Global Journal of Management and Business Research, A: Administration and Management, Volume 23 Issue 10

The linguistic variables were obtained and the result was transferred to the decision matrix represented by Table XI. For Utopian DIPAT + , os values correspond to the best alternatives for each factor, considering that + would be an ideal DIPAT (maximum level of maturity). Table XI: Decision Matrix of Linguistic Variables Factors + A (D1) A (D2) A (D3) A (D4) A (D5) Factor 1 VF MR R FM MR FM M Factor 2 VF M M M FM M VR Factor3 VF FM M M FM M M Factor4 VF VF M M MR FM F Factor5 VF R MR M MR MR F Factor6 VF F F FM F FM VF Factor7 VF FM M M FM FM VF Factor8 VF FM M MR FM M F Factor9 VF M M MR FM F F Factor10 VF F F FM VF FM VF Factor11 VF FM F FM F MR FM Factor12 VF VR R F M FM F Factor13 VF M R FM R MR F Factor14 VF M F FM F F VF Factor15 VF M M F FM FM FM Factor16 VF M MR F FM F M Factor17 VF MR MR F FM FM VF Factor18 VF F F F FM F FM Factor19 VF F FM M R VF VF Factor20 VF F FM M F F F Factor21 VF F FM M F F F Factor22 VF F F F F F F Factor23 VF F F FM R R F Factor24 VF FM F VF MR MR F Factor25 VF FM F F MR M M Factor26 VF FM F FM VF F F Factor27 VF F F F MR F FM The next step consisted of transforming linguistic variables into trapezoidal fuzzy numbers, taking Table III as a reference. With the fuzzy decision matrix completed, the methodology of Tan et al . (2010) to obtain the arithmetic mean of the data of the decision makers (D1, D2, D3, D4 and D5). Then, equation (9) was applied to determine the maximum numerical variable of the evaluation alternatives in each factor, and then equation (10) was applied to normalize it. Then, the matrix was normalized and weighted using equations (11) and (12), resulting in Table XII. Table XII: Standardized and Weighted Fuzzy Decision Matrix Factors Weights + A Factor 1 0,036 (0,029; 0,032; 0,036; 0,036) (0; 0,011; 0,014; 0,018) (0; 0,016; 0,018; 0,022) Factor 2 0,036 (0,029; 0,032; 0,036; 0,036) (0,014; 0,018; 0,018; 0,022) (0,012; 0,015; 0,017; 0,02) Factor 3 0,036 (0,029; 0,032; 0,036; 0,036) (0,018; 0,022; 0,025; 0,029) (0,015; 0,019; 0,019; 0,023) Factor 4 0,036 (0,029; 0,032; 0,036; 0,036) (0,029; 0,032; 0,036; 0,036) (0,016; 0,019; 0,021; 0,024) Factor 5 0,041 (0,033; 0,037; 0,041; 0,041) (0,004; 0,008; 0,008; 0,012) (0,014; 0,018; 0,021; 0,025) Factor 6 0,041 (0,033; 0,037; 0,041; 0,041) (0,029; 0,033; 0,033; 0,037) (0,026; 0,031; 0,033; 0,036) Factor 7 0,041 (0,033; 0,037; 0,041; 0,041) (0,021; 0,025; 0,029; 0,033) (0,021; 0,026; 0,028; 0,031) Factor 8 0,041 (0,033; 0,037; 0,041; 0,041) (0,021; 0,025; 0,029; 0,033) (0,018; 0,022; 0,024; 0,28) Factor 9 0,034 (0,027; 0,031; 0,034; 0,034) (0,014; 0,017; 0,017; 0,021) (0,017; 0,021; 0,022; 0,025) Factor 10 0,034 (0,027; 0,031; 0,034; 0,034) (0,024; 0,027; 0,027; 0,031) (0,023; 0,026; 0,029; 0,031) Factor 11 0,034 (0,027; 0,031; 0,034; 0,034) (0,017; 0,021; 0,024; 0,027) (0,018; 0,021; 0,023; 0,027) Factor 12 0,034 (0,027; 0,031; 0,034; 0,034) (0; 0; 0,003; 0,007) (0,016; 0,02; 0,021; 0,024) Factor 13 0,034 (0,027; 0,031; 0,034; 0,034) (0,014; 0,017; 0,017; 0,021) (0,011; 0,014; 0,016; 0,019) Factor 14 0,045 (0,036; 0,041; 0,045; 0,045) (0,018; 0,023; 0,023; 0,027) (0,031; 0,035; 0,037; 0,041) Factor 15 0,045 (0,036; 0,041; 0,045; 0,045) (0,018; 0,023; 0,023; 0,027) (0,024; 0,028; 0,031; 0,035) Factor 16 0,045 (0,036; 0,041; 0,045; 0,045) (0,018; 0,023; 0,023; 0,027) (0,023; 0,027; 0,029; 0,034) Factor 17 0,045 (0,036; 0,041; 0,045; 0,045) (0,009; 0,014; 0,018; 0,023) (0,024; 0,029; 0,033; 0,036) Factor 18 0,033 (0,036; 0,030; 0,033; 0,033) (0,023; 0,026; 0,026; 0,03) (0,02; 0,024; 0,025; 0,028) Factor 19 0,033 (0,036; 0,030; 0,033; 0,033) (0,023; 0,026; 0,026; 0,03) (0,017; 0,02; 0,022; 0,024) Innovative Multicriteria Approach to Business Process Management Maturity in the Public Sector Global Journal of Management and Business Research ( A ) XXIII Issue X Version I Year 2023 62 © 2023 Global Journals