Mehko odločanje po več lastnostih - primer univerze
DOI:
https://doi.org/10.37886/Ključne besede:
odločanje po več lastnostih, alternative, kriteriji, mehka množica, rangiranjePovzetek
Raziskovalno vprašanje: Ustanavljanje univerze (v nekem kraju, to je lahko tudi Novo mesto) je dolgotrajen in izjemno pomemben proces. Upoštevati je potrebno veliko kriterijev, ki vplivajo na odločitev o tem, kakšna organizacijska oblika bi bila racionalna in najugodnejša. Vprašanje, na katerega bomo odgovorili, se glasi: ali je možno z uporabo kvantitativnih metod ugotoviti smiselno organizacijsko obliko univerze in kako to storimo?
Namen: Namen in cilj raziskovanja je odgovoriti na zgornje vprašanje in s tem dati odločevalcem možnost uporabe dodatnih nevtralnih informacij.
Metoda: V raziskavi uporabljamo metodo odločanja po več lastnostih (multiple attribute decision making). S kombinacijo metode AHP in algoritma VIKOR dobimo rešitev zastavljenega problema, ko so vhodni podatki ostra števila. Ker pa so vhodni podatki marsikdaj, v primeru ustanavljanja univerze ap sploh, predvsem opisni besedni termi, vpeljemo v algoritem še principe mehke logike. Sinteza vseh metod je v raziskavi uporabljena metoda mehkega odločanja po več lastnostih.
Rezultati: Rezultati raziskave pokažejo, da je uporabljen znanstveni instrumentarij smiseln in nedvoumno odgovarja na zastavljeno vprašanje. Seveda pa je pri tem, kot pri vsaki kvantitativni metodi, potrebno upoštevati robustnost vhodnih podatkov.
Organizacija: Rezultati raziskave imajo lahko direkten vpliv na odločanje o organizaciji možn nove univerze.
Družba: Vpliv raziskave na družbo, socialno odgovornost in okolje je direkten, saj uporabljeni algoritem upošteva prav te komponente.
Originalnost: Raziskava je originalna v (vsaj) dvojem: a) definira vpeljavo mehkih množic v eno od metod operacijskih raziskav in s tem omogoča veliko fleksibilnost pri uporabi deloma nenatančnih in le besedno definiranih kriterijev/podatkov ter b) uporabi algoritem na primeru ustanavljanja univerze, kar iz literature še ni poznano.
Omejitve/nadaljnje raziskovanje: Omejitve in hkrati tudi (paradoksalno) prednosti raziskave so v interpretaciji in uporabi vhodnih podatkov. Nadaljevanje raziskave pa mora iti v smeri uporabe senzitivnostne analize rezultatov in postopni vpeljavi celovitega mehkega pristopa, v končni fazi tudi v nadgradnjo algoritma z nevronskim učenjem.
Literatura
1. Bogataj, M., Usenik, J. (2005). Fuzzy approach to the spatial games in the total market, Int., j. prod. econ., vol. 93-94, pp. 493-503.
2. Chen, S., Hwang, C. (1992). Fuzzy Multiple Attribute Decision Making, Methods and Application, Springer-Verlag, Berlin Heildelberg.
3. FuzzyTech 5.5 (2002). User`s Manual, INFORM GmbH, 2002.
4. Guerra, T.M., Sala, A., Tanaka, K. (2015). Fuzzy control turns 50: 10 years later, Fuzzy sets and systems 281, pp. 168-182.
5. Merila za akreditacijo in zunanjo evalvacijo visokošolskih zavodov in študijskih programov, 2014. http://test.nakvis.si/sl-SI/Content/Details/4.
6. Moradi, M., Maleki, M, Pilehrood, H.A. (2015). Leadership competency evaluation by integration of fuzzy Shannon`s entropy and VIKOR method, Global Journal of advanced research, Vol. 2, Iss. 12, pp. 1864-1870.
7. Ross, T., J. (2007). Fuzzy Logic with Engineering Applications, Second Edition, John Wiley & Sons Ltd.
8. Teodorović, D., Vukadinović, K. (1998). Traffic Control and Transport Planning: A Fuzzy Sets and Neural Networks Approach, Kluwer Academical Publieshers, Boston.
9. Usenik, J., Bogataj, M. (2005). A fuzzy set approach for a location-inventory model, Transp. plan. technol., vol. 28, pp. 447-464.
10. Usenik, J. (2008), Fuzzy approach in process of multiple-attribute decision making. Journal of energy technology, vol. 1, iss. 1,pp. 43-58.
11. Usenik, J. (2012). Univerza v regiji odličnosti mehki pristop. Revija za univerzalno odličnost, okt. 2012, Vol. 1, iss. 3, str. pp. A1-A15.
12. Usenik, J., Turnšek, T. (2013). Modeling conflict dynamics with fuzzy logic inference. Mei Zhong gong gong guan li, ISSN 1548-6591, vol. 10, no. 5, pp. 457-474.
13. Waters, D. (1997). Quantitative methods for business, second edition, Addison Wesley Longman Publishers Ltd., Essex, England.
14. Winston, W., L. (1994). Operations research, Applications and Algorithms, Duxbury Press, Belmont, California.
15. Zimmermann H.J. (2001). Fuzzy Set Theory and its Applications, Fourth Edition, Kluwer Academic Publishers, Boston, pp. 352-370.
