Loading

Module 1: Multi - Criteri Decisione Making and Forecasting

Note di Apprendimento
Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Ciao e benvenuto a “ Modelling e Analytics for Supply Chain Management ”! Abbiamo coperto molto e siamo ora alla settimana 9, lezione 42. (0.21) Come tutti saprete, questo modulo era sulle tecniche di MCDM che sono le tecniche di making making multi criteri oltre che la previsione nella supply chain. Ora nella settimana 9, lezioni - 40 e 41, hai imparato AHP che è Analytic Gerarchia Process e TOPSIS. Ora, quindi, passiamo qualche minuto su un'ampia panoramica su cosa sia, su quella che è una tecnica MCDM. La tecnica MCDM è fondamentalmente multi - criterio decisionale che significa quando si hanno molti criteri per consentire un processo decisionale che viene definito come un processo decisionale multi - criterio; ok. Per esempio, sei in ritardo per il tuo ufficio o sei in ritardo per il tuo college etc. ecc. e devi raggiungere perché c'è un esame; quindi quali sono i criteri in quel momento? Forse, c'è solo un criterio, e che i criteri sono velocità, quindi si sceglie un treno o un taxi, questo significa che non ci saranno cronometro come un autobus perché i criteri erano velocità; ok. Ma lo stesso tu di una persona, non hai esami quel giorno, non hai classi nella prima metà quel giorno, quindi hai abbastanza tempo. Allora, per raggiungere il tuo istituto, quali sono i criteri? I criteri sono quello che è il costo del viaggio significa quanto si sta pagando per la tariffa del bus o per la tariffa del treno, i criteri sono di nuovo velocità, quanto tempo si sta prendendo, i criteri sono di nuovo se si sta ottenendo un posto sul bus o sul treno. Quindi, i criteri ora diventano molti; costo, tempo così come il tuo comfort. Quindi i criteri ora non sono velocità come nel primo caso quando si avevano gli esami; ok. Come nel primo caso, quando avevi esami che erano solo criteri unici. Ora, perché non si ha quella tanta urgenza di avere molti criteri ed è per questo che si chiama come criteri multi - criteri. E il processo decisionale che si basa su tanti criteri come la tariffa del bus, la velocità del bus, il comfort che viene chiamato come un processo decisionale multicriteria; ok. Quindi se vedete, questo è quello che chiamiamo come multi criteri decisionali nella gestione della supply chain. E nella vita reale vedrete quasi tutte le decisioni che prendiamo sono multi criteri, ok. Tutte le decisioni che prendiamo sono multi criteri. Così a questa luce, questa settimana il focus è stato su multi criteri decision making e supply chain previsione e le prime due settimane hai fatto multi criteri. Ora, perché si tratta di multi criteri, ci sono modi diversi per avvicinarsi a un problema così decisionale. Quali sono i diversi modi di affrontare un problema così decisionale? Un approccio è AHP, dove hai imparato che non abbiamo un valore numerico attaccato a certe cose quello che abbiamo è io sono meglio di lui e lui è meglio di lei o lei è meglio di lui. Quindi è sostanzialmente un confronto. Così quando abbiamo un tipo di confronto di una situazione, allora convertiamo che in numeri per ottenere un'analisi significativa e una sorta di gerarchia che fosse un processo di gerarchia analitica (AHP); ok. In linee simili c'è un altro metodo chiamato TOPSIS. Cosa abbiamo imparato nel metodo TOPSIS? Nel metodo TOPSIS abbiamo imparato una maniera simile ma poi quanto siamo lontani dal punto ideale, quella distanza è stata calcolata, ok. Nella gerarchia analitica abbiamo guardato che sono meglio di lui, è meglio di lei o lei è meglio di lui, ok, ma TOPSIS calcoliamo quanto sei lontano dalla soluzione ideale e quanto lontano sei dalla soluzione ideale negativa. Ecco allora la differenza di base tra i metodi AHP e TOPSIS; ok. Così oggi continueremo con il bit di un TOPSIS e poi passeremo al vostro altro metodo chiamato VIKOR. (4.51) Ora, quindi lasciateci andare avanti, avete in TOPSIS avete appreso della differenza tra la soluzione ideale, ecc. ecc. Ora, e anche tu hai calcolato e hai risolto anche un esempio con TOPSIS, ok. Ora, solo di nuovo qual è l'esito o qual è l'applicazione del metodo TOPSIS. L'applicazione del metodo TOPSIS è per diverse aree di modellazione a catena di approvvigionamento. Ad esempio, l'applicazione di TOPSIS è nella selezione dell'offerta; ok; come si selezionano i fornitori quando ci sono diversi criteri e c'è un elenco di fornitori; quindi come selezionare i fornitori che è un'area di applicazione. L'applicazione di TOPSIS può anche essere nella scelta di quale persona deve essere dispiegata in quale zona o quale area nella filiera; ad esempio, proprio come la graduatoria di fornitura si fa la classifica dei dipendenti, proprio come la graduatoria di fornitura si fa la classifica dei dipendenti. E poi, i criteri che scegliete per la classifica dei dipendenti sono fondamentalmente i set di abilità richiesti nelle diverse funzioni di supply chain; e si dà una pesantezza o si dà segni o si dà punti a ciascun dipendente contro il particolare skillset; ok. Quindi, il metodo TOPSIS può essere utilizzato come abbiamo detto, per la selezione dell'offerta, per l'assegnazione dei dipendenti nell'intera impostazione della supply chain; ok. Ora, allora mi chiederete che è qualcosa che AHP non può fare? No, non è questo. AHP può anche farlo ma come sappiamo situazioni diverse, sistemi diversi, modi diversi di metodo. Quando c'è un ordine di preferenza, a volte utilizzeremo il metodo TOPSIS, ok. Ora oggi, così è dove entra in scena il tuo TOPSIS. (6.51) Oggi impareremo un altro metodo chiamato metodo VIKOR; ok. Ora il metodo VIKOR è fondamentalmente un metodo con cui ci sono di nuovo criteri multipli e bisogna prendere una decisione su quali criteri e come i criteri possono essere impostati in alto. E il numero 1 e il numero 2, quale fornitore o che situazione può essere classificato come 1, 2, 3 basato su una certa tecnica che si chiama VIKOR. Ora qual è la differenza di base tra AHP, TOPSIS e VIKOR? Ora il metodo VIKOR si prende cura di, supponga di avere criteri diversi, criteri diversi lì e devi prendere una decisione. Ora, non è sempre possibile raggiungere la soluzione ottimale, ok. Noi, l'essere umano si muove sempre all'interno di una band, non è esattamente puntata che mi serve questo o ho bisogno esattamente di questo. Si muove sempre all'interno di una band, all'interno di una determinata fascia, ok. Quindi il metodo VIKOR consente di lavorare all'interno di quella banda che è il vantaggio del metodo VIKOR; ok. (8.06) Ora, quindi che cos' è, quindi arriveremo ai passi in VIKOR mentre ci muoviamo; ok; come abbiamo appena un breve recap; abbiamo AHP, abbiamo TOPSIS, abbiamo ISM, abbiamo VIKOR e ovviamente c'è un altro metodo chiamato DEMATEL. In questa lezione copriremo il metodo VIKOR; continueremo con il metodo VIKOR nella lezione successiva anche, porzione di esso; ok. (8.31) Ora come si vede il metodo VIKOR è stato sviluppato per l'ottimizzazione di MCDM di sistemi complessi. Questo metodo si concentra sulla graduatoria e selezionando da una serie di alternative in presenza di criteri conflittuali. Ora quell' ultima parola, criteri conflittuali è il differenziatore chiave tra il metodo VIKOR e i metodi precedenti; ok. Introduce l'indice di graduatoria multi - criterio basato sulla vicinanza alla soluzione ideale, ok. Ora ricordate, quando abbiamo fatto dei modelli di selezione dell'offerta ci siamo anche usati il metodo LP, il metodo Linear Point e abbiamo cercato di scoprire cosa si è lontani dal punto ideale, ok. Il valore ideale è stato preso come 1; ok. Così qui, introduce l'indice di classifica si basa sulla particolare misura della vicinanza alla soluzione ideale. E così, perché come dicevamo che gli esseri umani non sono sempre pinti di cui ho bisogno, ho bisogno di questo, è un algoritmo di classifica compromesso, ok. Ma soprattutto, il secondo punto di proiettile che è, è una serie di alternative in presenza di criteri conflittuali. (9.45) Qual è l'obiettivo? Determina la graduatoria di graduatoria di compromesso; ok. Ora, e ci dà la soluzione compromessa e gli intervalli di stabilità del peso per la stabilità di preferenza della soluzione di compromesso ottenuta con i pesi indicati iniziali. Quindi, hai dato; sei iniziato con il peso o l'importanza e poi ti dà anche gli intervalli di stabilità del peso per la stabilità di preferenza. Poi, concentrando la classifica e selezionando da una serie di alternative in presenza di criteri conflittuali. Come abbiamo detto questa parola conflittuale verrà a voi regolarmente. Non vi preoccupate, quando risolveremo un esempio lo vedrete è molto, molto facile. Vedi, tutti i modelli decisionali multi criteri sono molto, molto facili. Non è fisica, non è chimica, non troppe formule, è facilissimo. Unica cosa è che dovrai mantenerti fiducioso di poter capire, ok. Nulla è non comprensibile; giusto; quindi, focalizzarsi sulla classifica in presenza di criteri conflittuali; ok. (Fare riferimento alle slide 10.58) Ora, lo sviluppo dei metodi VIKOR inizia con la seguente forma di matrice Lp, cioè di peso se lo si guarda con molta attenzione in fi, c'è un valore in quella particolare cella, più alto valore, meno fij diviso da fi star meno fi meno; ok; in al potere p alla potenza 1 da p; ora dimentica tutte queste cose. Che cos' è la fi star? fi star è il valore in una cella particolare, giusto. Spiacente, fi star è il valore più alto, spiacente, fij è il valore a una determinata cella, ith riga e jima colonna, ok. fij è la colonna iesima e la colonna jima. Ora, f star, fi star è il valore più alto, ok per quella particolare colonna e fi meno è il valore più basso in quella colonna; ok; quindi, valori più alti e minimi. Questa è la tua formula. Ora all'interno del metodo VIKOR utilizzeremo per formulare le misure di graduatoria. Non preoccupate di questi termini; quando vi spiegheremo, capirete. Così fino ad ora basta sapere cosa è la fi star e cosa è il fij e cosa è fi meno; fi star è sostanzialmente il valore più alto in quella colonna, fi meno è il valore più basso della colonna, e il fij è quel particolare valore; ok. (12.31) Ora, l'algoritmo di classifica compromessa ha i seguenti passaggi. Determinare i migliori fi e i peggiori fi, cioè determinare i valori più alti delle stelle f e i valori più bassi di tutti i minutti, ok. Così fi star è come vedi max e fi meno è il min; ok. (Fare riferimento allo slide 12.52) E poi calcola i valori di Sj e Rj, vedi cosa è Sj e cosa è Rj? Sj è sostanzialmente il più alto valore di cella meno diviso per la gamma moltiplicato per il peso, e Rj è l'opzione di rimpianto come l'avversario che è di nuovo il valore massimo dei pesi moltiplicato per queste situazioni. L'unica differenza sta qui dentro, solo la differenza sta qui, ok. Altro è stato, il peso viene moltiplicato per l'intera cosa, questo è peso viene moltiplicato per le singole variabili, il numeratore, ok. (Fare riferimento allo slide 13.41) Ora calcola i valori di Q ok, e la formula Q è data da questo, Sj minus S star, ok. E così quello che si ottiene è S star è max j e S star è min Sj, ok e R minus è max Rj e R minus è il min j; v viene introdotto come peso della strategia; ok. (14.06) Ora C1 è la gamma di vantaggio accettabile; ok. Ora, andiamo a questo; ok. Guardiamo a questo problema. (Fare riferimento allo slide 14.25). Un individuo, quindi torneremo alle formule, non preoccupate. Esempi numerici risolti con metodo VIKOR. Vediamo, ora abbiamo, stiamo comprando qualcosa, stiamo progettando di comprare qualcosa. Quali sono i criteri che abbiamo scelto? Criteri che abbiamo scelto sono stile, affidabilità, economia del carburante e costo; ok. Ora, e abbiamo, ci sono quattro alternative, A, B, C e D. Quindi ci sono fondamentalmente 4 prodotti A, B, C e D e ogni prodotto che misuriamo su quattro criteri che è stile, affidabilità, economia del carburante e costo. Quattro prodotti, quattro alternative A, B, C, D e stiamo valutando sulla base di quattro criteri, stile, affidabilità, risparmio di carburante e costo, ok. Ora, e pesi anche noi. Vedi sulla parte superiore, la riga superiore che è 0,12, 0,4, 0,3, 0,2; ok. Quindi questo è quanto abbiamo dato. Ora, e ai clienti è stato chiesto di classificarsi o sei tu stesso ranking che è uno stile che hai dato un 7 al prodotto A, il prodotto B ha il punteggio di stile di 8, quindi il prodotto B è molto di più questa cosa. Il prodotto C ha 9 e il prodotto D ne ha 6, ok. Allora cosa è S asterix? S stella è sostanzialmente il valore più alto che è 9; ok. E qual è il valore più basso in quella colonna? 6, giusto. I 7, 8, 9, 6; qual è il valore più alto? 9. Qual è il valore più basso? 6; ok. (16.15) Ora, quindi questo 9 meno 6 è la tua gamma, ok? Quindi torniamo alla nostra vecchia formula, torniamo alla nostra vecchia formula. Ecco, vedi, fi star meno fi meno; fi star è cosa; il valore più alto; e fi meno è il valore più basso. Allora qual è ora la tua gamma? La tua gamma ora è il valore più alto meno il valore più basso che è 9 meno 6 che è 3, ok. Ora che c'è, torniamo indietro; torniamo indietro. Ecco perché ho detto che ignorate le formule per qualche tempo; torneremo; ok. Cos' è, quindi abbiamo la stella fi, il valore più alto, abbiamo ottenuto il fi minus, il valore più basso, cos' è il fij? fij è il valore in quella determinata cella. Quindi in questo problema qual è il valore fij? In questo problema il valore fij è 7; ok; quindi, 7. Basta ricordare questi tre numeri, 7, 9 e 6; 7, 9 e 6; giusto. Quindi torniamo alla formula. fi stella è più alta, quindi 9 meno fij è 7. 9 meno 7 è 2 diviso per 9 meno 6, 3. Quindi 9 meno 7, 2 diviso per 9 meno 6, 3. Quindi 2 diviso per 3 è 0,66 moltiplicato per peso di quella determinata cella, ok. Così in questo modo, lo calcoliamo; giusto. (17.51) Così se lo guardiamo, abbiamo appena dato che qui, la stella fi è 9 e fi meno è 6 per stile. Andiamo all'affidabilità. Affidabilità qual è il valore più alto? 9. Qual è il valore più basso? 6. Ancora, stesso, 9 e 6. Andiamo all'economia del carburante. 9 è il valore più alto, 8 è il valore più basso. Così vedere 9 e 8. Andiamo a costare. 9 è il valore più alto, 6 è il valore più basso. Così di nuovo, questo è questo. Così questa è la tua stella fi e questo è il tuo fi meno, giusto. Questa è la tua stella fi e questo è il tuo fi meno; ok; ok. (Fare riferimento allo slide 18.37) Ora, calcola i valori di Sj e Rj. Ora questo è quello di cui parlavamo; giusto. 9 meno 7 che è 2 diviso per 9 meno 6 che è 3 moltiplicato per 0,1; quindi in questo modo si ottiene questo punteggio per questa intera fila; a destra. Si ottiene questo punteggio per l'intera fila. Ora lo stesso vale per la tua B, stessa con C e stessa con D, ok. Lo stai ricevendo o te lo spiego ancora una volta? Ora si vede; qui quello che sta accadendo. 9 meno 6 è questo, la gamma. Altissimo valore fi stella, 9, valore cellulare fij, 7. Così fi stella meno fij, 9 meno 7 diviso per intervallo. Questa cosa intera moltiplicata per peso più di nuovo, 9 è il valore più alto, 6 è il valore più basso; questo è il range; ok. Valore più alto 9 meno valore cellulare 9, quindi 9 per 9, peso è 0,4, ok; quindi, 0,4 in fi stella meno fij diviso per fi star meno fi meno; quindi; questa gamma. Quindi quale sarà il calcolo per questo? 9 meno 9 è zero così quando si fa qualsiasi cosa si faccia con 0, questa porzione, questa seconda colonna, questa cosa è zero. Analogamente, anche per qui il valore più alto è di 9, questo valore di cella è di 9, quindi questo 9 meno 9 diventa 0 quindi questa intera porzione, il prodotto intero è di 0. Quindi questo valore più 0, più 0, più, di nuovo il valore più alto è costo. Questi sono i criteri opposti, ricordati solo questo, questi sono i criteri max e min, quindi fate molta attenzione. Quindi 6 meno 9 di 6 meno 8; ok; questo è il contrario; giusto. Si vuole sempre massimizzare lo stile, massimizzare l'affidabilità, massimizzare l'economia del carburante, ma si vuole ridurre al minimo i costi quindi questo numero viene modificato, questo numero non è ora in ogni caso il valore più alto meno il valore della cella. È il valore più basso meno il valore della cella, quindi fate molta attenzione a questo. Quindi questo è un punteggio di A s. Allo stesso modo hai il punteggio B di s, C M s score, D il punteggio s; ok; ok. (21.16) E poi, quindi una volta fatto che questa A ha 4 colonne, ricordate. Basta tornare al precedente, A aveva 4 colonne, 1, 2, 3, 4, ok. Un punteggio di stile, punteggio di affidabilità, punteggio di economia del carburante, punteggio di costo. Quindi l'affidabilità era di 0 punteggio, l'economia del carburante era di 0 punteggio, quindi avevamo solo questo valore e questo valore. Questo è quanto mostrato qui. Questa è la prima colonna 0, questo valore, questo valore e quelli di mezzo sono 0 e 0. Quindi un punteggio di A s è 0,22, ok. Un punteggio di S è di 0,22; diritto. Ok, un punteggio di A s è 0,22. (22.10) Allo stesso modo, quello che si può fare è poter calcolare i valori Rj, ok. È possibile calcolare i valori Rj. Stesso modo in cui lo calcola e Rj ti darà i valori max di esso, giusto. Vedi in questo, questa parte è chiara, spero. Spero che questa parte sia chiara; ok. Questa è la moltiplicazione. Ora, tra questi, qual è il valore più basso? La differenza tra l'ideale e i valori cellulari, 0,133, questo è il tuo Rj. Tra questi qual è il valore più basso? Qual è il valore più basso? Ovvero … dispiace, vi chiedo scusa, qual è il valore più alto? Questo è il tuo Rj, ok. Qual è il valore più alto qui, in questo modo; 0,3, 0,3? Qual è il valore più alto qui; 0,4, 0,4? Qual è il valore più alto qui che è 0,3, 0,3? Così in questo modo, si calcolano i Sjs e i Rjs; ok. (23.18) Ora, una volta calcolato il valore di Sj e Rj quello che si ottiene, si ottiene qualcosa di chiamato S star, che è il più alto tra questi, e si ottiene qualcosa come S minus che è il più basso tra questi. Il più alto tra Sj è la tua S star e il più basso tra Sj è la tua S minus e similmente, la tua più alta tra le stelle R è questa, e la più bassa tra R minus è questa; ok, più basso tra i Rj. Quindi, praticamente si ottiene il valore più alto e si ottiene il valore più basso; ok. Una volta fatto ciò è necessario calcolare qualcosa chiamato Qj e una volta ottenuto questo Qj si ottengono i valori finali di Qj all'interno di quelle formule, ok. Ora, quello che faremo è raccoglieremo da qui nella prossima sessione di lezione, ok Così fino ad ora quello che abbiamo fatto in questa sessione di lezione è, abbiamo identità, vedere sempre perché sto facendo o perché sto usando un metodo particolare. Perché? Se ci sono due, tre metodi disponibili, perché sto usando un metodo particolare? Se la metodologia è stessa anche, perché sto usando il metodo uno invece del metodo due, quale beneficio extra mi sta dando? Così in quella luce abbiamo imparato AHP con la Professoressa. Kunale Ghosh, abbiamo imparato TOPSIS con Professore. Kunale Ghosh, e ora si sta imparando VIKOR. Qual è la differenza chiave tra di loro? (25:09) VIKOR, come sappiamo, vi avevamo mostrato in un punto che è, VIKOR vi aiuta a ottenere questi criteri conflittuali che è il secondo punto. Questo metodo si concentra sulla graduatoria e selezionando da una serie di alternative in presenza di criteri conflittuali; ok. Quindi questo VIKOR ti dà questi criteri conflittuali; quindi, come fare? Prima scopri, per quanto semplice come la tua normalizzazione che abbiamo fatto prima nello stesso modo, continui a fare questa normalizzazione; ok; e poi, una volta che l'hai normalizzata, prendi la distanza dal punto ideale e siamo arrivati fino a questo punto; ok. Ora, accanto, veniamo con qualcosa chiamato valore Qj; ok. Ora questo valore Qj in avanti, ci occuperemo nella prossima sessione di lezione; ok. (26:00) Quindi per questo, fino a questo, è possibile utilizzare questo riferimento. In particolare, utilizzeremo questo particolare capitolo, potrete utilizzare anche per VIKOR e per un libro particolare, potrete utilizzare per VIKOR. Quindi, raccoglieremo questo con il prossimo nella classe successiva. Grazie!