تکنیک آراس
نمونه بارزی از مسائل تصمیم گیری چند معیاره مربوط به رتبه بندی تعداد متناهی از گزینه های تصمیم گیری است، که هر یک از آنها به وضوح بر حسب ضوابط تصمیم گیری متفاوت که باید به طور همزمان در نظر گرفته شود، توصیف شده است. روش آراس مقدار یک تابع مطلوبيت مجموعه بازده نسبی (کارایی نسبی) یک گزینه ممکن، به طور مستقیم متناسب با اثر نسبی ارزش ها و وزن معیارهای اصلی که در یک پروژه مطرح شده است را تعیین میکند.
روش آراس (ARAS) یکی از روشهای تصمیم گیری چند معیاره است که در سال 2010 توسط آقای زاوادسکاس و ترکسیس معرفی شد. واژه ARAS مخفف جمله Additive Ratio Assessment به معنی ارزیابی نسبت جمعی می باشد. روش ARAS همانند روش های تاپسیس یا ویکور یا الکتره می باشد یعنی ماتریس تصمیم آن به صورت معیار-گزینه است. این روش برای انجام نیازمند وزن معیارها است پس باید ابتدا توسط روشهایی نظیر آنتروپی شانون و یا روش AHP وزن معیارها را محاسبه کرد سپس توسط این روش گزینه ها را رتبه بندی نمود. پرسشنامه روش ARAS همانند پرسشنامه روش تاپسیس می باشد.
روش ARAS مبتنی بر این استدلال است كه با استفاده از مقایسه های ساده نسبی می توان پدیده های دنیای پیچیده را درک كرد. استدلال می شود که نسبت مجموع مقادیر نرمال و وزنی معیارها ، که گزینه جایگزین مورد نظر را توصیف می کند ، به مجموع مقادیر معیارهای نرمال و وزن دهی شده ، که گزینه جایگزین بهینه را توصیف می کند ، درجه بهینه است ، که با رسیدن به گزینه جایگزین مطابق روش ARAS ، یک مقدار تابع مطلوبیت برای تعیین کارآیی نسبی پیچیده یک جایگزین مناسب ، مستقیماً با تأثیر نسبی مقادیر و وزن معیارهای اصلی در نظر گرفته شده در یک پروژه متناسب است.
روش ARAS اجازه می دهد تا سطح عملکرد جایگزین را تعیین کنید و نسبت هر یک از گزینه های جایگزین، ایده آل را نشان می دهد.
در فیلم زیر توضیحات کاملی از روش آراس آورده شده است از جمله اهداف این روش، موارد استفاده، مفروضات مورد نیاز و… که پیشنهاد می شود حتما این ویدیو را مشاهده کنید.
گام های روش تصمیم گیری ARAS
1- در اولین گام این روش باید ماتریس تصمیم را تشکیل داد. ماتریس تصمیم این روش جهت ارزیابی گزینه های مساله مورد استفاده قرار می گیرد بنابراین ماتریسی است که سطرهای آن را گزینه ها و ستون های آن را معیارهای پژوهش تشکیل می دهد و هر سلول این ماتریس ارزیابی هر گزینه نسبت به هر معیار است.
2- تعیین مقدار ایده آل فرضی: مقدار ایده آل برای معیارهای مثبت برابر بیشترین مقدار و برای معیارهای منفی برابر کمترین مقدار.
3- نرمال کردن ماتریس تصمیم: برای معیارهای مثبت و منفی به صورت جداگانه باید نرمال شوند که از دو رابطه زیر این فرایند صورت می گیرد.
4- وزن دار کردن ماتریس تصمیم: کافیست وزن معیارهایی که از روش آنتروپی یا AHP بدست آمده اند در معیارهای نرمال شده ضرب شوند تا ماتریس وزن دار حاصل شود.
5- محاسبه مطلوبیت کل هر گزینه: کافیست اعداد نرمال شده وزین را به صورت سطری با هم جمع کنیم. بزرگترین مقدار Si بهترین است، و کمترین آن بدترین. با توجه به روند محاسبه شده، تابع بهینگی Si دارای یک رابطه مستقیم و متناسب با مقادیر xij و وزن های wj از معیارهای بررسی شده و تأثير نسبی آنها بر روی نتیجه ی نهایی است. بنابراین، بیشترین مقدار (ارزش) تابع بهینگی Si اثربخش ترین متغیر است. اولویتهای گزینه ها می تواند با توجه به مقدار Si تعيين گردد. در نتیجه استفاده از این روش برای ارزیابی و رتبه بندی گزینه های تصمیم گیری مناسب است
6- محاسبه مطلوبیت نسبی هر گزینه و رتبه بندی گزینه ها: محاسبه درجه مطلوبیت هر گزینه در مورد ارزیابی گزینه ها نه تنها تعيين بهترین رتبه اهمیت دارد بلکه مهم است که کیفیت (مطلوبیت) نسبی هر گزینه مطرح شده نیز مشخص شود. به همین منظور از درجه ی مطلوبیت هر گزینه استفاده میگردد. درجه ی مطلوبیت هر گزینه (آلترناتیو) به وسیله مقایسه متغیر -که تجزیه و تحلیل شده است. با حالت ایده آل یعنی So مشخص می گردد. معادله مورد استفاده برای محاسبه درجهی مطلوبیت Ki از یک گزینه ai به صورت زیر است:
جهت تهیه فیلم آموزشی روش آراس و پیاده سازی آن در نرم افزار اکسل اینجا را کلیک کنید
چنانچه نیازمند مشاوره رایگان و یا انجام پروژه های خود با این روش هستید با ما تماس بگیرید 09338859181
مطالب مشابه و مرتبط:
با سلام
خیلی ممنون از توضیحات خوب و عالیتان
یه سوال داشتم، تو روش آراس در گام 6 s0 از کجا بدست میاد؟
سلام. از جمع سطری درایه های ماتریس وزن دار A0