تکنیک BSC (کارت امتیازی متوازن) و تاپسیس
تصمیم گیری، فرآيند يافتن بهترين موقعیت در بین گزينه های موجود است. تقريباً در اكثر مسائل تصمیم گیری به علت كثرت معیارها، تصمیم گیرنده دچار مشكل مي شود. از اين رو برای اكثر مسائل، تصمیم گیرنده مي خواهد به بیش از يك هدف، در راستای انتخاب نحوه اجرای فعالیت ها، دست يابد.
استفاده از روش های ترکیبی در مدل های تصمیم گیری همیشه باعث ساده تر شدن و کاربردی تر شدن مساله می شود. تکنیک BCS یا کارت امتیازی متوازن یکی از مدل های معروف ارزیابی عملکرد است از این مدل دارای 4 بعد؛ مشتری، فرایندهای داخلی، مالی، آموزش و یادگیری است. اين روش كلیه جنبه های مالي و غیرمالي عملكرد يك سازمان را تحت پوشش قرار داده و توازني بین اندازه های مربوط به خروجي عملكرد مربوط به گذشته و محرک های عملكرد آينده ايجاد مي نمايد. روش ارزيابي متوازن به عنوان يك سیستم ارزيابي عملكرد، علاوه بر ارزيابي مالي سنتي، عملكرد سازمان را با افزودن سه بعد ديگر يعني مشتريان، فرآيندهای داخلي كسب و كار، يادگیری و رشد مورد ارزيابي قرار مي دهد. ترکیب این مدل با روش تاپسیس (TOPSIS) از پرطرفدارترین مدل های ترکیبی ارزیابی عملکرد با تکنیک های تصمیم گیری چند شاخصه است. روش تاپسیس رتبه بندی گزینه ها را بر اساس شباهت به راه حل ایدهآل انجام می دهد. در این روش ترکیبی ابتدا بر اساس ابعاد اصلی BSC، معیارهای و زیرمعیارهایی مناسب با موضوع پژوهش احصاء می کنیم.
در ویدیوی زیر توضیحاتی در مورد روش BSC و ترکیب آن با مدل های تصمیم گیری چند معیاره آورده شده است پیشنهاد میکنیم حتما ویدیوی زیر را مشاهده کنید.
مثال روش BSC و تاپسیس
فرض کنیم میخواهیم ارزیابی عملکرد تعدادی از شعبات بانک را با روش ترکیبی کارت امتیازی متوان و روش تاپسیس بررسی کنیم. پس در گام اول عوامل BSC را برای بانک از منابع موجود استخراج می کنیم:
در گام بعد باید وزن معیارها و زیرمعیارها را با استفاده از روشهایی همچون روش AHP یا روش ANP محاسبه نمود. برای این کار ابتدا باید مقایسات زوجی معیارها و سپس مقایسات زوجی زیرمعیارها نسبت به هر معیار را ایجاد کرد و وزن آن ها را محاسبه نمود. در گتم بعد باید ماتریس تصمیم تاپسیس را ایجاد کرد سطرهای این ماتریس را گزینه ها (شعبات بانک) و ستون های آن را زیرمعیارها تشکیل می دهد همچنین یکی از ورودی های این تکنیک این است که وزن نهایی زیرمعیارها را وارد کنیم (همان وزن هایی که از روش AHP یا ANP بدست آمده اند).
در گام بعد باید ماتریس تصمیم را نرمال کرد برای نرمال سازی باید هر عدد را بر جذر مجموع مربعات اعداد آن ستون تقسیم کرد تا عملیات بی بعد سازی صورت بگیرد.
در گام بعد باید ماتریس نرمال وزن دار را ایجاد کرد. این ماتریس از ضرب وزن زیرمعیارها که از روش AHP و یا ANP بدست آمده است را در ماتریس نرمال ضرب میکنیم.
در این گام باید ایده آلهای مثبت و منفی زیرمعیارها را مشخص کرد اگر زیرمعیاری از نوع مثبت باشد ایده آل مثبت برابر با بزرگترین درایه آن ستون و اگر معیار منفی باشد ایده آل مثبت برابر با کوچکترین درایه آن ستون. برای ایده آل های منفی به صورت بالعکس.
در گام بعد باید فاصله هر گزینه را از ایده آل مثبت و ایده آل منفی بدست آوریم. فاصله گزینه ها از ایده آل مثبت را با d+ و فاصله گزینه ها تا ایده آل منفی را با d- نشان می دهیم.
در گام نهایی باید شاخص شباهت گزینه ها را بدست آوریم. و بر اساس آن گزینه ها را رتبه بندی کنیم. هر چقدر شاخص شباهت یک گزینه بزرگتر باشد نشان دهنده برتری آن گزینه است.
چنانچه نیازمند مشاوره و یا انجام پروژه خود با این روشها هستید با ما تماس بگیرید| 09338859181
مطالب مشابه و مرتبط:
