The Analytic NetworkProcess - Analityczny Proces Sieciowy

Proces sieci analitycznej (ANP) jest najbardziej kompleksowym narzędziem do analizy decyzji publicznych, rządowych i korporacyjnych. Pozwala decydentowi na uwzględnienie wszystkich czynników oraz kryteriów materialnych lub niematerialnych, które mają znaczący wpływ na podjęcie najlepszej decyzji. ANP umożliwia zarówno interakcję, jak i sprzężenie zwrotne w ramach klastrów elementów (zależność wewnętrzna) i między klastrami (zależność zewnętrzna). Takie informacje zwrotne najlepiej oddają złożone skutki wzajemnych oddziaływań w społeczeństwie ludzkim, szczególnie w przypadku ryzyka i niepewności. 

Elementy w klastrze mogą wpływać na inne elementy w tym samym klastrze i te w innych klastrach w odniesieniu do każdej z kilku właściwości. Głównym celem jest określenie ogólnego wpływu wszystkich elementów. W takim przypadku należy przede wszystkim zorganizować właściwości lub kryteria i nadać im priorytet w ramach hierarchii i kontroli. Następnie należy przeprowadzić porównania i zsyntetyzować, aby uzyskać priorytety tych właściwości. Dodatkowo należy wywierać wpływ elementów w systemie sprzężenia zwrotnego na każdą z tych właściwości. Wreszcie, uzyskane wpływy muszą być ważone przez ważność właściwości i dodane, aby uzyskać ogólny wpływ każdego elementu. Tylko przy założeniu braku sprzężenia zwrotnego, wyniki w różnych systemach pomiarowych są takie same.

Dzięki informacjom zwrotnym, alternatywy mogą zależeć od kryteriów jak w hierarchii, ale mogą również zależeć od siebie nawzajem, a ponadto same kryteria mogą zależeć od alternatyw i od siebie nawzajem. Informacja zwrotna poprawia również priorytety wynikające z osądów i sprawia, że przewidywanie jest o wiele bardziej dokładne. W rzeczywistości ANP składa się z kombinacji dwóch części. Pierwsza obejmuje hierarchię kontroli kryteriów i pod-kryteriów kontrolujących interakcje. Druga, to hierarchia wpływów między elementami  klastrami. Ogólne priorytety alternatyw w odniesieniu do każdego z nich są następnie łączone przez formowanie wskaźników w celu uzyskania ostatecznych ogólnych priorytetów dla podejmowania decyzji.

Krok 1: Szczegółowo opisz hierarchie kontroli, w tym ich kryteria porównywania komponentów systemu i ich pod-kryteria porównywania elementów systemu

Krok 2: Określ hierarchię lub sieć klastrów (lub komponentów) i ich elementów. Aby lepiej zorganizować rozwój modelu, numeruj i rozmieszczaj klastry oraz ich elementy w wygodny sposób (być może w kolumnie). Użyj identycznej etykiety, aby reprezentować ten sam klaster i te same elementy dla wszystkich kryteriów kontroli.

Krok 3: Dla każdego kryterium lub pod-kryterium kontroli, określ klastry ogólnego systemu informacji zwrotnej z ich elementami i połącz je zgodnie z ich zewnętrznym i wewnętrznym wpływem zależności. Z klastra rysowana jest strzałka do dowolnego klastra, którego elementy na niego wpływają.

Krok 4: Określ podejście, które chcesz zastosować w analizie każdego klastra lub elementu, wpływając na preferowane podejście innych klastrów i elementów w odniesieniu do kryterium lub bycia pod wpływem innych klastrów i elementów. Poczucie wywierania wpływu lub wywierania wpływu musi dotyczyć wszystkich kryteriów czterech hierarchii kontroli dla całej decyzji.

Krok 5: Dla każdego kryterium kontroli skonstruuj super macierz, układając klastry w kolejności, w jakiej są numerowane, i wszystkie elementy w każdej grupie zarówno pionowo po lewej, jak i poziomo u góry. Wprowadź w odpowiedniej pozycji priorytety wyprowadzone ze sparowanych porównań jako pod-kolumny odpowiedniej kolumny super macierzy.

Krok 6: Wykonaj sparowane porównania elementów w samych klastrach, zgodnie z ich wpływem na każdy element w innym klastrze, z którym są połączone do (zewnętrzna zależność) lub od elementów w ich własnym klastrze (wewnętrzna zależność). Porównania są dokonywane w odniesieniu do kryterium kontrolnego lub pod-kryterium hierarchii kontroli.

Krok 7: Wykonaj porównania w parach w klastrach, ponieważ wpływają one na każdy klaster, z którym są związane w odniesieniu do danego kryterium kontroli. Pochodne wagi są później używane do ważenia elementów odpowiadających klastrom kolumn super macierzy, a następnie odpowiadających kryterium kontroli. Przypisz zero, gdy nie ma wpływu. W ten sposób uzyskaj stochastyczną super macierz kolumny.

Krok 8: Oblicz graniczne priorytety super-macierzy stochastycznej w zależności od tego, czy jest ona nieredukowalna (prymitywna czy nieprymitywna), czy też jest redukowalna, ponieważ jeden jest prostym lub wielokrotnym pierwiastkiem i czy układ jest cykliczny, czy nie. Możliwe są dwa rodzaje wyników. W pierwszym, wszystkie kolumny macierzy są identyczne i każda z nich podaje względne priorytety elementów, z których priorytety elementów w każdej grupie są znormalizowane do jednego. W drugim, cykle graniczne w blokach i różne limity są sumowane i uśredniane i ponownie znormalizowane do jednego dla każdego skupienia. Mimo że wektory priorytetowe są wprowadzane do super macierzy w postaci znormalizowanej, priorytety limitów są wprowadzane w formie idealizowanej, ponieważ kryteria kontrolne nie zależą od alternatyw.

Krok 9: Dokonaj syntetyzowania limitów priorytetowych przez ważenie każdego wyidealizowanego wektora limitu wagą kryterium kontroli i dodanie powstałych wektorów dla każdej z zalet.

Krok 10: Wykonaj analizę wrażliwości na końcowy wynik i zinterpretuj wyniki obserwacji oraz wrażliwości.