Supervised Multi-person Multi-criteria Decision-Making Methodologies under Risk and Uncertainty: Engineering Applications

Abstract

In a realistic decision-making process, there are often multiple subjects in a problem. Each subject can include various criteria. In traditional decision-making, multiple experts usually tackle the problems; however, they are supposed to have all-inclusive competence in each subject. Moreover, human decisions are subjected to risk of cognitive imperfections. In other problems, rationality of decision-makers is vague in real life. Besides, the data of decision-making problems are associated with uncertainty. Therefore, for multidisciplinary decision-making problems, the most important challenges are: Segmentation is needed for experts as they may not have competence in all subjects of problem. Risk of imperfect decisions should be considered as rationality of experts is under question. Uncertainty of decision-making problems should be tackled with robust approaches to avoid loss of uncertain information. We attempt to efficiently tackle the above difficulties, as follows: Multi-person structures supervised by a director are considered for our methodologies. Subject-oriented expert segments structures are employed when multiple subjects exist in decision-making problem. We use the concept of fuzzy rationality as a cognitive aid to represent the degree of rationality of expert decisions in risky situations. New uncertain measures are introduced to reach complete uncertain computation and preserve all data. Therefore, the main objectives of this doctoral thesis are studying: (1) supervised multi-person structures with subject-oriented expert segments, (2) risk in uncertain environment, and (3) uncertainty to preserve all of data in decision-making problems with multiple criteria and alternatives. In this regard, three methodologies are proposed, as follows: An interval supervised multi-person multi-criteria decision-making methodology is presented. This methodology is without subject-oriented expert segments and has a non-risky decision-making process. The computation is based on interval distances of interval numbers and interval preference matrix. A risky fuzzy supervised multi-person multi-criteria decision-making methodology is developed supported on fuzzy-rationality-based fuzzy prospect theory. This methodology is without subjectoriented expert segments and formulated based on proposed fuzzy-rationality-based fuzzy prospect theory. The computation is based on fuzzy distances of trapezoidal fuzzy numbers and fuzzy distance matrix for extremum and ranking. A dynamic interval supervised multi-person multi-criteria decision-making methodology with subjectoriented expert segments is introduced. This methodology includes the proposed Subject-oriented Expert Segments and has a non-risky decision-making process. The parametric representation is employed for interval preference in interval optimization model. The aforementioned methodologies are derived by introducing the following decision-making models: BWM-based models for weighting process. MULTIMOORA-based models for ranking process. We use the aforementioned methodologies and models to tackle engineering problems in the area of industrial, biomedical, and energy sectors

En un proceso de toma de decisiones realista, a menudo hay múltiples temas en un problema. Cada tema puede involucrar diferentes criterios. En la toma de decisiones tradicional, se dispone de múltiples expertos que suelen abordar los problemas; sin embargo, se parte del supuesto de que tienen competencias omnicomprensivas en cada tema. Además, las decisiones humanas están sujetas al riesgo de imperfecciones cognitivas. En otras palabras, la racionalidad de los decisores es imprecisa en la vida real. Asimismo, los datos de los problemas de toma de decisiones están asociados a la incertidumbre. Por lo tanto, para los problemas de toma de decisiones multidisciplinares, los retos importantes más destacados son: Se requiere de una segmentación de los expertos, ya que pueden no tener competencia en todos los temas del problema. Hay que tener en cuenta el riesgo de decisiones imperfectas, ya que se cuestiona la racionalidad de los expertos. La incertidumbre de los problemas de toma de decisiones debe abordarse con enfoques sólidos para evitar la pérdida de información incierta. Intentamos abordar eficazmente las dificultades anteriores de la siguiente manera: Para nuestras metodologías se consideran estructuras multipersonales supervisadas por un director. Se emplean estructuras de segmentos expertos orientadas a sujetos cuando existen múltiples sujetos en el problema de toma de decisiones. Utilizamos el concepto de racionalidad difusa como ayuda cognitiva para representar el grado de racionalidad de las decisiones de los expertos en situaciones de riesgo. Se introducen nuevas medidas de incertidumbre para alcanzar un cálculo incierto completo y preservar todos los datos. Por lo tanto, los principales objetivos de esta tesis doctoral son estudiar: (1) las estructuras supervisadas multipersona con segmentos de expertos orientados por temas, (2) el riesgo en un entorno incierto, y (3) la incertidumbre para preservar todos los datos en problemas de toma de decisiones con múltiples criterios y alternativas. A este respecto, se proponen las tres metodologías siguientes: Se presenta una metodología de toma de decisiones multicriterio multipersona supervisada por intervalos. Esta metodología carece de segmentos de expertos orientados por temas y dispone de un proceso de toma de decisiones no arriesgado. El cálculo se basa en distancias de intervalo de números de intervalo y matriz de preferencias de intervalo. Se desarrolla una metodología de toma de decisiones multicriterio multipersona supervisada de riesgo difuso basada en la Teoría de la Perspectiva Difusa basada en la Racionalidad Difusa. Esta metodología carece de segmentos de expertos orientados por temas y se formula a partir de la Teoría difusa de las perspectivas basada en la racionalidad difusa propuesta. El cálculo se basa en distancias difusas de números trapezoidales difusos y matrices de distancias difusas para el extremo y la clasificación. Se introduce una metodología dinámica de toma de decisiones multicriterio supervisada por intervalos con segmentos expertos orientados a temas. Esta metodología incluye los segmentos expertos orientados a temas propuestos y tiene un proceso de toma de decisiones no arriesgado. La representación paramétrica se emplea para la preferencia de intervalo en el modelo de optimización de intervalo. Las metodologías mencionadas se derivan introduciendo los siguientes modelos de toma de decisiones: Modelos basados en BWM para el proceso de ponderación. Modelos basados en MULTIMOORA para el proceso de clasificación. Utilizamos las metodologías y modelos mencionados para abordar problemas de ingeniería en el ámbito de los sectores industrial, biomédico y energético