ТЕХНИЧЕСКИ УНИВЕРСИТЕТ – СОФИЯ

ИНЖЕНЕРНО-ПЕДАГОГИЧЕСКИ ФАКУЛТЕТ

Катедра: „Педагогика и мениджмънт“

Маг. Геновева Евгениева Шмидтманн

РАЗРАБОТВАНЕ НА ДИНАМИЧЕН МНОГОКРИТЕРИАЛЕН МОДЕЛ ЗА ОЦЕНКА НА

ПРОМИШЛЕНА ПРОДУКЦИЯ И УСЛУГИ

А В Т О Р Е Ф Е Р А Т на дисертация за придобиване на образователна и научна степен

"ДОКТОР"

Област: 3. Социални, стопански и правни науки

Професионално направление: 3.7. Администрация и управление

Научна специалност: Икономика и управление (индустрия)

Научни ръководители:

1. Доц. д-р Йорданка Чобанова

2. Проф. д.т.н. инж. Станимир Карапетков

СЛИВЕН, 2019 г.

2

Дисертационният труд е обсъден и насочен за защита от Катедрения съвет на

катедра „Педагогика и мениджмънт“ към Инженерно-педагогически Факултет

- Сливен на ТУ-София на редовно заседание, проведено на 27.06.2019 г.

Публичната защита на дисертационния труд ще се състои на 28.10.2019 г.

oт 14,00 часа в зала 1207 на ИПФ - Сливен на Технически университет – София

на открито заседание на научното жури, определено със заповед № ОЖ-3.7-

30/ 15.07.2019 г. на Ректора на ТУ-София в състав:

1. Проф. д-р Братой Георгиев Копринаров– председател

2. Проф. д-р Анета Георгиева Денева – научен секретар

3. Проф. д.ик.н. Нено Павлов Ненов

4. Проф. д-р Йордан Иванов Василев

5. Доц. д-р Искра Маринова Пантелеева

Рецензенти:

1. Проф. д-р Братой Георгиев Копринаров

2. Проф. д-р Анета Георгиева Денева

Материалите по защитата са на разположение на интересуващите се в

канцеларията на Инженерно – педагогически факултет – Сливен на ТУ-София,

кабинет № 1315.

Дисертантът е докторант на свободна форма на обучение към катедра

„Педагогика и мениджмънт“ на Инженерно – педагогически факултет –

Сливен. Изследванията по дисертационната разработка са направени от

автора, като преобладаващата част от резултатите са публикувани.

Автор: маг. Автор: маг. Геновева Евгениева Шмидтманн

Заглавие: Разработване на динамичен многокритериален модел за оценка

на промишлена продукция и услуги

Тираж: 30 броя

Отпечатано в „Агенция КОМПАС“ ООД - Сливен

3

I. ОБЩА ХАРАКТЕРИСТИКА НА ДИСЕРТАЦИОННИЯ ТРУД

Актуалност на проблема

Сложният характер на проблемите в съвременната пазарна икономика

води до нови трудности при вземане на решения. Взаимната зависимост на

решенията, взети от производител и потребител е увеличена от нарастващия

брой фактори и критерии, които отчитат въздействието на околната среда,

конкуренцията на световния пазар, социалната отговорност и други. Така

проблемът изисква съблюдаване на много аспекти при вземане на решение. В

повечето случаи решенията се вземат не само от едно лице и за определен

период от време. На стратегическо и тактическо ниво на управление се вземат

решения, които не са статични по природа, а обхващат няколко периода от

време. Разглеждането на няколко периода е продиктувано от динамизацията

на пазарите, промените в рамковите условия и развитието на бъдещите

екологични условия.

Необходимостта да се динамизира процеса на вземане на решения (ПВР)

е подчертано от няколко фактора, едни от които са постоянната промяна на

пазарните и законодателни условия. Освен това, за успешното реализиране на

продуктите е необходимо да се съблюдават не само целите на самия

производител, а и желанията и предпочитанията на клиентите, които се

променят в течение на времето. По тази причина производителите са

изправени пред предизвикателството да плануват така продуктовото

портфолио, че да задоволят не само настоящите, но и бъдещите желания на

клиента. Допълнително влияние оказват правните и политически условия,

които индиректно влияят върху планирането на продуктовото портфолио.

Това доказва, че взетото решение в настоящия момент е свързано с

дългосрочни последици. Следователно, производителите се сблъскват с

въпроса кои технологии трябва да бъдат разработени, които да отговарят не

само на настоящите екологични, икономически, технически и социални

условия, но и да са актуални в по-дълъг бъдещ период от време.

За вземане на решения, които изискват оптимизация по отношение на

множество цели, се използват многокритериални методи за вземане на

решения MCDM (Multi-Criteria Decision Making), които принадлежат на

Теорията за вземане на решения. С използване на MCDM е свързано

съставянето на структуриран Процес за Вземане на Решения (ПВР), в който се

разглеждат всички компоненти свързани с вземането на решения (цели,

алтернативи, критерии и др.). Такова изграждане на ПВР подпомага лицето

вземащо решение (ЛВР) да изрази и уточни своите предпочитания свързани с

даден проблем и да избере това решение, което най-добре отговаря на неговите

предпочитания.

Разпространен метод за решаване на проблеми с многокритериален

характер е методът PROMETHEE. Свойствата на метода PROMETHEE да

осъществява сравняване на двойка алтернативи, специфичните функции на

4

предпочитанията и процедурата за моделиране на ПВР са подходящи за

интегриране на фактора „време“. Така се постига едно динамично изследване

на ПВР, като се отчитат промените в предпочитанията с течение на времето,

което отличава разработения метод от разпространените статичните методи за

ВР.

Всичко това подчертава актуалността на проблема в пазарната икономика

и възможността за неговото решение.

Цел на дисертационния труд, основни задачи и методи за изследване

Обект на изследванията са продукти от промишленото производство и

сферата на услугите (автомобилната промишленост).

Основна цел на изследването е да се създаде и реализира динамичен модел

на многокритериалния анализ на процеса на вземане на решения за оценка на

продуктовото портфолио в промишлената индустрия и сферата на услугите.

Основни нерешени проблеми:

В съществуващите модели факторът "време" се интегрира само в

отделни елементи на ПВР. В едни от тях се интегрира фактора „време“ чрез

отчитане на промените в околната среда, където предпочитанията на лицата

вземащи решения (ЛВР) остават постоянни. В други се отчитат промените в

предпочитанията на ЛВР в определени периоди без да се отчита бъдещото

развитие в свойствата (критериите) на алтернативите.

Липсват модели, които едновременно да отчитат фактора „време “ във

всички компоненти на ПВР – промените в околната среда и променящите се

във времето предпочитания на ЛВР и на субективните предпочитания на

стейкхолдерите.

Основни задачи:

Да се интегрира фактора „време“ в предпочитанията на лицето вземащо

решения (ЛВР) и на стейкхолдерите.

Да се съставят матрици за вземане на решения (МВР) от гледна точка

на ЛВР за всеки период от време и да се отразят промените във времето.

Да се създадат индивидуални МВР, отчитащи субективните

предпочитания на стейкхолдерите.

Да се създаде динамичен алгоритъм на метод от MADM.

Да се интегрира кохортния анализ, отчитащ елементите „възраст“,

„период“ и „кохорта“ в динамичния алгоритъм на метод от MADM.

Да се създаде модел за обобщаване на резултатите на всички

стейкхолдери.

Да се разработи адекватен модел за анализ на чувствителността.

5

Да се създаде и реализира компютърна програма на динамичния

многокритериален модел на процеса на вземане на решения (ПВР).

Да се провери практическата приложимост на динамичния

многокритериален модел на ПВР на пример от автомобилната

промишленост.

Да се опишат възможностите и предизвикателствата, свързани с

разработения модел.

Научна новост

Създаден е динамичен многокритериален модел на процеса на вземане

на решения в който са предложени следните нови алгоритми и методики:

1. Разработен е подход за интегриране на променливи във времето

предпочитания в ПВР.

2. Създадени са множество матрици за вземане на решения, които

съдържат различен брой алтернативи и критерии в зависимост от периода.

Субективните предпочитания на заинтересованите страни за всеки период са

представени чрез матрица на тежестите на критериите.

3. Интегрирано е стандартното табло на кохортния анализ в метод

PROMETHEE чрез трите елемента възраст-период-кохорта.

4. Определен е потенциалът на търсене с използване на функция на

потенциала на търсене на алтернативата получена от решението. Резултатът е

анализиран с модифициран анализ на чувствителността.

Практическа приложимост

Динамичният многокритериален модел на ПВР е приложим за решения

на проблеми с дългосрочен характер. Особено значение има при

стратегическото планиране на компаниите, при планиране на продуктовото

портфолио в дългосрочен план, където се отчитат променящите се рамкови

условия и променящи се предпочитания на клиентите. Динамичният

многокритериален модел може да бъде приложен и на пазари, които предлагат

дълготрайни активи и продукти, където клиентите имат разнородно поведение

при вземане на решение.

Разработената компютърна програма позволява да се определи продукта

с най-висок потенциал на търсене, като отчита предпочитанията на всички

заинтересовани лица и дава възможност за получаване на тенденциите за

успешно позициониране на продукта на пазара. Проведено е изследване с

динамичния многокритериален модел на ПВР за решаване на проблем от

автомобилната индустрия. Моделът е приложен за оценка на различни марки

автомобили с цел идентифициране на тези марки, които от гледна точка на

6

предпочитанията на клиентите са най-атрактивни. На базата на резултатите е

направена препоръка към производителя за отчитането им при плануване на

продуктовото портфолио в дългосрочен план.

Апробация

1. Entwicklung eines multikriteriellen Analysemodells für Mobilitätskonzepte,

Workshop der GOR-Arbeitsgruppen "Entscheidungstheorie und Praxis" &

"Wirtschaftsinformatik", 30. März bis 01.April 2011, Хамбург, Германия.

2. Using PROMETHEE for decision support in the extension of low voltage grid

systems in Germany, International MCDA Workshop on PROMETHEE:

Research and Case Studies, 22.01.2014, Брюксел, Белгия.

3. Entwicklung eines multikriteriellen Analysemodells für Fahrzeugkonzepte, 16.

Doktorandenworkshop Nordost, 22-24.5.2014, Клаустал/Целерфелд,

Германия.

4. На катедрен съвет на катедра „Педагогика и мениджмънт“ към ИПФ -

Сливен на ТУ-София, юни 2018, Сливен.

Публикации

Основни постижения и резултати от дисертационния труд са публикувани

в 6 бр. научни статии, от които 2 бр. в Scopus, 4 с IF. Общ брой точки по

минималните изисквания- 37,2.

Структура и обем на дисертационния труд

Дисертационният труд е в обем от 189 страници, като включва увод, 4 глави

за решаване на формулираните основни задачи, списък на основните приноси,

списък на публикациите по дисертацията и използвана литература. Цитирани

са общо 210 литературни източници, като 204 са на латиница и 6 на кирилица.

Работата включва общо 31 фигури и 19 таблици. Номерата на фигурите и

таблиците в автореферата съответстват на тези в дисертационния труд.

7

II. СЪДЪРЖАНИЕ НА ДИСЕРТАЦИОННИЯ ТРУД

ГЛАВА 1. ЛИТЕРАТУРЕН ОБЗОР

Съвременното динамично развитие на много области в социалната и

икономическа сфера налага все по-задълбочено прилагане на Теорията за

вземане на решения (ТВР). Тя е основна част от процеса на управление и има

отговорната задача за избор на най-ефективно решение.

Процесът на вземане на решение (ПВР) представлява комплекс от

методи и модели за вземане на решения. Този процес притежава итеративен

характер и може да бъде дефиниран като една комплексна система която е

подложена на динамични въздействия, произтичащи от околната среда. В

много области изникват ситуации и проблеми, при които трябва да се отчитат

противоречиви и не съвпадащи интереси и се изисква анализ на

многокритериални задачи. За решението им най-често се използват методите

за многокритериално вземане на решения.

В теорията за вземане на решения, която включва методи за

многокритериално подпомагане при вземане на решения, се приема, че

вземащият решения действа като рационално действащ индивид. От това

следва предположението за валидност на принципа за транзитивност.

Съществуват обаче много фактори, които могат да доведат до нарушаване на

този принцип, и по този начин да доведат до развитието на нетранзитивност

(Huber 1977). Пример за това са така наречените прагове на различие. Ако

между алтернативите се надхвърли една определена разлика, това може да

повлияе на преценката на вземащия решение. Ако решението е свързано с

прекомерни разходи и ЛВР иска да избегне тези разходи, той може да промени

предпочитанията си спрямо алтернативите.

Друг важен аспект, който води до нарушаване на принципа на

транзитивност, са промените в течение на времето по време на процеса на

вземане на решения. Необходимостта да се разгледа „времето“ като съществен

фактор при вземане на решение се обяснява с факта, че много решения (като

позициониране на нови продукти или състав на продуктово портфолио) са

обект на динамични и сложни промени с течение на времето. Могат да бъдат

посочени следните причини: динамично протичащи промени в рамковите

условия, които имат директно влияние върху процеса на вземане на решения;

технически прогрес, който подобрява, съответно оптимизира качествата на

алтернативите във времето; променящите се потребности на заинтересованите

страни (ЛВР и стейкхолдърите), които водят също до промени в техните

предпочитания.

Тези причини, независимо дали се появяват едновременно или

поотделно, могат да окажат силно влияние върху процеса на вземане на

решение и резултатите от този процес не могат да бъдат повлияни от ЛВР.

Това доказва необходимостта от интегриране на „времето“ в ПВР, което го

прави динамичен и гъвкав.

8

В литературните източници динамизацията на ПВР се осъществява с

отчитане на промените само на отделни елементи на ПВР. От направеното

литературно изследване може да се посочат следните подходи за

динамизиране на ПВР:

- подходи, отчитащи промените в околната среда под формата на

планиране на сценарии (van der Heijden (2010); Gausemeier et al. (1998);

Goodwin and Wright (2001); Stewart (2005); Stewart et al. (2013); Snowden

(2003)).

- подходи, отчитащи промените в предпочитанията на ЛВР чрез

„вектори на претегляне“ и чрез „тежести“ (Montibeller et al. (2006); Karvetski et

al. (2009); Ram et al. (2011); Ram и Montibeller (2013)); чрез „линейни функции“

(Stewart et al. (2013); Goodwin и Wright (2001); Cairns et al. (2016)).

- Campanella и Ribeiro (2011) предлагат динамичен многокритериален

модел за вземане на решения, в който са комбинирани исторически данни с

актуални данни, но не се отчитат бъдещи периоди.

- В Oberschmidt (2010) се предлага интегриране на „времето“ под

формата на променливи предпочитания във времето в метод PROMETHEE.

Предпочитанията се описват в зависимост от стадиите на развитие на

алтернативите (различните технологии), чиито свойства не се променят в

периодите. За изобразяване на предпочитанията се прилага, вместо вектор,

една матрица на претеглянията, която съдържа различни тежести.

Литературната справка показва необходимостта от разработване на нов

подход за интегриране на фактора „време“, който да отчете едновременно

промените във всички елементи на ПВР. Такова синхронно отчитане на

промените в матриците за вземане на решения и променливите предпочитания

на ЛВР има особено значение поради решаващата взаимовръзка на всички

елементи на ПВР. Пренебрегването на тази взаимовръзка води до деформация

на ПВР и следователно до грешни решения.

В резултат на извършения литературен обзор е формулирана и

основната цел на дисертационния труд.

ГЛАВА 2. ПОДХОДИ ЗА СЕГМЕНТИРАНЕ КАТО МЕТОДИ ЗА

ОБОБЩЕНА ИЛЮСТРАЦИЯ НА ПРЕДПОЧИТАНИЯТА

За отчитане на предпочитанията на всички заинтересовани лица е

необходимо прилагането на „пазарното сегментиране“. Под понятието

„пазарно сегментиране” се разбира разделянето на един хетерогенен пазар на

много хомогенни частични пазари.

Класификацията на пазарното сегментиране по избрани критерии е

следното: продуктово сегментиране – по критерий, свързани с продукта;

потребителско сегментиране – по критерии, свързани с клиентите;

поведенческо сегментиране – по критерии, свързани с ползата от продукта.

Продуктово сегментиране - обект на сегментирането е самият продукт.

Например, традиционното диференциране на автомобилния пазар се

ориентира към разпределяне на автомобилите на автомобилни класове

9

(Niederländer 2000). В зависимост от избраните критерии за сегментиране

автомобилите могат да бъдат разпределени в сегменти по икономически

параметри или сегменти по техническите им характеристики (Pischke 2011).

Потребителско сегментиране - обект на диференциацията е клиентът.

Критериите за сегментиране на клиентите са демографски, психографски и

поведенчески.

Демографските критерии са класическата форма на сегментиране на

пазара (Becker 2013). Демографското сегментиране подразделя клиентите в

хомогенни групи в зависимост от пол, възраст, семейното положение,

големина на домакинството, ниво на образование и по доходи. Проведените

изследвания на поведението на отделните индивиди доказват, че жените и

мъжете вземат различни решения за покупката на един продукт (Halfmann

2014). При критерия възраст се наблюдава корелация между поведението на

клиента и неговата възраст (Reitz 2004). Критериите семейното положение и

големина на домакинството се наблюдават в модела „жизнен цикъл на

семейството“ създаден от авторите Wells и Guber (1966). Основна теза на този

модел е, че голяма част от индивидите изминават в своя живот различни

семейни фази.

Нивото на образование спада към социално-икономическите

демографски критерии и е свързано с количеството, качеството и начин на

събиране на информация. Доказано е, че клиентите с по-високо ниво на

образование, се информират по-подробно (Diez 2015). Друг социално-

икономически критерий е доходът, който служи като индикатор на

покупателната способност на клиентите за съответния сегмент. Независимо от добрите характеристики на демографското сегментиране,

с този вид сегментиране не е възможно да се опише конкретно и ясно

поведението на индивидите. Тази описателна функция притежава

психографското сегментиране, което взема под внимание личностните

качества като възприятия, мотиви и ценности на клиентите (Lippold 2015).

Психографското сегментиране отчита факта, че мисленето и

поведението на потребителя оказват значително влияние върху отношението

му към различните продукти и служат като индикатор за действителното

поведение в процеса на покупка (Linxweiler 2004). В литературата се използва

така нареченото сегментиране в зависимост от начина на живот („lifestylе“

сегментиране). Моделите за сегментиране в зависимост от начина на живот

(lifestylе сегментиране) се използват, за да се извърши многодименсионен

анализ на потребителите и клиентите (Förster 2009). Недостатъкът на lifestylе

сегментирането е, че събирането и оценката на входящите данни е свързано с

голямо усилие.

Други критерии на сегментиране могат да бъдат честотата и интензивността

на купуване като: купувач, купуващ малко, или купуващ много (Freter 2008).

Сегментиране, свързано с очакваната полза от продукта се нарича

поведенческо сегментиране или Benefit сегментиране (Becker 2013).

10

Клиентите се различават по подхода на вземане на решение и тези

различия влияят върху резултатите на взетото решение (Канев 2016;

Карастоянов 2017).

Очакванията на клиента за ползата от даден продукт отразяват до каква

степен качествата на даден продукт отговарят на предпочитанията на клиента

(Wind 1978). Основата, върху която се гради това сегментиране са

субективните предпочитания на клиентите, които описват бинарната релация

между два продукта (предпочитанието на един продукт пред друг) (Horn 1995).

В литературните източници се посочва, че времето е характеристика на

динамиката на процеса. Динамизирането на сегментирането се осъществява

чрез отчитане на промените в течение на времето на продукта и на клиентите.

Авторите на разработката Dichtl et al. (1980) динамизират многодименсионни

пазарни модели, като създават комплексни, зависими от времето функции за

отделните свойства на продуктите. Като резултат са получени насоки за

развитие на отделните продуктови сегменти. Друг подход, който се използва

за анализ на промените в поведението на търсене на клиента (Horn 1995) е

кохортният анализ. Този метод се счита за най-подходящ метод за

изобразяване на променливите във времето предпочитания на индивидите.

Под кохортен анализ се разбира „Наблюдаване на една общност от

индивиди с течение на времето“ (Hüttner 1973). За да се отрази по-добре

случващото се с течение на времето, кохортният анализ включва три елементи:

възраст, период и кохорта.

Елементът „възраст“ се приема като общо понятие за биологичната

възраст, в която се намират отделните индивиди и отразява промените, които

се появяват във връзка с процесите на естественото стареене и процеса на

съзряване (Holtz 2010).

Елементът “период“ описва период от време, в рамките на който се

наблюдават промени в околната среда. Тези промени влияят на индивидите на

една популация в този период (Peiser 1991).

Под понятието „кохорта” се разбира една група от лица, които са

свързани чрез общи исторически явления и събития. Едно такова общо

събитие в живота е раждането. Така в една кохорта (наречена и кохорта на

раждане) се обединяват всички лица, родени в една и съща година. Понятието

кохорта може да бъде използвано и за групи, които не са на една възраст, но

са свързани с едно общо събитие, например влизане в някаква институция

(прием на студентите за учебната 2019 година) (Peiser 1991).

Цел на кохортния анализ е да се покажат посоката и силата на промените

в трите елемента „възраст”, „период” и „кохорта”. Според целта на кохортния

анализ трите елемента трябва да се представят така, че отделните кохорти и

възрастовите групи да могат да се изобразят във всички периоди (Holtz 2010).

Като резултат се образува една матрица, наречена стандартно кохортно

табло (Glenn 2005), в която са изобразени възрастовите групи и

наблюдаваните периоди. Широчината на интервала между два периода

11

съответства на широчината на интервала между възрастовите групи (Hüttner

1986; Rentz et al. 1983)

Кохортно-аналитичният дизайн позволява три насоки за анализ:

напречен анализ (стълб на матрицата), времеви анализ (ред на матрицата) и

надлъжен анализ (диагонал на матрицата).

При напречния анализ се разглеждат различни възрастови групи в един

и същ период от време. Тъй като анализът се провежда в един период, той

притежава статичен характер, без възможност за обяснение на развитието във

времето.

С хоризонталната подредба на кохортите се провежда времевия анализ.

При това се разглеждат всеки път еднакви възрастови групи, но в различни

периоди. По този начин могат да се покажат разликите в предпочитанията в

различните поколения и да се извърши прогноза как се променят

предпочитанията на отделните кохорти в една и съща възраст (Arendt 2001).

Надлъжният анализ се представя чрез диагонално подреждане на

компонентите на отделните кохортите. Всяка една компонента представлява

една и съща кохорта, но в различни периоди. С този подход се изследва

(наблюдава и анализира) промяната на предпочитанията на дадена кохорта с

течение на времето.

Изборът на кохортния анализ, като метод на сегментиране, е свързан с

възможността за съпоставяне на променените предпочитания във времето. С

помощта на кохортно-аналитичния дизайн могат да се интегрират

специфичните за различните поколения предпочитания в ПВР. Така този

подход може да подчертае специфичните за кохортата промени и да служи

като индикатор за ранно откриване на тенденции или промени в поведението

на потребителите (Weßner 1989). С идентификацията на трите ефекта може да

се извърши причинно-следствен анализ между предпочитанията на

потребителите и получените чрез многокритериалния анализ резултати.

ИЗВОД: Решаваща роля за успеха на продуктите е те да отговарят на

потребностите на потребителите. Потребителите не представляват една

еднородна група, което изисква и разнообразие в производството на продукти.

Това води до необходимостта от прилагане на „пазарното сегментиране“. По

този начин в ПВР се съчетават разнородните предпочитанията на

потребителите с целите на производителя.

Променящите се с времето предпочитания на стейкхолдерите влияят на

ПВР, което налага динамизация на пазарното сегментиране. За постигане на

тази динамизация се прилага динамичния метод „кохортен анализ“, които

отчита промяната на индивида и на обществото.

Кохортният анализ показва кои фактори оказват най-значимо влияние

върху промените в предпочитанията на потребителите. Интеграцията на

кохортния анализ в многокритериалния анализ показва кохортно-

специфичните промени в предпочитанията и служи като индикатор за

бъдещето развитие на предпочитанията. Този анализ служи за правилното

12

отчитане на потребителските промени от производителите при планирането

им на продуктовото портфолио.

ГЛАВА 3. РАЗРАБОТВАНЕ НА ДИНАМИЧЕН МНОГОКРИТЕРИАЛЕН

МОДЕЛ НА ПРОЦЕСА НА ВЗЕМАНЕ НА РЕШЕНИЯ

При съществуващите модели в ТВР не се отчитат промените в течение

на времето на предпочитанията и на ЛВР и на стейкхолдерите. Последиците,

произтичащи от взетите решения често не притежават статичен, а дългосрочен

и динамичен характер. Поради този факт е необходимо в ПВР да се интегрира

фактора „време“ като компонента, която адаптира необходимата информация

към промените в околната среда.

В настоящата глава се предлага теоретичен динамичен

многокритериален модел за вземане на решения, който отчита променливите

във времето предпочитания. За целта е разработен теоретичен подход за

интегриране на кохортния анализ, отчитащ променливите във времето

предпочитания, в метода PROMETHEE.

Изборът на MАDM-метода PROMETHEE за интегриране на фактора

„време“ е мотивиран от неговите свойства и характеристики. Важно качество

на метода PROMETHEE е образуването на бинарни релации между две

алтернативи по отношение на множество критерии (Brans et al. 1986). За

разлика от другите методи (например AHP), при този метод ЛВР и

стейкхолдерите не трябва да образуват сами релациите, а само да определят

своите предпочитания спрямо отделните критерии. По този начин се

интегрират предпочитанията за всеки един период. Въз основа на

предпочитанията, променящи се във времето, се изчисляват автоматично

бинарните релации между алтернативите за всеки период. Тази автоматизация

на алгебричния процес на PROMETHEE дава възможност да се променя и броя

на критериите и броя на алтернативите в множеството алтернативи в

отделните периоди.

Друго характерно свойство на метода PROMETHEE е отчитането както

на качествени, така и на количествени критерии, които могат да бъдат

представени чрез различни скали или да притежават различни стойности

(Oberschmidt 2010). По този начин могат да бъдат отчетени промените и

развитията на свойствата на критериите във времето и да бъдат интегрирани в

ПВР. Принципът на работа на модела е следния (Фигура 3-1).

След дефиниране на дългосрочния проблем, който трябва да бъде

решен, се съставят МВР за отделните периоди 𝑡 = {𝑡1, … , 𝑡𝑒 , … , 𝑡𝑜}. За всеки

отделен период е необходима проверка на рестрикциите, тъй като с течение на

времето много аспекти (фактори) могат да се променят и да въздействат на

процеса на вземане на решение (Jassbi et al. 2014). През бъдещите периоди

може да се появят нови алтернативи, така че множеството на алтернативите

може да е различно в различните периоди. Решението, една алтернатива да

бъде включена в множеството на алтернативите, трябва да се вземе след

анализ на последиците, които настъпват при избора на дадена алтернатива.

13

Настъпващите

последици могат да

бъдат

прогнозирани след

образуване на

възможни бъдещи

сценарии за

отделните

алтернативи. Така в

множеството на

алтернативите

могат да бъдат

включени такива

алтернативи, които

в сегашното си

състояние,

например от

техническа,

Фигура 3-1: Динамичен многокритериален модел на ПВР.

икономическа или екологична гледна точка, не са оптимални, но за които в

дългосрочен план се очаква голямо подобрение

След избора на множеството алтернативи за отделните периоди е

необходимо да се състави системата на цели и йерархията на критериите, но

не само от гледна точка на ЛВР, а и от гледна точка на стейкхолдерите . По

тази причина е необходимо да се разширят изискванията, които трябва да се

поставят към критериите. Критериите трябва напълно да представят целите,

да не са повтарящи се, да са измерими и да бъдат минимални на брой (Eisenführ

и Weber 2003; Belton и Stewart 2002). Към тези изисквания е необходимо да

бъдат добавени още две изисквания. Първо изискване - ЛВР трябва да може да

влияе на критериите, т.е. да има възможността да променя свойствата на

критериите (например за технически критерий-да подобри разхода на енергия

на един двигател). Така ще се коригират и оптимизират критериите (Green и

Srinivasan 2007; Struwe 2011). Второ изискване - проверка на актуалността на

критериите за разглеждания период. Ако един критерий не е съществен за

определен период, той не се разглежда в него.

Също така е необходимо да се провери актуалността на алтернативите.

Алтернативи, които губят своето значение по време на процеса на вземане на

решение, или не отговарят на рестрикциите на съответния период, се

отстраняват от множеството на алтернативи за съответния период (Например

алтернатива a1 в периода to не принадлежи на множеството от алтернативи).

След като е определено множеството от алтернативи от ЛВР (например

производителя на автомобили), то се предоставя на стейкхолдерите. От това

множество стейкхолдерите определят своето индивидуално множество

алтернативи за всеки период, с решението за използване на всички или част от

представените им алтернативи.

Събиране на информацията за МВР на ЛВР

Дефиниция на проблема

Извеждане на целите и критерии за всеки периодt={t1,…,te,…,to}

Идентификация и избор на алтернативите за всеки период t={t1,…,te,…,to}

Извеждане на стойностите на критериите за всеки период t={t1,…,te,…,to}

Period t1a1 a2 … am

c1c2…

cn

…

Събиране на информцията за разширената МВР за всеки

стейкхолдер

Дефиниция на предпочитанията за всеки период t={t1,…,te,…,to}

Индивидуален избор на алтернативи за всеки период t={t1,…,te,…,to}

Критерии с1 не е важен за период t1 и t2Алтернатива a1 не e в периода to , a Алтернатива am не e в периода t1, t2

Множество Алтернативи

PROMETHEE:

Сегментиране на стейкхолдерите в групи g={g1,…,gz,…,gy}

Извеждане на най-добрата алтернатива за всеки стейкхолдер в групата g={g1,…,gz,…,gy} ипериод t={t1,…,te,…,to}

Извеждане на потенциала на търсене във всяка група g={g1,…,gz,…,gy} и периодt={t1,…,te,…,to}

Анализ на чувствителност на потенциала на търсене

Period t2a1 a2 … am

c1c2…

cn

Period toa1 a2 … am

c1c2…

cn

14

Индивидуалното множество алтернативи на стейкхолдерите може да е

по-малко или равно на множество алтернативи от ЛВР.

Предпочитанията в Динамичения многокритериален модел на ПВР се

разглеждат и от гледна точка на стейкхолдерите, а не само от гледна точка на

ЛВР. Интегрирането и на предпочитанията на множество стейкхолдери,

отчита в ПВР информация за успеха или неуспеха на отделните алтернативи.

Предпочитанията на стейкхолдерите към отделните критерии се изобразяват

във формата на тежести, които описват важността на отделните критерии чрез

отчитане на интервала на стойностите. Чрез разликата между стойностите на

един критерий за всички алтернативи може да се определи най-точно тежестта

на този критерий (Belton и Stewart 2002).

Събраните данни за всеки стейкхолдер се обобщават в индивидуална

матрица за вземане на решения (МВР). Тази индивидуална МВР, в която се

изобразяват алтернативите, критериите и техните стойности, се разширява със

субективните предпочитания на стейкхолдерите. Разширената МВР се явява

входяща за PROMETHEE- алгоритъма. Многообразието на предпочитанията

на стейкхолдерите се групират с методите на сегментиране в различни групи

(например, с демографското сегментиране се оформят възрастови групи). За

прилагане на Възраст-период-кохорта дизайн (ВПК Дизайн) на кохортния

анализ е необходимо да се състави стандартното табло, което включва както

възрастовите групи, така и различните периоди от време. По този начин може

да се анализира влиянието на отделните ефекти (възрастов, периоден или

кохортен) върху решенията.

Събраните данни се обобщават с помощта на динамичния

PROMETHEE-алгоритъм. За всеки стейкхолдер от възрастова група 𝑔 ={𝑔1, … , 𝑔𝑧, … , 𝑔𝑦} и период 𝑡 = {𝑡1, 𝑡2, … , 𝑡𝑜} се определят и визуализират

аутранжиращите релации и свързаните с тях изходящи и входящи потоци.

Индивидуалните резултати на всички стейкхолдери се обединяват в една

стойност, която описва „потенциала на търсене“ на отделните алтернативи в

съответните кохорти и периоди. Стабилността на постигнатите резултати се

проверява с помощта на „модифициран анализ на чувствителността“. Тази

процедура е описана подробно в глава 3.3.

3.3. ДИНАМИЧЕН PROMETHEE - АЛГОРИТЪМ

За да бъде използван динамичния PROMETHEE – алгоритъм е

необходимо към МВР да бъдат добавени функциите за предпочитания,

праговите стойности и тежестите за отделните критерии. В Таблица 3-2 е

представена разширената МВР на стейкхолдер h на възрастова група z в

периода 𝑡𝑒.

Лявата страна на разширената МВР изобразява алтернативите,

критериите и свойствата на всеки критерий. В дясната страна са нанесени

необходимите PROMETHEE-параметри – минимум и максимум на

функциите, функциите на предпочитанията, праговите стойности и

субективните тежести на критериите.

15

За интегриране на

фактора време в метода

PROMETHEE посредством

кохортния анализ, е

необходимо да се разгледа

и стандартната таблица на

кохортния анализ. От

разширената МВР и от

стандартното кохортно

табло с ВПК- дизайна се

извършва бинарно

Таблица 3-2: Матрица за вземане на решения на

стейкхолдер h от възрастова група z в периода е

сравняване на алтернативите по отношение на отделните критерии за всички

стейкхолдeри в съответния период.

Нека A=(a1,...,ai,...,am) е дискретното множество от алтернативи в един

период T=(t1,...,te,...to). C=(c1,...,cj,...,cn) е броят на критерии в този период. Във

всяка възрастова група G=(g1,...,gz,...,gy) се анализират S=(s1,...,sh,...,su)

стейкхолдeри. Броят на кохортите K=(K1,...,Kv,...,KL) се определя по

формулата K=o+y-1, където: K – брой кохорти; y-брой възрастови групи; o-

брой периоди.

Например при четири възрастови групи (y=4) и три периода (o=3)

възникват шест кохорти (K=4+3-1=6), които се анализират. Стойността

𝑓𝑗(𝑎𝑖𝑒,𝑧,ℎ) на критерия 𝑗 на алтернатива 𝑖 зависи първо от периода 𝑡𝑒.

Предпочитанието на една алтернатива 𝑎𝑖∗𝑒,𝑧,ℎ спрямо друга алтернатива 𝑎𝑖

𝑒,𝑧,ℎ в

периода 𝑡𝑒 се определя с разликата от стойностите 𝑓𝑗(𝑎𝑖∗𝑒,𝑧,ℎ) и 𝑓𝑗(𝑎𝑖

𝑒,𝑧,ℎ) и се

представя със зависимостта1:

𝑃𝑗 (𝑓𝑗(𝑎𝑖∗𝑒,𝑧,ℎ) − 𝑓𝑗(𝑎𝑖

𝑒,𝑧,ℎ)) = 𝑃𝑗(𝑑(𝑎𝑖∗𝑒,𝑧,ℎ; 𝑎𝑖

𝑒,𝑧,ℎ)) ∈ [0,1] (3.1)

Безразличието между две алтернативи се представя със степен на

предпочитание 𝑃𝑗(𝑑(𝑎𝑖∗𝑒,𝑧,ℎ; 𝑎𝑖

𝑒,𝑧,ℎ)) = 0. Пълно предпочитание между две

алтернативи в периода 𝑡𝑒 е налице, когато степента на предпочитание е равно

на 1 т.е. 𝑃𝑗(𝑑(𝑎𝑖∗𝑒,𝑧,ℎ; 𝑎𝑖

𝑒,𝑧,ℎ)) = 1. Интервалът между стойностите на

безразличието и пълното предпочитание се представя под формата на слабо

предпочитание. Началото на областта на безразличие се определя с праговата

стойност 𝑞 . Началото на областта на пълно предпочитание се определя от

праговата стойност 𝑝. При нелинейно протичане на предпочитанията с

помощта на праговата стойност 𝜎 се представя инфлексна точка на функцията.

Определянето на праговите стойности се извършва от всеки стейкхолдер. Като

подпомагащ метод за определяне на праговите стойности, може да се

използват статистически методи за изчисляване на тези стойностите. За

изобразяване на предпочитанията във формата на функции Brans et al. (1986)

са разработили шест различни типа функции.

1 За изпълнението е използван MATLAB 2015. Кодът може да бъде намерен в Приложение 4

Индивидуална МВР на стейкхолдер h във

възрастова група z и период e

PROMETHEE-параметри

a1ezh … am

ezh Мин/МаксФункция на

предпочитанияПрагови стойности Тежести

c1 f1(a1ezh) f1(am

ezh)

Минимиране

или

максимиране

Функции

на

предпочитания

Безразличие

q

Предпочитание p

Инфлексна

точка

s

w1ezh

… … … … …

cj fj(a1ezh) fj(am

ezh) wjezh

… … … …

cn fn(a1ezh) … fn(am

ezh) wnezh

Легенда: Критерий C=(c1,…,cj,…,cn)

Aлтернатива A=(a1,…,ai,…,am)

Стойност на критерий cn на алтернатива am. fn(am)

Тежест wT=(w1,…,wj,…,wn)Стейкхолдер S=(s1,…,sh,…,su)

Възрастова група G=(g1,…,gz,…,gy)

Период. T=(t1,…,te,…,to)

16

Оценката на алтернативите се извършва с помощта на динамичния

PROMETHEE - алгоритъм. За основа служи индивидуалната разширена МВР

на всеки един стейкхолдер в съответния период и кохорта. С подредбата на

алтернативите в зависимост от нетния поток се предлага на стейкхолдера

окончателна подредба на алтернативите спрямо неговите предпочитания.

Разликата между изходящия и входящия поток в PROMETHEE II води

до това, че се наблюдава загуба на информация. В PROMETHEE I могат да се

идентифицират тези алтернативи, които са несравними по между си, което не

е възможно с PROMETHEE II.

След като се използва метода PROMETHEE, за всеки един стейкхолдер

в съответната възрастова група се предлага индивидуално решение

(ранжиране на алтернативите). В следствие на това, при наличие на много

стейкхолдери се предлагат и много решения. Броят на индивидуалните

решения нараства с течение на времето линейно. При три периода и четири

възрастови групи възникват шест кохорти и общо дванадесет кохортни

компонента. Ако във всяка възрастова група и период се наблюдават 100

стейкхолдъра, то броят на индивидуалните решения е 1 200.

Броят на всички индивидуални решения се обобщават в една стойност,

наречена потенциал на търсене(𝐵𝑖𝑒,𝑧).

𝐵𝑖𝑒,𝑧 =

∑ 𝑏𝑖𝑒,𝑧,ℎ

ℎ∈𝑆

𝑆

(3.10)

Потенциалът на търсене (𝐵𝑖𝑒,𝑧) се дефинира като отношение на сумата

от броя на отделните решения в периода 𝑡𝑒 и възрастова група 𝑧, в който

17

алтернативата 𝑎𝑖∗𝑒,𝑧,ℎ показва максималeн нетен поток към общия брой отделни

решения в този период и възрастова група, взети от стейкхолдерите S.

Стойността 𝑏𝑖𝑒,𝑧,ℎ посочва, коя алтернатива 𝑎𝑖∗

𝑒,𝑧,ℎ има най-високия нетен

поток (𝜑𝑛𝑒𝑡(𝑎𝑖∗𝑒,𝑧,ℎ)) при стейкхолдер h в съответната възрастова група z и

период 𝑡𝑒. Ако две или повече алтернативи имат еднакъв нетен поток

(𝜑𝑛𝑒𝑡(𝑎𝑖𝑒,𝑧,ℎ)), стойността се разпределя между тези алтернативи. Стойността

𝑏𝑖𝑒,𝑧,ℎ се изчислява от зависимостта:

(3.11)

𝑖∗ - наблюдаваната алтернатива 𝑎𝑖∗; 𝑆 - брой стейкхолдъри; 𝜑𝑛𝑒𝑡(𝑎𝑖∗𝑒,𝑧,ℎ) - нетен

поток на наблюдаваната алтернативата 𝑎𝑖∗; 𝜑𝑛𝑒𝑡(𝑎𝑖𝑒,𝑧,ℎ) - нетен поток на

алтернативата 𝑎𝑖; ℎ - стейкходер

За по-добър анализ на потенциала на търсене 𝐵𝑖𝑒,𝑧, когато се наблюдава

промяна на входящите данни, е необходимо адаптиране на класическия анализ

на чувствителността към динамичния PROMETHEE- алгоритъм. При анализа

на чувствителността се оформят два интервала –„интервал на

нечувствителност“ и „интервал на стабилност“.

„Интервалът на нечувствителност“ дефинира областта, в която тежестта

на един критерий може да варира без да се променят резултатите (Mareschal

1988).

„Интервалът на стабилност“ дефинира тази област, в която тежестта на

един критерий може да варира, но алтернативата, заемаща първо място запазва

своята позиция , независимо от това какви промени се извършват при другите

алтернативи.

Анализът на чувствителността се използва за определяне на интервалите

на нечувствителност на всеки стейкхолдър.

На Фигура 3-5 е представен пример на графичен анализ на „интервала

на нечувствителност“ на един стейкхолдер h във възрастова група z в периода

𝑡𝑒. Относителното предпочитание (нетните потоци на отделните алтернативи)

е представено в зависимост от тежестта на критерия 𝑗 при непроменени

тежести на останалите критерии.

Първоначално избраната тежест е

при 20 %. Подредбата на алтернативите

според PROMETHEE II е следната:

алтернатива a1 на първо място,

алтернатива a2 на второ място и

алтернатива a3 на трето място. Тази

подредба остава непроменена в

диапазона между 0 % и 73,6 %. С

графичното изобразяване може да се

Фигура 3-5: Пример за интервал на

нечувствителност на критерий j на

-0,06

-0,04

-0,02

0

0,02

0,04

0,06

0% 20% 40% 60% 80% 100%

Oтносително

предпочитание

Тежест

Анализ на чувствителност за критерий j

a1

a2

a3

Избрана тежест за критерий j на стейкхолдер h във

възрастова група z и период e

18

определи не само „интервала на

нечувствителност“, но и „интервала на

стабилност“ и как се променя подредбата

на алтернативите извън този интервал.

стейкхолдер h във възрастова

група z в периода 𝒕𝒆.

Интервалът на стабилност, в който а1 запазва първото си място е от 0 до

73,6%. В интервала от 73,6 % до 81 % се осъществява смяна на местата между

алтернативите a1 и a2. При повишаване на тежестта над 81 %, става смяна на

местата на алтернативите a1 и a3, така че алтернатива a1 заема последното

място. Поради факта, че интервалът е широк (между 0 % и 73,6 %), то той е

стабилен. Критерият за широк и тесен интервал се определя от ЛВР.

Представеният анализ на чувствителността в своята първоначална

форма не може да се прилага в случаи, при които отделните решения се

обобщават в една стойност. За да се направи анализ на чувствителността на

потенциала на търсене 𝐵𝑖𝑒,𝑧 е необходимо алгоритъма на анализа на

чувствителността да се модифицира. От интерес е да се анализира как се

променя потенциала на търсене, при промяна на предпочитанията на голям

брой стейкхолдери.

Изходна база на модифицирания анализ на чувствителността е

обобщената стойност 𝐵𝑖𝑒,𝑧. За извършването на такъв анализ първо се

идентифицира алтернативата, която има най-висока стойност 𝐵𝑖𝑒,𝑧, след което

се определя „интервала на стабилност“.

При модифицирания анализ на чувствителността на първо място се

определят интервалите на стабилност на стейкхолдерите поотделно. При

ограничен брой стейкхолдери определянето както на интервала на стабилност

за всеки стейкхолдер, така и на общия интервал на стабилност, след

визуализиране на Фигура 3-7 е лесно за вземане на решение. За голям брой

стейкхолдери този подход затруднява ЛВР (вземащия решение), защото

нарастването на броя на индивидуалните интервали на стабилност води до

когнитивно пренатоварване на ЛВР (пример за изобразяване на отделните

интервали на 100 стейкхолдeра е представен на Фигура 3-8.

Фигура 3-7: Общи стабилизиращи

интервали

Фигура 3-8: Интервали на стабилност

за 100 стейкхолдера

0

1

2

3

4

0% 20% 40% 60% 80% 100%

Брой

стейхолдери

Тежест на критерий j

Интервал на стеийкхолдер 1

Интервал на стейкхолдер 2

Интервал на стейкхолдер 3

Интервал на стабилност

0

10

20

30

40

50

60

70

80

90

100

0% 20% 40% 60% 80% 100%

Брой

стейкхолдери

Тежести

Интервал на стабилност на всички стейкхолдери на БВ в t1

19

По тази причина се предлага следния нов подход.

Обобщеният анализ на

стабилност на потенциала на

търсене 𝐵𝑖𝑒,𝑧

е представен на

Фигура 3-9. На ординатата са

нанесени стойностите на

потенциала на търсене 𝐵𝑖𝑒,𝑧

, а на

абсцисата - стойностите на

тежестите.

Фигура 3-9: Чувствителен анализ на

критерий j

Промяната на потенциала на търсене на алтернативата 𝑎𝑖∗𝑒,𝑧,ℎ, в

зависимост от промяната на тежестта на критерия 𝑗, се определя с използване

на функция 𝐹(𝐵𝑖𝑒,𝑧). Стойностите на функцията 𝐹(𝐵𝑖

𝑒,𝑧) се определят по следния

начин:

𝐹(𝐵𝑖𝑒,𝑧) = {ℎ ∣ 𝜑

𝐵𝑖𝑒,𝑧

𝑛𝑒𝑡 (𝑎𝑖∗𝑒,𝑧,ℎ) > 𝑚𝑎𝑥{𝑖=1,…,𝑚}\{𝑖∗}𝜑𝐵𝑖

𝑒,𝑧𝑛𝑒𝑡 (𝑎𝑖

𝑒,𝑧,ℎ) , ℎ 𝜖 𝑆𝑖∗} (3.15)

𝑆𝑖 ≔ {ℎ ∣ 𝜑𝑛𝑒𝑡(𝑎𝑖𝑒,𝑧,ℎ) > 𝑚𝑎𝑥𝑖=1,..,𝑚𝜑𝑛𝑒𝑡(𝑎𝑚

𝑒,𝑧,ℎ) , ℎ 𝜖 𝑆} (3.16)

𝑆𝑖∗ - количество на стейкхолдърите, които са избрали алтернатива 𝑎𝑖∗𝑒,𝑧,ℎ

;

𝜑𝐵𝑖

𝑒,𝑧𝑛𝑒𝑡 (𝑎𝑖∗

𝑒,𝑧,ℎ) - нетен поток на поставената на първо място алтернатива 𝑎𝑖∗𝑒,𝑧,ℎ ;

𝜑𝐵𝑖

𝑒,𝑧𝑛𝑒𝑡 (𝑎𝑖

𝑒,𝑧,ℎ) - нетен поток на останалите алтернативи 𝑎𝑖𝑒,𝑧,ℎ .

Изменението на стойностите на „потенциала на търсене“ 𝐵𝑖𝑒,𝑧

,

представени графично (Фигура 3-9), придобива стъпаловиден характер.

Този вид визуализация улеснява анализа на промените на стойността на

потенциала на търсене 𝐵𝑖𝑒,𝑧

, когато един или повече стейкхолдери променят

избраните тежести извън рамките на интервала на стабилност. В зависимост

от избраните тежести, потенциалът на търсене може да варира между 0 % и

100 %. В посочения пример потенциалът на търсене на алтернативата a3

намалява от 75 % на 50 %, ако стейкхолдер 3 е повишил тежестта за критерия

j над 68 %. Повишаването на тежестта на стейкхолдер 1 над 72 % означава, че

алтернативата a3 ще се избира само от стейкхолдер 2 и така потенциалът на

търсене ще спадне с 25 %.

Модифицираният анализ на чувствителността може да помогне на ЛВР

(производителите) да направят преценка на стабилността на получените

резултати, ако тежестите на критериите на стейкхолдерите се променят.

Стръмната (или плоска) прогресия на функцията 𝐹(𝐵𝑖𝑒,𝑧) означава, че

избраната тежест на разглеждания критерий е много чувствителен (или

стабилен). В дадения пример функцията 𝐹(𝐵𝑖𝑒,𝑧) има стръмен характер,

започващ от 75%. Това означава, че промяната на тежестта над тази стойност

ще окаже голямо въздействие върху общото решение.

20

Програмна реализация на динамичен многокритериален процес на

вземане на решения

Отделните етапи от динамичния ПВР са реализирани с програмния

продукт Matlab - Optimization Toolbox, софтуерните му библиотеки, както и

създадените специализирани m-файлове.

Изводи:

Създадени са следните методики за динамичния многокритериален

модел за ПВР:

I.Модифициране на ПВР чрез интеграцията на фактора „време“ 1. Съставят се матрици за вземане на решения за всеки период от време.

При съставянето се отчитат рестрикциите, прогнозирани във времето чрез

образуване на бъдещи сценарии за отделните алтернативи.

2. Съставя се система от цели на ПВР.

3. Оформя се йерархия на критериите на ЛВР, като се отчита промяната

на критериите в отделните периоди, породени от разширените изисквания към

критериите: ЛВР може да променя свойствата на критериите (подобрява

разхода на гориво); актуализиране на критериите за всеки период.

4. Оформя се множеството алтернативи на ЛВР, което се предоставя на

стейкхолдерите.

5. Оформя се индивидуалното множество алтернативи на всеки

стейкхолдер за всеки период.

6. Съставя се индивидуална МВР за всеки стейкхолдер.

7. Предпочитанията на стейкхолдерите, представени чрез „тежести на

критериите“ се групират с помощта на кохортния анализ и се съставя

„Стандартното кохортно табло“, отчитащо фактора „време“.

8. Съставят се „индивидуални разширени МВР“, отчитащи

субективните предпочитания на стейкхолдерите, които са входящи за

динамичния PROMETHEE- алгоритъм.

9. Получаване на индивидуалните резултати на всички стейкхолдери с

помощта на динамичния PROMETHEE- алгоритъм.

10. Обединяване на индивидуалните резултати на всички стейкхолдери

в една стойност чрез нововъведеното понятие „потенциал на търсене“.

11. Проверка на стабилността на резултатите чрез създадения

Модифициран анализ на чувствителността

II. Динамичен PROMETHEE- алгоритъм (прилага се в т.9 и т.10)

Динамичният PROMETHEE- алгоритъм работи с „разширената МВР“

и със „Стандартното кохортно табло“. Чрез разширената МВР на входа на

PROMETHEE- алгоритъм се подават данни: за ЛВР – алтернативи, избрани от

стейкхолдерите, критерии и свойства на критериите; за стейкхолдерите –

функциите на предпочитанията, праговите стойности и субективните тежести

на критериите.

„Стандартното кохортно табло „се оформя чрез кохортния анализ с

който се представят трите елемента – „възрастови“ групи, брой „периоди“ и

брой „кохорти“.

21

PROMETHEE- алгоритъм извършва оценка на алтернативите на

отделните критерии (чрез функция на предпочитанията) за всички

стейкхолдери в съответния период.

Субективните предпочитания на стейкхолдера се представят с

индивидуален вектор на предпочитания на всеки стейкхолдер за всяка

възрастова група и всеки период. Те оформят индивидуалната матрица на

предпочитания.

III. Модифициран анализ на чувствителността (прилага се в т.11)

Чрез класическия анализ на чувствителността се образуват

индивидуалните интервали на стабилност за всеки стейкхолдер.

Модифицирания анализ на чувствителността използва „функция на

потенциала на търсене“, която определя промените в потенциала на търсене

при вариране на тежестта на критерия между 0 и 100%. Визуализацията на тези

промени помага да се определи чувствителността на решението (стабилно

решение или чувствително). Изменението на функцията е стъпаловидно и

колкото е по-стръмно изменението, толкова по-чувствително е решението -

при малки изменения на критерия резултатът се променя. Колкото по-плавно

е изменението, толкова резултатът е по-стабилен.

ГЛАВА 4. ИЗСЛЕДВАНИЯ С ДИНАМИЧНИЯ МНОГОКРИТЕРИАЛЕН

МОДЕЛ НА ПВР В АВТОМОБИЛНАТА ИНДУСТРИЯ

В настоящата глава се провежда изследване с динамичния

многокритериален модел на ПВР за решаване на проблем от автомобилната

индустрия. Изследването има за цел да проучи до каква степен разработеният

подход може адекватно да подпомогне ЛВР при решаване на проблеми,

изменящи се във времето за дългосрочен период, като отчита изменящите се

предпочитания на стейкхолдерите за същия период. За целта се проследяват

измененията на предпочитанията на стейкхолдерите и се прилага кохортния

анализ в помощ на ЛВР при планиране на бъдещо производство. Моделът се

прилага за оценка на различни марки автомобили с цел идентифициране на

тези марки, които от гледна точка на предпочитанията на клиентите са най-

атрактивни. На базата на тези резултати производителят на автомобили (ЛВР)

ще планува в дългосрочен план продуктовото си портфолио.

Глобалните предизвикателства, като промените в климата, ограничаване

добива на петролните и газови горива, изменения в законодателството и

засилващите се екологични изисквания на обществото, изправят

производителите на автомобили пред сложната задача да адаптират

производството си в съответствие с предпочитанията на клиентите и

екологичните, правните, технологичните и икономическите условия.

Интервалът между планирането на автомобила и въвеждането му на

пазара е свързан с променящи се пазарни сегменти. Тези промени трябва да

бъдат предвидени от страна на автомобилния производител. Превозно

средство, първоначално проектирано за конкретна група клиенти, може да не

отговаря на предпочитанията на тези клиентите по време на въвеждането му

на пазара. Това се дължи, освен на съществуващия период от проектирането

22

до въвеждането, и на промените на предпочитанията на клиентите в този

период.

От съществуващите методи за определяне на потенциала на търсене на

превозните средства се прилага метод PROMETHEE- алгоритъм, който

премахва недостатъците на декомпозиционните методи (пълна компенсация

на добри и лоши критерии и висока сложност, свързана с голям брой критерии)

и се включват предимствата на композиционните методи (отчитане на няколко

критерия, представяне на несравними и слаби предпочитания). С разработения

подход могат да бъдат отчетени променливите предпочитания във времето на

множество клиенти.

За проведеното изследване се идентифицират марките на превозните

средства, които се оценяват за три периода, а заинтересованите страни се

групират в хомогенни групи по критериите за сегментиране - възраст, семейно

положение и доходи.

Продуктово сегментиране на автомобилите: Чрез комбинацията на

критериите за продуктовото сегментиране (вид задвижване, големина на

автомобила и мощност на двигателя) се получават общо 48 автомобила

(Таблица 4-4, Приложение 1 и Приложение 2) за трите периода , които се

явяват като алтернативи.

Разнообразието на модели автомобили нараства с течение на времето.

Това се дължи, от една страна, на подобрените технически характеристики на

автомобилите с двигатели с вътрешно горене (ДВГ), а от друга, с въвеждането

на алтернативни двигатели (електромобил в периода 𝑡2).

Броят на наличните алтернативи нараства с времето. В t1 се предлагат

осем модела, които в комбинация с мощността на двигателя и вида на

двигателя образуват общо 28 автомобила. В t2 и t3 ще има общо 13 модела и се

получават 48 превозни средства. Това увеличение се дължи главно на

разширяването на моделната гама на конвенционалните автомобили с Skoda

Superb, Audi Q3 и Skoda Yeti и чрез въвеждането на иновативни двигатели

(хибридни и електрически).

За анализа и оценката на автомобилите се избират критерии определени

от клиентите, от експерти от областта на научните изследвания и развойната

дейност и от маркетинга и продажбите.

23

В примера са избрани

десет критерия, които са

от значение за вземане

на решения както за

клиентите, така и за

производителите на

автомобили.

На Фигура 4-1 е

показана примерна

йерархия на целите и

критериите за оценка на

моделите на различните

превозните средства.

Фигура 4-1: Примерна йерархия на критериите за

оценка на модели на превозни средства

В Таблица 4-4 са представени всички критерии и техните стойности на

всички автомобили за периода t1. Таблиците за периодите t2 и t3 се намират в

приложението (Приложение 1 и Приложение 2). Стойностите са получени чрез

анализ на каталози на производителите. Стойностите за t2 и t3 се основават на

изследванията на Hülsemann et al. (2014).

Потребителско сегментиране: Сегментирането на стейкхолдерите е

проведено по демографския критерий за сегментиране „възраст“. Този подход

за сегментиране е числово достъпен и измерим. Изследванията доказват

голямото значение на критерия „възраст“ при сегментиране на потребителите.

Наблюдават се различия при вземането на решения в различните възрастови

групи на потребителите, най-вече в оценката на различни алтернативи

(Lambert-Pandraud et al 2005; Cole et al. 2008; Lambert-Pandraud et al 2017).

Освен това демографското сегментиране осигурява подходяща основа за

конструкцията на ВПК дизайна на кохортния анализ. При определяне на

границите на отделните сегменти по критерия „възраст“ се добавят

характеристиките „семейно положение“ и „разполагаем доход“. ВПК

дизайнът се състои от три елемента “възраст, период и кохорта“. Семейното

положение се избира като критерий за сегментиране, защото различните

събития в семейния живот водят до различни предпочитания на членовете на

семейството. За описване на промените на предпочитанията във времето,

които настъпват по време на семейния цикъл, представен от Wells и Guber

(1966), се дефинират пет възрастови групи: 20-30 години, 30-40 години, 40-50

години, 50-60 години и 60-70 години. За по-точно разграничаване на групите

се използва и критерия за сегментиране „доходи“. Анализът показва, че в

наблюдаваните възрастови групи млади (студенти) и стари (пенсионери),

доходът не се променя (стипендии и пенсии са винаги константи). В средните

(работещи) възрастови групи се наблюдава увеличаващ се доход, защото в

тези групи се наблюдава положителни промени от професионална гледна

точка. Разглежданите групи са дефинирани в Таблица 4-5.

24

Таблица 4-4: Множество алтернативи в период t1

Таблица 4-5: Пет Фази на семейния цикъл според Wells и Guber (1966) Наименование Възраст Описващи критерии на индивидите

Бакалавърска възраст (БВ) 20-30 Студент, млад,несемеен, без деца ,константен доход

Пълно гнездо I (ПГ I) 30-40

Работещ, млад,

семеен, деца намиращи се в къщи, нарастващи

доходи

Пълно гнездо II (ПГ II) 40-50 Работещ, семеен,

деца намиращи се в къщи, нарастващи доходи

Празно гнездо I (ПрГ I) 50-60 Работещ, семеен,

деца които не живеят в къщи, нарастващи доходи

Празно гнездо II( ПрГ II) 60-70 Пенсионер,

деца които не живеят в къщи, константен доход

Въз основа на проведеното научно изследване „Umweltbewusstsein in

Deutschland“ (екологично осъзнаване в Германия) от Scholl et al., 2017, 2015;

Rückert-John et al., 2013; Borgstedt et al., 2010; Wippermann et al., 2008; Kuckartz

et al. 2006, Kuckartz и Rheingans-Heintze 2004, Grunenberg и Kuckartz 2003,

25

което има за цел да определи промените в екологичното съзнание на

заинтересованите страни, е установено, че се наблюдава завишена

чувствителност към екологията. Една от причините е засиленото присъствие в

информационните мрежи на темата „изменение на климата“. Изследванията

„Umweltbewusstsein in Deutschland“ показват също така позитивна корелация

между възрастта и засиления интерес към екологичните проблеми.

Екологично съобразено поведение е най-слабо изразено във възрастовата

група на 18-24- годишните. Засиленото „екологично осъзнаване“ при групите

с по-висока възраст се обяснява с повече натрупана информация за

екологичните промени.

За определяне на предпочитанията на стейкхолдерите във формата на

тежести на критериите е направено запитване за два периода на стейкхолдери

на възраст от 18 до 75- годишни. Всички стейкхолдери (независимо от

възрастта) са посочили цената и разходите за енергия като най-важни критерии

при избора на автомобил. Същите критерии се посочват и в изследванията на

Struwe (2011). Запитаните стейкхолдери посочват, че 50% от решението за

покупка на автомобил е повлияно от цената, а 25% от разходите за енергия на

автомобила.

За всички възрастови групи критерият "разходи" влияе на решението с

повече от 50%, като теглото е между 51% и 59%. Критерият „цена“ се оказва с

най-голяма важност за хората с по-нисък доход. Изследванията показват

позитивна корелация между възрастта и предпочитанията спрямо екологията,

т.е. колкото по-висока е възрастта, толкова по-голямо е относителното

значение на критерия "екология". Техническите критерии се оценяват еднакво

от почти всички възрастови групи, с изключение на групата на най-

възрастните. Както и в запитването, така и в литературния анализ се

наблюдава увеличена сензитивност към екологията във всички възрастови

групи за времевите периоди t2 и t3 (Scholl et al., 2017, 2015; Rückert-John et al.,

2013; Borgstedt et al., 2010; Wippermann et al., 2008; Kuckartz et al. 2006,

Kuckartz и Rheingans-Heintze 2004, Grunenberg и Kuckartz 2003).

За проверка на адекватността на теоретичния модел е проведено

симулационно изследване на потенциалните предпочитания на основата на

данните от литературния анализ и проведеното запитване.

На Фигура 4-2, Фигура 4-3 и Фигура 4-4 са представени средните

тежести за главните критерии за всички възрастови групи, получени при

симулационното изследване.

Фигура4-2: Средни тежести на

критериите за период t1

Фигура 4-3: Средни тежести на

критериите за период t2

Фигура4-4: Средни тежести на

критериите за период t3

26

След определяне на

елементите възраст и

период е необходимо да

се дефинират отделните

кохорти. Кохортният

анализ, който се

дефинира за конкретния

пример е показан на

Табл. 4-6. Стандартното

кохортно табло се състои

от пет възрастови групи и

три периода, което води

до седем кохорти с общо

15 кохортни елемента.

Таблица 4-6: Стандартно кохортно табло за

примерното проучване

С данните за алтернативите и предпочитанията на стейкхолдерите е

съставена матрицата за вземане на решения на стейкхолдер1 във възрастова

група „Бакалавърска възраст“ за период 𝑡1 (таблица 4-7).

Таблица 4-7: Матрицата за вземане на решения на стейкхолдър1 във

възрастовата група Bachelor Stage в период t1

С описания принцип се образуват матриците за вземане на решения за всички

стейкхолдъри в отделните групи и за отделните периоди. След анализа на

резултатите на всеки стейкхолдър се изчислява потенциала на търсене в

отделните възрастови групи и периоди.

За да се определи потенциала на търсене, е необходимо да се изчислят

резултатите от данните на матрицата за вземане на решения за всеки

стейкхолдер с динамичния PROMETHEE - алгоритъм. Определянето на

потенциала на търсенето на отделните превозни средства и провеждането на

анализа на чувствителността се извършват с помощта на примера на кохортата

К5. След това резултатите за всички кохорти се обобщават

От информацията в матрицата за вземане на решения, посочена в

Таблица 4-7 се изчисляват изходящите, входящите и нетните потоци за

стейкхолдер 1 от възрастова група БВ в периода 𝑡1. Резултатите са

представени на Фигура 4-5.

27

Според измененията на

изходящите и входящи

потоци се вижда, че моделът

VWPoDn притежава както

най-високия изходящ поток

(0,3352), така и най-ниския

входящ поток (0,0758). Тези

стойности определят първото

място на VWPoDn в

класацията.

Фигура4-5: Изходящите, входящите и нетните

потоци за Стейкхолдер1 от възрастова група

Bachelor Stage в периода 𝒕𝟏

За окончателна подредба на седемте модела от множеството

алтернативи на стейкхолдер 1 е необходимо да се проведат изчисления с

метода PROMETHEE II, като се анализират нетните потоци на всички

алтернативи. Подредбата на моделите автомобили е осъществена по низходящ

ред на нетните потоци. Тази окончателна подредба служи на стейкхолдера

като помощно средство за избора на най-добрия (спрямо неговите

предпочитания) автомобил. В този случай автомобилът VWPoDn

представлява най- доброто решение за стейкхолдър 1 от БВ в t1.

За да се анализира връзката между избраните тежести на критериите и

получените резултати, е необходимо да се проведе анализ на

чувствителността. В Таблица 4-9 са представени интервалите на

нечувствителност и интервалите на стабилност за всички критерии.

Таблица 4-9: Данни за анализ на чувствителността на всички критерии

(Стейкхолдер1 от възрастова група Bachelor Stage в периода 𝒕𝟏.) Критерий Тежест Интервал на

нечувствителност

Интервал на

стабилност

Стабилност

Цена 30 % 28 % 40 % 0 % 78 % висока

Разходи за енергия 18 % 8 % 22 % 0 % 100 % висока

Данък 12 % 4 % 31 % 0 % 72 % висока

CO2 10 % 0 % 26 % 0 % 100 % висока

Класа на ефективност 10 % 0 % 18 % 0 % 100 % висока

Разстояние този критерий не е валиден в t1

Ускорение 16 % 0 % 21 % 0 % 83 % висока

Големина 4 % 0 % 76 % 0 % 91 % висока

Време за зареждане този критерий не е валиден в t1

Инфраструкура

Критерият цена притежава много малък интервал на нечувствителност.

Това означава, че при увеличаване на тежестта над 40 % или намаляване под

28 %, ще се наблюдава променя в подредбата на алтернативите. Тази промяна

може да е в последните редове, така че да няма промяна на най-добрата

алтернатива VWPoDn. За да се изведе интервала, при който най-добрата

алтернатива губи първото си място, е необходимо да се направи анализ на

стабилността. При критерия цена се наблюдава един стабилен интервал от 0 %

до 78 %. Едва при увеличаване на тежестта над 78 % VWPoDn губи първата си

позиция. При останалите критерии също се наблюдават широки интервали на

28

стабилност, така че може да се каже, че полученият резултат (VWPoDn на

първо място) е стабилен.

Изчисляване на потенциала на търсене (Bje.z)

За всеки стейкхолдер се избира автомобила с най-висок нетен поток.

Отношението между сумата 𝑏𝑖𝑒,1,1

и броя на стейкхолдерите определя

потенциала на търсене на съответния автомобил. В групата БВ в първия

период потенциала на търсене на VWPoDn е 100%, което означава, че всички

стейкхолдери в тази група и този период избират един и същ автомобил. Този

избор се обосновава с характеристиките на този сегмент: млади стейкхолдъри,

с ограничени доходи, които предпочитат икономични автомобили. VWPoDn

притежава едни от най-изгодните стойности при критериите „цена“ и „разходи

за енергия“ и в комбинация с високите предпочитания към тези критерии, се

оказва най-подходящ автомобил за тази група.

Анализът на резултатите, получени с динамичния PROMETHEE

алгоритъм, отчитащ промяната на предпочитанията на стейкхолдерите

(представени чрез промяна на тежестта на критериите), се извършва чрез

анализа на чувствителността.

Фигура 4-8 показва

индивидуалните интервали на

стабилност за критерия "Цена" на

всички стейкхолдери, които

предпочитат модела VWPoDn.

Потенциалът на търсене не се

променя в интервла[0 %; 36,22%].

Функцията F(B) на

потенциала на търсене има

стъпаловиден характер, която с

увеличаване на тежестта, се

променя или плавно или стръмно.

Функцията, показана на Фигура

4-9, има монотонно спадане,

което може да се раздели на три

сектора. При увеличаване на

тежестта от 36,22 % до 58,63% се

наблюдава плавно спадане на

потенциала на търсене от 100 %

на 64 %.

Фигура 4-8: Индивидулани интервали на

стабилност за критерия „цена“

Фигура 4- 9: Анализ на чувствителност

на потенциала на търсене Въз основа на ширината на общия интервал на стабилност не може да се

направи директно изявление за стабилност на тежестите, тъй като

превишаването на интервала може да доведе до промени и по този начин до

друга стойност на потенциала на търсене. Чрез кумулативно представяне на

29

интервалите на стабилност (Фигура 4-9) може да се определят промените в

потенциала на търсене при промени на предпочитанията на стейкхолдерите.

Плавно спадане се наблюдава и в интервала 58,63% до 80 %, при който

потенциала достига 41 %, т.е. при увеличаване на тежестtа с 1 % потенциала

на търсене спада с почти (около) един процент. В интервала oт 80 % до 90 %

се наблюдава рязко спадане на функцията на търсене, което води до това, че

ако преференциите спрямо критерия цена нараснат над 90 % процента, то

стейкхолдерите няма да изберат VWPoDn.

В Таблица 4-10 са

представени интервалите

на стабилност на всички

критерии за потенциала

на търсене на VWPoDn.

Критерии като "цена",

"данъци" и "ускорение"

имат по-малък интервал

на стабилност, което ги

квалифицира като

чувствителни критерии ,

при които малки

промени на техните

тежести, водят до

промени в стойността на

потенциала на търсене.

Таблица 4-10: Интервали на стабилност на

всички критерии за потенциала на търсене на

VWPoD

Критерий

Интервал на

стабилност за BVWPoDn

1,1=100

%

Цена 0 % 36,22 %

Разходи за енергия 8,17

% 100 %

Данъци 0 % 25,14 %

CO2 0 % 100 %

Клас на ефективност 0 % 93,19 %

Разстояние Не важи в t1

Ускорение 0 % 34,88 %

Обем на багажника 0 % 83,34 %

Време за зареждане Не важи в t1

Инфраструктура

Същата процедура се прилага и за периодите 𝑡2 и 𝑡3. Резултатите за кохорта

К5 (БВ в t1, ПГ I в t2 и ПГ II в t3) са обобщени на Фигура 4-14, която показва

потенциала на търсене както на отделните превозни средства, така и на

различните типове задвижвания в кохорта К5.

При дефини-

раните предпочитания

на кохорта К5 в t1,

дизеловият ДВГ има

потенциал за търсене от

100%. Причината за

тази висока стойност е

по-ниската цена и по-

ниските енергийни

разходи на VWPoDn

Фигура 4-14: Развитие на потенциала на търсене

на различните задвижвания в кохорта К5

средно в сравнение с другите превозни средства.

С въвеждането на електрически превозни средства в t2 и променените

предпочитания на стейкхолдърите, потенциалът за търсене на дизеловия

двигател през втория период спада до 66%. Причината за това е увеличеното

внимание към околната среда в сравнение с първия период, комбинирано с по-

30

добри критерии на електрическото задвижване, като напр. ниски разходи за

енергия.

За да се определи дали е налице кохортен ефект, e необходимо да се

извърши визуалната интерпретация чрез графично представяне на

резултатите. През първия период (t1) дизеловото задвижване има потенциал за

търсене почти на 100% за почти всички възрастови групи. Само във

възрастовата група на възраст 60-70 години се предпочитат автомобили и с

бензин. С въвеждането на иновативни автомобили през втория период (t2),

потенциалът за търсене на дизелово задвижване при по-младите (20-30-

годишни и средни 30-40-годишни) намалява. В третия период (t3) се наблюдава

проникване на иновативните автомобили във всички възрастови групи.

Изводи

В помощ на производителя на автомобили, който се явява ЛВР, е

изчислен потенциалът на търсене на отделни модели автомобили, с отчитане

на фактора „време“ в промените на техническите характеристики на

автомобила и на променливите предпочитания на стейкхолдерите.

Превозните средства са разделени по групи с използване на критерии от

„продуктово сегментиране“. Потребителите се сегментират по възраст,

семейно положение и доходи. Променливите предпочитания на

потребителите се представят с кохортния анализ. Получени са за 5 възрастови

групи в 3 периода 7 кохорти.

Получените резултати за трите периоди са следните: През първия период

доминират превозните средства с дизелов двигател; През втория период се

запазва тази тенденция, като се наблюдава и навлизане на автомобили с

алтернативно задвижване; През третия период се увеличава екологичната

чувствителност на стейкхолдерите, което увеличава потенциала на търсене на

екологично чисти автомобили.

Стабилността на получените резултати е тествана чрез модифициран

анализ на чувствителността, който определя не само ширината на интервала

на стабилност, но и анализира целия ход на функцията на потенциала на

търсене.

Резултатите от изследването доказват практическата приложимост на

динамичния модел на ПВР при подготовка на продуктовото портфолио на

производителя.

НАУЧНО-ПРИЛОЖНИ И ПРИЛОЖНИ ПРИНОСИ

Научно-приложни приноси

1. Създаден е динамичен многокритериален модел на ПВР с интегриране

на фактора „време“ за отчитане на промените на технологиите в

производствените процеси и промените на предпочитанията на

потребителите.

2. Съставена е разширена МВР за всеки период от време с отчитане на

множество алтернативи и критерии, както и отчитане на променливите

предпочитания на стейкхолдерите във всяка фаза на жизнения цикъл и период.

31

3. Дефинирани са променливите предпочитания на ЛВР чрез вариращо

множество алтернативи и критерии за всеки период.

4. Интегриран е кохортният анализ в ПВР, който отчита фактора „време“

в трите елемента - в различните „възрастови“ групи за всички „периоди“ и

„кохорти“ на стейкхолдерите.

5. Създаден е динамичен PROMETHEE- алгоритъм за получаване на

индивидуалните резултати на всички стейкхолдери и за обединяването им чрез

функция „потенциал на търсене“.

6. Създаден е модифициран анализ на чувствителността за проверка на

стабилността на резултатите чрез нововъведена „функция на потенциала на

търсене“.

Приложни приноси

7. Съставена е компютърна програма за динамичния многокритериален

модел на ПВР с помощта на програмен продукт Matlab.

8. Практическата приложимост на динамичния многокритериален модел

на ПВР е проверен на пример от автомобилната промишленост.

СПИСЪК НА ПУБЛИКАЦИИТЕ ПО ДИСЕРТАЦИОННИЯ ТРУД

1. Uskova G., Geldermann J. Entwicklung eines multikriteriellen

Analysemodells für Mobilitätskonzepte в: Martin Josef Geiger, Jutta Geldermann,

Stefan Voß (Hrsg.) Wirtschaftsinformatik, Entscheidungstheorie und -praxis -

Ausgewählte Beiträge des gemeinsamen Workshops der GOR-Arbeitsgruppen

2011, Shaker Verlag, ISSN: 3844010009, 2012, стр 225-255

2. Schmidtmann B., Uskova G., Uhlemair H., Geldermann J. A comparison

of two visualization methods for decision support in MCDM problems. Operations

Research Proceedings 2012, Springer, ISBN 978 3 319 007946, Berlin, 2014, стр

83-89 (D) RG.

3. Lühn T., Schlömer G., Schmidtmann G., Lehde B., Schmiesing J.,

Hofmann L., Geldermann J. Multi-Criteria Analysis of Grid Expansion Concepts on

the Low Voltage Level. in: Zeitschrift für Energiewirtschaft, ISSN 0343-5377,

Wiesbaden, 2014, стр. 183-200. IF-C-1,29 ;

4. Schmidtmann B., Schmidtmann G. Comparing principal component

analysis and multidimensional scaling for the representation of PROMETHEE

results. International Jornal of MCDM, ISSN 2040-1078, Brüssel, 2015, стр. 372-

384 SCOPUS IF-C-0,72

5. Lühn T., Schmidtmann G., Geldermann J. Identification of sustainable

expansion alternatives for heterogeneous grid topologies. International Journal of

Energy Sector Management ISSN 1750-6220,2018, стр 44-66 SCOPUS IF-B-0,60;

6. Станимир Карапетков, Йорданка Чобанова, Геновева Шмидтманн.

Динамичен ПВР за определяне на продуктово портфолио в автомобилната

индустрия в Германия. Извест на ТУ-Сливен, ISSN 1312-3920, 2019, стр.49-55.

Uskova G.- фамилия по баща;

Schmidtmann G. – фамилия по съпруг.

32

SUMMARY

DEVELOPING DYNAMIC MULTI-CRITERIА EVALUATION MODEL

FOR INDUSTRIAL PRODUCTION AND SERVICES

Genoveva Evgenieva Schmidtmann

This thesis outlines the research work based on developing a dynamic multi-criteria

model that integrates the category of ‘time’ in the decision-making process regarding

stakeholder preferences. The key reason for investigating the problem, with a focus

on economic significance, is the lack of models that take into account both, decision

maker changing preferences over time and stakeholders’ subjective preferences. The

models presented so far analyze specific elements in decision-making for certain

periods while this new integrated approach for the decision-making problem over

time is carried out by a combination of methods that represents environmental

changes and changing preferences of the parties concerned. Changes in the

environment are represented through scenarios and matrices with different criteria.

Changing preferences are represented in the form of different criteria weight

depending on the period. The dynamics of stakeholder preferences is represented by

the three elements in cohort analysis - age, period and cohort. The variable

preferences of the parties concerned were integrated into the Structure of

Stakeholder Preferences and into the PROMETHEE multi-criteria decision making

algorithm, called Dynamic-PROMETHEE. This algorithm was used to determine

the potential of demand for individual possible alternatives. The sensitivity analysis

was adapted to the dynamic decision-making model and the weight stability interval

was determined. The stability of the results was determined by the proposed

potential of demand- function.

Implementation of the dynamic multi-criteria model into Matlab is associated with

identification of the specific alternative with the highest potential of demand, taking

into account the preferences of all stakeholders, and at the same time it is used to

outline the tendencies of the products to be successfully positioned on the market.

The dynamic multi-criteria model of the decision-making process is applicable to

long-term solutions. Its significance can be extended to business sale companies

designing a strategic planning process. The product portfolio is planned in the long

run, taking into account changing framework conditions and changing customer

preferences.