روش SECA مخفف Simultaneous Evaluation of Criteria and Alternatives به معنی ارزیابی همزمان معیارها و جایگزین ها یک روش تصمیم گیری چنبد معیاره بر اساس مقایسه زوجی است. روش سکا (SECA) توسط دکتر مهدی کشاورز قرابایی و همکاران (۲۰۱۸)، در مقاله ای با عنوان “ارزیابی همزمان معیارها و گزینه ها در تصمیم گیری چند معیاره ارائه شد.

هدف از این روش، تعیین امتیاز کل گزینه ها و وزن معیارها به طور همزمان است. برای رسیدن به این هدف یک مدل ریاضی غیر خطی چند هدفه در این بخش فرموله شده است.

برای شکل گیری مدل ریاضی، دو نوع مرجع برای وزن معیارها توصیف شده است. نوع اول براساس اطلاعات تنوع درون معیار تعریف شده توسط انحراف استاندارد است و دوم مربوط به اطلاعات تنوع بین معیارها است که براساس میزان همبستگی تعیین می شود.

مدل چند هدفه به دنبال به حداکثر رساندن عملکرد کلی هر یک از گزینه ها و به حداقل رساندن انحراف معیارهای وزن از نقاط مرجع است. برای به حداکثر رساندن عملکرد کلی هر گزینه، یک مدل ترکیبی وزنی به عنوان یک هدف مورد استفاده قرار می گیرد. روش سکا (SECA) در نرم افزار LINGO حل می شود.

مراحل روش SECA

  1. تشکیل ماتریس تصمیم
  2. نرمال سازی ماتریس تصمیم (براساس معیارهای مثبت و منفی)
  3. تشکل معادله غیرخطی
  4. بهینه سازی تابع هدف
  5. شناسایی اولویت ها

آموزش روش SECA

در این روش مانند دیگر روش های تصمیم گیری چندمعیاره، TOPSIS VIKOR COPRAS و دیگر موارد، ابتدا ماتریس تصمیم تشکیل می شود.

ماتریس تصمیم روش SECA
ماتریس تصمیم روش SECA

در گام دوم، ماتریس تصمیم نرمال سازی می شود. روش SECA برای معیارهای مثبت و منفی دو روش نرمال سازی دارد. BC شامل معیارهای هستند که مثبت هستند  NC شامل معیارهایی هستند که جنبه منفی دارند.

نرمال سازی روش SECA
نرمال سازی روش SECA

در گام بعدی برای تشکیل مدل برنامه ریزی غیرخطی انحراف معیار عناصر هر بردار می‌تواند اطلاعات متغیر درونی معیار را بدست آورد. برای دستیابی به اطلاعات متغیر بین معیار از ماتریس تصمیم‌گیری، باید همبستگی بین هر جفت از بردارهای معیارها را محاسبه کنیم. سپس رابطه زیر می‌تواند درجه اختلاف بین معیار j ام و معیارهای دیگر را نشان دهد.

انحراف معیار در روش SECA
انحراف معیار در روش SECA

افزایش تغییرپذیری در بردار یک معیار (j)، و همچنین افزایش میزان درجه اختلاف میان معیار j و معیارهای دیگر، اهمیت (وزن) این معیار را افزایش می دهد. بر این اساس، مقادیر نرمال شده j و j به عنوان نقاط مرجع برای وزن معیارها تعریف می شود. این مقادیر را می توان به صورت زیر محاسبه می شود:

تغییرپذیری
تغییرپذیری

در نهایت تابع برنامه ریزی غیرخطی به صورت زیر تشکیل می شود.

تابع برنامه ریزی غیرخطی روش SECA
تابع برنامه ریزی غیرخطی روش SECA

براساس توابع هدف محدودیت زیر، معادله برنامه ریزی خطی حل می شود.

تابع هدف محدودیت
تابع هدف محدودیت

در نهایت در مقاله اصلی، روش SECA با تکنیک های SAW TOPSIS VIKOR COPRAS WASPAS EDAS مقایسه شده است و دقت اندازه گیری روش سکا مشخص شده است.

مثال روش SECA

این مثال از مقاله Simultaneous Evaluation of Criteria and Alternatives (SECA) for Multi-Criteria Decision-Making استخراج شده است.

در گام اول ماتریس تصمیم تشکیل می شود.

ماتریس تصمیم روش SECA 1
ماتریس تصمیم روش SECA 1

در گام بعدی ماتریس را نرمال می کنیم

ماتریس نرمال روش SECA
ماتریس نرمال روش SECA

سپس اوزان بر اساس اعداد مختلف β محاسبه می شود.

انتخاب متغیر بتا
انتخاب متغیر بتا

در این مطالعه، روش جدیدی برای ارزیابی همزمان معیارها و جایگزین ها (SECA) پیشنهاد شده است. یک مدل ریاضی غیر خطی چند هدفه برای روش پیشنهادی فرموله شده است. اهداف مدل برای به حداکثر رساندن عملکرد کلی گزینه ها با در نظر گرفتن اطلاعات تغییرات درون معیاری و بین معیاری ماتریس تصمیم تعریف شده است.

با استفاده از روش پیشنهادی، می‌توان نمرات عملکرد کلی گزینه‌ها و وزن هدف معیارها را به طور همزمان تعیین کرد. برای اعتبارسنجی SECA، وزن‌های هدف معیارها و عملکرد کلی گزینه‌های تعیین‌شده توسط روش مورد تجزیه و تحلیل قرار گرفته‌اند. نتایج نشان می‌دهد که با قرار دادن پارامتر روش (β) در یک مقدار مناسب، می‌توان وزن‌های پایداری برای معیارها و امتیاز عملکرد برای گزینه‌ها به دست آورد.

همچنین مقایسه ای بین نتایج SECA و برخی از روش های موجود انجام شده است. این مقایسه همچنین اعتبار و کارایی روش پیشنهادی را نشان می دهد. تحقیقات آینده می تواند SECA را برای مشکلات MCDM در محیط های فازی و سایر محیط های نامشخص گسترش دهد.

آیا این مطلب برای شما مفید بود؟

برای امتیاز به مطلب روی ستاره ها بزنید.

میانگین امتیاز ها 4.8 / 5. تعداد رای ها: 415

به این مطلب امتیازی داده نشده است. اولین نفر باشید و امتیاز دهید

X