روش Fuzzy SWARA (سوارا فازی)| حل مثال و آموزش

مقدمه

در بسیاری از مسائل تصمیم‌گیری دنیای واقعی، قضاوت‌های خبرگان با ابهام، عدم قطعیت و نادقیقی همراه است. انسان‌ها معمولاً نمی‌توانند اهمیت معیارها یا برتری گزینه‌ها را با اعداد قطعی و دقیق بیان کنند؛ بلکه آن‌ها را با عباراتی مانند تقریباً مهم، خیلی زیاد، کم یا بین متوسط و زیاد توصیف می‌کنند. منطق فازی دقیقاً برای حل چنین شرایطی ارائه شده است. منطق فازی با استفاده از اعداد فازی مثلثی یا ذوزنقه‌ای امکان تبدیل قضاوت‌های مبهم انسانی به داده‌های قابل تحلیل ریاضی را فراهم می‌کند و سبب می‌شود نتایج مدل‌سازی به واقعیت انسانی نزدیک‌تر و قابل اعتمادتر باشند. از این‌ رو، روش‌های تصمیم‌گیری چندمعیاره در محیط فازی نسبت به نسخه‌های قطعی مزایای قابل‌توجهی مانند کاهش خطای ذهنی، انعطاف‌پذیری بیشتر، و بیان بهتر عدم‌قطعیت را ارائه می‌دهند.

یکی از روش‌های مهم در حوزه وزن‌دهی معیارها، روش سوارا (SWARA) است که به دلیل سادگی، سرعت بالا و نیاز به مقایسات محدود، کاربرد گسترده‌ای در پژوهش‌های مدیریتی، مهندسی، محیط‌زیست، اقتصاد و سایر حوزه‌ها پیدا کرده است. با این حال، نسخه کلاسیک سوارا بر پایه داده‌های قطعی عمل می‌کند و نمی‌تواند ابهام طبیعی موجود در قضاوت خبرگان را به خوبی پوشش دهد. به همین دلیل، پژوهشگران نسخه سوارا فازی (Fuzzy SWARA) را توسعه داده‌اند تا این روش در مواجهه با قضاوت‌های مبهم، عملکرد دقیق‌تر و واقع‌بینانه‌تری داشته باشد.

گام های روش fuzzy SWARA

در ادامه گام های روش سوارا فازی بر اساس مقاله بیس Mavi & et al (2017) آورده شده است.

 تعیین و نهایی‌سازی معیارهای تصمیم‌گیری

در ابتدا معیارهای مؤثر بر مسئله تصمیم‌گیری شناسایی می‌شوند. این معیارها می‌توانند از طریق مرور ادبیات پژوهش، مصاحبه با خبرگان، تکنیک دلفی یا تحلیل اسناد استخراج شوند. در این مرحله ساختار نهایی معیارها مشخص و مورد تأیید خبرگان قرار می‌گیرد.

رتبه‌بندی معیارها بر اساس اهمیت

خبرگان معیارها را بر اساس میزان اهمیت، از مهم‌ترین به کم‌اهمیت‌ترین مرتب می‌کنند. این رتبه‌بندی مبنای محاسبات مرحله‌ای در روش سوارا است در نسخه فازی، این رتبه‌بندی همچنان به صورت ترتیبی انجام می‌شود اما قضاوت‌های مربوط به شدت اهمیت در مراحل بعد به شکل فازی بیان می‌گردد.

تعیین اهمیت نسبی معیارها به صورت فازی

از خبرگان خواسته می‌شود میزان اهمیت هر معیار را نسبت به معیار قبلی (در ترتیب رتبه‌بندی‌شده) مشخص کنند. این بخش به تکمیل پرسشنامه سوارا نیز معروف است. در روش سوارا فازی، این مقادیر به جای اعداد قطعی، با استفاده از اعداد فازی مثلثی بر اساس جدول زیر بیان می‌شوند که سپس به مقادیر فازی تبدیل می‌گردند. این مرحله مهم‌ترین تفاوت نسخه فازی با نسخه کلاسیک است، زیرا عدم‌قطعیت موجود در قضاوت انسانی در این بخش مدل‌سازی می‌شود. طبق جدول زیر، اهمیت نسبی عامل j نسبت به عامل قبلی (j – 1) که اهمیت بالاتری دارد تعیین می شود.

محاسبه ضرایب مقایسه در محیط فازی

بر اساس اهمیت‌های نسبی فازی تعیین‌شده، ضرایب مقایسه هر معیار در محیط فازی بر اساس رابطه زیر محاسبه می‌شود. این ضرایب نشان می‌دهند هر معیار چه میزان نسبت به معیار قبلی کاهش اهمیت دارد. تمامی محاسبات در این مرحله با استفاده از قواعد حساب فازی انجام می‌شود.

محاسبه ضرایب وزن تعدیل‌شده فازی

در این گام وزن اولیه معیارها به صورت مرحله‌ای و وابسته به ترتیب اهمیت آن‌ها بر اساس رابطه زیر محاسبه می‌شود. نتیجه این مرحله، به‌دست‌آوردن وزن‌های فازی برای هر معیار است که هنوز نرمال نشده‌اند.

نرمال‌سازی وزن‌های فازی

وزن‌های فازی حاصل، بر اساس رابطه زیر نرمال می شوند. در پایان این مرحله، وزن نهایی هر معیار به صورت عدد فازی به دست می‌آید.

غیرفازی‌سازی

در این بخش وزن های فازی که در مرحله قبل محاسبه شده اند توسط روابط غیرفازی، تبدیل به وزن قطعی می شوند تا بتوان بهتر بر روی آن ها بحث و نتیجه گیری نمود.

بررسی روش سوارا فازی در مقالات

روش Fuzzy SWARA در سال‌های اخیر به‌عنوان یکی از روش‌های مؤثر وزن‌دهی در تصمیم‌گیری چندمعیاره به‌ویژه در محیط‌های مبهم و پیچیده مورد توجه قرار گرفته است. این روش معمولاً در کنار سایر تکنیک‌های فازی مانند COCOSO فازی و COPRAS فازی برای ارزیابی و رتبه‌بندی معیارها و گزینه‌ها به کار می‌رود.

مطالعات مختلف نیز کاربردهای گسترده این روش را نشان می‌دهند: برای مثال، در صنعت ساخت‌وساز هند از ترکیب Fuzzy SWARA و Fuzzy COPRAS برای شناسایی عوامل مؤثر بر پذیرش فناوری‌های Industry 4.0 استفاده شده و نتایج نشان داده‌اند که «سودآوری» مهم‌ترین عامل است. همچنین این روش در ارزیابی تأمین‌کنندگان در زنجیره تأمین بازسازی پایدار به کار رفته و «ابتکارات مدیریتی» به‌عنوان راه‌حل کلیدی معرفی شده است. علاوه بر این، پژوهش‌ها نشان می‌دهند که Fuzzy SWARA در انتخاب مکان‌های بهینه مراکز توزیع نیز کارآمد بوده و نقش مهمی در تصمیم‌گیری مکانی دارد. در جدول زیر خلاصه‌ای از این پژوهش‌ها ارائه شده است.

فیلم آموزش روش fuzzy SWARA

در این بخش، فیلم آموزشی روش سوارا فازی (Fuzzy SWARA) ارائه شده است که در آن مراحل اجرای این روش به‌صورت کامل و گام‌به‌گام آموزش داده می‌شود. در این آموزش، ابتدا مفاهیم پایه روش سوارا فازی و نحوه بیان قضاوت‌های خبرگان با استفاده از اعداد فازی مثلثی توضیح داده شده و سپس مراحل محاسباتی روش به صورت عملی تشریح می‌گردد.

در ادامه، یک مثال کامل از ابتدا تا انتها در نرم‌افزار Excel حل شده است تا نحوه انجام محاسبات، تعیین اهمیت نسبی معیارها، محاسبه ضرایب مقایسه و استخراج وزن نهایی معیارها به‌صورت کاملاً کاربردی نمایش داده شود. این آموزش به گونه‌ای طراحی شده است که پژوهشگران، دانشجویان و علاقه‌مندان حوزه تصمیم‌گیری چندمعیاره و روش‌های فازی بتوانند به سادگی روش سوارا فازی را در پروژه‌ها و پژوهش‌های خود پیاده‌سازی کنند.

در ویدیوی زیر پیش نمایشی از فیلم اصلی آورده شده است.

منابع مورد استفاده:

Chaurasiya, R, Jain, D (2023). Hybrid MCDM method on pythagorean fuzzy set and its application. Decision Making: Applications in Management and Engineering. https://doi.org/10.31181/dmame0306102022c

Stević, Ž et al. (2022). Objective Criticism and Negative Conclusions on Using the Fuzzy SWARA Method in Multi-Criteria Decision Making. Mathematics. https://doi.org/10.3390/math10040635

Xiang, Z et al. (2022). Selection of Coal Transportation Company Based on Fuzzy SWARA-COPRAS Approach. Logistics. https://doi.org/10.3390/logistics6010007

Vojinovic, N et al. (2022). A Novel IMF SWARA-FDWGA-PESTEL Analysis For Assessment Of Healthcare System. Operational Research in Engineering Sciences: Theory and Applications. https://doi.org/10.31181/oresta070422211v

Xiang, Z et al. (2021). Supplier Selection of Shipbuilding Enterprises Based on Intuitionistic Fuzzy Multicriteria Decision. Mathematical Problems in Engineering. https://doi.org/10.1155/2021/1775053

Fetanat, A et al. (2022). Combining life cycle sustainability assessment and fuzzy multicriteria decision making method for prioritizing the flare technologies in the oil, gas, and chemical plants. Environmental Progress & Sustainable Energy, 41. https://doi.org/10.1002/ep.13837

Beyli̇han, E, Elevli, S (2023). USE OF THE FUZZY SWARA METHOD IN FAILURE MODE EFFECT ANALYSIS: CASE OF AUTOMOTIVE INDUSTRY. Mühendislik Bilimleri ve Tasarım Dergisi. https://doi.org/10.21923/jesd.1085124

Puška, A et al. (2023). A Comprehensive Decision Framework for Selecting Distribution Center Locations: A Hybrid Improved Fuzzy SWARA and Fuzzy CRADIS Approach. Comput., 11, 73. https://doi.org/10.3390/computation11040073

Tayal, A et al. (2024). ARank-FSC: Assessment and ranking of Industry 4.0 enablers using fuzzy SWARA and fuzzy COPRAS in Indian construction. Intelligent Decision Technologies. https://doi.org/10.3233/idt-240459

Ansari, Z N et al. (2020). Evaluation and ranking of solutions to mitigate sustainable remanufacturing supply chain risks: a hybrid fuzzy SWARA-fuzzy COPRAS framework approach. International Journal of Sustainable Engineering, 13, 473 – 494. https://doi.org/10.1080/19397038.2020.1758973

Puška, A et al. (2023). A Comprehensive Decision Framework for Selecting Distribution Center Locations: A Hybrid Improved Fuzzy SWARA and Fuzzy CRADIS Approach. Comput., 11, 73. https://doi.org/10.3390/computation11040073