Provádí se podle několika kritérií najednou. Hodnocení provozu několika ukazateli

Téma: Rozhodování o několika kriteriálních indikátorech.

V praxi si člověk většinou musí vybrat manažerské rozhodnutí ne podle jednoho kritéria, ale podle několika. Proto jsou jejich hodnoty ve srovnávacím hodnocení vícesměrné, tzn. na jednom ukazateli alternativa vyhrává a na ostatních prohrává.

Za těchto podmínek je nutné uvažovaný systém hodnocení indikátorů zredukovat na jeden komplexní, na základě kterého se bude rozhodovat.

Aby bylo možné vytvořit komplexní hodnocení, je třeba vyřešit dva problémy:

První problém spočívá v tom, že uvažované indikátory kritérií mají nestejný význam;

Druhý problém je charakteristický tím, že ukazatele jsou vyhodnocovány v různých měrných jednotkách a pro vybudování komplexního hodnocení je nutné přejít na jeden měřič.

První problém je řešen aplikací jedné ze čtyř modifikací metody znaleckých posudků, a to metody párového porovnávání, která nám umožňuje dát kvantifikace význam. Podstatou metody párového porovnávání je, že odborník (specialista, potenciální investor, spotřebitel) provádí párové hodnocení uvažovaných ukazatelů kritérií a sám si určuje jejich stupeň důležitosti ve formě skóre. Poté, po provedení příslušného zpracování obdržených informací, se vypočítá koeficient významnosti pro každý z uvažovaných ukazatelů kritérií.

Druhý problém je vyřešen použitím jediného měřiče pro soukromé indikátory. Nejčastěji se jako takový metr používá bodování. V tomto případě se hodnocení provádí dvěma způsoby:

- první přístup používá se při absenci statistických údajů o hodnotě posuzovaných ukazatelů;

- druhý přístup používá se za přítomnosti statistických údajů (mezi změn) hodnoty uvažovaných ukazatelů.

Při použití prvního přístupu k převodu na body postupujte následovně: nejlepší hodnota uvažovaný ukazatel se rovná 1 bodu a nejhorší hodnoty v podílech tohoto bodu. Tento přístup je jednoduchý, poskytuje objektivní hodnocení, ale zároveň nebere v úvahu nejlepší výsledky, které leží mimo zvažované možnosti.

K odstranění tohoto nedostatku je zapotřebí informace o mezích změny uvažovaného indikátoru. Pokud je k dispozici, použije se druhý přístup. V tomto případě je vytvořena převodní škála pro převod na body. V tomto případě je bodovací systém vybrán pomocí ustanovení teorie statistiky podle Sturgesova vzorce:

n = 1 + 3,322 lgN, kde

N je počet statistických pozorování;

n je přijatý bodovací systém získaný pomocí pravidel zaokrouhlování.

Přepočet na body se provádí na základě zkonstruované převodní stupnice pomocí tabulkové interpolace dat.

Cvičení:

Ze 6 variant alternativních řešení, z nichž každá je hodnocena 5 kriteriálními ukazateli, je nutné vybrat tu nejlepší variantu.

Vyhodnoťte pomocí 2 přístupů:

při absenci statistických údajů o hodnotě posuzovaných ukazatelů;

Pokud je k dispozici.

Limity změny ukazatelů jsou stanoveny pro následující počet pozorování (N):

pro sudé varianty N = 8;

Posouzení významnosti by mělo být provedeno na základě párového hodnocení podle interpreta.

Stůl 1.

Možnosti úkolu

№ úkoly
Počet alternativ
№ úkoly
Počet alternativ
№ úkoly
Počet alternativ
№ úkoly
Počet alternativ
№ úkoly
Počet alternativ
№ úkoly
Počet alternativ

Tabulka 2

Počáteční údaje:

Alternativní řešení

indikátory

A6

X 1

X 2

X 3

X 4

X 5

13.12.5. Integrální kritéria: hodnocení kvality ekosystémů několika indikátory

Třídy jakosti vody podle hydrobiologických a mikrobiologických ukazatelů určují „Pravidla pro sledování jakosti vody na jezech a tocích“ [GOST 17.1.3.07–82], která upravují obsah programů sledování hydrologických, hydrochemických a hydrobiologických ukazatelů, četnost sledování, jakož i určení a umístění míst odběru vzorků
(Tabulka 13.7).Podle tohoto dokumentu se míra znečištění vod posuzuje s přihlédnutím k indexu saprobity podle Pantle a Bukka v modifikaci Sladechka, indexu Goodnight-Whitley a Parele oligochaete, Woodiwissově biotickému indexu a tradičnímu soubor mikrobiologických ukazatelů

Integrální indikátor podle E.V. Balushkina byla vyvinuta a používána k hodnocení stavu ekosystémů ve vodních útvarech vystavených smíšenému organickému a toxickému znečištění. Prošel rozsáhlým testováním v systému jezera Ladoga - r. Něva je východní část Finského zálivu (Balushkina et al., 1996). Integrální indikátor IP se vypočítá podle vzorce:

IP \u003d K 1 * S t + K 2 * OI + K 3 * K ch + K 4 / BI,

kde St je index saprotoxicity V.A. Jakovlev (Ki = 25); OI je Goodnight and Whitleyův index mnohoštětinatých, který se rovná poměru počtu mnohoštětinatců k celkovému počtu zoobentosu v procentech (K2 = 1); Kch je Balushkinův chironomidní index (K3 = 8,7); 1 / BI je převrácená hodnota Woodiwissova biotického indexu (K 4 @ 100).

E.V. Balushkina věří, že integrální indikátor, který získala, zahrnoval všechny nejlepší vlastnosti rodičovských indexů a v maximální možné míře zohledňuje charakteristiky bentických společenstev: přítomnost indikátorových druhů saprobotoxnosti, poměr indikátorových skupin zvířat vyšší taxonomické úrovně , míra dominance jednotlivých skupin a struktura komunity jako celku.

Kombinovaný index stavu komunity podle A.I. Bakanov. Při hodnocení stavu bentických společenstev v řadě řek, jezer a nádrží v Rusku použil autor pro kvantifikaci stavu bentosu následující ukazatele: počet (N), ind./m 2 ; biomasa (B), g/m2; počet druhů (S); druhová diverzita podle Shannona (H), bit/spec.; oligochaete Parele index (OIP, %), roven poměru počtu tubificidních máloštětinatců k celkovému počtu bentosů, průměrná saprobita (SS), vypočtená jako vážená průměrná saprobita prvních tří bentických organismů dominantních v abundanci. Pro spojení hodnot uvedených ukazatelů a jejich nahrazení jediným číslem je navržen výsledný ukazatel - kombinovaný index stavu komunity (KISS; [Bakanov, 1997]), zjištěný běžnou metodou výpočtu. integrální ukazatele pořadí:

kde R i je pořadí stanice podle i-tého ukazatele, P i je „váha“ tohoto ukazatele, k je počet ukazatelů.

Nejprve jsou všechny stanice seřazeny podle každého ukazatele a hodnost 1 je přiřazena maximálním hodnotám N, B, H a S. Pokud na několika stanicích byly hodnoty jakéhokoli ukazatele stejné, pak byly charakterizovány o jedno průměrné pořadí. Článek uvádí různé verze konečného vzorce (4.22) (zdůrazňujeme, že vzorce nezahrnují absolutní hodnoty ukazatelů, ale jejich pořadí):

KISS = (2B + N + H + S) / 5, kde biomasa má „váhu“ rovnou 2, protože je s ní spojena velikost energetického toku procházejícího komunitou, což je nesmírně důležité pro posouzení její Stát;

KISS = (2SS + 1,5OIP + 1,5B + ​​N + H + S)/8, kde se předpokládá, že průměrná saprobita nejvíce souvisí se znečištěním.

Čím menší je hodnota KISS, tím lepší je stav komunity.

Vzhledem k tomu, že stav komunity závisí jak na přírodních faktorech prostředí (hloubka, půda, proudění atd.), tak na přítomnosti, povaze a intenzitě znečištění, je dodatečně vypočítán kombinovaný index znečištění (CPI; [Bakanov, 1999]). včetně hodnot pořadí tří ukazatelů:

KIZ \u003d (SS + RIP + B) / 3. (4,23)

Hodnocení ukazatelů se provádí v opačném pořadí (od minimálních hodnot po maximum)

KISS a KIZ jsou relativní indexy, které řadí stanice na stupnici, ve které je nejlepší stav komunity podle zvoleného souboru indikátorů charakterizován minimálními hodnotami indexů, nejhorší – maximálními. Kromě hodnot charakterizujících hodnoty ukazatelů na konkrétní stanici se počítají jejich průměrné hodnoty pro celý soubor stanic. Kolísání hodnot indexu na jednotlivých stanicích vzhledem k průměru umožňuje posoudit, zda je na nich situace horší nebo lepší ve srovnání s obecným trendem.

Výpočet Spearmanova koeficientu pořadové korelace mezi hodnotami KISS a KIZ ukazuje, jak velké znečištění ovlivňuje stav společenstev zoobentosu. Pokud existuje významná pozitivní korelace mezi hodnotami těchto indexů, pak je stav společenstev bentických živočichů do značné míry určován přítomností znečištění (jinak je určován přírodními faktory prostředí).

Předchozí

V tomto článku se dozvíte o 5 užitečných vlastnostech kontingenčních tabulek, které vám pomohou rychle a podrobně analyzovat situaci (na příkladu analýzy zákaznické báze). Naučíte se:

1. Jak seskupovat data;
2. Jaké ukazatele lze vypočítat při sumarizaci dat;
3. Jak spočítat současně několik ukazatelů pro jeden parametr při sumarizaci dat;
4. Co další funkce výpočet, když shromáždíte data, která můžete použít?
5. O možnosti třídění.

A na základě této analýzy se dotkneme nejúčinnější techniky pro plánování podpory prodeje na trzích FMCG.

Začněme kontingenční tabulkou. Vezměme si jednoduchou tabulku prodejů zákazníkům podle dne.

Umístěte kurzor do levého horního rohu naší tabulky, poté přejděte do nabídky "Vložit" a klikněte na tlačítko "Kontingenční tabulka":

V dialogovém okně Vytvořit kontingenční tabulku klikněte na OK:

Máme kontingenční tabulku na novém listu:

1. užitečná funkce kontingenční tabulky pro obchodní analýzu - seskupování dat

Takže máme zásilky k zákazníkům přes den, chceme pochopit, v jakém rozsahu zásilek máme maximální tržby. K tomu potřebujeme seskupit zásilky do rozsahů.

Přetáhněte pole „Částka zásilky“ do oblasti „Názvy linek“ kontingenční tabulky (levým tlačítkem myši podržte pole „Částka_dopravy“ a přetáhněte jej do části „Názvy linek“ kontingenční tabulky):

Všechny zásilky jsme zobrazili v levém sloupci souhrnu. Nyní nastavíme kurzor na naše zásilky (jako na obrázku):

Přejděte do nabídky Excelu "Data" a klikněte na tlačítko "Skupina".

V zobrazeném dialogovém okně nastavte krok seskupení na „5000“ (můžete zadat libovolný) a klikněte na „OK“

S daným krokem získáme seskupené objemy prodeje:

Na skupina vypadala pěkně a vnímáno, stiskněte znovu tlačítko "Skupina". a ručně nastavte stejné hodnoty pro hodnotu "počínaje" - "-15 000" (pod minimální hodnotou, násobek 5000) "do" - "45 000" (větší než maximální skupina, násobek 5000).

Získáváme seskupená data podle množství zásilky:

2. užitečná funkce kontingenčních tabulek pro obchodní analýzu –
schopnost vypočítat různé souhrnné parametry podle polí ze zdrojové tabulky

Zásilky byly tedy seskupeny, nyní se podívejme, jaké objemy prodeje připadají na jednotlivé řady zásilek. K tomu shrňme zásilky v souhrnu.

Klikněte levým tlačítkem na pole „Shipping_amount“ a přetáhněte jej do souhrnného pole „Hodnoty“:

Souhrn standardně počítá "Množství podle pole Částka_zásilky", tzn. počet záznamů v naší původní tabulce na listu "Data". Protože Vzhledem k tomu, že naše tabulka obsahuje informace o prodeji zákazníkům podle dne, je naším ukazatelem „Množství v poli Množství_zásilky“ počet zásilek zákazníkům.

Výsledkem je, že v kontingenční tabulce vidíme počet zásilek zákazníkům v různých rozsazích zásilek:

Jak můžeme získat množství zásilek z počtu zásilek?

Klikneme levým tlačítkem myši na pole „Množství podle pole Částka zásilky“ v oblasti kontingenční tabulky „Hodnoty“ a v nabídce, která se otevře, vybereme „Parametry polí hodnot ...“

V okně, které se otevře, vyberte operaci redukce dat, která nás zajímá (Součet, množství, průměr, maximum, minimum ...). Vyberte operaci, kterou potřebujeme "součet" a klikněte na "OK".

Získáváme celkový objem prodeje pro každý rozsah zásilek:

Tito. vidíme, kolik tržeb připadá na zásilky v rozmezí od 0 do 5 000 rublů, od 5 000 do 10 000 rublů. atd. A je jasné, že maximální objem zásilek spadá do rozmezí od nuly do 5000 rublů.

3 vlastnost - schopnost pro jedno pole vypočítat různé operace redukce dat

Nyní bychom rádi viděli, kolik zásilek a jaké průměrné zásilky máme v každém z rozsahů. K tomu využíváme kontingenční tabulku pro výpočet počtu zásilek a průměrných zásilek.

V oblasti kontingenční tabulky "Hodnoty" přetáhneme pole "Shipping_amount" ještě 2x a v parametrech pole hodnoty pro druhé vyberte "množství" a pro třetí pole vyberte "průměr".

Pro každý rozsah zásilek získáme objem prodeje, počet zásilek a průměrnou zásilku:

Nyní vidíme, v jakém rozsahu zásilek je maximální objem prodeje a maximální počet zásilek. V našem příkladu je to pro rozsah od 0 do 5 000 rublů. a co nejvíce objem prodeje a počet zásilek.

4. vlastnost kontingenčních tabulek - schopnost provádět dodatečné výpočty

Pro přehlednost analýzy dat doplníme ještě 2 parametry – „Podíl podle objemu prodeje pro každou skupinu“ a „Podíl počtu zásilek pro každou skupinu“.

Chcete-li to provést, v poli kontingenční tabulky "Hodnoty" přetáhněte pole "Částka zásilky" ještě 2krát

Navíc pro jeden parametr v menu "Parametry pole hodnot" () vybereme operaci "součet" a pro druhou operaci "množství".

Dostaneme následující tabulku:

Nyní znovu přejdeme do "Parametry polí hodnot" a vstoupíme na kartu "Další výpočty":

Vyberte v poli "Dodatečné výpočty" položku "Podíl z celkové částky"

Dostaneme tabulku, ve které pro každý rozsah zásilek zákazníkům vidíme objem prodeje, počet zásilek, průměrnou zásilku, podíl tržeb pro každou skupinu a podíl počtu zásilek pro každou skupinu:

5 užitná vlastnost - třídění

Nyní, pro názornost, od maximální po minimální skupinu podle objemu prodeje seřadíme. Chcete-li to provést, umístěte kurzor do pole s objemem prodeje podle skupin a klikněte na tlačítko „Seřadit od maxima k minimu“:

Je vidět, že maximální skupinou z hlediska objemu prodeje a počtu zásilek je skupina „od 0 do 5000 rublů“. průměrný prodej v této skupině je 1971 rublů.

Poznámka! Průměrná zásilka napříč všemi zákazníky se výrazně liší od 86 % zásilek. Navíc se výrazně liší

• pro všechny skupiny je průměrná zásilka 2 803 rublů. (celkem v řádku).
• A u 86 % zásilek 1 971 rublů.

To je vážný rozdíl, a pokud budeme stimulovat prodej na základě 86 % zásilek a jejich průměr - 1 971 rublů, pak budou naše akce přesnější a účinek je mnohem vyšší, protože. Budeme schopni zaujmout maximální počet zákazníků.

Tento příklad ukazuje účinnou techniku ​​pro plánování propagace masového trhu a prognózování prodeje, která vám může pomoci dosáhnout velkého dopadu a změnit.

Máte-li jakékoli dotazy, kontaktujte nás.

Přesné předpovědi pro vás!

Připoj se k nám!

Stáhněte si bezplatné aplikace pro prognózování a obchodní inteligenci:

• Novo Forecast Lite- automatický předpovědní výpočet v vynikat.
• 4analytika- Analýza ABC-XYZ a analýza emisí v Vynikat.
• Qlik Sense plocha počítače a Qlik ViewPersonal Edition - BI systémy pro analýzu dat a vizualizaci.

Otestujte funkce placených řešení:

• Novo Forecast PRO- prognózování v Excelu pro velká datová pole.

Výše jsme považovali za úkol operačního výzkumu, kde bylo požadováno zvolit řešení tak, aby maximalizoval (nebo minimalizoval) jeden ukazatel účinnosti W. Je žádoucí vytvořit více ukazatelů, jiné méně.

Účinnost velkých a složitých operací zpravidla nelze vyčerpávajícím způsobem charakterizovat jediným ukazatelem; aby mu pomohl, musí zapojit další, další.

Například při hodnocení výkonu průmyslový podnik Je třeba vzít v úvahu řadu faktorů, například:

Zisk,

celkový objem výroby („hřídel“),

Cena nákladů atd.

Při analýze bojové operace je třeba kromě hlavního ukazatele charakterizujícího její účinnost (například matematické očekávání poškození způsobeného nepříteli) vzít v úvahu řadu dalších, jako například:

vlastní ztráty,

Doba provedení operace

Spotřeba munice atd.

Tato rozmanitost ukazatelů výkonnosti, z nichž některé je žádoucí maximalizovat a jiné minimalizovat, je charakteristická pro každý poněkud složitý úkol operačního výzkumu. Nabízí se otázka: jak být?

Nejprve je třeba zdůraznit, že předložené požadavky jsou obecně neslučitelné. Rozhodnutí, které maximalizuje jeden ukazatel, obvykle nemaximalizuje ani neminimalizuje ostatní ukazatele vědecký výzkum nesedí. Jakákoli z formulací „dosáhnout maximálního efektu za dané náklady“ nebo „dosáhnout daného efektu za minimální náklady“ je správná.

V obecném případě neexistuje řešení, které by z jednoho ukazatele udělalo maximum a zároveň maximum (nebo minimum) jiný ukazatel, navíc takové řešení pro více ukazatelů neexistuje. Nicméně, kvantitativní analýza efektivita může být velmi užitečná v případě několika výkonnostních ukazatelů.

Za prvé, umožňuje předem odmítnout jasně iracionální řešení, která jsou podřadná nejlepší možnosti pro všechny ukazatele.

Ukažme si, co bylo řečeno, na příkladu. Nechť je analyzována bojová operace O, hodnocená dvěma ukazateli:

W je pravděpodobnost dokončení bojové mise ("účinnost");

S jsou náklady na vynaložené prostředky.

Je zřejmé, že je žádoucí otočit první indikátor na maximum a druhý na minimum.

Pro zjednodušení předpokládejme, že je na výběr z konečného počtu 20 různých řešení; Pro každý z nich jsou uvedeny hodnoty obou ukazatelů W a

Pro názornost znázorníme každé řešení jako bod v rovině se souřadnicemi W a S (obr. 1.1).

Při pohledu na obrázek vidíme, že některá řešení jsou „nekonkurenceschopná“ a je třeba je předem zahodit. Ty možnosti, které mají výhodu v účinnosti W oproti jiným variantám se stejnými náklady S, musí skutečně ležet na pravé hranici regionu. možnosti. Stejné možnosti, které se stejnou účinností mají nižší náklady, by měly ležet na spodní hranici oblasti možných možností.

Jaké možnosti by měly být preferovány při hodnocení účinnosti dvou indikátorů? Pochopitelně ty, které leží současně vpravo a na spodní hranici regionu (viz tečkovaná čára na obr. 1.1). Pro každou z možností, které neleží na tomto úseku hranice, bude vždy existovat jiná možnost, která nebude nižší z hlediska účinnosti, ale levnější, nebo naopak nebude nižší z hlediska levnosti, ale více efektivní. Z 20 dříve předložených možností tedy většina vypadne ze soutěže a my musíme analyzovat pouze zbývající čtyři možnosti: . Z nich nejúčinnější, ale relativně drahé; - nejlevnější, ale ne tak efektivní. Je na tom, kdo rozhoduje, jakou cenu jsme ochotni zaplatit za určité zvýšení účinnosti, nebo naopak, jaký podíl účinnosti jsme ochotni obětovat, abychom nevznikli příliš velkým materiálním ztrátám.

Podobný náhled možností (i když bez takové vizuální geometrické interpretace) lze provést v případě mnoha indikátorů:

Takovýto postup předběžného prověřování nekonkurenčních řešení by měl vždy předcházet řešení problému operačního výzkumu s více indikátory. To sice neodstraňuje potřebu kompromisů, ale výrazně to snižuje množinu rozhodnutí, v rámci kterých se volba provádí.

Vzhledem k tomu, že komplexní posouzení operace pomocí více indikátorů najednou je obtížné a vyžaduje reflexi, v praxi se často snaží uměle spojovat více indikátorů do jednoho zobecněného indikátoru (či kritéria). Často se jako takové zobecněné (složené) kritérium bere zlomek; do čitatele uveďte ty ukazatele, které je žádoucí zvýšit, a do jmenovatele ty, které je žádoucí snížit:

Například, pokud mluvíme o vojenské operaci, čitatel uvádí takové hodnoty jako „pravděpodobnost dokončení bojové mise“ nebo „ztráty nepřítele“; ve jmenovateli - "vlastní ztráty", "spotřeba střeliva", "doba provozu" atd.

Společnou nevýhodou „složených kritérií“ typu (5.1) je, že nedostatek účinnosti jednoho ukazatele může být vždy kompenzován jiným (například nízká pravděpodobnost dokončení bojové mise kvůli nízké spotřebě munice atd.). ). Kritéria tohoto druhu vtipně připomínají „kritérium hodnocení člověka“ Lva Tolstého ve formě zlomku, kde čitatelem jsou skutečné přednosti člověka a jmenovatelem jeho názor na sebe. Nejednotnost takového kritéria je zřejmá: vezmeme-li to vážně, pak člověk téměř bez zásluh, ale zcela bez domýšlivosti bude mít nekonečně větší hodnotu!

Často jsou „složená kritéria“ nabízena nikoli jako zlomek, ale jako „vážený součet“ jednotlivých ukazatelů výkonnosti:

kde jsou kladné nebo záporné koeficienty. Pozitivní jsou nastaveny u těch ukazatelů, které je žádoucí maximalizovat; negativní pro ty, které je žádoucí minimalizovat. Absolutní hodnoty koeficientů („váhy“) odpovídají stupni důležitosti ukazatelů.

Je snadné vidět, že složené kritérium formuláře (5.2) se v podstatě nijak neliší od kritéria formuláře (5.1) a má stejné nevýhody (možnost vzájemné kompenzace heterogenních ukazatelů). Nekritické použití jakéhokoli druhu „složených“ kritérií je proto plné nebezpečí a může vést k nesprávným doporučením. Avšak v některých případech, kdy „váhy“ nejsou voleny libovolně, ale jsou voleny tak, aby složené kritérium plnilo svou funkci co nejlépe, je možné s jeho pomocí získat některé výsledky omezené hodnoty.

V některých případech lze problém s několika ukazateli zredukovat na problém s jedním ukazatelem, pokud vyberete pouze jeden (hlavní) ukazatel účinnosti a pokusíte se jej přeměnit na maximum a na zbytek uvalíte pouze některá omezení, pomocné ukazatele:

Tato omezení budou samozřejmě zahrnuta do souboru daných podmínek.

Například při optimalizaci plánu práce průmyslového podniku lze požadovat, aby zisk byl maximální, sortimentní plán byl splněn a výrobní náklady nebyly vyšší než stanovené. Při plánování bombardovacího náletu lze požadovat, aby škody způsobené nepříteli byly maximální, ale zároveň by vlastní ztráty a náklady na operaci neměly přesáhnout známé meze.

Při takové formulaci problému se všechny ukazatele výkonnosti, kromě jednoho, hlavního, přenášejí do kategorie specifikovaných provozních podmínek. Řešení, která se nevejdou do daných hranic, jsou okamžitě vyřazena jako nekonkurenční. Obdržená doporučení budou samozřejmě záviset na tom, jak budou zvolena omezení podpůrných ukazatelů. Chcete-li zjistit, jak moc to ovlivní konečná doporučení pro výběr řešení, je užitečné měnit omezení v rozumných mezích.

Konečně je možný i jiný způsob konstrukce kompromisního řešení, který lze nazvat „metodou postupných ústupků“.

Předpokládejme, že ukazatele výkonnosti jsou uspořádány v sestupném pořadí podle důležitosti: nejprve hlavní, pak další, pomocné: Pro jednoduchost budeme předpokládat, že každý z nich je třeba změnit na maximum (pokud tomu tak není, stačí změnit znaménko indikátoru). Postup při konstrukci kompromisního řešení je následující. Nejprve se hledá řešení, které maximalizuje hlavní ukazatel výkonnosti. Poté na základě praktických úvah a přesnosti, s jakou jsou počáteční údaje známy (a často jsou malé), dojde k nějakému „ústupku“, který se dohodneme povolit, abychom maximalizovali je přiřazen druhý ukazatel Ukazatel omezíme tak, aby nebyl menší, než kde W je maximální možná hodnota a pod tímto omezením hledáme řešení, které se obrací na maximum.

Tento způsob konstrukce kompromisního řešení je dobrý, protože je okamžitě jasné, za cenu toho, jakého „ústupku“ v jednom ukazateli se získá zisk v jiném.

Všimněte si, že svoboda volby řešení, získaná za cenu i nepatrných „ústupků“, se může ukázat jako významná, protože efektivita řešení se v oblasti maxima obvykle mění jen velmi málo.

Tak či onak, při jakékoli metodě formalizace zůstává úkol kvantitativního zdůvodnění rozhodnutí několika indikátory ne zcela definován a konečný výběr rozhodnutí je dán vůlí „velitele“ (jak budeme konvenčně nazývat osoba odpovědná za výběr). Úkolem výzkumníka je poskytnout veliteli dostatečné množství dat, to dovoluji. mu komplexně zhodnotit výhody a nevýhody jednotlivých řešení a na jejich základě učinit konečný výběr.

Toto je kapitola z knihy: Michael Girvin. Ctrl+Shift+Enter. Zvládnutí maticových vzorců v Excelu.

Výběry založené na jedné nebo více podmínkách.Řada funkcí aplikace Excel používá operátory porovnání. Například SUMIF, SUMIFS, COUNTIF, COUNTIFS, AVERAGEIF a AVERAGEIFS. Tyto funkce provádějí výběr na základě jedné nebo více podmínek (kritérií). Problém je, že tyto funkce umí pouze sčítat, počítat a průměrovat. A pokud chcete hledání klást podmínky, například maximální hodnotu nebo směrodatnou odchylku? V těchto případech, protože neexistuje žádná vestavěná funkce, musíte vymyslet maticový vzorec. Často je to kvůli použití operátoru porovnání polí. První příklad v této kapitole ukazuje, jak vypočítat minimální hodnotu za jedné podmínky.

Pomocí funkce IF vybereme prvky pole, které splňují podmínku. Na Obr. 4.1 v levé tabulce je sloupec s názvy měst a sloupec s časem. Je nutné najít minimální čas pro každé město a umístit tuto hodnotu do odpovídající buňky v pravé tabulce. Podmínkou výběru je název města. Pokud použijete funkci MIN, můžete najít minimální hodnotu sloupce B. Jak ale vybrat pouze ta čísla, která platí pouze pro Auckland? A jak zkopírujete vzorce dolů ve sloupci? Protože Excel nemá vestavěnou funkci MINESLI, musíte napsat originální vzorec, který kombinuje funkce IF a MIN.

Rýže. 4.1. Účel vzorce: vybrat minimální čas pro každé město

Stáhněte si poznámku ve formátu nebo ve formátu

Jak je znázorněno na Obr. 4.2 byste měli začít zadávat vzorec do buňky E3 s funkcí MIN. Ale nemůžete se hádat číslo 1 všechny hodnoty sloupce B!? Chcete vybrat pouze hodnoty, které platí pro Auckland.

Jak je znázorněno na Obr. 4.3, v dalším kroku zadejte jako argument funkci IF číslo 1 za MIN. Vložíte IF do MIN.

Umístěním kurzoru na místo, kde je zadán argument log_expression funkce IF (obr. 4.4), vyberete rozsah s názvy měst A3:A8 a poté stisknete F4, aby byly odkazy na buňky absolutní (viz např. další podrobnosti). Poté zadejte porovnávací operátor, znaménko rovná se. Nakonec vyberete buňku nalevo od vzorce D3 a odkaz na ni ponecháte relativní. Formulovaná podmínka vám umožní vybrat pouze Aucklands při prohlížení rozsahu A3:A8.

Rýže. 4.4. Vytvořte operátor pole v argumentu log_expression IF funkce

Takže jste vytvořili operátor pole s operátorem porovnání. V každém okamžiku zpracování pole je operátor pole porovnávací operátor, takže jeho výsledkem bude pole hodnot TRUE a FALSE. Chcete-li to ověřit, vyberte pole (k tomu klikněte na argument v popisku log_expression) a stiskněte F9 (obr. 4.5). Obvykle používáte jeden argument log_expression, vrací buď PRAVDA nebo NEPRAVDA; zde výsledné pole vrátí více hodnot TRUE a FALSE, takže funkce MIN vybere minimální počet pouze pro ta města, která odpovídají hodnotě TRUE.

Rýže. 4.5. Chcete-li zobrazit pole hodnot TRUE a FALSE, klikněte na argument v popisku log_expression a stiskněte F9