آموزش روش COBRAC (کوبراک) تکنیک وزن دهی| حل مثال و نرم افزار

مقدمه

در دنیای واقعی، تصمیم‌گیری معمولاً ساده و تک‌معیاره نیست. مدیران، برنامه‌ریزان، پژوهشگران و مهندسان تقریباً همیشه با مسائلی روبه‌رو هستند که در آن‌ها چندین معیار به‌صورت هم‌زمان باید مورد توجه قرار گیرد.

برای مثال، در انتخاب یک پروژه عمرانی، تنها هزینه اهمیت ندارد؛ بلکه معیارهایی مانند زمان اجرا، ریسک، اثرات زیست‌محیطی، رضایت ذی‌نفعان و پایداری نیز نقش کلیدی دارند.

در چنین شرایطی، استفاده از رویکردهای سنتی و شهودی تصمیم‌گیری، معمولاً منجر به نتایج غیرشفاف، ناسازگار و حتی اشتباه می‌شود. به همین دلیل، تصمیم‌گیری چندمعیاره به‌عنوان یک چارچوب علمی و ساختارمند توسعه یافته است.

تصمیم‌گیری چندمعیاره (MCDM) به زبان ساده

تصمیم‌گیری چندمعیاره مجموعه‌ای از روش‌ها و مدل‌های کمی و کیفی است که به تصمیم‌گیرندگان کمک می‌کند:

• چند معیار مختلف و حتی متضاد را به‌صورت هم‌زمان بررسی کنند.
• اهمیت نسبی هر معیار را به‌طور شفاف مشخص نمایند.
• قضاوت‌های انسانی را به عبارات ریاضی قابل تحلیل تبدیل کنند.
• فرآیند تصمیم‌گیری را علمی و قابل دفاع سازند.

به بیان ساده، MCDM تلاش می‌کند فاصله بین تصمیم گیری در تفکر انسانی و تحلیل ریاضی را پر کند.

چرا روش‌های تصمیم‌گیری چندمعیاره اهمیت دارند؟

اهمیت روش‌های MCDM زمانی بیشتر مشخص می‌شود که با مسائل زیر مواجه باشیم:

1. وجود تعداد زیادی معیار تصمیم‌گیری
2. تعارض بین معیارها (مثلاً کاهش هزینه در مقابل افزایش کیفیت)
3. عدم قطعیت و ابهام در قضاوت‌ها
4. نیاز به تصمیم‌گیری گروهی با حضور چند خبره

در چنین شرایطی، روش‌های تصمیم‌گیری چندمعیاره باعث می‌شوند تصمیم‌ها منطقی‌تر، شفاف‌تر، دارای ریسک کمتر و قابل دفاع‌تر باشند.

دسته‌بندی کلی روش‌های تصمیم‌گیری چندمعیاره

روش‌های MCDM را می‌توان به‌طور کلی به سه دسته اصلی تقسیم کرد که هر کدام نقش متفاوتی در فرآیند تصمیم‌گیری دارند.

روش‌های وزن‌دهی معیارها

در این دسته از روش‌ها، تمرکز اصلی بر پاسخ به این سؤال است: هر معیار چقدر مهم است؟

در واقع، هدف این روش‌ها تعیین وزن یا ضریب اهمیت معیارها است تا مشخص شود کدام معیار تأثیر بیشتری بر تصمیم نهایی دارد.

ویژگی‌های روش‌های وزن‌دهی:

• تمرکز بر معیارها، نه گزینه‌ها
• استفاده از قضاوت خبرگان
• تبدیل نظرات کیفی به وزن‌های کمی

نمونه‌هایی از روش‌های وزن‌دهی:

1. 1. AHP
   2. BWM
   3. SWARA
   4. CRITIC
   5. Entropy
   6. COBRAC

روش‌های رتبه‌بندی گزینه‌ها

در این روش‌ها، فرض می‌شود که وزن معیارها از قبل مشخص شده است و هدف، مقایسه و رتبه‌بندی گزینه‌ها است.

کاربرد این روش‌ها:

1. 1. • انتخاب بهترین گزینه
      • اولویت‌بندی گزینه
      • مقایسه و تحلیل حساسیت چند گزینه

نمونه‌های رایج:

1. 1. • TOPSIS
      • VIKOR
      • ELECTRE
      • PROMETHEE
      • WASPAS

روش‌های تحلیل و ارزیابی روابط بین معیارها

این دسته از روش‌ها نه به‌طور مستقیم وزن معیارها را محاسبه می‌کنند و نه گزینه‌ها را رتبه‌بندی می‌کنند.

تمرکز آن‌ها بر تحلیل ساختار مسئله و روابط درونی معیارهاست.

کاربردهای اصلی:

1. 1. • شناسایی روابط علّی–معلولی
      • تفکیک معیارهای اثرگذار و اثرپذیر
      • تحلیل سیستم‌های پیچیده

نمونه‌ها:

• • • DEMATEL
    • ISM
    • FCM
    • MICMAC

جایگاه روش COBRAC در میان روش‌های MCDM

روش COBRAC (Comparisons Between Ranked Criteria) یک روش جدید در حوزه تصمیم‌گیری چندمعیاره است که ایده اصلی آن بر مقایسه زوجی معیارهای مجاور در یک رتبه‌بندی اولیه استوار است. این روش توسط Pamucar et al (2024) ارائه شد. برخلاف روش‌هایی مانند AHP که نیازمند مقایسه همه معیارها با یکدیگر هستند، COBRAC فقط به مقایسه معیارهایی می‌پردازد که از نظر اهمیت، کنار هم قرار دارند.این روش به‌طور مشخص در دسته روش‌های وزن‌دهی معیارها قرار می‌گیرد. این روش با هدف رفع برخی ضعف‌های روش‌های کلاسیک مانند AHP طراحی شده و تمرکز آن بر کاهش بار تصمیم‌گیرنده در تکمیل پرسشنامه، افزایش سازگاری قضاوت‌ها و  امکان استفاده در مسائل با تعداد زیاد معیار است.

تحقیقات روان‌شناسی شناختی نشان می‌دهد که ذهن انسان توانایی محدودی در مقایسه هم‌زمان تعداد زیادی از عناصر دارد. زمانی که تعداد معیارها افزایش می‌یابد، احتمال ناسازگاری در قضاوت‌ها نیز بیشتر می‌شود. روش COBRAC با در نظر گرفتن این محدودیت شناختی، فرض می‌کند که تصمیم‌گیرندگان می‌توانند معیارهای نزدیک به هم را با دقت و اطمینان بیشتری مقایسه کنند.

مراحل اجرای روش COBRAC

در شکل زیر مراحل کامل روش کوبراک در چهار مرحله آورده شده است. این مراحل نیز در ادامه توضیح داده شده اند.

گام اول: رتبه‌بندی معیارها

در این مرحله، معیارها بر اساس میزان اهمیت کلی آن‌ها مرتب‌سازی می‌شوند.

این رتبه‌بندی می‌تواند بر اساس حالات زیر انجام شود:

1. 1. • نظر مستقیم خبرگان
      • میانگین ارزیابی‌های عددی
      • یا نتایج یک روش کمکی

گام دوم: مقایسه زوجی معیارهای مجاور

پس از رتبه‌بندی، تنها معیارهای مجاور با یکدیگر مقایسه می‌شوند. نتیجه هر مقایسه به‌صورت یک مقدار عددی در بازه [0,1] بیان می‌شود که نشان‌دهنده سهم نسبی هر معیار است.

گام سوم: استخراج روابط وزنی

بر اساس مقایسه‌ها، روابط نسبی بین وزن معیارها تعریف می‌شود.

این روابط، اهمیت نسبی معیارها را نشان می‌دهند و پایه ورود به مرحله بهینه‌سازی هستند.

گام چهارم: حل مدل بهینه‌سازی غیرخطی

در نهایت، یک مدل بهینه‌سازی غیرخطی طراحی می‌شود که هدف آن حداقل‌سازی بیشترین انحراف از قضاوت‌های خبرگان و تحت قیود زیر می‌باشد:

1. 1. • مجموع وزن‌ها برابر ۱
      • وزن‌ها نامنفی باشند

خروجی این مدل، وزن‌های نهایی و سازگار معیارهاست (این مدل بهینه سازی توسط نرم افزارهایی مانند لینگو و یا گمز حل می شوند).

مزایای روش COBRAC

روش COBRAC دارای مزایای متعددی است، از جمله:

1. 1. • کاهش تعداد مقایسه‌های زوجی
      • افزایش سازگاری نتایج
      • مناسب برای مسائل با تعداد زیاد معیار
      • ساختار ریاضی شفاف و قابل دفاع
      • امکان ترکیب با سایر روش‌های رتبه‌بندی

در ادامه فیلم آموزش روش کوبراک به همراه پیاده سازی در نرم افزار آورده شده است.

فیلم آموزش روش COBRAC با مثال کاربردی

فیلم آموزش روش COBRAC به‌صورت جامع و کاربردی تهیه شده است که در آن، مفاهیم و مراحل اجرای این روش به‌طور کامل توضیح داده می‌شود و یک مثال عددی واقعی به‌صورت گام‌به‌گام در نرم‌افزار Excel حل شده است؛ همچنین فرآیند مدل‌سازی و حل مدل بهینه‌سازی غیرخطی در نرم‌افزار LINGO نیز به‌صورت عملی آموزش داده شده تا بتوانید این روش را به‌صورت حرفه‌ای در پروژه‌ها و تحقیقات خود به کار بگیرید .

چنانچه نیازمند مشاوره و تحلیل خود با این روش هستید با ما تماس بگیرید 09338859181