AHP method has been widely used as

AHP method has been widely used as a useful and
practical tool for dealing with complex decision
problems (Saaty, 1994). There are a few reasons that
have made the AHP technique very popular,
including no requirement of advanced knowledge
in mathematics, the capability of dealing with
qualitative factors, the existence of appropriate
software (expert choice), and the exploitation of
experts’ experience and expertise. However, in many
real-world applications, since the decision makers
do not have complete information regarding all
aspects of the decision making process and/or a
deep understanding of a decision problem, the
pairwise comparisons are subject to judgmental
errors and are inconsistent and conflicting with
each other (Levary and Wan, 1998). Therefore,
the obtained weight point estimates are not necessarily
precise and a degree of uncertainty will be associated with them. In the AHP, the uncertainty is
propagated through a hierarchy resulting in the
uncertain values for the global AHP weights of
decision alternatives. Obviously, this uncertainty
associated with subjective judgmental errors may
affect the rank order of decision alternatives and
consequently reduce the decision maker’s confidence
in the obtained results of the AHP.
In this study, a stochastic approach, recently
introduced by Eskandari and Rabelo (2006), is
implemented for the AHP problem formulation
with the measure of global weight variance in order to obtain a confidence interval of the global AHP
weight rather than global weight point estimate
(going beyond the deficiencies of the traditional
AHP). Briefly stated, stochastic AHP methodology
calculates the global weight variances accounting
for judgmental errors resulting from inconsistent
pairwise comparisons. Utilizing the global AHP
weights and their corresponding estimated variances,
Monte Carlo simulation is employed for
handling the related uncertainty in the global AHP
weights to allow the investigation of whether the
differences among the decision alternatives are
statistically significant. This type of analysis provides
more information for the decision makers in
order to make more precise discriminations among
competing alternatives (Hauser and Tadikamalla,
1996). It is important to note that stochastic AHP
methodology accounts for acceptable levels of
inconsistency satisfying Saaty’s consistency test. If
any comparison matrix has an unacceptable level of
inconsistency the decision maker is requested to
revise his pairwise comparisons until the consistency
requirement is satisfied.
In this study, three decision makers—the Chief
Financial Officer (CFO), the Chief Operations
Officer (COO), and the Vice-President of Sales/
Marketing—representing different areas of the
corporation engage in the strategic decision process
by expressing their own preferences. To aggregate
group individual judgments, the weighted geometric
mean method (WGMM) is employed, which is
the most common group preference aggregation
method (Forman and Peniwati, 1998; Xu, 2000).
Extensive research studies on AHP group consistency
have revealed that when using WGMM as the
aggregation method, levels of inconsistency in
aggregated group matrices are far less than in
individual matrices (Xu, 2000; Escobar et al., 2004;
Aull-Hyde et al., 2006). Thus, the stochastic AHP
approach is applied to the aggregated group
matrices rather than individual matrices ensuring
that the consistency requirement is satisfied in the
group decision process. Here, all three decision
makers are weighted equally in WGMM.
According to the traditional AHP, alternative B,
manufacturing in Southeast Asia, should be selected
as the preferred option with the highest global
weight point estimate of 0.448. Alternative A is
ranked second with the next highest global weight
point estimate of 0.288 followed by alternative C,
outsourcing in East Asia and performance test in
USA, with the global weight point estimate of 0.264
(see Table 1). If we consider no judgmental
uncertainty in the input data, the analysis yields
the preference ranking of [B, A, C].
Looking at the obtained 95% confidence intervals
of the global weights gained by the stochastic AHP
methodology, we see that there is considerable
overlap between alternatives A and C. Fig. 12
provides graphical representation of the global
weight ranges of alternatives A, B, and C, indicating
some degree of judgmental uncertainty. This overlap
implies that alternatives A and C are tied to
occupy the second rank position. Although it is
expected that alternative A has more chance to
occupy the second position, further analysis is
required to estimate the probabilistic superiority.
Using the simulation approach, the summary of
output results of 10,000 replications is given in
Table 2. We can see that alternative B occupied the
first place 99.99%. Alternative B does dominate
alternative A and C with the confidence level of
much more than 95%; thus, the null assumption
that alternative B is probabilistically optimal (versus
the alternate assumption that it is not) is accepted.
However, the summary shows that alternative
A and C ranked second 77.5% and 22.5% of the
time, respectively, indicating that the null assumptions
that alternative A is probabilistically superior
to alternative C is rejected. In other words, with the confidence level of 95% we cannot say that
alternative A is preferred to alternative C. In this
case, the stochastic analysis yields the preference
ranking of [B, (A, C)] considering the degree of
judgmental uncertainty found in the input data.

ผลลัพธ์ (ไทย) 1:

วิธี AHP ได้ถูกใช้เป็นเป็นประโยชน์ และปฏิบัติเครื่องมือสำหรับจัดการกับการตัดสินใจที่ซับซ้อนปัญหา (Saaty, 1994) มีไม่กี่เหตุผลที่ทำเทคนิค AHP นิยมมากรวมทั้งไม่มีความรู้ขั้นสูงในวิชาคณิตศาสตร์ ความสามารถในการจัดการกับปัจจัยเชิงคุณภาพ การดำรงอยู่ของความเหมาะสมซอฟต์แวร์ (เลือกใช้), และใช้ประโยชน์จากการผู้เชี่ยวชาญด้านประสบการณ์และความชำนาญ อย่างไรก็ตาม ในหลายใช้งานจริง เนื่องจากผู้ตัดสินใจมีข้อมูลทั้งหมดเสร็จสมบูรณ์ด้านการตัดสินใจทำกระบวนการ หรือการเข้าใจลึกของปัญหาการตัดสินใจ การเปรียบเทียบแพร์ไวส์จะต้อง judgmentalข้อผิดพลาดและไม่สอดคล้องกัน และขัดแย้งกับกัน (Levary และ Wan, 1998) ดังนั้นประเมินจุดได้รับน้ำหนักอาจจะไม่แม่นยำ และระดับของความไม่แน่นอนจะเกี่ยวข้องกับพวกเขา AHP ความไม่แน่นอนที่เป็นเผยแพร่ผ่านลำดับชั้นในการน้ำหนัก AHP สากลของค่าไม่แน่นอนตัดสินใจเลือก อย่างชัดเจน นี้ความไม่แน่นอนเกี่ยวข้องกับผิดตามอัตวิสัย judgmental อาจส่งผลกระทบต่อใบสั่งแบบลำดับขั้นทางเลือกตัดสินใจ และดังนั้น ลดความเชื่อมั่นการตัดสินใจของในผลที่ได้รับของการ AHPในการศึกษานี้ สโทแคสติกวิธีการ ล่าสุดแนะนำ โดย Eskandari และ Rabelo (2006) เป็นใช้สำหรับกำหนดปัญหา AHPมีการวัดผลต่างน้ำหนักสากลเพื่อให้ได้ช่วงความเชื่อมั่นของ AHP สากลน้ำหนักมากกว่าน้ำหนักสากลชี้ประเมิน(ไปยังที่ดั้งเดิมAHP) ระบุสั้น ๆ สโทแคสติกวิธี AHPคำนวณผลต่างน้ำหนักสากลการบัญชีjudgmental ข้อผิดพลาดที่เกิดจากการไม่สอดคล้องกันเปรียบแพร์ไวส์ ใช้ AHP สากลน้ำหนักและสอดคล้องกับการประมาณผลต่างจำลอง Carlo มอนเป็นลูกจ้างในการจัดการความไม่แน่นอนที่เกี่ยวข้องใน AHP สากลน้ำหนักให้ตรวจสอบว่าการความแตกต่างระหว่างทางเลือกตัดสินใจสำคัญทางสถิติ ช่วยให้การวิเคราะห์ชนิดนี้ข้อมูลเพิ่มเติมสำหรับผู้ตัดสินใจในสั่งให้ discriminations ชัดเจนยิ่งขึ้นในหมู่แข่งขันแทน (ซังท์และ Tadikamalla1996) นั้นจะต้องบันทึกแบบเฟ้นสุ่มว่า AHPวิธีบัญชีในระดับที่ยอมรับของไม่สอดคล้องกันในการทดสอบความสอดคล้องของ Saaty ภิรมย์ ถ้าเมตริกซ์ใด ๆ เปรียบเทียบระดับไม่สามารถยอมรับได้ต้องตัดสินใจที่ไม่สอดคล้องแก้ไขเปรียบเทียบแพร์ไวส์ของเขาจนถึงความสอดคล้องความต้องการความพึงพอใจในการศึกษานี้ สามตัดสินใจผู้ซึ่งหัวหน้าการเงิน (Cfo), การดำเนินงานประธานเจ้าหน้าที่ (บิลล์), และรองประธานฝ่ายขาย /การตลาดตัวแทนหลายบริษัทมีส่วนร่วมในกระบวนการตัดสินใจเชิงกลยุทธ์โดยแสดงการกำหนดลักษณะของตนเอง การรวมคำพิพากษาแต่ละกลุ่ม การถ่วงน้ำหนักรูปทรงเรขาคณิตหมายถึงวิธีการ (WGMM) เป็นลูกจ้าง ซึ่งเป็นชอบรวมมากที่สุดของกลุ่มวิธี (Forman และ Peniwati, 1998 เขาฮิว 2000)การศึกษาวิจัยการ AHP กลุ่มสอดคล้องกันมีการเปิดเผยที่เมื่อใช้ WGMM เป็นการรวมวิธี ระดับของความไม่สอดคล้องเมทริกซ์รวมกลุ่มอยู่ไกลน้อยกว่าในแต่ละเมทริกซ์ (Xu, 2000 Escobar et al., 2004Aull-Hyde และ al., 2006) ดังนั้น AHP สโทแคสติกใช้วิธีการรวมเมทริกซ์แทนเมทริกซ์แต่ละบริการที่ต้องสอดคล้องเป็นความพึงพอใจในการกระบวนการตัดสินใจของกลุ่ม ที่นี่ ทั้งสามตัดสินใจผู้ผลิตมีการถ่วงน้ำหนักเท่า ๆ กันใน WGMMตามแบบ AHP ทางเลือก Bผลิตในเอเชียตะวันออกเฉียงใต้ ควรจะเลือกเป็นตัวที่มีสูงสุดทั่วโลกประเมินจุดน้ำหนักของ 0.448 เป็นทางเลือกอันดับสอง มีน้ำหนักสูงสุดทั่วโลกต่อไปชี้ประมาณ 0.288 ตาม ด้วย C สำรองผู้รับเหมาช่วงในเอเชียตะวันออกและทดสอบประสิทธิภาพในสหรัฐอเมริกา มีการประเมินจุดน้ำหนักสากลของ 0.264(ดูตารางที่ 1) ถ้าเราพิจารณาไม่ judgmentalความไม่แน่นอนในข้อมูลที่ป้อนเข้า การวิเคราะห์อัตราผลตอบแทนจัดอันดับความสำคัญของ [B, A, C]ดูที่ช่วงความเชื่อมั่น 95% ได้รับน้ำหนักสากลรับจาก AHP สโทแคสติกวิธี เราเห็นว่ามีจำนวนมากทับซ้อนกันระหว่างทางเลือก A และ C. Fig. 12แสดงภาพของโลกช่วงที่น้ำหนักตัวเลือก A, B และ C บอกบางส่วนของความไม่แน่นอนที่ judgmental ทับซ้อนนี้หมายความว่า ทางเลือก A และ C จะเชื่อมโยงกับการครองตำแหน่งอันดับสอง แม้ว่าจะเป็นคาดว่า ทางเลือกมีโอกาสมากขึ้นครองตำแหน่งที่สอง เป็นการวิเคราะห์ต่อไปต้องประเมินปม probabilisticใช้วิธีการจำลองสถานการณ์ สรุปจะกำหนดผลผลิตผลลัพธ์ของระยะ 10000ตารางที่ 2 เราจะเห็นว่าทางเลือก B ครอบครองก่อน ทำ 99.99% ทางเลือก B ครองทางเลือก A และ C ที่มีระดับความเชื่อมั่นของมากกว่า 95% ดังนั้น สมมติฐานว่างทางเลือกที่ B เป็น probabilistically เหมาะสมที่สุด (เมื่อเทียบกับยอมรับสมมติฐานรองว่าไม่)อย่างไรก็ตาม สรุปการแสดงที่อื่นA และ C อันดับสอง 77.5% และ 22.5% ของการเวลา ตามลำดับ เพื่อระบุว่า สมมติฐานว่างที่อื่นคือห้อง probabilisticallyถึง C สำรองถูกปฏิเสธ ในคำอื่น ๆ ที่มีระดับความเชื่อมั่น 95% เราไม่สามารถบอกว่าอื่นคือต้องการทดแทนซี ในที่นี้กรณี การวิเคราะห์แบบเฟ้นสุ่มทำให้การกำหนดลักษณะการจัดอันดับของ [B (A, C)] พิจารณาระดับของการjudgmental ความไม่แน่นอนในข้อมูลที่ป้อนเข้า

ผลลัพธ์ (ไทย) 2:

วิธี AHP ถูกนำมาใช้อย่างกว้างขวางว่าเป็นประโยชน์และ
เครื่องมือในทางปฏิบัติสำหรับการรับมือกับการตัดสินใจที่ซับซ้อน
ปัญหา (Saaty, 1994) มีเหตุผลไม่กี่ที่
ได้ทำเทคนิค AHP ที่นิยมมาก
รวมทั้งไม่มีความต้องการความรู้ขั้นสูง
ในวิชาคณิตศาสตร์, ความสามารถในการรับมือกับ
ปัจจัยเชิงคุณภาพที่เหมาะสมการดำรงอยู่ของ
ซอฟแวร์ (ผู้เชี่ยวชาญทางเลือก) และการใช้ประโยชน์จาก
ประสบการณ์ของผู้เชี่ยวชาญและความเชี่ยวชาญ . อย่างไรก็ตามในหลาย ๆ
การใช้งานจริงของโลกเนื่องจากผู้มีอำนาจตัดสินใจ
ไม่ได้มีข้อมูลที่สมบูรณ์เกี่ยวกับทุก
แง่มุมของกระบวนการตัดสินใจและ / หรือ
ความเข้าใจอย่างลึกซึ้งของปัญหาการตัดสินใจ,
การเปรียบเทียบคู่อาจมีการตัดสิน
ผิดพลาดและไม่สอดคล้องและขัดแย้งกัน กับ
แต่ละอื่น ๆ (Levary และ Wan, 1998) ดังนั้น
ประมาณการจุดรับน้ำหนักไม่จำเป็นต้องมี
ความแม่นยำและระดับของความไม่แน่นอนจะเกี่ยวข้องกับพวกเขา ใน AHP ความไม่แน่นอนที่มีการ
แพร่กระจายผ่านลำดับชั้นส่งผลให้
ค่าความไม่แน่นอนสำหรับน้ำหนัก AHP ทั่วโลกของ
ทางเลือกในการตัดสินใจ เห็นได้ชัดว่ามีความไม่แน่นอนนี้
ที่เกี่ยวข้องกับข้อผิดพลาดเกี่ยวกับการตัดสินอัตนัยอาจ
ส่งผลกระทบต่อลำดับของทางเลือกตัดสินใจและ
จึงลดความเชื่อมั่นในการตัดสินใจของ
ในผลที่ได้รับของ AHP.
ในการศึกษานี้วิธีการสุ่มเมื่อเร็ว ๆ นี้
นำโดย Eskandari และ Rabelo (2006), ถูก
นำมาใช้สำหรับการกำหนดปัญหา AHP
กับตัวชี้วัดของความแปรปรวนน้ำหนักทั่วโลกเพื่อให้ได้ความเชื่อมั่นของ AHP โลก
น้ำหนักมากกว่าจุดประมาณการน้ำหนักทั่วโลก
(จะเกินข้อบกพร่องของแบบดั้งเดิม
AHP) กล่าวสั้น ๆ วิธี AHP สุ่ม
คำนวณน้ำหนักทั่วโลกแปรปรวนบัญชี
สำหรับข้อผิดพลาดที่เกิดจากการตัดสินที่ไม่สอดคล้องกัน
การเปรียบเทียบคู่ ใช้ AHP โลก
น้ำหนักและความแปรปรวนประมาณสอดคล้องกันของพวกเขา
จำลอง Monte Carlo เป็นลูกจ้างสำหรับ
การจัดการความไม่แน่นอนที่เกี่ยวข้องในระดับโลก AHP
น้ำหนักเพื่อให้การตรวจสอบไม่ว่าจะเป็น
ความแตกต่างระหว่างทางเลือกในการตัดสินใจที่มี
นัยสำคัญทางสถิติ ประเภทของการวิเคราะห์นี้จะให้
ข้อมูลเพิ่มเติมสำหรับผู้มีอำนาจตัดสินใจใน
การที่จะทำให้ discriminations ที่แม่นยำยิ่งขึ้นในหมู่
ทางเลือกในการแข่งขัน (Hauser และ Tadikamalla,
1996) มันเป็นสิ่งสำคัญที่จะทราบว่า AHP สุ่ม
บัญชีวิธีการในระดับที่ยอมรับได้ของ
ความไม่ลงรอยกันความพึงพอใจของการทดสอบความสอดคล้องของ Saaty หาก
เมทริกซ์การเปรียบเทียบใด ๆ ที่มีอยู่ในระดับที่ยอมรับไม่ได้ของ
ความไม่สอดคล้องกันตัดสินใจจะขอให้
ทบทวนการเปรียบเทียบคู่ของเขาจนกระทั่งสอดคล้อง
ความต้องการเป็นที่พอใจ.
ในการศึกษานี้สามตัดสินใจประธาน
เจ้าหน้าที่ฝ่ายการเงิน (CFO) ปฏิบัติการหัวหน้า
เจ้าหน้าที่ (COO) และรองประธานฝ่ายขาย /
การตลาดที่เป็นตัวแทนของพื้นที่ที่แตกต่างกันของ
บริษัท มีส่วนร่วมในกระบวนการตัดสินใจเชิงกลยุทธ์
โดยแสดงค่าของตัวเอง เพื่อรวม
ตัดสินแต่ละกลุ่มเรขาคณิตถ่วงน้ำหนัก
วิธีการเฉลี่ย (WGMM) เป็นลูกจ้างซึ่งเป็น
กลุ่มที่พบมากที่สุดการรวมการตั้งค่า
วิธีการ (ฟอร์แมนและ Peniwati 1998; Xu, 2000).
การศึกษาวิจัยเกี่ยวกับความมั่นคงกลุ่ม AHP
ได้เปิดเผยว่าเมื่อใช้ WGMM เป็น
วิธีการรวมระดับของความไม่สอดคล้องกันใน
การฝึกอบรมรวมกลุ่มอยู่ห่างไกลน้อยกว่าใน
การฝึกอบรมของแต่ละบุคคล (Xu, 2000; Escobar, et al, 2004;.
. Aull-ไฮด์ et al, 2006) ดังนั้น AHP สุ่ม
วิธีการที่นำมาใช้กับกลุ่มรวม
การฝึกอบรมมากกว่าการฝึกอบรมบุคคลที่สร้างความมั่นใจ
ว่าความต้องการความมั่นคงมีความพึงพอใจใน
การตัดสินใจกลุ่ม ที่นี่ทั้งสามตัดสินใจ
ผลิตมีน้ำหนักอย่างเท่าเทียมกันใน WGMM.
ตามแบบดั้งเดิม AHP ทางเลือก B,
การผลิตในเอเชียตะวันออกเฉียงใต้ควรจะเลือก
เป็นตัวเลือกที่ต้องการกับทั่วโลกสูงสุด
น้ำหนักประมาณการจุด 0.448 ทางเลือกเป็น
อันดับที่สองที่มีน้ำหนักต่อไปทั่วโลกสูงสุด
ประมาณการจุด 0.288 ตามด้วยทางเลือก C,
เอาท์ซอร์สในเอเชียตะวันออกและการทดสอบประสิทธิภาพการทำงานใน
สหรัฐอเมริกามีการประมาณการจุดทั่วโลกของน้ำหนัก 0.264
(ดูตารางที่ 1) ถ้าเราพิจารณาตัดสินไม่มี
ความไม่แน่นอนในการป้อนข้อมูลและการวิเคราะห์อัตราผลตอบแทน
ของการจัดอันดับการตั้งค่า [B, A, C].
มองไปที่ช่วงเวลาที่ได้รับความเชื่อมั่น 95%
ของน้ำหนักทั่วโลกได้รับจากการสุ่ม AHP
วิธีการที่เราเห็นว่ามี มาก
ที่ทับซ้อนกันระหว่างทางเลือกและ C รูป 12
ให้แสดงภาพของโลก
ช่วงน้ำหนักทางเลือก A, B, C และแสดงให้เห็น
ระดับของความไม่แน่นอนเกี่ยวกับการตัดสินบางส่วน ที่ทับซ้อนกันนี้
แสดงให้เห็นว่าทางเลือก A และ C จะเชื่อมโยงกับ
ครองตำแหน่งอันดับที่สอง แม้ว่ามันจะเป็น
ทางเลือกที่คาดว่ามีโอกาสมากขึ้นที่จะ
ครองตำแหน่งที่สองการวิเคราะห์เพิ่มเติม
ที่จำเป็นในการประเมินความเหนือกว่าน่าจะเป็น.
โดยใช้วิธีการจำลองสรุป
ผลการส่งออก 10,000 ซ้ำจะได้รับใน
ตารางที่ 2 เราจะเห็นทางเลือกที่ B ครอบครอง
สถานที่แรก 99.99% B ทางเลือกไม่ครอง
ทางเลือกและ C ที่มีระดับความเชื่อมั่นของ
มากขึ้นกว่า 95%; จึงสันนิษฐาน null
ว่าทางเลือก B คือความน่าจะเป็นที่ดีที่สุด (เมื่อเทียบกับ
สมมติฐานทางเลือกที่จะไม่) เป็นที่ยอมรับ.
แต่สรุปแสดงให้เห็นว่าทางเลือกที่
A และ C อันดับที่สอง 77.5% และ 22.5% ของ
เวลาตามลำดับแสดงให้เห็นว่า สมมติฐาน null
ว่าทางเลือกที่ดีกว่าน่าจะเป็น
ทางเลือกที่จะ C ถูกปฏิเสธ ในคำอื่น ๆ ที่มีระดับความเชื่อมั่น 95% ที่เราไม่สามารถพูดได้ว่า
ทางเลือกที่เป็นที่ต้องการทางเลือกเซลเซียสในนี้
กรณีการวิเคราะห์สุ่มผลตอบแทนถัวเฉลี่ยค่า
การจัดอันดับของ [B (A, C)] เมื่อพิจารณาระดับของ
ความไม่แน่นอนเกี่ยวกับการตัดสิน ที่พบในการป้อนข้อมูล

ผลลัพธ์ (ไทย) 3:

วิธีวิธีการได้รับอย่างกว้างขวางใช้เป็นเครื่องมือที่มีประโยชน์และประโยชน์ในการจัดการกับปัญหา

ตัดสินใจที่ซับซ้อน ( saaty , 1994 ) มีไม่กี่เหตุผลที่
มีเทคนิควิธีที่นิยมมากรวมทั้งความต้องการของ

ความรู้ขั้นสูงในคณิตศาสตร์ , ความสามารถในการจัดการกับ
ปัจจัยเชิงคุณภาพ การมีอยู่ของซอฟต์แวร์ที่เหมาะสม
( ผู้เลือก ) และการใช้ประโยชน์ของ
ผู้เชี่ยวชาญด้านประสบการณ์และความเชี่ยวชาญ แต่ในการใช้งานจริงมากมาย ตั้งแต่ตัดสินใจ

ไม่ได้มีข้อมูลที่สมบูรณ์เกี่ยวกับทุกด้านของกระบวนการตัดสินใจ

และ / หรือความเข้าใจลึกของปัญหาการตัดสินใจ
เปรียบเทียบคู่อาจมีข้อผิดพลาดและไม่สอดคล้องกันและขัดแย้งกันอย่างไร

กับแต่ละอื่น ๆ ( levary วาน , 2541 ) ดังนั้น
การรับน้ำหนักจุดประมาณการไม่จําเป็นต้อง
แม่นยำและระดับความไม่แน่นอนจะเกี่ยวข้องกับพวกเขา ในวิธีที่ไม่มีความไม่แน่นอน
แพร่กระจายผ่านลำดับขั้นที่เกิดใน
ไม่แน่ใจค่าส่วนกลางน้ำหนักความสำคัญของ
ทางเลือกในการตัดสินใจ เห็นได้ชัดว่า ความไม่แน่นอนนี้

ชอบที่เกี่ยวข้องกับอัตนัยข้อผิดพลาดอาจมีผลต่ออันดับของทางเลือกการตัดสินใจและ
ทำให้ลดความมั่นใจ
ผู้ตัดสินใจในผลของวิธี .
ในการศึกษาวิธีการ Stochastic เพิ่ง
แนะนำและ eskandari rabelo ( 2006 ) ,

ใช้สำหรับวิธีการตั้งปัญหากับมาตรการความแปรปรวนของน้ำหนักโลก เพื่อรับน้ำหนักของความสำคัญ
ช่วงความเชื่อมั่น ทั่วโลกมากกว่า
ประมาณการน้ำหนักจุดทั่วโลก( ไปนอกเหนือจากข้อบกพร่องของวิธีดั้งเดิม
) สั้น ๆระบุ วิธีการสุ่มวิธีคำนวณน้ำหนักแบบสากล

สำหรับตัดสินบัญชีข้อผิดพลาดที่เกิดจากขัดแย้งกัน
คู่เปรียบเทียบ การใช้น้ำหนักความสำคัญที่สอดคล้องกันของพวกเขาทั่วโลกและประมาณค่าความแปรปรวน

, เทคนิคมอนติคาร์โลในการจัดการความไม่แน่นอนที่เกี่ยวข้องใน

วิธีสากลน้ำหนักจะช่วยให้ตรวจสอบว่า

ตัดสินใจทางเลือกมีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ การวิเคราะห์ประเภทนี้ให้
ข้อมูลเพิ่มเติมเพื่อการตัดสินใจในการสั่งซื้อเพื่อให้แม่นยำมากขึ้น

( discriminations ของทางเลือกและการแข่งขัน tadikamalla
เฮาเซอร์ , 1996 ) มันเป็นสิ่งสำคัญที่จะทราบว่าวิธีการบัญชีสำหรับ Stochastic ร

ยอมรับระดับความไม่พอใจ saaty ทดสอบความสอดคล้องของ ถ้าเทียบระดับเมทริกซ์ได้

ความรับไม่ได้ของผู้ตัดสินใจ ขอร้อง

ทบทวนเปรียบเทียบคู่ของเขาจนความสอดคล้องความต้องการ

พอใจ ในการศึกษานี้ สามผู้บริหารหัวหน้าเจ้าหน้าที่การเงิน ( CFO )

เจ้าหน้าที่ปฏิบัติการหัวหน้า ( COO ) และรองประธานฝ่ายการขาย
การตลาด เป็นตัวแทนของพื้นที่ที่แตกต่างกันของ บริษัท ร่วมในกระบวนการ

โดยการตัดสินใจเชิงกลยุทธ์ แสดงความชอบของตัวเอง รวม
กลุ่มบุคคลตัดสินถ่วงน้ำหนักวิธีการทางเรขาคณิตหมายความว่า
( wgmm ) เป็นลูกจ้างที่พบมากที่สุดการตั้งค่ารวมกลุ่ม

วิธี และ peniwati supervisor , 1998 ; Xu , 2000 ) .
อย่างละเอียดการศึกษาวิจัยเกี่ยวกับกลุ่มความสอดคล้อง
รพบว่าเมื่อใช้ wgmm เป็น
รวมวิธี ระดับของความไม่สอดคล้องใน
รวมกลุ่มเมทริกซ์อยู่ไกลน้อยกว่า
เมทริกซ์แต่ละ ( Xu , 2000 ; เอสโคบาร์ et al . , 2004 ;
ออลไฮด์ et al . , 2006 ) ดังนั้นวิธีการ AHP
สุ่มที่ใช้กับการรวมมากกว่าแต่ละเมทริกซ์เมทริกซ์กลุ่ม

มั่นใจว่าสอดคล้องความต้องการจะพอใจใน
กระบวนการการตัดสินใจกลุ่ม ที่นี่ , การตัดสินใจ
3 ผู้ผลิตจะหนักเท่า ๆ กันใน wgmm .
ตามแบบวิธีทางเลือก B ,
การผลิตในเอเชีย ควรเลือกเป็นทางเลือกด้วย

น้ำหนักสูงสุดทั่วโลกจุดการได้รับอาหารที่มี . ทางเลือก A
อันดับที่สองกับถัดไปสูงสุดทั่วโลกน้ำหนัก
ประมาณการจุดของ 0.288 ตามทางเลือก
Cเอาท์ซอร์สในเอเชียตะวันออกและการทดสอบประสิทธิภาพใน
สหรัฐอเมริกา กับจุดน้ำหนักทั่วโลกประมาณ 0.264
( ดูตารางที่ 1 ) ถ้าเราพิจารณาตัดสิน
ความไม่แน่นอนในการวิเคราะห์ข้อมูล การวิเคราะห์ผลผลิต
ความชอบอันดับ [ B , C ] .
ดูได้ 95% ช่วงความเชื่อมั่น
ของโลกน้ำหนักได้รับโดยวิธี AHP
สุ่ม เราเห็นว่ามีมาก
คาบเกี่ยวกันระหว่างทางเลือก A และ C รูปที่ 12
มีการแสดงกราฟิกของน้ำหนักโลก
ช่วงของทางเลือก A , B และ C ซึ่ง
บางส่วนของความไม่แน่นอนเชยๆ นี้ซ้อน
หมายความว่าทางเลือก A และ C จะเชื่อมกับ
ครอบครองตำแหน่งที่สอง แม้ว่ามันจะ
คาดว่า การมีโอกาสได้รับใช้ตำแหน่งที่สอง

การวิเคราะห์เพิ่มเติม คือต้องประเมินว่า probabilistic
โดยใช้วิธีการจำลองการสรุปของผลผลิตผลลัพธ์ 10000 ซ้ำ

จะได้รับในรางที่ 2 เราจะเห็นได้ว่า ทางเลือกที่ 2 ครอบครอง
ตอนแรก 99.99% ทางเลือก B ไม่ครอง
ทางเลือก A และ C ด้วยระดับความเชื่อมั่นมากกว่าร้อยละ 95
; ดังนั้น , โมฆะสมมติฐานทางเลือกที่เหมาะสม probabilistically
B
( เมื่อเทียบกับสมมติฐานอื่นที่ไม่ใช่ ) เป็นที่ยอมรับ .
แต่สรุปแสดงให้เห็นว่าทางเลือก
A และ C อันดับที่สอง 77.5 % และ 22.5% ของ
เวลาตามลำดับ แสดงว่าสมมติฐานโมฆะ
ทางเลือกที่เป็น probabilistically ดีกว่า
เอ็มซีปฏิเสธ ในคำอื่น ๆที่มีระดับความเชื่อมั่น 95% เราไม่สามารถพูดได้ว่า
สภาพต้องการทางเลือก Cในกรณีนี้
, การวิเคราะห์การจัดอันดับ Stochastic ให้ค่า
[ B ( , c ) ] เมื่อพิจารณาถึงระดับของความไม่แน่นอน judgmental
พบในข้อมูลเริ่มต้น