Päätöksenteko ja analyyttinen hierarkiaprosessi, AHP



Samankaltaiset tiedostot
5. Painottamisen harhat ja analyyttinen hierarkiaprosessi

Ominaisarvojen jakauma balansoidulla asteikolla AHP:ssa

Tilastollisten aineistojen kerääminen ja mittaaminen

Matriisit ja vektorit Matriisin käsite Matriisialgebra. Olkoon A = , B = Laske A + B, , 1 3 3

MONISTE 2 Kirjoittanut Elina Katainen

Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku.

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1

Mittaamisen maailmasta muutamia asioita. Heli Valkeinen, erikoistutkija, TtT TOIMIA-verkoston koordinaattori

LIITE 1 VIRHEEN ARVIOINNISTA

Tilastotieteellisiä malleja välimatka- ja suhdeasteikollisten preferenssien mittaamiseen. Pekka Leskinen ja Tuomo Kainulainen Metla

SQL-perusteet, SELECT-, INSERT-, CREATE-lauseet

5. Analyyttinen hierarkiaprosessi

Kanta ja Kannan-vaihto

Havaitsevan tähtitieteen peruskurssi I

LIITE 1 VIRHEEN ARVIOINNISTA

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä

LIITE 1 VIRHEEN ARVIOINNISTA

Suomen virtuaaliammattikorkeakoulu Varför behöver man brandmurar? V. 1.0 > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

Turun ammattikorkeakoulu Virtuaalihotelli > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Columbus- palkkausjärjestelmä. Suoriutuvuuden arvioinnin käsikirja

6. Analogisen signaalin liittäminen mikroprosessoriin Näytteenotto analogisesta signaalista DA-muuntimet 4

Kandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2004) 1

Kunkin vertailuperusteen alakohdan painoarvo on ilmoitettu yllä olevassa taulukossa. Laatu ja tekniset ominaisuudet perustaso 8 max 10 / 45 %

Suomen virtuaaliammattikorkeakoulu Erilaisia käyttöliittymiä v.0.5 > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

MS-A0004/A0006 Matriisilaskenta

Monitavoitearviointi Ylä-Lapin metsien kestävästä käytöstä

Muodonmuutostila hum

S Elektroniikan häiriökysymykset. Laboratoriotyö, kevät 2010

Tulosten arviointi. tulosten arviointi. voimmeko luottaa saamiimme tuloksiin?

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

VirtuaaliAMK Työasemakäyttöliittymien suunnittelu > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

Mittaustekniikka (3 op)

Testejä suhdeasteikollisille muuttujille

Milloin A diagonalisoituva?

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

VirtuaaliAMK Suoltoveden tarkkailunäytteenotto > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä

Projektisuunnitelma ja johdanto AS Automaatio- ja systeemitekniikan projektityöt Paula Sirén

7. laskuharjoituskierros, vko 10, ratkaisut

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

FYSA220/K2 (FYS222/K2) Vaimeneva värähtely

Leica Sprinter Siitä vain... Paina nappia

Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4

t osatekijät vaikuttavat merkittävästi tuloksen epävarmuuteen Mittaustulosten ilmoittamiseen tulee kiinnittää kriittistä

Kemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi

Mittaustulosten tilastollinen käsittely

Matematiikka B2 - Avoin yliopisto

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

FYSP105 / K3 RC-SUODATTIMET

5 Ominaisarvot ja ominaisvektorit

Tarvikkeet: A5-kokoisia papereita, valmiiksi piirrettyjä yksinkertaisia kuvioita, kyniä

Populaatio tutkimusobjektien muodostama joukko, johon tilastollinen tutkimus kohdistuu, koko N

Oulun seitsemäsluokkalaisten matematiikkakilpailu Tehtävät ja ratkaisut

Otannasta ja mittaamisesta

Monitavoitearvioinnin räätälöidyt YVA-työkalut

Ene LVI-tekniikan mittaukset ILMAN TILAVUUSVIRRAN MITTAUS TYÖOHJE

Palvelusopimukset ja niiden laskuttaminen

Mittaaminen projektipäällikön ja prosessinkehittäjän työkaluna

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Sovellettu todennäköisyyslaskenta B

UUDEN MUOVITEOLLISUUSTUOTTEEN KEHITTÄMINEN ANALYYTTISTA HIERARKIAPROSESSIA HYÖDYNTÄEN

Sosiaalisten verkostojen data

ROVANIEMEN KAATOPAIKAN GEOFYSIKAALISTEN JA GEOKEMIALLISTEN HAVAINTOJEN YHTEISISTA PIIRTEISTA

Lahden, Pohjois Karjalan ja Kemi Tornion AMK Effective Reading > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

Nestepisaran höyrystymistutkimus I vaihe

Vektorit. Vektorin luominen Vektorin tuominen näyttöön Vektorin koon ja alkioiden muokkaaminen Vektorin poistaminen...

Oikeanlaisten virtapihtien valinta Aloita vastaamalla seuraaviin kysymyksiin löytääksesi oikeantyyppiset virtapihdit haluamaasi käyttökohteeseen.

Bioenergian kestävyyden arviointi Arvioinnin tulokset Suomessa. Bioenergian kestävyys seminaari Kilta-sali, Helsinki Taija Sinkko

Ortogonaaliset matriisit, määritelmä 1

Ominaisarvo ja ominaisvektori

Tilastollisten aineistojen kerääminen ja mittaaminen. Tilastollisten aineistojen kerääminen ja mittaaminen

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

Metsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO METODOLOGIAN PERUSTEIDEN KERTAUSTA AINEISTO...

Matematiikka B2 - TUDI

IT-palvelupisteen palvelutason mittaaminen

ö ø Ilmaääneneristävyys [db] 60 6 mm Taajuus [Hz]

5 OMINAISARVOT JA OMINAISVEKTORIT

1 Ominaisarvot ja ominaisvektorit

Kuluttajahintaindeksi (KHI) Kuluttajahintaindeksi (KHI) Kysymys Miten mitata rahan arvon muutoksia?

Suhteellisia osuuksia ilmaistaessa käytetään prosenttilukujen ohella myös murtolukuja.

JHS 180 Paikkatiedon sisältöpalvelut Liite 4 INSPIRE-palvelujen laadun testaus

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt

1.1 Tyhjiön permittiivisyyden mittaaminen tasokondensaattorilla

EVTEK/ Antti Piironen & Pekka Valtonen 1/6 TM01S/ Elektroniikan komponentit ja järjestelmät Laboraatiot, Syksy 2003

Oikeat vastaukset: Tehtävän tarkkuus on kolme numeroa. Sulamiseen tarvittavat lämmöt sekä teräksen suurin mahdollinen luovutettu lämpö:

Opetusmateriaali. Tutkimustehtävien tekeminen

Paretoratkaisujen visualisointi. Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L

TIEMERKINTÖJEN PALUUHEIJASTAVUUSMITTAUKSET. MITTALAITTEIDEN VALIDOINTI JA VUODEN 2013 VERTAILULENKKI Tiemerkintäpäivät Jaakko Dietrich

Talousmatematiikan perusteet: Luento 14. Rajoittamaton optimointi Hessen matriisi Ominaisarvot Ääriarvon laadun tarkastelu

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

Tehtävään voi perinteisen arviointitavan tilalle ottaa käyttöön monipuolisemman matriisiarvioinnin tai arviointioppaan.

Moniulotteisia todennäköisyysjakaumia

Työ 21 Valon käyttäytyminen rajapinnoilla. Työvuoro 40 pari 1

Transkriptio:

Päätöksenteko ja analyyttinen hierarkiaprosessi, AHP 1. AHP ja päätöksenteko Kykymme mallintaa kompleksista ongelma- tai ilmiökokonaisuutta ovat rajalliset. Tämä näkyy selvästi, kun mitataan taloudellisia tekijöitä rahayksikköjen avulla, tuotteiden ominaisuuksia fysikaalisten mittausten avulla tai arvioidaan esimerkiksi tuotantoaikaa tai jonkin tapahtuman todennäköisyyttä. Ilmiöstä tai tapahtumasta tehdään malli sen mukaan, mitä tekijöitä voidaan mitata. Mallia voidaan yksinkertaistaa, jotta päättely helpottuu mutta samalla on vaarana jättää pois merkittäviä vaikuttavia tekijöitä. Yksinkertaistuksia tehdään usein erityisesti kvantitatiivisiin malleihin. Mallien tulisi kuitenkin sisältää ja mitata kaikki tärkeät mitattavissa ja ei-mitattavissa olevat sekä kvalitatiiviset tekijät. Ongelman rakenne voi olla yksinkertainen mutta monet tavoitteet vaikuttavat siihen samanaikaisesti ja ratkaisujen valinta vaikeutuu huomattavasti. Jos pitää saada aikaan sopimus järven vedenpinnan säätelyn ala- ja ylärajasta tai kunnan talousarvion säästökohteista, eri osapuolten samanaikaisille tavoitteille ei löydy vertailukelpoisia mittayksiköitä. Osatavoitteita on vaikea yhdistää kokonaistavoitteeksi. Päätökset perustuvat yleisimmin rahan yksiköihin. Useissa tapauksissa päätöksentekijä joutuu kuitenkin vertailemaan rahaa ja vaikeasti mitattavissa olevia tekijöitä toisiinsa. Vaihtoehtojen priorisointi voi olla erittäin vaikeaa, jos: - ongelman rakenne on monitahoinen, - ongelman analysointiin tarvitaan suuri määrä asiantuntijoita tai - panokset ovat korkeita. Tyypillinen ostajan ongelma, jossa tavoitteet ovat keskenään ristiriidassa, on valinta tuotteen hinnan ja laadun välillä. Jos jokaisella on hyvästä laadusta oma käsitys, voi laadun hinnoittelu olla mahdotonta ja hinta-laatu suhteen arviointi johtaa aina kompromissiin. 1 Päättäjä valitsee toimintavaihtoehtoja ja voi joutua ottamaan huomioon teknisiä, taloudellisia, ympäristönsuojelullisia ja käyttäytymistekijöitä. Päätökset on voitava perustella. Ongelmaa ei aina voi yksinkertaistaa. Sen sijaan se voidaan jäsentää osiksi ja selvittää järjestelmällisesti, miten osat vaikuttavat toisiinsa ja ongelmaan kokonaisuutena. Analyyttinen hierarkiaprosessi (AHP) on päätöksentekomenetelmä, jonka avulla saadaan malli jäsentymättömästä ongelmasta. AHP:n yksi perusajatus on, että järjestelmän rakennetta ja toimintoja ei voi erottaa toisistaan. Rakennetta ja toimintoja tarkastellaan samanaikaisesti. Ongelma jäsennetään osiensa rakenteena ja välisinä suhteina, jotka kuvataan hierarkioiden avulla. Menetelmässä voidaan erottaa seuraavat kolme vaihetta: 1. Jaetaan ongelma osiin ja kuvataan se hierarkian avulla 2. Arvioidaan kunkin hierarkiatason osia pareittain keskenään, mitataan vaihtoehtojen preferenssit ja lasketaan painoarvot 3. Lasketaan eri vaihtoehtojen paremmuusjärjestys 1 Lehtonen, M. 1999. Hannu Villanen www.prosessitaito.fi 7.4.2013 S. 1 / 6

2. Ongelman jäsentäminen hierarkiana Hierarkiaa käyttäen ongelma jäsennetään hallittavan kokoisiin osiin. Kuvassa 1 on esimerkki hierarkian rakenteesta. Aloitetaan siitä, mitkä ovat ongelman tai tehtävän päätöksen yleiset tavoitteet, jaetaan ongelma osiin ja kuvataan portaittain. Hierarkia voidaan rakentaa ylhäältä alas mutta myös alhaalta ylös. Hierarkian kullakin tasolla ovat keskenään vertailukelpoiset asiat. Alin taso muodostuu kriteereistä, joiden suhteen päätösvaihtoehtoja vertaillaan. PÄÄMÄÄRÄ 1. kriteeritaso 2. kriteeritaso Päätösvaihtoehdot Kuva 1. Tavoite - 1. kriteeritaso - 2. kriteeritaso - Päätösvaihtoehdot Hierarkiana esitetty järjestelmä kuvaa, miten prioriteetin muutos ylemmillä hierarkian tasoilla vaikuttaa alemman tason elementtien prioriteetteihin. Hierarkia tuottaa suuren määrän tietoa järjestelmän rakenteesta ja toiminnasta ja antaa käsityksen ylempien tasojen toimijoista ja heidän tarkoituksistaan. Hierarkiat ovat stabiileja ja joustavia. Stabiileja ne ovat siinä mielessä, että pienten muutosten vaikutukset ovat vähäisiä. Joustavia ne ovat siinä, että jos hyvin jäsenneltyyn hierarkiaan lisätään jotain, lisäys ei heikennä järjestelmän suorituskykyä. Ei ole olemassa mitään yleistä ohjeistoa siitä, miten tavoitteet, kriteerit ja toiminnot sisällytetään hierarkiaan. Kaikki riippuu siitä, mitä tavoitteita valitaan. Hierarkia rakennetaan haastattelujen, tietohakujen ja ideointipalaverien avulla. Olennaiset kysymykset ovat: 1) Miten jäsennämme järjestelmän toiminnot hierarkiaksi? 2) Miten mittaamme minkä tahansa järjestelmän osan vaikutusta hierarkiassa? Kuvassa 2 vertaillaan kuljetustoimintojen menetystekijöitä hierarkian avulla. 2 Kuljetusliikkeet asetetaan paremmuusjärjestykseen, kun ensin AHP:n avulla selvitetään, mitkä ovat vertailujen kriteerit ja niiden painoarvot. Kuvan 2 hierarkia käsittelee kuljetusten menestystekijöitä vain ylimmällä tasollaan. Normaalisti AHP:n alin taso käsittelee päätösvaihtoehtoja. Tässä päätösvaihtoehtojen tilalla on arvioita, joko numeraalisia tai verbaalisia. 2 Korpela, J. & Tuominen, M. 1994, mukailtuna. Hannu Villanen www.prosessitaito.fi 7.4.2013 S. 2 / 6

Mitkä ovat kuljetustoiminnan menestystekijät? PÄÄMÄÄRÄ Luotettavuus Joustavuus Toimitusaika Kustannustehokkuus Arvoa lisäävä toiminta Kuljetusten menestystekijät 99 % 97 99 95 97 93 95 < 93 % 1-3 d 4-6 d 7-9 d 10-12 d > 12 d < 5 d 5-8 d 9-12 d 13-15 d > 15 d Erinomainen Yli keskiarvon Keskiarvo Alle keskiarvon Hylätty Erinomainen Yli keskiarvon Keskiarvo Alle keskiarvon Hylätty Arviointi Kuva 2. Kuljetusliikkeiden menestystekijöiden vertailu. Eri henkilöt voivat esittää järjestelmän toiminnallisen rakenteen eri tavalla mutta ovat yleensä samaa mieltä alimman tason vaihtoehtoisista toimenpiteistä sekä niitä ylempänä olevista toimenpiteiden piirteistä (ominaisuuksista). 3. Parivertailut Hierarkian lisäksi pitää saada selville, millä intensiteetillä valitun hierarkiatason eri elementit vaikuttavat seuraavan tason elementteihin. Lopuksi päädytään siihen, miten alimman tason elementit vaikuttavat päätavoitteeseen. Otetaan esimerkkinä neljä päätösvaihtoehtoa: A, B, C ja D, joiden keskinäistä tärkeyttä (prioriteettia) koehenkilöt arvioivat. Arvioijat arvioivat vaihtoehtoja A, B, C ja D pareittain toisiinsa, kunnes kaikkia kohteita on verrattu pareittain toisiinsa seuraavan asteikon mukaisesti: 3 A ja B ovat yhtä tärkeitä 1 A on vähän tärkeämpi kuin B 3 A on jonkin verran tärkeämpi kuin B 5 A on huomattavasti tai erittäin paljon tärkeämpi kuin B 7 A on absoluuttisen tärkeä verrattuna siihen, mitä B 9 Arvioinnin tulokset täytetään (tässä tapauksessa) 4 x 4 taulukkoon. Jokainen elementti on itsensä kanssa tasaveroinen, joten vertailu itseensä saa automaattisesti arvon 1 (lävistäjä). Kohteen tärkeys A B C D A 1 5 6 7 B 1/5 1 4 6 C 1/6 ¼ 1 4 D 1/7 1/6 ¼ 1 3 Saaty, T. 1996. Hannu Villanen www.prosessitaito.fi 7.4.2013 S. 3 / 6

Taulukon yläkolmioon, lävistäjän yläpuolelle, täytetään arvioijien arviot sellaisinaan: esim. vaihtoehto A on huomattavasti tärkeämpi kuin C arvio 6 (harmaalla merkitty ruutu). Taulukon alakolmioon täytetään käänteisluvut yläkolmiosta. Muodostetaan taulukosta edelleen matriisi, jonka elementeille määritetään painoarvot. Käytetään ominaisvektorimenetelmää, jossa λ max on matriisin suurin reaalinen ominaisarvo. Painoarvojen summan on oltava = 1. Tästä syystä ratkaistu ominaisvektori on normalisoitava jakamalla painoarvot (w) summallaan, jotta voidaan täyttää ehto: n i= 1 wi = 1 Ominaisvektori normalisoidaan, joka tekee vektorin elementeistä toisistaan riippuvia. Esimerkin matriisin elementeille saatiin seuraavat painoarvot: A B C D Rivin alkioiden tulo siitä neljäs juuri Normalisoitu painoarvo A 1 5 6 7 210,000 3,807 0,614 B 0,2 1 4 6 4,800 1,480 0,239 C 0,167 0,25 1 4 0,167 0,639 0,103 D 0,143 0,167 0,25 1 0,006 0,278 0,045 6,204 1,000 Päätösvaihtoehdoista tärkeimmäksi saatiin A (painoarvo 0,614) ja vähiten tärkeäksi D (painoarvo 0,045). Painoarvoja voidaan käyttää tämän jälkeen vaihtoehtojen vertailussa kuten missä tahansa muussa painoarvoihin perustuvassa vertailussa, vaikkapa pisteytyksen tulosten painotukseen. Menetelmästä tekee (pelkkään intuitioon tai neuvotteluun verrattuna) ylivoimaisen se, että kaikki vaihtoehdot on verrattu samaa asteikkoa käyttäen toisiinsa. Vaihtoehtojen tärkeyksillä pelaaminen on tämän menetelmän käyttäjille erittäin vaikeaa. 4. Vertailujen yhdenmukaisuus Parivertailun pitää olla yhdenmukainen (consistent). Yhdenmukaisuus, konsistenssi, määritetään seuraavasti: jos A on kolme kertaa hallitsevampi ominaisuus kuin B ja vastaavasti B on kaksi kertaa hallitsevampi kuin C, niin A on kuusi kertaa hallitsevampi kuin C. Tällöin konsistenssi on täydellinen. Arvioiden yhdenmukaisuus lasketaan kaavalla, jossa otetaan huomioon matriisin suurin ominaisarvo ja matriisin koko: λ max n CI = n 1 Tulos jaetaan edelleen satunnaisluvuilla generoidusta käänteislukumatriisista lasketulla ns. satunnaisindeksillä (RI, Random Index). Saadaan konsistenssisuhde (Consistency Ratio, CR), jonka hyväksyttävänä arvona pidetään 0.10 tai vähemmän. Edellisen luvun esimerkin konsistenssisuhteen arvoksi saadaan CR = -0.071. Vertailut ovat siis yhdenmukaiset ja johdonmukaiset. Hannu Villanen www.prosessitaito.fi 7.4.2013 S. 4 / 6

5. Mittaaminen parivertailun avulla Arviointiin perustuvaa mittaamista voidaan havainnollistaa yksinkertaisella esimerkillä: tehtävänä on arvioida kappaleiden suhteelliset massat joukosta koekappaleita ilman mittalaitetta. Vaihtoehdot ovat: a) Arvioidaan kunkin kappaleen massa suoraan mittayksikköinä, esimerkiksi nostamalla sitä. Käytetään kevyintä kappaletta vertailumittana. b) Arvioidaan koko kappalejoukko yhdessä ja jaetaan arvioitu kokonaismassa jokaisen yksittäisen kappaleen kesken. c) Verrataan kappaleita pareittain, kunnes on saatu käsitys kappaleiden keskinäisestä järjestyksestä ja suhteellisesta massasta. Jos tuloksia ei voida varmistaa mitta-asteikkoa käyttäen, parivertailu tuo etua. Parivertailussa on enemmän prosessivaiheita ja ne ovat yksinkertaisempia kuin, jos arvioitavien kohteiden arvot arvataan kukin erikseen. Ihmisen tekemien arviointien hajonnat ovat usein merkittävän suuria. Arviointien yhdenmukaisuus, konsistenssi, ei ole itsestään selvää, koska jokaiseen mittaukseen sisältyy koejärjestelyiden ja mittalaitteiden virhetekijöitä. Konsistenssin puute voi olla vakavaa esimerkiksi lääkkeiden tai kemikaalien valmistuksessa. Kaikissa prosesseissa ei tarvita täydellistä konsistenssia. Kun mittalaitteella mitataan jotakin fysikaalista suuretta (massa, pituus, jne.), voidaan tavallisesti päättää suureesta, joka säilyy samana ajasta ja paikasta riippumatta. Mittausväline asetetaan mittaamaan tätä pysyvää suuretta. Paljon tätä vaikeampaa on kehittää instrumentti, joka muuntaa asteikkoaan ympäristöolojen mukaan ennen kuin saadaan mittaustulos. Esimerkiksi ihmisten käyttäytymisessä mitattava tekijä voi vaihdella ajan ja paikan lisäksi myös siinä, että mitattavan tekijän merkitys muuttuu suhteessa muihin tekijöihin. Ilmiöitä on vaikea toistaa. Käyttäytyminenkin voi muuttua, jos pyritään liian valvottuihin mittausoloihin. Arviointien ongelmat voidaan kiteyttää seuraavasti: 1) Dimensiot tai ominaisuudet vaihtelevat ajan ja paikan sekä kontekstin mukaan. Mittausinstrumentin asteikkoa on voitava säätää vaihtelevien ympäristöolojen mukaisesti. 2) Jos dimensiot tai ominaisuudet vaihtelevat, vaikuttaa se järjestelmän ylempiin hierarkiatasoihin. Suurelle osalle ongelmia voidaan määrittää yleisiä mitattavia ominaisuuksia, jotka pysyvät samoina riittävän kauan, s.o. kokeen keston ajan. Mittojen invarianssia, muuttumattomuutta, voidaan tutkia järjestämällä hierarkia toisella tavalla. 3) Mittaukseen osallistuville henkilöille pitää järjestää oikeanlaiset olot jäsentää ongelmia ja tuottaa arvioinnit. Ihmiset eivät usein ole arvioinneissaan yhdenmukaisia mutta prioriteetit on saatava selville ja asiat tehdyiksi puutteellisesta yhdenmukaisuudesta huolimatta. Jos henkilöt eivät tunne arvioitavaa asiaa, mitkään arviointien skaalaustavat eivät saa eri koejärjestelyjä erottumaan toisistaan tulosten suhteen. Jos henkilöt tuntevat arvioitavaa asiaa edes jotenkin ja haluavat mitata sitä, on systemaattinen parivertailu ylivoimainen menetelmä. Edelleen, jos henkilö jo tuntee vastauksen eikä tarvitse arviointiskaalaa, voidaan hänen asiantuntemustaan käyttää asiaa muiden henkilöiden arviointituloksen tarkistamiseen. 4 4 Saaty, T. 1996, suurimman ominaisarvovektorin menetelmän vertailusta muihin menetelmiin. Hannu Villanen www.prosessitaito.fi 7.4.2013 S. 5 / 6

6. Menetelmän käytöstä AHP:n päävaikutuksena on, että painoarvojen määrittäminen itsessään auttaa ymmärtämään paremmin käsiteltävää ongelmaa. Vertailukriteerien tärkeys noudattaa AHP:ssa yksinkertaisia talouden lakeja: mitä harvinaisempi jokin kriteeri vaihtoehtojen joukossa on, sitä suurempi on sen kysyntä ja lopullinen painoarvo. Kun hierarkiaan lisätään vaihtoehtoja, muuttuvat myös kriteerien tarjonta, mahdollisesti painoarvot ja paremmuusjärjestys. AHP:ssa vaihtoehtojen tai kriteerien vertailut ovat siis kiinteästi yhteydessä koko vaihtoehtojen ja kriteerien joukkoon. Jos vaihtoehtojen ja kriteerien joukkoa muutetaan, täytyy myös vertailut uusia. 5 Sovelluksissa oletetaan, että päätösvaihtoehdoilla ei ole vaikutusta siihen, miten kriteerejä verrataan toisiinsa. Vaikka vertailukysymykset eivät ota esille päätösvaihtoehtoja, riippuvuus näkyy eräissä tilanteissa: kun vertaillaan laitteen hankintahinnan ja ylläpitokustannusten tärkeyttä, mielekkään vastauksen voi antaa vasta, jos tuntee vaihtoehtojen hankinnan ja ylläpidon kustannustason. 6 AHP toimii, paitsi siinä, että auttaa ymmärtämään ja jäsentämään ongelmaa, myös työkaluna hallita systemaattisesti ryhmän kanssakäymistä ja ryhmässä tehtävää päätöksentekoa. Ryhmätyön kannalta AHP:n etuina ovat: 7 mukaan voidaan ottaa mitattavat, vaikeasti määritettävät, yksilölliset ja ryhmän arvot, ryhmän keskustelu voidaan keskittää tavoitteisiin vaihtoehtojen sijasta, keskustelu voidaan jäsentää ja ottaa huomioon relevantit, päätöksiin vaikuttavat tekijät ja keskustelu jatkuu jäsentelynä, kunnes ryhmän jokaisen jäsenen kaikki asiaan kuuluva informaatio on otettu huomioon ja on saavutettu konsensus päätösvaihtoehdoista. AHP eroaa muista päätösanalyysimenetelmistä siinä, että se ei vaadi päätöksentekijää tekemään numeerisia arvauksia. Myös subjektiiviset arviot voidaan ottaa mukaan prosessiin ja arviot voidaan tehdä verbaalisina. AHP on operaatiotutkimuksen osa-alue, jonka menetelmät on tarkoitettu avustamaan päätöksentekijöitä vaikeiden päätösongelmien ratkaisemisessa. Päätösanalyysin menetelmiä käytetään erityisesti tilanteissa, joissa päätöksenteko-ongelma on kompleksinen ja ongelman ratkaisuun liittyvät useat samanaikaiset tavoitteet. Kirjallisuutta: - Saaty, T. 1996. The Analytic Hierarchy Process. RWS Publications. Pittsburgh. 287 p. - Korpela, J., Tuominen, M. 1994. Benchmarking logistics performance with an application of the analytic hierarchy process. Lappeenranta University of Technology. Research Report 76. Lappeenranta. 21 s. - Lehtonen, M. 1999. Preferenssien epävarmuusanalyysi AHP-päätösmalleissa. Diplomityö. TKK. Espoo. 82 s. 5 Lehtonen, M. 1999. 6 Perustuen lähteeseen: Watson & Freeling 1983. Assessing Attribute Weights. Omega, 10, 582 585. 7 Korpela, J. & Tuominen, M. 1994. Hannu Villanen www.prosessitaito.fi 7.4.2013 S. 6 / 6