آموزش روش ANP (فرایند تحلیل شبکه ای) +مثال، نرم افزار و پرسشنامه
- 1 - روش ANP چیست؟
- 2 - ویدئو توضیح مفاهیم روش ANP
- 3 - تفاوت روش AHP با ANP
- 3-1 - تفاوت در نوع ساختار و ارتباط بین عناصر
- 3-2 - خطی بودن AHP در مقابل غیرخطی بودن ANP
- 3-3 - تفاوت در نوع مقایسات زوجی و نوع سؤالات
- 3-4 - تفاوت در نمایش ساختاری و سوپرماتریس
- 4 - گام های روش ANP
- 4-1 - ساختن نمودار شبکهای پژوهش
- 4-2 - تشکیل ماتریس مقایسات زوجی
- 4-3 - محاسبه نرخ ناسازگاری
- 4-4 - تشکیل سوپر ماتریس اولیه
- 4-5 - ایجاد سوپر ماتریس موزون
- 4-6 - ایجاد سوپر ماتریس حدی
- 5 - طریقه ساخت پرسشنامه ANP
- 5-1 - روایی و پایایی پرسشنامه در روش ANP
- 5-2 - تعداد جامعه و نمونه آماری برای تکمیل پرسشنامه ANP
- 6 - نرمافزارهای انجام روش ANP
- 6-1 - سوپردسیژن (Super Decisions)
- 6-2 - اکسل (Excel)
- 6-3 - نمونه پروژههای انجام شده ANP
- 7 - مثال روش ANP در نرم افزار سوپردسیژن
- 7-1 - تشکیل مقایسات زوجی
- 7-2 - تشکیل سوپرماتریس اولیه
- 7-3 - تشکیل سوپرماتریس موزون
- 7-4 - تشکیل سوپرماتریس حد دار
- 8 - ترکیب روش ANP با روشهای دیگر تصمیمگیری چندمعیاره
- 8-1 - روش دیمتل–ANP (ترکیب DEMATEL و ANP)
- 8-2 - روش ISM–ANP
- 8-3 - روش ترکیبی SWOT و ANP
- 8-4 - ترکیب ANP با روشهای گزینهمحور (TOPSIS، VIKOR، ARAS و…)
- 9 - مزایای روش ANP
- 10 - محدودیتهای روش ANP
- 11 - سؤالات متداول
روش ANP چیست؟
روش ANP که مخفف Analytic Network Process یا «فرایند تحلیل شبکهای» است، یکی از روشهای مهم در تصمیمگیری چندمعیاره (MCDM) به شمار میرود. این روش توسط توماس ساعتی (Thomas Saaty) ارائه شده و در واقع توسعهای از روش معروف AHP است. تفاوت اصلی ANP با بسیاری از روشهای تصمیمگیری این است که میتواند وابستگی و تأثیر متقابل بین معیارها، زیرمعیارها و حتی گزینهها را در مدل تصمیمگیری در نظر بگیرد.
در بسیاری از مسائل واقعی، معیارها کاملاً مستقل از یکدیگر نیستند. برای مثال در تصمیمگیریهای مدیریتی، اقتصادی یا مهندسی، ممکن است یک معیار بر معیار دیگر اثر بگذارد. در چنین شرایطی استفاده از روشهایی که فرض استقلال معیارها را دارند (مانند AHP) ممکن است نتایج دقیقی ارائه نکند. در اینجا روش ANP با مدلسازی روابط شبکهای میان عوامل، امکان تحلیل دقیقتر مسئله را فراهم میکند.
به بیان ساده، در AHP ساختار تصمیمگیری به صورت یک سلسلهمراتب خطی است؛ یعنی از هدف شروع میشود و سپس به معیارها و گزینهها میرسد و بین آنها رابطه مستقیمی وجود ندارد. اما در ANP ساختار به شکل یک شبکه طراحی میشود که در آن عناصر میتوانند بر یکدیگر تأثیر بگذارند. به همین دلیل بسیاری از پژوهشگران، AHP را حالت خاصی از ANP میدانند که در آن وابستگی بین عناصر وجود ندارد.
برای درک بهتر، فرض کنید یک سازمان قصد دارد بهترین تأمینکننده را انتخاب کند. معیارهایی مانند قیمت، کیفیت، زمان تحویل و خدمات پس از فروش برای این تصمیم اهمیت دارند. در روش AHP فرض میشود این معیارها مستقل از هم هستند. اما در واقعیت ممکن است کیفیت بر قیمت تأثیر بگذارد یا زمان تحویل با سطح خدمات مرتبط باشد. در چنین حالتی روابط متقابل بین معیارها شکل میگیرد و مدل تصمیمگیری از حالت سلسلهمراتبی خارج میشود. در این شرایط استفاده از روش ANP مناسبتر است، زیرا میتواند این وابستگیها را در قالب یک ساختار شبکهای تحلیل کند.
ویدئو توضیح مفاهیم روش ANP
در این ویدئو، مفاهیم روش ANP تشریح داده شده است تا مخاطب بتواند بدون پیشنیاز قبلی، این تکنیک قدرتمند تصمیمگیری را بهطور کامل درک کند. در این فیلم، ابتدا مفاهیم پایهای مانند تعریف ANP، تفاوت آن با AHP و ضرورت استفاده از مدل شبکهای توضیح داده میشود. سپس ساختار شبکهای، نحوه تعیین وابستگیها بین معیارها، تشکیل ماتریسهای مقایسات زوجی، محاسبه نرخ ناسازگاری و در نهایت مراحل تشکیل سوپرماتریس اولیه، موزون و حدی به شیوهای ساده، قابلفهم و کاملاً کاربردی آموزش داده شده است. این ویدئو یک منبع آموزشی مناسب برای دانشجویان، پژوهشگران و علاقهمندان به تصمیمگیری چندمعیاره است و میتواند روند یادگیری و اجرای عملی روش ANP را برای شما بسیار تسهیل کند.
در ویدیوی زیر توضیحات کامل روش ANP شامل تعریف های اولیه، مدل شبکه ای، مقایسات زوجی و … توضیح داده می شود. پیشنهاد می شود حتما این ویدیو را ببینید.
تفاوت روش AHP با ANP
روشهای AHP و ANP هر دو از خانواده روشهای تصمیمگیری چندمعیاره و مبتنی بر مقایسات زوجی هستند؛ با این حال، ساختار، منطق ارتباطات و نوع مدلسازی آنها با یکدیگر تفاوت اساسی دارد. به بیان ساده، AHP یک ساختار خطی و سلسلهمراتبی ارائه میدهد، در حالی که ANP مدلهای پیچیده با وابستگیهای چندگانه را پشتیبانی میکند. در ادامه، مهمترین تفاوتهای این دو روش را با توضیحات علمی و قابلفهم بیان میکنیم.
تفاوت در نوع ساختار و ارتباط بین عناصر
در روش AHP، ساختار به صورت سلسلهمراتبی و کاملاً مستقل است. این روش از یک هدف در بالاترین سطح آغاز شده و به معیارها، زیرمعیارها و در نهایت گزینهها ختم میشود. در این ساختار هیچگونه ارتباط جانبی یا وابستگی متقابل بین معیارها یا گزینهها وجود ندارد.
اما در ANP، ساختار به جای حالت درختی، به شکل شبکهای طراحی میشود. در این شبکه عناصر میتوانند هم مستقل و هم وابسته به یکدیگر باشند. یعنی معیارها میتوانند روی هم تأثیر بگذارند، یا حتی وابستگی درونی داخل یک خوشه وجود داشته باشد. در نتیجه، میتوان گفت AHP در واقع یک حالت خاص و سادهشده از ANP است که فقط وابستگیهای بالا به پایین را شامل میشود.
خطی بودن AHP در مقابل غیرخطی بودن ANP
AHP یک فرآیند خطی دارد؛ یعنی از هدف شروع شده و بهصورت مستقیم رو به پایین حرکت میکند. رابطهها یکطرفه و بدون بازخورد هستند.
در مقابل، ANP ساختاری غیرخطی دارد و روابط میتوانند حلقهای، چندطرفه و شبکهای باشند. این ویژگی باعث میشود ANP برای مدلسازی مسائل واقعی که در آنها معیارها روی هم اثر میگذارند (Feedback & Interdependence) بسیار دقیقتر باشد.
تفاوت در نوع مقایسات زوجی و نوع سؤالات
در AHP، مقایسات زوجی با سؤال «کدام گزینه مهمتر است؟» یا «این معیار نسبت به آن معیار چقدر اهمیت دارد؟» انجام میشود.
اما در ANP، هدف از مقایسات زوجی ارزیابی میزان تأثیر عناصر بر یکدیگر است. بهعنوان مثال پرسشها به شکل «این معیار چقدر بر آن معیار تأثیر میگذارد؟» یا «این زیرمعیار تحت تأثیر کدام عنصر بیشتر تغییر میکند؟» مطرح میشود. بنابراین تمرکز AHP بر اهمیت، و تمرکز ANP بر تأثیرگذاری و وابستگی است.
تفاوت در نمایش ساختاری و سوپرماتریس
در AHP، ساختار سلسلهمراتبی ساده است و معمولاً سه سطح دارد: هدف، معیارها و گزینهها. ارتباطات کاملاً قائم بهذات و یکطرفه هستند.
اما در ANP، ساختار شبکهای شامل گرهها (Nodes) و خوشهها (Clusters) است که میتوانند بهصورت مستقیم، قوسی یا حلقهای با هم ارتباط داشته باشند. این روابط در قالب سوپرماتریس نمایش داده میشود.
برای مثال:
- w21 نشاندهنده تأثیر Node1 بر Node2 است.
- W32 ماتریسی است که تأثیر Node2 را بر عناصر Node3 نشان میدهد.
- I نیز ماتریس همانی (Identity) است که برای وابستگی درونی در نظر گرفته میشود.
همانطور که مشخص است، سلسلهمراتب AHP تنها یک حالت خاص از یک شبکه ANP است که هیچ وابستگی متقابل یا بازخورد داخلی ندارد.
گام های روش ANP
روش ANP یا فرآیند تحلیل شبکهای، یکی از قدرتمندترین روشهای تصمیمگیری چندمعیاره است که برای مدلسازی مسائل پیچیده با وابستگیها و بازخوردهای درونی میان معیارها استفاده میشود. در این روش برخلاف AHP، ساختار سلسلهمراتبی وجود ندارد و عناصر میتوانند بر یکدیگر تأثیر متقابل داشته باشند. برای اجرای صحیح ANP لازم است گامهای زیر بهترتیب انجام شوند تا یک مدل کامل، معتبر و قابل اتکا حاصل شود.
ساختن نمودار شبکهای پژوهش
در اولین گام، مسأله تصمیمگیری باید به صورت یک شبکه از معیارها، زیرمعیارها و در صورت وجود، گزینههای تصمیم نمایش داده شود. در این ساختار، روابط تأثیرگذاری و تأثیرپذیری بین عناصر مشخص میشود. تشخیص این روابط در ANP بسیار حیاتی است زیرا اساس محاسبات بر همین وابستگیها قرار دارد. برای استخراج این روابط میتوان از نظر خبرگان، یا از روشهای ساختاردهی مانند دیمتل (DEMATEL) و مدلسازی ساختاری تفسیری (ISM) استفاده کرد. خروجی این مرحله، یک مدل شبکهای شفاف و دقیق از تعاملات بین معیارها است.
تشکیل ماتریس مقایسات زوجی
در این مرحله هر معیار یا زیرمعیار نسبت به سایر عناصر مرتبط با خود، به صورت زوجی مقایسه میشود. مقایسات زوجی باید بر اساس طیف 9 درجهای ساعتی انجام گیرد که شدت ترجیحات را از «اهمیت برابر» تا «اهمیت بسیار زیاد» مشخص میکند. در پایان، علاوه بر مقایسه عناصر نسبت به عناصر سطح بالاتر، باید روابط درونی (Inner Dependence) میان معیارها نیز به صورت زوجی ارزیابی شود. نتیجه این مرحله مجموعهای از ماتریسهای مقایسه زوجی است که پایه محاسبه وزنهای ANP را تشکیل میدهد.
محاسبه نرخ ناسازگاری
پس از تشکیل ماتریسهای مقایسه زوجی، لازم است سازگاری قضاوتها بررسی شود. نرخ ناسازگاری نشان میدهد قضاوتهای خبرگان چقدر منطق داخلی دارند. بر اساس استاندارد ساعتی، چنانچه نرخ ناسازگاری کمتر از 0.1 باشد، ماتریس سازگار محسوب میشود. سازگاری پایین نشاندهنده اعتبار بالاتر دادهها بوده و در نتیجه وزنهای بهدست آمده قابل اتکا خواهند بود.
تشکیل سوپر ماتریس اولیه
در این گام وزنهای استخراجشده از مقایسات زوجی در قالب یک ساختار بزرگتر به نام «سوپرماتریس اولیه» قرار میگیرند. این سوپر ماتریس شامل تمام وزنهای تأثیرگذاری و تأثیرپذیری میان خوشهها و عناصر است. سوپرماتریس اولیه درواقع نقشه کامل تعاملات شبکهای میان عناصر تصمیمگیری را نشان میدهد.
ایجاد سوپر ماتریس موزون
برای اینکه وزنها قابل استفاده و پایدار شوند، باید سوپرماتریس اولیه نرمالسازی شود تا هر ستون آن مجموعی برابر با 1 داشته باشد. نتیجه این فرآیند «سوپرماتریس موزون» است. این ماتریس تضمین میکند که تأثیر عناصر در شبکه بهصورت متعادل و قابل تحلیل لحاظ شده باشد. سوپرماتریس موزون نقطه اتصال بین دادههای اولیه و نتایج نهایی ANP است.
ایجاد سوپر ماتریس حدی
در آخرین گام، سوپرماتریس موزون بهطور مکرر در خودش ضرب میشود تا به یک وضعیت پایدار یا همگرا برسد؛ به این فرایند، «رساندن به توان بینهایت» میگویند. پس از همگرا شدن، هر سطر ماتریس به یک مقدار ثابت تبدیل میشود که همان وزن نهایی معیار، زیرمعیار یا گزینههای تصمیمگیری است. سوپرماتریس حدی خروجی نهایی روش ANP و مبنای رتبهبندی نهایی است.
مراحل پیاده سازی ANP به صورت خلاصه در شکل زیر آورده شده است.
طریقه ساخت پرسشنامه ANP
برای اجرای روش ANP لازم است دادههای مرتبط با مقایسات زوجی معیارها، زیرمعیارها و روابط وابستگی از طریق پرسشنامه از خبرگان جمعآوری شود. پرسشنامه ANP معمولاً بر اساس طیف ۹ درجهای ساعتی طراحی میشود و در آن از پاسخدهنده خواسته میشود میزان اهمیت یا میزان تأثیر یک عنصر را نسبت به عنصر دیگر مشخص کند. طراحی دقیق پرسشنامه و انتخاب مناسب نمونهها نقش بسیار مهمی در اعتبار نتایج نهایی ANP دارد. برای تهیه آموزش پرسشنامه ANP می توانید وارد پست پرسشنامه ANP شوید و آموزش مربوطه را مطالعه کنید.
در ادامه دو بخش مهم در ساخت پرسشنامه ANP ارائه شده است.
روایی و پایایی پرسشنامه در روش ANP
برای معتبر بودن نتایج ANP، باید پرسشنامه از نظر روایی و پایایی مورد تأیید قرار گیرد.
- روایی نشان میدهد پرسشنامه تا چه حد مفهوم موردنظر را بهدرستی اندازهگیری میکند. برای بررسی روایی پرسشنامه ANP، معمولاً قبل از اینکه معیارها وارد ANP شوند می توان از روایی محتوا (CVR, CVI) با نظر متخصصان استفاده شود؛ یعنی خبرگان تأیید میکنند که عوامل پرسشنامه واقعا مربوط به هدف هستند و ضروری می باشند.
- پایایی به میزان دقت و ثبات پاسخها اشاره دارد. در پرسشنامههای مقایسه زوجی، متداولترین معیار برای سنجش پایایی، نرخ ناسازگاری (CR) است. اگر مقدار ناسازگاری کمتر از 0.1 باشد، پاسخها قابل اعتماد و پذیرفتنیاند. در صورت بالا بودن ناسازگاری، پرسشنامه باید مجدداً اصلاح یا تکمیل شود.
تعداد جامعه و نمونه آماری برای تکمیل پرسشنامه ANP
در روش ANP هدف این نیست که پرسشنامه توسط تعداد زیادی از افراد تکمیل شود؛ بلکه کیفیت پاسخدهندگان (خبرگان) اهمیت بیشتری دارد.
- معمولاً ۲ تا ۱۵ نفر متخصص برای تکمیل پرسشنامه ANP کافی است، البته در پژوهشهای دانشگاهی تعداد ۵ تا ۱۰ نفر استانداردتر و رایجتر است.
- اگر موضوع پژوهش تخصصیتر باشد (مثلاً پزشکی، نظامی یا فنی)، تعداد کمتر اما دقیقتر کافی است.
- در صورتی که تصمیمگیرندگان متعدد باشند، میتوان از میانگین هندسی قضاوتها برای ترکیب پاسخها استفاده کرد.
نرمافزارهای انجام روش ANP
برای پیادهسازی روش ANP، دو ابزار کاربردی و رایج وجود دارد که تحلیلگران و پژوهشگران بهطور گسترده از آنها استفاده میکنند: نرمافزار Super Decisions و نرمافزار Excel. هر یک از این ابزارها مزایا و قابلیتهای خاص خود را دارند و انتخاب آنها بسته به هدف پژوهش و میزان پیچیدگی مدل متفاوت است.
سوپردسیژن (Super Decisions)
نرمافزار سوپردسیژن معتبرترین و تخصصیترین ابزار برای اجرای کامل روش ANP است که توسط «توماس ساعتی» و تیم او طراحی شده است. این نرمافزار امکان مدلسازی کامل شبکه، تعریف خوشهها و گرهها، ایجاد وابستگیها، انجام مقایسات زوجی، بررسی نرخ ناسازگاری و ساخت خودکار سوپرماتریس اولیه، موزون و حدی را فراهم میکند. یکی از ویژگیهای مهم Super Decisions این است که خروجیها را بهصورت دقیق و ساختاریافته ارائه میدهد و به همین دلیل در اکثر پایاننامهها و تحقیقات علمی استفاده میشود.
اکسل (Excel)
نرمافزار اکسل نیز گزینهای سادهتر و انعطافپذیر برای اجرای روش ANP است. در اکسل میتوان ماتریسهای مقایسات زوجی را طراحی و وزنگذاری کرد و با استفاده از توابع، سوپرماتریس را ساخت و حتی به توانهای مختلف رساند. البته اجرای ANP در اکسل نیازمند آشنایی با فرمولها و طراحی ساختار ماتریسها است و نسبت به سوپردسیژن فرآیند طولانیتری دارد. با این حال، برای پروژههایی که تعداد معیارها و وابستگیها کم است، اکسل یک ابزار مناسب و قابل اعتماد محسوب میشود و برای پروژه های پیچیده که دارای روابط درونی زیاد و سطوح زیاد هستند نرم افزار اکسل مناسب نیست.
نمونه پروژههای انجام شده ANP
جهت یادگیری دانشجویان و علاقه مندان به این روش، تعدادی پروژه ساده به همراه پیاده سازی در نرم افزار سوپردسیژن در لینک زیر قرار داده شده است. تمامی پروژه ها دارای فایل ورد (WORD) گزارش که اسکرین شات از نرم افزار است می باشند.
مثال روش ANP در نرم افزار سوپردسیژن
فرض کنید در پژوهشی 3 معیار اصلی و تعداد 17 زیرمعیار داریم هدف محاسبه وزن عوامل پژوهش با استفاده از روش ANP است که در این مثال ما از نرم افزار سوپر دسیژن استفاده کرده ایم. ابتدا مدل تحلیل شبکه ای (ANP) پژوهش را در نرم افزار سوپر دسیژن رسم می کنیم که در شکل زیر آورده شده است. همانطور که در شکل زیر مشاهده می کنید حلقه ای که در سطح معیارها نشان داده شده است نشان از روابط درونی است.
تشکیل مقایسات زوجی
به دلیل وجود روابط درونی بین معیارها جهت وزن دهی و رتبهبندی از روش تحلیل شبکهای ANP استفاده میشود. ابتدا مقایسات زوجی را ایجاد کرده و در اختیار 30 نفر از خبرگان قرار داده میشود بعد از جمع آوری مقایسات زوجی، نرخ ناسازگاری آنها محاسبه شد که همگی کمتر از 0.1 است و نشان دهنده سازگاری ماتریس مقایسات زوجی است سپس آنها را با روش میانگین هندسی ادغام میکنیم و جهت وزندهی و رتبهبندی وارد نرم افزار سوپردسیژن میکنیم. مدل ANP در نرم افزار سوپردسیژن ایجاد میشود و مقایسات زوجی ادغام شده در نرم افزار وارد میشود نتایج به صورت زیر میباشد.
جدول 1: مقایسه زوجی معیارها نسبت به هدف (نرخ ناسازگاری: 0.03)
| C1 | C2 | C3 | وزن | ||
| C1 | 1 | 0.551 | 0.506 | 0.207 | |
| C2 | 1.815 | 1 | 1.552 | 0.448 | |
| C3 | 1.976 | 0.644 | 1 | 0.344 |
جدول 2: مقایسه زوجی زیرمعیارهای C1 (نرخ ناسازگاری: 0.02)
| S11 | S12 | S13 | S14 | S15 | S16 | وزن | ||
| S11 | 1 | 2.878 | 0.575 | 2.08 | 1.439 | 0.504 | 0.173 | |
| S12 | 0.347 | 1 | 0.333 | 0.500 | 0.321 | 0.354 | 0.065 | |
| S13 | 1.739 | 3.003 | 1 | 2.153 | 1.740 | 1.047 | 0.245 | |
| S14 | 0.480 | 2 | 0.464 | 1 | 0.475 | 0.4 | 0.099 | |
| S15 | 0.695 | 3.115 | 0.575 | 2.105 | 1 | 0.453 | 0.154 | |
| S16 | 1.984 | 2.825 | 0.955 | 2.500 | 2.208 | 1 | 0.263 |
جدول 3: مقایسه زوجی زیرمعیارهای C2 (نرخ ناسازگاری: 0.02)
| S21 | S22 | S23 | S24 | وزن | ||
| S21 | 1 | 0.616 | 0.396 | 0.552 | 0.141 | |
| S22 | 1.623 | 1 | 0.411 | 0.444 | 0.171 | |
| S23 | 2.525 | 2.433 | 1 | 0.86 | 0.348 | |
| S24 | 1.812 | 2.252 | 1.163 | 1 | 0.341 |
جدول 4: مقایسه زوجی زیرمعیارهای C3 (نرخ ناسازگاری: 0.03)
| S31 | S32 | S33 | S34 | S35 | S36 | S37 | وزن | ||
| S31 | 1 | 0.846 | 2.188 | 0.64 | 0.711 | 1.101 | 1.177 | 0.137 | |
| S32 | 1.182 | 1 | 1.512 | 1.146 | 0.953 | 2.582 | 1.072 | 0.173 | |
| S33 | 0.457 | 0.661 | 1 | 0.627 | 0.372 | 1.137 | 0.398 | 0.085 | |
| S34 | 1.558 | 0.8726 | 1.595 | 1 | 1.413 | 3.2 | 1.524 | 0.202 | |
| S35 | 1.406 | 1.049 | 2.688 | 0.708 | 1 | 0.990 | 1.072 | 0.160 | |
| S36 | 0.908 | 0.387 | 0.880 | 0.312 | 1.010 | 1 | 0.662 | 0.095 | |
| S37 | 0.850 | 0.933 | 2.513 | 0.656 | 0.933 | 1.511 | 1 | 0.147 |
جدول 5: مقایسه زوجی معیارها نسبت به عامل C1 (نرخ ناسازگاری: 0.0000)
| C2 | C3 | وزن | ||
| C2 | 1 | 2.429 | 0.708 | |
| C3 | 0.412 | 1 | 0.292 |
جدول 6: مقایسه زوجی معیارها نسبت به عامل C2 (نرخ ناسازگاری: 0.0000)
| C1 | C3 | وزن | ||
| C1 | 1 | 1.802 | 0.643 | |
| C3 | 0.555 | 1 | 0.357 |
جدول 7: مقایسه زوجی معیارها نسبت به عامل C3 (نرخ ناسازگاری: 0.0000)
| C1 | C2 | وزن | ||
| C1 | 1 | 1.309 | 0.567 | |
| C2 | 0.764 | 1 | 0.433 |
تشکیل سوپرماتریس اولیه
با استفاده از اوزان بدست آمده در مرحله قبل سوپرماتریس اولیه را تشکیل میدهیم.
جدول 8: سوپرماتریس اولیه
| C1 | C2 | C3 | goal | |
| C1 | 0 | 0.643 | 0.567 | 0.207 |
| C2 | 0.708 | 0 | 0.433 | 0.448 |
| C3 | 0.292 | 0.357 | 0 | 0.344 |
| goal | 0 | 0 | 0 | 0 |
| S11 | 0.173 | 0 | 0 | 0 |
| S12 | 0.065 | 0 | 0 | 0 |
| S13 | 0.245 | 0 | 0 | 0 |
| S14 | 0.099 | 0 | 0 | 0 |
| S15 | 0.154 | 0 | 0 | 0 |
| S16 | 0.263 | 0 | 0 | 0 |
| S21 | 0 | 0.141 | 0 | 0 |
| S22 | 0 | 0.171 | 0 | 0 |
| S23 | 0 | 0.348 | 0 | 0 |
| S24 | 0 | 0.341 | 0 | 0 |
| S31 | 0 | 0 | 0.137 | 0 |
| S32 | 0 | 0 | 0.173 | 0 |
| S33 | 0 | 0 | 0.085 | 0 |
| S34 | 0 | 0 | 0.202 | 0 |
| S35 | 0 | 0 | 0.160 | 0 |
| S36 | 0 | 0 | 0.095 | 0 |
| S37 | 0 | 0 | 0.147 | 0 |
تشکیل سوپرماتریس موزون
بعد از تشکیل سوپرماتریس اولیه، باید سوپرماتریس موزون ایجاد شود سوپر ماتریس موزون از نرمالسازی سوپرماتریس اولیه حاصل میشود.
جدول 9: سوپرماتریس موزون
| C1 | C2 | C3 | goal | |
| C1 | 0 | 0.322 | 0.283 | 0.207 |
| C2 | 0.354 | 0 | 0.217 | 0.448 |
| C3 | 0.146 | 0.178 | 0 | 0.344 |
| goal | 0 | 0 | 0 | 0 |
| S11 | 0.087 | 0 | 0 | 0 |
| S12 | 0.033 | 0 | 0 | 0 |
| S13 | 0.122 | 0 | 0 | 0 |
| S14 | 0.049 | 0 | 0 | 0 |
| S15 | 0.077 | 0 | 0 | 0 |
| S16 | 0.132 | 0 | 0 | 0 |
| S21 | 0 | 0.070 | 0 | 0 |
| S22 | 0 | 0.085 | 0 | 0 |
| S23 | 0 | 0.174 | 0 | 0 |
| S24 | 0 | 0.170 | 0 | 0 |
| S31 | 0 | 0 | 0.069 | 0 |
| S32 | 0 | 0 | 0.087 | 0 |
| S33 | 0 | 0 | 0.043 | 0 |
| S34 | 0 | 0 | 0.101 | 0 |
| S35 | 0 | 0 | 0.080 | 0 |
| S36 | 0 | 0 | 0.047 | 0 |
| S37 | 0 | 0 | 0.074 | 0 |
تشکیل سوپرماتریس حد دار
سوپر ماتریس وزندار را به توان بینهایت میرسانیم تا همگرا شود ماتریس همگرا شده سوپر ماتریس حددار است. در سوپر ماتریس حدی، اوزان نهایی عوامل پژوهش آورده شده است که می توان با نرمال سازی آن ها در هر بعد اوزان نرمال شده را نیز محاسبه نمود.
جدول 10: سوپرماتریس حددار
| C1 | C2 | C3 | goal | |
| C1 | 0.190 | 0.190 | 0.190 | 0.190 |
| C2 | 0.188 | 0.188 | 0.188 | 0.188 |
| C3 | 0.122 | 0.122 | 0.122 | 0.122 |
| S11 | 0.033 | 0.033 | 0.033 | 0.033 |
| S12 | 0.012 | 0.012 | 0.012 | 0.012 |
| S13 | 0.047 | 0.047 | 0.047 | 0.047 |
| S14 | 0.019 | 0.019 | 0.019 | 0.019 |
| S15 | 0.029 | 0.029 | 0.029 | 0.029 |
| S16 | 0.050 | 0.050 | 0.050 | 0.050 |
| S21 | 0.026 | 0.026 | 0.026 | 0.026 |
| S22 | 0.032 | 0.032 | 0.032 | 0.032 |
| S23 | 0.065 | 0.065 | 0.065 | 0.065 |
| S24 | 0.064 | 0.064 | 0.064 | 0.064 |
| S31 | 0.017 | 0.017 | 0.017 | 0.017 |
| S32 | 0.021 | 0.021 | 0.021 | 0.021 |
| S33 | 0.010 | 0.010 | 0.010 | 0.010 |
| S34 | 0.025 | 0.025 | 0.025 | 0.025 |
| S35 | 0.020 | 0.020 | 0.020 | 0.020 |
| S36 | 0.012 | 0.012 | 0.012 | 0.012 |
| S37 | 0.018 | 0.018 | 0.018 | 0.018 |
ترکیب روش ANP با روشهای دیگر تصمیمگیری چندمعیاره
در بسیاری از پژوهشها، روش ANP بهتنهایی استفاده نمیشود؛ بلکه با سایر روشهای تصمیمگیری چندمعیاره ترکیب میشود تا دقت تحلیل، جامعیت مدل و توان استخراج روابط میان معیارها افزایش یابد. در ادامه مهمترین ترکیبهای پرکاربرد ANP با سایر روشها معرفی شدهاند.
روش دیمتل–ANP (ترکیب DEMATEL و ANP)
ترکیب دیمتل و ANP یکی از معروفترین روشهای چندمعیاره برای تحلیل ساختاری و وزندهی معیارهای وابسته است. این مدل ابتدا روابط علّی و معلولی بین معیارها را مشخص میکند (DEMATEL) و سپس بر اساس این روابط وزن نهایی معیارها با ANP محاسبه میشود.
رویکرد کلاسیک (سنتی)
در رویکرد کلاسیک، مراحل حل به صورت زیر است:
- اجرای روش دیمتل: پرسشنامه دیمتل توسط خبرگان تکمیل میشود و روابط علّی و معلولی معیارها و شدت اثرگذاری آنها به دست میآید.
- ورود روابط به مدل ANP: ساختار شبکه ANP بر اساس روابط استخراجشده از DEMATEL شکل میگیرد.
- انجام مقایسات زوجی ANP: برای تمام روابط تأثیر، باید مقایسات زوجی انجام شود تا وزن معیارها محاسبه شود.
محدودیتهای رویکرد کلاسیک
رویکرد کلاسیک مشکلات و محدودیتهای متعددی دارد:
- نیاز به دو پرسشنامه جداگانه (یکی برای دیمتل، یکی برای ANP).
- اگر تعداد معیارها زیاد باشد، حجم مقایسات زوجی بسیار بالا میرود و فرآیند زمانبر و خستهکننده میشود.
- در خروجی DEMATEL تعدادی از روابط که کمتر از مقدار آستانه هستند حذف میشوند؛ این موضوع ممکن است در ANP باعث وزن صفر یا اهمیت غیرواقعی برخی معیارها شود.
- به دلیل دو مرحلهای بودن، احتمال ناسازگاریهای ساختاری میان خروجی DEMATEL و ورودی ANP وجود دارد.
رویکرد جدید: روش DANP (Dematel-Based ANP)
برای رفع محدودیتهای بالا، در سال 2011 رویکرد جدیدی به نام DANP ارائه شد.
در DANP:
- فقط پرسشنامه دیمتل تکمیل میشود.
- خروجی دیمتل مستقیماً به مراحل ANP منتقل شده و تا انتهای محاسبه سوپرماتریسها ادامه مییابد.
- دیگر نیازی به پرسشنامه مقایسه زوجی ANP وجود ندارد و فرآیند بسیار سادهتر میشود.
- ساختار شبکه ANP و وزن نهایی معیارها تنها از یک پرسشنامه استخراج میشود.
در سایت، آموزش کامل روش DANP در محیط قطعی و فازی قرار داده شده است که میتوانید از طریق لینک زیر وارد آن شوید.
روش ISM–ANP
در این ترکیب، ابتدا از روش ISM (مدلسازی ساختاری تفسیری) برای تعیین سطحبندی، ساختار سلسلهمراتبی و روابط بین معیارها استفاده میشود. خروجی ISM شامل ماتریس دسترسی و ساختار نهایی روابط معیارهاست.
سپس این روابط به مدل ANP منتقل میشود تا وزن نهایی معیارها بر اساس شدت و سطح اثرگذاری آنها محاسبه شود.
برای این ترکیب و مشاهده توضیحات بیشتر وارد مطلب روش ترکیبی ISM و ANP شوید.
روش ترکیبی SWOT و ANP
در این روش ابتدا عوامل قوتها، ضعفها، فرصتها و تهدیدها از طریق تحلیل SWOT استخراج میشوند. سپس این عوامل وارد مدل ANP شده و وزندهی میشوند تا بتوان استراتژیهای نهایی را بر اساس تحلیل شبکهای انتخاب و اولویتبندی کرد.
این ترکیب بهویژه در مدیریت استراتژیک، برنامهریزی سازمانی، سیاستگذاری و تحلیل رقابتی بسیار کاربرد دارد. برای این ترکیب نیز یک نمونه پایان نامه به صورت رایگان در سایت قرار داده شده است که برای مشاهده مطلب و دانلود وارد پست روش ترکیبی SWOT و ANP شوید.
ترکیب ANP با روشهای گزینهمحور (TOPSIS، VIKOR، ARAS و…)
در بسیاری از مسائل، ابتدا وزن معیارها با ANP بهدست میآید و سپس این وزنها وارد یکی از روشهای گزینهمحور میشوند تا رتبهبندی گزینهها انجام شود.
معروفترین ترکیبها عبارتاند از:
- ANP–TOPSIS
- ANP–VIKOR
- ANP–ARAS
- ANP–COPRAS
- ANP–MOORA و سایر روشهای رتبهبندی.
در این رویکرد:
- ANP وزن معیارها را تعیین میکند.
- روشهای گزینهمحور بر اساس همان وزنها گزینهها را رتبهبندی میکنند.
برای مثال، برای آموزش ANP–TOPSIS میتوانید وارد پست مربوطه در سایت شوید.
مزایای روش ANP
- ANP یک تکنیک جامع است که امکان درج همه معیارهای مربوطه را فراهم می آورد. ملموس و غیرمستقیم ، که تاثیری در روند تصمیم گیری دارد.
- AHP یک چارچوب تصمیم گیری را فرض می کند که فرضیه رابطه سلسله مراتبی یک جهته در بین سطوح تصمیم گیری است ، در حالی که ANP امکان ایجاد روابط پیچیده تری را در بین سطوح تصمیم گیری و ویژگی ها می دهد زیرا نیازی به یک ساختار سلسله مراتبی دقیق ندارد.
- در مسائل تصمیم گیری ، به دلیل ویژگی های وابستگی متقابل که در مسائل زندگی واقعی وجود دارد ، توجه به رابطه متقابل بین معیارها بسیار مهم است. روش ANP امکان بررسی وابستگی های متقابل بین سطح معیارها را فراهم می کند و بنابراین ابزاری جذاب برای تصمیم گیری چند معیاره است.
- روش ANP با توجه به خصوصیات کمی و کیفی که باید در نظر گرفته شود ، مفید است و همچنین رابطه متقابل غیر خطی در بین معیارها مورد توجه قرار می گیرد.
- ANP از این نظر بی نظیر است که امتیازهای ترکیبی را ارائه می دهد ، که این خود نشانگر رتبه بندی نسبی گزینه های مختلف در دسترس تصمیم گیرنده است.
محدودیتهای روش ANP
- شناسایی ویژگی های مربوط به مسئله و تعیین اهمیت نسبی آنها در فرآیند تصمیم گیری مستلزم بحث های گسترده و جلسات طوفان مغزی است. همچنین، جمع آوری داده ها یک فرایند بسیار طولانی برای روش ANP است.
- ANP به محاسبات بیشتری نیاز دارد و تشکیل ماتریس های مقایسات زوجی اضافی نسبت به فرآیند AHP را دارد. بنابراین، یک ردیابی دقیق از ماتریس ها و مقایسات زوجی از معیارها ضروری است.
- مقایسات زوجی از ویژگی های مورد نظر فقط می تواند به صورت ذهنی انجام شود و از این رو صحت نتایج آنها بستگی به دانش تخصص کاربر در منطقه مورد نظر دارد.
سؤالات متداول
چنانچه نیازمند مشاوره و یا انجام پروژه خود با این روشها هستید با ما تماس بگیرید| 09338859181
اگر بین زیرمعیارها هم ارتباط درونی باشه چکار باید بکنیم؟ وقتی تعدادشون زیاده چجور مقایسه زوجی بکنیم براساس یک معیار؟
وقتی بین زیرمعیارها رابطه درونی هست شاید دیگه منطقی نباشه از روش ANP کلاسیک پیش بریم. بهتره از روش دنپ استفاده بشه.
البته باز هم باید تعداد دقیق زیرمعیارها و روابط درونیشون بررسی بشه
سلام خسته نباشید من میخواهم از بین چند گزینه با چند معیار یک گزینه انتخاب کنم ایا با روش anp امکانش هست یا باید از روش های رتبه بندی استفاده کنم
سلام. اگر تعداد گزینه ها زیاد باشه با anp نمیشه. معمولا از 3 یا 4 تا گزینه بیشتر، با روش های ترکیبی استفاده میکنن. مثلا ترکیب anp با تاپسیس