در تصمیم‌گیری چندمعیاره­ی سنتی، وزن معیارها کاملاً شناخته شده است: اما به علت وجود ابهام و عدم قطعیت در اظهارات تصمیم‌گیرنده، بیان داده ها به صورت قطعی نامناسب است. ازآن‌جایی‌که قضاوت­های انسانی نمی‌توانند به وسیله­ مقادیر عددی دقیق برآورد شوند و معمولاً مبهم هستند، ازاین‌رو، نمی‌توان از روش‌های تصمیم‌گیری سنتی برای این‌گونه مسائل تصمیم‌گیری استفاده کرد(میرزایی، ۱۳۸۹). در سال­های اخیر، تلاش های بسیاری برای رفع این­گونه ابهامات و عدم قطعیت­ها صورت پذیرفته که نهایتاًً به به­ کارگیری نظریه مجموعه ­های فازی در روش­های ارزیابی چندمعیاره منجرگردیده است(چن و هوانگ[۹۷]، ۱۹۹۲).

نظریه فازی در سال ۱۹۶۵ توسط پروفسور لطفی­زاده نشر پیدا ‌کرده‌است. این نظریه برای شرایط متغیر و شرایط غیرقابل مقایسه بودن مناسب است. قضاوت­های مردم عموماً به­ صورت مبهم، مانند عبارات زبانی: مساوی، نسبتاً قوی، خیلی قوی، بی‌نهایت قوی و … با یک درجه اهمیت می‌باشد. نظریه فازی می‌تواند به ابهام موجود در عبارت‌های زبانی نظردهندگان کمک کند(سمیح[۹۸]، ۲۰۰۹). مطلوبیت گزینه‌ها در مقایسه با همه معیارها معمولاً به­ صورت اعداد فازی بیان می­گردند که آن را مطلوبیت فازی می­نامند و با روش­های ارزیابی تصمیم ­گیری فازی سنجیده می­شوند. رتبه‌بندی گزینه‌ها بر اساس مقایسه­ مطلوبیت‌های فازی مربوطه است(یه و دنگ[۹۹]، ۲۰۰۴).

۲-۴-۲-۱- TOPSIS فازی

TOPSIS (روش اولویت‌بندی با توجه به شباهت با راه‌حل ایده‌آل مثبت)، به­عنوان یکی از روش‌های سنتی تصمیم‌گیری­های چندمعیاره شناخته شده است که در سال ۱۹۸۱ توسط هوانگ و یون[۱۰۰]برای حل مسائل تصمیم‌گیری­های چندمعیاره توسعه داده شد و بر اساس تعیین ایده‌آل بود. گزینه­ی انتخاب شده، باید دارای کوتاه‌ترین فاصله از ایده­آل مثبت و از طرف دیگر، بیشترین فاصله از ایده‌آل منفی باشد(هوانگ و یون، ۱۹۸۱). با کاربرد منطق فازی در این تکنیک، روش TOPSIS فازی به¬دست می¬آید که به گونه ­ای متفاوت از تکنیک TOPSIS است. سابقه­ استفاده از مدل TOPSIS در ایران از آغاز دهه ۱۳۷۰ به شکل محدود آغاز شده است و موارد استفاده از وضعیت فازی به چند سال اخیر محدود می‌شود. مراحل تصمیم‌گیری به کمک تکنیک TOPSIS فازی به‌شرح زیر است(میرغفوری و همکاران، ۱۳۹۲):

گام اول: تشکیل ماتریس تصمیم ­گیری ارزیابی گزینه ها.

گام دوم: بی­مقیاس نمودن ماتریس تصمیم ­گیری: در این گام بایستی ماتریس تصمیم ­گیری فازی ارزیابی گزینه ها را به یک ماتریس بی­مقیاس فازی تبدیل نماییم. برای به­دست آوردن ماتریس، از رابطه­(۲-۸) استفاده می­ شود.

(۲-۸)

n : تعداد خبره ها m تعداد گزینه ها :

اگر اعداد فازی به صورت(a,b,c) باشند، که ماتریس بی­مقیاس(نرمالیزه شده) است به­ صورت رابطه­(۲-۹) به دست می ­آید:

(۲-۹)

در این رابطه ماکزیمم مقدار c در خبره j ام در بین تمام گزینه­ ها است. رابطه­(۲-۱۰) این موضوع را بیان می­ کند:

(۲-۱۰)

گام سوم: ایجاد ماتریس بی­مقیاس موزون فازی : برای تشکیل ماتریس بی­مقیاس موزون فازی از روابط(۲-۱۱) و (۲-۱۲) استفاده می­ شود.

(۲-۱۱)

(۲-۱۲)

در این رابطه ماتریس بی­مقیاس به­دست آمده از گام دوم است. توجه شود در این­جا منظور از وزن، وزن نظرات خبرگان ‌می‌باشد که یکسان در نظر گرفته شده است.

گام چهارم: مشخص نمودن ایده­آل مثبت فازی[۱۰۱] و ایده­آل منفی فازی[۱۰۲] :

برای این منظور از روابط(۲-۱۳) و (۲-۱۴) استفاده می­ شود.

(۲-۱۳)

(۲-۱۴)

که بهترین مقدار معیار i از بین تمام گزینه­ ها و بدترین مقدار معیار i از بین تمام گزینه­ ها ‌می‌باشد. این مقادیر از روابط(۲-۱۵) و (۲-۱۶) به­دست می­آیند.

(۲-۱۵)

(۲-۱۶)

گزینه ­هایی که در و قرار می­ گیرند، به ترتیب نشان­دهنده گزینه­ های کاملاً بهتر و کاملاً بدتر هستند.

گام پنجم: محاسبه­ مجموع فواصل هر یک از گزینه­ ها از ایده­آل مثبت فازی و ایده آل منفی فازی.

در صورتی که و دو عدد فازی به شرح زیر باشند، آن­گاه فاصله­ بین این دو عدد فازی به­واسطه­ رابطه(۲-۱۷) به­دست می ­آید:

(۲-۱۷)

با توجه به توضیحات فوق ‌در مورد نحوه­ محاسبه­ فاصله بین دو عدد فازی، فاصله­ هر یک از مؤلفه ها را از ایده­آل مثبت و ایده­آل منفی به کمک روابط(۲-۱۸) و (۲-۱۹) به­دست می ­آید.

(۲-۱۸)

(۲-۱۹)

گام ششم: محاسبه­ نزدیکی نسبی گزینه i ام از راه ­حل ایده­آل: این نزدیکی نسبی به صورت رابطه­(۲-۲۰) تعریف می­ شود.

(۲-۲۰)

گام هفتم: رتبه ­بندی گزینه­ ها.

هر گزینه­ای که CC بزرگتری داشته باشد در اولویت قرار دارد.

۲-۴-۲-۲- روش SAW

روش [۱۰۳]SAW، یکی از ساده‌ترین روش‌های تصمیم‌گیری چندمعیاره می‌باشد. با محاسبه اوزان شاخص‌ها، می‌توان به‌راحتی از این روش استفاده کرد. برای استفاده از این روش، مراحل زیر ضرورت دارد(احمدی و صالحی، ۱۳۹۰):

    1. کمی کردن ماتریس تصمیم‌گیری.

    1. بی‌مقیاس‌سازی خطی مقادیر ماتریس تصمیم‌گیری.

    1. ضرب ماتریس بی‌مقیاس شده در اوزان شاخص‌ها.

  1. انتخاب بهترین گزینه(A*) با بهره گرفتن از فرمول(۲-۲۱).

(۲-۲۱)

به بیانی دیگر، در روشSAW،گزینه‌ای انتخاب می‌شود(A*) که حاصل­جمع مقادیر بی‌مقیاس شده‌ وزنی ‌آن (nijwij)، از بقیه گزینه‌ها بیشتر باشد.

۲-۴-۳- گسترش عملکرد کیفیت

از اواسط دهه ۱۹۵۰ میلادی، QFD مورد توجه قرار گرفت و در همه بخش‌های سازمان‌ها، به­عنوان یک ابزار مدیریتی شناخته شد. اصطلاح QFD در مفاهیم و روش‌های توسعه محصولات جدید(NPD)[104]و در سایه‌ مدیریت کیفیت جامع[۱۰۵](TQM) ایجاد شد(جیانگ و همکاران[۱۰۶]، ۲۰۰۷). شرکت تویوتا[۱۰۷]در سال ۱۹۷۷، به توسعه‌ QFD اقدام نمود و آن را در توسعه‌ محصولات خود به کار گرفت. نقطه عطف تکامل روش QFD در سال ۱۹۷۸ با انتشار کتابی با عنوان”گسترش عملکرد کیفیت”، از سوی دکتر یوجی آکائو[۱۰۸] و شیگرو میزونو[۱۰۹] همراه بود(برادران کاظم­زاده و بشیری، ۱۳۸۰).

این روش برای توسعه‌ محصولات و از ابتدای دهه ۱۹۸۰ میلادی، در صنایع آمریکایی مورد استفاده قرار گرفت. صنایع خودروسازی، اولین گروه از صنایعی بودند که در ایالات متحده به استفاده از QFD روی آوردند. اما به­زودی سایر صنایع و به‌ویژه صنایع خدماتی نیز از آن استفاده نمودند(آینسپراش[۱۱۰]، ۱۹۹۶). شرکت فورد[۱۱۱]در سال۱۹۸۶ ضمن استفاده از QFD در طراحی قطعات خودرو در زمره‌ی پیشگامان استفاده از این ابزار در آمریکا قرار گرفت. از آن تاریخ به بعد استفاده از QFD در صنایع آمریکا و اروپا به‌تدریج به­عنوان ابزاری کارآمد و مؤثر در طراحی کالاها و فرایند خدمات بسط یافت(چان و وو[۱۱۲]، ۲۰۰۲).

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...