فهرست مطالب 1- توضیحات روش 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:
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.
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.
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.
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.
در لینک زیر یک نمونه مثال روش کوداس در اکسل پیاده سازی شده است که فرمول های اکسل آن نیز قابل مشاهده و تغییر هستند از طریق لینک زیر به صفحه دانلود بروید:
قیمت: 10.000 تومان
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 معیارها | 0.036 | 0.326 | 0.192 | 0.326 | 0.12 |
ظرفیت بار | حداکثر سرعت | تکرارپذیری | ظرفیت حافظه | دستیابی کاربر | |
ربات1 | 60 | 0.4 | 2540 | 500 | 990 |
ربات2 | 6.35 | 0.15 | 1016 | 3000 | 1041 |
ربات3 | 6.8 | 0.1 | 1727.2 | 1500 | 1676 |
ربات4 | 10 | 0.2 | 1000 | 2000 | 965 |
ربات5 | 2.5 | 0.1 | 560 | 500 | 915 |
ربات6 | 4.5 | 0.08 | 1016 | 350 | 508 |
ربات7 | 3 | 0.1 | 1778 | 1000 | 920 |
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 بار | حداکثر سرعت | تکرارپذیری | ظرفیت حافظه | دستیابی کاربر | |
ربات1 | 1 | 0.2 | 1 | 0.167 | 0.591 |
ربات2 | 0.106 | 0.533 | 0.4 | 1 | 0.621 |
ربات3 | 0.113 | 0.8 | 0.68 | 0.5 | 1 |
ربات4 | 0.167 | 0.4 | 0.394 | 0.667 | 0.576 |
ربات5 | 0.042 | 0.8 | 0.22 | 0.167 | 0.546 |
ربات6 | 0.075 | 1 | 0.4 | 0.117 | 0.303 |
ربات7 | 0.05 | 0.8 | 0.7 | 0.333 | 0.549 |
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 بار | حداکثر سرعت | تکرارپذیری | ظرفیت حافظه | دستیابی کاربر | فاصله افلیدسی | فاصله تاکسی | |
ربات1 | 0.036 | 0.0384 | 0.326 | 0.0543 | 0.0709 | 0.2593 | 0.3394 |
ربات2 | 0.0038 | 0.1024 | 0.1304 | 0.326 | 0.0745 | 0.3032 | 0.451 |
ربات3 | 0.0041 | 0.1536 | 0.2217 | 0.163 | 0.12 | 0.2415 | 0.4762 |
ربات4 | 0.006 | 0.0768 | 0.1283 | 0.2173 | 0.0691 | 0.1947 | 0.3114 |
ربات5 | 0.0015 | 0.1536 | 0.0719 | 0.0543 | 0.0655 | 0.1199 | 0.1606 |
ربات6 | 0.0027 | 0.192 | 0.1304 | 0.038 | 0.0364 | 0.1644 | 0.2133 |
ربات7 | 0.0018 | 0.1536 | 0.2282 | 0.1087 | 0.0659 | 0.2087 | 0.372 |
ایده آل منفی | 0.0015 | 0.0384 | 0.0719 | 0.038 | 0.0364 |
در این گام ماتریس ارزیابی را محاسبه میکنیم و در انتها امتیاز هر گزینه را محاسبه میکنیم (H).
ربات1 | ربات2 | ربات3 | ربات4 | ربات5 | ربات6 | ربات7 | H | |
ربات1 | 0 | -0.1554 | 0.0178 | 0.0926 | 0.3181 | 0.221 | 0.018 | 0.5122 |
ربات2 | 0.1554 | 0 | 0.0364 | 0.248 | 0.4735 | 0.3764 | 0.1734 | 1.4633 |
ربات3 | -0.0178 | -0.0364 | 0 | 0.2116 | 0.4371 | 0.34 | 0.137 | 1.0715 |
ربات4 | -0.0926 | -0.248 | -0.2116 | 0 | 0.2255 | 0.1284 | -0.014 | -0.2125 |
ربات5 | -0.3181 | -0.4735 | -0.4371 | -0.2255 | 0 | -0.0971 | -0.3001 | -1.8515 |
ربات6 | -0.221 | -0.3764 | -0.34 | -0.1284 | 0.0971 | 0 | -0.203 | -1.1717 |
ربات7 | -0.018 | -0.1734 | -0.137 | 0.014 | 0.3001 | 0.203 | 0 | 0.1887 |
با توجه به امیتازگزینه ها (H) رتبه بندی گزینه ها به صورت زیر می باشد:
ربات 2>ربات 3>ربات1>ربات7>ربات4>ربات6>ربات5
در لینک زیر یک نمونه مثال روش کوداس در اکسل پیاده سازی شده است که فرمول های اکسل آن نیز قابل مشاهده و تغییر هستند از طریق لینک زیر به صفحه دانلود بروید:
قیمت: 10.000 تومان
چنانچه نیازمند مشاوره و یا انجام پروژه خود با این روشها هستید با ما تماس بگیرید| 09338859181
مطالب مشابه و مرتبط: