مشاوره رایگان و انجام پروژه های تصمیم گیری چند معیاره

معرفی مسائل تصمیم گیری چند معیاره

کاربرد علم تصمیم‌گیری در شاخه‌های مختلف ازجمله روان‌شناسی، مدیریت، مهندسی، و تحقیق در عملیات رو به گسترش است. با افزایش پیچیدگی مسائل واقعی، اهداف بیشتر و در عین حال متعارض‌تر گردیده است. از این‌رو نیاز به استفاده از روش‌هایی که اهداف و معیارهای مختلف و متعارض را در فرآیند تصمیم‌گیری دخالت دهد، کاملاً مشهود می‌باشد. از آنجا که مبنای شکل‌گیری رشته تصمیم‌گیری چندمعیاره، منظورکردن معیارهای متضاد چندگانه در فرآیند تصمیم‌گیری است، لذا بر این اساس امروزه تصمیم‌گيري چندمعياره، جزو شاخه‌هاي پر طرفدار علم تصميم‌گيري به حساب می‌آید. روش‌های تصمیم‌گیری چندمعیاره را می‌توان به دو دسته روش‌های تصمیم‌گیری چند شاخصه(MADM) و روش‌های تصمیم‌گیری چند هدفه (MODM) تقسیم‌بندی نمود. تفاوت اصلی بین این دو رویکرد در تعداد گزینه‌های تحت ارزیابی است. روش‌های MADM جهت انتخاب گزینه‌های گسسته(محدود) طراحی شده‌اند در حالی که روش‌های MODM با مسائل برنامه‌ریزی چندهدفه سروکار دارند که به صورت تئوری، تعداد بی‌نهایت گزینه پیوسته توسط مجموعه‌ای از محدودیت‌ها روی برداری از متغیرهای تصمیم تعریف می‌گردد. در جدول زیر تفاوت های مدل های MODM و MADM آورده شده است.

در طول دو دهه گذشته ، مطالعات متعددی در مورد تجزیه و تحلیل تصمیم گیری چند معیاره (MCDM) در زمینه های مختلف انجام شده است. اصولاً ، مسئله تصمیم گیری در مورد معیارهای متعدد عمدتاً بر تمایز معیارهای ارزیابی و تعیین ساختار ترجیحی (یعنی وزنها) متمرکز است. از آنجا که نتایج ارزیابی و مقایسه گزینه های دیگر بر اساس اولویت تصمیم گیرندگان است ، تعیین ساختارهای ترجیحی در طول تصمیم گیری بسیار مهم است. اگر اهمیت معیار به درستی ضبط شود ، کیفیت تصمیم گیری به ترتیب افزایش می یابد. معمولاً ، هنگامی که از روشهای ارزیابی اهمیت برای نشان دادن اهمیت معیار استفاده می شود، شیوه تحلیل تصمیمات چند معیاره اغلب بر اساس مفروضات افزودنی و استقلال استوار است. با این حال ، افراد دریافته اند که به دلیل وابستگی و بازخورد در بین معیارها به درجاتی متفاوت در دنیای واقعی ، استفاده از چنین روش های سنتی (یعنی مدل افزودنی) همیشه مناسب نیست.

مشاوره رایگان جهت انجام تمامی پروژه های تصمیم گیری چند شاخصه (MADM) و انجام پروژه ها و پایان نامه های تصمیم گیری چند معیاره. این روشها امروزه کاربرد بسیار فراوانی دارند و در مسائل انتخاب و اولویت بندی مورد استفاده قرار می گیرند. به عنوان مثال در هر مساله ای که هدف انتخاب یک چیز باشد می توان از تکنیک های تصمیم گیری چند معیاره استفاده نمود. حال می توان این انتخاب خانه باشد یا کارخانه، انتخاب هواپیما، انتخاب محل سفر و … همچنین در بیشتر رشته ها از جمله مهندسی صنایع و مدیریت نیز کاربرد فراوانی دارد.

درس تصمیم گیری با معیارهای چند گانه از دروس بسیار پر کاربرد در مقطع کارشناسی ارشد است که از تکنیک های آن در مقالات و پایان نامه ها بسیار استفاده می شود. پیاده سازی این روشها در محیط های فازی و خاکستری نیز بر جذابیت آن افزوده است.

روشهای AHP و ANP و Fuzzy AHP و Fuzzy ANP

روشهای AHP و ANP پرکاربردترین روشهای تصمیم گیری چند معیاره هستند که در مقالات و پایان نامه ها بسیار مورد استفاده قرار می گیرند این دو تکینک از قدیمی ترین و کلاسیک ترین تکنیک های تصمیم گیری چند معیاره هستند. روش AHP به روش فرایند تحلیل سلسله مراتبی و روش ANP به فرایند تحلیل شبکه ای معروف است. پیاده سازی این دو تکنیک در محیط های فازی و خاکستری نیز باعث دقت بیشتر در محاسبه اوزان معیارها می شود.

هدف این دو روش محاسبه وزن معیارها و گزینه های پژوهش است به صورتی که با ایجاد مدل های سلسله مراتبی و شبکه ای اوزان عوامل را محاسبه می کنند. دو نرم افزار بسیار مهم در این زمینه نرم افزار سوپر دسیژن برای ANP و اکسپرت چویس برای AHP می باشد.

تصمیم‌گیری چندشاخصه مشهورترین شاخه تصمیم‌گیری است. یک مسئله تصمیم‌گیری چندشاخصه از چندین جزء به شرح زیر تشکیل می‌گردد:

• گزینه‌ها: گزینه‌ها نشان‌دهنده فعالیت‌ها یا اقدامات دردسترس و قابل انتخاب برای تصمیم‌گیرنده می‌باشند. عموماً فرض می‌شود که تعداد گزینه‌ها محدود است و می‌تواند از چند تا صدها مورد قابل تغییر باشد. همچنین فرض می‌گردد که گزینه‌ها می‌توانند غربال، اولویت‌بندی و درنهایت رتبه‌بندی شوند.
• مشخصه‌های چندگانه: هر مسئله MADM در ارتباط با چندین مشخصه است. مشخصه‌ها برگرفته از اهداف یا معیارهای تصمیم‌گیری بوده و نشان‌دهنده ابعاد مختلفی هستند که گزینه‌ها از آن منظر قابل مشاهده می‌باشند.
• اوزان تصمیم: اغلب روش‌های MADM نیاز دارند که اهمیت وزنی مشخصه‌ها از پیش تعیین شده باشد. عموماً این وزن‌ها نرمال شده تا جمع آن‌ها برابر با یک شود.

روشهای ترکیبی دیمتل-ANP یا AHP-تاپسیس

دو دسته عمده از روش هاي مختلف در پروسه کردن اطلاعات موجود از يک مسأله MADMمطرح شده است، يک دسته از روش ها منشعب از مدلي مشهور به مدل جبراني بوده و دسته دوم منشعب از مدل ديگري  معروف به مدل هاي غير جبراني است که در ادامه در مورد آن ها توضيحات مختصري خواهيم داد.

• مدل هاي جبراني

آن دسته از مدلهاي MADM  را شامل مي‌شوند كه در آن ها تبادل بين شاخص ها صورت مي‌گيرد. بدين معني كه تغيير در يك شاخص توسط تغييري مخالف (در جهت عكس) در شاخص يا شاخص هاي ديگر جبران مي‌شود.

روش جبراني  شامل روش هايي مانند ميانگين وزني ساده، ‏تاپسيس، الکتره، تخصيص خطي، و غيره است.

• مدل هاي غير جبراني

مدلهايي ازMADM  را شامل مي‌شوند كه در آنها تبادل بين شاخص ها صورت نمي‌گيرد. بدين معني كه نقطه ضعف موجود در يك شاخص توسط مزيت موجود در شاخص ديگر جبران نمي‌شود بلكه هر شاخص جدا از ديگر شاخص ها مبناي ارزيابي گزينه‌هاي رقيب قرار مي‌گيرد. مزيت مهم اين مدل ها، سادگي آن ها است كه با رفتار تصميم‌گيرنده و محدود بودن اطلاعات او مطابقت دارد. روش غير جبراني شامل روش هايي مانند روش تسلط، لكسيكوگراف، حذف، ماكسي مين، ميني ماكس، رضايت بخش‌خاص و … است.

در بین روشهای تصمیم گیری چند معیاره، روشهای ترکیبی بسیار مشهور و معروف هستند البته دلایل بسیار قوی برای ترکیب آن ها وجود دارد به عنوان مثال فرض کنید یک مدل AHP با 5 معیار و 6 گزینه داریم اگر بخواهیم با AHP تنها این مدل را حل کنیم نیازمند 85 مقایسه زوجی هستیم در صورتیکه با ترکیب و اضافه کردن روش تاپسیس به آن تعداد مقایسات به 40 کاهش پیدا می کند در واقع با استفاده از روش AHP وزن معیارها و با استفاده از روش تاپسیس گزینه های پژوهش رتبه بندی می شوند.

نرم افزارهای سوپر دسیژن و اکسپرت چویس

دو نرم افزار پرکاربرد و قدرتمند در زمینه تصمیم گیری چند معیاره نرم افزار سوپر دسیژن (Super decision) و اکسپرت چویس (Expert choice) می باشد این دو نرم افزار قادر به حل مسائل سلسله مراتبی و شبکه ای است هستند نرم افزار سوپر دسیژن که یک نرم افزار رایگان می باشد و به راحتی از سایت اصلی آن قابل دریافت است. نرم افزار اکسپرت چویس اما یک نرم افزار پولی می باشد البته در ایران این نرم افزار به صورت کرک شده موجود است. در شکل زیر نمایی از این دو نرم افزار آورده شده است.

محیط های قطعی، فازی و خاکستری

تصمیم گیری چند معیاره در محیط های مختلفی انجام می شود به عنوان مثال پر کاربردترین محیط، قطعی می باشد که در آن اعداد به صورت قطعیت وارد مدل ها می شود اما در بسیاری از مواقع ممکن است در مساله تصمیم گیری عدم قطعیت و یا ابهام وجود داشته باشد اینجاست که استفاده از محیط های فازی (fuzzy) و خاکستری (grey) پیشنهاد می شود. محیط فازی دارای ابهامی است که حد بالا، پایین و متوسط محدوده مشخص می باشد و محیط خاکستری ابهامی است که تنها حد بالا و پایین محدوده مشخص است. محیط فازی اولین بار توسط آقای لطف علی زاده ارائه شد و محیط خاکستری نیز توسط آقای دنگ معرفی شد.

معیارهای اندازه­ گیری موضوعات و پدیده‌ها‌ بر مبنای رفتار سازمانی و نیازهای تحقیق متفاوت خواهند شد اما آن­چه که همواره ثابت است فرایند و شیوه سنجش است در این فرایند فرد یا افرادی که در حوزه مورد پرسش تخصص کافی دارند اطلاعات کیفی را به ارزش‌ها‌یی قابل تفکیک تبدیل می­کنند اما باید توجه داشت که این شیوه‌ها‌ ابهامات مر تبط با قضاوت‌ها‌ی افراد و تغییر ارزش آنها را در هنگام انتقال به اعداد نادیده می­گیرند.

منطق فازی برای اولین بار توسط پروفسور لطفی زاده که در جهان علم به پروفسور زاده مشهور است برای پاسخگویی به چنین چالشی مطرح گردید. بنا به اعتقاد وی منطق انسان می تواند از مفاهیم ودانشی بهره جوید که مرزهای خوب تعریف شده ای ندارند. منطق فازی شامل طیف وسیعی از تئوریها وتکنیک­ها‌ می­شود که براساس چهار مفهوم بیان شده است که این چهار مفهوم شامل: مجموعه‌ها‌ی فازی، متغیرهای کلامی، توزیع احتمال و قوانین اگر آنگاه فازی می ­باشد. مجموعه‌ها‌ی فازی و متغیر‌ها‌ی کلامی به عنوان دو مفهوم بنیادین منطق فازی، به طور گسترده­ای در ارزیابی کیفی مورد استفاده قرار گرفته است.

مجموعه فازی مجموعه ای است که قطعیت عضویت اعضا در آن رد شده و هر کدام از اعضا با درجه عضویت مخصوص به خود (µ) به آن مجموعه تعلق دارند. از سوی دیگر در موقعیتی که اطلاعات مورد نیاز کمی باشند بیان آنها به صورت مقادیر عددی بلا مانع است اما زمانی که تحقیق در فضای کیفی انجام می­شود و دانش در آن دارای ابهام و سربستگی است، اطلاعات نمی­توانند به صورت اعداد دقیق بیان شوند به­طوری که در اکثر تحقیقات ذکر گردیده که بیشتر مدیران نمی­توانند یک عدد دقیق را برای بیان عقیده ونظر خود ارائه دهند وبه همین جهت از ارزیابی کلامی به جای ارزش‌ها‌ی عددی خاص، استفاده می­شود. در این موارد ارزش‌ها‌ی صحیح، ارزش‌ها‌ی فازی هستند (به عنوان مثال درست، خیلی درست، کم وبیش درست، غلط، احتمالا غلط و…) که این ارزش‌ها‌ به عنوان ارزش‌ها‌ی متغیر‌ها‌ی کلامی قابل بیان بوده و ارزیابی دقیق­تری را بدست می­دهند.

معمولاً یک عبارت کلامی مناسب بر اساس حوزه مسئله برای توضیح ابهام و سربسته بودن دانش تنظیم می­شود. پس از آن مفهوم عبارات، به وسیله اعداد فازی که توسط فاصله (0,1) و تابع عضویت تعریف می­شوند، مشخص می­گردند از آن­جا که ارزیابی کلامی توسط افراد به صورت تقریبی انجام می شود می توان گفت که توابع عضویت مثلثی وذوزنقه ای برای تقابل با ابهام این نوع ارزیابی‌ها‌ مناسب بوده و تلاش برای دستیابی به مقادیر دقیق تر، غیر ممکن و نیز ضروری است.

ترکیب fuzzy dematel-fuzzy ANP

از روشهای ترکیبی پرکاربرد در محیط فازی ترکیب دو روش دیمتل و ANP است این دو روش دو رویکرد متفاوت دارد یکی رویکرد کلاسیک که به این صورت انجام میگیرد که ابتدا با استفاده از روش دیمتل فازی روابط درونی بین معیارها مشخص می شود و سپس با استفاده از روش ANP و تشکیل مقایسات زوجی وزن معیارها محاسبه می گردد. این روش محدودیت های زیادی دارد از جمله اینکه ممکن است در ANP اوزان صفر بوجود آید. رویکرد جدیدی که ترکیب این دو روش را دارد رویکرد DANP می باشد که با استفاده از ماتریس ارتباطات کل دیمتل فازی، وارد سوپرماتریس های اولیه، موزون و حدی ANP می شود. و وزن عوامل پژوهش را محاسبه می کند.

در تکنیکهای تصمیم گیری چندشاخصه (MADM) به منظور استفاده از توابع مطلوبیت جمع پذیر که در اکثر این تکنیکها مورد استفاده قرار می گیرد، فرض بر برقراری شرط استقلال مطلوبیتی یا مختصاتی معیارها گذاشته می شود. به هر حال در مسائل واقعی پذیرفتن این فرض چندان منطقی به نظر نمی رسد. بنابراین لازم است در ابتدا ساختار معیارها و روابط بین آنها شفاف سازی شود تا اینکه بتوان از یک روش مناسب برای حل مساله MADM مورد نظر استفاده کرد. مدلهای ساختاری و در راس آن روش دیمتل در واقع بر مبنای یک چنین تفکری شکل گرفته اند.

در حین استفاده از ANP ، رابطه بین معیارها (عوامل) باید به درستی تعیین شود. اگرچه ، ANP ارزیابی تأثیر و وابستگی متقابل عوامل را ارائه می دهد ، اما گاهی اوقات ، این امر توسط تصمیم گیرندگان مشخص نیست. بر این اساس ، حتی اگر ANP در بسیاری از زمینه ها با موفقیت به کار رفته باشد ، مطالعات مرتبط با نقص و  با وابستگی های داخلی سروکار خواهد داشت. در یک سیستم به هم وابسته ، تمام معیارهای سیستم به طور مستقیم یا غیرمستقیم با یکدیگر مرتبط هستند. یکی از راه حل های منحصر به فرد برای مشکل ، روش DEMATEL است. در چنین مواردی ، DEMATEL نه تنها روابط بین علت و تأثیر معیارها را به یک مدل ساختاری بصری تبدیل می کند ، بلکه می تواند به عنوان روشی عملی برای رسیدگی به وابستگی های درونی در مجموعه ای از معیارها نیز استفاده شود. براساس مقایسه های زوجی ، روش DEMATEL رابطه بین علل و تأثیر معیارها را به یک مدل ساختاری قابل فهم سیستم تبدیل می کند. بنابراین ، به عنوان یک استراتژی مکمل برای بهبود درک مسائل تصمیم گیری، رویکرد ترکیبی ANP-DATATEL می تواند نتایج دقیق تری ایجاد کند.

روش ANP را می توان به شرح زیر توصیف کرد. اولین قدم ANP ، مقایسه معیارها در کل سیستم برای شکل دادن سوپر ماتریس است. این کار از طریق مقایسه زوجی با پرسیدن ” اهمیت / تأثیر یک معیار با معیار دیگری که با توجه به علایق یا ترجیحات ما مقایسه شده است چقدر می باشد؟ “انجام داد. مقدار اهمیت نسبی را می توان با استفاده از مقیاس 1-9 تعیین کرد.

تکنیک دیمتل، برای تحقیق و حل مسائل پیچیده بکار گرفته میشود. این روش متعلق به مدلهای ساختاری است. مدلسازی ساختاری به معنای سازماندهی مجموعه ای از عناصر یک سیستم در قالب یک مدل ساختاری و تعیین روابط بین آنهاست. با استفاده از مدلهای ساختاری می توان مسیرهایی که زیرسیستم ها به هم متصلند و همچنین شکل کلی سیستم را نمایش داد. برخلاف مدلسازی ریاضی که مستلزم تعریف دقیق متغیرهای کمی است مدلسازی ساختاری یک رویکرد کیفی است که از طریق آن می توان ویژگیهای ادراکی یک سیستم را به تصویر کشید.

روش های رتبه بندی گزینه ها

 روشهای زیادی نیز برای رتبه بندی گزینه ها و آلترناتیوهای پژوهش استفاده می شود از جمله روشهای ویکور، تاپسیس، الکتره، SAW، پرومته و… این روشها با استفاده از معیارها، گزینه های پژوهش را رتبه بندی می کنند این تکینک ها به تنهایی قادر به محاسبه وزن معیارها نیستند بنابراین باید با استفاده از روشهای دیگر وزن معیارها را محاسبه نمود و به عنوان ورودی به این روشها داده شود. این روشهای نیز در محیط های فازی و خاکستری به خوبی قابل پیاده سازی است. البته روشهای جدیدی نیز وجود دارد که در زمره روشهای رتبه بندی گزینه ها قرار میگیرد مانند روش WASPAS یا مولتی مورا.

تصمیم‌گیری یک فرآیند است که از تعریف مسئله شروع شده و تا دستیابی به یک تصمیم مطمئن ادامه می‌یابد. برای فرآیند تصمیم‌گیری چندشاخصه مطابق با شکل ‏زیر می‌توان هشت قدم فرض نمود. انتخاب یک روش مناسب تصمیم‌گیری یکی از قدم‌های این فرآیند می‌باشد که نتیجه آن به صورت مستقیم بر نتایج نهایی تصمیم‌گیری موثر خواهد بود. هرچند که تمرکز این تحقیق تنها بر روی مرحله انتخاب  روش تصمیم‌گیری می‌باشد، اما سایر مراحل این فرآیند نیز به نوبه خود بر روی نتایج نهایی تاثیرگذار می‌باشد. بسیاری از محققین بر این عقیده‌اند که مراحل اولیه فرآیند تصمیم‌گیری نظیر شناسایی گزینه‌های تصمیم‌گیری و همچنین تعیین مشخصه‌های تصمیم‌گیری و اوزان آن‌ها، از اهمیت بیشتری نسبت به انتخاب روش تصمیم‌گیری برخوردار است. لذا جهت دستیابی به نتایج مطمئن برای یک مسئله تصمیم‌گیری می‌بایست تک‌تک قدم‌های این فرآیند را با دقت مورد توجه قرار داد.

تصمیم گیری چند معیاره در اکسل و متلب

مدل های تصمیم گیری چند معیاره به خاطر داشتم الگوریتم ریاضی وار و روابط برگرفته شده از مباحث پایه ریاضی، به سادگی در محیطهای اکسل (excel) و متلب (MATLAB) قابل پیاده سازی هستند به صورتیکه با استفاده از توابع مختلف در اکسل می توان مدل های بسیار بزرگ را پیاده کرد که به راحتی قابل محاسبه هستند. به عنوان مثال روش هایی نظیر AHP یا تاپسیس به راحتی با استفاده از توابع اصلی اکسل نظیر جمع، ضرب، ضرب ماتریسی قابل انجام هستند و یا روش دیمتل که با توابع ماتریسی اکسل مانند ضرب دو ماتریس، معکوس ماتریس در رابطه است.

علاقه مندان به روش های تصمیم گیری چندمعیاره می توانند جهت مشاوره و  آشنایی با روش های اخیر MCDM جهت استفاده در پژوهش های خود از ما کمک بگیرند.

کافیست با ما تماس بگیرید —-> 09338859181