مثال روش ANP فازی
مثال روش ANP فازی، روش ANP (Analytic Network Process) نسخه توسعهیافته AHP است که برای حل مسائل تصمیمگیری پیچیده با وابستگی و بازخورد بین معیارها استفاده میشود. در بسیاری از مسائل واقعی، معیارها مستقل از یکدیگر نیستند و بر هم تأثیر میگذارند. ANP دقیقاً برای مدلسازی این وابستگیها طراحی شده است. زمانی که قضاوتهای انسانی با عدم قطعیت همراه باشند، نسخه ANP فازی بهکار گرفته میشود.
در ANP فازی، بهجای استفاده از مقادیر قطعی، از اعداد فازی (معمولاً فازی مثلثی) برای بیان ترجیحات استفاده میشود. این کار باعث میشود ابهام، عدم قطعیت و ذهنیبودن قضاوتهای تصمیمگیرنده بهتر مدلسازی شود.
آنچه می خوانید
تفاوت ANP فازی با AHP و ANP کلاسیک
در AHP فرض میشود معیارها مستقل هستند، در حالی که در ANP این فرض حذف میشود. از سوی دیگر، ANP کلاسیک همچنان از مقادیر قطعی برای مقایسهها استفاده میکند، اما ANP فازی این مقادیر را به اعداد فازی تبدیل میکند. این تفاوت باعث میشود نتایج ANP فازی در مسائل انسانی و پیچیده واقعگرایانهتر باشند.
بهطور خلاصه:
- AHP: ساختار سلسلهمراتبی و مستقل
- ANP: ساختار شبکهای با وابستگی
- ANP فازی: ANP + مدلسازی عدم قطعیت
مراحل انجام مثال روش ANP فازی
برای روشنشدن فرآیند، مراحل ANP فازی را بهصورت گامبهگام مرور میکنیم.
1️⃣ تعریف مسئله و شناسایی معیارها
در گام اول، هدف تصمیمگیری مشخص شده و معیارها و زیرمعیارهای مؤثر شناسایی میشوند. سپس روابط وابستگی بین آنها تعیین میگردد. این روابط میتوانند درونخوشهای یا بینخوشهای باشند.
2️⃣ تشکیل شبکه تصمیم
برخلاف AHP که ساختار درختی دارد، در ANP یک شبکه از معیارها تشکیل میشود. این شبکه نشان میدهد کدام معیارها بر یکدیگر تأثیر دارند و جهت این تأثیر چگونه است.
3️⃣ انجام مقایسههای زوجی فازی
در این مرحله، مقایسههای زوجی با استفاده از اعداد فازی مثلثی انجام میشوند. برای مثال، بهجای گفتن «معیار A سه برابر مهمتر از B است»، یک عدد فازی مانند (2,3,4) استفاده میشود تا عدم قطعیت در قضاوت لحاظ شود.
4️⃣ تشکیل سوپرماتریس فازی
نتایج مقایسههای زوجی در قالب سوپرماتریس فازی سازماندهی میشوند. این ماتریس، قلب روش ANP است و تمام روابط و وزنهای نسبی معیارها را در خود جای میدهد.
مثال روش Anp فازی
مثال روش ANP فازی از مقاله FUZZY ANALITIC NETWORK PROCESS BASED MULTI CRITERIA DECISION MAKING METHODOLOGY FOR A FAMILY AUTOMOBILE PURCHASING DECISION استخراج شده است.
در این مثال پس از شکلگیری ساختار شبکه مربوط به انتخاب خودروی خانوادگی برای خرید، ابتدا معیارهای اصلی برای این منظور مقایسه شدند. سپس زیرمعیارهای تعیین شده برای هر یک از معیارهای اصلی بین خود و بین خود مقایسه شدند.
گزینه ها؛ برای هر زیرمعیار، روابط همه زیرمعیارهای مؤثر بر این زیرمعیارها با یکدیگر در نظر گرفته شد و ماتریس های مقایسه زوجی تشکیل شد. این ماتریس ها توسط شخصی که قصد خرید خودرو را داشت با مقیاس های زبانی مانند جدول زیر پر شده است.
در گام اول مقادیر S محاسبه می شود.
در مرحله 2. درجه امکان M2 = (l2, m2, u2) ≥ M1 = (l1, m1, u1) را مورد بررسی قرار می دهیم.
در مرحله سوم بردارهای وزن نرمال شده محاسبه و اوزان معیارها بدست می آید.
وزنهای اولویت بهدستآمده از فرآیند شفافسازی به بسته نرمافزار Super Decisions 1.6، که معمولاً در روش ANP استفاده میشود، از طریق منوی «ورود مستقیم داده» منتقل می شوند. وزن اولویت از این ماتریس حد برای هر جایگزین به دست آمد و گزینه با وزن اولویت به عنوان بهترین تعیین گزینه تعیین می شود.
غیرفازیسازی (Defuzzification) در ANP فازی
پس از تشکیل سوپرماتریس فازی، لازم است مقادیر فازی به مقادیر قطعی تبدیل شوند تا امکان محاسبات نهایی فراهم شود. این مرحله با استفاده از روشهای غیرفازیسازی انجام میشود. یکی از رایجترین روشها، استفاده از میانگین یا مرکز ثقل عدد فازی است.
غیرفازیسازی نقش مهمی در دقت نتایج دارد؛ زیرا انتخاب روش نامناسب میتواند باعث انحراف در وزنهای نهایی شود. به همین دلیل، در بسیاری از مطالعات، روش غیرفازیسازی بهصورت شفاف گزارش میشود.
مزایا و کاربردهای ANP فازی
روش ANP فازی در مسائلی کاربرد دارد که:
- معیارها بهشدت به یکدیگر وابستهاند
- قضاوتهای انسانی همراه با عدم قطعیت هستند
- تصمیمگیری نیاز به مدلسازی دقیق روابط دارد
این روش در حوزههایی مانند انتخاب فناوری، مدیریت پروژه، برنامهریزی استراتژیک، ارزیابی ریسک و مسائل مهندسی و مدیریتی کاربرد گستردهای دارد.
مقایسه نتایج ANP فازی با ANP کلاسیک
یکی از سؤالات رایج در تصمیمگیری چندمعیاره این است که استفاده از ANP فازی چه تفاوتی در نتایج نسبت به ANP کلاسیک ایجاد میکند. در ANP کلاسیک، تمام قضاوتها بهصورت قطعی و عددی ثبت میشوند، در حالی که در ANP فازی عدم قطعیت موجود در نظرات تصمیمگیرندگان مستقیماً وارد مدل میشود. این تفاوت باعث میشود وزنهای نهایی در ANP فازی انعطافپذیرتر و واقعگرایانهتر باشند.
در بسیاری از مسائل واقعی، تصمیمگیرنده نمیتواند با اطمینان کامل بگوید یک معیار دقیقاً چند برابر معیار دیگر اهمیت دارد. ANP فازی این ابهام را با استفاده از بازههای فازی مدیریت میکند، در حالی که ANP کلاسیک ناچار است این عدم قطعیت را نادیده بگیرد. به همین دلیل، نتایج ANP فازی معمولاً حساسیت کمتری نسبت به تغییرات کوچک در قضاوتها دارند.
با این حال، ANP کلاسیک همچنان در مسائلی که دادهها شفاف و قضاوتها دقیق هستند، کارایی بالایی دارد و محاسبات آن سادهتر است. انتخاب بین ANP فازی و ANP کلاسیک باید بر اساس ماهیت مسئله، میزان عدم قطعیت و سطح دقت موردنیاز انجام شود. این مقایسه کمک میکند تصمیمگیرنده آگاهانهترین روش را برای حل مسئله انتخاب کند.
جمعبندی
مثال روش ANP فازی نشان میدهد که چگونه میتوان وابستگی بین معیارها و عدم قطعیت در قضاوتها را همزمان در تصمیمگیری مدلسازی کرد. این روش نسبت به AHP و ANP کلاسیک پیچیدهتر است، اما در مسائل واقعی دقت و واقعگرایی بالاتری ارائه میدهد. استفاده صحیح از ANP فازی میتواند منجر به تصمیمهایی شود که هم از نظر علمی معتبر و هم از نظر عملی قابل دفاع باشند.