روش CORASO (فازی و غیرفازی) |مثال آموزشی+اکسل

مقدمه‌ای بر روش‌های تصمیم‌گیری چندمعیاره (MCDM)

در دنیای پیچیده امروز که تصمیم‌گیری‌های استراتژیک اغلب با گزینه‌ها و عوامل متعددی همراه است، استفاده از روش‌های تصمیم‌گیری چندمعیاره یا MCDM (Multi-Criteria Decision Making) به یکی از ابزارهای ضروری برای مدیران، مهندسان و پژوهشگران تبدیل شده است. این روش‌ها به تصمیم‌گیرندگان کمک می‌کنند تا در شرایطی که چند معیار (گاهی متضاد) برای انتخاب گزینه‌های مختلف وجود دارد، بهترین تصمیم را اتخاذ کنند. در واقع، تصمیم‌گیری چندمعیاره به دنبال ارزیابی گزینه‌ها یا راه‌حل‌های مختلف بر اساس مجموعه‌ای از معیارها است، که هر یک ممکن است دارای اهمیت متفاوتی باشند. روش‌های MCDM با ارائه چارچوب‌های تحلیلی، به تصمیم‌گیرنده اجازه می‌دهند تا عوامل کیفی و کمی را به صورت یکپارچه در فرآیند انتخاب لحاظ کند.

دسته‌بندی روش‌های MCDM

روش‌های تصمیم‌گیری چندمعیاره بر اساس هدف اصلی‌شان به سه دسته‌ی کلی تقسیم می‌شوند در ادامه به صورت خلاصه این دسته بندی ها آورده شده است:

✅ 1. روش‌های وزن‌دهی به معیارها

این دسته از روش‌ها برای تعیین اهمیت نسبی معیارها طراحی شده‌اند. در این روش‌ها هدف اصلی، محاسبه وزن معیارها به‌صورت عینی (objective) یا ذهنی (subjective) است.

مثال‌ها:

1. AHP (تحلیل سلسله مراتبی)
2. BWM (بهترین بدترین)
3. SWARA
4. MEREC (روش اثر حذف معیارها)
5. Entropy

این روش‌ها معمولاً به عنوان ورودی سایر روش‌های رتبه‌بندی به‌کار می‌روند.

✅ 2. روش‌های تحلیل روابط و ساختار بین معیارها

در برخی مسائل، پیش از رتبه‌بندی گزینه‌ها لازم است تا روابط علی و ساختاری بین معیارها شناسایی شود. این روش‌ها برای استخراج تأثیرگذاری و تأثیرپذیری معیارها نسبت به یکدیگر یا تعیین سطوح ساختاری آن‌ها استفاده می‌شوند.

مثال‌ها:

1. DEMATEL (تحلیل ساختاری ماتریس علّی)
2. ISM (مدلسازی ساختاری تفسیری)
3. MICMAC (تحلیل ماتریسی اثرات متقابل)

خروجی این روش‌ها اغلب برای اصلاح یا ترکیب در طراحی ساختار تصمیم استفاده می‌شود.

✅ 3. روش‌های رتبه‌بندی گزینه‌ها

پس از تعیین وزن معیارها، مرحله‌ی نهایی در تصمیم‌گیری، رتبه‌بندی گزینه‌ها است. این روش‌ها به دنبال مقایسه، تجمیع، یا فاصله‌سنجی گزینه‌ها بر اساس معیارها هستند تا بهترین یا اولویت‌دارترین گزینه انتخاب شود.

مثال‌ها:

1. TOPSIS
2. VIKOR
3. COPRAS
4. MOORA
5. CORASO (رتبه‌بندی سازشی بر اساس راه‌حل‌های گزینه ها)

این روش‌ها به طور مستقیم در تعیین گزینه بهینه کاربرد دارند و معمولاً همراه با روش‌های وزن‌دهی به‌کار می‌روند.

جایگاه روش CORASO در MCDM

روش CORASO که مخفف COmpromise Ranking from Alternative SOlutions است، در دسته‌ی سوم یعنی روش‌های رتبه‌بندی گزینه‌ها قرار می‌گیرد. این روش با تمرکز بر اصل میزان فاصله هر گزینه از راه‌حل‌های ایده‌آل و ضدایده‌آل، به تصمیم‌گیرنده کمک می‌کند تا گزینه‌ای را انتخاب کند که تعادل مطلوبی بین تمام معیارها برقرار کرده باشد.

ویژگی‌های کلیدی CORASO:

1. سادگی در محاسبات
2. قابلیت ترکیب با روش‌های وزن‌دهی مانند MEREC، AHP و غیره
3. انعطاف‌پذیری در ارزیابی گزینه‌ها با معیارهای کمی و کیفی

برای قرار دادن یک معرفی کامل از روش CORASO در سایت شما، در ادامه یک متن حرفه‌ای و مناسب وب‌سایت تهیه کرده‌ام. این متن شامل مقدمه، توضیح روش، مراحل گام به گام و کاربرد آن است:

روش CORASO چیست؟

CORASO یک روش تصمیم‌گیری چندمعیاره (MCDM) است که هدف آن رتبه‌بندی گزینه‌ها بر اساس میزان نزدیکی یا فاصله آن‌ها از راه‌حل‌های ایده‌آل است این روش توسط Adis Puška (2025) ارائه شد. و در زمره روشهای جدید تصمیم گیری چند معیاره قرار می گیرد. این روش با استفاده از ماتریس تصمیم‌گیری نرمال‌سازی‌شده و وزن معیارها، مقدار کلی هر گزینه را محاسبه کرده و سپس بر اساس محاسبه‌ی انحراف از بهترین و بدترین راه‌حل، گزینه‌ها را رتبه‌بندی می‌کند. مراحل این روش به شرح زیر است:

گام 1: تشکیل ماتریس تصمیم

در روش CORASO، اولین گام تشکیل ماتریس تصمیم است که در آن، گزینه‌های مختلف (مانند محصولات، پروژه‌ها یا سیستم‌ها) در برابر مجموعه‌ای از معیارهای ارزیابی قرار می‌گیرند. مقادیر این ماتریس باید از نوع کمی و عددی و یا کیفی باشند، به‌طوری‌که هر خانه از ماتریس نمایانگر مقدار یک معیار خاص برای یک گزینه خاص باشد. نکته بسیار مهم این است که مقادیر معیارها نباید منفی باشند، همچنین در صورتی که معیار از نوع هزینه (Cost) باشد، یعنی هرچه مقدار کمتر باشد مطلوب‌تر است، نباید در داده‌های آن مقدار صفر وجود داشته باشد؛ زیرا در فرمول‌های نرمال‌سازی هزینه‌ای، صفر باعث بروز خطا (تقسیم بر صفر) خواهد شد.

گام 2: نرمال‌سازی ماتریس تصمیم

در روش coraso نرمال سازی بر اساس دو رابطه زیر صورت می گیرد رابطه اول برای معیارهایی با ماهیت سود و رابطه دوم برای معیارهایی با رابطه هزینه.

گام 4: تعیین مقادیر نرمال‌شده وزنی برای گزینه‌ها

گام 5: محاسبه مقدار تجمعی هر گزینه (Sj)

گام 6: محاسبه انحراف از راه‌حل‌های ایده‌آل

گام 7: محاسبه شاخص نهایی CORASO برای هر گزینه

گام 8: رتبه‌بندی گزینه‌ها

در نهایت، بر اساس مقادیر Q، گزینه‌ها رتبه‌بندی می‌شوند. مقدار Q بالاتر نشان‌دهنده کیفیت بهتر گزینه است.

روش CORASO فازی

در بسیاری از مسائل واقعی، اطلاعات و داده‌ها به‌صورت دقیق و قطعی در دسترس نیستند. به عنوان مثال، ارزیابی کیفی معیارهایی مانند “رضایت کاربر”، “کارایی نرم‌افزار”، یا “انعطاف‌پذیری سیستم” معمولاً بر پایه نظرات انسانی، قضاوت کارشناسان یا امتیازدهی ذهنی انجام می‌شود. این نوع داده‌ها ذاتاً مبهم، نامطمئن یا زبانی (linguistic) هستند و استفاده از اعداد قطعی برای آن‌ها ممکن است منجر به نتایج غیرواقعی یا تحریف‌شده شود. برای مقابله با این عدم‌قطعیت، منطق فازی (Fuzzy Logic) به‌کار گرفته می‌شود. منطق فازی اجازه می‌دهد که مفاهیم کیفی مانند “خوب”، “متوسط”، یا “ضعیف” به اعداد فازی (مثل اعداد مثلثی یا ذوزنقه‌ای) تبدیل شوند و در چارچوب ریاضی مورد پردازش قرار گیرند. از این رو، پیاده‌سازی روش CORASO به‌صورت فازی امکان می‌دهد تا تصمیم‌گیری در شرایط واقعی و مبهم، دقیق‌تر، انعطاف‌پذیرتر و قابل اطمینان‌تر انجام شود. 

فیلم آموزش روش CORASO فازی و غیرفازی

در این ویدیو آموزشی جامع، روش تصمیم‌گیری چندمعیاره CORASO به صورت کامل و کاربردی آموزش داده شده است؛ از مفاهیم پایه تا اجرای گام‌به‌گام در نرم‌افزار Excel.

این فیلم آموزشی، یکی از کامل‌ترین منابع فارسی برای یادگیری روش CORASO است و هر دو نسخه‌ی فازی (Fuzzy CORASO) و غیرفازی (Classic CORASO) را پوشش می‌دهد. در بخش فازی، نحوه‌ی تبدیل داده‌های زبانی به اعداد فازی، نرمال‌سازی فازی، وزن‌دهی فازی، محاسبات و غیر‌فازی‌سازی نتایج توضیح داده شده و سپس با مثال‌های واقعی در محیط اکسل اجرا می‌شود. در نسخه‌ی غیرفازی نیز تمامی مراحل استاندارد از تشکیل ماتریس تصمیم تا رتبه‌بندی نهایی گزینه‌ها به صورت ساده و قابل فهم آموزش داده شده‌اند.

این آموزش برای دانشجویان مدیریت، مهندسی صنایع، و پژوهشگران حوزه تصمیم‌گیری چندمعیاره (MCDM) طراحی شده و می‌تواند به عنوان مرجع کامل برای کاربرد عملی روش‌های جدید تصمیم‌گیری مورد استفاده قرار گیرد. با مشاهده این ویدیو، کاربر نه‌تنها با مبانی نظری روش CORASO آشنا می‌شود، بلکه می‌آموزد چگونه نتایج را در اکسل پیاده‌سازی و تحلیل کند. اگر به دنبال یادگیری روش CORASO فازی و غیرفازی در اکسل با مثال‌های کاربردی، دقیق و گام‌به‌گام هستید، این ویدیو بهترین انتخاب برای شماست.

در ویدیوی زیر پیش نمایشی از فیلم کامل آورده شده است

چنانچه نیازمند مشاوره و تحلیل پروژه خود با این روش هستید با ما تماس بگیرید/9181-885-933-98+