Structured decision-making के लिए एक weighted decision matrix tool। Custom weights के साथ criteria define करें, numeric scales या letter grades का उपयोग करके options score करें, और color-coded final results देखें। सभी processing आपके browser में locally होती है।
पंक्तियाँ बनाने के लिए 'मानदंड जोड़ें' पर क्लिक करें। प्रत्येक मानदंड का नाम दें (जैसे, मूल्य, स्थान, गुणवत्ता) और उसके महत्व को दर्शाने के लिए एक वज़न सेट करें। अधिक वज़न का अर्थ है कि वह मानदंड अंतिम स्कोर में अधिक योगदान देता है।
प्रत्येक मानदंड के लिए, या तो संख्यात्मक स्केल (0-10, 0-50, या कोई भी कस्टम अधिकतम) या लेटर ग्रेड (A+ से F तक) चुनें। एक ही मैट्रिक्स में अलग-अलग मानदंड अलग-अलग स्केल का उपयोग कर सकते हैं।
कॉलम बनाने के लिए 'विकल्प जोड़ें' पर क्लिक करें। प्रत्येक विकल्प का नाम दें (जैसे, घर के पते, उत्पाद के नाम, नौकरी के प्रस्ताव)। प्रत्येक विकल्प के बारे में विवरण जोड़ने के लिए कॉलम हेडर में नोट्स आइकन का उपयोग करें।
प्रत्येक मानदंड-विकल्प संयोजन के लिए एक स्कोर दर्ज करें। सेल स्वचालित रूप से लाल (कम) से पीले होते हुए हरे (उच्च) तक रंग-कोडित होते हैं, ताकि आप एक नज़र में ताकत और कमज़ोरियाँ पहचान सकें।
उस विशिष्ट स्कोर के लिए संदर्भ या तर्क जोड़ने के लिए किसी भी सेल में छोटे नोट आइकन पर क्लिक करें। नोट्स आपके मैट्रिक्स के साथ सहेजे जाते हैं।
नीचे की पंक्ति प्रत्येक विकल्प का भारित अंतिम स्कोर दिखाती है। संख्यात्मक (0-100) और लेटर ग्रेड (A+ से F) आउटपुट के बीच टॉगल करें। पूरे मैट्रिक्स को CSV के रूप में निर्यात करें या परिणामों को अपने क्लिपबोर्ड पर कॉपी करें।
निर्णय मैट्रिक्स Multi-Criteria Decision Analysis (MCDA) को लागू करता है, जो ऑपरेशन्स रिसर्च से एक संरचित दृष्टिकोण है। प्रत्येक मानदंड को उसके महत्व का प्रतिनिधित्व करने वाला एक वज़न दिया जाता है। स्कोर को मूल स्कोरिंग प्रणाली (संख्यात्मक या लेटर ग्रेड) की परवाह किए बिना 0-1 स्केल पर सामान्यीकृत किया जाता है, फिर मानदंड के वज़न से गुणा किया जाता है। अंतिम स्कोर सभी वैध स्कोर वाले मानदंडों का भारित औसत है। यह विधि Simple Additive Weighting (SAW) मॉडल के समतुल्य है, जो व्यवहार में सबसे अधिक उपयोग की जाने वाली MCDA तकनीक है।
संख्यात्मक स्कोर को स्केल अधिकतम से विभाजित करके सामान्यीकृत किया जाता है (जैसे, 7/10 = 0.7)। लेटर ग्रेड को उसी 0-1 स्केल पर निश्चित मानों पर मैप किया जाता है: A+ = 1.0, A = 0.95, A- = 0.9, B+ = 0.85, B = 0.8, B- = 0.75, C+ = 0.7, C = 0.65, C- = 0.6, D+ = 0.55, D = 0.5, D- = 0.45, F = 0.0। यह मैपिंग मानक शैक्षणिक ग्रेड पॉइंट स्केल का पालन करती है और एक ही मैट्रिक्स में संख्यात्मक और लेटर ग्रेड मानदंडों को मिलाने की अनुमति देती है।
सेल पृष्ठभूमि रंगों की गणना HSL रंग स्थान इंटरपोलेशन का उपयोग करके की जाती है। 0 का सामान्यीकृत स्कोर ह्यू 0 (लाल) पर, 0.5 ह्यू 60 (पीला) पर, और 1.0 ह्यू 120 (हरा) पर मैप होता है। संतृप्ति और चमक ऐसे मानों पर स्थिर रखी जाती हैं जो लाइट और डार्क दोनों थीम में पढ़ने योग्य रहें। यह उपयोगकर्ताओं को हर संख्या पढ़ने की आवश्यकता के बिना एक सहज ट्रैफिक-लाइट दृश्य संकेतक प्रदान करता है।
संपूर्ण मैट्रिक्स स्थिति — मानदंड, विकल्प, स्कोर, नोट्स और सेटिंग्स — प्रत्येक परिवर्तन के बाद स्वचालित रूप से आपके ब्राउज़र के localStorage में सहेजी जाती है। कोई भी डेटा किसी सर्वर पर नहीं भेजा जाता। आप बाहरी उपयोग या साझाकरण के लिए मैट्रिक्स को CSV के रूप में निर्यात कर सकते हैं। प्रीसेट आपको विभिन्न मैट्रिक्स कॉन्फ़िगरेशन सहेजने और पुनर्स्थापित करने देते हैं।
निर्णय मैट्रिक्स (जिसे Pugh मैट्रिक्स, मानदंड मैट्रिक्स, या भारित स्कोरिंग मॉडल भी कहा जाता है) परिभाषित मानदंडों के विरुद्ध कई विकल्पों की तुलना करने के लिए एक संरचित उपकरण है। आप अपने विकल्पों को कॉलम के रूप में, अपने मूल्यांकन मानदंडों को पंक्तियों के रूप में सूचीबद्ध करते हैं, प्रत्येक मानदंड को महत्व का वज़न देते हैं, और स्कोर करते हैं कि प्रत्येक विकल्प प्रत्येक मानदंड को कितनी अच्छी तरह पूरा करता है। उपकरण एक भारित अंतिम स्कोर की गणना करता है ताकि आप वस्तुनिष्ठ रूप से सर्वोत्तम विकल्प की पहचान कर सकें। निर्णय मैट्रिक्स का व्यापक रूप से इंजीनियरिंग, उत्पाद प्रबंधन, रियल एस्टेट, भर्ती, और व्यक्तिगत निर्णयों जैसे कार या अपार्टमेंट चुनने में उपयोग किया जाता है।
