آموزش روش CODAS کوداس

آموزش روش CODAS (کوداس)

آموزش روش CODAS (کوداس)آموزش روش CODAS (کوداس)

تکنیک CODAS (Combinative Distance-based Assessment) به معنی ارزیابی مبتنی بر فاصله ترکیبی می باشد. این تکنیک اولین بار توسط آقای دکتر مهدی کشاورز قرابایی و همکاران در سال 2016 ارائه شد. این تکنیک یکی از روشهای تصمیم گیری چند شاخصه (MADM) است که هدف آن رتبه بندی گزینه ها بر اساس تعدادی معیار است. روش کوداس مطلوبیت گزینه ها را بر اساس دو روش تعیین می کند. اولین روش محاسبه فاصله اقلیدسی گزینه ها از ایده آل منفی و دومین روش محاسبه فاصله تاکسی (Taxicab distance) گزینه ها از ایده آل منفی است. در حالت کلی اگر فرض شود که m معیار و n گزینه داشته باشیم گام های این روش به صورت زیر می باشد:

گام های تکنیک CODAS

1- اولین گام در این روش تشکیل ماتریس تصمیم است. ماتریس تصمیم روش کوداس همانند ماتریس تصمیم روشهایی چون تاپسیس، ویکور و یا الکتره است. یعنی ماتریسی که معیارهای آن ستون ها و سطرهای آن گزینه های پژوهش هستند. حالت کلی ماتریس تصمیم به صورت زیر می باشد:

آموزش روش CODAS (کوداس)

2- دومین گام نرمال سازی ماتریس تصمیم می باشد نرمال سازی با استفاده از روابط زیر انجام می شود اگر معیار جنبه مثبت (سود) داشته باشد از رابطه اول، و اگر معیار جنبه منفی (هزینه) داشته باشد از رابطه دوم استفاده می شود.

آموزش روش CODAS (کوداس)

3- سومین گام روش CODAS تشکیل ماتریس نرمال وزن دار است. یعنی باید وزن معیارها را در ماتریس نرمال ضرب کرد. این وزن را می توان از روشهای دیگر از جمله روش آنتروپی شانون، یا روش AHP و یا اینکه روشهای جدیدی چون روش بهترین بدترین (BWM) یا روش SWARA بدست آورد.

4- در این گام باید فواصل اقلیدسی (Euclidean distance) و تاکسی (Taxicab distances) از ایده آل منفی را محاسبه نمود. این فواصل از روابط زیر بدست می آیند. در این روابط nsj ایده آل منفی معیارها است.

آموزش روش CODAS (کوداس)

5- در این گام باید ماتریس ارزیابی نسبی را با استفاده از رابطه زیر ایجاد کنیم. که در این رابطه، Ψ نشان دهنده یک تابع آستانه برای تشخصی برابری فاصله اقلیدسی دو گزینه است.

آموزش روش CODAS (کوداس)

6- در این گام با جمع مقادیر hik گزینه ها، می توان آنها را رتبه بندی نمود هر چه مقدار Hi بزرگتر باشد گزینه رتبه بهتری دارد.

مثال روش CODAS

در این مثال قصد داریم 7 روبات را بر اساس 5 معیار رتبه بندی کنیم. ابتدا ماتریس تصمیم را تشکیل میدهیم که در جدول زیر آورده شده است. همانطور که مشاهده میکنید وزن معیارها نیز قبلا محاسبه شده است.

وزن معیارها0.0360.3260.1920.3260.12
ظرفیت بارحداکثر سرعتتکرارپذیریظرفیت حافظهدستیابی کاربر
𝐴1600.42540500990
𝐴26.350.15101630001041
𝐴36.80.11727.215001676
𝐴4100.210002000965
𝐴52.50.1560500915
𝐴64.50.081016350508
𝐴730.117781000920

بعد از تشکیل ماتریس تصمیم باید آن را نرمال کنیم که در جدول زیر آورده شده است. معیار “حداکثر سرعت” از نوع منفی و دیگر معیارها جنبه مثبت دارند.

ظرفیت بارحداکثر سرعتتکرارپذیریظرفیت حافظهدستیابی کاربر
𝐴110.210.1670.591
𝐴20.1060.5330.410.621
𝐴30.1130.80.680.51
𝐴40.1670.40.3940.6670.576
𝐴50.0420.80.220.1670.546
𝐴60.07510.40.1170.303
𝐴70.050.80.70.3330.549

در گام بعد باید ماتریس نرمال وزن دار را محاسبه کرد وزن معیارها را در ماتریس نرمال ضرب میکنیم. و بعد از آن فواصل اقلیدسی و تاکسی را ایده آل منفی محاسبه میکنیم که در جدول زیر آورده شده است:

ظرفیت بارحداکثر سرعتتکرارپذیریظرفیت حافظهدستیابی کاربر𝐸𝑖𝑇𝑖
𝐴10.0360.03840.3260.05430.07090.25930.3394
𝐴20.00380.10240.13040.3260.07450.30320.451
𝐴30.00410.15360.22170.1630.120.24150.4762
𝐴40.0060.07680.12830.21730.06910.19470.3114
𝐴50.00150.15360.07190.05430.06550.11990.1606
𝐴60.00270.1920.13040.0380.03640.16440.2133
𝐴70.00180.15360.22820.10870.06590.20870.372
ایده آل منفی0.00150.03840.07190.0380.0364

در این گام ماتریس ارزیابی را محاسبه میکنیم و در انتها امتیاز هر گزینه را محاسبه میکنیم (H).

𝐴1𝐴2𝐴3𝐴4𝐴5𝐴6𝐴7H
𝐴10-0.15540.01780.09260.31810.2210.0180.5122
𝐴20.155400.03640.2480.47350.37640.17341.4633
𝐴3-0.0178-0.036400.21160.43710.340.1371.0715
𝐴4-0.0926-0.248-0.211600.22550.1284-0.014-0.2125
𝐴5-0.3181-0.4735-0.4371-0.22550-0.0971-0.3001-1.8515
𝐴6-0.221-0.3764-0.34-0.12840.09710-0.203-1.1717
𝐴7-0.018-0.1734-0.1370.0140.30010.20300.1887

با توجه به امیتازگزینه ها (H) رتبه بندی گزینه ها به صورت زیر می باشد:

𝐴5 ≺ 𝐴6 ≺ 𝐴4 ≺ 𝐴7 ≺ 𝐴1 ≺ 𝐴3 ≺ 𝐴2


چنانچه نیازمند مشاوره و یا انجام پروژه خود با این روشها هستید با ما تماس بگیرید| 09338859181

آموزش روش CODAS (کوداس)


مطالب مشابه و مرتبط:

درباره ی مدیر سایت

کارشناسی مهندسی صنایع/کارشناسی ارشد مهندسی صنایع-صنایع/مسلط به مباحث تصمیم گیری چند شاخصه (MADM) در محیط های قطعی و فازی و خاکستری/ مسلط به نرم افزار های Super Decision - Expert Choice - Visual Promethee

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *