مدل های تصمیم گیری چند شاخصه

هر چند متدهای تصمیم ­گیری چندشاخصه دارای تنوع تکنیکی گسترده­ای هستن با این حال این فوت وفن­ها دارای جنبه­ های مشترک خاص هستن مانند وجود گزینه­ها، شاخص­های چندگانه، اختلاف در بین شاخص­ها، واحدهای اندازه ­گیری جور واجور[۱]، وزن معیارهای تصمیم و ماتریس تصمیم.

فرض کنین تصمیم­گیرنده­ای به دنبال انتخاب یا رتبه ­بندی m گزینه  براساس n شاخص  می­باشه. کلا شاخص­ها از نظر وجود دو نوعند: شاخص­های با وجود سود و شاخص­های با وجود هزینه. بر این پایه مجموعه­ی شاخص­ها (A ) می ­تونه به دو زیر مجموعه  تقسیم شه که  نشون دهنده شاخص­های با وجود سود و  نشون دهنده شاخص­های با وجود هزینه هستن. بر این پایه یه مدل تصمیم ­گیری چندشاخصه قابل بیان به شکل زیره:

 

 

 

 

 

رابطه ۲-۳
رابطه ۲-۴

یه مسئله تصمیم ­گیری چند شاخصه (MADM) رو ً می­توان تو یه ماتریس تصمیم خلاصه کرد که سطرهای اون گزینه­های جور واجور بوده و ستون­های اون شاخص­هایی هستن که ویژگی­های گزینه­ها رو مشخص می­ کنن. هم اینکه سلول­های داخل ماتریس، موقعیت گزینه سطری رو نسبت به شاخص ستونی زیربط نشون می­ بدن. حال اولویت­بندی گزینه­ها، نیازمند یه فوت وفن تصمیم ­گیریه که با رد و بدل کردن و صلح میان شاخص­های جور واجور، گزینه­ای رو که دارای موقعیت برتر می­باشه، مشخص کنه.

موضوع دیگه، بحث اوزان شاخص­هاست، اگر به طور طبیعی وزن شاخص­ها مشخص باشه (مثلاً بدونیم که کلیه شاخص­ها اثر برابری در اندازه برتری گزینه­ها دارن و بنابر این وزن اون ها برابر می­باشه)، همین وزن رو در محاسبات منظور می شه وگرنه باید یه فوت وفن وزن­دهی هم واسه تعیین وزن هر کدوم از شاخص­ها بکار گرفته شه.

اینطوری، هر مسئله تصمیم ­گیری چندشاخصه با دو مشکل انتخاب فوت وفن تصمیم ­گیری و انتخاب وزن­دهی روبرو می­باشه. هر چند واسه هر کدوم از مراحل، فوت وفن­های زیادی هست و مشهورترین منبع موجود در مورد مدل­های چند شاخصه (MADM)، یعنی کتاب هوانگ و یون(۱۹۸۱) فوت وفن­های زیادی رو در این مورد معرفی می­ کنه، اما شاید بشه پرکاربردترین این فوت وفن­ها رو به این توضیح معرفی کرد:

فوت وفن­های رایج تصمیم ­گیری: کل وزنی ساده، رتبه ­بندی براساس شباهت به حل ایده­آل، و حذف  انتخاب موافق با واقعیت

فوت وفن رایج وزن­دهی: دست کم مجذورات، بردار خاص، آنتروپی شانون .

در این مدل­ها، انتخاب یه گزینه از بین تعدادی گزینه­های موجود از پیش تعیین شده مورد نظره. تصمیم ­گیری چند شاخصه در آزمایش، رتبه ­بندی و انتخاب گزینه­ها تصمیم­گیرنده رو کمک می­دهد. در این مسائل همیشه گزینه­های محدود و از پیش تعیین شده­ای هست و تصمیم­گیرنده توقع داره که این گزینه­ها براساس شاخص­های تصمیم مورد آزمایش، رتبه ­بندی و یا انتخاب واقع شن.

علی­رغم تنوع بسیار زیاد مدل­های چندشاخصه می­توان جنبه­ های مشترکی رو واسه این مدل­ها گفت:

الف) گزینه­ها: در مسائل چند شاخصه تعداد محدودی گزینه جهت اولویت­بندی و یا دسته­بندی مورد بررسی قرار می­گیرند، معمولاً واژه گزینه مترادفه با واژه انتخاب، روش هدف دار، اقدام و یا کاندید.

ب) شاخص­های چندگانه: هر مسئله از نوع چند شاخصه دارای شاخص­های چندگانه می­باشه. این شاخص­ها به وسیله تصمیم­گیرنده ارائه می­شن و یا روش هدف دار­ها اولویت­بندی می­شن. تعداد شاخص­ها به وجود مسئله بستگی داره. مثلا شخصی ممکنه از شاخص­های قیمت، اندازه سوخت مصرفی، ایمنی، دوره ضمانت و کیفیت ساخت جهت آزمایش ماشین استفاده کنه در حالی که شخص دیگه ممکنه بیشتر از ۱۰۰ شاخص رو واسه انتخاب مکان یه کارخانه مهم بدونه.

پ) واحدهای بی اندازه: هر شاخص نسبت به شاخص دیگه دارای اندازه اندازه ­گیری فرق داره. بنابر این به دلیل با معنی بودن محاسبات و یافته ها از راه روش­های علمی مبادرت به بی­اندازه کردن داده­ ها می­شه به گونه­ای که اهمیت نسبی(ترجیحی) داده­ ها حفظ شه.

ت)وزن شاخص­ها: همه متدهای چندشاخصه لازمه وجود اطلاعاتیه که براساس اهمیت نسبی هر شاخص بدست اومده باشه. این شاخص­ها معمولاً دارای اندازه ترتیبی یا اصلی هستن. وزن­های مربوط به شاخص­ها می­تونن مستقیماً به وسیله تصمیم­گیرنده و یا به وسیله روش­های علمی موجود به معیارها تخصیص داده شه. در واقع وزن­ها اندازه اهمیت نسبی هر شاخص رو در تصمیم ­گیری بیان می­داره.

۲-۴-۳- بی­اندازه سازی

در شاخص­های یه ماتریس تصمیم ­گیری، شاخص­های مثبت و منفی باهم، تو یه ماتریس می­باشه. در کنار این قضیه شاخص­های کمی دارای یه بعد خاص می­باشه، مثل ریال، کیلوگرم، متر و … . به خاطر قابل مقایسه شدن اندازه­های جور واجور اندازه ­گیری، باید از “بی­اندازه سازی” استفاده کرد که به وسیله اون، مقادیر شاخص­های جور واجور، بدون بعد شده و جمع پذیر می­شن. راه­های مختلفی واسه بی­اندازه سازی هست که بعضی از اون ها عبارتند از:

۲-۴-۳-۱- بی­اندازه سازی با بهره گرفتن از اقلیدسی

در این نوع بی­اندازه سازی، هر عنصر ماتریس تصمیم ­گیری رو بر مجذور کل مربعات عناصر هر ستون، تقسیم می­ شه؛ یعنی:

رابطه ۲-۵

nij، مقدار بی­اندازه شده­ی گزینه i، از نظر شاخص j  است. (مومنی, ۱۳۸۷)

به این روش، کلیه­ی ستون­های ماتریس تصمیم ­گیری، دارای واحدهای مشابه می­شن و می­توان خیلی راحت، اون ها رو با هم مقایسه کرد.

۲-۴-۳-۲- بی­اندازه سازی خطی

اگه همه شاخص­ها، جنبه­ی مثبت داشته باشن، هر مقدار رو به ماکزیمم مقدار موجود در ستون jام، تقسیم می­ شه. یعنی:

رابطه ۲-۶

 

اگر همه شاخص­ها، جنبه­ی منفی داشته باشن، به صورت زیر عمل می­کنیم.

رابطه ۲-۷

با در نظر گرفتن این که بعضی از ماتریس­ها، هم شاخص مثبت و هم شاخص منفی دارن، می­توان شاخص منفی رو با برعکس کردن اون به جنبه­ی مثبت تبدیل کرد؛ چون نمی­توان به طور همزمان، از دو فرمول استفاده کرد (اصغر پور, ۱۳۷۶). اینجوری داریم:

رابطه ۲-۸

مقدار به دست اومده از هر کدوم از فرمول­های بالا، مقداری بین صفر و یه می­شه. این اندازه خطیه و کلیه­ی یافته ها رو به یه نسبت خطی می­ کنه. پس، وضعیت شاخص­ها و یافته های اون ها، برابر باقی می­موند (مومنی, ۱۳۸۷).

۲-۴-۳-۳- بی­اندازه سازی فازی

در این روش از بی­اندازه کردن، اگه شاخص دارای جنبه­ی مثبت باشه، از فرمول زیر استفاده می­کنیم:

 

رابطه ۲-۹

 

اگه شاخص دارای جنبه­ی منفی باشه، به صورت زیر عمل می­کنیم: (مومنی, ۱۳۸۷)

رابطه ۲-۱۰

۲-۴-۴- دسته­بندی متدهای MADM

هوانگ و یون هفده دسته از متدهای چندشاخصه رو براساس نوع ویژگی برجسته اطلاعات دریافت شده از تصمیم­گیرنده، دسته­بندی کردن.. اگه اطلاعات در مورد محیط باشه، یعنی در مورد شاخص­ها نباشه بلکه فضای تصمیم ­گیری رو مشخص کنه، در این مورد به کار گیری راه ماکسی مین یا ماکسی ماکس و به ترتیب واسه اطلاعات به دست اومده براساس دیدگاه با بدبینی و خوش­بینانه پیشنهاد می­شه. اگه اطلاعات در مورد شاخص ارائه شده باشه، اون وقت یا اطلاعات در سطح استاندارده یعنی اندازه دست کم قابل قبول واسه شاخص مربوطه رو بیان می­ کنه و یا وزن شاخص رو بیان می­ کنه که ممکنه با داده­های بهره مند از اندازه ترتیبی یا اصلی اندازه ­گیری شده باشه. در هر کدوم از حالات بیان شده متدهایی هم ارائه شده (هاوانگ ویون،۱۹۸۱).فوت وفن­های چندشاخصه از دیدگاه دیگری هم قابل بررسی و آزمایش هستن و اون راه و روش فنون جور واجور تصمیم ­گیری چندشاخصه در روند کردن اطلاعات آزمایش روش هدف دار­ها بر مبنای شاخص­های ارائه شده به وسیله تصمیم­گیرنده س. در همین زمینه مدل­های چندشاخصه به دو دسته مدل­های جبرانیو غیر جبرانی تقسیم می­شن.

۲-۴-۴-۱-مدل­های جبرانی

اون دسته از مدلای MADM رو شامل می شن که در اونا رد و بدل کردن بین شاخصا صورت میگیره. یعنی تغییر تو یه شاخص به وسیله تغییری مخالف ( در جهت عکس) در شاخصای دیگه جبران می شه.

این مدل شامل روشی چون میانگین وزنی ساده، TOPSIS، SAW، ELECTRE، تخصیص خطی، AHP و چیزای دیگه ای به جز اینا می­شه (آذر و رجب زاده, ۱۳۸۹). در این تحقیق هم از راه VIKOR و DEMATEL و ANP و DANP استفاده شده که زیر مجموعه مدلای جبرانیه.

۲-۴-۴-۲- مدل­های غیرجبرانی

مدل­های غیرجبرانی مدل­هایی هستن که در اون ها مبادله در بین شاخص­ها مجاز نیس، یعنی مثلاً نقطه ضعف موجود تو یه شاخص به وسیله مزیت موجود از شاخص دیگه جبران نمی­ شه. پس هر شاخص در این روش­ها به تنهایی مطرح بوده و مقایسات براساس شاخص به شاخص انجام می­گیرد. مزیت روش­های واسه این مدل هم سادگی اون ها هستش که با رفتار تصمیم­گیرنده و محدود بودن اطلاعات اون مطابقت داره. در بعضی از این روش­ها ممکنه احتیاجی به به دست آوردن اطلاعات و جزییات از تصمیم­گیرنده نباشه ( اصغرپور, ۱۳۸۹).

روشای غیر جبرانی شامل روش تسلط، لکسیکوگراف، حذف، ماکسی مین، ماکسی ماکس، خوب خاص و خوب بیشتر(آذر و رجب زاده, ۱۳۸۹).

۲-۵- گذشته تحقیق

در این بخش به بررسی گذشته موضوع آزمایش خطر زنجیره تامین در پژوهشای داخلی و خارجی اشاره شده:

۲-۵-۱- گذشته آزمایش خطر زنجیره تامین

گذشته آزمایش خطر زنجیره تامین در پژوهشا هم به دو دسته داخلی و خارجی تقسیم شده:

[۱] Incommensurable units

[۲] Hwang & Kwang

[۳] Saw

[۴] Topsis

[۵] Electre

[۶] Entropy Shanon

[۷] Option

[۸] Policy

[۹] Action

[۱۰] candidate

[۱۱] Ineommensurable

[۱۲] Ordinal

[۱۳] Cardinal

[۱۴] Normalization

[۱۵] Maximin

[۱۶] Maximax

[۱۷] Compensatory

[۱۸] Non compensatory