Wyniki wyszukiwania - BazTech

1

Modelowanie preferencji interesariuszy w ocenie sukcesu projektu w organizacji

Targiel K.

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2015

|

z. 83

661--670

PL

Współczesne poglądy na ocenę sukcesu projektu to nie tylko trójkąt zarządzania projektami, w którym równowaga pomiędzy kosztami, harmonogramem oraz zakresem pozwala na pozytywną ocenę projektu. W XX wieku zaproponowano pojęcie krytycznych czynników sukcesu (CSF). Podejście to zastosowano także w zarządzaniu projektami. Następnie rozwinięto koncepcję CSF, proponując Ramy Czynników Sukcesu. W tym podejściu CSF tworzą strukturę. W artykule przedstawiono możliwości opisu tej struktury. Jako narzędzie wykorzystano metodę ANP. Preferencje zostaną uzyskane przez porównanie parami kluczowych czynników sukcesu.

EN

Modern views on the evaluation of the project's success is not limited to project management triangle in which a balance between cost, schedule and scope, allows for positive appraisal of the project. In the XX century, were proposed the concept of Critical Success Factors (CSF). This approach has also been applied in project management. Later were developed the concept of CSF Frameworks. In this approach CSF form a structure. In this paper we present possibilities of description of this structure. As the tool we use ANP method. Preference will be obtained by comparing pairs of critical success factors.

2

An Empirical Study of Using Rule Induction and Rough Sets to Software Cost Estimation

Stefanowski J.

Fundamenta Informaticae

|

2006

|

Vol. 71, nr 1

63-82

EN

This paper concerns problems of applying the approach based on rough sets and rule induction to a software engineering data analysis. More precisely, we focus our interest on a software cost estimation problem, which includes predicting the effort required to develop a software system basing on values of cost factors. The case study of analysing the COCOMO data set, containing descriptions of representative historical projects, allows us to discuss how this approach could be used to: identify the most discriminatory cost factors, extract meaningful rule representation of classification knowledge from data, construct accurate rule based classifiers.

3

Axiomatization of utility, outranking and decision rule preference models for multiple-criteria classification problems under partial inconsistency with the dominance principle

Słowiński R., Greco S., Matarazzo B.

Control and Cybernetics

|

2002

|

Vol. 31, no 4

1005-1035

EN

Multiple-criteria classification (sorting) problem concerns assignment of actions (objects) to some pre-defined and preference-ordered decision classes. The actions are described by a finite set of criteria, i.e. attributes, with preference-ordered scales. To perform the classification, criteria have to be aggregated into a preference model which can be: utility (discriminant) function, or outranking relation, or "if..., then..." decision rules. Decision rules involve partial profiles on subsets of criteria and dominance relation on these profiles. A challenging problem in multiple-criteria decision making is the aggregation of criteria with ordinal scales. We show that the decision rule model we propose has advantages over a general utility function, over the integral of Sugeno, conceived for ordinal criteria, and over an outranking relation. This is shown by basic axioms characterizing these models. Moreover, we consider a more general decision rule model based on the rough set theory. The advantage of the rough set approach compared to competitive methodologies is the possibility of handling partially inconsistent data that are often encountered in preferential information, due to hesitation of decision makers, unstable character of their preferences, imprecise or incomplete knowledge and the like. We show that these inconsistencies can be represented in a meaningful way by "if..., then..." decision rules induced from rough approximations. The theoretical results reported in this paper show that the decision rule model is the most general aggregation model among all the considered models.

PL

Wielokryterialne zadania klasyfikacji (sortowania) dotyczą przypisania działan (obiektów) pewnym z góry określonym i uporządkowanym wzgl(c)dem preferencji klasom. Działania są opisane przez skończony zbiór kryteriów, tj. atrybutów o skalach uporządkowanych według preferencji. Aby dokonać klasyfikacji, kryteria muszą zostać zagregowane do modelu preferencji, którym może być: funkcja użyteczności (dyskryminująca), bąd" relacja przewyższania, bąd" reguła decyzyjna typu "jeśli..., to...". Reguły decyzyjne oparte są na cz(c)ściowych profilach na podzbiorach kryteriów i relacji dominacji na tych profilach. Wyzwaniem w wielokryterialnym podejmowaniu decyzji jest agregacja kryteriów o skalach porządkowych. Pokazujemy w artykule, że model reguł decyzyjnych, zaproponowany przez nas, jest korzystniejszy niż ogólna postać funkcji użyteczności, niż całka Sugeno zaproponowana dla kryteriów porządkowych, i niż relacja przewyższania. Pokazano to przy pomocy podstawowych aksjomatów charakteryzujących rozważane modele. Ponadto, rozważamy ogólniejszy model reguł decyzyjnych, oparty na teorii zbiorów przybliżonych. Korzyścią z zastosowania zbiorów przybliżonych w porównaniu do innych podejść jest możliwość uwzgl(c)dniania cz(c)ściowo niespójnych danych, jakie cz(c)sto spotyka si(c) informacji o preferencjach, w związku z wahaniami decydentów, niestabilnością ich preferencji, niedokładną wiedzą, itp. Pokazujemy, że takie niespójności mogą być reprezentowane w sposób sensowny poprzez reguły decyzyjne typu "jeśli..., to...", wyprowadzone z ocen dokonanych przy pomocy zbiorów przybliżonych. Wyniki teoretyczne przedstawione w pracy pokazują, że model reguł decyzyjnych jest najogólniejszym modelem agregacji spośrod wszystkich rozważanych modeli.