مقدمه
تصمیم گیری و انتخاب بهترین تصمیم همواره با چالش جدی مواجه بوده است. در مواردی که تصمیم گیری به دلایلی از جمله وجود گزینه های متفاوت و در نظر گرفتن شاخص های زیاد، مشکل باشد استفاده از تکنیک های تصمیم گیری چند معیاره پیشنهاد می شود. تصمیم گیری چند معیاره از شاخه های تحقیق در عملیات می باشد که در رشته مهندسی صنایع و رشته های مدیریت بسیار پر کاربرد است. تحقیق در عملیات علمی است که با استفاده از مدل ها و تکنیک های ریاضی به تصمیم گیرنده در اتخاذ تصمیم کمک می کند. اکثر این متدولوژی ها شامل یک مدل، الگوریتم و یا تکنیک استاندارد می باشد که در بعضی از آنها با تصمیم گیران تعامل وجود دارد، این تعامل می تواند قبل از حل مدل و یا در حین حل مدل باشد. به عبارت دیگر در این متدولوژی ها از تصمیم گیران برای رسیدن به تصمیم نظر خواهی می شود. اما در بعضی دیگر، تنها با استفاده از فرمولها به حل مدل اقدام شده، تعاملی با تصمیم گیران وجود ندارد. تصمیم گیری با لحاظ کردن چندین معیار که هر کدام از جایگاهی ویژه برخوردارند تنها با بکارگیری مدل های تصمیم گیری چند معیاره (MCDM) ممکن می شود. تکنیک MCDM ابزاری است قدرتمند، که بطور گسترده در ارزیابی و رتبه بندی مسائلی با چندین معیار که معمولا پیچیده هستند، بکار رفته است. بطور کلی این تکنیک ها قادرند مسئله را بطور روشن و سیستماتیک ساختاردهی نمایند. با توجه به این خصوصیات، این امکان برای تصمیم گیران وجود دارد تا به آسانی مسئله را مورد بررسی قرار داده، مطابق نیازمندی های خود درجه بندی نمایند. این مدل های تصمیم گیری به دو گروه عمده تقسیم بندی می شوند: 1- مدل های چند هدفه، 2-مدل های چند شاخصه. مدل های چند هدفه به منظور طراحی و مدل های چند شاخصه به منظور انتخاب گزینه های برتر مورد استفاده قرار می گیرند.
چندین محدودیت و کاستی از روش های MCDM کلاسیک را می توان با استفاده از روش های ترکیبی پیشنهادی پیشنهاد شده به شرح زیر انجام داد:
- انتخاب یک روش مناسب یک چالش مستمر در هر وضعیتی است که نیاز به تصمیم دارد. روش های مختلف MCDM گاهی اوقات رتبه های مختلف جایگزین را ارائه می دهند. هیچ یک از روشها را نمی توان به طور کلی به طور عمومی یا برای یک مساله خاص مطرح کرد (Saaty & Ergu,2015). بر این اساس، توصیه می شود از بیش از یک روش MCDM استفاده کنید و نتایج را برای تصمیم گیری نهایی در نظر بگیرید.
مدل های تصمیم گیری باید به همان اندازه که ممکن است در معرض مسائل واقعی زندگی باشند. ابهامات در فرآيند تصميم گيري اغلب ناشي از عدم اطمينان مديريتي است، در حالي كه با ابهام، تصمیم گیری به دشواري رسيده است. بر این اساس، یکپارچه سازی MCDM با مجموعه های فازی یا اعداد خاکستری ترجیح داده می شود. منطق فازی می تواند به غلبه بر عدم قطعیت هایی که از قضاوت های کیفی و روابط ناسازگاری منجر می شود، کمک کند و همچنین یکپارچه سازی و مرتب سازی بهتر و مفیدتری برای تصمیم گیرندگان فراهم اورد.
روشهای ترکیبی در تصمیم گیری چند معیاره
روش های تصمیم گیری رسمی می تواند برای کمک به بهبود پایداری کلی صنایع و سازمان ها مورد استفاده قرار گیرد. اخیرا، با استفاده از تکنیک های مختلف تصمیم گیری چند معیاره (MCDM)، معیارهای پایداری با هم ترکیب شده اند. تعدادی از مقالات بررسی شده که این تکنیک ها را خلاصه کرده اند منتشر شده است. در طی چند سال گذشته، رویکردهای جدید برای روش های ترکیبی MCDM توسعه یافته است، اما هنوز به طور کامل بررسی نشده اند.
در این مورد با ذکر یک مثال ساده بیان می کنیم که چرا از روشهای ترکیبی در تصمیم گیری چند معیاره استفاده می کنیم. فرض کنید قصد انتقال یک محموله به فرودگاه را داشته باشید و سپس این محموله قرار است با هواپیما به شهری دیگر انتقال داده شود حال این محموله از درب شرکت یا درب منزل با یک وسیله سواری به فرودگاه انتقال داده می شود و سپس از آن مسیر وظیفه انتقال با هواپیما است. در این مثال از دو وسیله ترکیبی استفاده شد حال سوال زیر مطرح می شود:
1- آیا می توان تنها با یک وسیله (یا روش) محموله را به مقصد رساند؟
در پاسخ به این سوال می توان گفت بله ممکن است بشود با یک وسیله محموله را انتقال داد اما هزینه و زمان بسیار زیادی صرف می شود که قطعا غیر معقول خواهد بود. و یا حتی ممکن است با یک وسیله نتوان این کار را انجام داد.
استفاده از روشهای ترکیبی در تصمیم گیری چند معیاره نیز همین ویژگی را دارد وقتی از دو روش استفاده می شود به این دلیل است که روش اول برای بدست آوردن نتیجه نهایی یا عاجز است و یا زمان زیادی خواهد برد. این مثال را می توان برای ترکیب دو روش آنتروپی شانون و روش تاپسیس (TOPSIS) نیز اجرا کرد. فرض کنید در یک مساله تصمیم گیری قصد انتخاب یک گزینه را از بین چند گزینه داشته باشیم هدف روش آنتروپی شانون محاسبه وزن معیارها و هدف روش تاپسیس رتبه بندی گزینه های پژوهش است حال آنکه روش تاپسیس به تنهایی قادر به رتبه بندی نیست زیرا برای انجام رتبه بندی نیاز به وزن معیارها دارد که این وزن از روش آنتروپی بدست می آید و به عنوان ورودی به روش تاپسیس داده می شود.
تکنیک آنتروپی شانون و تاپسیس
تکنیک آنتروپی شانون و تاپسیس از جمله روش های ترکیبی پرکاربرد در زمینه های مختلف می باشد. تکنیک تاپسیس به عنوان یکی از اعضای خانوادة MCDM یا تکنیک های تصمیمگیری چندمعیاره، امروزه در رتبه بندی مفاهیم مختلف در علوم گوناگون جایگاه ویژه ای یافته است. مدل تاپسیس در حل مسائل چندمعیاره بر روش های دیگر برتری دارد و برای اولین بار هوانگ آن را به کار برد. این مدل به ورودی های دقیق و محدود برای تصمیم گیری های سازنده و مناسب نیازمند است و شاخص ها نیز به وزن دهی مناسب احتیاج دارند؛ بنابراین، مدل تاپسیس توانایی پاسخ به تقاضاهای متعدد کاربران را دارد و کارایی آن بالاست. یکی از روش های استخراج وزن اهمیت معیارها در تصمیم گیری با معیارهای چند گانه آنتروپی شانون می باشد. روش وزن دهی آنتروپی وزن بیشتری برای شاخص هایی در نظر می گیرد که از تغییر پذیری بیشتری برخوردارند. در نتیجه، این موضوع سبب می شود تا از طریق وزن های متفاوتی که آنتروپی حاصل می سازد، تمایز بین واحد ها محقق گردد. در نظریه اطلاعات، آنتروپی نشان دهنده مقدار عدم اطمینان موجود در محتوای مورد انتظار اطلاعات یک پیام است . به عبارت دیگر ، آنتروپی معیاری برای مقدار عدم اطمینان بیان شد ه توسط یک توزیع احتمال گسسته است ، به طوری که این عدم اطمینان در صورت پخش بودن توزیع بیشتر از مواردی است که توزیع فراوانی تیزتر باشد. در این روش آنتروپی هر شاخص (Ej) و وزن معیارها (W) از دو رابطه زیر بدست می آید:
wj=dj/∑dj
در این رابطه Wj که همان وزن معیارها است ورودی برای روش تاپسیس می باشد. اولین گام در روش تاپسیس تشکیل ماتریس تصمیم است بعد این ماتریس تصمیم نرمال می شود. در گام سوم که تشکیل ماتریس وزن دار است باید وزن معیارها (W) که از آنتروپی شانون بدست آمده است در ماتریس نرمال تاپسیس ضرب شود. مبنای این تکنیک مبنای این تکنیک بر این است که؛ گزینه منتخب می بایست کوتاه ترین فاصله را از راه حل ایده آل داشته باشد. راه حل ایده آل، راه حلی فرضی است که در آن تمامی ارزش های شاخص، مشابه ارزش های شاخص ماکزیمم در پایگاه داده بوده؛ در حالیکه راه حل ضد ایده آل، راه حلی فرضی است که تمامی ارزشهای شاخص، مشابه ارزش های شاخص مینیمم در پایگاه داده ذکر شده می باشد.
همچنین واقعیات زیربنایی این روش به قرار زیر است:
الف) مطلوبیت هر شاخص باید به طور یکنواخت افزایش (یا کاهشی) باشدبدین ترتیب بهترین ارزش موجود از یک شاخص نشان دهنده ایده آل آن بوده و بدترین ارزش موجود از آن مشخص کننده ایده آل منفی برای آن خواهد بود.
ب) فاصله یک گزینه از ایده آل (یا ایده آل منفی) ممکن است بصورت فاصله اقلیدسی (از توان دوم) و یا بصورت مجموع قدر مطلق از فواصل خطی (معروف به فواصل بلوکی) محاسبه گردد، که این امر بستگی به نرخ تبادل و جایگزینی در بین شاخص ها دارد.
بنابراین می توان گفت؛ بر طبق این تکنیک، بهترین گزینه، نزدیکترین گزینه به راه حل ایده آل مثبت (PIS) و دورترین گزینه از راه حل ایده آل منفی (NIS) می باشد. راه حل ایده آل (راه حل ایده آل مثبت نیز نامیده می شود) راه حلی است که معیارها یا شاخص های مشابه سود را حداکثر نموده و معیارها یا شاخص های مشابه هزینه را حداقل می نماید، در حالیکه راه حل ایده آل منفی (راه حل ضد ایده آل نیز نامیده می شود) معیارها یا شاخص های مشابه هزینه را حداکثر و معیارها یا شاخص های مشابه سود را حداقل می کند.
چنانچه نیازمند مشاوره و یا انجام پروژه خود با این روش هستید با ما تماس بگیرید
مطالب مشابه و مرتبط
سلام چرا در کتاب دکتر اضغر پور مرحوم مسئله ساختن سد که دارای چنبه منفی مثل هرینه و سختی کار وجنبه مثبت مثل استحکام و… است برای نرمالیزه کردن فقط از یک فرمول جنبه مثبت استفاده کرده در صورتی باید برای جنبه منفی صورت کسر کوچترین عدد باشد ومخرج کسر عدد مورد نظر. دوم اینکه مسله ای که از قبل دارای ماتریس مشخص مثل ظرفیت درسه گزینه 24000و25000و32000 است چگونه میتوان از نرم افزار expert choice استفاده نمود. لطف می کنید جوابم را بدهید. با سپاس
سلام
1- برای سوال اولتون جناب دکتر اصغرپور از چه تکنیکی استفاده کرده اند؟
2- میتونید با توجه به این اعداد و بزرگ یا کوک بودنشون خودتون عدد مناسب مقایسه زوجی هم قرار بدید . بعضی از کتابها هم دیدم میان دوتا عدد رو تقسیم بر هم میکنن به عنوان مقایسه زوجی.