
- 1 - مقدمه
- 2 - مراحل روش میرکا
- 2-1 - تشکیل ماتریس تصمیم
- 2-2 - تعیین ارجحیت بر اساس انتخاب گزینه ها (PAi)
- 2-3 - محاسبات عناصر ماتریس ارزیابی نظری (Tp)
- 2-4 - تعیین معادله ارزیابی واقعی
- 2-5 - محاسبه ماتریس شکاف کل (G)
- 2-6 - محاسبه مجموع مقادیر نهایی شکاف کل (Q)
- 3 - مطالعات انجام گرفته در زمینه روش MAIRCA
- 4 - فیلم آموزش روش MAIRCA در اکسل
مقدمه
روش MAIRCA (تجزیه و تحلیل مقایسه ای چند شاخصه ایده آل-واقعی) یکی از تکنیک های جدید تصمیم گیری چند معیاره است که برای انتخاب مناسب ترین گزینه ارائه شده است. این روش در سال 2014 توسط مرکز تحقیقات لجستیک دانشگاه دفاع در بلگراد توسعه یافت (منبع).در واقع این تکنیک در زمره روش های گزینه محور قرار می گیرد و عملکردی مانند روش تاپسیس، ماباک و دیگر روشهای موجود در این خانواده دارد. فرض اصلی روش MAIRCA (میرکا) در تعیین فاصله بین وزن های ایده آل و تجربی است. به طور کلی شکاف ها برای هر معیار، شکاف کل را برای هر گزینه توصیف می کند. در پایان، به رتبه بندی گزینه ها پرداخته می شود.در واقع در این روش بهترین گزینه، موردی است که کمترین فاصله را تا وزن ایده آل داشته باشد. البته گزینه های با فاصله بیشتر هم وجود دارند که برای ما از ارزش و اهمیت کمتری در مقابل گزینه هایی که ما را با فاصله کمتر به جواب نزدیک می کنند دارند.
در ویدیوی زیر توضیحات مختصری در مورد این روش آورده شده است نسخه کامل آموزش این روش در انتهای پست معرفی شده است.
ورودی های روش:
- ماتریس تصمیم
- وزن معیارها
- نوع معیارها (از جهت منفی و مثبت بودن)
مراحل روش میرکا
روش MAIRCA در شش مرحله انجام می شود مراحل بر اساس مقاله Ljubomir Gigovi & et al (2016) در ادامه آورده شده است:
تشکیل ماتریس تصمیم
در واقع این گام در تمامی روشهای تصمیم گیری وجود دارد ماتریس تصمیم این روش یک ماتریس تصمیم معیار-گزینه ای می باشد یعنی ماتریسی که در سطرهای آن گزینه های پژوهش و در ستون های آن معیارها قرار دارند و هر سلول این ماتریس ارزیابی هر گزینه نسبت به هر معیار است. به عنوان مثال در شکل زیر یک نمونه ماتریس تصمیم آورده شده است. ماتریس تصمیم هم به وسلیه اعداد واقعی (کمی) و هم به وسیله طیف های کلامی (کیفی) می تواند تکمیل شود.
تعیین ارجحیت بر اساس انتخاب گزینه ها (PAi)
در طول انتخاب گزینه، تصمیم گیرنده برای روند کار بی طرف است. در حقیقت ، او هیچ کدام از گزینه های پیشنهادی را ترجیح نمی دهد. فرض اصلی این است که تصمیم گیرنده احتمالات هر انتخاب گزینه را در نظر نمی گیرد. تصمیم گیرنده همچنین گزینه های دیگری را درک می کند که گویی هر یک از آنها می توانند از نظر ظاهری برابر باشند، بنابراین ترجیح برای انتخاب یکی از آنها از m گزینه ممکن بر اساس رابطه زیر می باشد.
محاسبات عناصر ماتریس ارزیابی نظری (Tp)
ماتریس ارزیابی نظری (Tp) با فرمت n*m ایجاد می شود (n تعداد معیارهای کل، m تعداد کل گزینه ها است). عناصر ماتریس ارزیابی نظری (tpij) به عنوان ضریب ارجحیت به عنوان گزینه های PAi و وزن معیارها (W) محاسبه می شود که در زیر آورده شده است.
از آنجا که تصمیم گیرنده برای انتخاب اولیه گزینه ها بی طرف است ، همه ترجیحات (PAi) برای همه گزینه ها برابر است. سپس، معادله بالا را می توان در معادله زیر نشان داد:
تعیین معادله ارزیابی واقعی
محاسبه عناصر ماتریس ارزیابی واقعی (Tr) با ضرب عناصر ماتریس ارزیابی نظری (TP) و عناصر ماتریس تصمیم اولیه (X) با توجه به معاددلات زیر صورت می گیرد که معادله اول برای معیارهای مثبت و معادله دوم برای معیارهای منفی است.
محاسبه ماتریس شکاف کل (G)
عناصر ماتریس G به عنوان تفاوت (فاصله) بین ارزیابی های نظری (tpij) و ارزیابی های واقعی (trij) محاسبه می شوند که بر اساس رابطه زیر بیان می شوند. در واقع هنگامی که gij به سمت صفر میل کند به این دلیل است که گزینه با کمترین تفاوت بین نظری (tpij) و ارزیابی واقعی (trij) انتخاب می شود. به بیان دیگر برای گزینه Ai نسبت به معیار Ci اگر ارزیابی نظری با ارزیابی واقعی برابر باشد در معیار Ci گزینه Ai بهترین می باشد.
محاسبه مجموع مقادیر نهایی شکاف کل (Q)
بر اساس رابطه زیر مقادیر نهایی را برای هر گزینه بدست می آوریم و بر اساس آن گزینه ها رتبه بندی می شوند در واقع هر چقدر مقادیر نهایی برای گزینه ای کمتر باشد آن گزینه رتبه برتر را کسب خواهد کرد.
مطالعات انجام گرفته در زمینه روش MAIRCA
روش MAIRCA (میرکا) در سالهای اخیر بهصورت گسترده در حوزههای مختلف تصمیمگیری چندمعیاره مورد استفاده قرار گرفته است. این روش مبتنی بر مقایسه شکاف بین وضعیت ایدهآل و واقعی گزینهها بوده و در بسیاری از پژوهشها با مدلهای فازی و ترکیبی تلفیق شده است.
1. Hezam et al. (2023) – انتخاب منابع زیستتوده برای سوخت زیستی
رویکرد MAIRCA فازی شهودی (IF-MAIRCA) برای رتبهبندی منابع زیستتوده استفاده شد. نتایج نشان داد مهمترین شاخصها شامل هزینه تأمین زیستتوده، بلوغ، مقبولیت محلی، هزینه تبدیل، و کاهش انتشار گازهای گلخانهای هستند. بهترین منابع برای تولید سوخت زیستی، زبالههای شهری، فاضلابها و ضایعات کشاورزی و دامی شناخته شدند.
2. Ecer (2022) – انتخاب واکسن کرونا
در دوران کووید-۱۹، رویکرد MAIRCA فازی شهودی برای انتخاب مناسبترین واکسن به کار رفت. معیارهای اصلی عبارت بودند از مدت حفاظت، اثربخشی، موفقیت در برابر جهشها و تدارکات. نتیجه نشان داد واکسن AZD1222 (آکسفورد–آسترازنکا) بهترین گزینه ارزیابی شده است.
3. Hadian et al. (2022) – ارزیابی حساسیت سیل در استان گلستان
کاربرد MAIRCA برای اولین بار جهت پیشبینی خطر سیل انجام شد و با مدلهای FR و WOE ترکیب گردید. ده عامل محیطی بررسی شد. نتایج نشان داد ترکیبهای MLP-WOE و MLP-FR دقت بالاتری دارند، اما MAIRCA-WOE نیز عملکرد قابلقبولی در مدلسازی خطر سیل داشته است.
4. Aksoy (2021) – ارزیابی عملکرد ادغام و اکتساب شرکتها در ترکیه
با استفاده از MAIRCA و روش آنتروپی، عملکرد سالهای 2015–2019 در بازار M&A ترکیه تحلیل شد. مهمترین معیارها شامل ارزش معامله و سهم سرمایهگذاران خارجی بود. نتایج نشان داد سال 2015 بهترین عملکرد را داشته و پس از آن روند نزولی مشاهده شده است.
5. اکبری (1401) – توسعه پایدار اجتماعی در کلانشهرهای ایران
با استفاده از MAIRCA و آیداس، شاخصهای پایداری اجتماعی در شش کلانشهر بررسی شدند. نتایج هر دو مدل نشان داد که تهران بالاترین سطح توسعه پایدار اجتماعی و قم پایینترین را دارد، بیانگر نابرابری میان شهرهاست.
6. حیدری پیربستی و همکاران (1400) – مکانیابی دفن پسماند بیمارستانی در جنوبشرقی تهران
پس از تعیین وزن معیارها با FSWARA در GIS، رتبهبندی نهایی مکانها با روش MAIRCA انجام شد. نتیجه نشان داد نقطه شماره ۴ با مشخصات فنی و فاصلههای مناسب، بهترین محل برای دفن پسماندهای بیمارستانی است.
فیلم آموزش روش MAIRCA در اکسل
در این ویدئو، روش MAIRCA بهصورت کاملاً کاربردی و مرحلهبهمرحله در محیط اکسل پیادهسازی میشود؛ از تعریف معیارها و گزینهها، ساخت ماتریس تصمیم و نرمالسازی دادهها تا محاسبه شکاف ایدهآل-واقعی، امتیاز نهایی و رتبهبندی گزینهها. مثال عملی، فایل اکسل ساختاریافته و توضیح فرمولها بهگونهای ارائه شده که بتوانید همان الگو را مستقیماً در پایاننامه، مقاله یا پروژههای تصمیمگیری چندمعیاره خود تکرار کنید.
اگر میخواهید بدون درگیر شدن با کدنویسی، روش MAIRCA را بهشکل شفاف، قابل دفاع و اکسلمحور اجرا کنید، این فیلم دقیقاً برای شماست.
چنانچه نیازمند مشاوره و یا انجام پروژه خود با این روشها هستید با ما تماس بگیرید- 09338859181







