انجام پروژه به روش ویکور (VIKOR)

azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
اپریکووک و تزنگ در سال ۱۹۸۸ روش ویکور (VIKOR) را ارائه و در سال های ۲۰۰۲ تا ۲۰۰۷ آن را توسعه دادند.این روش مبتنی بر برنامه ریزی توافقی مسائل تصمیم گیری چند معیاره است، مسائلی که با معیارهای نامتناسب و ناسازگار را مورد ارزیابی قرار می دهد.

این محصول شامل فایل اکسلی است که روش را به طور کامل توضیح می دهد.

    فیلم آموزشی روش VIKOR
    فایل اکسل به صورت کامل فرموله می باشد.
    امکان تغییر معیارها و شاخص ها و اعداد برای محاسبه مجدد ممکن است.
    این فایل قابلیت گسترش و تغییر ساختار را دارا می باشد.

مثال روش VIKOR عدد
افزودن به علاقه مندی
دسته: تصمیم گیری چند معیاره

    توضیحات نظرات (0)

توضیحات

مثال روش VIKOR

اپریکووک و تزنگ در سال ۱۹۸۸ روش VIKOR (VIKOR) را ارائه و در سال های ۲۰۰۲ تا ۲۰۰۷ آن را توسعه دادند.این روش مبتنی بر برنامه ریزی توافقی مسائل تصمیم گیری چند معیاره است، مسائلی که با معیارهای نامتناسب و ناسازگار را مورد ارزیابی قرار می دهد.

در شرایطی که فرد تصمیم گیرنده قادر به شناسایی و بیان برتری های یک مساله در زمان شروع و طراحی آن نیست، این روش می تواند به عنوان ابزاری موثر برای تصمیم گیری مطرح شود.
مثال روش VIKOR
مثال روش VIKOR

آموزش روش ویکور
تصمیم گیری چند معیاره

تصمیم‌گیری شامل بیان درست اهداف، تعیین راه‌حل‌های مختلف و ممکن، ارزیابی امکان‌پذیری آنان، ارزیابی عواقب و نتایج ناشی از اجرای هر یک از راه‌حل‌ها و بالاخره انتخاب و اجرای آن می‌باشد. کیفیت مدیریت اساساً تابع کیفیت تصمیم‌گیری است زیرا کیفیت طرح و برنامه‌ها، اثربخشی و کارآمدی راهبردها و کیفیت نتایجی که از اعمال آن‌ها بدست می‌آید همگی تابع کیفیت تصمیماتی است که مدیر اتخاذ می‌نماید.

در اکثر موارد تصمیم‌گیری‌ها وقتی مطلوب و مورد رضایت تصمیم‌گیرنده است که تصمیم‌گیری براساس چندین معیار مورد بررسی قرار گرفته باشد. معیارها ممکن است کمی یا کیفی باشند. در روش‌های تصمیم‌گیری چند معیاره که در دهه‌های اخیر مورد توجه محققین قرار گرفته‌است به جای استفاده از یک معیار سنجش بهینگی از چند معیار سنجش استفاده می‌شود.
موزش روش ویکور VIKOR

ویکور VIKOR روشی مبتنی بر ماتریس تصمیم برای انتخاب گزینه بهینه براساس تعدادی معیار است که توسط اپریکویک معرفی شد. واژه VIKOR حروف اختصاری عبارت صربستانی Vlse Kriterijumsk Optimizacija Kompromisno Resenje می‌باشد. این روش پس از گسترش کاربرد روش تاپسیس توسط اپریکویک به سال ۱۹۸۴ برای حل مشکلات تاپسیس ارائه شد. به همین دلیل مقایسه روش ویکور و  تاپسیس همیشه مورد توجه پژوهشگران بوده است. پس از مطرح شدن منطق فازی، اپریکویک روش ویکور فازی را ارائه کرد.

ویکور یک روش سازشی است و به تصمیم‌گیری پیرامون گزینه‌ها براساس معیارهای مختلف کمک می‌کند. منظور از جواب سازشی نزدیکترین جواب موجه به جواب ایده آل است. کلمه سازش به یک توافق متقابل اطلاق می‌گردد. روش ویکور VIKOR از طریق ارزیابی گزینه‌ها بر اساس معیارها، گزینه‌ها را اولویت بندی یا رتبه بندی می‌کند. در این روش، معیارها وزن‌دهی نمی شوند بلکه معیارها از طریق روش‌های دیگر ارزیابی می‌شود. سپس گزینه‌ها بر اساس معیارها و با ترکیب در ارزش معیارها، ارزیابی شده و رتبه‌بندی می‌شوند. در این روش همواره چند گزینه مختلف وجود دارد که این گزینه‌ها بر اساس چند معیار به صورت مستقل ارزیابی می‌شوند. در نهایت گزینه‌ها بر اساس ارزش، رتبه بندی می‌گردند.

تفاوت اصلی تکنیک ویکور با تکنیک فرایند تحلیل سلسله مراتبی یا شبکه‌ای این است که بر خلاف آن مدل ها، در این مدل‌ها مقایسات زوجی بین معیارها و گزینه‌ها صورت نمی گیرد. یعنی هر گزینه مستقلا توسط یک معیار سنجیده و ارزیابی می‌گردد.
مراحل انجام ویکور VIKOR
تشکیل ماتریس تصمیم

نخستین گام تکنیک ویکور تشکیل ماتریس تصمیم است. ماتریس تصمیم‌گیری یک ماتریس برای ارزیابی تعدادی گزینه براساس تعدادی معیار است. یعنی ماتریسی که در آن هر گزینه براساس تعدادی معیار امتیازدهی شده است. ماتریس تصمیم با X و هر درایه آن با xij نشان داده می‌شود.
ماتریس تصمیم

ماتریس تصمیم
تشکیل ماتریس تصمیم نرمال

نرمال سازی یا بی مقیاس سازی دومین گام در حل تمامی تکنیک‌های تصمیم‌گیری چندمعیاره مبتنی بر ماتریس تصمیم است. در روش‌های MCDM بهتر است از واژه بی‌مقیاس سازی استفاده شود. در تکنیک VIKOR نرمال سازی به روش خطی صورت می‌گیرد.
ماتریس تصمیم نرمال

ماتریس تصمیم نرمال
تعیین نقطه ایده آل مثبت و منفی

برای هر معیار، بهترین و بدترینِ هریک را در میان همه گزینه‌ها تعیین کرده و به ترتیب f + وf – می‌نامیم. اگر معیار از نوع سودمندی باشذ خواهیم داشت:
f+ = Max fij
f– = Min fij
فرمول محاسبه ویکور

محاسبات روش ویکور VIKOR
تعیین سودمندی و تاسف

اپریکویک دو مفهومی اساسی سودمندی (S) و تاسف (R) را در محاسبات ویکور مطرح کرده است. مقدار سودمندی(S) بیانگر فاصله نسبی گزینه iام از نقطه ایده‌آل و مقدار تأسف(R) بیانگر حداکثر ناراحتی گزینه iام از دوری از نقطه ایده‌آل می‌باشد. برای این منظور از رابطه ۱ و رابطه ۲ استفاده می‌شود.

محاسبه شاخص ویکور

گام بعدی محاسبه شاخص ویکور(Q) برای هرگزینه براساس رابطه ۳ است.
دو شرط نهایی تصمیم‌گیری با تکنیک ویکور

در گام پایانی از آموزش تکنیک ویکور، گزینه‌ها براساس مقادیر Q, R, S در سه گروه از کوچک به بزرگ مرتب می‌شوند. بهترین گزینه آن است که کوچکترین Q را داشته باشد به شرط آنکه دو شرط زیر برقرار باشد:

شرط یک ویکور : اگر گزینه A1 و A2 در میان m گزینه رتبه اول و دوم را داشته باشند، باید رابطه ۶ برقرار باشد.

شرط دو ویکور : گزینه A1 باید حداقل در یکی از گروه‌های R و S به عنوان رتبه برتر شناخته شود.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
اگر شرط نخست برقرار نباشد هر دو گزینه بهترین گزینه خواهند بود.

اگر شرط دوم برقرار نباشد گزینه A1 و A2 هر دو به عنوان گزینه برتر انتخاب می‌شو
ش ویکور (VIKOR) از تکنیک های پر کاربرد تصمیم گیری چند معیاره است که پیاده سازی این تکنیک در محیط خاکستری (Grey) نیز به علت غلبه بر ابهامات موجود در تصمیم گیری می باشد. در مواقعی که در روش ویکور به جای استفاده از طیف های کلامی از اعدا واقعی فاصله ای استفاده شود به ویکور فاصله ای (Interval) شناخته می شود. روش ویکور در سال 1974 توسط اپریکوویک ارائه شد و سالهای بعد توسط تزنگ نیز توسعه داده شد.

روش ویکـور بـرای بهینـه سـازی چنـد معیـاره سیسـتم هـای پیچیـده توسـعه یافتـه اسـت. ایـن روش روی دسـته بنـدی و انتخـاب از یـک مجموعـه گزینـه هـا تمرکـز داشـته و جـواب هـای سازشـی را بـرای یـک مسـئله بـا معیارهـای متضـاد تعیـین میکنـد.در اینجـا جـواب سازشـی نزدیکتـرین جـواب بـه جـواب ایـده آل اسـت کـه کلمـه سـازش بـه یـک توافـق متقابـل اطـلاق مـی گـردد . از سـوی دیگـر در عمـل قضـاوت تصـمیم گیرنـدگان اغلـب نـامطمئن بـوده و بوسـیله مقـادیر عـددی دقیـق قابـل بیـان نیسـتند، لـذا جهـت مواجهـه بـا ایـن پیچیـدگی هـا، اسـتفاده از رویکردهـای جدیـد بـین رشـته ای نظیـر تئـوری خاکسـتری کـه بـرای مطالعـه عـدم اطمینـان و ناکامـل بـودن اطلاعــات بکـار میـرود، رونــد رو بـه رشــدی را دارا مـی باشـد.

تئـوری خاکسـتری در سـال 1982 توسـط آقـای دنـگ مطـرح شـد . اگـر اطلاعـات واضـح و شـفاف یـک سیسـتم را بـا رنگ سفید و اطلاعـات کـاملاً ناشـناخته یـک سیسـتم بـا رنـگ سـیاه تجسـم شـود، در ایـن صـورت اطلاعـات مربـوط بـه بیشـتر سیسـتم های موجود در طبیعـت اطلاعـات سـفید (کـاملاً شـناخته شـده) و یـا سـیاه( کـاملاً ناشـناخته ) نیسـتند، بلکـه مخلـوطی از آن دو یعنـی بـه رنگ خاکستری هسـتند .ایـن گونـه سیسـتم هـا را سیسـتم هـا ی خاکسـتری مـی نامنـد کـه اصـلی تـرین مشخصـه آن هـا، کامـل نبـودن اطلاعـات مربـوط بـه آن سیسـتم اسـت. تئـوری خاکسـتری بـا اسـتفاده از مفهـوم اعـداد خاکسـتری قابلیـت پـذیرش و بـه کـارگیری اطلاعات نامطمئن را فراهم کرده است.

عدد خاکستری، به عددی غیرقطعی اطلاق می شود که مقدار دقیق آن نامشخص، اما محدوده و بازه ای که در آن قرار می گیرد، مشخص است. عدد خاکستری را می توان عددی با اطلاعات نامطمئن تعریف کرد. مثلاً رتبة معیارها در یک تصمیم گیری، به صورت متغیرهای زبانی بیان می شود که می توان آن ها را با بازه های عددی بیان کرد. این بازه های عددی شامل اطلاعات نامطمئن خواهند بود.شکل زیر نمایی از یک سیستم خاکستری را نشان می دهد.

سیستم خاکستری grey
گام های روش ویکور خاکستری (فاصله ای)

1- در گام اول باید ماتریس تصمیم خاکستری را تشکیل داد ماتریس تصمیم این روش شامل معیار و گزینه است یعنی معیارها در ستون و گزینه ها در سطر قرار دارند و هر سلول ارزیابی هر گزینه نسبت به هر معیار است. این ارزیابی می تواند بر اساس طیف خاکستری (grey Scale) زیر انجام شود.

مقیاس ویکور خاکستری

2- در گام دوم باید نظرات خبرگان که بر اساس طیف بالا به گزینه ها داده اند جمع آوری کرد و با استفاده از رابطه زیر نظرات افراد را ادغام نمود.

ادغام نظرات

3- در گام سوم باید راحل ایده آل مثبت (PIS) و راه حل ایده آل منفی (NIS) را با استفاده از روابط زیر تعیین نمود. در این روابط ایده آل مثبت برای معیاری مثبت برابر با بزرگترین حد بالای عدد خاکستری و برای معیارهای منفی برابر با کوچکترین مقدار حد پایین خاکستری. برای محاسبه ایده آل منفی نیز به صورت بالعکس.

محاسبه PIS و NIS

4- در این گام باید سودمندی (S) و تاسف (R) گزینه ها با استفاده از روابط زیر تعیین نمود که در واقع S بیانگر فاصله نسبی گزینه iام از ایده آل مثبت و R بیانگر حداکثر ناراحتی گزینه iام به خاطر فاصله از ایده آل مثبت می باشد. همچنین در روابط زیر مقدار W وزن گزینه ها می باشد که می توان از روشهایی نظیر آنتروپی خاکستری و یا AHP خاکستری محاسبه نمود.

سودمندی و تاسف ویکور خاکستری

5- در گام پنجم شاخص ویکور خاکستری با استفاده از رابطه زیر محاسبه می شود. V عددی بین صفر و یک می باشد که نشان دهنده حداکثر مطلوبیت گروهی است.

شاخص ویکور خاکستری

6- در گام ششم باید مقادیر خاکستری R و S و Q را تبدیل به عدد قطعی نمود برای تبدیل یک عدد خاکستری به عدد قطعی کافیست از آن میانگین گرفته شود. سپس گزینه‌ها براساس مقادیر Q, R, S در سه گروه از کوچک به بزرگ مرتب می‌شوند. بهترین گزینه آن است که کوچکترین Q را داشته باشد به شرط آنکه دو شرط زیر برقرار باشد:

شرط یک: اگر گزینه A1 و A2 در میان m گزینه رتبه اول و دوم را داشته باشند، باید رابطه زیر برقرار باشد:

رتبه نهایی ویکور خاکستری
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
اگر این شرط
روش ویکور

اپریکووک و تزنگ در سال 1988 روش ویکور (VIKOR) را ارائه و در سال های 2002 تا 2007 آن را توسعه دادند.این روش مبتنی بر برنامه ریزی توافقی مسائل تصمیم گیری چند معیاره است، مسائلی که با معیارهای نامتناسب و ناسازگار را مورد ارزیابی قرار می دهد.

در شرایطی که فرد تصمیم گیرنده قادر به شناسایی و بیان برتری های یک مساله در زمان شروع و طراحی آن نیست، این روش می تواند به عنوان ابزاری موثر برای تصمیم گیری مطرح شود.
مراحل روش ویکور

در ادامه مراحل روش ویکور را با هم مرور می کنیم
تشکیل ماتریس تصمیم:

    با توجه به تعداد معیار ها ، تعداد گزینه ها و ارزیابی همه گزینه ها برای معیارهای مختلف ماتریس تصمیم به صورت زیر تشکیل می شود:

ماتریس تصمیم گیریماتریس تصمیم گیری

در آن Xij  عملکرد گزینه i  در رابطه با معیار j  می باشد
بی مقیاس کردن ماتریس تصمیم:

در این مرحله سعی می شود معیارها با ابعاد مختلف به معیارهای بی بعد تبدیل شوند و ماتریس F به صورت زیر تعریف می شود:
بی مقیاس کردن ماتریس تصمیمبی مقیاس کردن ماتریس تصمیم
تعیین بردار وزن معیارها:

با توجه به ضریب اهمیت معیارهای مختلف در تصمیم گیری به صورت زیر تعریف می شود:

W= [w1,w2,…,wn]
تعیین بهترین و بدترین مقدار از میان مقادیر موجود برای هر معیار

    بهترین مقدار برای معیارهای مثبت و منفی از روابط زیر محاسبه می شوند.

    بدترین مقدار برای معیارهای مثبت و منفی از روابط زیر محاسبه می شوند.

تعیین بهترین و بدترین مقدار از میان مقادیر موجود برای هر معیارتعیین بهترین و بدترین مقدار از میان مقادیر موجود برای هر معیار
محاسبه مقدار سودمندی (S) و مقدار تاسف (R):

این مقادیر با توجه به روابط زیر محاسبه می شوند
محاسبه مقدار سودمندی (S) و مقدار تاسف (R)محاسبه مقدار سودمندی (S) و مقدار تاسف (R)

که wj مقدار وزن مورد نظر برای معیار j  می باشد
محاسبه شاخص ویکور Q:

مقدار Q  با توجه به رابطه زیر محاسبه می شود
محاسبه شاخص ویکور Qمحاسبه شاخص ویکور Q

در این روابط بیان کننده نرخ فاصله از حد ایده آل و بیان کننده نرخ فاصله از حد ضد ایده آل است و پارامتر V  با توجه به توافق گروه تصمیم گیرنده انتخاب می شود.
مرتب کردن گزینه های بر اساس مقادیر R , S, Q

در این مرحله مقادیر R , S, Q  در سه گروه از کوچکتر به بزرگتر مرتب می شوند

نهایت گزینه ای به عنوان گزینه برتر است که در هر سه گروه به عنوان گزینه برتر شناخته شود.

همچنین در گروه Q  گزینه ای به عنوان گزینه برتر انتخاب می شود که دو شرط زیر را ارضا کند:

شرط اول :

اگر گزینه های A1 و A2 به ترتیب اولین و دومین گزینه برتر در گروه و n بیانگر تعداد گزینه ها باشد رابطه زیر برقرار باشد:
شرط اولشرط اول

شرط دوم:

گزینه A1 باید حداقل در یکی از گروه های R و S  به عنوان رتبه برتر شناخته شود

زمانی که شرط اول برقرار نباشد، مجموعه ای گزینه های به صورت زیر به عنوان گزینه های برتر انتخاب می شوند:

گزینه های برتر = A1,A2,…, Am

بیشترین مقدار m از طریق رابطه زیر محاسبه می شود:
شرط دومگزینه های برتر

زمانی که شرط دوم برقرار نباشد گزینه های A1 و A2  به عنوان گزینه های برتر انتخاب می شوند.
در مدل های تصمیم گیری چند معیاره رتبه بندی گزینه های پژوهش بسیار حائز اهمیت می باشد یکی از روشهایی که به این مقوله می پردازد ویکور است. روش ویکور از یک عبارت صربستانی به معنای راه حل توافقی و بهینه سازی چند معیاره معادل عبارت انگلیسی (Multi-criteria optimization and compromise solution) می باشد که اولین بار توسط Opricovic و Tzeng ارائه شد. روش ویکور یک تصمیم گیری چند معیاره برای حل یک مساله تصمیم گیری با معیارهای نامناسب و واحدهای اندازه گیری مختلف و متعارض است. روش VIKOR بر تمرکز بر رتبه بندی و انتخاب از بین یک مجموعه راه کار در مساله ای با داشتن معیارهای مخالف هدف گذاری شده است. نتایج نشان داده شده در روش ویکور لیست رتبه بندی توافقی به اضافه یک یا چند راه حل توافقی است. در شکل زیر مراحل کلی روش ویکور آورده شده است که در واقع ورودی های اولیه روش ویکور برای شروع، ماتریس تصمیم گیری، وزن معیارها و وزن مطلوبیت گروهی است.

الگوریتم مراحل پیاده سازی روش ویکور vikor
مراحل حل مساله به روش ویکور (Vikor)

1- تشکیل ماتریس تصمیم: ماتریس تصمیم روش ویکور شامل یک ماتریس معیار گزینه ای است یعنی معیارها در ستون و گزینه های پژوهش که قصد رتبه بندی آن ها را داریم در سطر قرار می گیرند. برای تکمیل ماتریس تصمیم ویکور اگر معیارها جنبه کمی داشته باشند عدد واقعی وارد می شود ولی اگر جنبه کیفی داشته باشند بر اساس طیف 1 تا 5 و یا 1 تا 9 این فرایند صورت می گیرد. به عنوان مثال در شکل زیر ماتریس تصمیم انتخاب 3 خودرو بر اساس 4 معیار آورده شده است که بر اساس طیف 1 تا 5 معیارهای کیفی تبدیل به کمی شده است.

ماتریس تصمیم کمی ویکور

2- نرمال سازی ماتریس تصمیم: فرایند نرمال سازی با استفاده از رابطه زیر صورت می گیرد. جهت نرمال سازی هر درایه را بر جذر مجموع مربعات درایه های هر ستون معیار تقسیم می کنیم.

3- تعیین نقطه ایده آل مثبت و ضد ایده آل منفی: در این گام باید ایده آل های مثبت و منفی را مشخص کرد ایده آل مثبت برای معیارهای مثبت برابر با بزرگترین مقدار ستون معیار و ایده آل منفی کوچکترین درایه ستون معیار. برای معیارهای منفی بالعکس. معیارهای مثبت افزایششان باعث سود و معیارهای منفی کاهششان باعث سود می شود.

4- محاسبه مقادیر سودمندی (S) و تاسف (R) برای هر شاخص: مقدار سودمندی(S) بیانگر فاصله نسبی گزینه iام از نقطه ایده‌آل و مقدار تأسف(R) بیانگر حداکثر ناراحتی گزینه iام از دوری از نقطه ایده‌آل می‌باشد و از روابط زیر حاصل می شوند.

5- محاسبه شاخص ویکور (Q) برای هر گزینه: شاخص ویکور برای هر گزینه از رابطه زیر محاسبه می شود.

6- مرتب کردن گزینه ها بر اساس S ، Q و R
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.irazsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
در گام پایانی از تکنیک ویکور، گزینه‌ها براساس مقادیر Q, R, S در سه گروه از کوچک به بزرگ مرتب می‌شوند. بهترین گزینه آن است که در هر سه مقدار رتبه برتر باشد در غیر اینصورت گزینه برتر گزینه­ای است که کوچکترین Q را داشته باشد به شرط آنکه دو شرط زیر برقرار باشد.

شرط یک: اگر گزینه A1 و A2 در میان m گزینه رتبه اول و دوم را داشته باشند، باید رابطه زیر برقرار باشد:

شرط دو: گزینه A1 باید حداقل در یکی از گروه‌های R و S به عنوان رتبه برتر شناخته شود. اگر شرط نخست برقرار نباشد هر دو گزینه بهترین گزینه خواهند بود. اگر شرط دوم برقرار نباشد گزینه A1 و A2 هر دو به عنوان گزینه برتر انتخاب می‌شوند.

یکی از گامهای روش ویکور تعیین پارامتر V است. این پارامتر با توجه به میزان توافق گروه تصمیم گیرنده تعیین می گردد.

    توافق خیلی زیاد باشد آنگاه v> 0.5
    توافق با اکثریت آرا باشد آنگاه v=0.5
    توافق اندک باشد آنگاه v<0.5
    هرچه v بزرگتر باشد آنگاه به نظرات گروهی بیشتر بها داده است.
    هرچه v کوچکتر باشد آنگاه به نظرات فردی بیشتر بها داده است.

تفاوت دو روش تاپسیس و الکتره

تکنیک تاپسیس نیز همانند روش ویکور هدفش رتبه بندی گزینه های پژوهش است اما این دو روش به علت مشابهت زیادی که با هم دارند دارای تفاوت هایی نیز می باشند که در زیر آورده شده است.

    روش تاپسیس اهمیت نسبی فواصل از ایده آل مثبت و منفی را در نظر میگیرد. به همین دلیل بهترین راه حل در تاپسیس همیشه و لزوما نزدیکترین راه حل به ایده آل مثبت نمی باشد.
    روش ویکور به دلیل استفاده از شاخص V و توافق جمعی از بهینه سازی بهتری در تصمیم گیری ها برخوردار است که این موضوع برتری این روش نسبت به سایر روشهای تصمیم گیری چند معیاره است.

نکته: در یک مساله تصمیم گیری اگر هدف رتبه بندی گزینه ها باشد بهتر اس

انجام پروژه روش TOPSIS

روش تاپسیس از روش های تصمیم گیری غیر جبرانی می باشد. این محصول شامل فایل اکسل این روش به صورت کامل و با توضیحات می باشد که شما در ادامه می توانید اکسل این مثال را دانلود نمایید.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
این محصول شامل فایل اکسلی است که روش را به طور کامل توضیح می دهد.

    فیلم آموزشی روش TOPSIS
    فایل اکسل به صورت کامل فرموله می باشد.
    امکان تغییر معیارها و شاخص ها و اعداد برای محاسبه مجدد ممکن است.
    این فایل قابلیت گسترش و تغییر ساختار را دارا می باشد.

مثال روش TOPSIS عدد
افزودن به علاقه مندی
دسته: تصمیم گیری چند معیاره

    توضیحات نظرات (0)

توضیحات

مثال روش TOPSIS

روش تاپسیس از روش های تصمیم گیری غیر جبرانی می باشد. برای این کار روش های مختلفی وجود دارد اما معمولا از رابطه روبرو استفاده می شود که هر عدد تقسیم بر محموع ستونی می گردد.

تعیین بردار وزن معیارها [w=[w۱,w۲…wn ضریب اهمیت معیارها توسط صورت مساله یا n به ما داده می شود.

تعیین ماتریس تصمیم بی مقیاس شده وزن دار: در این مرجله هر عنصر از ماتریس R  را در وزن مربوطه شاخص ضرب می کنیم و در سرجایش در ماتریس قرار می دهیم.

این محصول شامل فایل اکسل این روش به صورت کامل و با توضیحات می باشد.
مثال روش TOPSIS
اکسل مثال روش TOPSIS

آموزش روش تاپسیس
تصمیم گیری چند معیاره

تصمیم‌گیری شامل بیان درست اهداف، تعیین راه‌حل‌های مختلف و ممکن، ارزیابی امکان‌پذیری آنان، ارزیابی عواقب و نتایج ناشی از اجرای هر یک از راه‌حل‌ها و بالاخره انتخاب و اجرای آن می‌باشد. کیفیت مدیریت اساساً تابع کیفیت تصمیم‌گیری است زیرا کیفیت طرح و برنامه‌ها، اثربخشی و کارآمدی راهبردها و کیفیت نتایجی که از اعمال آن‌ها بدست می‌آید همگی تابع کیفیت تصمیماتی است که مدیر اتخاذ می‌نماید.

در اکثر موارد تصمیم‌گیری‌ها وقتی مطلوب و مورد رضایت تصمیم‌گیرنده است که تصمیم‌گیری براساس چندین معیار مورد بررسی قرار گرفته باشد. معیارها ممکن است کمی یا کیفی باشند. در روش‌های تصمیم‌گیری چند معیاره که در دهه‌های اخیر مورد توجه محققین قرار گرفته‌است به جای استفاده از یک معیار سنجش بهینگی از چند معیار سنجش استفاده می‌شود.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
در ادامه برخی از انواع این روش ها آورده شده است:
جام پروژه های تاپسیس ، انجام پروژه با نرم افزار تاپسیس TOPSIS  توسط صدها متخصص تاپسیس از تخصص های اصلی متلب پروژه بوده و با قیمت مناسب انجام میشود برای انجام پروژه دانشجویی تاپسیس TOPSIS  میتوانید با شماره تماس بگیرید.

در مواقع فراوانی شاهدیم کاربران در پروژه های تاپسیس خود مشکل دارند و به دنبال یک مکان مطمئن برای سفارش پروژه خود هستند.

متلب پروژه با داشتن اساتید برتر و تجربه 7 ساله در این حوزه آمادگی دارد انجام پروژه تاپسیس شما در تمامی گرایش ها بر عهده گرفته و با بهترین کیفیت و در زمان کوتاه تحویل بدهد.

به جرات میتوان گفت کیفیت انجام پروژه دانشجویی تاپسیس در متلب پروژه در هیچ موسسه یافت نمیشود و این به دلیل استفاده از مجریان ممتاز تاپسیس در ایران هست .

ما چه نوع پروژه های تاپسیس را میتوانیم انجام بدهیم ؟
انجام پروژه دانشجویی با تاپسیس
انجام پروژه با نرم افزار تاپسیس
هزینه انجام پروژه تاپسیس
انجام پروژه TOPSIS

تاپسیس چیست ؟

روش تاپسیس یکی از روش بسیار پرکاربرد در حوزه صنایع و مدیریت می باشد این روش از روش های تصمیم گیری چندمعیاره می باشد در این روش از دو واژه حل ایده آل و شباهت به ایده آل استفاده شده است هدف از روش تاپسیس این است که از بین روش های موجود دو گزینه به عنوان گزینه فرضی بدست آید که درنهایت بتوان آن تصمیم گیری چندگانه را حل کرد.TOPSIS یک مساله MADM با گزینه های m را به عنوان یک سیستم هندسی با نقاط m در فضای n بعدی مشاهده می کند. روش مبتنی بر این مفهوم است که گزینه جایگزین باید کمترین فاصله را از راه حل مثبت-ایده آل و طولانی ترین فاصله از راه حل منفی-ایده آل داشته باشد. TOPSIS شاخصی به نام شباهت با راه حل مثبت- ایده آل و دوری از راه حل منفی-ایده آل را تعریف می کند. سپس روش جایگزین با حداکثر شباهت به راه حل مثبت-ایده آل را انتخاب می کند.

همجنین درصورتی که نیاز به انجام پروژه ahp دارید و زمان کافی برای انجام آن ندارید ما بهترین کارشناسان را در کنار هم جمع کرده ایم تا خیال از شما از بابت انجام سفارش آسوده باشد برای دریافت مشاوره با اساتید متلب پروژه تماس بگیرید.

انجام پروژه های تاپسیس TOPSIS

فعالیت مشابه متلب پروژه

انجام پروژه های spss

انجام پروژه های sas

انجام پروژه های مینی تب

انجام پروژه های R

انجام پروژه های اکسل

انجام پروژه های آموس

انجام پروژه های پاورپوینت

انجام پروژه های داده کاوی

انجام پروژه های حسابداری

انجام پروژه های Microsoft Project

انجام پروژه های لاتکس

انجام پروژه های msp

انجام پروژه های کامفار

برای سفارش پروژه باید چه کار کنم ؟

برای سفارش انجام پروژه تاپسیس باید سفارش خود را از طریق فرم ثبت سفارش ارسال کنید یا می توانید شما میتوانید با شماره تماس بگیرید.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
زمان پروژه چقدر می باشد ؟

انجام پروژه تاپسیس در متلب پروژه طبق زمان خواسته شده مشتری تنظیم میشود ولی سعی میشود در کمترین زمان ممکن تحویل داده شود.

کیفیت در پروژه به چه صورت خواهد بود ؟

کیفیت در انجام پروژه تاپسیس از اصلی ترین اهداف گروه متلب پروژه می باشد بالاترین کیفیت در پروژه تاپسیسهمواره هدف متلب پروژه بوده است.

چگونه از پروژه مطمئن شویم ؟

اطمینان از انجام پروژه تاپسیس با توجه به کیفیت بالای سفارشات انجام شده در متلب پروژه مشخص می باشد متلب پروژه همواره مفتخر بوده اطمینان شما را توانسته فراهم ک
تکنیک تاپسیس (TOPSIS)

روش تاپسیس یکی از روشهای تصمیم گیری چند شاخصه (MADM) است که به رتبه بندی گزینه ها می پردازد. در این روش از دو مفهوم “حل ایده آل” و “شباهت به حل ایده آل” استفاده شده است. حل ایده آل چنان چه از اسم آن پیداست، آن حلی است که از هر جهت بهترین باشد که عموما در عمل وجود نداشته و سعی بر آن است که به آن نزدیک شویم. به منظور اندازه گیری شباهت یک طرح (یا گزینه) به حل ایده آل و ضد ایده آل، فاصله آن طرح (یا گزینه) از حل ایده آل و ضدایده آل اندازه گیری می شود. سپس گزینه ها بر اساس نسبت فاصله از حل ضد ایده آل به مجموع فاصله از حل ایده آل و ضد ایده آل ارزیابی و رتبه بندی می شوند. واژه TOPSIS از حروف اول عبارت Technique for Order of Preference by Similarity to Ideal Solution گرفته شده است.

TOPSIS یک مساله MADM با گزینه های m را به عنوان یک سیستم هندسی با نقاط m در فضای n بعدی مشاهده می کند. روش مبتنی بر این مفهوم است که گزینه جایگزین باید کمترین فاصله را از راه حل مثبت-ایده آل و طولانی ترین فاصله از راه حل منفی-ایده آل داشته باشد. TOPSIS شاخصی به نام شباهت با راه حل مثبت- ایده آل و دوری از راه حل منفی-ایده آل را تعریف می کند. سپس روش جایگزین با حداکثر شباهت به راه حل مثبت-ایده آل را انتخاب می کند.

اگر گزینه ای شبیه به یک راه حل ایده آل باشد ، درجه بالاتری دارد. راه حل ایده آل یک راه حل است که از هر جنبه ای که به طور عملی وجود ندارد بهترین است و ما سعی می کنیم آن را تقریبی کنیم. اصولاً برای اندازه گیری شباهت یک طرح (یا گزینه) با سطح ایده آل و غیر ایده آل ، فاصله آن طرح را از راه حل ایده آل و غیر ایده آل در نظر می گیریم.

مفروضات زیربنایی این روش عبارتند از :

الف – مطلوبیت هر معیار باید به طور یکنواخت، افزاینده و یا کاهنده باشد. به عبارت دیگر مطلوبیت معیار اعم از کیفی یا کمی با تغییر مقدار آن همواره افزاینده با کاهنده است. معیارها باید به طور یکنواخت کاهنده یا افزاینده باشند تا بتوان بهترین ارزش موجود آن را، ایده آل و بدترین ارزش آن را، ضد ایده آل تلقی کرد.

ب- معیارها باید به گونه ای طرح شوند که مستقل از همدیگر باشند (مستقل بودن به معنی عدم وجود روابط درونی می باشد).

ج- از آن جا که نرخ تبادل بین معیارها معمولا مقداری غیر از واحد است، فاصله گزینه ها از حل ایده آل و ضد ایده آل به صورت فاصله اقلیدسی محاسبه می شود.

نکته مهم: مواردی که در بیشتر موضوعات پروپوزال و پایان نامه ها مشاهده می شود این است که به عنوان مثال برای رتبه بندی عوامل و شاخص های پژوهش روش تاپسیس را انتخاب نموده اند، در صورتیکه این اشتباه است و روش تاپسیس فقط برای رتبه بندی گزینه های مساله مورد استفاده قرار میگیرد نه عوامل پژوهش. به عنوان مثال فرض کنید موضوع پژوهشی در مورد مدیریت زنجیره تامین سبز است و میخواهیم با تکنیک تاپسیس این مساله را حل کنیم. این مساله تعدادی معیار که بر مدیریت زنجیره تامین سبز تاثیرگذار هستند انتخاب نموده است. حال این معیارها را فقط با روشهایی نظیر آنتروپی، AHP، ANP و یا BWM قادر به وزن دهی و رتبه بندی هستیم در صورتیکه بخواهیم از روش تاپسیس استفاده کنیم باید برای مساله تعداد گزینه (آلترناتیو) تایین کنیم به عنوان مثال آلترناتیو ها می تواند تعداد شرکت باشد، تعدادی استراتژی باشند که هدف تاپسیس رتبه بندی این موارد می باشد نه رتبه بندی شاخص ها.
مزایای روش تاپسیس

    تصمیم گیری در صورت وجود معیارهای مثبت و منفی (حتی توام با هم در یک مساله) امکان پذیر است. معیارهای مثبت معیارهایی هستند گه جنبه سود دارند مثل کیفیت کالا و معیارهای منفی معیارهایی هستند که جنبه ضرر دارند مثل سختی کار.
    برای تعیین بهترین گزینه می توان تعداد قابل توجهی معیار را مورد بررسی قرار داد در حالی که در روش AHP یا روش ANP عملا و ذاتا در این زمینه محدودیت هایی وجود دارد.
    این روش ساده و دارای سرعت مناسب است و برای تعداد زیادی گزینه و معیار به خوبی پاسخگو است.
    در روش تاپسیس به راحتی می توان معیارهای کیفی را کمی کرد و تصمیم گیری با وجود معیارهای کیفی و کمی میسر است.
    خروجی سیستم به صورت کمی است و علاوه بر تعیین گزینه برتر، رتبه سایر گزینه ها به صورت عددی بیان می شود. این مقدار عددی همان نزدیکی نسبی است که پایه قوی این روش را بیان می کند.
    روش تاپسیس، دارای پایه های ریاضی مناسب است. این روش با فاصله ها سروکار دارد. تاپسیس گزینه ای را که بیشترین فاصله از بدترین گزینه و کمترین فاصله از بهترین گزینه دارد، به عنوان گزینة بهینه انتخاب می کند و به همین دلیل و پایة ریاضی اش، بر سایر روش های MADM برتری دارد.
    روش تاپسیس برتری دیگری نسبت به بعضی از روشهای MADM دارد که این روش از روش های جبرانی است. یعنی وزن تمامی گزینه ها و معیارها در تصمیم گیری دخالت داده می شود و هیچ وزنی در این روش نادیده گرفته نمی شود.

مراحل روش تاپسیس

جهت پیاده سازی و انجام روش تاپسیس گام های زیر اجرا می شوند.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
1- تشکیل ماتریس تصمیم: گام اولیه این روش تشکیل ماتریس تصمیم است. ماتریس تصمیم این روش شامل یکسری معیار و گزینه می باشد یک ماتریسی که معیارها در ستون ها قرار می گیرند و گزینه ها در سطر هستند. و هر سلول ماتریس ارزیابی هر گزینه نسبت به هر معیار است. بعد از ایمکه ماتریس تصمیم تشکیل شد می بایست آن را توسط نظرات خبرگان تکمیل کنیم که این فرایند توسط طیف لیکرت یا ساعتی و یا اعداد واقعی صورت می گیرد در مواقعی که معیار کمی است مثل هزینه یا نرخ تولید و یا غیره که عدد واقعی آن را داریم برای هر گزینه آن عدد واقعی را قرار می دهیم اما در مواردی که معیار کیفی است و عدد کمی برای آن مفهومی ندارد از طیف 1 تا 9 یا طیف 1 تا 5 استفاده می کنیم.

ماتریس تصمیم تاپسیس

2- بی مقیاس کردن ماتریس تصمیم (نرمال سازی ماتریس تصمیم): بی مقیاس کردن در روش تاپسیس با استفاده از روش نرم صورت میگیرد و به اینصورت انجام می شود که هر درایه بر جذر مجموع مربعات درایه های آن ستون معیار تقسیم می شود. در این گام در واقع ماتریس تصمیم تبدیل به یک ماتریس بی بعد می شود.

نرمال سازی تاپسیس

3- تعیین ماتریس بی مقیاس وزن دار: در این گام باید وزن معیارها که از روشهای دیگر بدست آمده است را در ماتریس نرمال ضرب کنیم تا ماتریس وزن دار حاصل شود (روش تاپسیس به تنهایی قادر به محاسبه وزن معیارها نیست بنابراین باید از روشهای دیگر نظیر AHP ، آنتروپی و … وزن معیارها را محاسبه کرد و به عنوان ورودی به این روش داد).

4- یافتن حل ایده ال و ضد ایده آل: در این جا باید نوع معیارها مشخص شود معیارها یا جنبه مثبت دارند یا منفی. معیارهای مثبت معیارهایی هستند که افزایش آن ها باعث بهبود در سیستم شود مثل کیفیت یک محصول این معیار از نوع مثبت است و حل ایده آل آن برابر با بزرگترین درایه ستون معیار و ضد ایده آل برابر با کوچکترین درایه سلول. برای معیارهای منفی بالعکس.

    برای معیارهایی که بار مثبت دارند ایده‌آل مثبت بزرگترین مقدار آن معیار است.
    برای معیارهایی که بار مثبت دارند ایده‌آل منفی کوچکترین مقدار آن معیار است.
    برای معیارهایی که بار منفی دارند ایده‌آل مثبت کوچکترین مقدار آن معیار است.
    برای معیارهایی که بار منفی دارند ایده‌آل منفی بزرگترین مقدار آن معیار است.

5- محاسبه فاصله از حل ایده ال و ضد ایده آل: در این گام بر اساس رابطه زیر فاصله هر گزینه را ایده ال مثبت و منفی اش محاسبه می کنیم.

فاصله در تاپسیس

محاسبه شاخص شباهت و رتبه بندی گزینه ها: شاخص شباهت نشان دهنده امتیاز هر گزینه است و بر اساس رابطه زیر محاسبه می شود هرچقدر این شاخص به عدد یک نزدیکتر باشد نشان از برتری آن گزینه می دهد.

شاخص شباهت تاپسیس
مثال روش تاپسیس

در این مثال هدف انتخاب بهترین گزینه سفر از بین 5 وسیله با توجه به 4 معیار می باشد و با استفاده از روش تاپسیس این مساله حل شده است. ابتدا مدل مساله را رسم می کنیم که در شکل زیر آورده شده است. همانطور که در مدل دیده می شود 4 معیار هزینه، ایمنی، مدت زمان سفر و راحتی و آسایش انتخاب شده است و 5 وسیله نقلیه به عنوان گزینه موجود هستند.
سیس TOPSIS یک روش تصمیم‌گیری چندمعیاره است که برای انتخاب بهترین گزینه براساس تعداد معیار استفاده می‌شود. این روش توسط هوانگ و یون در سال ۱۹۸۱ پیشنهاد شد. در این روش m گزینه بوسیله n شاخص ارزیابی می‌شود. تاپسیس پس از روش ساده SAW معرفی گردید و به روشی فراگیر در حل مسائل مبتنی بر ماتریس تصمیم تبدیل شد.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
واژه TOPSIS مخفف Technique for Order Preference by Similarity to Ideal Solution به معنی روش‌های ترجیح براساس مشابهت به راه حل ایده‌آل است. منطق زیربنایی این روش، راه‌حل ایده‌آل (مثبت) و راه‌حل ایده‌آل منفی را تعریف می‌کند. راه حل ایده آل (مثبت) راه حلی است که معیار سود را افزایش و معیار هزینه را کاهش می‌دهد. گزینه بهینه، گزینه‌ای است که کمترین فاصله از راه حل ایده‌آل و در عین حال دورترین فاصله از راه حل ایده‌آل منفی دارد. سایت پارس‌مدیر برای نخستین بار در ایران امکان دانلود نرم افزار TOPSIS را فراهم کرده است.
الگوریتم اجرایی تاپسیس TOPSIS

در رتبه‌بندی گزینه‌ها به روش TOPSIS گزینه‌هایی که بیشترین تشابه را با راه‌حل ایده آل داشته باشند، رتبه بالاتری کسب می‌کنند. فضای هدف بین دو معیار به عنوان نمونه در شکل نشان داده شده است. در اینجا A+ و A- به ترتیب، راه حل ایده آل و راه حل ایده‌آل منفی است. گزینه A1 به نسبت گزینه A2 فاصله کمتری تا راه حل ایده آل و فاصله بیشتری را تا راه حل ایده آل منفی دارد.
فاصله از ایده‌آل مثبت و منفی

فاصله از ایده‌آل مثبت و منفی

هدف تکنیک تاپسیس : انتخاب بهترین گزینه براساس تعدادی معیار

ملاک انتخاب گزینه: حداکثر فاصله از ایده‌آل منفی و حداکثر نزدیکی به راه‌حل ایده‌آل (مثبت)

نکته: تکنیک تاپسیس نیازمند وزن معیارها است و باید از روش بهترین-بدترین، روش انتروپی، روش سوارا یا روش AHP وزن معیارها تعیین شود.
مراحل روش تاپسیس TOPSIS

تشکیل ماتریس تصمیم

نخستین گام در این تکنیک تشکیل ماتریس تصمیم است. ماتریس تصمیم‌گیری یک ماتریس برای ارزیابی تعدادی گزینه براساس تعدادی معیار است. یعنی ماتریسی که در آن هر گزینه براساس تعدادی معیار امتیازدهی شده است. ماتریس تصمیم با X و هر درایه آن با xij نشان داده می‌شود.
ماتریس تصمیم

ماتریس تصمیم

تشکیل ماتریس تصمیم نرمال

نرمال سازی یا بی مقیاس سازی دومین گام در حل تمامی تکنیک‌های تصمیم‌گیری چندمعیاره مبتنی بر ماتریس تصمیم است. در روش‌های MCDM بهتر است از واژه بی‌مقیاس سازی استفاده شود. در تکنیک تاپسیس از نرمال سازی به روش برداری صورت می‌گیرد.
نرمال سازی برداری

نرمال سازی برداری
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
خروجی این مرحله به صورت ماتریس نرمال زیر نمایش داده می‌شود:
ماتریس تصمیم نرمال

ماتریس تصمیم نرمال

تشکیل ماتریس تصمیم نرمال موزون

در گام سوم از آموزش روش تاپسیس باید ماتریس تصمیم نرمال ایجاد شده، موزون شود. برای این منظور وزن هر معیار در تمامی درایه‌های زیر همان معیار ضرب می‌شود. وزن معیارها باید از قبل مشخص شود. برای این منظور معمولاً از تکنیک آنتروپی، AHP، روش بهترین بدترین (BWM) و روش SWARA استفاده می‌شود.
ماتریس تصمیم موزون

ماتریس تصمیم موزون
محاسبه ایده آل‌های مثبت و منفی

محاسبه Positive ideal point, PIS و Negative ideal point,NIS گام بعدی است. در این گام برای هر شاخص یک ایده‌آل مثبت (A+) و یک ایده‌آل منفی محاسبه می‌شود.

    برای معیارهایی که بار مثبت دارند ایده‌آل مثبت بزرگترین مقدار آن معیار است.
    برای معیارهایی که بار مثبت دارند ایده‌آل منفی کوچکترین مقدار آن معیار است.
    برای معیارهایی که بار منفی دارند ایده‌آل مثبت کوچکترین مقدار آن معیار است.
    برای معیارهایی که بار منفی دارند ایده‌آل منفی بزرگترین مقدار آن معیار است.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
فاصله از ایده‌آل‌های مثبت و منفی و محاسبه راه‌حل ایده‌آل

در این گام میزان نزدیکی نسبی هر گزینه به راه‌حل ایده‌آل حساب می‌شود. فاصله اقلیدسی هر گزینه از ایده‌آل مثبت و منفی با فرمول زیر محاسبه خواهد شد.

گام نهائی محاسبه راه‌حل ایده‌آل است. در این گام میزان نزدیکی نسبی هر گزینه به راه‌حل ایده‌آل حساب می‌شود. برای اینکار از فرمول زیر سود می‌بریم:
محاسبه ایده آل مثبت و منفی تاپسیس TOPSIS

محاسبه ایده آل مثبت و منفی

مقدار CL بین صفر و یک است. هرچه این مقدار به یک نزدیکتر باشد راه‌کار به جواب ایده‌آل نزدیکتر است و راه‌کار بهتری می‌باشد.

دانلود پاورپوینت تاپسیس
آموزش تکنیک تاپسیس در فایل اکسل
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
تاپسیس TOPSIS در اکسل

یک فایل آموزش تکنیک تاپسیس TOPSIS همراه با مثال کاربردی در نرم افزار اکسل تهیه شده است. گزارش و تفسیر عملیات انجام شده در فایل ضمیمه ارائه شده است. مساله حل شده به صورت کامل در اکسل کدنویسی شده است. اگر فکر میکنید یک کتاب مفصل ارائه شده اینطور نیست. یک جزوه ساده و کاربردی آموزش تاپسیس در اکسل است که در ۵ گام تکنیک تاپسیس را آموزش داده است.

هدف فایل آموزش تاپسیس در اکسل : حل مسائل TOPSIS در محیط
مزایا و معایب تکنیک تاپسیس

این یک تکنیک جمع آوری جبرانی است که مجموعه ای از گزینه های دیگر را با تعیین وزن برای هر معیار، نرمال سازی نمرات برای هر معیار و محاسبه فاصله هندسی بین هر یک از گزینه ها و ایده آل ها، مقایسه می کند. فرض topsis این است که معیارها به صورت یکنواخت افزایش یا کاهش می یابد. معمولاً نرمال سازی سازی لازم می باشد. زیرا پارامترها یا معیارها معمولاً در مسائل چند معیاره از ابعاد ناموزون برخوردار هستند. روشهای جبرانی مانند topsis امکان توازن (trade-off) بین معیارها را فراهم می آورد، جایی که نتیجه ضعیف در یک معیار را می توان با نتیجه خوب در معیار دیگر نفی کرد. topsis یک شکل واقعی تر از مدل سازی را نسبت به رویکرد های غیر جبرانی فراهم می کند، که شامل راه حل های جایگزین بر اساس برش های سخت است.

پروژه
روش تاپسیس به زبان ساده

در زیر به آموزش تکنیک topsis به زبان ساده می پردازیم. که شامل آموزش روش تاپسیس در اکسل می باشد. در فیلم آموزش تاپسیس بطور کامل این رویکرد تشریح می شود. در زیر مراحل روش تاپسیس قدم به قدم شرح داده شده است.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
چرا ما از روش topsis باید استفاده کنیم؟؟؟

خاطرنشان می شود که ، در این رویکرد تصمیم گیری چند معیار (MCDM) ، وزن عوامل نشان دهنده اهمیت نسبی در فرایند تصمیم گیری می باشد. هر ارزیابی از معیارها مستلزم نظرات و معانی متنوع است. بنابراین، این فرض که هر یک از معیارهای ارزیابی به همان اندازه مهم می باشد بی اساس است. رویکرد TOPSIS از دو فرضیه جایگزین مصنوعی تشکیل شده که عبارتند از “گزینه ایده آل” و “گزینه ایده آل منفی”. “گزینه ایده آل” بهترین سطح از تمام ویژگیهای مورد نظر را نشان می دهد در حالی که “گزینه ایده آل منفی” بدترین ارزش ها را نشان می دهد. با استفاده از این دو فرضیه ، مجموعه ای از محاسبات با استفاده از رویکرد بردار ویژه ، مجذور مربع فواصل و جمع بندی برای به دست آوردن مقدار نزدیکی نسبی معیارهای مورد آزمایش، انجام شده است. می توان مقادیر نزدیکی نسبی (TOPSIS با انتخاب بالاترین مقدار نزدیکی نسبی به عنوان بهترین شاخصه های سیستم) کل سیستم را به دست آورد.
مزایا و معایب روش تاپسیس

مزایای روش تاپسیس

مزیت اول: از مزایای روش تاپسیس این است که بر اساس میزان نزدیکی به ایدآل های مثبت و دوری از ایدآل های منفی ابداع شده است. رویکرد topsis بسیار پر کاربرد است.

مزیت دوم: این است که زمانی که تعداد گزینه ها و معیار (یا زیرمعیار) بالایی داشته باشید چاره ای جز استفاده از تکنیک topsis را ندارید. این رویکرد به شما کمک می کند تا تعداد پرسشنامه های خود را کاهش دهید. از این رو این رویکرد پسیار پرکاربرد بوده و حتی با روش های ahp و anp ترکیب می شود.

مزیت سوم: امکان استفاده از داده های واقعی و تجربی.

معایب روش تاپسیس

عیب اول: امکان مقایسه زوجی و دودویی بین گزینه ها و عوامل وجود ندارد.

عیب دوم: تنها توانایی در نظر گرفتن دو سطح را دارد.

در این آموزش ابتدا به نحوه تهیه پرسشنامه topsis پرداخته شده و پس از آن نحوه بدست آمدن وزن معیارها در تکنیک topsis آموزش داده شده است. سپس، علاوه بر آموزش روش topsis، آموزش کدنویسی روش تاپسیس در اکسل آموزش داده شده است. شما می توانید تمام فایل های نرم افزاری را نیز در این آموزش دانلود کنید.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
به عنوان اولین گام، ماتریس تصمیم که ارزش های عملکردی هر گزینه را با توجه به هر معیار نشان می دهد، محاسبه می شود. سپس این ارزش های عملکردی با وزن معیارها که توسط AHP محاسبه شده اند، ضرب می شوند. مرحله تعریف جواب ایده آل مثبت، شامل گرفتن بهترین ارزش های گزینه ها است و با قاعده ای مشابه، جواب ایده آل منفی به وسیله گرفتن بدترین ارزش های گزینه ها حاصل می شود. نهایتاً، گزینه ها با توجه به نزدیکی نسبی آنها به جواب ایده آل رتبه بندی می گردند.

پروژه

روش TOPSIS شامل گام های ذیل می گردد.

گام 1 : اولین قدم، محاسبه ماتریس تصمیم بی مقیاس شده است. مقدار بی مقیاس شده

به این صورت محاسبه می گرد.

 

گام 2 : حال ماتریس بی مقیاس وزنی محاسبه می گردد. مقدار بی مقیاس وزنی vij اینگونه محاسبه می گردد : (2)

معادله 2

معادله 2

بطوریکه wi وزن معیار i ام است و داریم:

معادله 3

معادله 3

گام 3 : در این مرحله جواب های ایده آل مثبت و منفی تعیین می گردند.

معادله 4

معادله 4

که در آن I′ معیارهای مربوط به مزیت و I″  معیارهای مربوط به هزینه هستند.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
گام 4 : میزان دوری، با استفاده از فرمول فاصله اقلیدسی در فضای n بعدی محاسبه می شود. فاصله هر گزینه از جواب ایده آل مثبت از این رابطه به دست می

انجام پروژه روش تاکسونومی (taxonomy)

روش تاکسونومی (taxonomy) اولین بار توسط آندرسون در سال 1763 پیشنهاد داده شد. و در سال 1950 توسط گروهی از ریاضی دانان بسط داده شد. روش تاکسونومی از روش های تصمیم گیری چند شاخصه MADM می باشد که از هدف آن انتخاب بهترین گزینه از بین m گزینه بر اساس n معیار می‌باشد.

این روش به عنوان ابزاری برای رتبه بندی و طبقه بندی توسعه در بین ملل مختلف توسط استاد هلینگ در سال 1968 در یونسکو پیشنهاد شد. تجزیه و تحلیل تاکسونومی برای طبقه بندی های مختلف استفاده می شود ، که یکی از آنها عددی است.

شامل فایل اکسلی است که روش را به طور کامل توضیح می دهد.

    فیلم آموزش روش تاکسونومی (Taxonomy)
    فایل اکسل به صورت کامل فرموله می باشد.
    امکان تغییر معیارها و شاخص ها و اعداد برای محاسبه مجدد ممکن است.
    این فایل قابلیت گسترش و تغییر ساختار را دارا می باشد.

مثال روش Taxonomy عدد
افزودن به علاقه مندی
دسته: تصمیم گیری چند معیاره

    توضیحات نظرات (0)

توضیحات

روش تاکسونومی (taxonomy) اولین بار توسط آندرسون در سال 1763 پیشنهاد داده شد. و در سال 1950 توسط گروهی از ریاضی دانان بسط داده شد. روش تاکسونومی از روش های تصمیم گیری چند شاخصه MADM می باشد که از هدف آن انتخاب بهترین گزینه از بین m گزینه بر اساس n معیار می‌باشد.

این روش به عنوان ابزاری برای رتبه بندی و طبقه بندی توسعه در بین ملل مختلف توسط استاد هلینگ در سال 1968 در یونسکو پیشنهاد شد. تجزیه و تحلیل تاکسونومی برای طبقه بندی های مختلف استفاده می شود ، که یکی از آنها عددی است.
مثال روش Taxonomy

این یک ابزار عالی برای رتبه بندی ، طبقه بندی و مقایسه مناطق مختلف است که مجموعه ای را به زیر مجموعه های همگن طبقه بندی می کند و مقیاس قابل قبولی برای ارزیابی توسعه برای تصمیم گیرندگان فراهم می کند. بنابراین می توان نتیجه گرفت که برای رتبه بندی مناطق یا سازمانها در ارزیابی عملکرد ، این روش بسیار کارآمد و کاربردی است.

در این روش ، معمولاً یکی از قسمت های منطقه مورد بررسی انتخاب می شود و مناطق دیگر نیز براساس آن امتیاز داده می شوند. بنابراین تفاوت یا فاصله بین هر منطقه از منطقه دیگر از نقطه ایده آل مشخص می شود.
مثال روش Taxonomy

آموزش روش تاکسونومی
تصمیم گیری چند معیاره

تصمیم‌گیری شامل بیان درست اهداف، تعیین راه‌حل‌های مختلف و ممکن، ارزیابی امکان‌پذیری آنان، ارزیابی عواقب و نتایج ناشی از اجرای هر یک از راه‌حل‌ها و بالاخره انتخاب و اجرای آن می‌باشد. کیفیت مدیریت اساساً تابع کیفیت تصمیم‌گیری است زیرا کیفیت طرح و برنامه‌ها، اثربخشی و کارآمدی راهبردها و کیفیت نتایجی که از اعمال آن‌ها بدست می‌آید همگی تابع کیفیت تصمیماتی است که مدیر اتخاذ می‌نماید.

در اکثر موارد تصمیم‌گیری‌ها وقتی مطلوب و مورد رضایت تصمیم‌گیرنده است که تصمیم‌گیری براساس چندین معیار مورد بررسی قرار گرفته باشد. معیارها ممکن است کمی یا کیفی باشند. در روش‌های تصمیم‌گیری چند معیاره که در دهه‌های اخیر مورد توجه محققین قرار گرفته‌است به جای استفاده از یک معیار سنجش بهینگی از چند معیار سنجش استفاده می‌شود.
معرفی روش تاکسونومی عددی

روش تاکسونومی (taxonomy) اولین بار توسط آندرسون در سال 1763 پیشنهاد داده شد. و در سال 1950 توسط گروهی از ریاضی دانان بسط داده شد. روش تاکسونومی از روش های تصمیم گیری چند شاخصه MADM می باشد که از هدف آن انتخاب بهترین گزینه از بین m گزینه بر اساس n میعار می‌باشد.

این روش به عنوان ابزاری برای رتبه بندی و طبقه بندی توسعه در بین ملل مختلف توسط استاد هلینگ در سال 1968 در یونسکو پیشنهاد شد. تجزیه و تحلیل تاکسونومی برای طبقه بندی های مختلف استفاده می شود ، که یکی از آنها عددی است. این یک ابزار عالی برای رتبه بندی ، طبقه بندی و مقایسه مناطق مختلف است که مجموعه ای را به زیر مجموعه های همگن طبقه بندی می کند و مقیاس قابل قبولی برای ارزیابی توسعه برای تصمیم گیرندگان فراهم می کند. بنابراین می توان نتیجه گرفت که برای رتبه بندی مناطق یا سازمانها در ارزیابی عملکرد ، این روش بسیار کارآمد و کاربردی است.

در این روش ، معمولاً یکی از قسمت های منطقه مورد بررسی انتخاب می شود و مناطق دیگر نیز براساس آن امتیاز داده می شوند. بنابراین تفاوت یا فاصله بین هر منطقه از منطقه دیگر از نقطه ایده آل مشخص می شود.

در این پست ابتدا به صورت گام به گام مراحل ذکر می‌گردد سپس در قالب یک ویدیو روش تاکسونومی عددی در نرم افزار اکسل (EXCEL) پیاده سازی می‌شود. در پژوهش ها و مقالات هر چا نامی از روش تاکسونومی آورده شود در 99 درصد موارد منظور تاکسونومی عددی است.

پرسشنامه روش تاکسونومی نیز همانند روش های تاپسیس و یا ویکور می باشد زیرا ماتریس تصمیم روش تاکسونومی همانند روش های تاپسیس و ویکور به صورت معیار-گزینه می باشد. ویدیوی آموزش تهیه پرسشنامه این روشها را میتوانید از این لینک تهیه کنید.
مراحل روش تاکسونومی عددی

1- مشخص نمودن گزینه­‌ها و تعیین شاخص­‌های مختلف

در این مرحله تعداد m گزینه (A1 تا Am) توسط تحلیل­گر و یا گروه کارشناسان  با توجه به n شاخص (C1 تا Cn) ارزیابی می شوند.

2- تشکیل ماتریس تصمیم و سپس محاسبه میانگین و انحراف معیار

ماتریس تصمیم را همانند جدول زیر تشکیل می‌دهیم
cn     ….     c3     c2     c1      
r1n     ….     r13     r12     r11     A1
r2n     ….     r34     r22     r21     A2
…..     ….     …..     …..     …..     …..
rmn           rm3     rm2     rm1     Am
averagen           average3     average2     average1     میانگین
Sigman           Sigma3     Sigma2     Sigma1     انحراف معیار

در این گام نیز باید شاخص های مثبت و منفی مشخص شوند

3- تشکیل ماتریس استاندارد (نرمال شده) Z

در ماتریس تصمیم، گزینه­ ها بر حسب شاخص ­هایی بیان شده ­اند که مقیاس ­های اندازه ­گیری مختلفی دارند و در این مرحله سعی در از بین بردن واحدهای مختلف آن­ها است که برای این کار از رابطه Z استاندارد استفاده می‌شود یعنی میانگین مقادیر هر شاخص از مقدار هر خصوصیت کم شده و بر انحراف معیار آن تقسیم می­شود.

نرمال سازی ماتریس تاکسونومیدر انتهای ماتریس استاندارد برای هر کدام از شاخص­های مثبت، بزرگترین عدد مثبت قابل مشاهده (ایده ­آل مثبت) و برای شاخص­های منفی، بزرگترین عدد منفی (ایده ­آل منفی) تعیین می­ شود که با DOj نمایش داده می ­شود.

4- تعیین فاصله مرکب بین گزینه­ ها

در این بخش با داشتن ماتریس استاندارد Z، فاصله هر گزینه از گزینه ­های دیگر نسبت به هر یک از شاخص ­ها از رابطه زیر فاصله اقلیدسی تعیین می­شود.

محاسبه فاصله در ماتریس تاکسونومیدر اینجا a و b دو گزینه مورد ارزیابی هستند. این عملیات یک نوع محاسبه زوجی بین هر دو گزینه با هم است. به گونه ­ای که فاصله هر دو گزینه از خودش برابر صفر است و فاصله گزینه a و b مساوی با فاصله گزینه b از a است. با توجه به موارد فوق ماتریس فواصل مرکب بین گزینه­ ها تشکیل می­ شود که قطر اصلی آن نشان دهنده فاصله هر گزینه با خودش است که برابر صفر خواهد بود.

5- تعیین کوتاه­ترین فاصله

در این گام کمترین میزان فاصله هر سطر از ماتریس تعیین می­شود. سپس میانگین هر کدام از فاصله گزینه­ ها و انحراف معیار آن­ها به دست می آوریم. در این صورت dr های بین حد بالا و حد پایین هماهنگ بوده و گزینه ­هایی که خارج از این محدوده تعیین شده قرار بگیرند، باید حذف شوند. مجدداً ماتریس تصمیم بدون گزینه­ های حذف شده تشکیل شده، مراحل تکرار می­شوند.

همگن سازی گزینه ها در روش تاکسونومی

6- تحدید گزینه­ ها (همگن سازی گزینه­ ها)

ممکن است واحدهایی وجود داشته باشند که دارای فاصله­ های بسیار بیشتر و یا کمتر از سایر گزینه­ ها باشد. لذا باید گزینه­ های ناهمگن از مجموعه حذف شوند، برای انجام این کار حد بالا و حد پایین استفاده می شود.

7- تعیین الگو یا سرمشق گزینه ­ها

در این گام فاصله هر یک از گزینه ­ها از مقدار ایده­ آل (مشخص شده در گام 4) را به دست آورده، فاصله کم از ایده­ آل نمایانگر وضعیت مناسب آن است و فاصله زیاد بیان کننده وضعیت نامناسب آن گزینه می ­باشد.

8- درجه ­بندی یا رتبه­ بندی میزان توسعه یافتگی گزینه­ ها (Fi)

در این مرحله به درجه­ بندی توسعه یافتگی و وضعیت گزینه ­ها پرداخته می شود.
محدودیت های روش تاکسونومی

از محدودیت های روش تحقیق تاکسونومی عددی این است که در‌این روش مدل اطلاعاتی که باید انتخاب گردند تعلق فراوانی به انگیزه انجام مطالعه دارا هستند و ضمن این‌که تعداد این داده ها هم تاثیر بسزایی بر کیفیت اولویت بندی می‌گذارد، به طوری که هر چه تعداد این داده ها بیشتر باشد و یا این که هرچند قضیه این داده ها بیشتر توجیه کننده انگیزه باشد، جایگاه بندی با جزییات بیشتر و عادلانه تر خواهد بود. از طرفی دیگر روش ارزیابی تاکسونومی عددی به کلیه شاخص ها دارای اهمیت یکسان (وزن یکسان) می‌نگرد و فاقد وزن دهی به شاخص ها در داخل مدل است که در شرایطی که رغبت داشته باشیم تا به بعضی از شاخص ها وزن و اهمیت بیشتری داده شود درآن صورت داده های مرتبط با آن شاخص را می بایست با وزن بیشتر و از اول فعالیت وارد مدل کنیم.

پس از محدودیت اصلی این تکنیک عدم درنظر گرفتن وزن برای معیارها می باشدو همچنین ماتریس ارزیابی تاکسونومی هر چقدر تعداد معیارها بیشتر باشد و داده ها با جزییات بیشتری اخذ شده باشند رتبه بندی دقیق تر خواهد بود.
روش تاکسونومی (taxonomy) اولین بار توسط آندرسون در سال 1763 پیشنهاد داده شد. و در سال 1950 توسط گروهی از ریاضی دانان بسط داده شد. روش تاکسونومی از روش های تصمیم گیری چند شاخصه MADM می باشد که از هدف آن انتخاب بهترین گزینه از بین m گزینه بر اساس n معیار می‌باشد.

این روش به عنوان ابزاری برای رتبه بندی و طبقه بندی توسعه در بین ملل مختلف توسط استاد هلینگ در سال 1968 در یونسکو پیشنهاد شد. تجزیه و تحلیل تاکسونومی برای طبقه بندی های مختلف استفاده می شود ، که یکی از آنها عددی است.

فهرست مطالب [پنهان]

        0.1 روش تاکسونومی
    1 مراحل روش تاکسونومی
        1.1 1- مشخص نمودن گزینه­‌ها و تعیین شاخص­‌های مختلف
        1.2 2- تشکیل ماتریس تصمیم و سپس محاسبه میانگین و انحراف معیار
        1.3 3- تشکیل ماتریس استاندارد (نرمال شده) Z
        1.4 4- تعیین فاصله مرکب بین گزینه­ ها
        1.5 روش Taxonomy
        1.6 5- تعیین حداکثرفاصله ممکن
        1.7 6- تعیین درجه تاکسونومی
    2 مثال روش تاکسونومی
        2.1 گام 1: ماتریس را با استفاده از روش نرمال بی مقیاس می کنیم.
        2.2 گام 2: مقدار میانگین و انحراف از معیار را محاسبه می کنیم.
        2.3 گام 3: محاسبه فاصله تاکسینومی
        2.4 گام 4: محاسبه مقدار میانگین و انحراف از معیار
        2.5 گام 5: تعیین حداکثر فاصله تاکسونومی ( میانگین + 2 برابر انحراف از معیار)
        2.6 گام 6: محاسبه درجه تاکسونومی (نسبت فاصله از ایده آل / حداکثر فاصله)

روش تاکسونومی

این یک ابزار عالی برای رتبه بندی ، طبقه بندی و مقایسه مناطق مختلف است که مجموعه ای را به زیر مجموعه های همگن طبقه بندی می کند و مقیاس قابل قبولی برای ارزیابی توسعه برای تصمیم گیرندگان فراهم می کند. بنابراین می توان نتیجه گرفت که برای رتبه بندی مناطق یا سازمانها در ارزیابی عملکرد ، این روش بسیار کارآمد و کاربردی است.

در این روش ، معمولاً یکی از قسمت های منطقه مورد بررسی انتخاب می شود و مناطق دیگر نیز براساس آن امتیاز داده می شوند. بنابراین تفاوت یا فاصله بین هر منطقه از منطقه دیگر از نقطه ایده آل مشخص می شود.
مراحل روش تاکسونومی

پرسشنامه روش تاکسونومی نیز همانند روش های تاپسیس و یا ویکور می باشد زیرا ماتریس تصمیم روش تاکسونومی همانند روش های تاپسیس و ویکور به صورت معیار-گزینه می باشد.
1- مشخص نمودن گزینه­‌ها و تعیین شاخص­‌های مختلف

در این مرحله تعداد m گزینه (A1 تا Am) توسط تحلیل­گر و یا گروه کارشناسان  با توجه به n شاخص (C1 تا Cn) ارزیابی می شوند.
2- تشکیل ماتریس تصمیم و سپس محاسبه میانگین و انحراف معیار

ماتریس تصمیم را همانند جدول زیر تشکیل می‌دهیم
cn    ….    c3    c2    c1     
r1n    ….    r13    r12    r11    A1
r2n    ….    r34    r22    r21    A2
…..    ….    …..    …..    …..    …..
rmn         rm3    rm2    rm1    Am
averagen         average3    average2    average1    میانگین
Sigman         Sigma3    Sigma2    Sigma1    انحراف معیار
ماتریس تصمیم روش تاکسونومی

در این گام نیز باید شاخص های مثبت و منفی مشخص شوند
3- تشکیل ماتریس استاندارد (نرمال شده) Z

در ماتریس تصمیم، گزینه­ ها بر حسب شاخص ­هایی بیان شده ­اند که مقیاس ­های اندازه ­گیری مختلفی دارند و در این مرحله سعی در از بین بردن واحدهای مختلف آن­ها است که برای این کار از رابطه Z استاندارد استفاده می‌شود. یعنی میانگین مقادیر هر شاخص از مقدار هر خصوصیت کم شده و بر انحراف معیار آن تقسیم می ­شود.
روش تاکسونومی نرمال سازیروش تاکسونومی نرمال سازی

در انتهای ماتریس استاندارد برای هر کدام از شاخص ­های مثبت، بزرگترین عدد مثبت قابل مشاهده (ایده ­آل مثبت) و برای شاخص­ های منفی، بزرگترین عدد منفی (ایده ­آل منفی) تعیین می­ شود.
4- تعیین فاصله مرکب بین گزینه­ ها

در این بخش با داشتن ماتریس استاندارد Z، فاصله هر گزینه از گزینه ­های دیگر نسبت به هر یک از شاخص ­ها از رابطه زیر فاصله اقلیدسی تعیین می­ شود.
فاصله مرکب بین گزینه هافاصله مرکب بین گزینه ها

در اینجا a و b دو گزینه مورد ارزیابی هستند. این عملیات یک نوع محاسبه زوجی بین هر دو گزینه با هم است. به گونه ­ای که فاصله هر دو گزینه از خودش برابر صفر است و فاصله گزینه a و b مساوی با فاصله گزینه b از a است.

با توجه به موارد فوق ماتریس فواصل مرکب بین گزینه­ ها تشکیل می­ شود که قطر اصلی آن نشان دهنده فاصله هر گزینه با خودش است که برابر صفر خواهد بود.
5- تعیین حداکثرفاصله ممکن

در این گام کمترین میزان فاصله هر سطر از ماتریس تعیین می­ شود. سپس میانگین هر کدام از فاصله گزینه­ ها و انحراف معیار آن­ها به دست می آوریم.
03 Hamgen Taxonomyهمگن سازی گزینه ها
6- تعیین درجه تاکسونومی

هریک از گزینه های تاکسونومی را بر حداکثر فاصله ممکن تقسیم می کنیم تا درجه تاکسونومی بدست آید.

Yi=گزینه های تاکسونومی / حداکثر فاصله ممکن
1) 2 خوشه:  داده ها بین 0 تا 0.5 ( توسعه یافته) و داده ها بین 0.5 تا 1 (توسعه نیافته)
2) 3 خوشه: داده ها بین 0 تا 0.33  (توسعه یافته) ، بین 0.33 تا 0.67 ( در حال توسعه) و بین 0.67 تا 1 (توسعه نیافته)
3) 4 خوشه: داده ها بین 0 تا 0.25 ( توسعه یافته)، بین 0.25 تا 0.50 ( در حال توسعه)، بین 0.50 تا 0.75 ( درحال توسعه) و بین 0.75 تا 1 (توسعه نیافته)
مثال روش تاکسونومی

سازمان ملل قصد دارد تعدادی از کشورها را بر اساس توسعه یافتگی تقسیم بندی نماید. شش شاخص برای توسعه یافتگی در نظر گرفته شده است و نتایج در جدول زیر آمده است.
تولید ناخالص    درآمد سالانه    ضریب جنسیتی    رضایت از زندگی    توسعه انسانی    حداقل دستمزد
X1+    X2+    X3-    X4+    X5+    X6+
13262    3913    31.1    153    0.719    2503
3859547    41513    28.3    240    0.885    23750
25953    16320    35.8    170    0.812    6457
9242    953    32.6    203    0.58    608
806108    10609    43.6    176    0.679    6588
گام 1: ماتریس را با استفاده از روش نرمال بی مقیاس می کنیم.
    تولید ناخالص    درآمد سالانه    ضریب جنسیتی    رضایت از زندگی    توسعه انسانی    حداقل دستمزد
    X1+    X2+    X3-    X4+    X5+    X6+
A1    13262    3913    31.1    153    0.719    2503
A2    3859547    41513    28.3    240    0.885    23750
A3    25953    16320    35.8    170    0.812    6457
A4    9242    953    32.6    203    0.58    608
A5    806108    10609    43.6    176    0.679    6588
گام 2: مقدار میانگین و انحراف از معیار را محاسبه می کنیم.
میانگین    942822.4    14661.6    34.28    188.4    0.735    7981.2
انحراف از معیار    1490119.2984    14447.3503    5.2511    30.4013    0.1057    8213.3306

بی مقیاس سازی با Z
    X1+    X2+    X3-    X4+    X5+    X6+
A1    -0.6238    -0.7440    -0.6056    -1.1644    -0.1514    -0.6670
A2    1.9574    1.8586    -1.1388    1.6973    1.4193    1.9199
A3    -0.6153    0.1148    0.2895    -0.6052    0.7286    -0.1856
A4    -0.6265    -0.9489    -0.3199    0.4802    -1.4666    -0.8977
A5    -0.0917    -0.2805    1.7749    -0.4079    -0.5299    -0.1696
                       
بهترین Z    1.9574    1.8586    -1.1388    1.6973    1.4193    1.9199
گام 3: محاسبه فاصله تاکسینومی
    A1    A2    A3    A4    A5    n =  تعداد گزینه
gi    5.5739    0.0000    4.6809    5.7426    5.4646    5
گام 4: محاسبه مقدار میانگین و انحراف از معیار
میانگین    4.2924            انحراف از معیار    2.1769
گام 5: تعیین حداکثر فاصله تاکسونومی ( میانگین + 2 برابر انحراف از معیار)
8.6463
گام 6: محاسبه درجه تاکسونومی (نسبت فاصله از ایده آل / حداکثر فاصله)
    A1    A2    A3    A4    A5
Yi    0.6447    0.0000    0.5414    0.6642    0.6320

گام 7: دسته بندی جواب ها

    2 خوشه: داده ها بین 0 تا 0.5 ( توسعه یافته) و داده ها بین 0.5 تا 1 (توسعه نیافته)
    3 خوشه: داده ها بین 0 تا 0.33 (توسعه یافته) ، بین 0.33 تا 0.67 ( در حال توسعه) و بین 0.67 تا 1 (توسعه نیافته)
    4 خوشه: داده ها بین 0 تا 0.25 ( توسعه یافته)، بین 0.25 تا 0.50 ( در حال توسعه)، بین 0.50 تا 0.75 ( درحال توسعه) و بین 0.75 تا 1 (توسعه نیافته)
وش تحقیق تاکسونومی taxonomy در علوم اجتماعی روشی برای طبقه‌بندی مطالعات و مقوله‌های مرتبط با پدیده مورد مطالعه است. در واقع تاکسونومی از علوم تجربی وام گرفته شده است که به بیان ساختار سلسله‌مراتبی موجودات می‌پردازد. بطور کلی آنالیز تاکسونومی عددی یک روش عالی درجه بندی، طبقه بندی و مقایسه فعالیت‌های مختلف با توجه به درجه بهره مندی و برخورداری آن فعالیت‌ها از شاخص‌های مورد بررسی می‌باشد. از توانایی‌های عمده این روش آن است که قادر است تا اینکه دو عمل را در کنار هم انجام دهد : یکی اینکه مجموعه مورد بررسی را بر اساس شاخص‌های ارائه شده به زیر مجموعه‌های همگن تقسیم کند و دیگر آنکه عناصر و اعضاء هر زیر مجموعه همگن را درجه بندی کند. این روش پژوهش همچنین به عنوان مدلی شناخته شده در برنامه‌ریزی‌های منطقه‌ای مطرح بوده که دارای کاربردهای گسترده و متنوع می‌باشد.

به این روش آرایه‌شناسی نیز گویند و همان فرایند طبقه‌بندی از یکاهای قابل طبقه‌بندی‌ای به نام آرایه‌ها، یا از انواع اشیایی که متناوباً و به دنبال هم در یک سلسله مراتب ساختاری چیده شده‌اند تشکیل یافته‌است. نوعاً با زیرمجموعه‌ها یا زِبَرمجموعه‌های آن (مجموعه‌ای که این را در بر گرفته‌است) رابطه دارند و همانند رابطه پدر-فرزندی است. در یک رابطهٔ زیرمجموعه‌ای یا زبرمجموعه‌ای، زیرگروه یک شیء (چیز) مطابق با یک تعریف همانند زیرگروه آن محدودیت یکسانی دارند کما که بیشتر هم باشد. برای مثال، ماشین یک زیرمجموعه‌ای از وسایل نقلیه‌است؛ بنابراین هر ماشینی یک وسیله نقلیه‌است، اما هر وسیله نقلیه‌ای ماشین نیست؛ بنابراین، یک چیز برای اینکه ابتدا یک ماشین و سپس یک وسیله نقلیه باشد به یک سری از محدودیت‌ها احتیاج دارد.
محدودیت‌های روش تاکسونومی

از جمله محدودیت‌های روش تحقیق تاکسونومی عددی این است که در این روش نوع اطلاعاتی که باید تعیین گردند وابستگی بسیار زیادی به هدف انجام مطالعه دارند و ضمن اینکه تعداد این اطلاعات نیز تاثیر بسزایی بر کیفیت درجه بندی می‌گذارد، به گونه‌ای که هر چه تعداد این اطلاعات بیشتر باشد و یا اینکه هر چند موضوع این اطلاعات بیشتر توجیه کننده هدف باشد، درجه بندی دقیق تر و عادلانه تر خواهد بود.از طرفی دیگر روش تحلیل تاکسونومی عددی به تمامی شاخص‌ها با اهمیت یکسان می‌نگرد و فاقد وزن دهی به شاخص‌ها در درون مدل است که چنانچه تمایل داشته باشیم تا به برخی از شاخص‌ها وزن و اهمیت بیشتری داده شود درآن صورت داده‌های مربوط به آن شاخص را باید با وزن بیشتر و از ابتدای کار وارد مدل کنیم.
تاریخچه روش تاکسونومی

روش تحقیق تاکسونومی عددی برای نخستین بار توسط آدانسون در سال ۱۷۶۳ میلادی پیشنهاد گردید، اما مدت‌ها به طول انجامید تا در اوایل دهه ۱۹۵۰ میلادی عده‌ای از ریاضی دانان لهستانی اهمیت این روش را دریافته و به بسط و گسترش این نظریه پرداختند.سپس در سال ۱۹۶۸ میلادی این روش توسط پروفسور زیگنانت هلویک از مدرسه عالی اقتصاد روکلا به عنوان وسیله‌ای برای طبقه بندی و تعیین درجه توسعه یافتگی بین ملل مختلف در یونسکو (سازمان علمی و فرهنگی ملل متحد) مطرح گردید که تاکنون به عنوان مدل شناخته شده‌ای مورد استفاده قرار گرفته است و اخیرا نیز آن را جهت تعیین اولویت‌ها و رتبه بندی سایر فعالیت‌های گسترده اقتصادی و در بخش‌های گوناگون نظیر صنعت و کشاورزی به کار می‌برند.
تکنیک اجرایی آنالیز تاکسونومی عددی

تکنیک مورد بحث دارای چندین مرحله عملیاتی است و ازآن جائیکه در عمل کمتر با فضای یک بعدی سر و کار داریم یعنی کمتر اتفاق می‌افتد که طبقه بندی را بر اساس یک شاخص و یا خصوصیت واحد انجام دهیم، به ارائه فضای تاکسونومیک چند بعدی می‌پردازیم.

در ابتدای کار فرض می‌کنیم قرار است که تعداد  n فعالیت مختلف را  بر اساس m شاخص مورد نظر و معرفی شده، طبقه بندی و درجه بندی کنیم:

مثلاً چهار شهر  را از نظر میزان برخورداری یا محرومیت از شاخص‌های آموزشی، بهداشتی، اقتصادی،… رتبه بندی می‌کنیم که کدام یک برخوردارتر و کدام یک محروم ترند؟
مرحله اول: تشکیل ماتریس داده ها

در مرحله اول روش تحقیق تاکسونومی ماتریسی را برای هر کدام از فعالیت‌ها با توجه به شاخص‌های مورد بررسی طراحی نموده به گونه‌ای که ابعاد ماتریس n.m بوده یعنی این ماتریس به تعداد فعالیت‌های مورد بررسی سطر و به تعداد شاخص ها(m )، ستون داشته باشد. به عنوان نمونه عنصر Xn.m   در این ماتریس بیانگر شاخص m ام از فعالیت n ام می‌باشد. بنابراین مشاهده می‌گردد که هر سطر این ماتریس مربوط به یک فعالیت مجزا و هر ستون نیز مربوط به یک شاخص خاص می‌باشد. از آن جا که هر کدام از این شاخص‌ها می‌توانند دارای واحدها و مقیاس‌های متفاوت از یکدیگر باشند، لذا در راستای حذف دخالت مقیاس‌های متفاوت بر نتایج کار از داخل مدل، وارد مرحله دوم روش تحلیل آنالیز تاکسونومی عددی می‌شویم.
مرحله دوم: تشکیل ماتریس استاندارد

در مرحله دوم روش تحقیق تاکسونومی با توجه به آن که شاخص‌ها با واحد‌های مختلف سنجیده می‌شوند، لذا جهت حذف اثر این واحد‌ها و جایگزینی مقیاس واحد و همین طور حذف اثر مبداء، ابتدا میانگین و انحراف معیار ستون‌ها (شاخص ها) را به دست آورده و سپس کمیت استاندارد  Zij را محاسبه می‌کنیم: در گام اول میانگین ستون‌ها را بدست می‌آوریم .

در گام بعدی انحراف معیار برای هر ستون از ماتریس Xij را بدست می‌آوریم .گام سوم آن است که عضو‌های استاندارد شده ماتریس Xij جهت همسان سازی اطلاعات ساخته شده، در قالب ماتریس جدیدی  به نام ماتریس استاندارد را تشکیل دهیم که از طریق فرمول زیر قابل محاسبه می‌باشد : ماتریس Z نیز دارای ابعاد n. m می‌باشد. و یک ماتریس استاندارد است .چون با تغییر متغیر، مقیاس‌های مختلف شاخص‌ها به مقیاس واحد تبدیل شده است.روشن است که از لحاظ آماری میانگین هر ستون ماتریس استاندارد شده Z    برابر صفر و انحراف معیار آن مساوی یک است.

با داشتن ماتریس استاندارد Z  ، قدم بعدی بدست آوردن میزان اختلاف و یا فاصله دو نقطه از نقطه دیگر ( ۱ و ۲ و ۳ و … و n ) برای هر کدام از m متغییر یا شاخص می‌باشد که حاصل آن تشکیل ماتریس فواصل می‌باشد. ( منظور از نقطه همان فعالیت مورد بررسی، در مطالعه مورد نظر می‌باشد ) .
مرحله سوم: تشکیل ماتریس فواصل

در مرحله سوم روش تحقیق تاکسونومی با توجه به اعداد استاندارد شده در ماتریس استانداردZ، فواصل مرکب را بین فعالیت‌های مختلف n گانه، برای شاخص‌های m گانه به صورت زیر به دست می‌آوریم.

در صورتی که فاصله فعالیت‌ها را دو به دو به دست آوریم ،در آن صورت ماتریس فواصل مرکب به دست می‌آید.

چون ماتریس فواصل یک ماتریس قرینه می‌باشد، می‌توان نتیجه گرفت این ماتریس متقارن بوده و قطر آن مساوی صفر است.ضمن اینکه ماتریسی مربع و با ابعاد n.n می‌باشد.عضوهای این ماتریس فاصله ترکیبی هر فعالیت را از فعالیت دیگر نشان می‌دهند و در هر سطر این ماتریس کمترین مقدار نشان دهنده کوتاه ترین فاصله بین آن فعالیت، با سایر فعالیت‌ها و یا بیشترین نزدیکی می‌باشد.
مرحله چهارم: تعیین کوتاه ترین فواصل

در مرحله چهارم روش تحقیق تاکسونومی هر عنصر ماتریس C نشان دهنده فاصله بین هر دو فعالیت در شاخص مورد نظر است. در این ماتریس در هر سطر کوتاه ترین فاصله بین دو فعالیت را مشخص کرده و در ستون جداگانه‌ای (مثلا ستون d ) می‌نویسیم.سپس، میانگین و انحراف معیار کوچکترین فواصل هر سطر یعنی همان ستون dرا محاسبه می‌کنیم.  حال برای آنکه فعالیت‌های همگن را مشخص نمائیم، فواصل حد بالا (d +) و حد پائین (d -) را طبق رابطه، محاسبه می‌کنیم:

d(+) = d + 2Sd

در این مرحله فعالیت هایی که حداقل فواصل آن‌ها مابین دو حد بالا و پائین باشد، همگن بوده و در یک گروه قرار می‌گیرند. چنانچه حداقل اختلاف بین دو فعالیت بیشتر از حد بالا و یا کمتر از حد پائین باشد، در این صورت فعالیت‌های فوق به دلیل غیر همگنی باید حذف گردند.
مرحله پنجم: رتبه بندی فعالیت‌های همگن از لحاظ معیارهای مورد بررسی

اگر در در مرحله پنجم روش تحقیق تاکسونومی تمام فعالیت‌ها در یک گروه همگن قرار نگیرند، در این صورت ماتریس داده‌ها را برای فعالیت‌های همگن تشکیل می‌دهیم، سپس استاندارد نموده و در ماتریس شاخص‌های استاندارد شده، برای تک تک شاخص ها، مورد ایده آل را در نظر گرفته و پس ازیافتن مقادیر ایده آل برای تک تک فعالیت‌ها، “برخورداری مطلوب” برای هر فعالیت را محاسبه می‌کنیم.

انتخاب مقدار ایده آل بستگی به نوع شاخص‌های مورد بررسی دارد به نحوی که چنانچه جهت شاخص‌های انتخاب شده مثبت باشد یعنی اگر مقدار شاخص هر چه بیشتر باشد، برخورداری بیشتر را نشان دهد، بزرگترین عدد هر ستون را به عنوان ایده آل در نظر می‌گیریم و چنانچه جهت شاخص منفی باشد، عدد بزرگتر نشانه عدم برخورداری است، لذا کوچکترین مقدار را به عنوان مقدار ایده آل انتخاب می‌کنیم.
مرحله ششم: محاسبه درجه برخورداری فعالیت‌های همگن

در در مرحله ششم روش تحقیق تاکسونومی شاخص تلفیقی به نام “درجه برخورداری” معرفی می‌گردد که دامنه محدودی داشته باشد و بین مقادیر صفر و یک قرار می‌گیرد. هرچقدر fi به صفر نزدیکتر باشد، فعالیت مورد نظر برخوردارتر و هر قدربه یک نزدیکتر باشد، نشان دهنده عدم برخورداری فعالیت مربوطه می‌باشد.که با توجه به این درجه برخورداری می‌توان فعالیت‌ها را با توجه به شاخص‌های مورد بررسی رتبه بندی و اولویت بندی نمود.

انجام پروژه روش روش سوارا (تجزیه و تحلیل ارزیابی گام به گام اوزان)

روش SWARA

روش سوارا (تجزیه و تحلیل ارزیابی گام به گام اوزان) یکی از روش های تعیین مقادیر وزنی است که در فرآیند تصمیم گیری نقش مهمی ایفا می کند. این روش توسط کرزولیین و همکاران تهیه شده است و به نظر آنها ویژگی اصلی آن امکان ارزیابی نظر خبرگان در مورد اهمیت معیارها در فرآیند تعیین وزن آنها می باشد.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
پس از تعیین و تشکیل لیستی از معیارهای درگیر در یک تصمیم گیری ، روش SWARA شامل مراحل زیر است:

فهرست مطالب [پنهان]

    1 مرحله 1: معیارها باید با توجه به اهمیت آنها طبقه بندی شوند.
    2 مرحله 2: تعیین اهمیت مقایسه ای از ارزش متوسط اوزان (Sj).
    3 مرحله 3: ضریب kj را به شرح زیر محاسبه می کنیم:
    4 مثال روش SWARA
    5 روش SWARA
        5.1 مرحله 2: تعیین اهمیت مقایسه ای از ارزش متوسط اوزان (Sj).
        5.2 مرحله 3: ضریب kj را به شرح زیر محاسبه می کنیم:
        5.3 مرحله 4: اندازه گیری وزن دوباره محاسبه شده (qj) به شرح زیر:
        5.4 مرحله 5: محاسبه مقادیر وزن معیارها به طوری که مجموع آنها برابر یک باشد:

مرحله 1: معیارها باید با توجه به اهمیت آنها طبقه بندی شوند.

در این مرحله ، خبرگان رتبه بندی معیارهای تعریف شده را با توجه به اهمیتی که در اختیار دارند انجام می دهند. به عنوان مثال ، مهمترین مقدار در رتبه  اول ، کمترین مقدار در رتبه آخر و سایر مقادیر بر اساس اهمیتشان در بازه میانی این دو قرار می گیرند.
مرحله 2: تعیین اهمیت مقایسه ای از ارزش متوسط اوزان (Sj).

با شروع از معیار رتبه دوم ، لازم است اهمیت آنها تعیین شود، یعنی اینکه چه میزان معیار cj از معیار cj + 1 اهمیت بیشتری دارد.
مرحله 3: ضریب kj را به شرح زیر محاسبه می کنیم:
Swara01روش SWARA

مرحله 4: اندازه گیری وزن دوباره محاسبه شده (qj) به شرح زیر:
Swara02روش SWARA

مرحله 5: محاسبه مقادیر وزن معیارها به طوری که مجموع آنها برابر یک باشد:
Swara03روش SWARA

جایی که wj مقدار وزن نسبی معیارها را نشان می دهد.
مثال روش SWARA

در این مثال چهار نوع از مدل های مدیریت برای شرکت های راه آهن در نظر گرفته شده است.

    مدل انفرادی: یک شخص حقوقی منفرد (مستقل) با ساختار سازمانی ساده و درجه تمرکز بالا.
    مدل شفاف: یک شرکت که منحصراً با فعالیت های مدیریتی سر و کار دارد: تأسیس ، تأمین مالی و مدیریت شرکت ها.
    مدل مختلط: علاوه بر وظایف مدیریتی ، انواع دیگری از فعالیت ها را نیز در زمینه فعالیت های تولید ، تجارت ، تحقیقات ، امور مالی یا خدمات انجام می دهد.
    مدل سه شرکت مستقل: زیرساخت ، حمل و نقل مسافر و حمل و نقل کالا.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
معیارهای انتخاب مناسب ترین مدل برای بازسازی و سازماندهی شرکت های راه آهن عبارت اند از:

    K1 – راندمان مدل؛
    K2 – جذابیت مدل برای جذب اپراتور؛
    K3 – ارضای نیازهای بازار حمل و نقل.
    K4 – رعایت دستورالعمل های اتحادیه اروپا؛
    K5 – استقلال مالی مدل؛
    K6 – امکان تحقق مدل؛

روش SWARA

در مجموع 14 تصمیم گیرنده تأثیر متقابل معیارها را تعیین کردند ، که این یک پیش نیاز برای استفاده از روش SWARA می باشد. از شما خواسته شده است که از طریق روش سوارا مقادیر وزن نسبی معیارها را تعیین نمایید.
مرحله 2: تعیین اهمیت مقایسه ای از ارزش متوسط اوزان (Sj).

با شروع از معیار رتبه دوم ، لازم است اهمیت آنها تعیین شود، یعنی اینکه چه میزان معیار cj از معیار cj + 1 اهمیت بیشتری دارد.
     Sj
K3    1.000
K1    0.100
K5    0.148
K2    0.179
K4    0.168
K6    0.102
روش SWARA
مرحله 3: ضریب kj را به شرح زیر محاسبه می کنیم:

به عنوان مثال مقدار K1 = (S3+S1) = 1.000+0.100 = 1.100
    Kj=Sj+1
K3    1.000
K1    1.100
K5    1.148
K2    1.179
K4    1.168
K6    1.102
روش SWARA
مرحله 4: اندازه گیری وزن دوباره محاسبه شده (qj) به شرح زیر:

به عنوان مثال مقدار K1 = (K1/K3) = 1.000/1.100= 0.909
    Wj=(xj-1)/kj
K3    1.000
K1    0.909
K5    0.792
K2    0.672
K4    0.575
K6    0.522
روش SWARA
مرحله 5: محاسبه مقادیر وزن معیارها به طوری که مجموع آنها برابر یک باشد:

به عنوان مثال مقدار K1 = (K3/K3+K1+K5+K2+K4+K6) = 1.000/4.470= 0.224
    qj=wj/Zigwj
K3    0.224
K1    0.203
K5    0.177
K2    0.150
K4    0.129
K6    0.117
روش SWARA
وش سوارا (SWARA) یا تحلیل نسبت ارزیابی وزن­دهی تدریجی یکی از روشهای تصمیم گیری چند شاخصه است که هدف آن محاسبه وزن معیارها و زیرمعیارها است. عملکرد این روش همانند روش های بهترین بدترین (BWM) ، آنتروپی شانون و لینمپ (linmap) می باشد که معیارها را وزن دهی می کنند. روش swara توسط کرسولین، زادادسکاس و تورکسیس در سال 2010 معرفی شد. این واژه از حروف اول جمله Step wise Weight Assessment Ratio Analysis به معنی تحلیل نسبت ارزیابی وزن دهی تدریجی می باشد. در این روش معیارها بر اساس ارزش رتبه بندی می شوند. در این روش به مهمترین معیار رتبه یک و به کم اهمیت ترین معیار رتبه آخر داده می شود. در این روش کارشناسان (پاسخ دهندگان) نقش مهمی در تعیین وزن معیارها دارند. مشخصه اصلی این روش، امکان برآورد کارشناسان و صاحب­­نظران در رابطه با نسبت اهمیت معیارها در فرآیند تعیین وزن آن­ها می­ باشد. این روش جهت گردآوری و هماهنگی اطلاعات به دست آمده از کارشناسان و صاحب­نظران مفید می ­باشد. کاربردهای این تکنیک ساده می ­باشند و کارشناسان در زمینه­ های مختلف می­توانند به سادگی با مقصود اصلی این روش ارتباط برقرار کنند
مزایای روش SWARA

SWARA این فرصت را به تصمیم گیرندگان و سیاست گذاران می دهد تا بر اساس وضعیت فعلی محیط و اقتصاد، اولویت خود را انتخاب کنند.

توانایی برآورد نظر متخصصان در مورد نسبت اهمیت معیارها در تعیین وزن آنها عنصر اصلی این روش است (کرزولیین و همکاران ، 2010). علاوه بر این ، این روش برای هماهنگی و جمع آوری داده های متخصصان مفید است.

علاوه بر این ، روش SWARA بدون عارضه است و متخصصان به راحتی می توانند با هم همکاری کنند. مهمترین مزیت این روش در تصمیم گیری این است که در بعضی از مسائل، اولویت ها براساس سیاست های شرکت ها یا کشورها تعریف شده و برای رتبه بندی معیارها نیازی به ارزیابی نیست.
در روش های دیگر مانند AHP یا ANP ، مدل ما بر اساس معیارها و ارزیابی های متخصصان ایجاد شده است که بر اولویت ها و رتبه ها تأثیر می گذارد. بنابراین ، SWARA می تواند برای بعضی از موارد مفید باشد که اولویت ها مطابق با شرایط شناخته شده هستند و در نهایت SWARA برای استفاده در برخی از محیط های تصمیم گیری پیشنهاد شده است.
گام های روش SWARA
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
در این روش هر یک از کارشناسان قبل از هر چیز، معیارها را اولویت­بندی می­کنند. مهمترین معیار رتبه یک را گرفته و کم اهمیت­ترین معیار رتبه آخر را دریافت می­کند. رتبه کلی را گروهی از کارشناسان تعیین می­کنند که با توجه به مقدار میانگین ارزش رتبه ­ها مشخص می­شود. فرآیند وزن­دهی به معیارها در شکل (1) نشان داده شده است که در اولین گام باید معیارهای پژوهش را از منابع متفاوت استخراج نمود و سپس در گام های بعد این عوامل را ارزیابی کرد و معیارهای وابسته را حذف نمود و در نهایت مجموعه معیار نهایی باید عواملی باشند که مستقل از هم هستند. در گام های بعد نیز این عوامل در اختیار کارشناسان قرار می گیرند تا رتبه آن ها مشخص شود و سپس در الگوریتم روش SWARA قرار می گیرند تا وزن آن ها استخراج شود.

گام های روش swara سوارا

    گام اول روش سوارا شناسایی معیارها و زیرمعیارها می باشد. همچنین در این گام باید معیارهای وابسته حذف شوند و تمامی معیارها از نوع مستقل باشند.
    گام دوم این است که معیارهای نهایی را در اختیار خبرگان قرار داده تا بر اساس اهمیت مرتب کنند و سپس آن رتبه‌ها را باهم ادغام کنیم.
    گام سوم تعیین اهمیت نسبی معیارها (Sj) است که باید هر معیار با معیار رتبه بالاتر خود مقایسه شود.
    گام چهارم: با استفاده از Sj های محاسبه شده می توان وزن معیارها را بدست آورد.

فیلم آموزش این روش تهیه شده است جهت دانلود اینجا را کلیک کنید. همچنین نرم افزار روش SWARA در قالب فایل اکسل نیز در همان لینک قرار داده است فقط کافیست اطلاعات اولیه را وارد کنید. خودکار تمام محاسبات انجام می شود.

در زیر قسمتی از توضیحات فیلم آموزشی این روش قرار داده شده است

جهت دانلود نسخه کامل فیلم آموزش SWARA اینجا را کلیک کنید
مثال حل شده روش SWARA

در فیلم آموزشی که در بالا قرار داده شده است یک مثاله به صورت کامل حل شده است. که ابتدا مساله بیان می شود و سپس به صورت گام به گام در نرم افزار اکسل حل می شود.
آموزش روش سوارا SWARA
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
منبع : آموزش روش سوارا نوشته آرش حبیبی نشر الکترونیک پارس مدیر

روش سوارا سرواژه عبارت Step-Wise Weight Assessment Ratio Analysis  است. ترجمه روش SWARA به فارسی روش تحلیل نسبت ارزیابی وزن‌دهی تدریجی می‌باشد. روش سوارا یکی از روش‌های جدید تصمیم‌گیری چندمعیاره است که در سال ۲۰۱۰ توسط خانم ویولتا کرسولاین به همراه زاوادسکاس و تورسکیس معرفی شد. از این روش برای محاسبه وزن معیارها استفاده می‌شود. ارزیابی وزن معیارها یکی از مهم‌ترین موضوعات در تصمیم‌گیری چندمعیاره است. روش سوارا یکی از روش‌های وزن‌دهی است که دیدگاه خبرگان در آن اهمیت بالایی دارد.
مراحل روش سوارا

در روش سوارا ابتدا کارشناسان معیارها را به ترتیب اهمیت مرتب می‌کنند. مهمترین معیار ابتدا قرار می‌گیرد و امتیاز یک را می‌گیرد. در نهایت معیارها براساس مقادیر متوسط اهمیت نسبی رتبه‌بندی می‌شوند.

گام اول : مرتب کردن معیارها

در ابتدا معیارهای مورد نظر براساس میزان اهمیت به ترتیب نوشته می‌شوند. مهمترین معیارها در رده‌های بالاتر و معیارهای کم اهمیت‌تر در رده‌های پایین‌تر قرار می‌گیرند.

گام دو : تعیین اهمیت نسبی هر معیار (Sj)

در این گام اهمیت نسبی هر معیار نسبت به معیارهای قبلی مشخص می‌شود. در فرایند روش سوآرا این مقدار با Sj نشان داده می‌شود.

گام سه : محاسبه ضریب Kj

ضریب Kj که تابعی از مقدار اهمیت نسبی هر معیار است با استفاده از رابطه ۱ محاسبه می‌شود:

Kj = Sj + 1

گام چهار : محاسبه وزن اولیه هر معیار

وزن اولیه معیارها از طریق رابطه ۲ محاسبه می‌شود. در این رابطه باید توجه داشت که وزن معیار نخست که مهمترین معیار است برابر ۱ در نظر گرفته می‌شود.

Qj = Qj-1 / Kj

گام پنجم: محاسبه وزن نرمال نهایی

در آخرین گام از روش سوآرا وزن نهایی شاخ صها که وزن نرمال شده نیز محسوب می‌گردد از طریق رابطه ۳ محاسبه می‌شود. نرمال‌سازی به روش خطی ساده انجام می‌شود.
جامعه و نمونه روش سوارا

جامعه روش سوارا شامل خبرگان حوزه مورد مطالعه است. برای نمونه‌گیری در روش سوارا از روش نمونه‌گیری هدفمند استفاده می‌شود. به صورت هدفمند در این روش متخصصین نقش مهمی در ارزیابی وزن‌های محاسبه شده دارند. همچنین هر متخصص نقش مهمی در ارزیابی وزن‌های محاسبه شده دارد. همچنین هر متخصص اهمیت هر معیار را براساس دانش ضمنی، اطلاعات و تجربیات خود مشخص می‌کند. آنگاه با توجه به ارزش متوسط رتبه‌های گروهی بدست آمده از کارشناسان وزن هر معیار تعیین می‌شود. کرسولاین (۲۰۱۰) معتقد است بهتر است گروهی از خبرگان گرد هم قرار گیرند و بصورت گروهی دیدگاه خود را مطرح کنند و پژوهشگر با یادداشت و جمع‌بندی دیدگاه خبرگان، ضمن رتبه‌بندی معیارها نسبت به تعیین وزن نسبی آنها اقدام کند.
کدنویسی سوارا در محیط اکسل

یک فایل اکسل کدنویسی شده براساس یک مقاله علمی-پژوهشی فارسی به همراه توضیحات فارسی تهیه شده است.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
فایل اکسل کدنویسی شده

فایل فارسی آموزش روش سوارا

اصل مقاله سوارا نوشته کرسولاین و همکاران
روش SWARA (تحلیل گام به گام  نسبت اوزان) از روش های تعیین مقادیر وزنی در فرآیند تصمیم گیری چند معیاره نقش مهمی ایفا می کند. روش SWARA مخفف Stepwise Weight Assessment Ratio Analysis استاین روش توسط کرزولیین و همکاران تهیه شده است و به نظر آنها ویژگی اصلی آن امکان ارزیابی نظر خبرگان در مورد اهمیت معیارها در فرآیند تعیین وزن آنها است.

این روش در دسته بندی تکنیک های AHP ANP BWM قرار دارد. Nر این روش معیارها بر اساس وزن، رتبه بندی می شوند. در این روش به مهمترین معیار رتبه یک و به کم اهمیت ترین معیار رتبه آخر داده می شود. در این روش صاحب نظران نقش مهمی در تعیین وزن معیارها دارند. ویژگی اصلی این روش، امکان برآورد کارشناسان  در رابطه با نسبت اهمیت معیارها در فرآیند تعیین وزن آن­ها است. روش سوارا جهت گردآوری و هماهنگی اطلاعات به دست آمده از کارشناسان و صاحب­نظران مفید است. کاربردهای این تکنیک ساده هستند و کارشناسان در زمینه­ های مختلف می­توانند به سادگی با مقصود اصلی این روش ارتباط برقرار کنند.
مراحل روش SWARA

۱-گام اول روش سوارا شناسایی معیارها و زیرمعیارها است. همچنین در این گام باید معیارهای وابسته حذف شوند و تمامی معیارها از نوع مستقل باشند.

۲-گام دوم این است که معیارهای نهایی را در اختیار خبرگان قرار داده تا بر اساس اهمیت مرتب کنند و سپس آن رتبه‌ها را باهم ادغام کنیم.

۳-گام سوم تعیین اهمیت نسبی معیارها (Sj) است که باید هر معیار با معیار رتبه بالاتر خود مقایسه شود.
گام سوم روش SWARA
گام سوم روش SWARA

۴-گام چهارم: با استفاده از Sj های محاسبه شده می توان وزن معیارها را بدست آورد.
گام چهارم روش SWARA
گام چهارم روش SWARA
وزن دهی در روش سوارا
وزن دهی در روش سوارا
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
این تکنیک در نرم افزار EXCEL قابل انجام است.
منبع

انجام پروژه به روش روش SMART (تکنیک رتبه بندی چند شاخصه ساده)

سمارت (SMART)

SMART (تکنیک رتبه بندی چند شاخصه ساده) یک روش تصمیم گیری چند معیاره است که توسط ادوارد در سال 1977 ساخته شده است.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
این تکنیک تصمیم گیری چند معیاره بر اساس این تئوری ارائه شده است که هر گزینه جایگزین، از معیارهایی تشکیل شده است که دارای ارزش هستند و هر یک از معیارها دارای وزنی هستند که میزان اهمیت معیار را در مقایسه با سایر معیارها توصیف می کند.

این وزن دهی برای ارزیابی هر گزینه جایگزین برای به دست آوردن بهترین انتخاب استفاده می شود.

اسمارت یک مدل جمعی خطی برای پیش بینی مقدار هر گزینه است. روش اسمارت به دلیل سادگی در پاسخگویی به نیازهای تصمیم گیرندگان و نحوه پاسخگویی ، روش پرکاربردی می باشد.

فهرست مطالب [پنهان]

    1 روش smart
    2 مثال روش اسمارت
    3 روش smart
        3.1 روش smart

روش smart

تجزیه و تحلیل درگیربا این روش شفاف است به طوری که این رویکرد درک بسیار خوبی از مسئله ارائه می دهد و برای تصمیم گیرنده قابل قبول است. مدل عملکرد چند خطی که توسط SMART مورد استفاده قرار می گیرد به شرح زیر است:
Smart01 1Smart01 1

توضیح:

    . Wj مقدار معیار وزنی با اندیسj از معیارهای k است.
    . Uij یک مقدار جایگزین i براساس معیار j است.
    انتخاب تصمیم گیرنده برای تعیین اینکه کدام یک از گزینه های انتخابی بیشترین ارزش عملی را دارند.

مقدار این تابع همچنین می تواند برای رتبه بندی گزینه های دیگر استفاده شود.
مثال روش اسمارت

در زیر یک مثال از سیستم پشتیبانی تصمیم گیری با استفاده از روش SMART نشان داده شده است. در این مثال هم چند معیار و هم چند شاخص استفاده شده است تا کاربرد آن در موارد مختلف نشان داده شود.

    وزن تعیین شده برای ارزیابی به شرح زیر است:
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
Smart02روش اسمارت

    از اوزان بالا وزنهای نسبی به شرح زیر محاسبه می شود:

Smart03روش اسمارت

    مقدار جایگزین و وزن آن

Smart04روش اسمارت
روش smart

    مرحله بعدی تعیین مقدار جایگزین بر اساس هر معیار است ، در این مثال مقدار جایگزین در مقیاس بین 0 تا 100 تخمین زده می شود ، برای C1 مقدار 77 به عنوان حداقل مقدار و 90 به عنوان حداکثر مقدار تعیین می شود ، به عنوان مثال:
        وزن C1 برای A1

Smart05
Smart06

این روند را تا C1 برای A4 انجام دهید و هر نتیجه را با معادله بالا محاسبه کنید. گام بعدی این است که هر وزن را برای معیار C2 حساب کنید ، از جدول حداکثر مقدار 90 و حداقل 80 تعیین می شود
Smart07
Smart08

این روند را تا C2 برای A4 انجام دهید و هر نتیجه را با معادله بالا محاسبه کنید. گام بعدی این است که هر وزن را برای معیار C3 حساب کنید ، از جدول حداکثر مقدار 90 و حداقل 74 است.
Smart09
Smart10
روش smart

براساس فرآیند فوق ، فاکتور ارزیابی ارزش بدست آمده به شرح زیر است:
Smart11روش اسمارت

در مرحله بعد ارزش کل ارزیابی برای هر گزینه جایگزین را بدست می آوریم، ارزش کل ارزیابی آن به شرح زیر است:

    معیار A1

Smart12روش اسمارت

    معیار A2

Smart13روش اسمارت

    معیار A3
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
Smart14روش اسمارت

    معیار A4

Smart15روش اسمارت

براساس جدول فوق ، بالاترین مقدار وزن کل گزینه جایگزین A3 است و جدول زیر نتایج محاسبه با استفاده از روش SMART است:
Smart16روش اسمارت

نتایج آزمایش براساس تعداد گزینه های جایگزین برای تعدادی از معیارهای از پیش تعریف شده (3 معیار) زمان پردازش حداکثر 20 ثانیه را به دست می آورد ، جایی که با اضافه کردن تعداد گزینه های جایگزین ، زمان پردازش به میزان قابل توجهی افزایش نمی یابد.

روش smart

با 50 گزینه دیگر و 3 معیار فقط 12 ثانیه طول می کشد ، روند بعدی 50 گزینه دیگر را برای تعداد معیارها بصورت تصادفی آزمایش می کنیم ، به جدول زیر را مشاهده کنید:
Smart17روش اسمارت

مقادیر جدول بالا در نمودار زیر مشاهده می شود:
Smart18
روش اسمارت

آزمایش 50 گزینه جایگزین با تعداد معیارهای مختلف ، زمان پردازش قابل توجهی را به دست می آورد و مدت زمان طولانی را بخود اختصاص می دهد.

نتیجه گیری

براساس نتایج آزمون های انجام شده با تعدادی از گزینه های پویا و استفاده از سه معیار ، فرآیند محاسبه با استفاده از روش SMART به مدت طولانی نیاز ندارد ، اما اگر جایگزین ها به صورت پویا با تعداد گزینه های
تصمیم گیری چند معیاره

کلمه تصمیم گیری به معنای قطع کردن می باشد و مفهوم عام آن قطعی کردن قصد و نیت و به نتیجه رساندن و حل می باشد تصمیم گیری به عنوان انتخاب یک راهکار از میان چندین راهکار تعریف می شود. تا کنون نظریه ها و روشهای مختلفی برای تصمیمگیری در مسائل پژوهشگران ارائه شده است. اما از دوران نهضت صنعتی در جهان و بخصوص از زمان جنگ جهانی دوم، مدلهای بهینهسازی مورد توجه بسیاری از ریاضیدانان و دست اندرکاران صنعت بوده است. تأکید اصلی بر مدلهای کلاسیک بهینه سازی، داشتن یک معیار (یا یک تابع هدف) می باشد، به طوریکه مدل مذکور میتواند در مجموع به صورت خطی، غیر خطی، و یا مخلوط باشد. اما توجه پژوهشگران در دهه های اخیر معطوف به مدلهای چندمعیاره برای سنجش تصمیم گیریهای پیچیده گردیده است.

روشهای تصمیم گیری چند معیاره (MCDM) به دو دسته تصمیم گیری چند هدفه (MODM) و تصمیم گیری چند شاخصه (MADM) تقسیم می شوند. هدف از تصمیم گیری انتخاب بهترین گزینه یا وزن دهی به عوامل تصمیم گیری است. هر روش  تصمیم گیری وظیفه خاصی دارد یکی هدف وزن دهی به معیارها، یکی هدفش رتبه بندی گزینه ها و دیگری هدف ارزیابی معیارها می باشد. که در اینجا به توضیح پرکاربردترین روش های تصمیم گیری چند شاخصه خواهیم پرداخت. اگر بخواهیم طبقه بندی از مدلهای تصمیم گیری چند معیاره داشته باشیم به شکل زیر اشاره می شود.

طبقه بندی مدلهای mcdm

در حالت دیگر می توان مدل های تصمیم گیری چند معیاره را به دو دسته جبرانی و غیر جبرانی دسته بندی کرد. بر این اساس مدلهای جبرانی تصمیم گیرنده حاضر به تبادل بین معیارها و شاخص ها وجود دارد. تغییر در یک شاخص توسط تغییری مخالف در شاخص یا شاخص های دیگر جبران می شود. اما در مدلهای غیر جبرانی تصمیم گیرنده حاضر به تبادل بین معیارها نمی باشد. نقطه ضعف موجود در یک شاخص توسط مزین موجود در یک شاخص دیگر جبران نمی شود. هر شاخص جدا از سایر شاخص ها مبنای ارزیابی گزینه های رقیب قرار می گیرد.

روش های جبرانی و غیر جبرانی

مدل های غیر جبرانی نیز خود به چند دسته تقسیم می شوند از جمله روشهای عام، لکسیکوگرافی، رضایت بخش و روش پرموتاسیون (جایگشت) تقسیم می شود. روشهای عام به دو دسته روش خوشبینانه و بدبینانه تقسیم می شود. روش لکسیکوگرافی به روش نیمه رتبه ای تقسیم می شود. روشهای رضایت بخش به شمول و خاص تقسیم می شوند. این روشها در مقالات و پروژه های تصمیم گیری چند معیاره چندان مورد استفاده قرار نمیگیرد و بیشتر جنبه تمرینی دارند. زیرا یکی از ویژگی های مهم از جمله تبادل بین شاخص ها در آن ها وجود ندارد.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
مدل های غیر جبرانی
روشهای غیر جبرانی

در این مدل ها، معیارها مستقل از هم در فرایند تصمیم گیری بررسی می شوند. مدل های غیر جبرانی، به طور عمده به سه گروه قابل طبقه بندی اند:

    هیچ نوع اطلاعاتی در مورد اهمیت معیارها در دسترس نیست (مانند روش های تسلط، بیشترین کمینه، بیشترین بیشینه و …)
    اهمیت معیارها به صورت ترتیبی موجود است (مانند روشهای الکزیکوگرافی، جایگشت، حذفی و …
    اطلاعات مربوط به حدود استاندارد و قابل قبول هر معیار در دسترس است (مانند روش های روش رضایت بخش عطفی و روش رضایت بخش خاص

نکته: روشهای جبرانی جدیدا در پژوهش ها و مقالات مورد استفاده قرار نمی گیرند زیرا الگوریتم ساده و غیر انعطاف پذیری دارند.

روش تسلط (Dominance)

در این روش گزینه برتر آن است که در تمام معیارها برتر از سایر گزینه ها باشد. در این روش به غیر از ماتریس تصمیم گیری لازم نیست هیچ تغییری صورت گیرد.

روش تسلط dominance

این روش به طور عملی چندان کارآمد نیست، مگر در شرایط خاص برای فیلترینگ گزینه ها. برای نمونه در ماتریس تصمیم گیری بالا می توان گزینه A را از تحلیل خارج کرد زیرا به طور کامل تحت سلطه گزینه A قراردارد.

روش بیشترین کمینه (MAXI MIN)

در این روش، نقاط ضعف گزینه ها با هم مقایسه می شوند؛ به عبارت دیگر برای انتخاب محکم ترین زنجیر کافی است ضعیف ترین حلقه یک زنجیر، محکم تر از ضعیف ترین حلقه زنجیر دیگر باشد؛ این روش در عین حال غیرجبرانی است زیرا حلقه ها، ضعف همدیگر را جبران نمی کنند.

قدم های لازم در بیشترین کمینه عبارت اند از:
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
    تبدیل معیارهای کیفی به کمی
    نرمالیزه کردن ماتریس تصمیم با استفاده از نرم بینهایت

مثال

نیروی هوایی یک کشور در حال بررسی برای انتخاب یک جنگنده جدید است. چهار هواپیما برای این موضوع انتخاب شده اند. معیارهای مورد نظر تحلیل گران نیروی هوایی عبارت اند از:
X6     X5     X4     X3     X2     X1      
very High     Mediaum     5/5     20.000     1500     2     A1
Mediaum     Low     6/5     18.000     2700     2/5     A2
High     High     4/5     21.000     2000     1/8     A3
Mediaum     Mediaum     5     20.000     1800     2/2     A4

X1= حداکثر سرعت (ماخ)

X2= مقدار برد هواپیما (کیلومتر)

X3= وزن مهمات قابل حمل (پوند)

X4= قیمت (میلیون دلار)

X5= قابلیت اطمینان

X6= قابلیت مانور

روش بیشترین بیشینه (MAXI MAX)

در این روش، نقاط قوت گزینه ها با هم مقایسه می شوند. ماکزیمم مقدار هر گزینه مشخص شده و بیشترین آن به عنوان شاخص اثرگذار انتخاب می شوند. برای نمونه در انتخاب نخبگان از روش بیشترین بیشینه استفاده می شود. قهرمان قهرمانان نقطه قوت یک گزینه نسبت به نقاط قوت گزینه های دیگر قوی تر است). در نمونه زیر با اینکه گزینه اول در شاخص اول بسیار ضعیف است ولی از دیدگاه روش بیشترین بیشینه به دلیل داشتن بهترین نقطه قوت انتخاب می شود. پس A1 بهتر از A2 است. نیاز به نرمال سازی در این روش نیست.
شاخص 2     شاخص 1      
18     1     A1
16     17     A2

برای نمونه در انتخاب بازیکن فوتبال فرض کنید می خواهیم با توجه به معیارهای استقامت، حمله، دفاع، دروازه بانی، تحرک و تجربه از بین پنج نفر، یک نفر را انتخاب کنیم؛ در این شرایط نیز ممکن است یک مربی از روش بیشترین بیشینه استفاده کند

روش لکزیکوگرافی (Lexicography)

در این روش، ابتدا معیارها براساس نظر DM رتبه بندی می شوند، سپس گزینه ها براساس معیارها اما به ترتیب اهمیت مورد مقایسه قرار می گیرند. (نیازی به نرمال سازی نیست زیرا در هر گام از الگوریتم، گزینه ها نسبت به یک معیار مقایسه مسی۔ شوند). اساس کار این روش بدین صورت است که ابتدا معیار اول (بالاترین اولویت در نظر – گرفته می شود و ضمن مقایسه، گزینه برتر انتخاب می شود؛ اگر در معیار اول، دو گزینه هم ارزش در رتبه نخست قرار بگیرند، به سراغ معیار بعدی از نظر اهمیت رفته، آن دو گزینه را نسبت به معیار بعدی رتبه بندی می کنیم. در مثال هواپیما اگر بردار ترتیب اولویت معیارهابرابر X2,X5,X3,X1,X6,X4. ابتدا با در نظر گرفتن شاخص دوم، یعنی برد هواپیما گزینه ها را مقایسه می کنیم که در نتیجه، گزینه دوم در مقام گزینه برتر انتخاب می شود. این مراحل تا زمان انتخاب گزینه برتر ادامه می یابد. در این روش، ماتریس تصمیم گیری و رتبه بندی معیارها نیاز است.

روش رضایت بخش عطفی

در این روش برای هر معیار، یک حد پذیرش توسط DM تعریف می شود. اگر گزینه ای، حتی در یکی از معیارها از حد پذیرش کمتر باشد، رد می شود. DM برای پذیرش تعدادی گزینه (به قدر کافی) ابتدا باید س طح متعادلی از استانداردها را تعیین کند، سپس می تواند برای کاهش گزینه ها حداقل سطوح استاندارد را به طور متوالی افزایش دهد. در مثال انتخاب هواپیما، حدود پذیرش برابر است با: (5 و 5 و6 و 20000 و 1500 و2)

در معیار X1
A1     A2     A3     A4
2=2     2/5>2     1/8<2     2/2>2

پس گزینه سوم در بررسی این معیار از جریان بررسی خاج میشود.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
در معیار X2
A1     A2     A4
1500=1500     2700>1500     1800>1500

در معیار X3
A1     A2     A4
20000=20000     20000>18000    

-20000

20000

پس گزینه دوم در بررسی این معیار از جریان بررسی خارج میشود.

در معیار X4( دقت شود جهت این معیار منفی است )
A1     A4
6>5/5     6>5

در معیار X5
A1     A4
5=5     5=5

در معیار X6
A1     A4
5<9     5=5

پس در نهایت می بینیم که A1 و A4 حد نصاب را دارند.

مزیت روش یادشده ، این است که فضای تصمیم را برای تصمیم گیری بهتر، کوچکتر میکند.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
روش رضایت بخش خاص

در این روش، حداکثر مطلوب برای هر معیار مشخص است؛ اگر گزینه ای تنها در یکی از معیارهایش به این حد مطلوب برسد یا از آن بگذرد آن را انتخاب می کنیم. نمونه ای از کاربرد این روش: یک مربی قصد دارد بازیکن انتخاب کند؛ اگر بازیکنی، فقط در یک پست توانایی های بی نظیری داشته باشد، مربی او را نسبت به بازیکنی که سطحی متوسط از توانایی های چندگانه را دارد، ترجیح می دهد.

روش حذف (Elimination)یا صفر و یک

در این روش، گزینه یا دارای یک معیار می باشد یا نمی باشد (پس است در این روش یک سری معیارها اولویت بندی می شوند. سپس بررسی می شوند که کدام گزینه اولویت اول را دارد. در نتیجه آنهایی که اولویت اول را ندارند حذف می شوند. از بین گزینه های باقیمانده کدام یک اولویت دوم را دارند. در نتیجه سایرین حذف میشوند. این روند تا باقی ماندن یکی از گزینه ها ادامه می یابد. باید توجه داشت که معیارها به نحوی می باشند که جواب بله یا خیر است. در صورت عددی بودن معیارها بایستی به صفر و یک تبدیل گردند. مثلا تا1500 را صفر و بیش از آن را یک لحاظ میکنیم.

این روش ترکیب دو روش رضایت بخش شمول و لکسیکوگراف است .
      هزینه     استحکام     وجه ملی     ظرفیت     سختی کار
A1     3     5     9     24000     1
A2     1.2     7     5     25000     3
A3     1.3     9     3     32000     7

    ابتدا شاخص ها را رتبه بندی می کنیم

(1-هزینه     2-استهکام        3- سختی کار      4- ظرفیت       5- وجه ملی )

    تعیین سطوح استاندارد برای روش رضایت بخش شمول :

B=(1.3, 5, 5, 24000,  3)
روش های جبرانی

روش های جبرانی نیز به سه دوسته روشهای امتیاز دهی، روشهای سازشی و روشهای غیر رتبه ای تقسیم می شوند.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
روش های امتیاز دهی (Scoring): گزینه ارجح بیشترین امتیاز را دارد. در این روشها با استفاده از الگوریتم های مختلف گزینه ای برتر است که بیشترین امتیاز را کسب کند.

روش های سازشی (Compromising): گزینه ارجح بیشترین نزدیکی و شباهت را با گزینه ایده آل دارد.

روش های غیر رتبه ای (Outranking): گزینه ارجح از منظر یک شاخص هماهنگ تعریف شده بهترین وضعیت را دارد.

انواع مدلهای جبرانی

روش AHP یا فرایند تحلیل سلسله مراتبی: یکی از تکنیک های قدرتمند تصمیم گیری می باشد. در سال 1980 توسط آقای ساعتی ارائه شد.از مزایای ممتاز این روش میزان سازگاری و ناسازگاری تصمیم می باشد. در این روش مساله به سطوح مختلف هدف، معیارها، زیر معیارها و گزینه ها تقسیم می شود تا تصمیم گیرنده بتواند به راحتی در کوچکترین تصمیم گیری دقت کند. همان طور که از نام این روش پیداست به صورت سلسله مراتبی یا از بالا به پایین بررسی می شود. به عنوان مثال در شکل زیر نمایی از مدل AHP است.

روش AHP فرایند تحلیل سلسله مراتبی

روش بهبود یافته AHP: یکی از محدودیت های بزرگ روش AHP این است که هنگامی عوامل زیاد باشد مقایسات زوجی بسیار زیاد شده و باعث دشواری در تکمیل مقایسات و نرخ ناسازگاری بالا می شود در سال 2013 آقای لی و همکاران روشی را ارئه کردند که برای تشکیل مقایسه زوجی راه حلی جدید ارائه کردند که آن را AHP بهبود یافته یا Improve AHP نامیدند.

روش ANP یا فرایند تحلیل شبکه ای: این روش همانند روش AHP می باشد با این تفاوت که بین معیارهای تصمیم و گزینه های تصمیم روابط و همبستگی های متقابل وجود دارد. در واقع روش AHP یک حالت خاص از روش ANP می باشد. این روش نیز توسط آقای توماس ساعتی ارائه شد. روش تحلیل شبکه به تصمیم گیرنده اجازه ساخت یک شبکه به جای سلسله مراتب را می دهد این امر امکان بررسی ارتباط داخلی بین عناصر را نیز ممکن می سازد گره های موجود در این شبکه، معادل با معیارها و گزینه ها می باشند و شاخه هایی که این گره ها را به هم متصل می کنند نیز معادل با درجه وابستگی آن ها به همدیگر می باشند. تعیین روابط موجود در ساختار شبکه ای یا تعیین درجه وابستگی متقابل بین معیارها با هم و گزینه ها، مهم ترین کار رو تحلیل شبکه است. روش تحلیل شبکه (ANP) یکی از بهترین و کاملترین روشهای تصمیم گیری چند معیاره است در صورت وجود ارتباط داخلی بین عناصر تشکیل دهنده ساختار شبکه، این روش پاسخ هایی به مراتب بهتر و دقیق تر از سایر روشهای تصمیم گیری چند معیاره عرضه می کند.

تکنیک جدید merec : هدف این روش تعیین وزن معیارها در مدلهای گزینه محور (ماتریس تصمیم) می باشد ابتدا ماتریس تصمیم تشکیل شده سپس نرمال سازی انجام می شود. تفاوت این روش با روشهایی نظیر آنتروپی در این است که در این تکنیک وزن بر اساس حذف اثرات معیارها انجام می شود.
گام های تصمیم گیری چند معیاره

در دو مدل قبل هدف وزن دهی به معیارهای پژوهش بود حال مدلهایی دیگر را بررسی خواهیم کرد که هدفشان رتبه بندی گزینه های پژوهش است. مراحل کلی این مدل از تکنیک ها به صورت زیر می باشد:

    تشکیل ماتریس تصمیم گیری
    بی مقیاس سازی
    محاسبه وزن شاخص ها
    انتخاب مدل و پیاده سازیگام های تصمیم گیری چند معیاره

همانطور که در شکل بالا نیز نشان داده شده است مراحل 4 گانه تصمیم گیری چند معیاره بیان شده است. حال به توضیح گام های این مراحل می پردازیم.
تشکیل ماتریس تصمیم گیری
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
برای تشکیل ماتریس تصمیم گیری مراحل زیر باید پیاده شوند:

    شناسایی آلترناتیوها/ گزینه ها: این مرحله با استفاده از روش دلفی و یا دلفی فازی نیز قابل احصاء است.
    شناسایی شاخص ها (معیارها): در این گام باید شاخص های تاثیرگذار بر هدف مساله استخراج شوند این گام نیز با استفاده از روش دلفی (دلفی فازی) و یا پیشینه پژوهش و مقالات مشابه قابل دستیابی است.
    تعیین نوع شاخص ها (مثبت و منفی): در این گام باید شاخص ها را از نظر مثبت و منفی بودن تعیین کرد شاخص هایی که جنبه سود دارند از نوع مثبت هستند و شاخص هایی که جنبه هزینه دارند از نوع منفی هستند. ویا یک راه ساده تر این است که این سوال را از خود بکنیم که آیا مثلا فلان معیار اگر افزایش یابد برای سیستم بهتر است یا اگر کاهش یابد برای سیستم بهتر است. حال اگر هر چقدر معیار افزایش یابد برای سیستم بهتر باشد از نوع مثبت است مثل کیفیت محصول . واگر آن معیار هر چقدر کمتر شود برای سیستم بهتر باشد آن معیار از نوع منفی است مثل سختی کار.
    ارزیابی هر آلترناتیو بر اساس هر شاخص: در این گام اگر معیار از نوع کمی باشد باید امتیاز واقعی گزینه نسبت به آن معیار اختصاص یابد و اگر معیار جنبه کیفی داشته باشد باید بر اساس یک طیف امتیاز داده شود.
    تبدیل ارزیابی های کیفی و زبانی به کمی: در این گام اگر امتیازهای معیاری از نوع کیفی باشد باید بر اساس یک طیف استاندارد آن عبارات کیفی را به کمی تبدیل کرد.
    تکمیل و نهایی سازی ماتریس تصمیم گیری

بی مقیاس سازی

بی مقیاس سازی یکی از گام های مهم در تصمیم گیری چند معیاره است و برای بی بعد کردن ماتریس تصمیم استفاده می شود. روش های مختلفی برای بی مقیاس سازی استفاده می شود که در شکل زیر آورده شده است.

روش های بی مقیاس سازی mcdm

با توجه به شکل بالا سه مدل بی مقیاس سازی شامل نرم خطی، نرم اقلیدسی و بی مقیاس سازی خطی در تصمیم گیری چند معیاره مورد استفاده قرار می گیرد.
نرخ خطی

مزیت این شیوه علاوه بر سادگی، آن است که مجموع عناصر بی مقیاس شده هر معیار برابر یک شده و مقایسه اعداد را ساده تر می سازد. ضمن آن که نسبت ترجیح گزینه ها بر یکدیگر، قبل و بعد از بی مقیاس سازی ثابت باقی می ماند. این روش با استفاده از رابطه زیر انجام می شود.

روش نرم خطی
نرم اقلیدسی

مشکل عمده این روش آن است که طول مقیاس اندازه گیری در حالت قبل و بعد از بی مقیاس سازی ثابت باقی نمی ماند. در واقع حداقل و حداکثر مقادیر بی مقیاس شده هر شاخص برابر نبوده و مقایسه شاخص ها با یکدیگر همچنان خالی از اشکال نخواهد بود. روش نرم اقلیدسی با استفاده از رابطه زیر انجام می شود.

روش بی مقیاس سازی اقلیدسی
بی مقیاس سازی خطی

مزیت این شیوه آن است که تبدیلات در یک مقیاس خطی انجام شده و نسبت امتیاز عناصر درشاخص ها به یکدیگر، قبل و بعد از بی مقیاس سازی ثابت باقی می ماند. این روش بی مقیاس سازی با استفاده از رابطه زیر صورت می گیرد.

روش بی مقیاس خطی
تعیین اوزان شاخص ها

در این گام باید وزن معیارها را با استفاد از روشهای مختلف محاسبه کرد که در شکل زیر نیز آورده شده است.

روشهای وزن دهی mcdm
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
روش bwm (بهترین بدترین): این روش از روش های تصمیم گیری چند معیاره است که از تکنیک های نوین تصمیم گیری چند شاخصه است که اولین بار در سال 2015 توسط دکتر جعفر رضایی ارائه شد و هدف آن وزن دهی به معیارها و زیرمعیارها است. این روش در مقایسه با روش AHP از مقایسات زوجی کمتری برخوردار است. این روش ابتدا با مقایسات زوجی با اهمیت ترین معیار و دیگر معیارها و دیگر معیارها با کم اهمیت ترین معیار، مدل بهینه سازی غیر خطی را ایجاد می کند و سپس با حل آن مدل در نرم افزارهایی مثل لینگو، اوزان معیارها محاسبه می شود. در مقاله 2016 آقای رضایی یک مدل خطی برای تکنیک bwm ارائه شده است که به مراتب بهتر و دقیق تر از مدل غیر خطی 2015 است.

روش SWARA: این روش از روش های تصمیم گیری چند معیاره در سال 2010 توسط آقای زاوادسکاس و همکاران ارائه شد هدف این روش نیز محاسبه وزن معیارها می باشد. این روش مبتنی بر نظرات خبرگان است. روش سوارا نیز جدیدا در بسیاری از مقالات داخلی و خارجی مورد استفاده قرار می گیرد و به عنوان یک روش مشهور و مفید شناخته شده است. در این روش هر معیار با معیار مهمتر از خود به صورت زوجی مقایسه می شود.

تکنیک CRITIC : این تکنیک از روشهای کلاسیک تصمیم گیری چند معیاره است که بر اساس ماتریس تصمیم به محاسبه وزن معیارهای مساله تصمیم گیری می پردازد و کلیه عملیات وزن دهی را بر اساس انحراف معیار و یا همبستگی بین معیارها انجام می دهد.
انتخاب مدل و پیاده سازی

در این بخش با استفاده از مدل های زیر می توان گزینه های پژوهش را رتبه بندی نمود.

روش وزن دهی ساده (SAW): ساده ترین روش تصمیم گیری چند معیاره است. این روش با نام روش ترکیب خطی وزن دار نیز شناخته می شود. این روش توسط هوانگ و یون در سال 1981 ارائه شد. در این روش بعد از بی مقیاس سازی و وزن دار کردن، می توان گزینه های پژوهش را رتبه بندی نمود.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
روش برنامه ریزی توافقی: یکی دیگر از روش های تصمیم گیری چند معیاره است. در این روش فاصله گزینه ها، از نقطه ایده آل تعیین می شود و نزدیک بودن یا دور بودن گزینه ها نسبت به نقطه ایده آل مورد بررسی قرار میگیرد. روش برنامه ریزی توافقی در سال 1973 توسط زلنی ارائه شد در این روش گزینه ای بهینه است که حداقل فاصله را نسبت به یک جواب ایده آل داشته باشد.

روش ویکور (VIKOR): این روش که مبتنی بر برنامه ریزی توافقی مسائل تصمیم گیری چندمعیاره است، مسائلی با معیارهای نامتناسب و ناسازگار را مورد ارزیابی قرار میدهد. ویکور در شرایطی که فرد تصمیم گیرنده قادر به شناسایی و بیان برتری های یک مساله در زمان شروع و طراحی آن نیست، این روش می تواند به عنوان ابزاری موثر برای تصمیم گیری مطرح شود.

روش شباهت به گزینه ایده آل (TOPSIS): در این روش از روش های تصمیم گیری چند معیاره، گزینه ها بر اساس شباهت به حل ایده آل رتبه بندی می شوند به طوریکه هر چه یک گزینه به حل ایده آل شبیه تر باشد رتبه بیشتری دارد. این روش تصمیم گیری از پشتوانه ریاضی قوی برخوردار است.
مزایای روش تاپسیس عبارتند از:
1- تصمیم گیری در صورت وجود معیارهای مثبت و معیارهای منفی (حتی توام با هم در یک مساله تصمیم گیری) امکان پذیر است.
2- برای تعیین بهترین گزینه می توان تعداد قابل توجهی معیار مورد بررسی قرار داد در حالی که در روشی مانند AHP عملا در این زمینه محدودیت هایی وجود دارد
3- این روش ساده و دارای سرعت مناسب است و برای تعداد زیادی گزینه و معیار به خوبی پاسخگو است.
4- در این روش به راحتی می توان معیارهای کیفی را کمی کرد و تصمیم گیری با وجود معیارهای کیفی و کمی میسر است.
5- این امکان وجود دارد که بتوان تاثیر ضریب اهمیت معیارها را بر روی رتبه بندی گزینه ها به صورت عددی مشاهده کرد.

روش تسلط تقریبی (ELECTRE): در این روش از مفهوم تسلط به صورت ضمنی استفاده می شود. در این روش گزینه ها به صورت زوجی با یکدیگر مقایسه می شوند و گزینه های مسلط و ضعیف شناسایی شده و سپس گزینه های ضعیف و مغلوب حذف می شوند.

روش دیمتل (DEMATEL): این روش به بررسی تاثیر معیارها بر روی هم می پردازد و روابط بین معیارها را تعیین میکند عموما از این روش به عنوان تعیین کننده روابط بین معیارها یا زیرمعیارها بکار گرفته می شود و به همراه روش ANP می آید. روش دیمتل به عنوان یک روش کمکی برای تعیین شبکه بین معیارها مورد استفاده قرار می گیرد. این روش با یک ماتریس اولیه که تاثیرگذاری معیارها روی هم را بررسی می کند شروع می شود.

روش مدلسازی ساختاری تفسیری (ISM): این روش توسط اقای سیج ارائه شد و تکنیک مشابه روش دیمتل می باشد در واقع این روش به سطح بندی عوامل پژوهش می پردازد و معیارهای مساله را در سطوح مختلف تاثیرگذار و تاثیرپذیر تقسیم می کند. همچنین با استفاده از ماتریس این روش می توان نمودار قدرت نفوذ-وابستگی (نمودار میک مک) را ایجاد کرد.

روش کمیرا (KEMIRA): علاوه بر روش های متعدد در راستای وزن دهی معیارها و رتبه بندی گزینه ها، روش جدید KEMIRA توسط A.Krylovas.et.al پیشنهاد شده است (2014) ماهیت روش نظریه رای گیری. برای انتخاب بهترین گزینه می باشد.

گام 1: در گام اول بعد از تعیین هدف مساله باید ماتریس تصمیم ساخته شود این ماتریس تصمیم یک ماتریس معیار-گزینه است حال اگر مدل دارای زیرمعیار باشد این ماتریس تصمیم زیرمعیار-گزینه است. یعنی ماتریسی که ستون­های آن زیرمعیارها و سطرهای آن گزینه­ های پژوهش هستند.

گام 2: در گام دوم بر اساس نظرات خبرگان زیرمعیارهای پژوهش را در دسته خود رتبه­ بندی می­کنیم. به عنوان مثال اگر معیار A دارای 3 زیرمعیار باشد این زیرمعیارها از رتبه 1 تا 3 رتبه­بندی می­شوند. و سپس به سراغ رتبه­بندی زیرمعیارهای معیار B می­رویم.

گام 3: در این بخش باید ماتریس تصمیم اولیه را تکمیل کرد. به همین منظور پرسشنامه ای تهیه گردید و از خبرگان خواسته شد تا بر اساس طیف پنج تایی لیکرت (خیلی کم=1، کم=2، متوسط=3، زیاد=4 و خیلی زیاد=5) به ارزیابی هریک از گزینه‌های تحقیق بر اساس معیارهای چند گانه بپردازند که و در نهایت میانگین حسابی نظرات تمامی خبرگان به عنوان ماتریس نهایی انتخاب خواهد شد.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
روش ماباک (MABAC): این روش در سال 2015 جهت رتبه بندی آلترناتیوهای پژوهش ارائه شد در این روش رتبه بندی بر اساس فاصله از میانگین هندسی گزینه ها صورت می گیرد.

روش SAR: روش رتبه بندی تجمعی ساده (Simple Addition Ranking) یکی از روشهای تصمیم گیری چند معیاره است که مبتنی بر رتبه بندی گزینه ها با توجه به شاخص های تاثیرگذار بر هر یک از آن ها است.

روش ارسته (ORESTE): تکنیک ORESTE (ارسته) در سال ۱۹۷۹ در یک کنفرانس مربوط به مباحث تصمیم گیری چند شاخصه توسط مارک روبنز استاد دانشگاه پلی تکنیک بلژیک مطرح شد و در سال ۱۹۸۲ این تکنیک توسط خود او به صورت مقاله منتشر شد. هدف این روش نیز رتبه بندی آلترناتیوهای پژوهش بر اساس تعدادی شاخص می باشد.

روش SECA (اولویت بندی معیارها و رتبه بندی گزینه ها به صورت همزمان): این روش از جدیدترین تکنیک های تصمیم گیری چند معیاره است که طی پژوهشی در سال 2018 ارائه شد همانطور که از نام این روش پیداست این تکنیک جهت وزن دهی و رتبه بندی به معیارها و گزینه ها به صورت همزمان و با استفاده از ماتریس تصمیم استفاده می شود. در این روش ابتدا بر اساس ماتریس تصمیم نرمال شده یک مدل بهینه سازی غیر خطی تشکیل می شود و سپس توسط نرم افزار لینگو و یا گمز حل شده و جواب های حاصل وزن معیارها و امتیاز نهایی گزینه ها است.

تکنیک MAIRCA یکی از تکنیک های گزینه محور تصمیم گیری چند معیاره می باشد که توسط توسط مرکز تحقیقات لجستیک دانشگاه دفاع در بلگراد توسعه یافت در سال 2014 ارائه شد. این روش دارای شش گام می باشد که در نهایت رتبه بندی گزینه ها حاصل می شود. از جمله ورودی های این روش ماتریس تصمیم، وزن معیارها و نوع معیارها می باشد. در این روش از تعارفی چون شکاف، وزن واقعی، وزن نظری استفاده می شود که در رتبه بندی دخیل هستند. در واقع در این تکنیک بهترین گزینه، موردی می باشد که کمترین شکاف را داشته باشد.

روش OPA از روشهای جدید تصمیم گیری چند معیاره می باشد که در سال 2021 ارائه شده است این روش بی نیاز از هر گونه نرمال سازی، ادغام نتایج، تشکیل ماتریس های مقایسات زوجی و… است. هدف این روش وزن دهی به معیارها و رتبه بندی گزینه ها بر اساس مدل بهینه سازی خطی است
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
تکنیک مارکوس (MARCOS) : این تکنیک از جدیدترین روشهای رتبه بندی آلترناتیوهای مساله تصمیم گیری چند معیاره است که در سال 2020 ارائه شد. این تکنیک همانند دیگر روشهای هم خانواده اش مثل آراس، تاپسیس و … با تشکیل ماتریس تصمیم به رتبه بندی آلترناتیوها می پردازد این روش نیز به تنهایی قادر به محاسبه وزن معیارها نمی باشد و به عنوان روش کمکی با دیگر تکنیک ها از جمله AHP آورده می شود.
عدم قطعیت در تصمیم گیری چند معیاره

در تصمیم گیری عدم قطعیت بسیار مورد استفاده قرار می گیرد این عدم قطعیت به علت وجود ابهامات در تصمیم گیری است که توسط پاسخ دهندگان و یا داده های مساله ایجاد می شود. مثلا ممکن است یک معیار قیمت در نظر بگیرید و قیمت یک کالا را به صورت دقیق ندانیم ممکن است بازه ای از قیمت تعریف کنیم. به این حالت که مقدار دقیق یک معیار را ندانیم حالت عدم قطعیت ایجاد می شود. حتی در معیارهایی که جنبه کیفی دارند این عدم قطعیت با استفاده از طیف های مختلف استفاده می شود. درشکل زیر این دسته بندی آورده شده است.

عدم قطعیت تصمیم گیری چند معیاره
تصمیم گیری چند معیاره در محیط فازی

در مدل های قطعی معیارهایی همچون کیفیت خیلی مطلوب یا قیمت پایین به صورت عباراتی مبهم و غیر دقیق بیان می شوند که به آسانی این عبارات مبهم را نمی توان مورد محاسبه قرار داد، در این موارد تئوری مجموعه های فازی بهترین ابزار برای شرایط غیر قطعی است و تکنیک تصمیم گیری چندمعیاره، تصمیم گیرندگان را در ارزیابی یک مجموعه از گزینه ها یاری می کنند. در شرایطی که پیچیدگی زیاد بوده و داده های کافی موجود نیست یا اطلاعات مبهم و غیرصریح، وجود دارد می توان از این روش استفاده کرد. در حل مسائلی که درک آنها مشکل است منطق فازی ابزار توانمندی به شمار می آید. منطق فازی در قیاس با مجموعه های کلاسیک و بوسیله مفهوم درجه عضویت قابل تشریح است. به طورکلی تئوری فازی برای مدل سازی دو نوع اصلی نبود قطعیت به کار می رود. نوع اول، عدم قطعیت در رابطه با ضعف دانش و ابزار بشری در شناخت پیچیدگی های یک پدیده می باشد. نوع دوم عدم قطعیت مربوط به عدم شفافیت مربوط به یک پدیده یا ویژگی خاص می باشد. یعنی یک پدیده ممکن است به طور ذاتی غیرصریح و وابسته به قضاوت افراد باشد. چنانچه این تئوری بر پایه ریاضیات پیشرفته و پیچیده ای قرار دارد، یادگیری آن بسیار آسان است. از نظر تئوری هر سیستمی که توسط این منطق طراحی شده با سایر تکنیک ها پیاده سازی مرسوم نیز قابل پیاده سازی است، اما ممکن است این شیوه ها نسبت به منطق فازی پیچیده تر و مشکل تر باشند.
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
محیط فازی اولین بار توسط آقای لطفعلی زاده ارائه شد و برای غلبه بر ابهامات موجود در تصمیم گیری بیان شد. ابهامات موجود در تصمیم گیری منظور همان عبارت کلامی در مقایسات است عباراتی که از خیلی زیاد، خیلی کم و … تشکیل شده است. در محیط فازی با اعداد فازی در رابطه هستیم عدد فازی دو مدل هستند یکی عدد فازی مثلثی و دیگری عدد فازی ذوزنقه ای . تفاوت این دو عدد در بیان ابهامات است . عدد فازی مثلثی دارای 3 درایه و عدد فازی ذوزنقه ای دارای 4 درایه است. البته در پژوهش ها و مقالات بیشتر از عدد فازی مثلثی استفاده شده است. شکل زیر نمایی از عدد فازی مثلثی می باشد.

عدد فازی مثلثی

تمامی تکنیک هایی که در بالا به آن ها اشاره شد قابلیت پیاده سازی در محیط فازی را دارند مانند AHP فازی، ANP فازی، تاپسیس فازی و …صمیم گیری چند معیارهMultiple-criteria decision-making (MCDM) یا تجزیه و تحلیل تصمیم گیری چند معیاره (MCDA) زیرشاخه ای از تحقیقات عملیاتی است که به صراحت چندین معیار متضاد را در تصمیم گیری (هم در زندگی روزمره و هم در محیط هایی مانند تجارت، دولت و پزشکی) ارزیابی می کند. معیارهای متناقض در ارزیابی گزینه ها معمول هستند: هزینه یا قیمت معمولاً یکی از معیارهای اصلی است و برخی معیارهای کیفیت معمولاً معیار دیگری است که به راحتی با هزینه در تضاد است.

در خرید خودرو، هزینه، راحتی، ایمنی و مصرف سوخت ممکن است برخی از معیارهای اصلی باشد که در نظر می گیریم – غیرعادی است که ارزان ترین خودرو راحت ترین و ایمن ترین باشد. در مدیریت پورتفولیو، مدیران علاقه مند به کسب بازده بالا و در عین حال کاهش ریسک هستند. با این حال، سهامی که پتانسیل بازدهی بالا را دارند، معمولاً دارای ریسک بالایی از دست دادن پول هستند. در صنعت خدمات، رضایت مشتری و هزینه ارائه خدمات معیارهای اساسی متضاد هستند.

در زندگی روزمره، افراد معمولاً معیارهای متعددی را به طور ضمنی می سنجند و ممکن است با عواقب چنین تصمیماتی که تنها بر اساس شهود گرفته می شود، راحت باشند.
مفهوم تصمیم گیری چند معیاره

MCDM به ساختار و حل مسائل تصمیم گیری و برنامه ریزی شامل معیارهای متعدد مربوط می شود. هدف تصمیم گیری چند معیاره، کمک به  تصمیم گیرندگانی است که با چنین مشکلاتی روبرو هستند. به طور معمول، راه حل بهینه منحصر به فردی برای چنین مسائلی وجود ندارد و لازم است از ترجیحات تصمیم گیرندگان برای تمایز بین راه حل ها استفاده شود.

برای تحلیل یک سیستم چند معیاره باید عناصر آن را به خوبی شناسایی کرد.  آن‌ها را به‌طور دقیق تعریف نمود. در نهایت به مدلسازی و تجزیه و تحلیل آن پرداخت. به‌طور کلی می‌توان گفت مسائل تصمیم‌گیری چند معیاره MCDM شامل ۶ مؤلفه می‌باشند:

۱. یک هدف یا مجموعه‌ای از اهداف
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
۲. تصمیم گیرنده  یا گروهی از تصمیم گیران

۳. شناسایی مجموعه‌ای از معیارهای ارزیابی

۴. شناسایی مجموعه‌ای از گزینه‌های تصمیم

۵. شناسایی مجموعه‌ای از متغیرهای مجهول یا متغیرهای تصمیم

۶. شناسایی مجموعه‌ای از نتایج حاصل شده از هر زوج گزینه – معیار

عنصر مرکزی این ساختار، یک ماتریس تصمیم است که شامل مجموعه‌ای از سطرها و ستون‌هاست. این ماتریس نتایج تصمیم را برای مجموعه‌ای از گزینه‌ها و معیارهای ارزیابی بیان می‌کند.
روش های متداول تصمیم گیری چند معیاره

روش های MCDM زیر موجود است که بسیاری از آنها توسط نرم افزارهای تخصصی تصمیم گیری پیاده سازی می شوند:
روش تصادفی سازی شاخص های انبوه (AIRM)
فرآیند تحلیل سلسله مراتبی (AHP)
فرآیند شبکه تحلیلی (ANP)
فرآیند پرتو تعادل
روش معیار پایه (BCM)
بهترین بدترین روش (BWM)
مدل براون – گیبسون
روش اشیاء مشخصه (COMET)
انتخاب بر اساس مزایا (CBA)
سلسله مراتب ارزش متقابل (CVA)
تحلیل پوششی داده ها
کارشناس تصمیم گیری (DEX)
تفکیک – رویکردهای تجمیع (UTA*، UTAII، UTADIS)
مجموعه راف (رویکرد مجموعه خشن)
رویکرد مجموعه خشن مبتنی بر تسلط (DRSA)
ELECTRE (بیشتر از رتبه)
ارزیابی بر اساس فاصله از راه حل متوسط ​​(EDAS)
رویکرد استدلال اثباتی (ER)
برنامه نویسی هدف (GP)
تحلیل رابطه خاکستری (GRA)
حاصل ضرب درونی بردارها (IPV)
اندازه گیری جذابیت با تکنیک ارزیابی مبتنی بر طبقه بندی (MACBETH)
تکنیک رتبه بندی چند ویژگی ساده (SMART)
تصمیم گیری چند معیاره طبقه بندی شده (SMCDM)
استنتاج جهانی کیفیت چند ویژگی (MAGIQ)
نظریه مطلوبیت چند ویژگی (MAUT)
نظریه ارزش چند ویژگی (MAVT)
تصمیم گیری چند معیاره مارکووی
رویکرد جدید به ارزیابی (NATA)
سیستم پشتیبانی تصمیم فازی غیرساختاری (NSFDSS)

به طور بالقوه همه رتبه بندی های زوجی همه گزینه های ممکن (PAPRIKA)

azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir
[e-mail]
صادقی 0936-729-2276
azsoft.ir

PROMETHEE (بیشتر از رتبه)
رتبه بندی بر اساس امتیاز بهینه (RBOP)
تحلیل پذیرش چند معیاره تصادفی (SMAA)
روش رتبه بندی برتری و حقارت (روش SIR)
طراحی مجدد سیستم برای ایجاد ارزش مشترک (SYRCS)
تکنیک برای ترتیب اولویت بندی بر اساس شباهت به راه حل ایده آل (TOPSIS)
تحلیل ارزش (VA)
مهندسی ارزش (VE)
روش VIKOR
مدل محصول وزنی (WPM)

مدل جمع وزنی (WSM)

روش ساده وزنی (SAW)

روش