Modulul tematic 55
Tehnici
decizionale în C&D
ing.
Dorin RĂDULESCU
Senior Consultant WESTERN IQ
S.R.L.
Este, de la bun început, de subliniat că tehnicile
decizionale în domeniul cercetării şi dezvoltării nu constituie un set aparte,
diferit de tehnicile decizionale ale managementului general. Dacă există
elemente care diferenţiază practica decizională în C&D de practica
decizională în alte domenii manageriale, ele trebuie căutate - fără a face
totuşi afirmaţii categorice - în:
- aplicarea mai
riguroasă în managementul C&D a unor tehnici decizionale de uz general;
- constituirea
tehnicilor decizionale C&D în obiect
al cercetării înseşi şi asocierea de produse informatice acestor tehnici.
O altă observaţie care poate nunaţa diferenţierile de mai
sus ar fi aceea că, în managementul C&D, ponderea deciziilor - unicat, în
situaţii din afara rutinei, este, cu certitudine, mai mare.
Fără a mai argumenta în continuare, putem deja avansa
concluzia că “repertoriul” de tehnici decizionale este acelaşi pentru
managementul C&D şi pentru managementul general.
Ceea ce diferă - fără a introduce ipoteza unor delimitări
certe - este “distribuţia spectrală” a tehnicilor decizionale.
Obiect al activităţii decizionale, specifice domeniului
abordat:
- selecţionarea
optimă a portofoliilor de programe, teme şi contracte de C&D în cadrul unor
restricţii bugetare;
- mobilizarea şi
asigurarea în avans a resurselor necesare pentru programe, proiecte, teme şi
contracte C&D1) ;
- organizarea
eforturilor şi demersurilor promoţionale pentru rezultatele C&D,
care adaugă dimensiune
strategică activităţilor de nivel tactic-operativ enumerate în lucrarea citată.
Să considerăm un exemplu:
Modelele de programare sistematică (liniară, neliniară,
întreaga dinamică, zero-unu etc.) sunt larg utilizate ca suport al deciziei
pivind:
- optimizarea unei
reţete de fabricaţie;
- echilibrarea
unui flux de producţie;
- determinarea
sortimentaţiei optime a producţiei din punct de vedere comercial;
- alegerea celor
mai economice surse de transport;
dar şi în domenii ca:
- acoperirea
portofoliilor de obiective C&D în condiţii date de resurse şi capacităţi de
cercetare;
- practica curentă
a proiectării.
Astfel de modele aparţin sferei largi de tehnici
decizionale (suport) care nu caracterizează în mod special un domeniu
managerial sau altul, deoarece ele se reduc, în ultimă instanţă, la alocarea optimă a resurselor, problemă
centrală în managementul oricărei activităţi.
Exemplul de mai sus legitimează intenţia de a prezenta, în
continuare, câteva tehnici decizionale, fără a le atribui exclusiv sferei
managementului C&D, ci doar insistând asupra faptului că ele se plasează în
infrastructura unor decizii în afara rutinei, ceea ce caracterizează, ca
pondere, managementul C&D.
Decizia de grup ca
rezultat ierarhizat
Tehnica deciziei
fuzzy de grup este ilustrativă pentru cazul când un grup de
n=2k +1 decidenţi (D1,
D2, ... Dn) sunt chemaţi să stabilească o ierarhie de
obiective (W1, W2, ... Wn), din care - eventual - să se reţină numai o
secvenţă de obiective care se încadrează într-un buget dat. Dacă decizia ar fi
de luat între W1 şi W2 atunci ar funcţiona regula majorităţii. Ceea ce
se urmăreşte însă este obţinerea unei ierarhii ceea ce complică întrucâtva
lucrurile.
Să presupunem că există 4 obiective W1, W2, W3, W4 şi 7 decidenţi D1, D2, ...
D7. Fiecare dintre ei propune câte o ierarhie de tipul.
W2
(unde “
Ierarhia de mai sus se reprezintă matricial ca:
|
|
W1 |
W2 |
W3 |
W4 |
|
W1 |
0 |
0 |
0 |
1 |
|
W2 |
1 |
0 |
1 |
1 |
|
W3 |
1 |
0 |
0 |
1 |
|
W4 |
0 |
0 |
0 |
0 |
unde aij = 0
dacă Wj
Decidenţii propun individual următoarele ierarhii:
D1 şi D2
W2
D3 W3
D4 şi D5 W2
D6 şi D7 W2
Construind pentru fiecare decident câte o matrice ca cea de
mai sus şi adunând cele 7 matrici se obţine matricea:
|
|
W1 |
W2 |
W3 |
W4 |
|
W1 |
0 |
0 |
0 |
2 |
|
W2 |
7 |
0 |
6 |
7 |
|
W3 |
7 |
1 |
0 |
5 |
|
W4 |
5 |
0 |
2 |
0 |
care, prin împărţire cu
7 (nr. de decidenţi) devine:
|
|
W1 |
W2 |
W3 |
W4 |
|
W1 |
0 |
0 |
0 |
2/7 |
|
W2 |
1 |
0 |
6/7 |
1 |
|
W3 |
1 |
1/7 |
0 |
5/7 |
|
W4 |
5/7 |
0 |
2/7 |
0 |
Acum, elementele matricii au semnificaţia unor funcţii de
apartenenţă fuzzy a ierarhiilor elementare (Wi
Extrăgând submulţimile fuzzy de nivel a (a = 1, 6/7, 5/7, ..., 0) apar, în suită, ierarhiile elementare următoare:
a = 1 (W2
care generează W2
a = 6/7 (W2
care generează W2
a = 5/7 (W2
care generează ierarhia
completă majoritară:
W2
Dacă s-ar continua explorarea submulţimilor fazei de nivel
inferior, s-ar obţine şi ierarhii elementare care contrazic ierarhia majoritară
de mai sus; dar aceste ierarhii elementare aparţin unor submulţimi de nivel
inferior.
Aşadar, se poate întotdeauna obţine o ierarhie majoritară
aflată în minimă contradicţie cu fiecare ierarhie individuală.
Dacă următoarea decizie ar fi extragerea unei subierarhii
care să se încadreze într-un cuantum dat de resurse, ea rezultă imediat:
W2
Abordarea de mai sus a deciziei de grup este datorată lui
Jean-Marie BLIN (Fuzzy Relations in Group Decision Theory” în “Journal of
Cybernetics”, SUA, vol. 4/1974, p.17-22).
Arbori de decizie
În acest caz, este vorba de evaluarea tuturor consecinţelor posibile ale
unei decizii iniţiale, urmate de (posibile) alte decizii.
Obiectul deciziei iniţiale (I) este introducerea unei
tehnologii noi. Dacă se renunţă la aceasta, profitul suplimentar este 0. Dacă
tehnologia se introduce imediat, atunci, cu probabilitatea p=0,05 se obţine
rezultatul scontat şi un profit suplimentar de 5.000 u.c. (unităţi
convenţionale), iar cu probabilitatea q=0,95 nu se obţine nici un rezultat şi
se pierd 500 u.c. (cheltuieli de modificare a tehnologiei). Media
probabilistică a celor două evenimente este:
(1) 0,05 x 5000 -
0,95 x 500 = - 225 u.c.
ceea ce indică o pierdere.
A treia variantă este iniţierea unui program de cercetare
pentru pregătirea introducerii tehnologiei şi care costă 200 u.c. Dacă
concluziile cercetării nu sunt edificatoare se poate decide între: continuarea
cercetării, care costa încă 100 u.c. şi aplicarea tehnologiei (cu p=0,6 şanse
de profit suplimentar de 5000 u.c. şi q=0,4 şanse de eşec). După programul
suplimentar de cercetare, şansele de succes cresc la p=0,8 şi cele de eşec scad
la q=0,2. Avem deci noile evenimente:
(2) -200 + 0,6 x
5000 - 0,4 x 500 = 2600
(3) -300 + 0,8 x
5000 - 0,2 x 500 = 3600
Deciziile
şi evenimentele probabile de mai sus se pot reprezenta ca în fig.1
Fig. 1
- Arbore de decizie
Se observă că fiecare mod de decizie umană este urmat de o
intervenţie probabilistică. “Tehnologia” decizională este, deci:
a) se evidenţiază
toate deciziile umane care pot fi luate în considerare (în suită logică);
b) se estimează
probabilităţile asociate cu fiecare eveniment care rezultă din decizie;
c) se calculează
media probabilistică pentru fiecare eveniment final; se alege secvenţa de
decizii care conduce la evenimentul cu cea mai mare medie probabilistică.
Este de menţionat că arborele de decizie are întotdeauna ca
“rădăcină” o decizie umană şi ca “ramuri” finale probabilităţile asociate cu un
eveniment rezultat dintr-o decizie.
Decizia multiatribut
În domeniile tactic şi strategic numărul de decizii
posibile este, de regulă, finit. Acestor variante decizionale li se asociază un
număr de atribute (cuantificabile numeric) şi care caracterizează fiecare
variantă.
Vom presupune că se decide folosirea unui fond de rezervă
de 1000 u.c. pentru finanţarea unui proiect de cercetare din portofoliul “de
aşteptare”.
Atributele
considerate relevante pentru fiecare proiect sunt:
- costul (în
u.c.);
- riscul (exprimat
ca probabilitate);
- posibilităţile
de valorificare (u.c.);
- şansa de a
atrage cooperări (probabilitate).
Aceste atribute permit o caracterizare satisfăcătoare a
fiecărui proiect. Cele 6 proiecte avute în vedere, împreună cu
atributele care le caracterizează, po
t fi sistematizate
într-o matrice-tabel:
|
|
A1 cost |
A2 risc |
A3 valorificare |
A4 cooperări |
|
Proiect 1 |
800 |
0,15 |
3000 |
0,80 |
|
Proiect 2 |
1000 |
0,20 |
6000 |
0,40 |
|
Proeict 3 |
750 |
0,15 |
4000 |
0,75 |
|
Proiect 4 |
900 |
0,25 |
5000 |
0,60 |
|
Proiect 5 |
850 |
0,20 |
4000 |
0,40 |
|
Proiect 6 |
700 |
0,10 |
3500 |
0,50 |
Cu
această matrice este necesar să se efectueze două operaţii:
a) normalizarea adică aducerea tuturor
atributelor între valorile o şi 1;
b) transformarea atributelor de minimizat
în atribute de maximizat;
c) “calibrarea” atributelor de la pct. b).
Prima operaţie se realizează conform formulei:
Rezultă:
|
0,80 |
0,60 |
0,50 |
1,00 |
|
1,00 |
0,80 |
1,00 |
0,50 |
|
0,75 |
0,60 |
0,66 |
0,93 |
|
0,90 |
1,00 |
0,83 |
0,75 |
|
0,85 |
0,80 |
0,66 |
0,50 |
|
0,70 |
0,40 |
0,58 |
0,62 |
Pentru a transforma primele două atribute (de minimizat) în
atribute de maximizat, se aplică formula:
de unde rezultă:
|
0,20 |
0,40 |
0,50 |
1,00 |
|
0,00 |
0,20 |
1,00 |
0,50 |
|
0,25 |
0,40 |
0,66 |
0,93 |
|
0,10 |
0,00 |
0,83 |
0,75 |
|
0,15 |
0,20 |
0,66 |
0,50 |
|
0,30 |
0,60 |
0,58 |
0,62 |
Pentru
ca valorile de pe primele coloane să varieze între 0 şi 1 se face calibrarea:
de unde rezultă,
finalmente:
|
|
0,66 |
0,66 |
0,50 |
1,00 |
|
|
0,00 |
0,33 |
1,00 |
0,50 |
|
A = |
0,83 |
0,66 |
0,66 |
0,93 |
|
|
0,33 |
0,00 |
0,83 |
0,75 |
|
|
0,50 |
0,33 |
0,66 |
0,50 |
|
|
1,00 |
1,00 |
0,58 |
0,62 |
Primul
criteriu (Wald) urmăreşte alegerea proiectului care
“obţine” cel mai mare “punctaj” minim:
Al doilea
criteriu (Laplace) urmăreşte alegerea proiectului care are cea mai mare
medie a punctajelor pe fiecare atribut:
Al treilea criteriu (Hurwicz), numit şi al “optimismului”, introduce în calcul subiectivitatea
decidentului exprimată prin coeficientul de optimism a
(a Î [0,1])
şi acordă fiecărui proiect “scorul”
unde:
care trebuie să fie
maximizat.
Pentru a = 0,
iar maximizarea lui si revine la
deci se “redescoperă”
criteriul Wald.
Pentru a = 0,5;
se găseşte un criteriu
asemănător cu criteriul Laplace. După efectuarea operaţiunilor aritmetice,
rezultă:
Pentru a = 1,
Este interesant de remarcat că “optimismul” maxim (a = 1) produce trei soluţii optime.
Al patrulea
criteriu (Savage) are o conotaţie psihologică clară: alegerea acelei
variante pentru care regretul de a nu
fi ales altă variantă este minim. Regretul se defineşte ca:
şi conduce la matricea:
|
|
0,33 |
0,33 |
0,50 |
0,00 |
|
|
1,00 |
0,66 |
0,00 |
0,50 |
|
R = |
0,16 |
0,33 |
0,33 |
0,07 |
|
|
0,66 |
1,00 |
0,16 |
0,25 |
|
|
0,50 |
0,66 |
0,33 |
0,50 |
|
|
0,00 |
0,00 |
0,42 |
0,38 |
pentru care se caută:
Cele patru criterii expuse mai sus exprimă “atitudini”
decizionale uşor de caracterizat. Din acest motiv, este explicabil că ele
produc soluţii (în general) diferite.
Decizia se poate orienta numai după un anumit criteriu sau
după rezultanta tuturor criteriilor. În exemplul de mai sus (inclusiv cele trei
cazuri ale criteriului Laplace) frecvenţa (f) soluţiilor este următoarea:
|
P |
P1 |
P2 |
P3 |
P4 |
P5 |
P6 |
|
f |
1 |
1 |
3 |
0 |
0 |
2 |
|
RANG |
III |
III |
I |
IV |
IV |
II |
Deci, pentru decidentul care doreşte să aibă de partea sa
majoritatea criteriilor este de selecţionat proiectul P3, urmat de P6 şi de P1,
P2.
*
* *
Tehnicile decizionale exemplificate mai sus nu epuizează
“arsenalul” decidentului instruit şi stăpân pe mijloacele sale. Ele au un
caracter algoritmic foarte pronunţat şi pot fi asociate cu instrumente
informatice individuale sau integrate (un produs informatic integrat şi
destinat deciziei multiatribut a fost realizat în 1994-1995 la Institutul de
Cercetări în Informatică din Bucureşti).
Ceea ce trebuie reţinut din acest modul este nu litera, ci spiritul tehnicilor decizionale moderne cu incidenţă majoritară în
domeniul C&D.