دانلود پایان نامه مدیریت در مورد تحلیل سلسله مراتبی

0 Comments

معامله را از طرف آنها انجام داده پرداخت خواهد کرد. در معاملات اوراق مشارکت هر یک از طرفین کارمزدى از قرار 2 در هزار مبلغ معامله به کارگزار مربوط پرداخت خواهد کرد.
2-3- بخش سوم: تصمیم گیری چند معیاره

2-3-1- مقدمه ای بر مدلهای تصمیم گیری چند معیاره (MCDM)
در مدل های تصمیم‏گیری چند معیاره، انتخاب یک گزینه از بین گزینه های موجود مد نظر است. در یک تعریف کلی تصمیم گیری چند شاخصه به تصمیمات خاصی (از نوع ترجیحی) مانند ارزیابی، اولویت گذاری و یا انتخاب از بین گزینه های موجود دسته بندی شده توسط شاخصهای چندگانه و معمولا متضاد اطلاق می گردد.
2-3-2- روشهای MCDM
2-3-2-1- مدلهای تصمیم گیری چند هدفه (MODM)
در مدلهای تصمیم‏گیری چند هدفه چندین هدف به طور همزمان جهت بهینه شدن، مورد توجه قرار می گیرند.مقیاس سنجش برای هر هدف ممکن است با مقیاس سنجش برای بقیه اهداف متفاوت باشد. مثلاً یک هدف حداکثر کردن سود است که بر حسب پول سنجش می شود و هدف دیگر حداقل استفاده از ساعات نیروی کار است که بر حسب ساعت سنجش می شود. گاهی این اهداف در یک جهت نیستند و به صورت متضاد عمل می کنند. مثلاً تصمیم گیرنده از یک طرف تمایل دارد رضایت کارکنان را افزایش دهد و از طرف دیگر می خواهد هزینه های حقوق و دستمزد را حداقل کند. بهترین تکنیک تصمیم گیری چند هدفه برنامه ریزی آرمانی است که اولین بار توسط Charns& Cooper ارائه شده است.
2-3-2-2- مدلهای تصمیم گیری چند شاخصه (MADM)
در مدل های تصمیم‏گیری چند شاخصه انتخاب یک گزینه از میان تعدادی گزینه از پیش تعیین شده مد نظر است. تصمیم گیری چند شاخصه در ارزیابی، رتبه بندی و انتخاب گزینه ها تصمیم گیرنده را یاری می کند.
علاوه بر گزینه‎ها، همانطور که از نام تصمیم گیری چند شاخصه بر می‎آید، چندین شاخص وجود دارد که تصمیم‎گیرنده باید آنها را با دقت در مسائل خود مشخص کند. این شاخص ها در ارتباط با هر یک از گزینه ها مورد بررسی قرار می‎گیرند.
در یک تعریف کلی، تصمیم گیری چند شاخصه به تصمیم های خاصی (از نوع ترجیحی) مانند ارزیابی، اولویت گذاری و یا انتخاب از بین گزینه های موجود ( که گاه بین چند شاخص متضاد انجام میگیرد) اطلاق می‎گردد. در این مدل ها انتخاب یک گزینه از بین گزینه های موجود مد نظر است. لازم به ذکر است که در بحث تصمیم گیری عمدتا از تکنیک های تصمیم گیری چند هدفه استفاده نمیگردد و اغلب تکنیک های تصمیم گیری چند شاخصه مورد استفاده قرار می‎گیرند.
2-3-3- ویژگی‌های مشترک مسائل تصمیم‌گیری چند شاخصه
انواع مختلفی از مسایل MADM وجود دارند که تمامی آنها در خصوصیات زیر مشترکند :
گزینه ها : در این مسایل تعدادی مشخص گزینه باید مورد بررسی قرار گرفته و در مورد آنها اولویت گذاری، انتخاب و یا رتبه بندی صورت می گیرد. تعداد گزینه های مورد نظر می تواند محدود و یا خیلی زیاد باشند. برای مثال، یک تولید کننده اتومبیل ممکن است فقط چند گزینه محدود برای انتخاب محل تولید اتومبیل داشته باشد، ولی یک دانشگاه درجه یک انتخاب دانشجوی خود را از بین هزاران متقاضی می تواند انجام دهد.
گاهی به جای گزینه مترادفهای آن مانند انتخاب (Select)، استراتژی (Strategy)، اقدام (Action)، کاندیدا (Candidate(s) Goals) و… به کار می رود.
شاخص های چند گانه : هر مسئله MADM چندین شاخص دارد که تصمیم گیرنده، باید در مسئله آنها را کاملاً مشخص کند. تعداد شاخصها بستگی به ماهیت مسئله دارد. برای مثال، در یک مسئله خرید اتومبیل اگر قرار به ارزیابی چند اتومبیل باشد شاخص های مختلف قیمت، میزان سوخت مصرفی، نحوه ضمانت و ساخت ممکن است مد نظر باشند. در حالی که در یک مسئله جایابی برای یک طرح کارخانه 100 شاخص و یا بیشتر می توانند مد نظر باشند. واژه شاخص به صورت واژگان دیگری از قبیل اهداف یا معیارها قابل بیان است.

واحدهای بی مقیاس: هر شاخص نسبت به شاخص دیگر دارای مقیاس اندازه گیری متفاوت است. لذا جهت معنادار شدن محاسبات و نتایج از طریق روش های علمی اقدام به بی مقیاس کردن داده ها می شود به گونه ای که اهمیت نسبی داده ها حفظ گردد.
وزن شاخص ها : تمامیروش های MADM مستلزم وجود اطلاعاتی هستند که بر اساس اهمیت نسبی هر شاخص به دست آمده باشند. این اطلاعات معمولاً دارای مقیاس ترتیبی یا اصلی هستند. وزن های مربوط به شاخصها می توانند مستقیماً توسط تصمیم گیرنده و یا به وسیله روش های علمی موجود به معیارها تخصیص داده شود. این وزن ها اهمیت نسبی هر شاخص را بیان می کنند.
2-3-4- تفاوت های مدلهای MADM و MODM
از جنبه های مختلف بین مدلهای MADM و MODM تفاوت وجود دارد که به شرح جدول زیر بیان شده اند :
جدول 2-1- مقایسه تکنیک های MODM و MADM
MODM
MADM
MCDM
موارد متفاوت
اهداف
شاخصها
معیارها
ضمنی بیان شده اند
به طور ضعیف بیان شده اند
صریح بیان شده اند
اهداف
به طور ضمنی بیان شده اند
صریح بیان شده اند
شاخص ها
کاملاً مشخص
غیر مشخص
(در داخل معیارها گنجانده شده اند)
محدودیت ها
تعداد نامحدود
تعدادمحدود، مشخص
گزینه ها
زیاد
کم
تعامل با تصمیم گیرنده
طراحی
در انتخاب و ارزیابی
نحوه استفاده
2-3-5-دسته بندی مدلهای MADM
دو دسته عمده برایروش های MADM وجود دارد :
مدل های غیر جبرانی
مدل های جبرانی
مدلهای غیر جبرانی :مدلهائی از MADM را شامل می شوند که در آنها تبادل بین شاخصها صورت نمی گیرد. بدین معنی که نقطه ضعف موجود در یک شاخص توسط مزیت موجود در شاخص دیگر جبران نمی شود، بلکه هر شاخص جدا از دیگر شاخص ها مبنای ارزیابی گزینه های رقیب قرار می گیرد. مزیت مهم این مدلها سادگی آنهاست که با رفتار تصمیم گیرنده و محدود بودن اطلاعات او مطابقت دارد. از مهمترین این متدها می توان به روش تسلط، ماکسی مین، رضایت بخش عام، رضایت بخش خاص، لکسیکوگراف اشاره کرد.
مدلهای جبرانی آن دسته از مدلهای MADM را شامل می شوند که در آنها تبادل بین شاخصها صورت میگیرد. بدین معنی که تغییر در یک شاخص توسط تغییری مخالف در شاخصی یا شاخصهای دیگر جبران می شود. این مدلها خود به سه دسته کلی زیر گروه هماهنگ، زیر گروه سازشی، زیر گروه نمره گذاری تقسیم می شوند که هر یک از این دسته ها در برگیرنده متدهایی هستند.
مدلهای MADM را با توجه به طبقه بندی جبرانی و غیر جبرانی میتوان به صورت نمودار زیر نشان داد.
شکل 2-1- طبقه بندی مدلهای MADM از نظر جبرانی و غیر جبرانی (آذر و رجب زاده، 1381، 122)
2-3-6- فرایند تحلیل سلسله مراتبی
روش تحلیل سلسله مراتبی (AHP) نخستین بار توسط ساعتی معرفی گردید. این روش یکی از پرکاربرد ترین روش های تصمیمگیری چند معیاره (MCDM) می‎باشد.
در این روش با تجزیه‎ی مساله‎ی تصمیم گیری به معیارهای آن، مدل تصمیم‎گیری به صورت سلسله‌مراتبی ساخته می‎شود. اهمیت یا اولویت نسبی معیارهای تصمیم‌گیری با استفاده از مقایسات زوجی کیفی مشخص می‎گردد.
یکی از مزایای اصلی AHP امکان در نظر گرفتن همزمان قضاوت‌های ذهنی با استفاده از معیارهای کمی ملموس و معیارهای کیفی غیر ملموس می‎باشد.
محاسبات ریاضی ساده و قابل درک روش AHP را به تکنیکی ایده‎آل برای فرایند ارزیابی تبدیل نموده است. در روش تحلیل سلسله مراتبی سنتی، مقایسات زوجی اجزا در هر سطح با توجه به سطح بالایی سلسله مراتب تصمیم گیری با استفاده از اعداد 1 تا 9 توسط تصمیم‌گیرنده انجام می‎گرفت.
استفاده از اینگونه مقایسات زوجی برای جمع‌آوری قضاوت‎های تصمیم گیرندگان مزایای زیادی به دنبال دارد. این فرایند به تصمیم‌گیرنده اجازه می‎دهد که تنها بر روی مقایسه دو جزء تمرکز نماید، به این صورت نتایج تا حد زیادی از اثرات غیر مرتبط مستقل باقی می‎ماند. علاوه بر این اولویت‎های ذهنی، دانش خبرگان و اطلاعات عینی به صورت همزمان در تحلیل تصمیم در نظر گرفته می‎شود. به خصوص زمانی که این فرایند شامل تصمیم گیری گروهی باشد.
2-3-6-1- مشکلات AHP قطعی و لزوم استفاده از اعداد فازی
در روش تحلیل سلسله مراتبی سنتی قضاوت‎های تصمیم گیرندگان به صورت اعداد قطعی نمایش داده می‎شد. علیرغم مفهوم ساده و کاربرد وسیع، این رویکرد نمی‎تواند به درستی فرایند تفکر انسانی را منعکس نماید و همچنین اعداد قطعی نمیتوانند عدم قطعیت همراه با ادراک انسانی را به درستی در نظر بگیرند .
در بسیاری از مسائل کاربردی به دلیل عدم قطعیت موجود در اولویت‎های انسانی ممکن است نسبت دادن یک عدد قطعی برای مقایسات برای تصمیم‌گیرنده دشوار باشد و اغلب استفاده از قضاوت‎های فاصله‎ای به جای اعداد قطعی برای تصمیم گیرندگان راحت‎تر است.
برای غلیه بر این نقیصه، روش تحلیل سلسله مراتبی فازی و توسعه‌های بعدی آن برای حل مسائل سلسله مراتبی و انتخاب گزینه‎ها ارائه گردید. با استفاده از تئوری مجموعه‌های فازی تصمیم‌گیرندگان قادر خواهند بود اطلاعات غیر قابل کمی شدن، اطلاعات غیر قابل دسترسی و اطلاعات ناقص را در مدل تصمیم‌گیری لحاظ نمایند. در نتیجه علیرغم دشواری‎های ریاضی، روش تحلیل سلسله مراتبی فازی ابزار مناسبی برای لحاظ نمودن عدم قطعیت‌ها و ابهامات موجود در مسائل دنیای واقعی می‎باشد.
2-3
-6-2- روش های مختلفِ AHP فازی
در ادبیات فرایند سلسله مراتبی فازی روش‎های حل متعددی توسط نویسندگان مختلف پیشنهاد شده است. نخستین مطالعه‌ای که از اصول منطق فازی در AHP استفاده نمود توسط لارهوون و پدریکز انجام گرفت. آنها روشی را برای فرآیند تحلیل سلسله مراتبی پیشنهاد کردند که بر اساس روش حداقل مجذورات لگاریتمی بنا نهاده شده بود. پیچیدگی مراحل این روش باعث شده این روش چندان مورد استفاده قرار نگیرد.
باکلی روش AHP ساعتی را گسترش داد و برای نشان دادن ارزیابی‌های تصمیم‌گیرندگان استفاده از اعداد ذوزنقه‎ای را پیشنهاد نمود. با این حال اولویت بندی حاصل از این روش پیچیده بوده و ممکن است به نتایج غیر قابل اطمینان منجر شود.
چانگ برای مقایسات زوجی روش تحلیل گسترش یافته با استفاده از اعداد فازی مثلثی را پیشنهاد نمود. این روش به نسبت ساده بوده و در مقایسه با سایر روش‎ها از محاسبات ساده‎تری برای حل AHP فازی استفاده می‎نماید.
چنگ، چن و لین روش آنتروپی را برای حل AHP فازی معرفی نمودند و از آن برای ارزیابی سیستم‎های تسلیحاتی استفاده نمودند.
میخایلوف برای دستیابی به بهینه‎ی قطعی، روش برنامه‌ریزی ترجیحات فازی را پیشنهاد نمود. علی‌رغم قابلیت‎هایی که برای این روش ادعا میشد، در مقایسه با سایر روش‎های موجود اولویت گذاری فازی، پیچیدگی محاسباتی این روش منجر به محدود شدن عملیاتی گردیدن آن می‎شود.
2-3-7- تکنیک های بکار رفته جهت طراحی مدل تحقیق
در این تحقیق به منظور طراحی الگوی شناسایی پروژه های موفق، از سه مورد از تکنیک های MCDM استفاده شده است که مولفه های ماتریس تصمیم گیری و یا بردار اوزان این تکنیک ها می تواند به جای قطعی بودن، فازی باشد. در ادامه به ارائه این تکنیک ها پرداخته و نحوه استفاده از این تکنیک ها که بر اساس ماهیتشان بصورت فازی و یا با داده های فازی عمل می کنند در فصول بعد ذکر خواهیم کرد.

دانلود پایان نامه

اینجا فقط تکه های از پایان نامه به صورت رندم (تصادفی) درج می شود که هنگام انتقال از فایل ورد ممکن است باعث به هم ریختگی شود و یا عکس ها ، نمودار ها و جداول درج نشوند.

برای دانلود متن کامل پایان نامه ، مقاله ، تحقیق ، پروژه ، پروپوزال ،سمینار مقطع کارشناسی ، ارشد و دکتری در موضوعات مختلف با فرمت ورد می توانید به سایت  77u.ir  مراجعه نمایید

رشته مدیریت همه موضوعات و گرایش ها : صنعتی ، دولتی ، MBA ، مالی ، بازاریابی (تبلیغات – برند – مصرف کننده -مشتری ،نظام کیفیت فراگیر ، بازرگانی بین الملل ، صادرات و واردات ، اجرایی ، کارآفرینی ، بیمه ، تحول ، فناوری اطلاعات ، مدیریت دانش ،استراتژیک ، سیستم های اطلاعاتی ، مدیریت منابع انسانی و افزایش بهره وری کارکنان سازمان

در این سایت مجموعه بسیار بزرگی از مقالات و پایان نامه ها با منابع و ماخذ کامل درج شده که قسمتی از آنها به صورت رایگان و بقیه برای فروش و دانلود درج شده اند

2-3-7-1- فرایند تحلیل سلسله مراتبی فازی (آنایز توسعه ای)
در سال 1983 دو محقق هلندی به نامهای لارهون و پدریک روشی را برای فرایند تحلیل سلسله مراتبی فازی پیشنهاد کردند که بر اساس روش حداقل مجذورات لگاریتمی بنا شده بود. میزان محاسبات و پیچیدگی های مراحل این روش باعث شد که چندان مورد استفاده قرار نگیرد. در سال 1996 روش دیگری تحت عنوان روش تحلیل توسعه ای توسط یک محقق چینی به نام یونگ چانگ ارائه گردید. اعداد مورد استفاده در این روش اعداد مثلثی فازی (جدول 2-2) هستند.
جدول 2-2- مقیاس های زبانی برای بیان درجه اهمیت (انوری و رستمی 1388)
ارزش مثلثی فازی
عدد فازی
مقادیر زبانی اهمیت
بی اندازه
بسیار زیاد
زیاد
کم
یکسان
روش تحلیل گسترش یافته بر اساس اعداد فازی مثلثی عمل می‏نماید. روش مذکور که در ادامه بررسی خواهد شد، بر مبنای تئوری مجموعه فازی استوار است.
دو عدد مثلثی فازی و را در نظر می گیریم. آنگاه:
u1 m1 u2 l1 m2 L2
l2

شکل 2-2- مقایسه دو عدد مثلثی فازی
در روش EA برای هر یک از سطرهای ماتریس مقایسات زوجی، ارزش SK که خود یک عدد مثلثی فازی است، بصورت زیر محاسبه می شود:
که K بیانگر شماره سطر و i و j به ترتیب نشاندهنده گزینه ها و شاخص ها می باشند
در این روش پس از محاسبه SK باید درجه بزرگی آنها را نسبت به هم بدست آورد. بطور کلی اگر M1 و M2 دو عد مثلثی فازی باشند، درجه بزرگی M1 بر M2 بصورت زیر تعریف می شود:
و بر اساس استدلال داریم:
میزان بزرگی یک عدد مثلثی فازی از K عدد مثلثی فازی دیگر نیز از رابطه زیر بدست می آید:
همچنین برای محاسبه وزن شاخصها در ماتریس مقایسات زوجی به صورت زیر عمل می شود:
بنابراین بردار وزن شاخصها بصورت زیر خواهد بود:
که همان بردار ضرایب غیر بهنجار FAHP است. برای بدست آوردن بردار ضرایب بهنجار، هر یک از عناصر بردار ضرایب را بر مجموع عناصر آن تقسیم می کنیم.
2-3-7-2- تکنیک تاپسیس
تاپسیس توسط هوانگ ویون در سال 1981 مطرح گردید. در این روش m گزینه بوسیله n شاخص مورد ارزیابی قرار می گیرند، لذا هر مساله را می توان به عنوان یک سیستم هندسی شامل m نقطه در یک فضای n بعدی در نظر گرفت. این تکنیک بر این مفهوم بنا شده است که گزینه انتخابی باید کمترین فاصله را با راه حل ایده آل مثبت (راه حلی که در میان معیارهای مثبت، بیشترین و در میان معیارهای منفی کمترین باشد: Ai+) و بیشترین فاصله را با با راه حل ایده آل منفی (راه حلی که در میان معیارهای منفی، بیشترین و در میان معیارهای مثبت کمترین باشد؛ باشد: -Ai ) داشته باشد.
فرض بر این است که مطلوبیت هر شاخص بطور یکنواخت افزایشی و یا کاهشی است. حل مسائل به روش TOPSIS شامل مراحل زیر است (آذر، رجب زاده، 1381):
تشکیل ماتریس نرمال تصمیم گیری: در این مرحله اعداد مثلثی فازی با استفاده از فنون قطعی سازی به اعداد قطعی تبدیل شده و ماتریس تصمیم گیری جهت ارزیابی گزینه ها بر مبنای شاخص ها حاصل می گردد:
تشکیل ماتریس بی مقیاس: ماتریس نرمال تصمیم گیری به کمک نرم اقلیدسی به یک ماتریس بی مقیاس تبدیل می شود:
تشکیل ماتریس بی مقیاس وزین: در این مرحله وزن هر یک از شاخص ها که با استفاده از آنتروپی شانون بدست آمده است در هر یک از گزینه ها ضرب شده و ماتریس بی مقیاس وزین بصورت اعداد قطعی دست می آید:
در معادله فوق، V ماتریس بی مقیاس وزین و W ماتریسی قطری از وزنهای بدست آمده برای شاخص ها می باشد.
تعیین راه حل ایده آل مثبت و منفی: در این مرحله راه حل ایده آل مثبت (Ai+) و منفی (Ai- ) تعیین می گردد:
محاسبه میزان دوری یا نزدیکی: اندازه فاصله بر اساس نرم اقلیدسی، به ازاء راه حل ایده آل منفی و گزینه مثبت و همین اندازه به ازاء راه حل ایده آل مثبت و گزینه منفی، بصورت زیر بدست می آید:
محاسبه شاخص نزدیکی نسبی: نزدیکی نسبی Ai به راه حل ایده آل به صورت زیر محاسبه می گردد:
چنانچه باشد، آنگاه و می شود و در صورتیکه باشد، آنگاه و خواهد شد، بنابراین هر گزینه به راه حل ایده آل نزدیکتر باشد، مقدار آن به یک نزدیک تر خواهد بود.
رتبه بندی گزینه ها: در این مرحله بر اساس ترتیب نزولی می توان گزینه های موجود را بر مبنای بیشترین اهمیت رتبه بندی نمود.
2-3-7-3- تکنیک ویکور
روش ویکور از مدل های پرکاربرد در تصمیم گیری و انتخاب گزینه برتر می باشد. روش ویکور در سال 1998 توسط اُپریکوویک ارائه شد که مبتنی بر یک تابع تراکمی Lp,j است. این روش بر مبنای روش توافق جمعی و با داشتن معیارهای متضاد تهیه شده و عموما برای حل مسائل گسسته کاربرد دارد. این روش برای بهینه سازی چند معیاره سیستم های پیچیده توسعه یافته است. این روش روی دسته بندی وانتخاب از یک مجموعه گزینه ها

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *