روش اراس فازی

روش ارزیابی نسبت افزودنی (ARAS) در سال 2010 توسط Zavadskas و Turskis مفهوم سازی و ارائه شد.

ویژگی این روش این است که اجراهای جایگزین با توجه به گزینه ایده آل (بهینه) تعیین می شود.

آنها استدلال می کنند که نسبت مجموع نمرات معیارهای نرمال و وزنی ، که جایگزین مورد نظر را توصیف می کند ، به مجموع مقادیر معیارهای نرمال و وزنی ، که جایگزین مطلوب را توصیف می کند ، درجه ای از بهینه است ، که توسط جایگزین در مقایسه بدست می آید.

این روش به تازگی توسعه یافته است. با استفاده از روش های ARAS-F (آراس فازی) و ARAS-G (آراس خاکستری) برای حل مسائل MCDM شامل اعداد فازی و خاکستری ، زمینه کاربرد آن گسترش یافته است.

مراحل مربوط به روش ARAS فازی به شرح زیر است:

مرحله 1: تشکیل ماتریس تصمیم گیری فازی همانطور که قبلاً توضیح داده شده است.

ArasFuzzyMatrix
ArasFuzzyMatrix

روش اراس فازی روش اراس فازی روش اراس فازی

مرحله 2: تشکیل ماتریس تصمیم گیری فازی گسترش یافته با اضافه کردن یک ردیف با مقادیر بهینه هر معیار در فرم به شرح زیر:

ArasFuzzyMatrixOS
ArasFuzzyMatrixOS

در این معادله، مقدار بهینه j امین معیار بهینه به صورت زیر شمارش می شود:

Benefit
Benefit

مقدار حداکثر قابل قبول منهای معیارهای سود، مقدار حداقل قابل قبول منهای معیارهای هزینه

روش اراس فازی

مرحله 3: نرمال سازی ماتریس تصمیم گیری فازی گسترش یافته

NormalMatrix
NormalMatrix
  • معیارهایی که مقادیر مطلوب آنها حداکثر است ، به شرح زیر عادی شده اند:
MAx
Max
  • معیارهایی که مقادیر مطلوب آنها حداقل است با استفاده از روش دو مرحله ای عادی می شوند:
MIn
Min

روش اراس فازی روش اراس فازی روش اراس فازی

مرحله 4: ساخت ماتریس تصمیم گیری عادی شده وزن زیر به شرح زیر است:

روش اراس فازی
NormalWeight


مرحله 5: محاسبه مقادیر عملکرد بهینه:

Optimally
Optimally

که در آن Si مقدار عملکرد بهینه گزینه جایگزین i را نشان می دهد. با در نظر گرفتن فرایند محاسبه ، عملکرد بهینه رابطه مستقیمی و متناسب با مقادیر و وزن های معیارهای در نظر گرفته شده دارد.

روش اراس فازی

بنابراین ، بالاترین مقدار تابع بهینه با مؤثرترین جایگزین مطابقت دارد (در این حالت جایگزین بهینه است). روش جداشدن مرکز منطقه را می توان در اینجا نیز به کار برد:

Center Of Area Defuzzification
Center Of Area Defuzzification

مرحله 6: محاسبه مقدار درجه ابزار جایگزین.

سفارشات اولویتی گزینه های در نظر گرفته شده (i = 1 / m) با توجه به مقادیر (درجه ابزار جایگزین) قابل تعیین است. معادله ای که برای محاسبه درجه سود مطلوب یک جایگزین استفاده می شود به شرح زیر است:

Utility Degree 1
Utility Degree

که در آن Si و S0 مقادیر عملکرد بهینه هستند. جایگزین با ارزش حداکثر Ki باید به عنوان بهترین گزینه انتخاب شود.

مثال روش اراس فازی

این مثال از مقاله The Framework for the Selection of Personnel Based on the SWARA and ARAS Methods Under Uncertainties استخراج شده است.

یک شرکت تولید و فروش مبلمان محلی به دنبال مدیر فروش است. در فرآیند استخدام ، سه نفر از متخصصان نیروی انسانی شرکت می کنند ، بنابراین تصمیمی در مورد انتخاب نهایی کاندیدایی که به بهترین وجه معیارهای لازم را داشته و از صلاحیت های لازم برخوردار باشد با استفاده از SWARA و روش های ARAS فازی برای تصمیم گیری استفاده می شود.

گام اول: نظرات خبرگان به صورت جدول تصمیم گیری فازی تهیه می شود.

FuzzyArasExample01
FuzzyArasExample01

گام دوم: بر اساس روش آراس فازی ماتریس تصمیم گیری نرمال می شود.

FuzzyArasExample02
FuzzyArasExample02

گام سوم: اوزان محاسبه شده توسط روش سوارا فازی در ماتریس نرمال ضرب می شود تا ماتریس نرمال وزن دار محاسبه شود.

FuzzyArasExample03
FuzzyArasExample03

گام چهارم: برای محاسبه بازدهی کلی سیستم ابتدا اعداد فازی زدایی می شوند. براساس گام چهارم روش با هم جمع شده، تفاوت آن ها برای محاسبه S حساب می شود.

FuzzyArasExample04
FuzzyArasExample04

مقدار Q برای رتبه بندی محاسبه و مقداری که دارای Q بیشتر باشد به عنوان گزینه برتر انتخاب می شود.

X