UNIVERSITA’ degli STUDI di CASSINO Facoltà di Ingegneria Il Decision Making ed i Sistemi Decisionali Multicriterio: Analytic Hierachy/Network Process Fabio De Felice, Antonella Petrillo Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process AHP ANP Approccio multicriterio T. BAYES Approccio razionale alle decisioni Approccio probabilistico Il Processo decisionale TEORIE DELL’APPRENDI MENTO E FUNZIONAMENT O DEL CERVELLO Fabio De Felice, Antonella Petrillo TEORIA DEI GIOCHI ETICA E DECISIONI ALBERI DECISIONALI Analytic Hierarchy Process Approccio Metodologico PROBLEMA DECISIONALE Modello Decisionale OBIETTIVO Scelta della migliore alternativa decisionale ANALISI SCOPO Costruzione della gerarchia/network AHP/ANP NECESSITA’ Avere esperti della materia Raccolta Dati Simulazione dei dati attraverso approccio probabilistico Modello che incorpora i dati statistici ed il giudizio degli esperti. Fabio De Felice, Antonella Petrillo T. Bayes p(A|B) = K p(B|A) p(A) - p(A) probabilità a priori - p(A|B) probabilità a posteriori - p(B|A) verosimiglianza - K fattore di normalizzazione Analytic Hierarchy Process L’AHP consente di misurare gli elementi intangibili attraverso un giudizio esperto; essa sceglie il “meglio” tra un insieme discreto di alternative, semplificando poi la scelta migliore. A differenza dei comuni metodi di ottimizzazione, che presuppongono la disponibilità di “misure”, l’AHP utilizza misure derivate o interpretate soggettivamente, che altro non sono se non degli indicatori di preferenza. Soggettività ≠ Arbitrarietà Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process La “coerenza” è essenziale nel pensiero umano perché ci permette di ordinare il mondo secondo la dominanza. E’ una condizione necessaria per pensare in modo scientifico a quanto ci circonda nel vivere quotidiano, ma allo stesso tempo non è sufficiente. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process VALORI E REGOLE CREDENZE CONOSCENZA • Sensibilità • Domande • VAK FISIOLOGIA Fabio De Felice, Antonella Petrillo RISULTATI FOCUS COMPORTAMENTO • Metafore • Incantesimi • Vocabolario STATI D’ANIMO EVENTO AMBIENTE RAPPRESENTAZIONI INTERNE Analytic Hierarchy Process Coloro i quali lavorano nel complesso universo del decision-making spesso tralasciano il fatto che la mente umana è composta da almeno due parti, pensiero e sentimento (binomio che certamente in lingua inglese rende meglio, thinking e feeling), e che il nostro tentativo di separare queste due entità, non va sempre a nostro vantaggio. Teorie sul funzionamento del cervello umano e sulla sua morfologia (da Gall fino alla neuropsicologia moderna) Dottrina pseudoscientifica secondo la quale le singole funzioni psichiche dipenderebbero da particolari zone o "regioni" del cervello, così che dalla valutazione di particolarità morfologiche del cranio di una persona, come linee, depressioni, bozze, si potrebbe giungere alla determinazione delle qualità psichiche dell'individuo e della sua personalità. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process E’ fondamentale la distinzione tra le nostre capacità cognitive e quelle affettive. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process All'interno del sistema nervoso centrale e periferico è presente un tipo di sistema nervoso responsabile delle funzioni involontarie, chiamato sistema nervoso autonomo. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process E’ possibile studiare in che modo il cervello elabora inconsciamente l’importanza emotiva degli stimoli, e in che modo utilizza queste informazioni per controllare dei comportamenti appropriati. L’AHP (così come l’ANP Analytic Network Process), rappresenta la “digitalizzazione analitica” della realtà, in quanto aiuta a svelare e comprendere la complessità che è in ciascuno di noi. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process • Almeno il 50% delle decisioni non va a buon fine. • Il 33% delle decisioni prese non viene mai implementato. • Il 50% delle decisioni implementate viene abbandonato dopo 2 anni. • Il 66% delle decisioni si basa su metodi destinati all'insuccesso. • Le decisioni che utilizzano un livello di partecipazione elevato vanno a buon fine nell'80% dei casi, ma questo si verifica solo il 20% delle volte. • In pratica, ogni errore decisionale è evitabile. Source: Why Decisions Fail - Author Paul Nut - Publisher; Berret & Koehler 2002 Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process •11 Million meetings in the U.S. per day •Most professionals attend a total of 61.8 meetings per month •Research indicates that over 50 percent of this meeting time is wasted •Professionals lose 31 hours per month in unproductive meetings, or approximately four work days Source: Why Decisions Fail - Author Paul Nut - Publisher; Berret & Koehler 2002 Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process L’Autorità si è occupata recentemente delle modalità applicative del criterio di aggiudicazione dell’offerta economicamente più vantaggiosa con tre determinazioni (n. 5 del 2008 e n. 4 del 2009 e n. 5 del 2010) ed in alcune recenti delibere (cfr. ad esempio, deliberazione n. 65 del 16 luglio 2009) In particolare, con la determinazione n. 5 del 2008 l’Autorità si è soffermata sulle condizioni legittimanti la scelta del criterio dell'offerta economicamente più vantaggiosa rispetto al criterio del prezzo più basso, al fine di evitare che un eventuale utilizzo distorto del criterio dell'offerta economicamente più vantaggiosa da parte delle stazioni appaltanti determini l'esercizio di una discrezionalità svincolata da qualsiasi criterio oggettivo e, quindi, suscettibile di tradursi in violazione dei principi di parità di trattamento degli operatori economici e di correttezza dell' azione amministrativa. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Per gli elementi qualitativi occorre una valutazione da parte di “commissari” secondo regole preordinate nel Capitolato Speciale d’Appalto. Per il Prezzo ed altri elementi quantitativi (es. tempo di esecuzione) la determinazione avviene con criteri matematici , senza discrezionalità . Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Il criterio dell’offerta economicamente più vantaggiosa è basato su molteplici parametri di valutazione che rendono necessario comparare il dato economico con quello tecnico, al fine di giungere all’attribuzione a ciascuna offerta di un unico parametro numerico finale. Questo implica la necessità di risolvere i problemi di comparabilità tra gli stessi criteri, derivanti dalla loro diversa natura, quantitativa o qualitativa, e dalle diverse unità di misura, ciò che rende complesse le operazioni di valutazione delle offerte. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process La determinazione dei criteri valutazione e ponderazione dell’offerta economicamente più vantaggiosa, oltre quelli legislativamente stabiliti, è rimessa alla valutazione discrezionale dell’amministrazione e va fatta tenendo conto della distinzione tra elementi e parametri di valutazione. nominare uno o più esperti Fabio De Felice, Antonella Petrillo La complessità delle operazioni di scelta dei criteri di valutazione, di eventuale suddivisione degli stessi in sub-criteri, di attribuzione dei relativi pesi o punteggi e di specificazione dei criteri motivazionali - di cui si parlerà nel prosieguo ha suggerito al legislatore di prevedere Metodi Multicriterio Analytic Hierarchy Process La necessità di utilizzare tali metodi scientifici “multicriteri” deriva da due ordini di ragioni: 1. l’esigenza di rendere aggregabili valutazioni riferite a criteri espressi secondo scale e unità di misura diverse e, dunque, non confrontabili tra loro (per esempio il prezzo, il tempo, il valore tecnico) 2. l’esigenza di tener conto della diversa ponderazione - cioè importanza - che la stazione appaltante ha attribuito ai criteri stessi. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Nel merito dei metodi multicriteri, utilizzabili per la determinazione dell’offerta economicamente più vantaggiosa, il Regolamento, ferma restando la possibilità di impiegare uno qualsiasi dei metodi che si rinvengono nella letteratura scientifica, ne ha indicato alcuni: il metodo “aggregativo compensatore” o della “somma pesata”, il metodo “electre”, il metodo “Analityc Hierarchy Process” (AHP), il metodo “evamix”, il metodo “technique for order preference by similarity to ideal solution” (TOPSIS). Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Esempio Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process AHP/ANP (Analytic Hierachical/Network Process) Prof.Thomas Saaty 1. Analytic: Scompone il problema nei suoi elementi costitutivi 2. Hierarchy/Network: Struttura gli elementi costitutivi in modo gerarchico o network rispetto all’obiettivo principale ed ai sub-obiettivi 3. Process: Processa i giudizi ed i dati in modo da raggiungere il risultato finale BENEFITS, OPPORTUNITIES, COSTS AND RISKS BOCR Analysis Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Diagramma logico AHP/ANP Identificazione degli obiettivi e delle alternative Strutturare il problema decisionale in forma gerarchica Analisi delle risposte Controllo della consistenza delle risposte Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Approccio Metodologico Prima fase della metodologia: Costruzione della Gerarchia o Network di dominanza Seconda fase della metodologia: Confronto a coppie Terza fase della metodologia: Calcolo indice di consistenza Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Prima fase della metodologia: Costruzione della Gerarchia/Network di dominanza Principio della “decomposizione” e della “sintesi” AHP (Analytic Hierarchy Process) ANP (Analytic Network Process) OBIETTIVO della DECISIONE GOAL CRITERIO con cui valutare le ALTERNATIVE Criteria A H B OBIETTIVI SPECIFICI Alternatives Y X Z ALTERNATIVE decisionali Fabio De Felice, Antonella Petrillo W Sub Criteria I G Analytic Hierarchy Process Prima fase della metodologia: Costruzione della Gerarchia/Network di dominanza Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Per potere prendere delle decisioni attendibili, è necessario avvalersi di opportuni metodi scientifici nonché di opportune scale di misura. Nonmonotonic Relative Nature of Absolute Scales Good for preserving food 100 Good for comfort Bad for preserving food Good for preserving food 0 Temperature Fabio De Felice, Antonella Petrillo Bad for comfort Bad for comfort Analytic Hierarchy Process B A C D Fabio De Felice, Antonella Petrillo E Analytic Hierarchy Process Immaginiamo di voler stimare l’area di ciascuna figura effettuando dei confronti a coppie ed esprimendo dei giudizi in base alla nostra “sensazione”. Effettuiamo il confronto a coppie utilizzando una scala di misura – Scala Semantica di Saaty. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie CERCHIO TRIANGOLO QUADRATO ROMBO RETTANGOLO A B C D E AUTOVALORE (VETTORE PRIORITA’) CERCHIO A 1 9 2 4 5 0,48 TRIANGOLO B 1/9 1 1/5 1/3 1/2 0,049 QUADRATO C 1/2 5 1 2 3 0,25 ROMBO D 1/4 3 1/2 1 2 0,138 RETTANGOLO E 1/5 2 1/3 1/2 1 0,085 STIMA DELL’AREA Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie Esempio confronto a coppie Se andassimo a calcolare l’area delle figure con le regole matematiche otterremo i seguenti risultati! Scopo dell’esempio è quello di mostrare che se i giudizi sono espressi attentamente i risultati sono molto attendibili Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Immaginiamo di avere tre mele e di conoscerne il volume: A B C • qual è la mela più grande? • quanto più grande è la mela A rispetto alla mela C? Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Size Apple A Size Comparison Apple A Apple B Apple B Apple C Apple C Resulting Priority Eigenvector Relative Size of Apple Apple A 1 2 6 6/10 A Apple B 1/2 1 3 3/10 B Apple C 1/6 1/3 1 1/10 C Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Tutti gli elementi subordinati allo stesso elemento della gerarchia vengono confrontati a coppie tra loro. Gli elementi di ciascuna coppia vengono comparati al fine di stabilire quale di essi è più importante in rapporto all'elemento sovraordinato, e in quale misura: il risultato del confronto è il coefficiente di dominanza aij che rappresenta una stima della dominanza del primo elemento (i) rispetto al secondo (j). In definitiva i giudizi comparativi (coefficienti di dominanza) che vengono espressi definiscono la matrice dei confronti a coppie. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process La matrice contiene il risultato del confronto di tutte le alternative prese a due a due, tramite proposizioni linguistiche del tipo. Quanto è più importante o meno il criterio della matrice (righe i) quando viene confrontato con un altro posto sulla cima della matrice (colonne j)? La risposta sarà il valore aij. a11……..a1n A= an1……..ann Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Per determinare i valori di aij occorre utilizzare la scala semantica di Saaty che mette in relazione i primi nove numeri interi con altrettanti giudizi che esprimono, in termini qualitativi, i possibili risultati del confronto. Tale scala è stata elaborata tenendo conto di studi sulla capacità del cervello umano di classificare un numero finito di elementi. In base a questi studi si è stabilito che, in media, il numero di classi va da 5 a 9. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie Esempio confronto a coppie Consideriamo un’urna contenente palline di tre colori diversi: - 2 palline black - 1 pallina white - 3 palline red La probabilità di estrarre una pallina di uno di questi colori è rispettivamente: 2/6, 1/6, 3/6. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Seconda fase della metodologia: Confronto a coppie Esempio confronto a coppie Black White Red Black 1 2 2/3 White 1/2 1 1/3 Red 3/2 3 1 1 2 Probability Black 2/6 White 1/6 Red 3/6 3 Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie Il decisore risponde con facilità a domande che prevedono qualitativo del tipo: “ Hanno la stessa importanza? E’ molto più importante?...”. Ad ogni classe di tale scala è poi associato un valore che si metterà nella matrice dei confronti. In questo modo si è in grado di riempire la matrice dei confronti a coppie utilizzando anche i giudizi qualitativi del decisore. N.B.: il risultato del confronto è il coefficiente di dominanza aij che rappresenta una stima della dominanza del primo elemento (i) rispetto al secondo (j). L’analisi prevede la conversione dei coefficienti di dominanza in punteggi relativi wi (aij = wi/wj). Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie La matrice dei confronti a coppie assume la seguente forma: Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie Nella diagonale sono situati tutti 1. Infatti è evidente che nel confronto con se stesso (A con A) ci sia parità, ossia, secondo la scala di Saaty, valore 1. Nel confronto A con B, A è stato preferito a B attribuendo il valore 4; automaticamente nel confronto B con A, B ha preso ¼. E così via. La condizione (aij = 1/aij), nota come relazione di reciprocità scaturisce dalla necessità di garantire la simmetria dei giudizi di importanza. Infatti se, per esempio si ritiene che A valga due volte B (A = 2B), ne consegue necessariamente che B vale la metà (1/2) di A (B = ½ A). Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Confronto a coppie I risultati saranno tanto più incoerenti, quanto maggiore è il numero di variabili esaminate, ciò perché diminuiscono le probabilità di rispettare sempre la medesima gerarchia tra le variabili. Sul piano scientifico è stato dimostrato che nel caso di perfetta coerenza di giudizi la matrice dei confronti che si viene a formare possiede particolari proprietà: è simmetrica, reciproca e consistente ovvero soddisfa le tre condizioni: 1.aij = aji; 2.aij = 1/aij 3.aijaik=aik i,j,k=1…n Ovvero se vale la relazione di transitività aij=aikakj, i, j, k, la matrice A dei confronti a coppie è perfettamente consistente Fabio De Felice, Antonella Petrillo per qualsiasi Analytic Hierarchy Process Il metodo prosegue con la determinazione dell’autovalore e dell’autovettore. Nella teoria delle matrici si dimostra che una matrice simmetrica, reciproca e consistente possiede un unico autovalore, detto autovalore massimo, pari all’ordine n della matrice e che gli elementi del corrispondente autovettore, normalizzati rispetto al valore massimo degli elementi stessi, rappresentano i coefficienti variabili tra 0 e 1, delle alternative nei riguardi del criterio di valutazione cui si riferiva la matrice dei confronti. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Si calcola così per ogni riga quello che viene denominato “peso”, dato dalla moltiplicazione dei valori presenti su quella riga e su tale prodotto si calcola la radice ennesima. N: eleme nti Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process I pesi (Xi) derivano dal calcolo della media geometrica: ossia dal prodotto dei valori della riga e tale risultato posto sotto radice ennesima. Ad esempio nella prima riga si fa il prodotto 1x4x3x7 = 84 e si calcola la radice quarta (in quanto il numero dei fattori è 4) di 84 che è che 3,027; si procede nello steso modo per tutte le altre righe. N: eleme nti Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Si normalizzano poi i pesi; ossia, posto che nell’esempio la loro somma è 5,207 e questa deve essere portata ad uno, tutti i pesi vengono ridotti in proporzione (es. 3,027/5,207 = 0,581 e così via). Si arriva così ai valori della colonna “normalizzazione pesi”. N: eleme nti Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Si procede poi, sulla base di questi valori, a calcolare il coefficiente in modo che chi ha ottenuto il peso più alto avrà il coefficiente 1 e gli altri in proporzione; si applica quindi la formula Pi/Pmax. Poiché il valore massimo nel nostro caso è 0,581 l’elemento A prenderà il coefficiente 1 e gli altri in proporzione. N: eleme nti Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process In primo luogo si deve calcolare l’autovalore per ogni riga; per calcolare l’autovalore si esegue il rapporto tra il prodotto di Xi di ogni riga moltiplicato per il totale Yj della relativa colonna e la sommatoria di Xi. In formula. Xi * totale Yj/totale Xi. Per A si avrà. Xi (3,027)* tot Yj (1,726)/tot Xi (5,207) = 1,004 (autovalore). N: eleme nti Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process La somma degli auto valori e l’autovalore principale (4,010) detto anche auto valore massimo. Se le valutazioni fossero espresse in modo logico, senza contraddizioni ed incertezze, l’autovalore massimo sarebbe pari a 4 (ordine n della matrice). Ma in concreto ciò non sempre si verifica, proprio perché le valutazioni non sono quasi mai perfettamente consistenti (coerenti). Anche nel nostro esempio le valutazioni non sono perfettamente coerenti poiché l’autovalore massimo è 4,010 anziché 4,00. Tuttavia non è necessario che le valutazioni siano perfettamente coerenti; proprio perché siamo nel campo della soggettività è data la possibilità di permettere un certo grado di incoerenza, purchè questa non sia esagerata. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Terza fase della metodologia: Calcolo indice consistenza 1 2 ……. n 1 1 w1/w2 ……. w1/wn 2 w2/w1 1 ……. w2/wn ……. ……. ……. ……. …….. n wn/w1 wn/w2 …….. 1 coefficienti = IMPORTANZA o “PESO” wi di ogni elemento INDICE DI CONSISTENZA misura lo scarto tra i Coefficienti di DOMINANZA aij ed i PESI wij: Fabio De Felice, Antonella Petrillo CI = (λmax – n ) / (n-1) < 0,10 Analytic Hierarchy Process Terza fase della metodologia: Calcolo indice consistenza L’autovalore massimo fornisce una misura di consistenza della stima del vettore dei pesi relativi, in quanto direttamente collegato al grado di coerenza del decisore. Resta, a questo punto, il problema di stabilire se i pesi ricavabili dalla rispecchiano i giudizi di chi ha effettuato i confronti. Il metodo AHP definisce il seguente indice di consistenza (CI, consistency index) che consente di misurare lo scarto complessivo tra questi due insiemi di valori: CI = (λmax – n ) / (n-1) Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Terza fase della metodologia: Calcolo indice consistenza Nel caso di consistenza perfetta CI è uguale a zero: - quando la matrice A è perfettamente consistente, l’autovalore principale λmax è infatti uguale a n; - al crescere dell’inconsistenza, il valore di CI aumenta. Riprendendo l’esempio precedente analizzato abbiamo: • auto valore principale 4,010 • n= 4, • n-1 = 3 per cui il calcolo dell’indice di consistenza porta al seguente valore: (4,010-4)/3 = 0,003. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Terza fase della metodologia: Calcolo indice consistenza Se la matrice fosse perfettamente consistente (ossia le valutazioni fossero perfettamente coerenti) l’autovalore principale sarebbe uguale al numero degli elementi (4 nel nostro caso) e conseguentemente CI sarebbe uguale a 0. In realtà una matrice è perfettamente consistente solo se mette in rapporto tra di loro delle misure oggettive (ad esempio delle misure di lunghezza oppure di peso e capacità). Ma sarebbe poco realistico pensare che ciò avvenga anche in questi casi di valutazioni personali. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Terza fase della metodologia: Calcolo indice consistenza Si permette così ai valori di poter deviare dal loro valore “vero”, purchè ciò non avvenga in misura significativa. Le valutazioni sono sufficientemente coerenti se il rapporto di consistenza è inferiore a 0,1; allora il valutatore si può ritenere soddisfatto dei suoi giudizi. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Terza fase della metodologia: Calcolo indice consistenza Resta, a questo punto, il problema di stabilire se i pesi ricavabili dalla rispecchiano i giudizi di chi ha effettuato i confronti. Il metodo AHP definisce il seguente indice di consistenza (CI, consistency index) che consente di misurare lo scarto complessivo tra questi due insiemi di valori: CI = (λmax – n ) / (n-1) Le valutazioni sono sufficientemente coerenti se il rapporto di consistenza è inferiore a 0,1; allora il valutatore si può ritenere soddisfatto dei suoi giudizi. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Terza fase della metodologia: Calcolo indice consistenza Il metodo AHP prevede che l’indice CI sia confrontato con l’indice RI (random index) . Questo secondo indice si calcola effettuando la media dei valori di CI di numerose matrici reciproche dello stesso ordine, i cui coefficienti vengono generati in modo random (cioè casuale) da un computer. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Terza fase della metodologia: Calcolo indice consistenza Il rapporto di consistenza (CR – Consistency Ratio) deriva dalla seguente formula: CI/RI. Se CR è maggiore di 0,1 la deviazione dalla condizione di consistenza perfetta viene giudicata inaccettabile, in questo caso è necessario modificare i giudizi espressi. Ritornando al nostro esempio, essendo il numero degli elementi pari a 4, l’indice medio di consistenza è 0,89. Abbiamo visto che CI = 0,003, quindi 0,003/0,89 = 0,004. Il rapporto di consistenza è inferiore a 0,1 quindi le valutazioni effettuate hanno un grado di incoerenza accettabile. Quando il valore di CI della matrice compilata dall’esperto supera una soglia convenzionalmente posta uguale al 10% del valore di RI, la deviazione dalla condizione di consistenza perfetta viene giudicata inaccettabile. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process L’Analytic Network Process è una metodologia che rappresenta una generalizzazione dell’Analytic Hierarchy Process infatti, similmente alla teoria precedentemente analizzata, l’ANP è una metodologia multicriterio, impiegata per ottenere scale di priorità da giudizi individuali. Diversamente dal solito sì-no, oppure dalla logica 0-1, l’APN è una logica “multi valutazione”. In sintesi possiamo considerare l’AHP, con le sue ipotesi di indipendenza sui livelli superiori dai livelli più bassi e l’indipendenza degli elementi in un livello, come un caso particolare dell’ANP. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process La principale differenza che esiste tra AHP ed ANP è che, in quest’ultimo, si supera la limitazione delle strutture gerarchiche lineari e le loro conseguenze matematiche, e viene costruita una supermatrice (o matrice d’influenza). Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process A differenza della gerarchia, il network non è lineare, ma si estende in tutte le direzioni; i diversi gruppi (clusters) di elementi non sono disposti secondo un ordine particolare. In un network è possibile avere: 1) 2) Un gruppo (clusters) di elementi (fonte) che influenza un secondo gruppo e viceversa; Il secondo gruppo può influenzare il primo o direttamente, o indirettamente, influenzando una serie di gruppi intermedi attraverso un percorso che, talvolta, può ritornare al gruppo di partenza. Fabio De Felice, Antonella Petrillo L’ANP utilizza un network senza la necessità di specificare i livelli. Analytic Hierarchy Process Connessioni in un network Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Si può pensare che un network sia generato da un sistema gerarchico aumentando gradualmente il numero di connessioni, così da avere dipendenze esterne e dipendenze interne. L’ANP si fonda sugli stessi criteri esaminati per l’AHP. Pertanto è necessario: Pesare i criteri e confrontarli rispetto ad un obiettivo o più obiettivi Esprimere giudizi, e quindi utilizzare una scala fondamentale delle priorità Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Con l’ANP, si può disporre di uno strumento più sofisticato, più adatto per affrontare la valutazione di progetti decisionali particolarmente complessi per la numerosità degli attori coinvolti e degli elementi in gioco. Anche l’ANP utilizza la scala fondamentale dell’AHP, ed esprime “giudizi” rispondendo a due tipi di domanda: 1) Dato un criterio, quale di due elementi è dominante rispetto ad un criterio assegnato? 2) Quale di due elementi influenza di più un terzo elemento rispetto ad un criterio assegnato? Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Principali differenze tra ANP e AHP Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Analisi Benefici, Opportunità, Costi e Rischi La teoria dell’ANP è in grado di prendere in considerazione più parametri contemporaneamente. In particolare i parametri che l’ANP esamina sono quattro ovvero: benefici (B) opportunità (O) Costi (C) Un’analisi di questo tipo prende il nome di analisi Fabio De Felice, Antonella Petrillo rischi (R) BORC. Analytic Hierarchy Process Analisi Benefici, Opportunità, Costi e Rischi Rete Strutturata con sottoreti secondo il modello BORC GOAL . MODELLO Benefici Fabio De Felice, Antonella Petrillo Costi Opportunità Rischi Analytic Hierarchy Process Analisi Benefici, Opportunità, Costi e Rischi Primo passo per un’analisi BORC ovviamente è la costruzione di un network. Tale network viene realizzato per ciascun criterio di controllo. Per ciascun criterio di controllo B, O, C e R, si derivano le priorità per ogni alternativa di decisione rispettando le specifiche influenze e le priorità. Poi si combinano i pesi delle alternative in base ai pesi di ciascun criterio (o parametro) B, O, C e R. Alla fine si valuta (non si confronta) la scelta migliore classificando le alternative per ciascun B,O,C e R e si usano i pesi risultanti per combinare il valore di ciascuna alternativa per i quattro parametri. Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Schema analisi BORC Analisi Benefici, Opportunità, Costi e Rischi Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Schema generale ANP Analisi Benefici, Opportunità, Costi e Rischi Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process PROGETTAZIONE MANUTENZIONE Fabio De Felice, Antonella Petrillo AMBIENTE QUALITA’ SICUREZZ A SCELTE STRATEGICHE /TATTICHE PERSONALE Analytic Hierarchy Process Prima fase della metodologia: Costruzione della Gerarchia/Network di dominanza Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo Super Decision Fabio De Felice, Antonella Petrillo Super Decision Select Design>Cluster>New to create cluster Enter cluster name and description Save Fabio De Felice, Antonella Petrillo Super Decision Right-click on cluster background to show dropdown menu (or use Design>Node command on main menu) Click “Create Node” Fabio De Felice, Antonella Petrillo Enter node name and description (optional) Super Decision Fabio De Felice, Antonella Petrillo Super Decision Fabio De Felice, Antonella Petrillo Super Decision Fabio De Felice, Antonella Petrillo Super Decision Show node connections Fabio De Felice, Antonella Petrillo Super Decision Node comparison Click here to continue on into comparison mode Fabio De Felice, Antonella Petrillo Super Decision Questionnaire Matrix Verbal Graphic Fabio De Felice, Antonella Petrillo Super Decision Fabio De Felice, Antonella Petrillo Super Decision Fabio De Felice, Antonella Petrillo Super Decision Super Matrix Fabio De Felice, Antonella Petrillo Super Decision Syntesize The Normals column presents the results in the form of priorities. The Ideals column is obtained from the Normals column by dividing each of its entries by the largest value in the column. The Raw column is read directly from the Limit Supermatrix Fabio De Felice, Antonella Petrillo Analytic Hierarchy Process Fabio De Felice, Antonella Petrillo