Instytut Łączności

W realnym świecie decyzje rzadko są proste. 

Wybór technologii, dostawcy, lokalizacji czy strategii działania niemal zawsze opiera się na wielu czynnikach. Koszty, jakość, bezpieczeństwo, wydajność - wszystko naraz. Problem w tym, że te kryteria często się ze sobą „gryzą”, są sprzeczne. Co w takiej sytuacji zrobić? Właśnie tym zajmuje się obszar tzw. analizy wielokryterialnej (MCDA/MCDM), który od lat rozwija metody wspierające podejmowanie takich decyzji. Tyle że sama teoria to jedno, a dostęp do praktycznych narzędzi - drugie. 

Choć metod podejmowania decyzji jest bardzo wiele - od klasycznego TOPSIS po bardziej zaawansowane podejścia jak VIKOR czy PROMETHEE - ich implementacje bywają rozproszone, nieintuicyjne lub po prostu trudne w użyciu. Często wymagają znajomości specjalistycznego software’u albo są dostępne tylko w niszowych językach programowania. Co więcej, istniejące rozwiązania nie zawsze nadążają za rozwojem nowych metod. Efekt? Potężne narzędzia istnieją - ale nie zawsze da się z nich sensownie skorzystać. 

Odpowiedzią na ten problem jest biblioteka pymcdm, napisana w Pythonie - języku, który dziś stał się standardem w analizie danych i inżynierii. 

Jej największą zaletą jest to, że łączy w jednym miejscu: 

• wiele metod decyzyjnych,  
• różne sposoby ważenia kryteriów,  
• narzędzia do analizy i porównań,  
• oraz funkcje wizualizacji wyników.  

W praktyce oznacza to, że użytkownik nie musi „składać” swojego warsztatu z kilku narzędzi - dostaje gotowe, spójne środowisko do pracy z decyzjami.  

Biblioteka została zaprojektowana tak, aby była jednocześnie zaawansowana i przystępna. Użytkownik może wprowadzić dane w postaci macierzy decyzji, określić znaczenie poszczególnych kryteriów i niemal natychmiast otrzymać ranking możliwych rozwiązań. Co istotne, narzędzie obsługuje zarówno klasyczne metody, jak i nowoczesne podejścia odporne na typowe problemy decyzyjne, takie jak zmiana kolejności wyników przy niewielkich zmianach danych. To szczególnie ważne tam, gdzie decyzje mają realne konsekwencje biznesowe lub technologiczne. 

pymcdm nie ogranicza się do wskazania „najlepszej opcji”. Pozwala również: 

• analizować, jak zmieniają się wyniki przy różnych założeniach,  
• porównywać rankingi uzyskane różnymi metodami,  
• badać podobieństwo wyników,  
• oraz wizualizować cały proces decyzyjny.  

Na przykład, jak pokazano w artykule, możliwe jest jednoczesne porównanie wyników kilku metod i przedstawienie ich w formie graficznej, co znacząco ułatwia interpretację rezultatów.  

Biblioteka została podzielona na moduły odpowiadające kolejnym etapom procesu decyzyjnego. Osobne komponenty odpowiadają za metody oceny, wyznaczanie wag, normalizację danych, analizę korelacji oraz wizualizację wyników.

Rys. 1 Schemat działania biblioteki pymcdm

Jak pokazuje schemat, całość tworzy spójny ekosystem, w którym każdy element ma jasno określoną funkcję i może być wykorzystywany niezależnie lub jako część większego procesu. To podejście znacząco zwiększa elastyczność i ułatwia dopasowanie narzędzia do konkretnego problemu.

Aby pokazać możliwości narzędzia, autorzy przeanalizowali wybór elektrycznego vana. Uwzględniono dziewięć kryteriów - od mocy silnika po czas ładowania i cenę - oraz porównano dziesięć różnych modeli. Wyniki, przedstawione w tabelach i wizualizacjach (m.in. na stronie 5 artykułu), pokazują, jak różne metody mogą prowadzić do nieco innych rankingów, a jednocześnie pozwalają zrozumieć, skąd te różnice wynikają.  

To właśnie ta „przezroczystość decyzji” jest jedną z największych zalet podejścia. 

W świecie, w którym decyzje są coraz bardziej złożone, potrzebujemy narzędzi, które nie tylko podają wynik, ale też pozwalają go zrozumieć. 

pymcdm wpisuje się w ten trend, oferując: 

• szeroki zestaw metod,  
• wysoką wydajność,  
• przejrzystą strukturę,  
• i łatwość użycia.  

Co ważne, biblioteka jako projekt open source może być rozwijany i wykorzystywany przez szeroką społeczność - od naukowców po inżynierów i analityków. 

Najciekawsze w tym rozwiązaniu jest to, że nie próbuje ono „decydować za człowieka”. Zamiast tego dostarcza narzędzi, które pozwalają lepiej zrozumieć problem, przeanalizować różne scenariusze i podejmować bardziej świadome decyzje. 

A w świecie, w którym pewność jest rzadkością, to często największa przewaga.