निर्णय मैट्रिक्स कैलकुलेटर

आपका मैट्रिक्स

हर कॉलम एक मानदंड है और उसका भार; हर पंक्ति एक विकल्प है। हर विकल्प को हर मानदंड पर अंक दें, जहाँ ऊँचा अंक बेहतर है।

परिणाम

द्वितीयक डेटा विश्लेषण की साक्षात्कार अध्ययन पर बढ़त 0.3 अंक है, जो अधिकतम अंक का 6% है।

शीर्ष अंक कैसे निकला

द्वितीयक डेटा विश्लेषण: 0.4 × 5 + 0.25 × 2 + 0.2 × 5 + 0.15 × 3 = 3.95

संवेदनशीलता जाँच

हर भार को बारी-बारी से 20% नीचे और 20% ऊपर ले जाया जाता है, बाकी अपरिवर्तित रहते हैं, और हर विकल्प का अंक फिर से गिना जाता है। आखिरी कॉलम दिखाता है कि उस एक भार को कितना बदलना होगा कि कोई और विकल्प बराबरी पर आ जाए।

विजेता बना रहता है: किसी एक भार में ±20% बदलाव शीर्ष विकल्प को नहीं बदलता।

निर्णय मैट्रिक्स कैलकुलेटर का उपयोग कैसे करें

1. 1. पैमाना और भार का प्रारूप चुनें। त्वरित निर्णयों के लिए 1–5 पर अंक दें, या बारीक निर्णयों के लिए 1–10। भार प्रतिशत में दें जिनका योग 100 हो, या किसी भी आकार के अंकों में — 3, 2, 1 का अर्थ है कि पहला मानदंड अंतिम से तीन गुना गिना जाता है।
2. 2. मानदंड और विकल्पों के नाम दें। कॉलम मानदंड हैं और पंक्तियाँ विकल्प। हर एक के आठ तक जोड़े जा सकते हैं; उदाहरण में एक शोध-प्रबंध के लिए तीन शोध-डिज़ाइनों की तुलना है।
3. 3. हर खाने में अंक दें। ऊँचा अंक हमेशा बेहतर होना चाहिए, इसलिए लागत जैसे मानदंड को वहनीयता बनाएँ: सबसे सस्ते विकल्प को सबसे ऊँचा अंक मिलता है।
4. 4. रैंकिंग पढ़ें, फिर संवेदनशीलता जाँच। ऐसी बड़ी बढ़त जो भार में हर ±20% बदलाव के बाद भी बनी रहे, एक मज़बूत परिणाम है। कम या नाज़ुक बढ़त कोई फ़ैसला नहीं, बल्कि भारों और साक्ष्यों को और ध्यान से देखने का संकेत है।

भारित निर्णय मैट्रिक्स कैसे काम करता है

हर मानदंड का भार सभी भारों के योग से भाग दिया जाता है, ताकि भार ऐसे अंशों में बदल जाएँ जिनका योग 1 हो। किसी विकल्प का हर मानदंड पर अंक उस मानदंड के अंश से गुणा होता है, और गुणनफल जोड़े जाते हैं:

Sᵢ = w₁sᵢ₁ + w₂sᵢ₂ + … + wₙsᵢₙ, जहाँ w₁ + w₂ + … + wₙ = 1

चूँकि भार सामान्यीकृत होते हैं, परिणाम पैमाने पर ही रहता है: 1–5 पैमाने पर 3.95 का भारित अंक अर्थ है 5 में से 3.95। इसका यह भी अर्थ है कि जो प्रतिशत 100 तक नहीं पहुँचते, वे भी काम करते हैं — कैलकुलेटर उन्हें पैमाने पर ले आता है और आपको बताता है कि उसने ऐसा किया है।

कार्यान्वित उदाहरण: शोध-डिज़ाइन चुनना

एक छात्र व्यवहार्यता को 40%, व्यक्तिगत रुचि को 25%, डेटा तक पहुँच को 20% और करियर मूल्य को 15% भार देता है, फिर तीन डिज़ाइनों को 1 से 5 तक अंक देता है। ये कैलकुलेटर के डिफ़ॉल्ट इनपुट हैं।

द्वितीयक डेटा विश्लेषण 0.4 × 5 + 0.25 × 2 + 0.2 × 5 + 0.15 × 3 = 3.95 के साथ जीतता है, जो साक्षात्कार अध्ययन पर 0.3 अंक की बढ़त है — अधिकतम अंक का 6%। किसी भी एक भार में ±20% बदलाव विजेता नहीं बदलता, इसलिए परिणाम स्थिर है। टिपिंग पॉइंट्स इसमें बारीकी जोड़ते हैं: यदि व्यक्तिगत रुचि छात्र के पहले बताए गए भार से 40% अधिक महत्वपूर्ण होती, तो साक्षात्कार अध्ययन बराबरी पर आ जाता। ऐसा विजेता जो भरोसेमंद है पर ज़बरदस्त नहीं, आम है, और प्रतिबद्ध होने से पहले इसे जानना उपयोगी है।

संवेदनशीलता जाँच पढ़ना

भार निर्णय-आधारित आकलन होते हैं, इसलिए जाँच पूछती है कि क्या एक अलग निर्णय उत्तर बदल देगा। हर भार को बारी-बारी से 20% नीचे और 20% ऊपर ले जाया जाता है, बाकी स्थिर रखे जाते हैं, भारों को फिर से सामान्यीकृत किया जाता है, और हर विकल्प का अंक फिर से गिना जाता है। टिपिंग पॉइंट उस एक भार में वह बदलाव ठीक-ठीक हल करता है जिस पर दूसरा विकल्प बराबरी पर आ जाता है — क्योंकि हर भारित अंक उस भार में दो सीधी रेखाओं का अनुपात है, इसलिए प्रतिच्छेदन का एक बंद सूत्र (closed form) मिलता है, आज़माने-परखने की ज़रूरत नहीं।

• स्थिर: किसी ±20% बदलाव से विजेता नहीं बदलता। रैंकिंग अंकों को दर्शाती है, भारों के बारीक समायोजन को नहीं।
• संवेदनशील: कम से कम एक बदलाव इसे पलट देता है। पूछें कि क्या उस मानदंड का भार वास्तव में तय है — यदि नहीं, तो मैट्रिक्स आपके लिए फ़ैसला नहीं कर सकता।
• बड़े टिपिंग पॉइंट (+200%, या “कोई बदलाव नहीं करता”) का अर्थ है कि मानदंड परिणाम पर लगभग असर नहीं डालता; छोटे का अर्थ है कि वह अधिकांश फ़ैसला कर रहा है।

भारित मैट्रिक्स बनाम Pugh मैट्रिक्स

Pugh मैट्रिक्स, जिसे डिज़ाइन इंजीनियर Stuart Pugh ने अवधारणा-चयन के लिए विकसित किया, हर विकल्प की तुलना एक संदर्भ विकल्प (datum) से करता है। हर खाना बेहतर (+), बदतर (−) या लगभग समान (S) होता है, और प्लस और माइनस गिने जाते हैं। यह त्वरित है, इसमें संख्याओं की ज़रूरत नहीं, और शुरुआती कई विचारों की छँटाई के लिए अच्छा है। भारित निर्णय मैट्रिक्स हर विकल्प को पूर्ण पैमाने पर अंक देता है और मानदंडों को भार देता है, जो कुछ अच्छी तरह समझे गए विकल्पों में अंतिम चुनाव के लिए बेहतर है — और यही यह कैलकुलेटर बनाता है।

अक्सर पूछे जाने वाले प्रश्न

भारित निर्णय मैट्रिक्स क्या है?

यह एक तालिका है जिसमें विकल्प पंक्तियों में और मानदंड कॉलम में होते हैं; हर विकल्प को हर मानदंड पर अंक दिया जाता है, और अंकों को उन भारों से गुणा किया जाता है जो बताते हैं कि हर मानदंड कितना मायने रखता है। सबसे ऊँचा भारित योग पाने वाला विकल्प पहले स्थान पर रहता है। इसे भारित स्कोरिंग मॉडल, प्राथमिकता मैट्रिक्स या निर्णय-ग्रिड भी कहते हैं।

भार कैसे चुनूँ?

अंक देने से पहले तय करें, ताकि अंक भारों को प्रभावित न करें। एक तरीका है सभी मानदंडों में 100 अंक बाँटना; दूसरा है मानदंडों को रैंक करना और सबसे महत्वपूर्ण को सबसे अधिक अंक देना। फिर संवेदनशीलता जाँच करें: यदि किसी अनिश्चित भार में मामूली बदलाव से विजेता पलट जाए, तो पहले उस भार को तय करें।

क्या भारों का योग 100 होना ज़रूरी है?

नहीं। कैलकुलेटर हर भार को उनके योग से भाग देता है, इसलिए 3, 2 और 1 वही परिणाम देते हैं जो 50%, 33.3% और 16.7% देते हैं। यदि आप प्रतिशत चुनते हैं और उनका योग 100 के अलावा कुछ है, तो उन्हें पैमाने पर लाया जाता है और आपको बताया जाता है।

1–5 या 1–10 पैमाना कब इस्तेमाल करें?

1–5 तब चुनें जब आपके निर्णय मोटे हों, क्योंकि बारीक पैमाने झूठी सटीकता को बढ़ावा देते हैं। 1–10 तब चुनें जब अंकों के पीछे माप हों और आप उनके अंतर रखना चाहते हों। सबसे ज़रूरी बात यह है कि हर मानदंड पर हर संख्या का एक ही अर्थ हो, इसलिए शुरू करने से पहले लिख लें कि 1, 3 और 5 कैसे दिखते हैं।

यदि दो विकल्प बराबर हों तो?

बराबरी, या अधिकतम अंक के लगभग 5% से कम बढ़त, का अर्थ है कि दिए गए मानदंडों से मैट्रिक्स उन्हें अलग नहीं कर सकता। सबसे नज़दीकी अंकों के पीछे के साक्ष्य फिर से देखें, या वह मानदंड जोड़ें जो वास्तव में उन्हें अलग करता है — अक्सर वह, जिसे आपने मापना कठिन होने के कारण छोड़ दिया था।

क्या निर्णय मैट्रिक्स मेरे लिए फ़ैसला कर सकता है?

नहीं — यह निर्णय को व्यवस्थित करता है। इसका परिणाम उतना ही अच्छा है जितने अच्छे मानदंड, भार और अंक आप देते हैं। इसका असली मूल्य यह है कि यह आपके तर्क को दिखाई देने वाला और परखने योग्य बनाता है, ताकि आप चुनाव समझा सकें और देख सकें कि वह किस धारणा पर टिका है।