روش آراس خاکستری (GREY ARAS)| مراحل اجرا و بررسی مقالات
- 1 - مقدمه
- 2 - مراحل اجرای روش ARAS خاکستری
- 2-1 - تعیین گزینهها و معیارهای تصمیمگیری
- 2-2 - تشکیل ماتریس تصمیم خاکستری
- 2-3 - تعیین گزینه ایدهآل و تکمیل ماتریس تصمیم
- 2-4 - نرمالسازی ماتریس تصمیم خاکستری
- 2-5 - اعمال وزن معیارها
- 2-6 - محاسبه مقدار مطلوبیت گزینهها
- 2-7 - محاسبه درجه سودمندی گزینهها
- 2-8 - رتبهبندی گزینهها
- 3 - کاربرد آراس خاکستری در مقالات
- 4 - سؤالات متداول
مقدمه
در بسیاری از مسائل واقعی، اطلاعات تصمیمگیری کامل و دقیق نیست و معمولاً دادهها به صورت بازهای یا با حدود نامشخص بیان میشوند. نظریه خاکستری (Grey System Theory) یکی از رویکردهای قدرتمند برای تحلیل چنین شرایطی است؛ زیرا به جای الزام به اعداد قطعی، دادهها را به صورت یک بازه حداقل و حداکثر مدلسازی میکند. روش ARAS خاکستری (ARAS-G) نسخهای توسعهیافته از روش ARAS است که امکان رتبهبندی گزینهها را در محیطی با اطلاعات ناقص، نامطمئن یا بازهای فراهم میسازد. در این روش، مقادیر معیارها و وزنها به صورت اعداد خاکستری تعریف شده و پس از نرمالسازی، مقادیر نماینده آنها برای محاسبه ارزش نهایی گزینهها به کار میرود. استفاده از ARAS خاکستری باعث میشود مدل تصمیمگیری به شرایط واقعی نزدیکتر شود و نتیجه حاصل، پایداری و اعتماد بیشتری داشته باشد.
روش آراس خاکستری (ARAS-G) همانند روش های آراس (ARAS) و آراس فازی هدفش رتبه بندی گزینه ها در مدل های تصمیم گیری چند معیاره است. این روش با اعداد خاکستری (Grey number) و معیارها و طیف خاکستری سروکار دارد. پرسشنامه روش آراس خاکستری همانند روشهای تاپسیس یا ویکور می باشد. یعنی ماتریسی که ستون های آن معیارها و سطرهای آن گزینه ها می باشد.
مراحل اجرای روش ARAS خاکستری
در این بخش مراحل اجرای روش آراس خاکستری بر اساس مقاله Turskis, Z., & Zavadskas, E. K. (2010) آورده شده است.
تعیین گزینهها و معیارهای تصمیمگیری
در اولین گام باید مسئله تصمیمگیری به طور دقیق تعریف شود. در این مرحله گزینههای مورد بررسی (آلترناتیوها) و معیارهایی که بر اساس آنها ارزیابی انجام میشود مشخص میگردند. گزینهها میتوانند پروژهها، محصولات، تأمینکنندگان یا هر مجموعهای از انتخابهای ممکن باشند. معیارها نیز عواملی هستند که کیفیت گزینهها را نشان میدهند؛ مانند هزینه، کیفیت، زمان، ریسک یا سودآوری. همچنین در این مرحله باید مشخص شود که هر معیار از نوع سود (بیشتر بهتر است) یا هزینه (کمتر بهتر است) است، زیرا این موضوع در مراحل بعدی نرمالسازی تأثیر دارد.
تشکیل ماتریس تصمیم خاکستری
پس از تعیین گزینهها و معیارها، ماتریس تصمیم تشکیل میشود. در روش ARAS خاکستری، به جای استفاده از اعداد قطعی، از اعداد خاکستری استفاده میشود. عدد خاکستری معمولاً به صورت یک بازه بیان میشود که دارای حد پایین و حد بالا است. این بازه نشاندهنده دامنهای از مقدار ممکن برای هر ارزیابی است. برای مثال ممکن است عملکرد یک گزینه نسبت به یک معیار به صورت بازهای مانند [4 , 6] بیان شود. این نوع نمایش زمانی مفید است که اطلاعات دقیق در دسترس نباشد یا ارزیابیها دارای عدمقطعیت باشند. در نتیجه ماتریس تصمیم به صورت مجموعهای از بازهها برای همه گزینهها و معیارها شکل میگیرد.
تعیین گزینه ایدهآل و تکمیل ماتریس تصمیم
در روش ARAS معمولاً یک گزینه مرجع یا گزینه بهینه نیز به ماتریس تصمیم اضافه میشود. این گزینه نشاندهنده بهترین مقدار ممکن برای هر معیار است. برای معیارهای سود، بهترین مقدار همان بیشترین مقدار مشاهدهشده در میان گزینهها است و برای معیارهای هزینه، کمترین مقدار در نظر گرفته میشود. در محیط خاکستری نیز این مقادیر به صورت بازهای تعیین میشوند. اضافه شدن گزینه ایدهآل به ماتریس تصمیم باعث میشود که مقایسه گزینهها با یک مرجع مشخص انجام شود و فرایند رتبهبندی دقیقتر صورت گیرد.
نرمالسازی ماتریس تصمیم خاکستری
از آنجا که معیارها معمولاً دارای واحدهای اندازهگیری متفاوت هستند، لازم است مقادیر آنها به یک مقیاس قابل مقایسه تبدیل شوند. این کار در مرحله نرمالسازی انجام میشود. در روش ARAS خاکستری، نرمالسازی برای هر بازه خاکستری انجام میشود تا مقادیر در یک دامنه استاندارد قرار گیرند. نحوه نرمالسازی بسته به نوع معیار متفاوت است؛ برای معیارهای سود، مقادیر بزرگتر مطلوبتر هستند و برای معیارهای هزینه، مقادیر کوچکتر ترجیح داده میشوند. هدف از این مرحله ایجاد شرایطی است که تمام معیارها قابل مقایسه شده و بتوان آنها را در یک مدل واحد تحلیل کرد.
اعمال وزن معیارها
در بسیاری از مسائل تصمیمگیری، اهمیت معیارها یکسان نیست. به همین دلیل باید وزن هر معیار مشخص شود تا میزان تأثیر آن در نتیجه نهایی تعیین گردد. این وزنها میتوانند از روشهای مختلفی مانند نظر خبرگان، روش آنتروپی، AHP یا سایر روشهای وزندهی به دست آیند. در این مرحله مقادیر نرمالشده هر معیار در وزن مربوط به همان معیار ضرب میشوند تا میزان اهمیت هر معیار در ارزیابی گزینهها در نظر گرفته شود. در محیط خاکستری نیز این عملیات بر روی مقادیر بازهای انجام میشود.
از طریق روش های زیر می توان وزن معیارها را محاسبه کرد و به عنوان ورودی وارد تکنیک آراس خاکستری نمود:
علاوه بر روش های فوق از تکنیک های دیگر مدل های تصمیم گیری چند معیاره نیز می توان وزن را بدست آورد حتی می توان از روشها قطعی (غیرخاکستری) نیز وزن را جداگانه محاسبه کرد می توانید در صفحه روش های تصمیم گیری چند معیاره این تکنیک ها را مطالعه کنید.
محاسبه مقدار مطلوبیت گزینهها
پس از وزندهی، برای هر گزینه یک مقدار کلی مطلوبیت محاسبه میشود. این مقدار نشاندهنده عملکرد کلی گزینه نسبت به تمام معیارها است. در روش ARAS، مقدار مطلوبیت هر گزینه از طریق جمع مقادیر وزندار معیارها به دست میآید. در محیط خاکستری نیز این مقدار معمولاً به صورت یک بازه به دست میآید که نشاندهنده حداقل و حداکثر عملکرد ممکن آن گزینه است. این شاخص نشان میدهد که هر گزینه تا چه اندازه به گزینه ایدهآل نزدیک است.
محاسبه درجه سودمندی گزینهها
در این مرحله مقدار مطلوبیت هر گزینه با مقدار مطلوبیت گزینه ایدهآل مقایسه میشود تا درجه سودمندی آن مشخص شود. این شاخص نشان میدهد که هر گزینه چه نسبتی از عملکرد گزینه ایدهآل را دارد. هرچه مقدار این شاخص بزرگتر باشد، گزینه مورد نظر عملکرد بهتری دارد. در محیط خاکستری نیز این مقایسه بر اساس مقادیر بازهای انجام میشود و در نهایت مقدار نمایندهای برای رتبهبندی گزینهها در نظر گرفته میشود.
رتبهبندی گزینهها
در آخرین مرحله، گزینهها بر اساس مقدار درجه سودمندی مرتب میشوند. گزینهای که بیشترین مقدار را داشته باشد در رتبه اول قرار میگیرد و به عنوان بهترین گزینه شناخته میشود. سایر گزینهها نیز به ترتیب مقدار شاخص سودمندی رتبهبندی میشوند. نتیجه این مرحله یک لیست رتبهبندی از گزینهها است که به تصمیمگیرندگان کمک میکند انتخاب مناسبتری داشته باشند.
در شکل زیر کلیه مراحل روش پیاده سازی آراس خاکستری (GREY ARAS) آورده شده است. این شکل به صورت جزیی تر مراحل را نشان می دهد.
کاربرد آراس خاکستری در مقالات
روش ARAS خاکستری در سالهای اخیر توجه بسیاری از پژوهشگران را به خود جلب کرده است زیرا امکان تحلیل شرایط واقعی و دادههای ناقص را فراهم میکند. مقالات متعددی در حوزههایی مانند مدیریت زنجیره تأمین، انتخاب مکان، مدیریت بحران، سیستمهای اطلاعاتی و منابع انسانی این روش را بهصورت عملی پیادهسازی کردهاند. در جدول زیر خلاصهای از کاربردهای مهم این روش در مطالعات معتبر خارجی ارائه شده است.
| ردیف | نام نویسنده | سال | عنوان مقاله | خلاصه مقاله |
| 1 | Badi & Elghoul | 2023 | Using Grey-ARAS approach to investigate the role of social media platforms in spreading fake news during COVID-19 pandemic | در این پژوهش از مدل آراس خاکستری برای ارزیابی نقش پلتفرمهای مختلف اجتماعی در انتشار اخبار جعلی دوران کرونا استفاده شد. |
| 2 | Chatterjee, Zavadskas & Roy | 2016 | Performance evaluation of green supply chain management using the grey DEMATEL–ARAS Model | پژوهشگران با ترکیب DEMATEL خاکستری و ARAS-G عملکرد زنجیره تأمین سبز را در شرایط عدمقطعیت ارزیابی کردند. |
| 3 | Karbassi Yazdi & Tan | 2026 | Integrating Extended Grey Relational Analysis, SWARA, and ARAS Methods for Green Supply Chain Management in the Maritime Industry | این تحقیق با ادغام روشهای SWARA، خاکستری و ARAS به ارزیابی عملکرد زنجیره تأمین سبز در صنعت دریایی پرداخت. |
| 4 | Sen | 2017 | Hospital location selection with ARAS-G | این مقاله از روش ARAS-G برای انتخاب بهترین مکان بیمارستان استفاده کرد. |
| 5 | Hosseini Dehshiri & Arab | 2017 | ERP System Selection Using the Combination of SWARA and Gray ARAS Methods | این پژوهش یک مدل ترکیبی SWARA–ARAS خاکستری برای انتخاب بهترین سیستم ERP ارائه داد.. |
| 6 | Heidary Dahooie & et al. | 2018 | Competency‑based IT personnel selection using a hybrid SWARA and ARAS‑G methodology | این مطالعه برای انتخاب کارکنان فناوری اطلاعات از یک مدل ترکیبی SWARA و ARAS-G استفاده کرد. |
سؤالات متداول
مشاوره رایگان و انجام پروژه های تصمیم گیری| تماس با ما 09338859181
