Wielokryterialne wspomaganie decyzji w logistyce aspekty konceptualizacji wiedzy

WĄTRÓBSKI Jarosław 1 Wielokryterialne wspomaganie decyzji w logistyce aspekty konceptualizacji wiedzy WSTĘP Wraz z rozwojem badań operacyjnych wykształcił się nurt badawczy obejmujący problemy wielokryterialne. Obserwujemy tutaj dynamiczny rozwój między innymi metod wielokryterialnego wspomagania decyzji (MCDA). Dotyczy to zarówno badań w warstwie teoretycznej (co objawia się ciągłym rozwojem istniejących metodyk i technik oraz powstawaniem nowych metod) jak i warstwie aplikacyjnej, obejmującej nowe obszary zastosowania metod w praktyce gospodarczej. Wśród nich istotne miejsce zajmuje wykorzystanie metod MCDA w obszarze logistyki [1,6,8,9]. Wskazać tutaj można szereg prac obejmujących wykorzystanie wybranych metod wielokryterialnych w rozwiązywaniu problemów wyboru bądź oceny np.: dostawców usług, zarządzania łańcuchem dostaw, infrastruktury transportowej czy rozwiązań informatycznych wspierających działalność firmy logistycznej. Każdorazowo indywidualna specyfikacja środowiskowych czynników sytuacji decyzyjnych powoduje, że dobór wielokryterialnej metody badawczej winien być przeprowadzony bardzo starannie [3], a rekomendacje doboru technik modelowania i agregacji preferencji należy realizować z uwzględnieniem następujących przesłanek: szczegółowego uwzględnienia specyfiki rozpatrywanych problemów (a w tym ich złożonego i wielopoziomowego charakteru), możliwości intuicyjnego dialogu z decydentem i użytkownikami na etapie formułowania i realizowania procesu ocen, również o charakterze subiektywnym (np. operowanie skalą lingwistyczną), ewentualnej możliwości niedoprecyzowania informacji preferencyjnej przez oceniających (a w tym wahania się oceniających), możliwości wystąpienia brakujących ocen i sytuacji nieporównywalności wariantów decyzyjnych, obsługi wielu form informacji preferencyjnej (np. o charakterze deterministycznym, niedeterministycznym, porządkowym czy rozmytym). Naturalnym następstwem jest więc różnorodność aplikacyjna metod wielokryterialnych. Potwierdza to szczegółowa analiza literatury przedmiotu, gdzie badania w obszarze logistyki prowadzone są skutecznie z wykorzystaniem wielu metod wielokryterialnych. Fakt ten w połączeniu z dużą różnorodnością szczegółowych problemów decyzyjnych rozpatrywanych przez autorów prac stanowi naturalną genezę problemu badawczego obejmującego próbę systematyzacji wiedzy w tym obszarze. Dodatkową przesłanką podjęcia badań w tym zakresie jest duża heterogeniczność wiedzy dziedzinowej (obejmującej np. dostępne publikacje naukowe czy systemy wspomagania decyzji). Celem artykułu jest opracowanie modelu wiedzy metod wielokryterialnego wspomagania decyzji oraz wybranych przypadków ich użycia w obszarze logistyki. Uwzględnienie współczesnych standardów w zakresie inżynierii wiedzy wskazuje jednoznacznie na implementację takiego repozytorium wiedzy w postaci ontologii. W celu budowy takiego rozwiązania dokonano dyskusji literaturowej metod MCDA oraz szczegółowych wzorcowych przypadków ich zastosowania w obszarze logistyki. Posłużyło to kolejno do opracowania autorskich taksonomii oraz ontologii stanowiących przetwarzalne komputerowo źródło wiedzy w tym obszarze. Ontologia jako forma 1 Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Informatyki, Katedra Inżynierii Systemów Informacyjnych, Żołnierska 49, Szczecin, e-mail: jwatrobski@wi.zut.edu.pl 6513

konceptualizacji wiedzy stanowi pełne źródło wiedzy wskazanej problematyki które może być wielokrotnie wykorzystane. Opracowanie zostało podzielone na 2 części: dyskusję literaturową i opracowanie taksonomii metod MCDA stosowanych w obszarze logistyki oraz kolejną część obejmująca taksonomię przypadków referencyjnych zastosowań MCDA w problemach badawczych logistyki. Artykuł kończy prezentacja wybranych elementów autorskiej ontologii dla rozważanej dziedziny. 1. METODY WIELOKRYTERIALNEGO WSPOMAGANIA DECYZJI Badania nad wielokryterialnym wspomaganiem decyzji wykształciły dwie główne grupy metod. Różnią się one znacznie względem siebie zarówno podejściem do sytuacji decyzyjnej, jak i sposobem wyboru najlepszego wariantu decyzyjnego. Są to podejścia oparte na teorii użyteczności i relacji przewyższania [16]. Podejście oparte na teorii użyteczności wywodzi się z amerykańskiej szkoły wspomagania decyzji. Wyróżnia się tutaj dwa rodzaje relacji między wariantami decyzyjnymi: równoważność i preferencję jednego z wariantów nad drugim. Metody należące do tej grupy wykluczają sytuację nieporównywalności wariantów decyzyjnych i zakładają przechodniość preferencji [16]. Wśród metod opartych na teorii użyteczności wymienić można m.in. metody MAUT (ang. Multi Attribute Utility Theory, Wieloatrybutowa Teoria Użyteczności), AHP (ang. Analitic Hierarchy Process, Proces Analitycznej Hierarchizacji), UTA (ang. Utility Theory Additive, Addytywna Teoria Użyteczności). Metody tej jednak najczęściej nie uwzględniają niepewności, niedokładności i nieokreśloności możliwej do wystąpienia w danych [16]. Metody oparte na relacji przewyższania wywodzą się z europejskiej szkoły wspomagania decyzji, a sama relacja przewyższania charakteryzuje się nieprzechodniością pomiędzy parami wariantów decyzyjnych. Metody z tej grupy najczęściej rozszerzają zbiór podstawowych sytuacji preferencyjnych, w efekcie czego obejmuje on sytuacje: równoważności wariantów decyzyjnych, słabej preferencji jednego z wariantów względem innego, silnej preferencji danego wariantu decyzyjnego względem innego, nieporównywalności pomiędzy danymi wariantami. Bazując na przeprowadzonej analizie literatury przedmiotu zidentyfikowano złożony zbiór dostępnych metod wielokryterialnego wspomagania decyzji (AHP, PAMSSEM, MELCHIOR, PROMETHEE I, Electre IV, EVAMIX, Maximin rozmyta, REGIME, Electre IS, Addytywna metoda wagowa, MAUT, ORESTE, Metoda Martela i Zarasa, Rozmyta addytywna metoda wagowa, Electre II, Rozmyte metody wydzielania dla minimalnej i maksymalnej wartości atrybutu, Electre TRI, Metoda wydzielania dla minimalnej i maksymalnej wartości atrybutu, Metoda Maximin, Metoda leksykograficzna, UTA, SMART, TOPSIS, Electre III, Electre I, MAVT, PROMETHEE II, NAIADE). Niniejsza tabela (Tabela 1.) prezentuje charakterystyki wybranych metod MCDA. Szczegółową klasyfikację metod wraz z cechami charakterystycznymi przedstawiono w dalszej części artykułu, opisując proces budowy taksonomii metod MCDA. Tab. 1. Charakterystyki wybranych metod MCDA [opracowanie własne] Nazwa metody Metoda AHP (Saaty T. L., 1980) Addytywna metoda wagowa (Hwang C. L., Youn K., 1981) Metoda EVAMIX Voogd H., 1983) Metoda Electre I (Roy B., 1991) Istota metody Problem jest dekomponowany do postaci hierarchicznej. Ocena zbiorcza opiera się o agregację ocen cząstkowych pozyskanych w macierzach porównań parami Agregacja w oparciu o funkcję o postaci addytywnej. Wybór najlepszego wariantu o najwyższej wartości globalnego wskaźnika uzyskiwanego jako suma ocen cząstkowych względem wszystkich kryteriów Ranking wariantów w oparciu o indeks globalnej domiancji (indeksy dominacji porządkowej i kardynalnej) Celem metody jest wyznaczenie podzbioru wariantów zawierających najlepszą alternatywę. Procedura opiera się o konstrukcję testów zgodności i niezgodności, w następstwie 6514

Metoda Electre II fàoy B., Metoda Electre III (Roy B., MetodaElectre IS (Roy B., Metoda Electre IV (Roy B., Metoda Electre TRI (Roy B., Metoda MAUT (Keeney R., Raiffa H., 1976) Metoda MAVT (Keeney R., Raiffa H., 1976) Metoda Maximin (Wang C. L., Youn K., 1981) Metoda PROMETHEE I (Brans J. P. i in., 1984) Metoda PROMETHEE II (Brans J. P. i in., 1985) Metoda REGIME (Hinloopen E., Nijkamp P., 1982) Rozmyta addytywna metoda wagowa (Dubois D. i in., 1982) Rozmyte metody wydzielania dla minimalnej i maksymalnej wartości atrybutu (Dubois D. i in., 1988) Metoda SMART (Olson D. L., 1996) Metoda TOPSIS (Hwang C. L., Youn K., 1981) Metoda UTA (Jacquet-Lagreze E., Siskos J., 1982) konstrukcję grafu przewyższania. Modelowanie preferencji odbywa się przy użyciu kryteriów prawdziwych Rozwinięcie metody Electre I. Istotę stanowi użycie dwóch relacji przewyższania słabej i silnej Ranking wariantów w oparciu o relację przewyższania. Modelowanie preferencji z użyciem pseudokryteriów i wag Metoda stanowi rozwinięcie metody Electre I z dodatkowym modelowaniem preferencji w oparciu o pesudokryteria Ranking wariantów w oparciu o relację przewyższania z użyciem pseudokryteriów. Nie stosuje się wag dla kryteriów Sortowanie wariantów na kategorie w oparciu o relację przewyższania. Modelowanie preferencji z użyciem pseudokryteriów Ranking wariantów w oparciu o agregację cząstkowych funkcji użyteczności postaci addytywnej Ranking wariantów w oparciu o agregację cząstkowych funkcji użyteczności postaci multiplikatywnej Celem metody jest wybór wariantu najsilniejszego spomiędzy najsłabszych Metoda stanowi rozwinięcie metod Electre, lecz rozszerzono ilość relacji binarnych opisujących preferencje do sześciu Rozszerzenie PROMETHEE I o wyznaczenie wyników globalnych dla wszystkich wariantów Metoda opiera się o porównanie wariantów parami Do konstrukcji macierzy porównań używana jest skala {-1,0,1}. Wartości skali odpowiadają kolejno zdominowaniu, równoważności i dominacji Metoda stanowi rozmytą wersję addytywnej metody wagowej, wagi i oceny modelowane są jako liczby rozmyte Metody odrzucają warianty o wartościach kryterium kolejno poniżej i powyżej zadanej wartości. Oceny mają formę rozmytą Ranking wariantów w oparciu o agregację cząstkowych funkcji użyteczności postaci addytywnej. Oceny globalne wyznaczane są jako średnia ważona ocen cząstkowych Wybór najlepszego wariantu oparty jest o ocenę dystansu od idealnego wzorca i najgorszego rozwiązania Modelem jest addytywna funkcja użyteczności. Użyteczności częściowe wyznaczane są przy użyciu zasady regresji porządkowych Analizując literaturę przedmiotu można wskazać szereg referencyjnych przykładów literaturowych zastosowań wskazanych powyżej metod MCDA w dziedzinie logistyki i transportu (Tabela 2). Przykłady te obejmują między innymi problemy wyboru lokalizacji [1, 16], wyboru i oceny dostawcy usług logistycznych [3, 5, 12], zarządzania łańcuchem dostaw [4, 10, 13, 14, 21], doboru i oceny środków transportu [11, 18] jak też projektowania infrastruktury transportowej [7, 14, 20]. Autorzy prac każdorazowo uzasadniają dobór ich zdaniem właściwej metody badawczej jak też szczegółowo strukturalizują i eksploatują wielokryterialne modele dla wskazanych sytuacji decyzyjnych. W tym kontekście opracowania te stanowią wiarygodne źródło wiedzy eksperckiej, a przeniesienie ich na płaszczyznę technologiczną inżynierii wiedzy umożliwi oraz uproście jej ponowne, powszechne użycie. 6515

Tab. 2. Wybrane przykłady referencyjne zastosowań metod MCDA w logistyce [opracowanie własne] Opis przypadku Źródło wiedzy dziedzinowej referencyjnego Pomiar złożoności Kinra A., Kotzab H., A macro-institutional perspective on supply środowiska otaczającego chain environmental complexity. International Journal of operacje zarządzania Production Economics, Vol. 115, No. 2, 2008, s. 283-295. łańcuchem dostaw Wybór globalnego dostawcy dla firmy produkcyjnej Wybór projektu sieci dystrybucji ze względu na cechy produktu Wybór strategii postępowania z uszkodzonymi urządzeniami w odwróconej logistyce Ranking dostawców Wybór lokalizacji do budowy nowego obiektu firmy Wybór lokalizacji dla centrum dystrybucyjnego kompanii logistycznej Wybór strategicznego partnera biznesowego w logistycznym łańcuchu dostaw Wybór strategii zarządzania łańcuchem dostaw Wybór scenariusza w zakresie zmian wykorzystywanego paliwa dla transportu Wybór projektu obwodnicy miejskiej Wybór projektu rozwoju infrastruktury transportowej Wybór kompanii transportowej Wybór paliwa dla pojazdów transportu publicznego Wybór rezerwowego dostawcy w celu zapewnienia dostaw Ranking platform logistycznych Chan F. T., Kumar N., Global supplier development considering risk factors using fuzzy extended AHP-based approach. Omega, Vol. 35, No. 4, 2007, s. 417-431 Sharma M.J., Moon I., Bae H., Analytic hierarchy process to assess and optimize distribution network. Applied Mathematics and Computation, Vol. 202, No. 1, 2008, s. 256-265 Tuzkaya G., Onut S., Tuzkaya U.R., Gulsun B., An analytic network process approach for locating undesirable facilities: An example from Istanbul, Turkey. Journal of Environmental Management, Vol. 88, No. 4, 2008, s. 970-983 Palanisamy P., Abdul Zubar H., Hybrid MCDM approach for vendor ranking. Journal of Manufacturing Technology Management, Vol. 24, No. 6, 2013, s. 905-928 Tabari M., Kaboli A., Aryanezhad M.B., Shahanaghi K., Siadat A., A new method for location selection: A hybrid analysis. Applied Mathematics and Computation, Vol. 206, No. 2, 2008, s. 598-606 Anagnostopoulos, K., Doukas, H., and Psarras, J. A linguistic multicriteria analysis system combining fuzzy sets theory, ideal and anti-ideal points for location site selection. Expert Systems with Applications 35 (2008), 2041-2048 Buyukozkan G., Feyzioglu O., Nebol E., Selection of the strategic alliance partner in logistics value chain. International Journal of Production Economics, Vol. 113, No. 1, 2008, s. 148-158. Yang T., Wen Y.F., Wang F.F., Evaluation of robustness of supply chain information-sharing strategies using a hybrid Taguchi and multiple criteria decision-making method. International Journal of Production Economics, Vol. 134, No. 2, 2011, s. 458-466. Poh K.L., Ang B.W., Transportation fuels and policy for Singapore: an AHP planning approach. Computers & Industrial Engineering, Vol. 37, No. 3, 1999, s. 507-525 Ferrari P., A method for choosing from among alternative transportation projects. European Journal of Operational Research, Vol. 150, No. 1, 2003, s. 194-203 Wey W.M., Wu K.Y., Using ANP priorities with goal programming in resource allocation in transportation. Mathematical and Computer Modelling, Vol. 46, No. 7-8, 2007, s. 985-1000. Kulak O., Kahraman C., Fuzzy multi-attribute selection among transportation companies using axiomatic design and analytic hierarchy process. Information Sciences, Vol. 170, No. 2-4, 2005, s. 191-210 Tzeng G.H., Lin C.W., Opricovic S., Multi-criteria analysis of alternative-fuel buses for public transportation. Energy Policy, Vol. 33, No. 11, 2005, s. 1373-1383. de Boer L., van der Wegen L., Telgen J., Outranking methods in support of supplier selection. European Journal of Purchasing & Supply Management, Vol. 4, No. 2-3, 1998, s. 109-118. Antun J.P., Alarcon R., Ranking projects of Logistics Platforms: A methodology based on the ELECTRE multicriteria approach. Procedia - Social and Behavioral Sciences, Vol. 160, 2014, s. 5-14 6516

Kryterium Nazwa metody AHP Addytywna metoda wagowa EVAMIX Electre I Electre II Electre III Eectre IS Electre IV Electre TRI Ranking rozwiązań zarządzania wiedzą przyjętych w zarządzaniu łańcuchem dostaw Patil S.K., Kant R., A fuzzy AHP-TOPSIS framework for ranking the solutions of Knowledge Management adoption in Supply Chain to overcome its barriers. Expert Systems with Applications, Vol 41, No. 2, 2014, s. 679-693 2. BUDOWA TAKSONOMII I ONTOLOGII METOD WIELOKRYTERIALNEGO WSPOMAGANIA DECYZJI W OBSZARZE LOGISTYKI Ontologię określa się w literaturze jako zbiory definicji pojęć danej dziedziny i relacji zachodzących między nimi [9]. Ontologia jest również określana jako specyfikacja konceptualizacji, dostarczając opisu pojęć i relacji zachodzących pomiędzy nimi [8]. Zastosowanie ontologii jako rozwiązania wspomagającego wybór metody MCDA oraz przypadku jej użycia w obszarze logistyki ma za zadanie wspomóc użytkownika w wyborze odpowiedniego rozwiązania dla danej sytuacji decyzyjnej, dostarczając również szczegółowych informacji na temat poszczególnych metod MCDA i przypadków referencyjnych w obszarze logistyki wraz z dodatkowymi źródłami, zawierającymi szczegółowe informacje o wybranym rozwiązaniu. Pierwszym etapem budowy ontologii jest opracowanie taksonomii. Dokonana identyfikacja i analiza dostępnych 28 metod MCDA pozwoliła na utworzenie zbioru kryteriów oraz podkryteriów charakteryzujących poszczególne rozwiązania. Łącznie utworzono zbiór obejmujący 4 kryteria główne (dostępne relacje binarne, efekt kompensacji liniowej, typ agregacji i typ informacji preferencyjnej) oraz 16 podkryteriów. Poniższe tabele prezentują zestawienie kryteriów oraz poziom ich spełnienia przez poszczególne metody wielokryterialnego wspomagania decyzji. Zbiór ten stanowił jednocześnie podstawę do budowy taksonomii analizowanych rozwiązań (jej wybrany fragment zawarto w Tabeli 3). W sposób analogiczny zdefiniowano zbiór relacji taksonomicznych przypadków referencyjnych użycia metod MCDA w obszarze logistyki. Tab. 3. Taksonomia wybranych metod MCDA [opracowanie własne] Dostępne relacje binarne Efekt kompensacji liniowej Typ agregacji Typ informacji preferencyjnej Podkryterium I tak tak tak P tak tak tak Q tak R tak tak tak tak tak tak S tak tak tak tak tak tak Nie posiada efektu kompensacji liniowej Posiada całkowity efekt kompensacji tak liniowej Posiada częściowy efekt kompensacji tak tak tak tak tak tak tak tak liniowej Agregacja do pojedynczego tak tak tak kryterium Agregacja przy użyciu metody tak tak tak tak tak tak przewyższania Procedury mieszane Deterministyczny tak tak tak tak tak tak tak tak Kardynalny tak tak tak tak tak tak tak tak tak 6517

Niedererministyczny tak Porządkowy tak tak tak Rozmyty tak Bazując na zdefiniowanym zbiorze kryteriów oraz podkryteriów oraz poziomie ich spełnienia przez dane rozwiązania utworzono taksonomię dla wybranych metod wielokryterialnego wspomagania decyzji. Poniższy schemat prezentuje w sposób graficzny zbiór kryteriów głównych oraz podkryteriów zbudowanej taksonomii (Rysunek 1.) Rys. 1. Elementy taksonomii metod MCDA rodzina kryteriów [Opracowanie własne] Pełną postać taksonomii zawierającą zbiór metod MCDA wraz z powyższym zbiorem kryteriów różnicujących oraz siecią taksonomicznych powiązań pomiędzy poszczególnymi konceptami (relacje występujące pomiędzy poszczególnymi klasami wystąpień) ilustruje Rysunek 2. Przy użyciu tejże taksonomii istnieje możliwość selekcji metod w oparciu o wybrane kryterium bądź kryteria. W sposób analogiczny opracowano szczegółową taksonomię przypadków referencyjnych użycia metod MCDA w logistyce. Rys. 2. Model taksonomii metod wielokryterialnego wspomagania decyzji [Opracowanie własne] 6518

Szczegółowa analizy relacji taksonomicznych ukazuje pełną charakterystykę poszczególnych metod MCDA oraz obszary ich zastosowań w logistyce (zbiór przypadków referencyjnych). Stanowi to podstawę do prostego wielokrotnego użycia tak ustrukturalizowanego obszaru wiedzy dziedzinowej. Przykładowo, użytkownik na podstawie zadanych kryteriów otrzymuje zwrotnie dokładne informacje o spełniającej je metodzie (metodach) czy przypadkach referencyjnych wraz ich szczegółowymi taksonomicznymi charakterystykami. Przykładowy zbiór wyników zapytania wraz z ich reprezentacją graficzną zamieszczono na Rysunku 3. Ukazano wynikową metodę (tutaj Electre Tri), która spełniła kryteria zapytania: relacje binarne R i S, częściowy efekt kompensacji liniowej, agregacja przy użyciu relacji przewyższania, typ informacji preferencyjnej porządkowy. Rys. 3. Reprezentacja graficzna wyników zapytania kompetencyjnego [Opracowanie własne] Zastosowanie ontologii jako narzędzia wspomagającego metody MCDA w obszarze logistyki pozwala na wybór rozwiązania uwzględniającego określone przez użytkownika kryteria, na podstawie których zostają wskazane metody MCDA lub referencyjne rozwiązanie literaturowe spełniające wskazane determinanty środowiskowe i decyzyjne. Sama ontologii zawiera zaś kompletny zbiór wiedzy dziedzinowej o metodach MCDA i przypadkach referencyjnych ich zastosowań w obszarze logistyki. Powyższa ontologia została zbudowana przy użyciu programu Protege 4.0, z wykorzystaniem standardu OWL (ang. Ontology Web Language) [22]. WNIOSKI W artykule podjęto problem budowy taksonomii metod MCDA oraz przypadków referencyjnych ich użycia w obszarze logistyki. Zaprezentowano charakterystykę zidentyfikowanych metod MCDA. Bazując na dokonanej analizie został zidentyfikowany zbiór kryteriów oraz podkryteriów charakteryzujących poszczególne rozwiązania, co stanowiło to podstawę do budowy taksonomicznych relacji pomiędzy poszczególnymi metodami MCDA. W kolejności pozwoliło to na przedstawienie pełnej taksonomii metod MCDA i przypadków ich użycia w obszarze logistyki. Prezentowane rozważania potwierdzają celowość konceptualizacji wiedzy w obszarze metod MCDA w dziedzinie logistyki. Użycie przez decydenta proponowanej ontologii wspomaga poprawny wybór wielokryterialnej metody badawczej jak też umożliwia uzyskanie pełnej wiedzy dziedzinowej jej użycia w zadanej sytuacji decyzyjnej w obszarze logistyki. Warto wskazać, że standard użyty do budowy ontologii (OWL) zapewnia pełną zgodność z aktualnie obowiązującymi światowymi standardami semantycznymi, co z kolei umożliwia dalsze wykorzystanie opracowanego rozwiązania, jak również jego połączenie z innymi ontologiami dziedzinowymi, wpisując się w tym samym w dynamicznie rozwijający się nurt inżynierii wiedzy. 6519

Streszczenie W artykule podjęto problem strukturalizacji wiedzy dla potrzeb wielokryterialnego wspomagania decyzji w logistyce. W tym celu dokonano identyfikacji kolekcji metod wielokryterialnych oraz wybranych przypadków referencyjnych ich użycia w problemach logistyki. Stanowiło to kolejno podstawę konceptualizacji wiedzy dla wskazanych metod wielokryterialnych. Efekty praktyczne proponowanego rozwiązania ukazano w formie autorskiej ontologii. Całość kończą wnioski z przeprowadzonych badań. Słowa kluczowe: Zarządzanie wiedzą, Ontologie metody wielokryterialnego wspomagania decyzji, MCDA Knowleadge management in MCDA domain Abstract The main aim of this article is a proposal of ontology as a solution to support MCDA method selection in logistic domain. On the basis on literature review a set of MCDA methods was selected. A proposal of a model of ontology has to provide systematic and repeatable solution for MCDA method selection in logistic domain, including individual preferences of decision maker. The conclusions finish this paper. Keywords: MCDA method, ontology, taxonomy BIBLIOGRAFIA 1. Anagnostopoulos, K., Doukas, H., and Psarras, J. A linguistic multicriteria analysis system combining fuzzy sets theory, ideal and anti-ideal points for location site selection. Expert Systems with Applications 35 (2008), 2041-2048 2. Antun J.P., Alarcon R., Ranking projects of Logistics Platforms: A methodology based on the ELECTRE multicriteria approach. Procedia - Social and Behavioral Sciences, Vol. 160, 2014, s. 5-14 3. Bouyssou D., Roy B., Aide Multicritere a la decision: Methodes et Cas. Economica, Paris, 1993. 4. Buyukozkan G., Feyzioglu O., Nebol E., Selection of the strategic alliance partner in logistics value chain. International Journal of Production Economics, Vol. 113, No. 1, 2008, s. 148-158. 5. Chan F. T., Kumar N., Global supplier development considering risk factors using fuzzy extended AHP-based approach. Omega, Vol. 35, No. 4, 2007, s. 417-431 6. de Boer L., van der Wegen L., Telgen J., Outranking methods in support of supplier selection. European Journal of Purchasing & Supply Management, Vol. 4, No. 2-3, 1998, s. 109-118. 7. Ferrari P., A method for choosing from among alternative transportation projects. European Journal of Operational Research, Vol. 150, No. 1, 2003, s. 194-203 8. Gliński W. (2004), Kwestie metodyczne projektowania ontologii w systemach informacyjnych, [in:] Strategie informatyzacji i zarządzanie wiedzą, Ed. Z. Szyjewski, Wydawnictwa Naukowo- Techniczne, Warszawa, 2004 9. Gruber T.S. (1993), A translation approach to portable ontology specifications, Knowledge Acquisition, Vol. 5, 1993 10. Kinra A., Kotzab H., A macro-institutional perspective on supply chain environmental complexity. International Journal of Production Economics, Vol. 115, No. 2, 2008, s. 283-295. 11. Kulak O., Kahraman C., Fuzzy multi-attribute selection among transportation companies using axiomatic design and analytic hierarchy process. Information Sciences, Vol. 170, No. 2-4, 2005, s. 191-210 12. Palanisamy P., Abdul Zubar H., Hybrid MCDM approach for vendor ranking. Journal of Manufacturing Technology Management, Vol. 24, No. 6, 2013, s. 905-928 13. Patil S.K., Kant R., A fuzzy AHP-TOPSIS framework for ranking the solutions of Knowledge Management adoption in Supply Chain to overcome its barriers. Expert Systems with Applications, Vol 41, No. 2, 2014, s. 679-693 14. Poh K.L., Ang B.W., Transportation fuels and policy for Singapore: an AHP planning approach. Computers & Industrial Engineering, Vol. 37, No. 3, 1999, s. 507-525 15. Sharma M.J., Moon I., Bae H., Analytic hierarchy process to assess and optimize distribution network. Applied Mathematics and Computation, Vol. 202, No. 1, 2008, s. 256-265 6520

16. Tabari M., Kaboli A., Aryanezhad M.B., Shahanaghi K., Siadat A., A new method for location selection: A hybrid analysis. Applied Mathematics and Computation, Vol. 206, No. 2, 2008, s. 598-606 17. Trzaskalik T., Metody wielokryterialne na polskim rynku finansowym. Polskie Wydawnictwo Ekonomiczne, 2006. 18. Tzeng G.H., Lin C.W., Opricovic S., Multi-criteria analysis of alternative-fuel buses for public transportation. Energy Policy, Vol. 33, No. 11, 2005, s. 1373-1383. 19. Tuzkaya G., Onut S., Tuzkaya U.R., Gulsun B., An analytic network process approach for locating undesirable facilities: An example from Istanbul, Turkey. Journal of Environmental Management, Vol. 88, No. 4, 2008, s. 970-983 20. Wey W.M., Wu K.Y., Using ANP priorities with goal programming in resource allocation in transportation. Mathematical and Computer Modelling, Vol. 46, No. 7-8, 2007, s. 985-1000. 21. Yang T., Wen Y.F., Wang F.F., Evaluation of robustness of supply chain information-sharing strategies using a hybrid Taguchi and multiple criteria decision-making method. International Journal of Production Economics, Vol. 134, No. 2, 2011, s. 458-466. 22. http://protege.stanford.edu/ 6521