Search

Background. Predicting future sales is necessary to control the flow of goods in supply chains (SC), which is why firms perform forecasting of consumer demand. To study the reliability of the solution, the sensitivity analysis (SA) of the results to changes in the original data is performed. Network decision support (DS) models usually contain a very large number of elements and connections between them, which makes it difficult to perform SA. Objective. The aim of the paper is to assess the sensitivity of the solution, given in the form of the element ranking of the network DS model, to inaccuracies and contradictions in elements of expert pairwise comparison matrices (PCMs), as well as to changes in individual elements of the supermatrix of the network DS model. To assess the priority of different types of information in the SC management system and to assess the sensitivity of the decision to obtain a more accurate forecast of consumer demand. Methods. Evaluation of DS models to prioritize information needs in the SC management system is carried out based on a developed method of network analysis. The method for assessing the sensitivity of the decision, proposed for the hierarchical DS model, includes finding stable elements of each level of the hierarchy and assessing the degree of sensitivity of global ranking of elements. The sensitivity of a solution based on a network DS model includes an assessment of the stability of local rankings, finding the matrix elements that most affect the change in consistency and change in the local ranking, as well as the sensitivity to changes in individual elements of the model supermatrix. Results. The method of complex assessment of sensitivity has been further developed, the stages of assessing the stability of local ranking of elements of the network DS model and the resilience of the pairwise comparison matrix elements to changes in the permissible inconsistency have been improved. A method for SA of results based on the network DS model to changes in individual elements of the supermatrix using machine learning tools is generalized. Conclusions. In the SC management problem, the elements of the expert PCM are found, which to the greatest extent affect the change in consistency and change in the rankings of decision alternatives. The stable elements of the matrix and elements for revision by an expert were calculated in order to increase the reliability of the solution to the SC management problem based on the hierarchical and network DS models., Проблематика. Прогнозирование будущих продаж необходимо для контроля потока товаров в цепях поставок (ЦП), поэтому фирмы выполняют прогнозирование потребительского спроса. Для исследования достоверности решения выполняют анализ чувствительности (АЧ) результатов к изменениям в исходных данных. Сетевые модели поддержки принятия решений (ППР) обычно содержат очень большое количество элементов и связей между ними, что затрудняет выполнение АЧ. Цель исследования. Оценить чувствительность решения, заданого в виде ранжирования элементов сетевой модели ППР, к неточностям и противоречиям в элементах экспертных матриц парных сравнений (МПС), а также к изменению отдельных элементов суперматрицы сетевой модели ППР. Определить приоритетность различных типов информации в системе управления (СУ) ЦП и определить чувствительность решения для получения более точного прогноза потребительского спроса. Методика реализации. Оценивание моделей ППР для определения приоритетности информационной потребности в ЦП осуществляется на основе развитого метода анализа сетей. Метод оценки чувствительности решения, который предлагается для иерархической модели ППР, включает нахождение устойчивых элементов каждого уровня иерархии и оценку степени чувствительности глобального ранжирования элементов. Чувствительность решения на основе сетевой модели включает оценку устойчивости локальных ранжирований, нахождение элементов матрицы, которые наиболее влияют на изменение согласованности и изменение локального ранжирования, а также чувствительность к изменению отдельных элементов суперматрицы модели. Результаты исследования. Получил дальнейшее развитие метод комплексной оценки чувствительности, усовершенствованы этапы оценки устойчивости локального ранжирования элементов сетевой модели ППР и устойчивости элементов матрицы к изменению допустимой несогласованности. Обобщен метод АЧ результатов на основе сетевой модели ППР к изменению отдельных элементов суперматрицы с использованием средств машинного обучения. Выводы. В задаче управления ЦП найдены элементы экспертной МПС, которые в наибольшей степени влияют на изменение согласованности и изменение ранжирований альтернатив решений. Рассчитаны устойчивые элементы матрицы и элементы для пересмотра экспертом с целью повышения достоверности решения задачи управления ЦП на основе иерархической и сетевой моделей ППР., Проблематика. Прогнозування майбутніх продажів необхідне для контролю потоку товарів у ланцюгах поставок (ЛП), тому фірми виконують прогнозування споживчого попиту. Для дослідження достовірності розв’язку виконують аналіз чутливості (АЧ) результатів до змін у початкових даних. Мережеві моделі підтримки прийняття рішень (ППР) зазвичай містять дуже велику кількість елементів і зв’язків між ними, що ускладнює виконання АЧ. Мета дослідження. Оцінити чутливість розв’язку, який задано у вигляді ранжування елементів мережевої моделі ППР, до неточностей і протиріч в елементах експертних матриць парних порівнянь (МПП) і до зміни окремих елементів суперматриці мережевої моделі ППР. Визначити пріоритетність різних типів інформації в системі управління (СУ) ЛП й визначити чутливість розв’язку для отримання більш точного прогнозу споживчого попиту. Методика реалізації. Оцінювання моделей ППР для системного визначення пріоритетності інформаційної потреби в СУ ЛП здійснюється на основі розвиненого методу аналізу мереж. Метод оцінювання чутливості розв’язку, який пропонується для ієрархічної моделі ППР, включає знаходження стійких елементів кожного рівня ієрархії та оцінку ступеня чутливості глобального ранжування елементів. Чутливість розв’язку на основі мережевої моделі включає оцінку стійкості локальних ранжувань, знаходження елементів матриці, які найсуттєвіше впливають на зміну узгодженості та зміну локального ранжування, а також чутливість до зміни окремих елементів суперматриці моделі. Результати дослідження. Набув подальшого розвитку метод комплексного оцінювання чутливості, удосконалено етапи оцінювання стійкості локального ранжування елементів мережевої моделі ППР і стійкості елементів матриці до зміни допустимої неузгодженості. Узагальнено метод АЧ результатів на основі мережевої моделі ППР до зміни окремих елементів суперматриці з використанням засобів машинного навчання. Висновки. В задачі управління ЛП знайдено елементи експертної МПП, які найбільше впливають на зміну узгодженості та зміну ранжувань альтернатив рішень. Розраховано стійкі елементи матриці та елементи для перегляду експертом задля підвищення достовірності розв’язку задачі управління ЛП на основі ієрархічної та мережевої моделей ППР.

Проблематика. Прогнозування майбутніх продажів необхідне для контролю потоку товарів у ланцюгах поставок (ЛП), тому фірми виконують прогнозування споживчого попиту. Для дослідження достовірності розв’язку виконують аналіз чутливості (АЧ) результатів до змін у початкових даних. Мережеві моделі підтримки прийняття рішень (ППР) зазвичай містять дуже велику кількість елементів і зв’язків між ними, що ускладнює виконання АЧ. Мета дослідження. Оцінити чутливість розв’язку, який задано у вигляді ранжування елементів мережевої моделі ППР, до неточностей і протиріч в елементах експертних матриць парних порівнянь (МПП) і до зміни окремих елементів суперматриці мережевої моделі ППР. Визначити пріоритетність різних типів інформації в системі управління (СУ) ЛП й визначити чутливість розв’язку для отримання більш точного прогнозу споживчого попиту. Методика реалізації. Оцінювання моделей ППР для системного визначення пріоритетності інформаційної потреби в СУ ЛП здійснюється на основі розвиненого методу аналізу мереж. Метод оцінювання чутливості розв’язку, який пропонується для ієрархічної моделі ППР, включає знаходження стійких елементів кожного рівня ієрархії та оцінку ступеня чутливості глобального ранжування елементів. Чутливість розв’язку на основі мережевої моделі включає оцінку стійкості локальних ранжувань, знаходження елементів матриці, які найсуттєвіше впливають на зміну узгодженості та зміну локального ранжування, а також чутливість до зміни окремих елементів суперматриці моделі. Результати дослідження. Набув подальшого розвитку метод комплексного оцінювання чутливості, удосконалено етапи оцінювання стійкості локального ранжування елементів мережевої моделі ППР і стійкості елементів матриці до зміни допустимої неузгодженості. Узагальнено метод АЧ результатів на основі мережевої моделі ППР до зміни окремих елементів суперматриці з використанням засобів машинного навчання. Висновки. В задачі управління ЛП знайдено елементи експертної МПП, які найбільше впливають на зміну узгодженості та зміну ранжувань альтернатив рішень. Розраховано стійкі елементи матриці та елементи для перегляду експертом задля підвищення достовірності розв’язку задачі управління ЛП на основі ієрархічної та мережевої моделей ППР. Background. Predicting future sales is necessary to control the flow of goods in supply chains (SC), which is why firms perform forecasting of consumer demand. To study the reliability of the solution, the sensitivity analysis (SA) of the results to changes in the original data is performed. Network decision support (DS) models usually contain a very large number of elements and connections between them, which makes it difficult to perform SA. Objective. The aim of the paper is to assess the sensitivity of the solution, given in the form of the element ranking of the network DS model, to inaccuracies and contradictions in elements of expert pairwise comparison matrices (PCMs), as well as to changes in individual elements of the supermatrix of the network DS model. To assess the priority of different types of information in the SC management system and to assess the sensitivity of the decision to obtain a more accurate forecast of consumer demand. Methods. Evaluation of DS models to prioritize information needs in the SC management system is carried out based on a developed method of network analysis. The method for assessing the sensitivity of the decision, proposed for the hierarchical DS model, includes finding stable elements of each level of the hierarchy and assessing the degree of sensitivity of global ranking of elements. The sensitivity of a solution based on a network DS model includes an assessment of the stability of local rankings, finding the matrix elements that most affect the change in consistency and change in the local ranking, as well as the sensitivity to changes in individual elements of the model supermatrix. Results. The method of complex assessment of sensitivity has been further developed, the stages of assessing the stability of local ranking of elements of the network DS model and the resilience of the pairwise comparison matrix elements to changes in the permissible inconsistency have been improved. A method for SA of results based on the network DS model to changes in individual elements of the supermatrix using machine learning tools is generalized. Conclusions. In the SC management problem, the elements of the expert PCM are found, which to the greatest extent affect the change in consistency and change in the rankings of decision alternatives. The stable elements of the matrix and elements for revision by an expert were calculated in order to increase the reliability of the solution to the SC management problem based on the hierarchical and network DS models. Проблематика. Прогнозирование будущих продаж необходимо для контроля потока товаров в цепях поставок (ЦП), поэтому фирмы выполняют прогнозирование потребительского спроса. Для исследования достоверности решения выполняют анализ чувствительности (АЧ) результатов к изменениям в исходных данных. Сетевые модели поддержки принятия решений (ППР) обычно содержат очень большое количество элементов и связей между ними, что затрудняет выполнение АЧ. Цель исследования. Оценить чувствительность решения, заданого в виде ранжирования элементов сетевой модели ППР, к неточностям и противоречиям в элементах экспертных матриц парных сравнений (МПС), а также к изменению отдельных элементов суперматрицы сетевой модели ППР. Определить приоритетность различных типов информации в системе управления (СУ) ЦП и определить чувствительность решения для получения более точного прогноза потребительского спроса. Методика реализации. Оценивание моделей ППР для определения приоритетности информационной потребности в ЦП осуществляется на основе развитого метода анализа сетей. Метод оценки чувствительности решения, который предлагается для иерархической модели ППР, включает нахождение устойчивых элементов каждого уровня иерархии и оценку степени чувствительности глобального ранжирования элементов. Чувствительность решения на основе сетевой модели включает оценку устойчивости локальных ранжирований, нахождение элементов матрицы, которые наиболее влияют на изменение согласованности и изменение локального ранжирования, а также чувствительность к изменению отдельных элементов суперматрицы модели. Результаты исследования. Получил дальнейшее развитие метод комплексной оценки чувствительности, усовершенствованы этапы оценки устойчивости локального ранжирования элементов сетевой модели ППР и устойчивости элементов матрицы к изменению допустимой несогласованности. Обобщен метод АЧ результатов на основе сетевой модели ППР к изменению отдельных элементов суперматрицы с использованием средств машинного обучения. Выводы. В задаче управления ЦП найдены элементы экспертной МПС, которые в наибольшей степени влияют на изменение согласованности и изменение ранжирований альтернатив решений. Рассчитаны устойчивые элементы матрицы и элементы для пересмотра экспертом с целью повышения достоверности решения задачи управления ЦП на основе иерархической и сетевой моделей ППР.