relativne težine kriterijuma za evaluaciju, gde Wj označava
relativnu težinu Cj , sljedeći obrazac u nastavku (3) :
qj (3)
Wj= n

∑ qk
k=1

2.3. Weighted aggregated sum product assessment - WASPAS metoda

WASPAS metoda predstavlja relativno novu metodu VKO koju je razvio Zavadskas sa
saradnicima 2012. godine a koja je izvedena od ove dvije metode: Weighted Sum Model -
WSM i Weighted Product Model -WPM. WASPAS metoda se sastoji iz sledećih koraka [4]:
Korak 1. Formiranje početne matrice odlučivanja (X). Kao prvi korak vrši se evaluacija m
alternativa po n kriterijuma (4). Alternative se prikazuju vektorima Ai= ( xi 1 , xi 2 , … , x ¿ ) gdje je
xij vrijednost i-te alternative po j-tom kriterijumu (i=1,2 , … , m; j=1,2 ,… , n).

C 1 C 2 … Cn
A1 x 11 x 12 … x1 n
X = A2
…
Am [ x 21 x 22
… …
xm 1 xm 2
¿
… x2 n
… …
… x mn
] gde m označava broj alternative, n označava
ukupan broj kriterijuma.

Korak 2. U ovom koraku je potrebno izvršiti normalizaciju početne matrice primjenom

sljedećih jednačina (4) i (5) :
x ij (4)
nij = za C1,C2,…,Cn ϵ B
max x ij

min x ij (5)
nij = za C1,C2,…,Cn ϵ C
x ij

Korak 3. Otežavanje normalizovane matrice tako što je prethodno dobijenu matricu potrebno
pomnožiti sa težinskim vrijednostima kriterijuma (6) i (7) :

5
V n= [ v ij ]m ×n (6)

V ij =w j ×n ij, i=1, 2,…, m, (7)

Korak 4. Sumiranje svih vrijednosti dobijenih alternativa (sumiranje po redovima) (8) i (9) :
Q i=[ qij ]1 × m (8)
n
q ij =∑ v ij (9)
j =1

Korak 5. Određivanje weighted product modela primjenom jednačine (10) i (11):

Pi=[ pij ] 1 ×m (10)

n
pij =∏ ( nij )w j
(11)
j=1

Korak 6. Određivanje relativnih vrijednosti alternativa Ai primjenom jednačina (12) i (13):

Ai= [ aij ] 1× m (12)

Ai= λ ×Qi + ( 1−λ ) × P i (13)

Koeficijent λ kreće se u rasponu 0, 0.1, 0.2,….1.0. Najčešće se uzima kao vrijednost 0.5.
Korak 7: Rangiranje alternativa. Najveća vrijednost alternativa označava najbolje rangiranu,
dok najmanja vrijednost odražava najlošiju alternativu.

6
 3. POSTUPAK PRIMJENE METODA VKO i ABC ANALIZE

Prva metoda koja je primjenjena pri proračunu je SWARA metoda i svaki korak ove metode
je detaljno i precizno objašnjen ona nam služi za određivanje težinski vrijednosti. Dobijene
vrijednosti težinskih koeficijenata će se dalje koristiti u ABC analizi. Ukupan broj proizvoda
je 50 , a definisana su tri kriterijuma. Prvi kriterijum je količina nabavljenih proizvoda, drugi
kriterijum je jedinična cijena proizvoda i treći kriterijum je godišnja vrijednost nabavke. Svaki
korak u ABC analizi je objašnjen i prikazane su dobijen vrijednosti . Nakon urađene ABC
anlize potrebno je izabrati prvih deset proizvoda, te na osnovu vrijednosti koje imaju
formirana se početna matrica za WASPAS metodu svaki korak kod WASPAS metode je
detaljno prikazan i objašnjen je postupak rada.

3.1. Određivanje značaja kriterijuma za klasifikaciju proizvoda primjenom

SWARA metode

Upotrijebljava se SWARA metoda preko koje odredujemo težinske vrijednosti koeficijenata.

Korak 1. Prvo je potrebno izvršiti rangiranje kriterijuma prema njihovom značaju u ovom
slučaju kriterijum godišnja vrijednost nabavke je na prvom mjestu (GVN) a zatim kriterijum
jedinična cijena (JC) i zadnjem mjestu količina.
Korak 2. Nakon izvršenog rangiranja u drugom koraku potrebno je da se odrediti koliko je
kriterijum cj važniji u odnosu na kriterijum cj+1. Prvo polje u drugoj koloni uvek ima
vrijednost 1.00, dok ostale označavaju upravo dominaciju jednog kriterijuma u odnosu na
sljedeći.
U ovom primjeru kriterijum GVN je za 0.345 važniji u odnosu na kriterijum JC, dok je
kriterijum JC u odnosu na kriterijum količina važniji za 0.513 .
Korak 3. Treći korak se odnosni na primjenu jednačine (1) sa kojoj dobivamo vrijednosti
koeficijenta Kj. U tabeli 1. u trećoj koloni su prikazani dobiveni rezultati.

Korak 4. U četvrtom koraku primenjujući jednačinu (2) dobijene su proračunate težine qj. Na
primer: q3 = 0.743/1,531=0,491

Korak 5.U petom koraku primjenjujući jednačinu (3) proračunavamo konačne vrijednosti
kriterijuma, što je i prikazano u tabeli 1. Primjer : w 2=0,743/2,235=0,355 . Dobijene
vrijednosti težinskih koeficijenata će se dalje koristiti u ABC analizi i WASPAS metodi.

7
 Tabela 1. Težinske vrijednosti kriterijuma

Sj Kj= Sj+1 qj wj
GVN 1 1 1 0,447
JC 0,345 1,345 0,743 0,333
Količin
a 0,513 1,513 0,491 0,220
   2,235

3.2. Primjena višekriterijumske ABC analize radi klasifikacije proizvoda

ABC analiza prestavlja postupak klasifikovanja i grupisanja elemenata. Ovaj postupak

omogućuje izdvajanje najznačajnijih elemenata prema nekom kriterijumu. Koncept ove
metode je veoma jednostavan. Vjerovatnoća je veoma velika, da će u većeg broja bilo kojih
elemenata, samo jedan manji broj tih elemenata biti visoko zastupljen po količini, vrijednosti,
težini i dužini. Takva, prva grupa elemenata - podskup A relativno je malobrojna: (10-30%)
od ukupnog broja elemenata, ali po vrijednosti participira npr. sa (60-80%) u 100%
vrijednosti svih elemenata. Drugu grupu elemenata - podskup B čini oko (20-30%) sljedećih
elemenata od ukupnog broja, a po vrijednosti ova grupa participira sa (20-25%) u ukupnom
iznosu. Ostatak, treću grupu elemenata - podskup C čini veća grupa elemenata (50-70%) koja
participira manji dio ukupne vrijednosti (5-15%). [5]
Na početku prvo radimo procentualno učešće (Udio) proizvoda u odnosu na ukupnu količinu
robe. Procentualno učešće se računa kao količnik određenog proizvoda i ukupne količine svih
proizvoda. Primjer P1:140/4052=0.034550839×100=3.46%. Na isti način se dobija
procentualno učešće za proizvode i za ostale kriterijume : jediničnu cijenu (jedinična cijena
za određeni proizvod / ukupna vrijednost jediničnih cijena) i godišnju vrijednosti nabavke
(godišnja vrijednost nabavke za svaki proizvod pojedinačno / ukupna vrijednost godišnje
nabavke).Vrijednost godišnje vrijednosti nabavke dobija se množenjem količine pojedinih
proizvoda i jedinične cijene za svaki proizvod pojedinačno. Primjer P1:140×47 =6580. Nakon
toga izračunavamo procentualno učešće po proizvodima za definisane kriterijume tj. za
količinu, jediničnu cijenu i godišnju vrijednost nabavke množimo sa pripadajućim
vrijednostima težinskih koeficijenata dobijenih primjenom SWARA metode. Procentualno
učešće za proizvode koja se odnose na količinu množimo sa 0,220 , za proizvoda u ukupnoj
vrijednosti jedinične cijene množimo sa 0,333 i za godišnju vrijednost nabavke množimo sa
0,447. Nakon toga vršimo kumuliranje vrijednosti konačnih procentualnih udjela i sortiranje
proizvoda u grupe A, B i C. U grupi A se nalazi 13 proizvoda , u grupi B 16 proizvoda , u C
grupi 21 proizvod sve vrijednosti dobijene primjenom ABC analize prikazane su na slici 2. a
na slici 3. je dat grafički prikaz kumulativa postotnih udjela proizvoda krećući se od
proizvoda P1 – P43, a na slici 1. je prikazan dijagram procentualnog učešća proizvoda. na x-osu su
označeni proizvodi, na y-osi su označeni procenti , proizvod P1 ima kumulativ 4,48% (najveci
postotak) , a proizod P49 ima kumulativ 0,24% (najmanji postotak) .

8
Slika 2. Vrijednosti dobijene primjenom ABC analize

9
 Kumulativ
120.00%

100.00%

80.00%

60.00%

40.00%

20.00%

0.00%
1 3 5 7 9 11 1 3 1 5 17 19 2 1 2 3 25 27 29 3 1 3 3 35 37 39 4 1 4 3 45 47 4 9

Slika 3. Grafički prikaz kumulativa

Procentualno učešće svakog proizvoda

5.00%

4.50%

4.00%

3.50%

3.00%

2.50%

2.00%

1.50%

1.00%

0.50%

0.00%
P1 P45 P27 P22 P40 P26 P31 P13 P24 P8 P14 P42 P37 P7 P30 P41 P16 P4 P15 P50 P23 P21 P24 P28 P18

Slika 4. Procentualno učešće svakog proizvoda

10
 3.3. Primjena WASPAS metode za rangiranje alternativa

Korak 1. Nakon sprovedene ABC analize izabrano je prvih deset proizvoda (P1-P10) , te na
osnovu vrijednosti formira se početna matrica i problem rješavamo primjenom WASPAS
metode. U tabeli 2. je prikazan višekriterijumski model koji se sastoji od deset alternativa i tri
kriterijuma.
Tabela 2. Početna matrica

Alternativ KRITERIJUMI
e C1 C2 C3
P1 140 47 6580
P2 122 9 1098
P3 100 44 4400
P4 135 8 1080
P5 83 11 913
P6 82 9 738
P7 56 32 1792
P8 95 32 3040
P9 60 34 2040
P10 142 28 3976
min/max max max max
142 47 6580
Wj 0,22 0,333 0,447

Korak 2. Vrši se normalizacija početne matrice putem jednačina (4) odnosno (5):
x ij min x ij
nij = za C1,C2,…,Cn ϵ B ; nij = za C1,C2,…,Cn ϵ C
max x ij x ij

Primjer rada :
140 47 6580
X 11 = =0,986; X 12= =1; X 13= =1;
142 47 6580
122 9 1098
X 21= =0,859; X 22= =0,191 ; X 23= =0,167;
142 47 6580
100 44 4400
X 31= =0,704 ; X 32= =0,936 ; X 33= =0,669 ;
142 47 6580
135 8 1080
X 41= =0,951; X 42= =0,170 ; X 43= =0,164 ;
142 47 6580
83 11 913
X 51= =0,585 ; X 52= =0,234 ; X 53= =0,139 ;
142 47 6580
82 9 738
X 61= =0,577 ; X 62= =0,191 ; X 63= =0,112 ;
142 47 6580

11
 56 32 1792
X 71= =0,394 ; X 72= =0,681 ; X 73= =0,272 ; itd...
142 47 6580

Vrijednosti normalizovan matrice dobijene na ovaj način nalaze se u tabeli 3.

Tabela 3. Normalizovana matrica

Alternativ KRITERIJUMI
e C1 C2 C3
P1 0,986 1,000 1,000
P2 0,859 0,191 0,167
P3 0,704 0,936 0,669
P4 0,951 0,170 0,164
P5 0,585 0,234 0,139
P6 0,577 0,191 0,112
P7 0,394 0,681 0,272
P8 0,669 0,681 0,462
P9 0,423 0,723 0,310
P10 1,000 0,596 0,604
Wj 0,22 0,333 0,447

Korak 3. Otežavanje normalizovane matrice tako što je prethodno dobijenu normalizovanu

matricu pomnožimo sa težinskim vrijednostima kriterijuma koje smo dobili primjenom
SWARA metode . Primjenjujemo jednačinu (7) : V ij =w j ×n ij

Primjer :
V11= 0,986×0,22=0,217 ; V22=0,191×0,333=0.064 ; V23=0,167×0,447=0,075 ;
V61=0,577×0,22=0,127 ; V72=0,681×0,333=0,227 ; V63=0,112×0,447=0,050 ; itd...
Vrijednosti dobijene u postupku otežavanja normalizovane matrice prikazane su u tabeli 4.

Tabela 4. Otežana normalizovana matrica

Alternativ KRITERIJUMI
e C1 C2 C3
P1 0,217 0,333 0,447
P2 0,189 0,064 0,075
P3 0,155 0,312 0,299
P4 0,209 0,057 0,073
P5 0,129 0,078 0,062
P6 0,127 0,064 0,050
P7 0,087 0,227 0,122
P8 0,147 0,227 0,207

12
 P9 0,093 0,241 0,139
P10 0,220 0,198 0,270

Korak 4. Sumiranje svih vrijednosti dobijenih alternativa ( sumiranje po redovima).

n
Primjenjuje se jednačina (9) : q ij =∑ v ij .
j =1

Primjer rada :
Q1 = 0,217 + 0,333 + 0,447 = 0,997 ;
Q3 = 0,155 + 0,312 + 0,299 = 0,766 ;
Q5 = 0,129 + 0,078 + 0,062 = 0,269 ;
Q7 = 0,087 + 0,227 + 0,122 = 0,435 ;
Q9= 0.093 + 0,241 + 0,139 = 0,472 ;
Q2 = 0,189 + 0,064 + 0,075 = 0,327 ;
Q4 = 0.209 + 0.057 + 0,073 = 0,339 ;
Q6 = 0,127 + 0.064 + 0.050 = 0,241 ;
Q8 = 0,147 + 0,227 + 0,207 = 0,580 ;
Q10 = 0,220 + 0,198 + 0,270 = 0,688 ;

Korak 5. Određivanje weighted product model-a primenom sljedeće jednačine (11)

n
pij =∏ ( nij )w (koristi se normalizovana matrica, a ne otežana normalizovana matrica) .
j

j=1

Primjer rada :
P1= (0,986) 0,22× (1) 0,333 × (1) 0,447 = 0,997 ;
P2= (0,859) 0,22× (0,191) 0,333 × (0,167) 0,447 = 0,250 ;
P3= (0,704) 0,22× (0,936) 0,333 × (0,669) 0,447 = 0,755 ;
P4= (0,951) 0,22× (0,170) 0,333 × (0,164) 0,447 = 0,244 ;
P5= (0,585) 0,22× (0,234) 0,333 × (0,139) 0,447 = 0,226 ;
P6= (0,577) 0,22× (0,191) 0,333 × (0,112) 0,447 =0,191 ;
P7= (0,394) 0,22× (0,681) 0,333 × (0,272) 0,447 = 0,400 ;
P8= (0,669) 0,22× (0,681) 0,333 × (0,462) 0,447 =0,570 ;
P9= (0,423) 0,22× (0,723) 0,333 × (0,310) 0,447 = 0,440 ;
P10= (1) 0,22× (0,596) 0,333 × (0,604) 0,447 =0,671 ;

Korak 6. Određivanje relativnih vrednosti alternativa primjenjuje se jednačina (13) : 𝐴𝑖 = λ ×

𝑄𝑖 + (1 − 𝜆) × 𝑃i . Koeficijent λ kreće se u rasponu od 0 do 1. U ovom slučaju uzeta je
vrijednost 0,5.

13
Primjer rada :

𝐴1 = 0.5 × 0,997+ (1 − 0,5) × 0,997= 0,997 ; 𝐴2 = 0.5 × 0,327+ (1 − 0.5) × 0,250= 0.289 ;

𝐴3 = 0.5 × 0,766 + (1 − 0.5) × 0,244= 0.760 ; 𝐴4 = 0.5 × 0,339+ (1 − 0.5) × 0,226= 0.292 ;

𝐴5 = 0.5 × 0,269+ (1 − 0.5) × 0,191 = 0.247 ; 𝐴6 = 0.5 × 0,241+ (1 − 0.5) × 0,400 = 0.216 ;

𝐴7 = 0.5 × 0,435+ (1 − 𝑂. 5) × 0.526 = 0.418 ; 𝐴8 = 0.5 × 0,580+ (1 − 0.5) × 0,570 = 0.575 ;

𝐴9 = 0.5 × 0,472+ (1 − 0.5) × 0,440 = 0.456 ; 𝐴10 = 0.5 × 0,688+ (1 − 0.5) × 0,671= 0.680 ;

Najveća vrijednost alternativa označava najbolje rangiranu, dok najmanja vrijednost označava
najlošiju alternativu. Tabela 5. predstavlja prikaz rezultata dobijenih u proračunu.

Tabela 5. Rezultati i rangiranje proizvoda

Proizvo P A Rang Grupa

d
P1 0,997 0,997 1 A
P2 0,250 0.289 8 C
P3 0,244 0.760 2 A
P4 0,226 0.292 7 C
P5 0,191 0.247 9 C
P6 0,400 0.216 10 C
P7 0.526 0.418 6 B
P8 0,570 0.575 4 B
P9 0,440 0.456 5 B
P10 0,671 0.680 3 A

Najbolja rangirana alternativa odnosno proizvod je proizvod 1 (P1) koji se u predhodnoj ABC
analizi nalazio u grupi A nakon proizvoda 1 druga najbolja alternative je proizvod 3 (P3) koji
se u predhodnoj ABC analizi nalazio u grupi A zatim naredna najbolja alternative je proizvod
10 koji se isto nalazio u grupi A u ABC analizi. Naredne najbolje alternative su proizvodi 8 ,
9 i 7 koji su se nalazili u grupi B a najlošije alternative su proizvodi 4,2,5 i 6 koji se nalaze u
grupi C u predhodnoj ABC analizi.

14
 4. ZAKLJUČAK

Kroz ovaj seminarski rad izvršena je klasifikacija proizvoda na bazi više kriterijuma kako bi
se dobili podaci o značaju proizvoda u procesima upravljanja zalihama. Na početku su preko
SWARA metode dobili težinske koeficijente . Težinska vrijednost prvog kriterijuma 0,447 ,
težinska vrijednost drugog kriterijuma 0,333 i težinska vrijednost trećeg kriterijuma 0,220.
Prednosti primjene SWARA metode u odnosu na druge metodu jest značajno manji broj
poređenja u u odnosu na druge metode, a samim tim, SWARA metoda je i znatno lakša za
primjenu. Dobijene težine kriterijuma, su primenjene u ABC analizi i WASPAS metodi.
ABC analiza prestavlja postupak klasifikovanja i grupisanja elemenata. Ovaj postupak
omogućuje izdvajanje najznačajnijih elemenata prema nekom kriterijumu. Koncept ove
metode je veoma jednostavan.Vjerovatnoća je veoma velika, da će u većeg broja bilo kojih
elemenata, samo jedan manji broj tih elemenata biti visoko zastupljen po količini, vrijednosti,
težini, dužini i dr., već zavisno od prirode i svojstava posmatranih elemenata. Cilj ove analize
je mogućnost postizanja što veće ekonomičnosti i produktivnosti, a samim tim povećanje
efikasnosti i ekonomičnosti poslovanja. Naročito je pogodna za primijenu u kompanijama
koja imaju raznoliki asortiman proizvoda. Jedna od primarnih svrha ove analize je
uspostavljanje funkcionalnog sistema kontrole i upravljanja u okvirima marketing logistike,
te upravljanja zalihama. ABC analiza se bazira na najvažnije proizvode koji su od najveće
koristi. U ovom primjeru najveću pažnju treba usmjeriti na 13 proizvoda sto se nalaze u grupi
A, u grupi B 16 proizvoda , u C grupi 21 proizvod. Proizvode iz grupe treba raditi detaljnu
analizu te često i detaljno ažurirati podatke o potražnji dok proizvode iz grupe B treba
obavljati samo rutinsku kontrolu i rutinsko ažuriranje a u grupi C može se analizirati i vršiti
ažuriranje na periodičnoj bazi. Nakon urađene ABC anlize potrebno je izabrati prvih deset
proizvoda, te na osnovu vrijednosti koje imaju formirana se početna matrica za WASPAS
metodu . Primjenom WASPAS metode dobili smo da je najbolja rangirana alternativa
odnosno proizvod je proizvod 1 (P1) koji se u predhodnoj ABC analizi nalazio u grupi A
nakon proizvoda 1 druga najbolja alternative je proizvod 3 (P3) koji se u predhodnoj ABC
analizi nalazio u grupi A zatim naredna najbolja alternative je proizvod 10 koji se isto nalazio
u grupi A u ABC analizi. Naredne najbolje alternative su proizvodi 8 , 9 i 7 koji su se nalazili
u grupi B a najlošije alternative su proizvodi 4,2,5 i 6 koji se nalaze u grupi C u predhodnoj
ABC analizi.

15
 5. LITERATURA

[7] Čupić E. M., Tummala R., “Savremeno odlučivanje, metode i primena” , Fakultet
organizacionih nauka, Beograd, 1997.1
[2] Dujmović A. (2015). Postupak primjene ABC analize kod upravljanja zalihama,
Sveučilište u Zagrebu, Fakultet prometnih znanosti.
[1] Ines Dorosulić znanosti, 2018. Zagreb. MOGUĆNOST OPTIMIRANJA ZALIHA
DENTALNE KOZMETIKE
[8] Keršulienė, V., Zavadskas, E. K., Turskis, Z. (2010). Selection of rational dispute
resolution method by applying new step-wise weight assessment ratio analysis (SWARA).
Journal of Business Economics and Management, 11(2), 243-258.
[9] Saaty, T.L. 1990: How to make a decision: The Analytic Hierarchy Process. European
Journal of Operational Research 48: 9−26
[4] Stević, Ž. (2020). Vježbe 6. specijalne oblasti logistike: WASPAS metoda, Univerzitet u
Istočnom Sarajevu, Saobraćajni fakultet, Doboj
[3] Tršić, M. (2018). Primjena SWARA metode pri odabiru hardvera za kriptovalute,
Trendovi u poslovanja, Beograd.
[10] Zavadskas, E. K., Turskis, Z., Antucheviciene, J., & Zakarevicius, A. (2012).
Optimization of weighted aggregated sum product assessment. Elektronika ir elektrotechnika,
122(6), 3-6.
[5] Z. Sajfert, M. Nikolić. PROIZVODNO POSLOVNI SISTEMI , ABC analiza programa
proizvodnje
[6] https://www.logiko.hr/izvori/clanci/41-upravljanje-zalihama/250-zalihe

16