خانه / آموزش های نرم افزاری و غیر نرم افزاری / روش بهترین بدترین سلسله مراتبی (HBWM)
آموزش روش BWM سلسله مراتبی

روش بهترین بدترین سلسله مراتبی (HBWM)

جهت حمایت از ما، لطفا امتیاز این پست را از طریق ستاره های بالا مشخص کنید (فقط بر روی ستاره ها کلیک کنید)

چکیده

فرایندهای تصمیم گیری در سازمانهای مختلف غالباً دارای ساختار سلسله مراتبی و چند سطحی با معیارها و زیرمعیارهای مختلف هستند. کاربرد تصمیم گیری سلسله مراتبی در سالهای اخیر در بسیاری از موارد مختلف افزایش یافته است. محققان از طریق مدل سازی ریاضی از روشهای تصمیم گیری سلسله مراتبی مختلف استفاده کرده اند. روش بهترین بدترین (BWM) یک روش ارزیابی چند معیاره است که بر اساس مقایسه های زوجی انجام می شود. در این مطلب، یک BWM سلسله مراتبی جدید (HBWM) را معرفی می کنیم که از هفت مرحله تشکیل شده است. در این رویکرد جدید، وزن معیارها و زیرمعیارها با استفاده از یک مدل ریاضی یکپارچه جدید بدست می آید. برای تجزیه و تحلیل مدل ارائه شده، دو مثال عددی ارائه شده است. برای نشان دادن عملکرد رویکرد معرفی شده، مقایسه ای نیز بین نتایج روش های HBWM و BWM انجام شده است. تجزیه و تحلیل نشان می دهد که HBWM می تواند به طور موثری وزن معیارها و معیارهای فرعی را از طریق یک مدل یکپارچه تعیین کند. روش دیگر در تصمیم گیری زیاد مفید نبوده و تنها برای مواد بیشتر آزمایشی استفاده میشود.

مقدمه

اغلب در بیشتر موارد تصمیم گیری چند معیاره، تعدادی از گزینه ها طبق معیارهای مختلف رتبه بندی و انتخاب می شوند. اما همیشه کار ساده ای نیست در موضوعات مختلف دنیای پیچیده امروز که به تصمیم گیری صحیح و به موقع نیاز دارد، ما اغلب با یک ساختار سلسله مراتبی و چند سطحی با معیارها و زیرمعیارهای مختلف سروکار داریم که باید در تصمیم گیری با توجه به اهمیت آنها مورد توجه قرار گیرد. رویکرد تصمیم گیری چند معیاره (MCDM) به انتخاب گزینه های مناسب از طریق تکنیک های ریاضی و محاسباتی کمک می کند. نیاز به این دسته از تصمیمات چند معیاره برای حل مسائل مدیریت امروز احساس می شود. اخیراً، برخی محققان روشهای MCDM را توسعه داده اند، جیانگ و هوانگ یک روش جدید MCDM فازی را برای ارزیابی عملکرد مدیریت زنجیره تأمین سبز معرفی کرده اند. زو و همکاران با استفاده از روش TOPSIS (تکنیک ترتیب اولویت را با شباهت به راه حل ایده آل) توسعه داد.

از دیدگاه علمی، دو عنصر اساسی برای پشتیبانی از فرایند تصمیم گیری سلسله مراتبی وجود دارد:

  1. نحوه ایجاد یک مدل تصمیم گیری سلسله مراتبی برای توصیف فرایند تصمیم گیری.
  2. یافتن روش بهینه برای محاسبه وزن معیارها و انتخاب گزینه ها

تکنیک های مختلف MCDM در چند سال گذشته به طور گسترده ای مورد استفاده قرار گرفته است تا راه حل هایی برای بسیاری از مشکلات در دنیای واقعی پیدا کند. در سال 2015، روش بهترین بدترین (BWM) به عنوان یک روش جدید MCDM معرفی شد. بهترین و بدترین معیارها به ترتیب بیشترین و کمترین معیار را دارند. پس از مقایسه، یک مدل برنامه ریزی ریاضی Min-Max برای تعیین وزن بهینه معیارها تدوین شد. همچنین مشخص شد که BWM از روش فرآیند سلسله مراتبی (AHP) بهتر است زیرا به داده های کمتری نیاز دارد، و استفاده از آن ساده تر است.

در این مقاله، با توجه به اهمیت تصمیم گیری سلسله مراتبی، ما یک روش MCDM را بر اساس BWM ارائه می دهیم. در این روش جدید، از یک مدل ریاضی یکپارچه برای محاسبه وزن معیارها و معیارهای فرعی به طور همزمان استفاده می شود. در BWM اصلی، اگر معیارهای j و k زیر معیارها را داشته باشیم، باید مدل BWM را j+1 بار را برای دستیابی به وزن معیارها و زیر معیارها حل کنیم، اما در HBWM وزن معیارها و زیرمعیارها را در یک مدل یکپارچه مبتنی بر BWM با اجرای یک بار مدل. HBWM بدست می آوریم. همچنین وزن نهایی را برای هر زیرمعیار فراهم می کند. علاوه بر این، روش پیشنهادی امکان مقایسه میزان سازگاری معیارها و معیارهای فرعی را برای مقایسه زوجی فراهم می کند

ادامه مقاله به شرح زیر تدوین شده است. ما تصمیمات سلسله مراتبی، توسعه و کاربرد BWM را در بخش 2 توصیف می کنیم. در بخش 3 روش پیشنهادی HBWM را همراه با مراحل آن، مدل ریاضی یکپارچه، متغیرها و پارامترها ارائه می دهیم. در بخش 4، دو نمونه عددی ارائه شده است و نتایج حاصل از مدل HBWM با مدل اصلی BWM مقایسه می شود. سرانجام، ما در بخش نتیجه گیری نتایج و پیشنهادات ارائه شده برای تحقیقات آینده را مورد بحث قرار می دهیم.

مدل BWM سلسله مراتبی (HBWM)

در این مقاله، با توجه به مدل اصلی BWM و جزئیات آن و با توجه به نیاز به تصمیم گیری در شرایط سلسله مراتبی و چند سطحی، ما یک روش عالی سلسله مراتبی چندمنظوره (HBWM) با یک مدل ریاضی یکپارچه غیر خطی را معرفی می کنیم. در بخش بعدی، جزئیات HBWM شرح داده شده است. به منظور ارزیابی مدل جدید، دو نمونه عددی که قبلاً توسط یک مدل ساده BWM در شرایط سلسله مراتبی و با در نظر گرفتن زیرمعیارهای فرعی حل شده اند، توسط مدل جدید مورد بررسی قرار می گیرند و نتایج مقایسه می شوند. مزایای مدل جدید HBWM به شرح زیر است:

  • کاهش تعداد تکرارهای مدل پایه BWM برای تصمیمات سلسله مراتبی از (j + 1) به یک، که در آن j تعداد معیارها را نشان می دهد.
  • محاسبه وزن معیارها، زیرمعیارها و همچنین وزن نهایی در یک مدل ریاضی یکپارچه
  • امکان محاسبه نرخ سازگاری برای مقایسه هایی که برای معیارها و زیرمعیارها انجام می شود فقط با حل یکبار مدل.

در جدول زیر نمادها و توضیحات مربوط به HBWM آورده شده است.

توضیحات و متغیرهای مدل بهترین بدترین سلسله مراتبی

در تصمیم گیری، تعیین برخی از زیرمعیارها به همراه معیارهای اصلی برای ارزیابی گزینه های تصمیم­گیری ضروری است. ارائه مدلی که توانایی درگیر کردن زیرمیعارها در تصمیم گیری را داشته باشد می تواند مفید باشد و ضمن حفظ مزایای رویکردهای قبلی، به تصمیم گیری و داده های کمتری نیاز دارد. الگوی توسعه یافته در این مطالعه که مبتنی بر BWM برای تصمیم گیری سلسله مراتبی است، می تواند به عنوان ابزاری کارآمد توسط محققان و مدیران سازمانهای مختلف استفاده شود. مدل ارائه شده اجازه می دهد تا محاسبه میزان سازگاری تصمیمات گرفته شده بر اساس مقایسه های زوجی انجام شده برای معیارها و زیرمعیارها باشد.

مدل کلی روش بهترین بدترین سلسله مراتبی به صورت زیر می باشد

مدل غیر خطی BWM سلسله مراتبی

معادله (1) عملکرد عینی مدل است و حداقل انحرافات مقایسه های انجام شده برای معیارها و زیرمعیارها را به دست می آورد.

معادله (2) تا (5) همان مدل bwm برای معیارها و زیرمعیارها می باشد.

معادله (6) وزن نهایی زیرمعیارها را محاسبه می کند.

معادله (7) نشان می دهد که مجموع وزن معیارها باید برابر با 1 باشد و وزن هر معیار باید غیر منفی باشد.

معادله (8) نشان می دهد که مجموع وزن معیارهای زیرمعیارهای j-ام باید برابر با 1 باشد و وزن هر زیرمعیار نباید منفی باشد.

مثال روش HBWM

چندین نویسنده در مقالات خود سعی کرده اند وزن معیارها و معیارهای فرعی را در تصمیم گیری با استفاده از BWM اندازه گیری کنند. ما می توانیم نشان دهیم که می توان وزن معیارها و خرده معیارها را در یک مدل تصمیم گیری سلسله مراتبی واحد محاسبه کرد و به همان نتایج به عنوان بهترین-بدترین نتیجه دست یافت. برای این منظور از معیارها و زیرمعیارها و داده های پرسشنامه ارائه شده در دو مطالعه قبلاً انجام شده استفاده کرده و نتایج حاصل از مدل پایه و HBWM پیشنهادی را مقایسه می کنیم.

مطالعه ای برای شناسایی عوامل مهم نوآوری های فناوری در زمینه MSME در شرکت های کوچک و متوسط در هند انجام شد. نویسندگان از ادبیات تحقیق و داوری متخصصان برای شناسایی عوامل نوآوری در فن آوری استفاده کردند. آنها وزن مطلوب معیارها و زیرمعیارها را با استفاده از مدل اولیه BWM محاسبه کردند.
در مثال اول عددی، معیارها و زیرمعیارها و اطلاعات مطالعه آنها با استفاده از مدل جدید (HBWM) بررسی شده و با مقایسه نتایج، مدل جدید ارزیابی می شود. معیارهای ارزیابی در شکل زیر نشان داده شده است.

معیارها و زیرمعیارهای مدل HBWM

در جدول زیر داده های پرسشنامه BWM به دست آمده توسط آنها و مقایسه زوجی معیارها و زیرمعیار شامل بهترین به دیگران (BO) و دیگران را به بدترین (OW) نشان می دهد.

مقایسه زوجی بهترین معیار با دیگر معیارها

در جدول زیر نتایج اولیه BWM و HBWM برای اولین نمونه عددی نشان داده شده است. نتایج نشان می دهد که وزنهای بدست آمده برای معیارها و معیارهای فرعی توسط HBWM برابر با وزنی است که توسط BWM بدست آمده است. در حالی که در مدل BWM نیازمند j+1 بار برای به دست آوردن وزن معیارها و زیر معیارها حل شده است با این حال، در روش پیشنهادی، وزنها با حل مدل یکپارچه HBWM فقط یک بار به دست می آیند.

نتایج حل مدل HBWM و مقایسه با روش بهترین بدترین

در جدول زیر نیز مقادیر ξL و ξjL را برای معیارها و زیر معیارها در مثال 1 نشان می دهد و همانطور که نشان داده شده است نرخ سازگاری در مدل BWM و HBWM کاملا برابر می­باشد.

نرخ سازگاری در مدل بهترین بدترین سلسله مراتبی

جمع بندی

در این مطلب، یک روش MCDM سلسله مراتبی جدید به نام HBWM را بر اساس پایه اولیه BWM معرفی کردیم. BWM وزنه ها را بر اساس مقایسه جفت از گزینه های مختلف با بهترین و بدترین گزینه ها محاسبه می کند و به نتایج مداوم می رسد. در این مقاله، این رویکرد برای موقعیتی توسعه یافته است که در آن فرایند تصمیم گیری معیارها و معیارهای فرعی برای ارزیابی یا انتخاب گزینه های دیگر را شامل می شود. برای اینکه نشان دهیم وزنهای بدست آمده توسط HBWM به همان اندازه که وزنهای بدست آمده در BWM بدست آمده است، از دادههای دو مقاله استفاده کردیم که از BWM اولیه برای بدست آوردن وزن معیارها و زیرمعیارها استفاده می کردند. BWM از تکرارهای (j +1) استفاده می کند (جایی که j تعداد معیارها را نشان می دهد) برای به دست آوردن وزن بهینه معیارها و زیر معیارها، در حالی که HBWM وزنها را توسط یک مدل یکپارچه و بدون تکرار محاسبه می کند. همچنین در HBWM نیازی به محاسبه دستی وزن جهانی نیست زیرا توسط خود مدل تهیه شده است. نتایج این مقاله نشان می دهد که HBWM می تواند برای موقعیت هایی مفید باشد که نیاز به ارزیابی همزمان معیارها و زیرمعیارها داشته باشد. روش پیشنهادی می تواند در ترکیب با سایر روش های MCDM مورد استفاده قرار گیرد.


چنانچه نیازمند مشاوره و یا انجام پروژه خود با این روشها هستید با ما تماس بگیرید- 09338859181

روش ترکیبی QFD و ANP (فرایند تحلیل شبکه ای)


مطالب مشابه و مرتبط

درباره ی مدیر سایت

کارشناسی مهندسی صنایع/کارشناسی ارشد مهندسی صنایع-صنایع/مسلط به مباحث تصمیم گیری چند شاخصه (MADM) در محیط های قطعی و فازی و خاکستری/ مسلط به نرم افزار های Super Decision - Expert Choice - Visual Promethee

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

جهت مشاوره و اجرای پروژه های تصمیم گیری و موارد مربوط به خرید از محصولات فروشگاه با شماره 09338859181 تماس و یا در واتساپ پیام دهید
+