Metodi di supporto alle decisioni managerialipacciare/CORSI/MSDM/Lucidi4.pdf · 2005-07-05 ·...
Transcript of Metodi di supporto alle decisioni managerialipacciare/CORSI/MSDM/Lucidi4.pdf · 2005-07-05 ·...
Metodi di supporto alle decisioni manageriali
Supporto alle Decisioni Multi-Criterio
2
Funzioni ordinali
Il metodo più utilizzato per rappresentare un ordine debole ≥j su un insieme di alternative X è di associare ad ogni x∈ X un punteggio fj(x) tale che:
x ≥j y ⇔ fj(x) ≥ fj(y)
La funzione fj(x) si dice funzione ordinale e rappresental’ordine ≥j su X. Un esempio di funzione ordinale su un insieme finito di alternative è il conto di Borda. Se |X|< ∞ ⇒ ∃ f(x) TEOREMA (3.4 p.78)Se |X| = ∞ ∃ f(x) ⇔ ∀ x,y∈ X, x > y, ∃ z ∈ Y⊆ X : x ≥j z ≥j yCon Y denso (tra due punti ne esiste sempre un terzo) e numerabile
3
Funzioni ordinali
TEOREMA (3.5 p.79)Dato un ordine debole ≥j su un insieme di alternative X, due funzioni ordinali v(x) e w(x) rappresentano ≥j se e solo se esiste una trasformazione φ(.), funzione strettamente crescente, tale che:
w(x) = φ(v(x)) Dim⇒x ≥j y ⇔v(x) ≥ v(y) ⇔ φ(v(x)) ≥ φ(v(y)) ⇔ w(x) ≥ w(y)⇐Per costruzione (se X è finito) si può ottenere facilmente φ(.).
La funzione ordinale che rappresenta ≥j è quindi unica a meno di una trasformazione crescente.
4
Multi-Criteria Decision Making
Metodi razionali: modello MCDM
x = alternativa ammissibile
fj(.) = j-mo criterio (obiettivo, attributo)
X= insieme delle alternative ammissibili
[ ]n
Tq
Xxts
xfxfxF
R⊆∈
=
..
)(),...,()(max 1
x
5
Multi-Criteria Decision Making
[ ]n
Tq
Xxts
xfxfxF
R⊆∈
=
..
)(),...,()(max 1
Il metodo più utilizzato per risolvere il problema
consiste nel determinare la x che massimizza la quantità:
n
qjj
Xxts
xf
R⊆∈
∑=
..
)(max,...,1
Quando è lecito fare ciò?
6
Multi-Criteria Decision MakingIn altre parole, vorremmo trovare delle funzioni fj(x) tali che:
yxyfxfqj
jqj
j ≥⇔≥ ∑∑== ,...,1,...,1
)()(
TEOREMA (4.5 p.119)
Dato un ordine debole ≥ su X, esiste una funzione di valore misurabile f(x) che rappresenta ≥ se:1. Ordini marginali mutuamente preferenzialmente indipendenti
2. Esiste una sequenza standard limitata su X
3. Ogni attributo è essenziale
4. Per ogni attributo vale la risolvibilità ristretta
In questo caso la funzione vettoriale f(x) si dice funzione di valore misurabile.
Condizioninecessarie
7
Multi-Criteria Decision Making
Nota 1: in genere si vuole partire dalle funzioni fj(x) per generare un ordine debole ≥ su X, invece il teorema parte dall’ordine debole ≥ per definire le condizioni di esistenza di funzioni fj(x) misurabili
Nota 2: d’ora in poi un’alternativa x∈ X sarà definita da un vettore di q elementi, detti attributi. xj indica quindi l’attributo j-esimo, misurato dal criterio j. Si utilizzerà pertanto la notazione fj(xj) per esprimere la misura di xj, invece di fj(x), per evidenziare il fatto che il criterio j dipende esclusivamente da xj.
8
Indipendenza nelle preferenze
Definizione: detto B ⊂ {1,..,q} un sottoinsieme proprio degli attributi e F = {1,..,q} \ B, si può considerare ogni alternativa x∈ X costituita dai due sottovettori xB e xF, cioè: x = (xB xF). Gli attributi in B si dicono preferenzialmente indipendenti da quelli in F se ∀ x,y∈ X si ha:
Se ∃ α: (xB α) ≥ (yB α) ⇒ si ha (xB β) ≥ (yB β) ∀ β.
In questo caso l’ordine debole su X induce un ordine debole su B, detto ordine marginale. La funzione fi(x) dovrà rappresentare l’ordine marginale definito sull’attributo i.
Gli attributi {1,..,q} si dicono mutuamente preferenzialmente indipendenti se tutte le partizioni BF sono preferenzialmente indipendenti
9
Preferenze finite
Definizione di sequenza standard limitata (detta anche assioma di Archimede). Corrisponde al noto principio di Archimede per cui, dati due numeri reali finiti, x grande a piacere e y piccolo a piacere, esiste sempre un intero n tale che ny > x.
Tradotto su X si richiede che date due alternative x e y sia sempre possibile costruire una sequenza finita di alternative y1, …, yk con queste proprietà:
1. La preferenza del decisore a scambiare y1 con y è indifferente a scambiare yi con yi-1, per i=1,..k.
2. yk è preferita a x.
In pratica si richiede che non esista un’alternativa infinitamente preferita ad un’altra.
10
Attributi essenziali
Definizione: l’attributo i si dice essenziale se, detto B ={i} e F = {1,..,q} \ {i}, esistono due alternative x,y∈ X tali che:
x = (xB xF),
y = (yB yF),
xF = yF = α,
(xB α) ≥ (yB α).
Un attributo è quindi essenziale se permette di definire una preferenza tra almeno una coppia di alternative che, diversamente, risulterebbero indifferenti.
11
Risolvibilità ristretta
La condizione di risolvibilità ristretta richiede che:
∀ x,y,z∈ X, con x = (xB α), y = (yB α), z = (zB β), x ≥ z ≥ y
⇒ ∃ w ∈ X : w=(wB α), w ~ z
α
xB
xF
β
y
z
xw
curve di indifferenza
12
Funzione di valore misurabile
TEOREMA (4.6 p.120)Dato un ordine debole ≥ su un insieme di alternative X, due funzioni di valore misurabili
rappresentano ≥ se e solo se esistono delle costanti α>0, β1, …, βq, tali che:
∑∑==
==qj
jqj
j xwxwxvxv,...,1,...,1
)()()()(
qiperxwxv iii ,...,1)()( =+= βα
13
Multi-Criteria Decision Making
Metodi razionali: modello MCDM
x = alternativa ammissibile
fj(.) = j-mo criterio (obiettivo, attributo)
X= insieme delle alternative ammissibili
[ ]n
Tk
Xxts
xfxfxF
R⊆∈
=
..
)(),...,()(max 1
x
14
Multi-Criteria Decision Making
DefinizioneUna alternativa ammissibile x0∈ X si dice efficiente(non dominata, o Pareto ottima) se non esiste x∈ Xtale che fj(x) ≥ fj(x0) per ogni criterio j∈ K={1,...,k} e fj(x)≠fj(x0) per almeno un j∈ K
Le alternative efficienti sono quelle per cui non esiste un’altra alternativa ammissibile migliore per un citerio che non sia peggiore almeno un altro
15
Multi-Attribute Decision Making
Ci limitiamo per ora ad un contesto deterministicosingolo decisore con m alternative e n criteri, o attributiLe alternative sono elencate esplicitamente: A1, A2, …, Am. cij indica il punteggio dell’alternativa Aisecondo il criterio j.Un problema MADM è definito dalla Matrice mxndelle Decisioni [cij] che valuta le m alternative secondo gli n criteri.
16
Multi-Criteria Decision Making
Un esempioUna compagnia aerea vuole scegliere quale tipo di aereo da trasporto acquistare tra 4 possibili candidati
Vengono individuati 6 criteri/attributi rilevanti:
c1 Velocità massima (mach)c2 Raggio di azione (km)c3 Carico massimo trasportabile (Kg)c4 Costo (M$)c5 Affidabilità (qualitativo)c6 Manovrabilità (qualitativo)
17
Multi-Criteria Decision Making
La matrice delle decisioni
Non c'è un'alternativa chiaramente migliore delle altreNon tutti gli attributi sono numericiGli attributi qualitativi possono essere scalarizzati associandoli ad un valore numerico arbitrario che ne conservi l'ordine, ad esempio:
Molto Basso = 1; Basso = 3; Medio = 5; Alto = 7; Molto Alto = 9
c1 c2 c3 c4 c5 c6 A1 2.0 1500 20000 5.5 Media Molto Alta
A2 2.5 2700 18000 6.5 Bassa Media
A3 1.8 2000 21000 4.5 Alta Alta
A4 2.2 1800 20000 5.0 Media Media
18
Multi-Criteria Decision Making
La matrice scalarizzata
Definizione di dominanza (≥)Date due alternative distinte Ah e Ak, Ah domina Ak (Ah≥Ak) se: chj≥ckj per ogni j=1,...,n, con almeno una disuguaglianza strettaIn questo caso non ci sono alternative dominate
c1 c2 c3 c4 c5 c6 A1 2.0 1500 20000 5.5 5 9 A2 2.5 2700 18000 6.5 3 5
A3 1.8 2000 21000 4.5 7 7
A4 2.2 1800 20000 5.0 5 5
19
Metodo ELECTRE
Metodo ELECTRE (ELimination Et Choix TRaduisant la realitE)
Costruisce una “relazione di preferenza" (outranking) tra le alternativeAd ogni attributo j viene assegnato un peso wj che ne definisce l’importanza relativaIl concetto chiave è che Ah è preferibile ad Ak se:
- C’è molta soddisfazione nel preferire Ah ad Ak
- C’è poca insoddisfazione nel preferire Ah ad Ak
Definizione di preferenza (Pj)Date due alternative distinte Ah e Ak, Ah è preferibile a Ak secondo il criterio j (Ah Pj Ak) se: chj≥ckj.
Se Ah è preferibile a Ak si dice che Ak è dominata da Ah
20
Metodo ELECTRE
Per ogni coppia (Ah, Ak), h,k=1,...,m, h≠k, si definiscono una matrice di concordanza [Chk] e una matrice di discordanza [Dhk]:
La matrice di concordanza tiene conto del peso dei criteri per i quali h è preferibile a kLa matrice di discordanza tiene conto del criterio che si oppone maggiormente alla preferenza di h su k
∑
∑=
jj
APAjj
hk w
wc kjh:
−
−=
||maxmax
,:
vjujvu
hjkj
APAjhk cccc
dhjk
21
Esempio c1 c2 c3 c4 c5 c6 A1 2.0 1500 20000 5.5 5 9 A2 2.5 2700 18000 6.5 3 5 A3 1.8 2000 21000 4.5 7 7
A4 2.2 1800 20000 5.0 5 5 wj 5 4 3 2 1 5 Max diff
0.7 1200 3000 2.0 4 4
chk A1 A2 A3 A4 A1 - 0,45 0,6 0,55 A2 0,55 - 0,55 0,8
A3 0,4 0,45 - 0,65
A4 0,65 0,45 0,35 -
dhk A1 A2 A3 A4 A1 - 1 0,625 0,375 A2 1 - 1 0,571 A3 0,5 1 - 0,65 A4 0,571 0,75 0,5 -
45,0512345
51312 =
+++++++
=c
1;;21;;
12001200;
7,00,25,2max12 =
•••−
=d
22
Metodo ELECTRE
Calcolo della matrice F di dominanza di concordanza. Si definisce una soglia per l'indice di concordanza, c0<1
Calcolo della matrice G di dominanza di discordanza. Si definisce una soglia per l'indice di discordanza, d0<1
<≥
=0
0
01
ccseccse
fhk
hkhk
>≤
=0
0
01
ddseddse
ghk
hkhk
23
Esempiochk A1 A2 A3 A4 A1 - 0,45 0,6 0,55 A2 0,55 - 0,55 0,8
A3 0,4 0,45 - 0,65
A4 0,65 0,45 0,35 -
dhk A1 A2 A3 A4 A1 - 1 0,5 0,375
A2 1 - 1 0,571
A3 0,5 1 - 0,65
A4 0,571 0,75 0,5 -
fhk A1 A2 A3 A4 A1 - 0 1 1 A2 1 - 1 1
A3 0 0 - 1
A4 1 0 0 -
ghk A1 A2 A3 A4 A1 - 0 1 1
A2 0 - 0 0
A3 1 0 - 0
A4 0 0 1 -
c0=0,55 d0=0,5
24
Metodo ELECTRECalcolo della matrice di dominanza aggregata E=[ehk]=F∧ G, cioè: ehk=fhk ⋅ ghk
fhk A1 A2 A3 A4 A1 - 0 1 1 A2 1 - 1 1
A3 0 0 - 1
A4 1 0 0 -
ghk A1 A2 A3 A4 A1 - 0 1 1
A2 0 - 0 0
A3 1 0 - 0
A4 0 0 1 -
ehk A1 A2 A3 A4 A1 - 0 1 1
A2 0 - 0 0
A3 0 0 - 0
A4 0 0 0 -
ehk=1 ⇒ Ah preferita ad Ak
A1 domina A3 e A4
25
Metodo ELECTRE
Note:Se c0=1 e d0=0 si ha dominanzaIl metodo dipende dalla scelta delle soglie c0 e d0
La matrice E permette la definizione di un ordinamento parziale tra le alternative. L’insieme delle alternative non dominate (colonna =0) si dice NUCLEO di AEsistono molte varianti del metodo: ELECTRE I, ELECTRE II, ELECTRE III, ELECTRE IV, ELECTRE V, ELECTRE TRI.
26
Metodo ELECTRE III
Serve a definire un ordinamento parziale delle alternativePer ogni criterio si definiscono TRE SOGLIE, oltre ai pesi wj:
Soglia di indifferenza qj- Ah e Ak sono indifferenti (per il criterio j) se |chj – ckj| < qj
Soglia di preferenza pj ≥ qj- Ah è preferibile ad Ak (per il criterio j) se chj > ckj + pj
Soglia di veto vj ≥ pj- Ah NON è preferibile ad Ak se esiste un criterio j tale che
ckj > chj + vj
27
ELECTRE III
Relazioni di preferenza secondo il criterio j:
hIjk (Ah è indifferente a Ak) se | chj − ckj | ≤ qj
hQjk (Ah è preferita debolmente a Ak) se qj < chj – ckj ≤ pj
hPjk (Ah è preferita fortemente a Ak) se chj > ckj + pj
Relazione di veto:
hVk (Ah non può essere prefertita a Ak) se ∃ j: ckj − chj ≥ vj
28
ELECTRE III
Indice di concordanza cj(h,k) rispetto al criterio j:
−
−+−<−≥
=
altrimenticcp
cc0,ccs1,
k)(h,ckjhj
j
jj
j
jkjhj
jkjhj
qp
pseqe
1
0
cj(h,k)
chj chj +qj chj +pj ckj
29
∑
∑
=
== n
1jj
n
1jjj
w
k)(h,cwk)c(h,
matrice di concordanza
30
ELECTRE III
Indice di discordanza dj(h,k) rispetto al criterio j:
−
−−−≥−≤
=
altrimenticc
cc0,ccs1,
k)(h,dhjkj
j
jj
j
jkjhj
jkjhj
pvp
pseve
1
0
dj(h,k)
chj chj +qj chj +pj ckj chj +vj
31
ELECTRE III
∅≠−
−∅=
= ∏∈
Fse
Fse
k)F(h,j j
j
k)(h,c1k)(h,d1
k)c(h,
k)c(h,k)e(h,
Matrice di credibilità e(h,k)
Sia F(h,k) = {j: dj(h,k) > cj(h,k)}
32
ELECTRE III
Processo di classificazioneSi definisce una soglia λ
Classificazione discendenteQ(h)= numero di alternative dominate da Ah meno alternative che dominano Ah. Sarebbe la somma della riga h di T meno la somma della colonna h di TLe alternative con massimo Q sono messe nella fascia più alta, si cancellano righe e colonne e si ricominciaAlla fine si assegna un punteggio alle fasce della classificazione, a ritroso. Si assegna 1 all’ultima, poi 2, …, fino al numero massimo per la prima fascia trovata.
>
=altrimenti0,
λk)e(h,se1,k)t(h,
33
ELECTRE III
Classificazione ascendenteCome prima: Q(h)= numero di alternative dominate da Ah meno alternative che dominano Ah. Sarebbe la somma della riga h di T meno la somma della colonna h di TLe alternative con minimo Q sono messe nella fascia più bassa, si cancellano righe e colonne e si ricominciaAlla fine si assegna un punteggio alle fasce della classificazione, a partire dalla prima. Si assegna 1 alla prima, poi 2, …, fino al numero massimo per l’ultima fascia trovata.
Classificazione finaleSi sommano i due punteggi e si ordinano le alternative per valore decrescente. Quella con punteggio massimo è la migliore.
34
Esempio aerei c1 c2 c3 c4 c5 c6 A1 2,0 1500 20000 5,5 5 9 A2 2,5 2700 18000 6,5 3 5
A3 1,8 2000 21000 4,5 7 7
A4 2,2 1800 20000 5,0 5 5 wj 5 4 3 2 1 5
qj 0,1 300 500 0,2 1 1
pj 0,4 600 1000 1,2 2 2 vj 0,8 1000 3000 2 4 4
Indice di concordanza
c1(1,2) = 0
c2(1,2) = 0
c3(1,2) = 1
c4(1,2) = 0.2/1
c5(1,2) = 1
c6(1,2) = 1
c(1,2) = 3+0.4+1+5/20=0.47Indice di discordanza
d1(1,2) = 0.1/0.4=0.25 d3(1,2) = d4(1,2) = d5(1,2) = d6(1,2) =0d2(1,2) = 1 ⇒ F(h,k)={1,2} ⇒ e(h,k)=0
35
Esempio aerei
chk A1 A2 A3 A4 A1 - 0,47 0,67 0,91 A2 0,55 - 0,55 0,8 A3 0,59 0,45 - 0,72 A4 0,72 0,53 0,55 -
000000dj(4,3)
000,37500,750dj(4,2)
100000dj(4,1)
000000dj(3,4)
00100,250,75dj(3,2)
000000dj(3,1)
0000,500dj(2,4)010100dj(2,3)
1000,500dj(2,1)
000000dj(1,4)
000000dj(1,3)
000010,25dj(1,2)
Matrice di concordanza Indici di discordanza
F(h,k) A1 A2 A3 A4 A1 - 1,2 0 0 A2 3,6 - 3,5 3 A3 0 1,2,3 - 0 A4 6 2,4 0 -
36
Esempio aerei
E(h,k) A1 A2 A3 A4 A1 - 0 0,67 0,91 A2 0 - 0 0,4 A3 0,59 0 - 0,72 A4 0 0,08 0,55 -
Matrice di credibilitàE(h,k) A1 A2 A3 A4 A1 - 0 1 1 A2 0 - 0 0 A3 1 0 - 1 A4 0 0 1 -
Matrice T con λ=0,5
Classificazione discendente
Passo1:Q(1)=1Q(2)=0Q(3)=0Q(4)=-1
Passo2:
Q(2)=0Q(3)=0Q(4)=0
Punti:Q(1)=2Q(2)=1Q(3)=1Q(4)=1
Classificazione ascendente
Passo1:Q(1)=1Q(2)=0Q(3)=0Q(4)=-1
Passo2:Q(1)=0Q(2)=0Q(3)=0
Punti:Q(1)=2Q(2)=2Q(3)=2Q(4)=1
Graduatoriafinale
A1A2 A3
A4
37
ELECTRE III - esempio
Per il progetto di un complesso turistico in una regione con restrizioni ambientali sono stati proposti 7 progetti alternativiObiettivi:
Economico: valutato come beneficio netto annuale attesoImpatto ambientale durante la costruzione: valutato come numero di metri cubi di terra da movimentare per costruire il complessoSociale: generazione di nuovi posti di lavoroAmbientale dopo la costruzione: valutazione ambientale dell’impatto negativo su flora e fauna della regioneTurismo: valutato come numero di nuovi turisti atteso causato dalla nuova struttura ricettivaLegale: numero di problemi legali per acquisto dei lotti di terreno, ecc. Stanziamento di Capitali iniziali: attualizzati al tasso di sconto
38
Esempio
103 €Necessità iniziali di capitalec7
Qual.Problemi legalic6
Turisti (migliaia)
Numero di turisti attesi all’anno (migliaia)c5
indicatoreImpatto ambientale negativoc4
impiegatiNumero di nuovi impiegatic3
m3Metri cubi spostatic2
103 €Beneficio netto annuale in migliaia di euroc1
unitàCriteri di scelta
39
Valutazione impatto ambientaleLo schema DPSIR
Proposto dalla Agenzia Europea per l’ambiente (1994 and 1996)Può essere usato per descrivere l’evoluzione di un sistema naturale sottoposto a pressione umana
40
Valutazione impatto ambientale
Per l’area in questione (un lago, circondato da campi e foreste, con un villaggio di pescatori e piccolo turismo locale)
Le attività umane sono i “determinants”Il complesso genera un flusso di nutrienti verso il lago (“pressure”)Questi causano la proliferazione delle alghe (“the state changes”) con moria di pesci dovuto al calo di ossigeno nell’acquaQuesto può causare delle perdite nel turismo e nell’attività di pesca (“Impact”)
41
Esempio
L’agenzia ambientale può decidere di intervenire in vari modi (Response):
Regolando l’immissione di nitrati nel lago (action on pressures)Promuovendo la raccolta periodica delle alghe e/o l’immissione di ossigeno nel lago (action on state)Compensazioni monetarie alla popolazione per le perdite (action on impacts)
Segue una valutazione quantitativa dell’impatto ambientale negativo
42
Esempio
Valutazione quantitativa dei problemi legali:
50Insignificanti
40Pochi
30Moderati
20Significativi
10Molti
ValoreDescrizione
43
Matrice delle decisioni
C7 -
C6 -
C5 +
C4 -
C3 +
C2 -
C1 +
ALT.
600
Significat.
25
180
80
2 000
100
A1
ALTERNATIVE
500400350250300400
MoltiSignificInsignifi.PochiModeratiMolti
5152010715
6080130100110150
203050404560
7509001 0001 2001 2001 600
405065808590
A7A6A5A4A3A2
44
Matrice con soglie
1508415530010q
300108603550040v200206301545020p
-500105-6020-750407803030402060100w
-4002015-8030-900506-3505020-13050-1000655-2504010-10040-1200804-300307-11045-1200853-4001015-15060-1600902-6002025-18080-20001001
(-) c7c6c5(-)c4c3
(-) c2c1Alt.
45
Matrice di concordanza
=
1.000.880.500.320.360.580.570.961.000.680.610.650.670.580.890.891.000.750.690.690.630.720.920.881.001.000.900.580.720.810.830.991.000.860.720.720.710.670.690.691.000.850.720.500.420.420.490.561.00
C
46
Matrice di discordanza
=
0.000.000.000.000.000.000.000.000.000.000.000.000.000.001.000.670.000.000.000.000.000.330.000.000.000.000.000.000.670.000.000.000.000.000.001.001.000.000.670.330.000.001.001.000.671.001.000.000.00
4D
47
Matrice di credibilità
=
1.000.000.000.000.000.000.000.961.000.680.610.470.000.000.000.891.000.750.690.690.290.720.920.001.001.000.900.000.720.000.000.991.000.000.000.000.000.000.690.691.000.000.000.000.000.000.000.561.00
E
48
Matrice T con λ= 0.4
=
1000000111110001111101101110100110000011100000011
T
Classificazione discendente D
i=1: Q(1)=2-1=1 Q(2)=-1, Q(3)=-2,
Q(4)=0, Q(5)=3, Q(6)=2, Q(7)=-3
Per cui: D1=5
Eliminando la fila 5 e la colonna 5, si ha:
Q(1)=1, Q(2)=0, Q(3)=-1, Q(4)=1, Q(6)=2, Q(7)=-3
Da cui: D2=6
Classificazione D: 5,6,4,1,2,3,7 v’(1)=3, v’(2)=4, v’(3)=5, v’(4)=3, v’(5)=1, v’(6)=2, v’(7)=6
49
Classificazione ascendente AQ(1)=1, Q(2)=-1, Q(3)=-2, Q(4)=0,Q(5)=3, Q(6)=2, Q(7)=-3
Per cui: A1=7Eliminando la fila 7 e la colonna 7, si ha:
Q(1)=1, Q(2)=-1, Q(3)=-3, Q(4)=-1, Q(5)=3, Q(6)=1
Da cui: A2=3
Classificazione A: 7,3,2,4,1,5,6v’’(1)=5, v’’(2)=3, v’’(3)=2, v’’(4)=4, v’’(5)=5, v’’(6)=5, v’’(7)=1
50
Classificazione finale
7211721055611156548444642235633239541
Ordinev’+v’’v’’v’Alt
Classificazione ELECTRE III:
5, 6, 1, 4, 2, 3, 7