A Robust Grey Multi-Criteria Decision-Making Framework for Prioritization under Uncertainty: Application to Smart Transformation Systems

वैज्ञानिक संस्थानों की शांत, डेटा-संचालित दुनिया में, आधुनिकीकरण की चुनौती शायद किसी एक बेहतरीन नए गैजेट को खोजने के बारे में नहीं है। यह अनिश्चितता के कोहरे के बीच से रास्ता खोजने के बारे में है। जब पृथ्वी के कंपनों की निगरानी करने वाली एक सरकारी एजेंसी अपने सिस्टम को अपग्रेड करने पर विचार करती है, तो वह विकल्पों के एक जटिल जाल का सामना करती है। क्या उसे भूकंपों का तेजी से पता लगाने के लिए आर्टिफिशियल इंटेलिजेंस (AI) में निवेश करना चाहिए, या स्मार्ट सेंसर का एक नेटवर्क बनाना चाहिए? क्या उसे अपने डेटा को सुरक्षित करने के लिए ब्लॉकचेन तकनीक का उपयोग करना चाहिए या सब कुछ क्लाउड पर ले जाना चाहिए? उत्तर शायद ही कभी स्पष्ट होते हैं। लागत केवल अनुमान होती है, समय सीमा केवल अटकलें होती हैं, और इन तकनीकों का भविष्य का प्रदर्शन अक्सर अज्ञात होता है। ऐसी स्थितियों में, निर्णय लेने वाले सटीक आंकड़ों पर भरोसा नहीं कर सकते क्योंकि वे आंकड़े अभी अस्तित्व में ही नहीं हैं। इसके बजाय, उन्हें संभावनाओं की श्रेणियों के साथ काम करना चाहिए, जो बजट और समय की सीमाओं के विरुद्ध गति और सुरक्षा के लाभों को तौलता हो। यह अनिश्चितता के तहत निर्णय लेने का क्षेत्र है, जहाँ लक्ष्य एक सटीक उत्तर खोजना नहीं, बल्कि अपूर्ण सूचना के बीच सबसे मजबूत मार्ग खोजना है।

तेहरान विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस सटीक समस्या को हल करने के लिए एक नया तरीका विकसित किया, जिससे ईरानी भूकंप विज्ञान केंद्र (इरानी सीस्मोलॉजिकल सेंटर) को अपने डिजिटल परिवर्तन को प्राथमिकता देने में मदद मिल सके। उन्होंने पहचाना कि तकनीक चुनने के पारंपरिक तरीके अक्सर इन उच्च-जोखम वाले वातावरणों में विफल हो जाते हैं क्योंकि वे सटीक डेटा की मांग करते हैं जो संगठनों के पास होता ही नहीं है। इसे हल करने के लिए, शोधकर्ताओं ने एक ऐसा ढांचा तैयार किया जो अनिश्चितता को खत्म करने के बजाय उसे स्वीकार करता है। उन्होंने दस वरिष्ठ विशेषज्ञों का एक पैनल एकत्र किया, जिसमें पूर्व निदेशक और वर्तमान प्रबंधक शामिल थे, ताकि पांच विशिष्ट स्मार्ट परियोजनाओं का मूल्यांकन किया जा सके: भूकंपीय घटनाओं का पता लगाने के लिए एक AI प्रणाली, स्मार्ट स्टेशनों का एक IoT-सक्षम नेटवर्क, डेटा को सुरक्षित करने के लिए एक ब्लॉकचेन प्रणाली, सूचना प्रबंधन के लिए एक क्लाउड प्लेटफॉर्म, और सार्वजनिक रिपोर्टिंग के लिए एक मोबाइल ऐप। विशेषज्ञों से प्रत्येक परियोजना के लिए एक एकल, सटीक स्कोर देने के बजाय, शोधकर्ताओं ने उनसे 'रेंज' (सीमा) प्रदान करने को कहा। यह दृष्टिकोण, जिसे 'ग्रे सिस्टम थ्योरी' के रूप में जाना जाता है, अस्पष्ट या अपूर्ण जानकारी को व्यक्त करने की अनुमति देता है, जैसे कि "लागत X और Y के बीच होगी," न कि किसी विशिष्ट संख्या का अनुमान लगाने के लिए मजबूर करना।

इसके बाद शोधकर्ताओं ने तेरह अलग-अलग मानदंडों के महत्व को तौलने के लिए एक विशेष गणितीय प्रक्रिया का उपयोग किया, जिसमें साइबर सुरक्षा और प्रदर्शन से लेकर लागत और कार्यान्वयन समय तक शामिल थे। उन्होंने पाया कि विशेषज्ञों ने प्रदर्शन दक्षता, साइबर सुरक्षा और उपयोगिता को उच्चतम महत्व दिया, जबकि अधिग्रहण लागत को भी महत्वपूर्ण वजन दिया। इससे समाधानों के प्रति एक स्पष्ट प्राथमिकता सामने आई जो विश्वसनीय और सुरक्षित थे, भले ही उनके लिए सावधानीपूर्वक वित्तीय योजना की आवश्यकता हो। जब टीम ने पांच परियोजनाओं को रैंक करने के लिए अपने ढांचे को लागू किया, तो एक स्पष्ट विजेता उभर कर आया। AI-आधारित भूकंपीय घटना पहचान प्रणाली को शीर्ष प्राथमिकता के रूप में पहचाना गया, जिसने अन्य विकल्पों की तुलना में काफी अधिक स्कोर किया। इस प्रणाली को इसलिए चुना गया क्योंकि इसने उच्च प्रदर्शन, मजबूत सुरक्षा और प्रबंधनीय लागत का सबसे अच्छा संतुलन प्रदान किया, जो भूकंप विज्ञान केंद्र की सबसे महत्वपूर्ण जरूरतों को सीधे संबोधित करता है।

AI प्रणाली के बाद, शोधकर्ताओं ने IoT-आधारित स्मार्ट स्टेशनों और मोबाइल रिपोर्टिंग प्लेटफॉर्म को अगली सबसे मूल्यवान निवेश के रूप में रैंक किया। इन दोनों विकल्पों ने बहुत करीबी स्कोर प्राप्त किया, जो यह दर्शाता है कि वे दोनों विकास के अगले चरण के लिए मजबूत उम्मीदवार हैं। डेटा अखंडता के लिए ब्लॉकचेन प्रणाली चौथे स्थान पर आई, और क्लाउड-आधारित डेटा प्रबंधन प्लेटफॉर्म अंतिम स्थान पर रहा। क्लाउड और ब्लॉकचेन विकल्पों की निम्न रैंकिंग का मतलब यह नहीं था कि वे खराब तकनीक थे; बल्कि, यह संकेत देता था कि बजट और संगठनात्मक तत्परता की वर्तमान सीमाओं के तहत, वे AI और IoT समाधानों की तुलना में तत्काल प्राथमिकताओं के रूप में कम व्यवहार्य थे। अध्ययन ने स्पष्ट रूप से दिखाया कि जबकि ब्लॉकचेन उत्कृष्ट सुरक्षा प्रदान करता है, इसकी उच्च लागत और जटिलता ने इसे एक कम आकर्षक शुरुआती बिंदु बना दिया। इसी तरह, क्लाउड प्लेटफॉर्म को इसके पर्याप्त अधिग्रहण लागत और संगठनात्मक तत्परता मानदंडों में कमजोर प्रदर्शन के कारण पीछे रखा गया।

यह सुनिश्चित करने के लिए कि ये परिणाम केवल विशिष्ट विशेषज्ञों की राय का संयोग मात्र नहीं हैं, शोधकर्ताओं ने रैंकिंग की स्थिरता का परीक्षण करने के लिए हजारों कंप्यूटर सिमुलेशन चलाए। उन्होंने प्रत्येक सिमुलेशन में मानदंडों के महत्व को थोड़ा बदलकर यह देखा कि क्या परियोजनाओं का क्रम बदल जाता है। परिणाम उत्साहजनक थे: AI प्रणाली लगभग 70 प्रतिशत सिम्युलेटेड परिदृश्यों में शीर्ष विकल्प बनी रही, जिससे यह सिद्ध हुआ कि सिफारिश मजबूत थी और निर्णय में छोटे बदलावों के प्रति अत्यधिक संवेदनशील नहीं थी। अध्ययन ने यह भी रेखांकित किया कि मोबाइल ऐप और IoT स्टेशन दूसरे और तीसरे स्थान के लिए स्थिर विकल्प थे, जबकि ब्लॉकचेन और क्लाउड विकल्पों ने अधिक परिवर्तनशीलता दिखाई, जो उनकी निम्न प्राथमिकता को पुख्ता करती है।

इस शोध का अंतिम परिणाम केवल विजेताओं और हारने वालों की सूची नहीं है, बल्कि कार्रवाई के लिए एक व्यावहारिक रोडमैप है। शोधकर्ता सुझाव देते हैं कि भूकंप विज्ञान केंद्र को AI डिटेक्शन सिस्टम को लागू करके अपना परिवर्तन शुरू करना चाहिए। एक बार जब वह आधार तैयार हो जाए, तो संगठन IoT तकनीक के साथ अपने सेंसर नेटवर्क को अपग्रेड कर सकता है और सार्वजनिक संचार के लिए मोबाइल ऐप लॉन्च कर सकता है। अधिक जटिल और महंगी तकनीकों, जैसे ब्लॉकचेन और पूर्ण-स्तरीय क्लाउड माइग्रेशन, को बाद में पेश किया जा सकता है, जब संगठन ने आवश्यक संसाधन और अनुभव बना लिया हो। यह चरण-दर-चरण दृष्टिकोण संस्थान को जोखिम प्रबंधित करने और अपने निवेश को समय के साथ फैलाने की अनुमति देता है। अनिश्चितता को प्रक्रिया के एक स्वाभाविक हिस्से के रूप में स्वीकार करने वाली पद्धति का उपयोग करके, शोधकर्ताओं ने एक स्पष्ट, साक्ष्य-आधारित मार्गदर्शिका प्रदान की है कि कैसे एक वैज्ञानिक सरकारी एजेंसी अज्ञात पर जुआ खेले बिना अपने संचालन को आधुनिक बना सकती है।