AI Summary & Key Takeaways
AI InsightResults of the AHP and SVP-AHP for the example in this study point out that SVP-AHP is an efficient ranking method because of its computational efficieny and objectivity.
📌 3 Key Takeaways
Abstract
This study introduces an objective multicriteria ranking method based on the Analytic Hierarchy Process (AHP). Different multicriteria decision analysis methods generate different solutions for the same ranking problem because of their varying mathematical models. In AHP, decision makers construct positive comparison matrices from their preferences by using a scale of 1-9. However, even a simple ranking problem requires numerous comparison matrices while subjective judgments lead to inconsistent rankings. As a simplified version of the AHP, the Statistical Variance Procedure (SVP) based AHP (SVP-AHP) extracts the ranking of alternatives from a multicriteria dataset without referring to costly survey processes. SVP-AHP uses pairwise comparison matrices, the powerful tool of AHP, and it does not need to measure consistency. For an objective ranking of alternatives, SVP-AHP embeds vector normalization and SVP into the AHP. SVP determines criteria weights while pairwise comparison matrices for alternatives are constructed using the normalized observations. In SVP-AHP, it is sufficient to know only criteria and alternative values, unlike AHP, where the model requires decision makers’ judgments. Results of the AHP and SVP-AHP for the example in this study point out that SVP-AHP is an efficient ranking method because of its computational efficieny and objectivity.
Özet
Bu çalışmada çok kriterli karar analizi yöntemlerinden Analitik Hiyerarşi Prosesi (AHP) ile sıralama yöntemini temel alan çok kriterli bir nesnel sıralama yöntemi sunulmaktadır. Çok kriterli karar analizi yöntemleri, matematiksel altyapılarındaki farklılıklar nedeniyle, aynı sıralama problemi için farklı sıralama çözümleri üretebilmektedir. AHP ile sıralama yönteminde karar vericilerin 1-9 ölçeğinde belirttiği tercihler ile pozitif karşılaştırmalar matrisleri oluşturulmaktadır. Ancak karar vericiler ufak çaplı bir sıralama problemi için bile çok sayıda karşılaştırma yaparken öznel yargılar tutarsız sıralamalara neden olabilmektedir. Bu çalışmada sunulan AHP’nin sadeleştirilmiş hali olan İstatistiksel Varyans Prosedürü (İVP) temelli AHP (İVP-AHP), çok kriterli bir veri setindeki alternatiflerin sıralamasını maliyetli anket süreçlerine başvurmadan kriter değerlerine göre belirlemektedir. Nesnel bir sıralama için İVP ve vektörel normalizasyonu AHP ile bütünleştiren İVP-AHP yönteminde kriter ağırlıkları İVP ile belirlenirken alternatiflerin karşılaştırmalar matrisleri normalize edilmiş gözlem değerlerinden oluşmaktadır. İVP-AHP ile sıralama yöntemi, AHP ile sıralama yönteminin güçlü özelliği olan karşılaştırmalar matrislerini kullanırken tutarlılık ölçümlerine ihtiyaç duymamaktadır. İVP-AHP yönteminde sadece sıralanması istenen alternatifler, seçimi etkileyen kriterler ve alternatiflerin kriter değerlerinin bilinmesi yeterli olup bu parametreler için –AHP yönteminde olduğu gibi– karar verici yargılarına ihtiyaç bulunmamaktadır. Bu çalışmada örnek bir veri setinden AHP ve İVP-AHP yöntemleri ile elde edilen karşılaştırmalı bulgular, işlem kolaylığı ve AHP yöntemindeki öznelliği gidermesi açısından İVP-AHP sıralama yönteminin etkin ve nesnel bir sıralama yöntemi olduğuna işaret etmektedir.