۰
(۰)

روش MOORA

روش MOORA ، که برای اولین بار توسط (Brauers (2004 معرفی شده است ، روشی بهینه سازی چندهدفه است که با موفقیت می تواند برای حل انواع مختلفی از مسائل تصمیم گیری پیچیده در محیط تولید استفاده شود.

روش MOORA (Brauers، et al. 2006، ۲۰۰۸، ۲۰۰۹، Kalibatas، et al. 2008، Lootsma، ۱۹۹۹) با یک ماتریس تصمیم گیری شروع می کند که عملکرد گزینه های مختلف را با توجه به شاخص های مختلف (اهداف) نشان می دهد.


روش مورا (moora)

روش مورا (moora) از تکنیک های نسبتا جدید تصمیم گیری چند معیاره است که در سال ۲۰۰۶ توسط برایرز و زاوادسکاس ارائه شد. این واژه از حروف اول عبارت Multi-Objective Optimization on the basis of Ratio Analysis به معنی بهینه سازی چند هدفه بر اساس تجزیه و تحلیل نسبت گرفته شده است. 

آنها در این پژوهش برای روش مورا دو رویکرد ارائه دادند یکی رویکرد سیستم نسبت و دیگری رویکرد نقطه مرجع.

آنها در پژوهش خود و در مثالی که در مقاله خود آوردند برای رتبه بندی گزینه ها از وزن معیارها استفاده نکردند.

اما بیان داشتند که برای دقت بیشتر روش می توان وزن معیارها را نیز در نظر گرفت. به هر حال در مواردی که دسترسی به وزن معیارها ممکن نباشد نیز می توان گزینه ها را رتبه بندی نمود.

برای نرمال کردن داده نیز از روش  جذر مجموع مربعات استفاده می شود.

در مدل های تصمیم گیری چند معیاره (MCDM) یا هدف وزن دهی به معیار است یا هدف رتبه بندی گزینه است.

روش فعلی که معرفی شده است از نوع رتبه بندی گزینه ها است.

تاریخچه

Karande و Chakraborty در سال ۲۰۱۲، از روش MOORA برای انتخاب مواد استفاده کردند. Brauers و همکاران (۲۰۱۲) نیز مساله انتخاب مواد را در نظر گرفتند.

با این حال ، آنها در انتخاب عناصر برای نوسازی ساختمان که برای صرفه جویی در مصرف انرژی در ساختمان ها مهم هستند ، متمرکز شدند. Brauers و Zavadskas در سال ۲۰۱۲، از MOORA و MULTIMOORA به عنوان پایه ای برای تشکیل سیستم پشتیبانی از تصمیم گیری چند شاخصه استفاده کردند.

این سیستم پشتیبانی از تصمیم گیری چند شاخصه برای انتخاب پروژه ها در نظر گرفته شده است و در صنعت نساجی تونس آزمایش شدند. Balezentis و همکاران (۲۰۱۲) از MULTIMOORA برای حل مساله انتخاب پرسنل استفاده کردند.

Baležentis و همکاران (۲۰۱۱) و Brauers و همکاران (۲۰۱۲) نیز از روش MULTIMOORA برای ارزیابی اجرای استراتژی های اتحادیه اروپا استفاده کردند.

Streimikiene و همکاران (۲۰۱۲) از روش MULTIMOORA استفاده کردند تا چارچوب پشتیبانی از تصمیم گیری چند معیاری را برای انتخاب پایدارترین فن آوری های تولید برق تولید کنند.

گام های روش مورا (MOORA)

تشکیل ماتریس تصمیم: 

اولین گام در روش مورا تشکیل ماتریس تصمیم روش مورا شامل ماتریس معیار-گزینه می‌باشد و سلول‌های ماتریس امتیاز هر گزینه‌ها نسبت به آن معیار می‌باشد. هر درایه ماتریس تصمیم را با xij نشان می‌دهند.

ماتریس روش مورا
ماتریس روش مورا

همچنین نوع معیارها و وزن معیارها باید مشخص باشد. منظور از نوع معیار یعنی مشخص شود که معیار جنبه مثبت دارد یا منفی. معیارهای مثبت معیارهایی هستند که هرچقدر افزایش یابند برای سیستم بهتر هستند مانند کیفیت.

معیارهای منفی معیارهایی هستند که هر چقدر کاهش یابند برای سیستم بهتر هستند مانند هزینه یا سختی کار.

وزن معیارها نیز باید با استفاده از روشهای دیگر از جمله روش آنتروپی، روش IDOCRIW ، روش SWARA، روش BWM و یا روش های دیگر محاسبه شود و به عنوان ورودی به این تکنیک داده شود.

رتبه بندی گزینه ها بر اساس رویکرد سیستم نسبت: 

در دومین گام باید گزینه ها را بر اساس رویکرد سیستم نسبت رتبه بندی کرد در این رویکرد بعد از نرمال کردن داده ها باید مجموع معیارهای مثبت را از مجموع معیارهای منفی کم کرد و حاصل بیشتر نشان از برتری گزینه می دهد.

نرمال سازی بردار
نرمال سازی بردار

به این ترتیب ماتریس تصمیم نرمال به صورت زیر خواهد بود:

ماتریس تصمیم نرمال
ماتریس تصمیم نرمال

رتبه بندی گزینه ها بر اساس رویکرد نقطه مرجع: 

در گام سوم باید گزینه ها را بر اساس رویکرد نقطه مرجع رتبه بندی کرد در این رویکرد نیز هر معیار از مقدار ایده آلش کم می شود در در نهایت ماکزیمم مقدارانتخاب می شود گزینه بهینه گزینه ای است که دارای کمترین مقدار باشد.

روش مورا 1
روش مورا ۱

به این ترتیب بهترین گزینه انتخاب می‌شود.

مثال روش مورا

این مثال از مقاله Attribute Based Specification, Comparison And Selection Of A Robot استخراخ شده است.

فرض کنید ما می خواهیم رباتی را برای برخی از عملیات انتخاب مکان در محل کار انتخاب کنیم. معیاررهای این برنامه به شرح زیر است:

  1. ظرفیت بار (+)
  2. تکرارپذیری (-)
  3. حداکثر سرعت عملکرد (+)
  4. ظرفیت حافظه (+)
  5. قدرت دستیابی (+)

بر همین اساس جدولی از قابلیت های هر ربات تهیه شده است که در ادامه آورده شده است و می خواهیم با روش مورا ربات برتر را انتخاب نمایید.

AttributesLoad capacityRepeatabilityMaximum tip speedMemory CapacityManipulator reach
AlternativesBeneficialNon-BeneficialBeneficialBeneficialBeneficial
A1۶۰۰.۴۲۵۴۰۵۰۰۹۹۰
A2۶.۳۵۰.۱۵۱۰۱۶۳۰۰۰۱۰۴۱
A3۶.۸۰.۱۱۷۲۷.۲۱۵۰۰۱۶۷۶
A4۱۰۰.۲۱۰۰۰۲۰۰۰۹۶۵
A5۲.۵۰.۱۵۶۰۵۰۰۹۱۵
A6۴.۵۰.۰۸۱۰۱۶۳۵۰۵۰۸
A7۳۰.۱۱۷۷۱۰۰۰۹۲۰
Weights۰.۱۵۷۴۰.۱۸۲۵۰.۲۳۸۵۰.۲۱۷۲۰.۲۰۴۳

در این مرحله متغیرها نرمالسازی می شوند

Normalize
۳۶۰۰۰.۱۶۶۴۵۱۶۰۰۲۵۰۰۰۰۹۸۰۱۰۰
۴۰.۳۲۲۵۰.۰۲۲۵۱۰۳۲۲۵۶۹۰۰۰۰۰۰۱۰۸۳۶۸۱
۴۶.۲۴۰.۰۱۲۹۸۳۲۱۹.۸۴۲۲۵۰۰۰۰۲۸۰۸۹۷۶
۱۰۰۰.۰۴۱۰۰۰۰۰۰۴۰۰۰۰۰۰۹۳۱۲۲۵
۶.۲۵۰.۰۱۳۱۳۶۰۰۲۵۰۰۰۰۸۳۷۲۲۵
۲۰.۲۵۰.۰۰۶۴۱۰۳۲۲۵۶۱۲۲۵۰۰۲۵۸۰۶۴
۹۰.۰۱۳۱۳۲۹۱۰۰۰۰۰۰۸۴۶۴۰۰
۶۱.۸۲۲۸۳۱۵۴۰.۵۰۸۸۲۲۱۶۹۳۵۸۳.۸۸۹۰۶۶۴۱۰۷.۶۱۴۸۸۲۷۸۳.۱۰۴۵۶۱

داده های نرمال سازی شده به صورت مثبت و منفی و با توجه فرمول مورا رتبه بندی می شوند

Rank
۰.۲۷۷۴۳۳۸۲۶۲
۰.۲۶۵۰۲۷۹۹۸۳
۰.۲۹۸۷۳۳۵۶۴۱
۰.۱۹۶۸۶۶۱۵۳۴
۰.۱۰۱۳۷۰۹۱۷
۰.۱۰۶۱۷۳۷۶۲۵
۰.۱۰۳۹۶۱۸۲۵۶

چه میزان از این مطلب رضایت داشته اید؟

میانگین ۰ / ۵. از ۰

لطف می کنین اگه رای بدین