معرفی روش فرایند تحلیل سلسله مراتبی

امتیاز کاربران

ستاره فعالستاره فعالستاره فعالستاره فعالستاره فعال
 
توضیحات
زیر مجموعه: آموزش
دسته: مدل
نوشته شده توسط a.moarrefi
بازدید: 3739

ين روش بر اساس مقايسه زوجي بنا نهاده شده است و امکان بررسي سناريوهاي مختلف را به مديران و برنامه­ريزان مي­­دهد (قدسي پور،1381). روش ارزيابي چند معياره AHP با در نظر

1-1- معرفی روش فرایند تحلیل سلسله مراتبی[1](AHP)

اين روش ارزيابي براي اولين بار توسط توماس ال ساعتي[2] در سال 1980 مطرح گرديد. اين روش بر اساس مقايسه زوجي بنا نهاده شده است و امکان بررسي سناريوهاي مختلف را به مديران و برنامه­ريزان مي­­دهد (قدسي پور،1381). روش ارزيابي چند معياره AHP با در نظر گرفتن اثر همزمان کليه معيارهاي دخيل و مقايسه امتيازات آنها، به اولويت بندي گزينه­ها پرداخته و با به کار گيري روابط معرفي شده گزينه مطلوب را تعيين مي نمايد (صادقپور و ديگران، 1383).

در اين تکنيک ابتدا ساختار سلسله مراتبي مسئله ساخته مي شود و سپس با مقايسه زوجي بين معيارها و شاخص‌هاي مورد مطالعه، وزن نسبي هريک از آن شاخص­ها تعيين مي­گردد و سپس با توجه به وزن­هاي بدست آمده ارزش هر يک از نمونه­هاي مورد مطالعه محاسبه مي­گردد (جواهري و داغستاني؛1385: 8).

در دهه‌هاي اخير مدل‌هاي ارزيابي چند معياري مختلفي مورد استفاده قرار گرفته است، كه از آن جمله مي‌توان به مدل «تحليل سيستم[3]»، «تئوري مطلوبيت چند مشخصه[4]» ، «تصميم‌گيري چند معياري[5]»، «تئوري قضاوت اجتماعي[6]» و مدل «ارزيابي چندمعياري فرايند تحليل سلسله مراتبي[7]» اشاره نمود. در مطالعات حاضر از مدل ارزيابي چندمعياري فرايند تحليل سلسله مراتبي استفاده مي‌شود. اين مدل كه از پنج مرحله اصلي تشكيل مي‌شود، مي‌تواند با به كارگيري همزمان شاخص­های كمي و كيفي و در شرايطي كه شاخص­های تصميم‌گيري متعدد، شرايط انتخاب را با مشكل مواجه مي‌سازد، موثر واقع شود. در ادامه، مراحل فرايند انجام مدل تحليل سلسله مراتبي تشریح شده­است.

1-1-1- مراحل کار

روال كار مدل AHP، با مشخص كردن عناصر تصميم‌گيري و اولويت دادن به آن‌ها آغاز مي‌شود. اين عناصر شامل شيوه‌هاي مختلف انجام كار و اولويت دادن به سنجه ها يا معیارها مي‌باشند.

1-1-1-1-  مر حله اول: ساختن درخت سلسله مراتبي

مرحله اول فرایند تحلیل سلسله مراتبی، ايجاد يك ساختار سلسله مراتبي از موضوع مورد بررسي مي‌باشد كه در آن هدف، معيارها، زيرمعيارها و گزينه‌ها و ارتباط میان آن‌ها نشان داده مي‌شود.

به پرسش اصلي تحقيق، يا مشكلي كه قصد حل آن را داریم، هدف گفته مي‌شود. هدف بالاترين سطح درخت سلسله مراتبي است و تنها يك پارامتر دارد كه انتخاب آن وظيفه بالاترين سطح تصميم‌گيري پروژه مي‌باشد.

ملاك‌هاي متضمن هدف و سازنده آن معيارهای ما را تشکیل می‌دهند. معيارها در واقع سنگ محك هدف يا وسيله اندازه‌گيري آن مي‌باشد. هر اندازه معيارها بيشتر اجزاء هدف را پوشش دهند و بيشتر بيان كننده هدف باشند، احتمال گرفتن نتيجه دقيق‌تر افزايش خواهد يافت. معيارها دومين سطح درخت سلسله مراتبي پس از هدف مي‌باشند. در اين سطح مي‌توانيم بنا به ضرورت به تعداد مورد نياز معيار در سطح افقي ترسيم و تنظيم نماييم. معيارها قابل تقسيم به زير معيارها و زيرمعيارها قابل تقسيم به زيرمعيارهاي بعدي مي‌باشند. اين وضعيت مي‌تواند بسته به ضرورت تا n زيرمعيار در سطح عمودي و افقي افزايش پيدا نمايد.

گزینه‌‌ها در واقع منظور و مقصد هدف در درخت سلسله مراتبي مي‌باشند و پاسخ هدف از ميان گزینه‌‌هاي ترسيم شده به دست مي‌آيد. گزینه‌‌‌ها، آخرين سطح درخت سلسله مراتبي مي‌باشند.

1-1-1-2- تعيين ضريب اهميت معيارها و زيرمعيارها

برای تعیین ضریب اهمیت (وزن) نسبی معیارها از روش دلفی استفاده شده است. مزیت این روش در این است که گروهی از خبرگان در خصوص اهمیت یا وزن معیار به اجماع می رسند. در اینجا ابتدا معیار ها مشخص شده و سپس آنها برای وزن دهی یا تعیین اهمیت آنها در اختیار خبرگان قرار گرفته و پاسخ ها تجزیه و تحلیل شد. در گام بعد پاسخ های اکثریت و محدوده اجماع اکثریت و پاسخ های مرحله اول خبرگان در پرسش نامه درج گردید. در مرحله دوم پرسش نامه از خبرگان خواسته شد تا در صورت تمایل پاسخ های مورد نظر خود را قید نمایند و در صورت تمایل آنها را تغییر دهند.زیرمعیارها، نیز دوبه‌دو با هم مقایسه شدند. وزن هر عامل نشان‌دهنده اهمیت و ارزش آن نسبت به عوامل دیگر است. بنابراین انتخاب آگاهانه و صحیح وزن‌ها کمک بزرگی در جهت تعیین هدف مورد نظر می‌نماید.

مقایسه‌های دوبه‌دو، در یک ماتریس n×n ثبت می‌شوند و این ماتریس، ماتریس مقایسه دودویی معیارها نامیده می‌شود. جدول شماره 1 مقیاس 9 کمیتی ساعتی برای مقایسه دودویی معیارها را نشان می‌دهد.

جدول شماره 1- مقیاس 9 کمیتی ساعتی برای مقایسه دودویی معیارها

امتیاز

تعریف

توضیح

1

اهمیت مساوی

در تحقق هدف دو معیار اهمیت مساوی دارند.

3

اهمیت اندکی بیشتر

تجربه نشان میدهد که اهمیت i اندکی بیشتر از j است

5

اهمیت بیشتر

تجربه نشان میدهد که اهمیت i بیشتر از j است

7

اهمیت خیلی بیشتر

تجربه نشان میدهد که اهمیت i خیلی بیشتر از j است.

9

اهمیت مطلق

اهمیت خیلی بیشتر iبه j به اثبات رسیده است.

2و4و6و8

  

هنگامی که حالتهای میانه وجود دارد.

مأخذ: زبردست (1380)

براي محاسبه ضريب اهميت شاخص­ها، چهار روش عمده زير مطرح هستند:

روش حداقل مربعات[8]

روش حداقل مربعات لگاريتمي[9]

روش بردار ويژه[10]

روش‌هاي تقريبي[11]

از روش‌هاي فوق، روش بردار ويژه بيشتر مورد استفاده قرار مي‌گيرد. اما اگر ماتريس دودویی شاخص­ها داراي ابعاد بزرگي باشد، محاسبه مقادير و بردارهاي ويژه طولاني و وقت‌گير خواهد بود. به همين دليل از چهار روش تقريبي زير بدين منظور استفاده مي‌شود:

1. روش مجموع سطري

2. روش مجموع ستوني

3. روش ميانگين حسابي

4. روش ميانگين هندسي

در روش محاسبه ميانگين هندسي، براي محاسبه ضريب اهميت شاخص­ها، ابتدا ميانگين هندسي رديف‌هاي ماتريس دودویی شاخص­ها را بدست آورده و سپس آنها را «نرماليزه[12]» مي‌كنند. براي بدست آوردن ضريب اهميت زیر شاخص­ها، از همان روش تعيين ضريب اهميت شاخص­ها و از همان جدول 9 كميتي مقايسه دودوئي شاخص­ها استفاده مي‌شود. به هنگام مقايسه زوجي مي بايست به اصول زير توجه نمود.

اصل اول- شرط معکوسي[13]: اگر ترجيح عنصر A بر عنصر B برابر n باشد ترجيح عنصر B بر عنصر A برابر n/1خواهد بود.

اصل دوم- همگني[14]: عنصر A با عنصر B بايد همگن و قابل قياس باشند. به بيان ديگر برتري عنصر A بر عنصر B نمي تواند بي‌نهايت يا صفر باشد.

اصل سوم- وابستگي[15]: هر عنصر سلسله مراتبي به عنصر سطح بالاتر خود مي‌تواند وابسته باشد و به صورت خطي اين وابستگي تا بالاترين سطح مي‌تواند ادامه داشته باشد.

اصل چهارم- انتظارات[16]: هرگاه تغيير در ساختمان سلسله مراتبي رخ دهد، فرايند ارزيابي بايد مجدداً انجام گيرد.

1-1-1-3- مر حله سوم: تعیین امتیاز گزینه‌ها

پس از تعیین ضرایب اهمیت معیارها و زیرمعیارها، ضریب اهمیت گزینه‌ها را باید تعیین کرد. در این مرحله، ارجحیت هر یک از گزینه‌ها در ارتباط با هریک از زیرمعیارها و اگر معیاری، زیرمعیار نداشت مستقیماً با خود آن معیار مورد قضاوت و داوری قرار می‌گیرد. مبنای این قضاوت، همان مقیاس 9 کمیتی ساعتی است، با این تفاوت که در مقایسه گزینه‌ها در ارتباط با هر یک از زیرمعیارها ـ یا معیارها ـ، بحث «کدام گزینه مهم‌تر است؟» مطرح نیست، بلکه «کدام گزینه ارجح است و چقدر؟» مطرح است. بنابراین مقیاس 9 کمیتی ساعتی به شرح جدول 2، مبنای قضاوت گزینه‌ها، قرار خواهد گرفت (زبردست،1380).

جدول شماره 2- مقیاس 9 کمیتی ساعتی برای مقایسه دودویی گزینه‌ها

امتیاز

تعریف

1

ترجیح یکسان

3

کمی ارجح

5

ترجیح بیشتر

7

ترجیح خیلی بیشتر

9

کاملاً ارجح

2و4و6و8

ترجیحات بینابین

مأخذ: زبردست، 1380

1-1-1-4- مرحله چهارم: تعیین امتیاز نهایی (اولویت) گزینه‌ها (وزن مطلق)

در اين مرحله از تلفيق ضرايب اهميت مزبور، امتياز نهايي هر گزينه تعيين خواهد شد. براي اين كار از «اصل تركيب سلسله مراتبي[17]» كه منجربه يك «بردار اولويت» با در نظر گرفتن همه قضاوت‌ها در تمامي سطوح سلسله مراتبي مي‌شود، استفاده شده است (فرمول).

(فرمول1)                 

كه در آن:

: امتیاز نهایی گزینه j

: ضريب اهميت شاخص K

: ضريب اهميت زيرشاخص i

: امتياز گزينه j در ارتباط با شاخص یا زيرشاخص i

1-1-1-5- مرحله پنجم: بررسی سازگاری در قضاوت‌ها

هنگامی که اهميت شاخص ها نسبت به يكديگر برآورد مي‌شود، احتمال ناهماهنگي در قضاوت‌ها وجود دارد. بنابراین لازم است از سنجه‌اي استفاده گردد كه ميزان ناهماهنگي داوري‌ها را نمايان سازد. يكي از مزيت‌هاي فرايند تحليل سلسله مراتبي، امكان بررسي سازگاري در قضاوت‌هاي انجام شده براي تعيين ضريب اهميت شاخص­ها و زیر شاخص­ها است. سازوكاري كه اين مدل براي بررسي ناسازگاري در قضاوت‌ها در نظر مي‌گيرد، محاسبه ضريبي به نام « ضريب ناسازگاري[18] » است كه از تقسيم «شاخص ناسازگاري[19]» به «شاخص تصادفي بودن[20]» حاصل مي‌شود. چناچه اين ضريب كوچكتر از يك دهم باشد، سازگاري در قضاوت‌ها مورد قبول است ودر غیر این صورت لازم است در قضاوت­ها تجديدنظر نمود. به عبارت ديگر ماتريس مقايسه دودويی شاخص­ها بايد مجدداً تشكيل شود. شاخص ناسازگاري به طريق زير بدست مي‌آيد (فرمول1ـ1).

(فرمول1ـ1)   

                                                                              C.I = شاخص ناسازگاري

شاخص‌هاي تصادفي بودن با توجه به تعداد شاخص­ها و از جدول قابل استخراج است.

جدول شماره 3- شاخص تصادفي بودن (R.L)

n

2

3

4

5

6

7

8

9

10

11

12

13

14

15

R.I

0.0

0.58

0.9

1.12

1.1

1.32

1.41

1.45

1.49

1.51

1.48

1.56

1.57

1.59

مأخذ: Bowen,1993 : 346

در روش ميانگين هندسي كه يك روش تقريبي است، به جاي محاسبه مقدار ويژه ماكزيمم () از L استفاده مي‌شود (فرمول1ـ2).

(فرمول1ـ2)   

      

كه در آن برداري است كه ضريب ماتريس مقايسه دودويی شاخص­ها در بردار (بردار وزن يا ضريب اهيمت شاخص­ها) بدست مي‌آيد. بررسي سازگاري قضاوت‌ها در ماتريس‌هاي مقايسه دودویي شاخص­ها حاكي از آن است كه سازگاري درقضاوت‌ها رعايت شده است (فرمول1ـ3).

(فرمول1ـ3)               

                                                                                         ضریب ناسازگاری

الف) ماتريس سازگار و خصوصيات آن

اگر n معيار به شرح                      داشته باشيم و ماتريس مقايسه زوجي آن‌ها به صورت زير باشد:

                                          

   که در آن       ترجيح عنصر       را بر     نشان مي‌دهد. چنانچه در اين ماتريس داشته باشيم:

       
   
     
 

آنگاه مي‌گوييم ماتريس A سازگار است. هر ماتريس سازگار داراي خصوصيات زير است:

مقدار وزن عناصر برابر مقدار استانداردشده هر عنصر مي باشد.

مقدار ويژه برابر طول ماتريس است (                ).

مقدار ناسازگاري دراين ماتريس صفر است.

ب) ماتريس ناسازگار و خصوصيات آن

قضيه يک – اگر                             مقادير ويژه ماتريس مقايسه زوجي A باشد مجموع مقادير آن‌ها برابر n است.

قضيه دو – بزرگترين مقدار ويژههمواره بزرگتر يا مساوي n است (در اين صورت برخي از       ها منفي خواهند بود).

قضيه سه – اگر عناصر ماتريس مقدار کمي از حالت سازگاري فاصله بگيرد ، مقدار ويژه آن نيز مقدار کمي از حالت سازگاري خود فاصله خواهد گرفت.                                                      

که در آن w و     به ترتيب بردار ويژه و مقدار ويژه ماتريس A مي‌باشد. يک مقدار ويژه برابر n بوده (بزرگترين مقدار ويژه) و بقيه آن‌ها برابر صفر هستند. بنابراين در اين حالت مي‌توان نوشت:

در حالتي که ماتريس مقايسه زوجي A ناسازگار باشد طبق قضيه 3،         کمي از n فاصله مي‌گيرد که مي‌توان نوشت:                               و شاخص ناسازگاري را از طریق فرمول 4 بدست آورد.

(فرمول1ـ4)


[1]. Analytic Hierarchy Process

[2]. Tomas L. Saati

[3].Decision Analysis (DA)

[4]. Multi Attribute Utility Theory (MAUT)

[5].Multi Criteria Decision Making (MCDM)

[6].Social Judgment Theory (SJT)

[7].Analytic Hierarchy Process (AHP)

[8] Least Squares Method

[9] Logarithmic Least Squares Method

[10]Eigenvector Method

[11]Approximation Method

1. تقسيم هر عدد به مجموع آنها را نرماليزه كردن می گویند.

[13]. Reciprocal Condition

[14]. Homogeneity

[15]. Dependency

[16]. Expectation

[17].Principle of Hierarchic Composition

[18]Inconsistency Ratio (IR)

[19]. Inconsistency Index (II)

[20]. Random Index (RI)

Web Analytics

اشکال یابی جوملا

جلسه

اطلاعات مشخصات

حافظه استفاده شده

پرس و جو پایگاه داده