FUZZY KVALITATIVNA

CROSS-IMPACT ANALIZA
Beograd, 2012
SADRAJ

1. UVOD
Menaderi koji mogu proiriti svoju matu tako da ire vide moguu budunost
lake mogu da iskoriste neoekivane mogunosti koje e naii. Korienje scenarija iri
pogled o budunosti i poboljava razumevanje dinamike promena.
Scenariji se razlikuju od predvianja ili prognoza, jer oslikavaju slike mogue
budunosti. Scenariji nisu ekvivalenti slika budunosti, ali oni ukljuuju slike budunosti.
Slike budunosti su statiki snimci buduih stanja, dok su scenariji dinamini filmovi koji
se sastoje od loginog redosleda slika budunosti. Stoga, u cilju istraivanja ponaanja
sistema u budunosti, mora biti prouen skup promenljivih koje su klju tanog opisa bilo
kog sistema i interakcija meu njima koje e oblikovati budunost.

Postoji irok spektar metoda korienih da se dizajniraju scenarija; generalno, izbor
metodologije zavisi od problema, resursa i od nivoa sofisticiranosti planera i korisnika.
Meu najpoznatijim metodama su Delfi metoda, cross-impact analiza, simulacija i pisanje
scenarija. I Delfi metoda i pisanje scenarija su razvijene 1950-ih i predstavljaju korene
planiranja scenarija.

2

Prilikom predstavljena ponaanja sistema u budunosti u obliku scenarija vano je
da se definiu promenljive sistema i meusobna interakcija izmeu njih. Ipak, broj
meusonih interakcija izmeu promenljivih, posebno kada je broj promenljivih veliki, ini
problem veoma komplikovanim. Ovo vodi ka problemu kako smanjiti sloenost i odrediti
promenljive koje najbolje predstavljaju sistem u scenariju. Postoje razliiti pristupi da se
ovaj problem prevazie i oni mogu biti podeljeni u dve glavne grupe: ciklini i neciklini
pristupi. Fokus rada je na cikline probleme, sistemi koji ukljuuju okvire, koji su sloeniji
i uestalije se javljaju u stvarnom ivotu.
Cross-impact analiza je jedna od metoda koja ima pomenute karakteristike. Nastoji
da nae i direktne i indirektne odnose promenljivih oslanjajui se na odlukama eksperata
da strukturiu i propiu procenjeno predvianje. Postoje tri pristupa cross-impact analizi:
deterministiki, probablistiki i fuzzy. Fuzzy pristup cross-impact analizi nalazi svoju
iroku primenu jer se problemi sa kojima se strunjaci suoavaju prilikom predvianja tiu
budunosti koja je nesigurna i fuzzy. Fuzzy pristup cross-impact analize takoe eliminie
pritisak na eksperta da definie relativan stepen uticaja kao konkretnu vrednost. Eksperti
vie vole da koriste lingvistike termine ili fuzzy vrednosti u svojim predvianjima. U
situacijama koje su suvie sloene ili loe definisane i uglavnom sluaj u problemima
stvarnog ivota, fuzzy odnosi mogu biti korieni da se prevazie formiranje problema. [2]
Fuzzy nominalan pristup omoguava donoenje zakljuka u iroj prespektivi iz
rezultata i otkrivanje skrivenih promenljivih. Rezultati fuzzy lingvistikog pristupa pomau
u odluivanju za promenljive kada je neodlunost visoka u drugim pristupima.

Ovaj rad je organizovan na sledei nain:
U drugom poglavlju definisan je pojam, naveden je znaaj i osnovni principi
marketinga i marketing menadmenta, uopteno i na eleznici.
Tree poglavlje se odnosi na postupak sprovoenja kvalitativne cross-impact
analize po koracima.
3

U etvrtom poglavlju data je fuzzy kvalitativna cross-impact analiza i predstavljena
su dva fuzzy pristupa: fuzzy lingvistiki pristup koji koristi lingvistiku skalu za
predstavljanje stepena uticaja promenljivih i fuzzy nominalni pristup koji koristi trouglaste
fuzzy brojeve za predstavljanje stepena uticaja promenljivih. Takoe je objanjena i
MICMAC klasifikacija koja na osnovu umnoavanja matrica analizira indirektne odnose
izmeu promenljivih.
U petom poglavlju data su zakljuna razmatranja.
2. MARKETING MENADMENT NA ELEZNICI

Marketing je proces planiranja i sprovoenja koncepcija cena, promocije i
distribucije ideja, robe i usluga kako bi se kreirala razmena koja zadovoljava potrebe
pojedinaca i organizacija. Marketing ukljuuje itav niz aktivnosti koje omoguuju da se
obavi razmena izmeu kupca i prodavca, odnosno da doe do transakcije robe ili usluge za
novac. Marketing kao poslovna filozofija stavlja potroaa u centar svih razmatranja
preduzea. Posebno se naglaava da je kreiranje vrednosti i satisfakcija potroaa sutina
moderne marketing misli i prakse i da to ima i ire drutvene konsekvence. Marketing kao
drutveni proces doprinosi podizanju nivoa ivotnog standarda i kvalitetu ivota jednog
drutva. Grupa autora u SAD-u definiu marketing kao drutveni i upravljaki proces
pomou kojeg individue i grupe, kroz kreiranje i razmenu proizvoda i vrednosti sa
drugima, dobijaju ono to im je potrebno i to ele.
U literaturi postoji potpuno slaganje da marketing koncept ima etiri osnovne
karakteristike:
1. Poinje sa potrebama potroaa;
2. Ima dugoronu perspektivu;
3. Zahteva puno angaovanje svih kapaciteta preduzea;
4. Podstie stalne inovacije.
4

U sutini marketing je orijentacija preduzea da u konkurentskim trinim uslovima
na profitabilan nain zadovoljava potrebe i elje potroaa. To je proces, a ne jednokratna
ili povremena poslovna aktivnost koja za to konceptualno ima istaknuto mesto u
upravljanju savremenim preduzeem. Marketing kreira vrednosti za potroae i time
olakava razmenu proizvoda ili usluga, a to je centralni problem poslovanja svakog
trinog aktera. [1]
Mnogi autori navode da marketing koncept ukljuuje sledea tri osnovna aspekta:
1. Orijentacija na kupce-potroae;
2. Orijentacija na konkurenciju;
3. Interfunkcionalna koordinacija.
Orijentacija na kupce znai da su potroai poetna taka svih marketing aktivnosti
u preduzeu. Pribavljanje informacija o kupcima je osnova formiranja ponude preduzea i
kreiranja dodatne vrednosti kojima e se poveavati njihova satisfakcija i postii vii
stepen kompetitivne prednosti.
Orijentacija na konkurenciju podrazumeva neprekidan proces takmienja koji se
zasniva na analiziranju strategija i taktika aktuelnih i potencijalnih konkurenata preduzea.
U meri u kojoj potroai predstavljaju ansu za uspeno poslovanje, konkurencija je
opasnost sa kojom se suoavaju preduzea na tritu. Balansiranje izmeu mogunosti i
opasnosti pruie adekvatne rezultate jedino u sluaju da je preduzee tako organozovano
da moe iskoristiti svoje prednosti i minimizirati svoje slabosti u trinom nastupu. Zato
preduzea koja su prihvatila marketing kao poslovnu koncepciju moraju teiti svakom
stepenu interfunkcionalne koordinacije meu poslovnim funkcijama koja e im obezbediti
stabilan rast i razvoj na tritu.
5

Marketing eleznice je takva poslovna orijentacija koja nudi jednu trinu ponudu
koja nije proizvodno orjentisana, ve treba da bude orjentisana ka korisnicima, mora pri
tome biti podesna da uveri korisnika da mu to donosi najbolju moguu korist za reavanje
njegovog ukupnog distributivnog problema. To je pravac miljenja, vodei koncept,
usmeren na trite, odnosno na potrebe korisnika. Svaki ogranak preduzea mora poi od
hipoteze da je korisnik polazna taka razmiljanja i da je on u krajnjem sluaju razlog
postojanja firme. [1]
U domaoj literaturi, marketing eleznice se uglavnom definie kao ukupnost svih
poslovnih aktivnosti organizacija koje na temelju poznatih sadanjih i buduih potreba
potroaa i korisnika deluju na proizvodnju i plasiranje proizvoda i usluga na tritu, pa se
pri rentabilnom poslovanju zadovoljavaju potrebe i elje kupaca. Prema tome moe se
zakljuiti da marketing eleznice predstavlja takvu aktivnost svih meusobno povezanih
poslovnih jedinica koje uestvuju u pripremi, proizvodnji i prodaji transportnih usluga,
koja ima za cilj da se preko trino definisanih i tako realizovanih transportnih usluga
zadovolje potrebe i elje korisnika usluga i da se istovremeno, na taj nain, ostvare
postavljeni ciljevi.

Marketing ima za cilj podmirenje potreba korisnika usluga i postizanje optimalnih
poslovnih rezultata. Ne moe da se zasniva samo na odreenoj i pojedinanoj aktivnosti u
okviru jedne ili ak svih organizacionih celina na eleznici. Marketing polazi od takve
orijentacije prema kojoj se sve funkcije optimalno integriu i usmeravaju prema trinim
zahtevima i prilagoavaju tritu, stvarajui na taj nain od mnotva samostalnih delova
integrisanu, kvalitetnu i trino zahtevanu transportnu uslugu. Osnovno polazite marketing
koncepcije eleznikog preduzea je podmirenje potreba korisnika usluga, privrede i
drutva u celini u pogledu prevoza putnika i robe i to ne samo iz zbog zahteva okruenja,
ve i zbog injenice da se samo tako mogu ostvariti postavljeni ciljevi i odgovarajui
poslovni rezultati. Trai se da se proizvode takve usluge kakve ele korisnici usluga.
Potrebe korisnika usluga i subjektivni stavovi o visini cena prevoza polazne su osnove za
kreiranje poslovne politike kod marketing orjentisanog preduzea. Jer, samo ako su usluge
6

i njihov kvalitet prilagoeni zahtevima korisnika i cene odreene u visini koje su
stimulativne, obezbedie se dovoljna prodaja usluga i zadovoljavajue korienje
kapaciteta. [1]
Upravljanje marketingom predstavlja proces kojim se pokree i usmerava
marketing aktivnost preduzea u cilju zadovoljavanja potreba graana kao potroaa,
privrede i drutva proizvodima i uslugama uz ostvarivanje profita. Upravljanje
marketingom je kontinualan proces koji se sastoji iz planiranja, organizacije i kontrole.
Planiranje je proces definisanja u kom pravcu organizacija eli da ide, odnosno definisanja
misije, ciljeva i zadataka, kao i odluke kako tamo da se stigne putem strategija, taktika i
pravca akcija. Organizacija ili sprovoenje je faza koja obuhvata sprovoenje programa i
oblikovanje potrebne organizacije u marketingu. Kontrola je faza u kojoj se meri ostvarenje
planskih odluka i efikasnost implementacije i preduzimaju korektivne akcije. Upravljanje
marketingom je efikasno kada se sve tri faze odvijaju paralelno. Upravljanje treba da
obezbedi sinergetski efekat faza u smislu da se potpomau i uzajamno dopunjuju.
Proces upravljanja marketing aktivnostima obuhvata sledee faze:
1. Analiza trinih mogunosti;
2. Formulisanje ciljeva koji se ele ostvariti na tritu;
3. Definisanje ponude (marketing miksa) i alociranje resursa na izabrane pravce
akcija,
4. Stvaranje efikasne organizacione strukture i implementacija programa i planova;
5. Kontrola ostvarenih rezultata i preispitivanje racionalnosti preduzetih akcija na
tritu.
Pod upravljanjem marketingom u eleznikom saobraaju se podrazumeva
planirana, realizovana i kontrolisana aktivnost (na osnovu rezultata istraivanja
marketinga) koja pretpostavlja fleksibilno korienje, kombinovanje i prilagoavanje
elemenata marketing miksa i na taj nain obezbeenje predviene tranje za uslugama.
Upravljanje marketingom moe da se definie i vri samo za jednu vrstu usluga, vie vrsta
7

usluga, a moe i da se vri za celokupnu delatnost eleznikog preduzea. Upravljanje
marketingom moe da se planira i vri za pojedine ili sve relacije. [1]
Ekonomski i trini razlozi nameu potrebu da eleznica bre i doslednije
primenjuje marketing poslovnu orjentaciju, odnosno uvaava i zadovoljava potrebe i elje
korisnika usluga, kako bi ostvarila odgovarajue rezultate. Meutim, ovo je posebno
oteano zbog:
1. Brojnih faktora koji utiu na vei ili manji intenzitet ponude i tranje transportnih
usluga;
2. Specifinosti usluga u odnosu na drugu robu;
3. Velikog broja subjekata koji uestvuju u kreiranju i pruanju transportnih usluga;
4. Velike zavisnosti tranje transportnih usluga od uspenosti marketinga privrednih
organizacija koje predstavljaju najvanije izvore tranje za eleznikim uslugama;
5. Osnovnih karakteristika eleznice kao ponuaa transportnih usluga (velika
vrednost kapaciteta, veoma dug amortizacioni vek kapaciteta, nemogunost brzog
prilagoavanja potrebama korisnika itd.);
6. Potreba da se u momentu pruanja usluga postigne maksimalna prodaja
(iskorienost).
Da bi se u tome uspelo na raspolaganju stoje osnovni elementi marketing miksa
kao jednog od glavnih koncepata u modernom marketingu. Marketing miks predstavlja
skup marketing instrumenata koje preduzea koriste u ostvarivanju svojih marketing ciljeva
na ciljnom tritu. Marketing miks se sastoji iz svega to jedno preduzee moe da uradi da
utie na tranju za svojim proizvodima tj. uslugama. To nije prost zbir razliitih
instrumenata, ve kombinacija instrumenata koja daje sinergetski efekat.
Osnovni elementi marketing miksa eleznice su:
1. Kvalitet;
2. Cena;
3. Distribucija;
8

4. Promocija.
Kvalitet proizvoda odnosno usluge je nosilac ponude organizacije. Proizvod
odnosno usluga moraju da budu tako kreirani da zadovolje potrebe i elje svojih korisnika.
Kada je kvalitet usluge koncipiran, neophodno je da joj se odredi i cena tj. iznos novca koji
potroai moraju platiti za uslugu. Potrebno je odrediti prirodu formiranja cena i njen
znaaj za korisnike usluge. Polazi se od konkurencije na ciljnom tritu i spremnosti
potroaa da plate odreenu cenu, i sagledava se da li eleznica sa svojim trokovima moe
da se uklopi u tu cenu. Vrlo je vano da proizvod, tj. usluga budu raspoloivi tamo gde i
kada ih potroai ele. Osnovni zadatak distribucije je da obezbedi raspoloivost
proizvoda, tj. usluge. Na kraju, neophodno je upoznati korisnike sa ponudom organizacije.
Svrha promocije je da pripremi trite za ponudu preduzea. Preduzee moe da donese
odluke o kombinaciji instrumenata promocije: privrednoj propagandi, unapreenju prodaje,
odnosima sa javnou i publicitetom i direktnom marketingu. Korisnik usluge donosi
odluku na osnovu sva etiri instrumenta marketing miksa. [1]
9

3. KVALITATIVNA CROSS-IMPACT ANALIZA
Osnovno ogranienje mnogih metoda predvianja, ukljuujui i Delfi metodu, je da
one proizvode informacije samo u izolaciji, odnosno da su dogaaji i trendovi projektovani
bez uzimanja u obzir njihovog mogueg meusobnog uticaja. Meutim, veina dogaaja su
na neki nain povezani jedni sa drugima. Meuzavisnost izmeu ovih dogaaja moe biti
uzeta u razmatranje za stalnija i tanija predvianja.
Najpopularnija metoda koja se koristi za prevazilaenje ovih nedostataka je analiza
unakrsnih uticaja (eng. Cross-Impact Analysis - CIA). Ona koristi razliite tehnike da
analizira meusobne odnose korienjem matrice unakrsnih uticaja koja je alatka za
sistematski opis svih potencijalnih modela interakcije izmeu date grupe promenljivih i
procenu snage ovih interakcija.
Tehniku su 1960-ih godine razvili Helmer, Gordon i Hayward. Drugi istraivai su
posle njih razvili par verzija cross-impact analize. Razliite verzije CIA-e mogu biti
klasifikovane u tri grupe: kvalitativna, kvantitativna i kombinovana cross-impact analiza. U
kvantitativnim se konstruie matematiki model koji se odnosi na promenljive. U
kvalitativnim se od eksperata trai da obezbede subjektivne procene odnosa izmeu
promenljivih, obino u obliku matrice uslovnih verovatnoa ili uticaja.
U nastavku su opisani koraci kvalitativne cross-impact analize koja se zasniva na
strukturalnoj analizi i MICMAC metodi koju su predloili Duperrin i Godet. [2]
Kvalitativna cross-impact analiza obuhvata sledee korake:
10

1. Analiza problema: U okviru ovog koraka se definie cilj analize, polje scenarija
i formiranje rada. Alternativna klasifikacija za polja scenarija su: spoljni scenariji,
unutranji scenariji i scenariji sistema. Takoe stupaju na scenu ulazni podaci i kolekcija
informacija.
2. Definisanje promenljivih: Rezultati prvog koraka se zdruuju u promenljive
koje predstavljaju meru sistema i faktora. Promenljive mogu biti odreene i neodreene.
3. Analiza direktnih odnosa: Matrica unakrsnih uticaja se koristi za podeavanja
svih potencijalnih uticaja izmeu date grupe promenljivih i procenila jaina ovih uticaja.
Drugim reima, pravi se strukturalna analiza. Dvojna analiza koja mora uzeti u obzir sve
meusobne odnose, u obzir uzima i potencijalne odnose pitajui se: Ako se promenljiva A
promeni, kako e to direktno uticati na promenljivu B?. Razliite skale se mogu koristiti za
procenu uticaja izmeu promenljivih. Vane promenljive su odreene zavisno od zbira
ulaza redova i kolona za svaku promenljivu u cross-impact analizi. Zbir ulaza reda je
indikator kako se promenljive ponaaju u sistemu kao celina, dok zbir ulaza kolona
pokazuju kako su druge promenljive uticale na njih.
4. Analiza indirektnih odnosa: Umnoavanje matrice se primenjuje na matricu
direktnih unakrsnih uticaja, u cilju prouavanja meanja uticaja kroz reakciju putanja i
petlji. Vane promenljive su odreene zbirom ulaza redova i kolona za svaku promenljivu
u delovanju matrice.

5. Analiza grafikona: Grafikon koji je u zavisnosti od uticaja se pravi u cilju
objanjavanja rezultata. Zbir ulaza reda i kolone za svaku promenljivu u matrici je
pozicioniran u grafikonu. Zbir ulaza reda i kolone za svaku promenjivu odreuje njegovu
individualnu ulogu u odnosu na sistem. Grafikon se pravi i za analizu direktnih odnosa i za
analizu indirektnih odnosa.
6. Izbor kljunih promenljivih: Uzimajui u obzir direktne i indirektne odnose i
analizu grafikona, kao kljune promenljive se biraju promenljive sa visokim stepenom i
11

uticaja i zavisnosti. Ove kljune promenljive su po prirodi nestabilne i to prouzrokuje da se
akteri bore za njih.
Kvalitativna cross-impact analiza podrazumeva kolektivno uee raznih
eksperata, odnosno donosioca odluka. Grupa eksperata se moe nazvati grupa za
planiranje scenarija. Uesnici grupe su odreeni zavisno od obima analize scenarija i
organizacije projekta. Grupom koordinie i potpomae grupa lidera ili specijalista za
scenarija. [2]
12

4. FUZZY CROSS-IMPACT ANALIZA
Prilikom reavanja stvarnih problema unakrsni uticaji ne mogu biti procenjeni sa
konkretnim vrednostima s obzirom da su budui odnosi nesigurni i fuzzy. Eksperti takoe
vie vole da koriste lingvistike termine ili fuzzy vrednosti u svojim predvianjima. Zato je
praktinije predstaviti kvalitativnu cross-impact analizu u terminima fuzzy odnosa. Fuzzy
matrica unakrsnih uticaja je matrica odnosa iji elementi imaju fuzzy vrednosti u matrici.
Tokom poslednje decenije istraivai su razvili nekoliko verzija fuzzy cross-impact
analize. Pristup Jeong-a i Kim-a se fokusira na neciklinu tehnologiju procene uticaja i
uzima u obzir i uticaj (kao lingvistiku vrednost) i vreme (kao fuzzy brojeve). Postoji i
poetna i ciljna tehnologija gde se analizira ciljno usmereno predvianje, gde su vane
putanje odreivanja indirektnih odnosa. Pristup Parashar-a se s druge strane fokusira na
fuzzy predstavljanju Kane-ove simulacije kroz matricu uticaja. Model se koristi za procenu
okoline i u obzir uzima dinaminu procenu promenljivih korienjem fuzzy brojeva, gde je
uticaj promene bitan.

U radu su predstavljena dva razliita fuzzy pristupa. Jedan se fokusira na
lingvistike vrednosti, a drugi na trougaone fuzzy brojeve (TFN). [2]
13

4.1. ANALIZA DIREKTNIH ODNOSA
4.1.1. Fuzzy lingvistiki pristup
Koncept lingvistikih promenljivih je korisan za reavanje situacija koje su suvie
sloene ili loe definisane da bi bile logino opisane konvencijalno kvalitativnim izrazima.
U fuzzy lingvistikom pristupu za procenu uticaja, od eksperta se trai da obezbedi stepen
uticaja u terminima lingvistikih vrednosti. Postavlja se pitanje Ako se promenljiva A
promeni, kako e to direktno uticati na promenljivu B? Vrednosti koje se koriste za
procenu meusobnih uticaja e biti izvuene iz lingvistike skale to ekspertima olakava
obezbeivanje informacija. Odgovori na pitanja su dati korienjem sledee skale: Nikakve
(None-N), Vrlo slabe (Very Weak-VW), Slabe (Weak-W), Srednje (Medium-M), Jake
(Strong-S), Vrlo jake (Very Strong-VS). Korienje verbalne skale ne namee nepotreban
teret na procenjivaa, jer ne zahteva kvantifikovanu preciznost brojeva. Takoe je teko
predstaviti relativan stepen uticaja kao konkretnu vrednost za nesigurne budue situacije.
Na slici 1 predstavljena je hipotetika matrica direktnih unakrsnih uticaja ispunjena
lingvistikim vrednostima. Na primer, direktan uticaj promenljive A na promenljivu C
moe biti izraen kao: Ako se promenljiva A promeni, direktan uticaj na promenljivu C e
biti slab (W).
Slika 1.
Hipotetika matrica
direktnih unakrsnih uticaja ispunjena lingvistikim vrednostima [2]
A B C
A \ S W
B VW \ N
C M M \
14

S obzirom da su svi odnosi ustanovljeni, lingvistike vrednosti se transformiu u
brojne vrednosti u cilju skupljanja zbira redova i kolona. Ovaj proces sainjava analizu
direktnih odnosa. [2]

4.1.2. Fuzzy nominalni pristup
Fuzzy nominalan pristup je druga alternativna metoda koja predstavlja fuzzy
vrednosti za elemente matrice unakrsnih uticaja. S obzirom da su budui dogaaji nesigurni
i fuzzy, unakrsni uticaji promenljivih ne mogu biti procenjeni sa konkretnim vrednostima.
Takoe, eksperti generalno imaju tendenciju da kau da neto ima uticaj oko tri pre nego da
kau tano tri prilikom odgovora. Oko tri predstavlja fuzzy broj, koji znai da e uticaj
biti unutar intervala od dva do etiri, gde je dva najnia vrednost, a etiri najvia vrednost
uticaja, ali da je najverovatnije, odnosno najvea verovatnoa je da je vrednost uticaja tri.
Vano je da stepen verovatnoe za svaki uticaj unutar intervala nije isti.
Specijalan tip fuzzy brojeva, trouglasti fuzzy broj (TFN), se koristi u fuzzy
nominalnom pristupu. TFN se oznaava kao
P
= (a,b,c). Svaki TFN ima linearno
predstavljanje na svojoj levoj i desnoj strani ije funkcije pripadanja mogu biti definisane
kao:
.
,
,
,
, 0
), /( ) (
), /( ) (
, 0
) (
c x
c x b
b x a
a x
b c x c
a b a x
x
P

<

<

'

(3)
TFN,
P
je grafiki prikazan na slici 2.
15

Slika 2. Trouglasti fuzzy broj
P
[2]
Fuzzy broj takoe moe biti definisan kao mogua funkcija raspodele. TFN,
P
=
(a,b,c), pokazuje da najverovatnija vrednost uticaja b sa verovatnoom 1, najnia vrednost
uticaja je a, a najvia vrednost uticaja je c, iako je verovatnoa za obe ekstremne vrednosti
0, a verovatnoe unutar intervala rastu ili se smanjuju.
U ovom pristupu, TFN koji predstavlja jainu uticaja ima funkciju pripadanja sa
jednim od tri razliita intervala, (b-1.0, b, b+1.0), (b-0.8, b, b+0.8) ili (b-0.5, b, b+0.5)
ukazujui na nivo neodreenosti gde ekspert uopte nije siguran, delimino siguran ili vrlo
siguran, respektivno. Funkcija pripadanja trebala bi imati vei interval za dui vremenski
period (poveana nesigurnost). Svaka elija u matrici direktnih unakrsnih uticaja se mora
preispitati za fuzzy broj za svoj odgovarajui interval. Skala se sastoji od 15 razliitih
izbora (TFN od
1
do
5
i tri razliita intervala alternativa). Na slici 3 prikazan je
hipotetiki primer za kvalitativnu matricu direktnih unakrsnih uticaja ispunjenu fuzzy
brojevima. Prema slici 3, uticaj promenljive C na promenljivu A je utvren kao (2, 3, 4) to
se odnosi na fuzzy broj
3
i ukazuje na procenu uopte nije sigurno (3-1, 3, 3+1). Ovaj
uticaj moe biti objanjen kao srednji (M) ukljuujui visoku neodreenost i/ili ostvariv
samo tokom dugog vremenskog perioda. [2]
16

A B C
A
\ (3.5, 4, 4.5) (1, 2, 3)
B
(0.2, 1, 1.8) \ (0, 0, 0)
C
(2, 3, 4) (2.2, 3, 3.8) \
Slika 3. Hipotetika matrica direktnih unakrsnih uticaja ispunjena fuzzy brojevima
[2]


4.2. ANALIZA INDIREKTNIH ODNOSA MICMAC KLASIFIKACIJA
Ispitivanje matrice direktnih unakrsnih uticaja koja otkriva promenljive koje imaju
najveci direktni uticaj, nije dovoljno da se otkriju skrivene promenljive koje ponekad u
velikoj meri utiu na sistem. Pored direktnih odnosa, postoje i indirektni odnosi izmeu
promenljivih, koji se odreuju preko uticaja lanaca i reakcionih petlji (povratnih
informacija). Zajednika matrica se sastoji od nekoliko desetina promenljivih i sadri
nekoliko miliona interakcija u vidu lanaca i petlji. MICMAC klasifikacija (eng. Cross-
Impact Matrix -Multiplication Applied to Classification), odnosno sistem umnoavanja
matrica se primenjuje na matricu direktnih unakrsnih uticaja i koristi se za prouavanje
irenja uticaja kroz reakcije putanja i petlji.
MICMAC princip je jednostavan i bazira se na klasinim Boolean-ovim osobinama
mnoenja matrice.
Ako promenljiva i directno utie na promenljivu k i ako promenljiva k direktno
utie na promenljivu j, svaka promena koja utie na promenljivu i ima posledice na
promenljivu j, jer izmeu njih postoji indirektna zavisnost (slika 4). Brojni indirektni
odnosi koji postoje u matrici direktnih unakrsnih uticaja ne mogu se uzeti u obzir u
direktnoj klasifikaciji.
17

Slika 4. Uzajamno delovanje promenljivih [4]
Ukoliko se matrica kvadrira, mogu se otkriti indirektni uticaji drugog reda. Slino
tome, kada je matrica umnoena 3, 4, 5, ...n puta, brojne putanje i petlje treeg, etvrtog,
petog ... reda indirektnog uticaja promenljivih se mogu pronai. Svaki put prilikom
ponavljanja procesa, javlja se nova hijerarhija promenljivih. Njihova klasifikacija je
zasnovana na brojnim indirektnim akcijama (uticajima) koje imaju na druge promenljive.
Matrica se umnoava do odreene jaine, odnosno do trenutka kada se hijerarhija
promenljivih iz prethodne faze ponavlja u sledeoj fazi umnoavanja matrice. Faza
ponavljanja se naziva stabilna faza umnoavanja matrice, a matrica koja je dobijena u
stabilnoj fazi naziva se stabilizovana matrica indirektnih uticaja.
U cilju boljeg razumevanja, MICMAC klasifikacija je objanjena na jednostavnom
primeru. Sistem koji se razmatra sastoji se od tri promenljive A, B i C, a njihovo uzajamno
delovanje prikazano je na slici 5.
Slika 5. Uzajamno delovanje promenljivih u sistemu [4]
18

Na osnovu slike 5, moe se napraviti matrica M, koja predstavlja matricu direktnih
unakrsnih uticaja:
C B A
1
2
1
0 0 1
1 0 1
0 1 0
1
1
1
]
1

C
B
A
M
1 1 2
U matrici M, dijagonalni elementi su uvek 0, jer se u analizi direktnih odnosa ne
razmatra uticaj promenljive same na sebe, dok se u analizi indirektnih odnosa razmatra, jer
se ovi uticaji uvek pojavljuju preko drugih promenljivih.
C B A
1
2
2
0 1 0
0 1 1
1 0 1
2
1
1
1
]
1

C
B
A
M
1 2 2
U matrici indirektnih unakrsnih uticaja umnoenoj dva puta, odnosno matrici
2
M
,
broj 1 u prvom redu i prvoj koloni ukazuje da postoji kruna putanja duine 2 od
promenljive A do promenljive A. Broj 1 u drugom redu i prvoj koloni ukazuje da postoji
putanja duine 2 od promenljive B do promenljive A.
C B A
2
3
2
1 0 1
1 1 1
0 1 1
3
1
1
1
]
1

C
B
A
M
2 2 3
19

Svi elementi u matrici indirektnih unakrsnih uticaja umnoenoj tri puta, odnosno
matrici
3
M
, pokazuju da putanje i petlje duine 3 vode od jedne promenljive do druge,
meutim potrebno je jo umnoavanja da bi matrica dostigla stabilnost.
C B A
2
4
3
0 1 1
1 1 2
1 1 1
4
1
1
1
]
1

C
B
A
M
2 3 4
Kako se hijerarhija promenljivih iz faze tri ponavlja u etvrtoj fazi umnoavanja
matrice, moe se zakljuiti da je matrica stabilna u etvrtoj fazi umnoavanja. [4]
4.2.1. Fuzzy MICMAC klasifikacija lingvistiki pristup
Indirektni odnosi u fuzzy lingvistikom pristupu analiziraju se korienjem
umnoavanja matrice direktnih unakrsnih uticaja, odnosno fuzzy MICMAC klasifikacijom.
Fuzzy max-min operacija se koristi za umnoavanje matrica i moe se napisati:
CIM (k) = CIM (k 1)

CIM (1) (1)

gde je CIM (k) matrica indirektnih unakrsnih uticaja umnoena k puta, a oznaava
mnoenje matrice. CIM (k) se odnosi na putanje i petlje duine k polazei od jedne
promenljive ka drugoj. U terminima elementa matrice jednaina moe biti napisana kao:
)] 1 ( ) 1 ( [ ) (
sj is
I s
ij
cim k cim k cim

(2)
gde je: i grupa oznaka (1,2,...,n), n je broj promenljivih,
) (k cim
ij
je indirektni
uticaj promenljive i na promenljivu j nakon k umnoavanja,

max i

min.
20

Umnoavanje se nastavlja dok matrica ne dostigne stabilnost, odnosno dok
klasifikacija reda i kolone ne postane stabilna. Klasifikacija reda i kolone predstavlja fuzzy
MICMAC klasifikaciju. Za fuzzy lingvistiki pristup, izvesna jaina moe biti odreena
uzimajui u obzir i periodina ponavljanja da bi se dostigla jaina. U krajnjoj matrici,
lingvistike vrednosti su prebaene u brojne vrednosti i sakupljen je zbir redova i kolona.
Direktni i indirektni odnosi svake promenljive se predstavljaju u zavisnosti od ovih
vrednosti. [2]
4.2.2. Fuzzy MICMAC klasifikacija - nominalni pristup
Nakon definisanja direktnih odnosa, i u fuzzy nominalnom pristupu, indirektni
odnosi se odreuju u skladu sa MICMAC metodom. Kao i u fuzzy lingvistikom pristupu,
izvrava se proces umnoavanja matrice direktnih unakrsnih uticaja, ali se operacije rade sa
TFN. Stoga, prema proirenim principima predloenim od strane Zadeha, koriste se
operacije sabiranja i mnoenja sa fuzzy brojevima. Koristei interval poverenja za

, TFN
se moe napisati:
] 1 , 0 [
] ) ( , ) ( [ ] , [
) ( ) (

+ +

c b c a b a P P P
r l
(4)

U jednaini (4), umesto korienja
) (x
P

, koristi se

kao stepen pripadanja, koji

oznaava pripadanje
x
vrednosti na svakoj strani fuzzy broja
P
.
) ( l
P
i
) ( r
P
su x
vrednosti u linearnoj prezentaciji levih i desnih strana fuzzy broja
P
koje oslikava

.
Istraivai su razvili proirene operacije fuzzy brojeva koje primenjuju osnovne
aritmetike operacije kao to su sabiranje, oduzimanje, mnoenje i deljenje sa fuzzy
brojevima. U proirenim operacijama rezultat ukazuje da operacija sa dva fuzzy broja kao
rezultat daje minimalnu vrednost na levoj strani i maksimalnu vrednost na desnoj.
Pretpostaviti da su fuzzy brojevi:
21

] , [ ], , [
) ( ) ( ) ( ) ( r l r l
Q Q Q P P P (5)

Sabiranje: Za sve mogue vrednosti dva fuzzy broja
P
i Q:
] , [ ) (
) ( ) ( ) ( ) ( r r l l
Q P Q P Q P + + + (6)

Mnoenje: Ako su
P
i Q pozitivni fuzzy brojevi:
] , [ ) (
) ( ) ( ) ( ) ( r r l l
Q P Q P Q P (7)
Kao bitna stavka, vrednost

je odreena kao 0 i 1, jer nakon odreenog broja

umnoavanja TFN vie nije simetrian, tako da je potrebno definisati novi TFN intervalne
vrednosti (

= 0) i samostalne vrednosti (

= 1). Za fuzzy nominalan pristup, izvesna

jaina matrice moe biti odreena kada klasifikacija reda i kolone postane stabilna. U
svakom ponavljanju potrebna je metoda rasporeivanja za definisanje niza promenljivih.
Predlae se metoda integralne vrednosti sa indeksom optimizma,
] 1 , 0 [
. Naka je
A

fuzzy broj sa levom funkcijom pripadanja
L
f i desnom funkcijom pripadanja
R
f . Tada se
totalna integralna vrednost definie kao:
) ( ) 1 ( ) ( ) ( A E A E A E
L R

+ (8)
gde je:
dx x xf A E
R
R
) ( ) (

(9)
22

dx x xf A E
L
L
) ( ) (

(10)


TFN je obeleen sa (
, ,
). Za TFN,
A
= (
, ,
), totalna integracijska
vrednost je definisana kao:
)] )( 1 ( ) ( [
2
1
) ( + + + A E
W
(11)
Kada su nizovi redova i kolona isti za bilo koju umnoenu matricu u skladu sa
totalnim integracijskim vrednostima, odreena je konana matrica indirektnih uticaja.
Direktni i indirektni odnosi za svaku promenljivu se predstavljaju u zavisnosti od zbira
redova i kolona. [2]
4.3. ANALIZA GRAFIKONA I IZBOR KLJUNIH PROMENLJIVIH
Polazna taka prilikom tumaenja i uporeivanja rezultata je zbir redova i kolona
za svaku promenljivu , koji definie individualnu ulogu promenljive u odnosu na sistem.
Zbir redova predstavlja pokazatelj ponaanja promenljive u sistemu, dok zbir kolona
predstavlja pokazatelj delovanja ostalih promenljivih na pomenutu promenljivu. U cilju
tumaenja rezultata pravi se uticajno-zavisni grafikon (slika 6). Grafikon pokazuje tipine
karakteristike sistema. Svaka promenljiva ima jedinstvenu poziciju u dijagramu koji
oznaava njeno karakteristino ponaanje u odnosu na druge promenljive. Za uticajno-
zavisni grafikon definisano je pet razliitih grupa promenljivih:
1) Na uticajne promenljive (influential) manje utiu ostale promenljive, u odnosu na
njihov uticaj na ostale promenljive. Mogu se predstaviti kao odluujuce
promenljive.
23

2) Zavisne promenljive (dependent) manje utiu na ostale promenljive, u odnosu na
obrnuti uticaj.
3) Kljune promenljive (key) podjednako utiu na ostale promenljive koliko i ostale
promenljive utiu na njih. Predstavljaju promenljive od najveeg interesa za sistem.
4) Neaktivne promenljive (inert) slabo utiu na druge promenljive, ali su i slabo
zavisne. One su relativno nepovezane sa sistemom i stoga su iskljuene iz
razmatranja.
5) Neutralne promenljive (neuter) proseno utiu na druge promenljive i proseno su
zavisne od njih. Nita se definitivno ne moe rei o njima.
Slika 6. Uticajno-zavisni grafikon promenljivih [2]
Kriterijumi na osnovu kojih se promenljive svrstavaju u prethodno formirane
grupe su:
Uticajne promenljive:
I i
I
i
2
i
IPI
,
Zavisne promenljive:
D i
I
i
2
i
IPI
,
24

Kljune promenljive:
I i
I
i
D i
D
i
( )
I i
D DI 1
i
2 5 . 0 < <
i
IPI
,
Neaktivne promenljive:
I i
I
i
D i
D
i
( )
D i
I DI 1
,
Neutralne promenljive:
( ) ( )
I i D
D DI I < < 1 1
i
2 5 . 0 < <
i
IPI
,
gde su
i
I
zbir uticaja i te promenljive,
i
D
zbir zavisnosti i te promenljive,
i
IPI

indeks impulsa i te promenljive
( )
i i
D I /
,
i
DI
dinamiki indeks i te promenljive
( )
i i
D I
,
I
aritmetika sredina uticaja,
D
aritmetika sredina zavisnosti, I1 max
( )
i
I
, D1 max
( )
i
D
i i = 1,2,..., n.
Zbirovi uticaja i zavisnosti u indirektnoj matrici su normalizovani u cilju
poreenja rezultata direktne i indirektne analize na sledec i nain:
i
I
: direktno 1 I * indirektno
/
i
I
indirektno I1,
i
D
: direktno D1 * indirektno
/
i
D
indirektno D1.
Poreenjem rezultata direktne i indirektne analize moe se potvrditi znaaj
odreenih promenljivih i otkriti druge promenljive za koje se mislilo sa su nevane, a
za koje je otkriveno da imaju vodecu ulogu kroz analizu indirektnih uticaja. Konanu
odluku o promenljivima daje grupa za planiranje scenarija na osnovu poreenja
rezultata direktne i indirektne analize i tumaenja promenljivih. [2]
5. ZAKLJUAK
Cross-impact analiza istrauje ponaanje sistema u buduc nosti prouavajui
skup promenljivih i interakcije izmeu njih koje ce oblikovati buducnost. Kada su u
25

pitanju buduci dogaaji, unakrsni uticaji su esto nesigurni ili fuzzy. Iz tog razloga je
jasno zato je opravdano primeniti fuzzy pristup na kvalitativnu cross-impact analizu.
U radu su predstavljena dva fuzzy pristupa, koja eliminiu pritisak na eksperta
da definie relativan stepen uticaja kao konkretnu vrednost. U fazi nominalnom
pristupu, TFN se koristi za predstavljanje jaine uticaja sa razliitih nivoa
nepreciznosti, tako da je mogue iz rezultata doneti zakljuke iz ire perspektive.
Suvie kompleksne ili loe definisane situacije i dugorono uzajamno dejstvo ukazuju
na velike intervale, odnosno dovode do visokog nivoa nepreciznosti, ali je jako koristan
za odreivanje skrivenih promenljivih. Fuzzy lingvistiki pristup olakava ekspertima
predstavljanje relativnog stepena uticaja pomocu lingvistikih vrednosti. Promenljive u
ovom pristupu su ojaane tako da se uticajne i zavisne vrednosti pomeraju do
ekstremnih taaka. Ovaj pristup se moe uspeno koristiti za potvrivanje rezultata
konvencionalne cross-impact analize.
Konano, za razliku od konvencionalne cross-impact analize, fuzzy pristupi
potvruju sposobnost za pronalaenje skrivenih promenljivih i uspeniji su u
predstavljanju neizvesnosti. U cilju buduih istraivanja, ovi pristupi se mogu primeniti
na scenarija u cilju generalizovanja rezultata.
6. LITERATURA
26

[1.] Bojovi, Neboja, Marketing u eleznikom saobraaju i transportu,
Autorizovana skripta za pripremu ispita, Beograd, 2006.
[2.] Umut Asan, Cafer Erhan Bozda, Sekin Polat, A fuzzy approach to
qualitative cross- impact analysis, Omega, Volume 32, Issue 6, pp. 443-458, December
2004.
[3.] Jeong GH., Kim SH. , A qualitative cross-impact approach to find the
key technology, Technological Forecasting and Social Change, Volume 55, Issue 3, pp.
203214, 1997.
[4.] Michel Godet, From anticipation to action, Unesco Publishing, Paris,
1994.
27