분석 네트워크 프로세스

Analytic network process

분석 네트워크 프로세스(ANP)는 다중 기준 의사결정 분석에 사용되는 분석 계층 프로세스(AHP)의 보다 일반적인 형태다.

AHP는 의사결정 문제를 목표, 의사결정 기준 및 대안을 가진 계층 구조로, ANP는 그것을 네트워크로 구조화한다. 그런 다음 둘 다 쌍 비교 시스템을 사용하여 구조 구성요소의 가중치를 측정하고 최종적으로 결정에서 대안의 순위를 정한다.

계층 대 네트워크

AHP에서, 계층의 각 요소는 다른 모든 요소와 독립된 것으로 간주된다. 즉, 의사결정 기준은 서로 독립된 것으로 간주되며, 대안은 의사결정 기준과 서로 독립된 것으로 간주된다. 그러나 많은 실제 사례에서 항목과 대안 사이에 상호의존성이 존재한다. ANP는 요소들 간의 독립성을 요구하지 않기 때문에 이러한 경우에 효과적인 도구로 사용될 수 있다.

이를 설명하기 위해 자동차 구입에 대한 간단한 결정을 고려하십시오. 결정권자는 적당한 가격의 대형 세단 몇 대 중에서 결정하기를 원할 수도 있다. 그는 자신의 결정을 구매 가격, 안전, 안락의 세 가지 요소에만 근거하는 것으로 선택할 수도 있다. AHP와 ANP 모두 그의 결정을 내리는 데 사용할 수 있는 유용한 프레임워크를 제공할 것이다.

AHP는 구매 가격, 안전 및 안락함이 서로 독립적이라고 가정하고 그러한 기준에 따라 각 세단을 독립적으로 평가할 것이다.

ANP는 가격, 안전 및 편안함의 상호의존성을 고려할 수 있다. 만약 사람들이 자동차에 더 많은 돈을 지불함으로써 더 많은 안전과 편안함을 얻을 수 있다면, ANP는 그것을 고려할 수 있을 것이다. 마찬가지로, ANP는 검토 중인 자동차의 특성에 의해 의사결정 기준이 영향을 받을 수 있도록 허용할 수 있다. 예를 들어, 모든 자동차가 매우, 매우 안전하다면, 의사결정 기준으로서 안전의 중요성이 적절히 감소될 수 있다.

문학과 공동체

ANP에 관한 학술 기사는 의사결정 과학을 다루는 학술지에 실리고 있으며, 이 주제에 관한 여러 권의 책이 작성되었다.[1][2][3][4]

ANP에는 수많은 실제 적용이 있으며, 그 중 많은 적용이 유익성(B), 기회(O), 비용(C) 및 위해성(R)에 대한 복잡한 의사결정을 포함한다. 이러한 응용 프로그램을 연구하면 ANP의 복잡성을 이해하는 데 매우 유용할 수 있다. 이 문헌에는 여러 나라의 경영진, 관리자, 엔지니어, MBA, 박사과정 학생 등이 개발한 이 과정의 예 수백 가지가 정교하게 정리되어 있다.[5] 그러한 용도는 의존성과 피드백을 가진 결정의 사전인 Encyclicon에서 약 백 가지에 대해 설명되고 논의된다.[6]

학자들과 실무자들은 격년제로 ISAHP(International Symposition on the Analytic Structure Process)에서 모임을 가지는데, 그 명칭에도 불구하고 ANP에 상당한 관심을 쏟고 있다.

단계 개요

ANP에 대한 이해는 ANP 소프트웨어를 사용하여 이전에 완료한 결정과 함께 작업하는 것이 가장 좋다. 이 분야의 표준 텍스트 중 하나는 관련된 단계의 개요를 제공한다.[2]

  1. 의사결정 문제의 목표, 기준 및 하위 기준, 행위자 및 그 목표와 해당 결정의 가능한 결과를 포함하여 의사결정 문제를 자세히 이해하는지 확인하십시오. 그 결정이 어떻게 나올지 결정하는 영향의 세부사항을 제시하라.
  2. 네 가지 대조군에서 관리 기준과 하위 기준을 결정하여 해당 결정의 유익성, 기회, 비용 및 위해성에 대해 각각 하나씩 계층화하고 쌍체 비교 매트릭스에서 우선순위를 얻는다. 네 가지 장점 모두에 대해 동일한 관리 기준과 하위 기준을 사용할 수 있다. 제어 기준 또는 하위 기준이 3% 이하인 경우, 추가 검토에서 신중하게 제거하는 것을 고려할 수 있다. 소프트웨어는 그 아래에 서브넷이 있는 기준이나 하위 기준만을 자동으로 다룬다. 유익성과 기회에 대해, 무엇이 가장 많은 이익을 주는지 또는 통제 기준의 이행에 영향을 미칠 수 있는 가장 큰 기회를 제공하는지 질문한다. 비용 및 리스크에 대해서는 무엇이 가장 큰 비용을 유발하는지 또는 가장 큰 위험에 직면하는지 물어보십시오. 때로는 (매우 드물게) 각 BOCR의 모든 기준을 그들의 장점으로 통합함으로써 단순히 유익성, 기회, 비용 및 위해성 측면에서 비교가 이루어진다.
  3. 각 및 모든 제어 기준과 관련된 네트워크 클러스터(구성요소) 및 그 요소들의 전체 집합을 결정한다. 모델 개발뿐만 아니라 모델 개발을 보다 잘 구성하려면 클러스터와 해당 요소의 번호를 편리한 방식으로 매기고 정렬하십시오(아마도 열). 모든 제어 기준에 대해 동일한 클러스터와 동일한 요소를 나타내려면 동일한 레이블을 사용하십시오.
  4. 각 관리 기준 또는 하위 기준의 경우, 해당 요소와 함께 종합 집합의 적절한 부분 집합을 결정하고 외부 및 내부 의존성 영향에 따라 연결한다. 화살표는 군집으로부터 그것에 영향을 미치는 요소들을 가진 군집으로 그려진다.
  5. 각 군집 또는 요소의 분석에서 기준과 관련하여 다른 군집과 요소에 영향을 미치거나(제안된 접근법) 다른 군집과 요소에 영향을 미치거나 다른 군집과 요소의 영향을 받는 접근법을 결정한다. 감각(영향력 또는 영향력)은 전체 결정에 대한 네 가지 제어 계층의 모든 기준에 적용되어야 한다.
  6. 각 제어 기준에 대해, 번호가 매겨진 순서대로 군집을 배치하고 각 군집의 모든 요소를 왼쪽 수직 및 맨 위에 수평으로 배치하여 슈퍼매트릭스를 생성한다. 쌍체 비교에서 도출된 우선순위를 해당 슈퍼매트릭스 열의 하위 열로 적절한 위치에 입력하십시오.
  7. 연결된 다른 클러스터의 각 요소 또는 자체 클러스터의 요소(내부 의존성)에 대한 영향력에 따라 클러스터 내의 요소 자체에 대한 쌍체 비교를 수행하십시오. 비교를 할 때, 항상 염두에 두고 있는 기준이 있어야 한다. 어떤 요소가 제3요소에 더 많은 영향을 미치는지 그리고 그것이 다른 요소와 얼마나 강하게 비교되는지에 따른 요소들의 비교는 대조군 계층의 통제 기준이나 하위 기준을 염두에 두고 이루어진다.
  8. 주어진 제어 기준에 따라 연결된 각 클러스터에 영향을 미치므로 군집에 대해 쌍체 비교를 수행하십시오. 파생된 가중치는 슈퍼매트릭스의 해당 기둥 블록의 요소에 무게를 싣는 데 사용된다. 영향력이 없을 때는 0을 할당한다. 따라서 가중치 있는 기둥 확률 슈퍼매트릭스를 구한다.
  9. 확률형 슈퍼매트릭스의 한계 우선순위를 계산할 때 그것이 회복 불가능한지(원시적 또는 충동적 [순환적]) 또는 단순 또는 다중 루트로 축소 가능한지 그리고 시스템이 순환적인지 여부에 따라 계산한다. 두 종류의 결과가 가능하다. 첫째로, 행렬의 모든 열은 동일하며 각 군집 내 원소의 우선순위가 정규화된 원소의 상대적 우선순위를 제공한다. 두 번째에서는 블록의 한계 사이클과 다른 한계의 합계를 구하고 평균을 낸 다음 각 군집마다 1로 정규화한다. 우선순위 벡터는 정규화된 형태로 슈퍼매트릭스에 입력되지만, 관리기준이 대안에 의존하지 않기 때문에 한계 우선순위는 이상화된 형태로 입력된다.
  10. 제어 기준의 가중치에 따라 이상화된 각 한계 벡터에 가중치를 부여하고 네 가지 장점 각각에 대해 결과 벡터를 추가함으로써 제한 우선순위를 합성한다. 유익성(B), 기회(O), 비용(C) 및 위해성(R). 지금은 네 가지 장점에 각각 하나씩, 네 개의 벡터가 있다. 장점 비율 값을 포함하는 답은 네 벡터ii 각각에서 대안 i에 대한 비율 BO/CR을ii 구성하여 얻는다. 각 메리트에 따른 모든 관리 기준의 종합 이상은 우선순위가 해당 메리트에 대한 우선순위보다 작은 이상을 초래할 수 있다. 공적에 따른 모든 관리기준에 이상적인 대안만이 그 공적에 대한 종합후 값을 받는다. 어떤 결정에서는 비율이 가장 큰 대안이 선택된다. 자원이 제한된 기업과 개인은 종종 이런 유형의 합성을 선호한다.
  11. 네 가지 장점 각각에 대해 상위(이상적) 대안을 한 번에 하나씩 평가하기 위한 전략적 기준과 우선순위를 결정한다. 이렇게 하여 얻은 4개의 등급을 정상화하여 4개의 벡터의 전체 합성을 계산하는 데 사용한다. 각 대안에 대해 가중 효익과 기회의 합에서 가중 원가와 위험의 합을 뺀다.
  12. 최종 결과에 대한 민감도 분석을 수행한다. 민감도 분석은 판단이나 우선순위 등 입력의 변화에 대한 최종 답이 안정적인지 확인하기 위한 "만약" 질문의 종류와 관련이 있다. 특별한 관심사는 이러한 변화들이 대안의 순서를 바꾸는지 보는 것이다. 변경사항이 얼마나 중요한지는 원래 결과와 각각의 새로운 결과에 대한 호환성 지수로 측정할 수 있다.

참고 항목

참조

  1. ^ Saaty, Thomas L. (1996). Decision Making with Dependence and Feedback: The Analytic Network Process. Pittsburgh, Pennsylvania: RWS Publications. ISBN 0-9620317-9-8.
  2. ^ a b Saaty, Thomas L. (2005). Theory and Applications of the Analytic Network Process: Decision Making with Benefits, Opportunities, Costs and Risks. Pittsburgh, Pennsylvania: RWS Publications. ISBN 1-888603-06-2.
  3. ^ Saaty, Thomas L.; Luis G. Vargas (2006). Decision Making with the Analytic Network Process: Economic, Political, Social and Technological Applications with Benefits, Opportunities, Costs and Risks. New York: Springer. ISBN 0-387-33859-4.
  4. ^ Saaty, Thomas L.; Brady Cillo (2009). The Encyclicon, Volume 2: A Dictionary of Complex Decisions using the Analytic Network Process. Pittsburgh, Pennsylvania: RWS Publications. ISBN 1-888603-09-7.
  5. ^ 2005년에 한 책은 미국, 브라질, 칠레, 체코, 독일, 인도, 인도네시아, 이탈리아, 한국, 폴란드, 러시아, 스페인, 대만, 터키의 예를 인용했다.
  6. ^ Saaty, Thomas L.; Müjgan S. Özermir (2005). The Encyclicon: A Dictionary of Decisions with Dependence and Feedback Based on the Analytic Network Process. Pittsburgh, Pennsylvania: RWS Publications. ISBN 1-888603-05-4.

외부 링크