آموزش جامع روش AHP چند سطحی

روش AHP کلاسیک معمولاً برای مسائلی با ساختار ساده شامل هدف، معیار و گزینه طراحی شده است. اما در دنیای واقعی، معیارها اغلب به خودی خود دارای ابعاد متعددی هستند که نمی‌توان آن‌ها را در یک سطح خلاصه کرد. روش AHP چند سطحی زمانی وارد عمل می‌شود که ما با «زیرمعیارها» (Sub-criteria) روبرو هستیم. این رویکرد به تصمیم‌گیرنده اجازه می‌دهد تا یک مسئله کلان را به اجزای کوچک‌تر و قابل‌فهم‌تر تجزیه کند. در واقع، این روش بسط یافته همان منطق توماس ساعتی است که در آن سلسله‌مراتب از حالت ۳ سطحی به ۴ سطح یا بیشتر ارتقا می‌یابد تا دقت تحلیل در پروژه‌های پیچیده تضمین شود.

استفاده از این متد در زیردسته وزن‌دهی معیارها به این دلیل اهمیت دارد که دقت محاسبات را به شدت بالا می‌برد. وقتی شما تعداد زیادی معیار (مثلاً بیش از ۷ مورد) داشته باشید، مقایسه زوجی آن‌ها با هم نه تنها خسته‌کننده است، بلکه طبق اصول روانشناختی، نرخ ناسازگاری را به شدت افزایش می‌دهد. با خوشه‌بندی این معیارها در گروه‌های همگن و ایجاد سطوح میانی، ذهن خبره تمرکز بیشتری پیدا کرده و قضاوت‌های دقیق‌تری ارائه می‌دهد. این ساختار درختی، شفافیت مدل را برای ذینفعان پروژه دوچندان می‌کند تا ریشه اصلی هر امتیاز را به دقت ردیابی کنند.

در مقایسه با روش‌های تک‌سطحی مانند روش BWM، روش AHP چند سطحی قدرت سازماندهی بالاتری در نمایش روابط سلسله‌مراتبی دارد. اگرچه روش‌های نوینی مثل روش FUCOM سعی در ساده‌سازی مقایسات دارند، اما هنوز هم در پروژه‌هایی که نیاز به نمایش بصری دقیق از شکستِ اهداف (Goal Decomposition) دارند، AHP چند سطحی حرف اول را می‌زند. این روش به ویژه در تدوین استراتژی‌های سازمانی و پروژه‌های دولتی که ابعاد مختلفی نظیر اقتصادی، اجتماعی و زیست‌محیطی را همزمان در بر می‌گیرند، ابزاری بدون جایگزین برای مدیران تراز اول است.

مثال روش AHP با آموزش گام به گام

روش AHP چند سطحی چه زمانی انجام می شود؟

این رویکرد زمانی رخ می دهد که در مسائل علاوه بر یکسری معیارهای تصمیم گیری، با زیرمعیارهای تصمیم گیری که معیارهای جزئی تر هستند و معیارهای اولیه را تشکیل می دهند نیز مواجه باشیم و در اصطلاح آنها را در سطح دوم ببینیم. ممکن است این سطح معیارها با نگاه ریزتر و دقیق تر به چند سطح معیار دیگر تقسیم می شود.

برای حل این مسائل اول باید وزن معیارها و زیرمعیارها را محاسبه نمود. ابتدا برای معیارهای اصلی، اوزان را از طریق روش هایی که در روش AHP فراگرفته اید( روش حداقل مربعات، روش بردار ویژه و روش های تقریبی) محاسبه می کنیم. سپس تک تک به سراغ سطوح پایین تر می رویم و برای هر سطح از معیارها، اوزان مربوط به آن سطح را محاسبه می کنیم.

مراحل اجرایی و محاسبات وزن‌های ترکیبی (Global Weights)

اولین گام در اجرای این روش، ترسیم دقیق درخت تصمیم است. در این مرحله، هدف در راس قرار می‌گیرد، سپس معیارهای اصلی (Main Criteria) و در زیر هر کدام، زیرمعیارهای مربوطه (Sub-criteria) تعریف می‌شوند. نکته بحرانی در اینجا رعایت اصل «عدم وابستگی» است؛ یعنی هر زیرمعیار فقط باید به معیار بالادستی خود وابسته باشد و با سایر خوشه‌ها تداخل نداشته باشد. پس از تشکیل ساختار، مقایسات زوجی در هر سطح به صورت مجزا انجام می‌شود. یعنی ابتدا معیارهای اصلی نسبت به هدف مقایسه شده و سپس زیرمعیارهای هر گروه نسبت به معیار اصلی خود سنجیده می‌شوند.

بخش اصلی ریاضیات در این روش، محاسبه «وزن نهایی یا ترکیبی» (Global Weight) است. برخلاف AHP ساده، در اینجا وزن هر زیرمعیار از حاصل‌ضرب وزن نسبی آن در وزن معیار بالادستی‌اش به دست می‌آید. به زبان ریاضی، اگر وزن معیار i برابر با W_i و وزن زیرمعیار j از آن معیار برابر با w_{ij} باشد، وزن نهایی زیرمعیار برابر است با W_i \times w_{ij}. این زنجیره ضرب در تمامی سطوح ادامه می‌یابد تا مجموع وزن‌های تمام زیرمعیارها در پایین‌ترین سطح برابر با عدد ۱ شود. این فرآیند دقیقاً همان چیزی است که در تصمیم‌گیری چندمعیاره (MCDM) تفاوت میان یک تحلیل سطحی و یک پژوهش عمیق را رقم می‌زند.

در نهایت، اعتبارسنجی مدل در AHP چند سطحی با حساسیت بیشتری انجام می‌شود. شما باید برای تک‌تک ماتریس‌های مقایسات زوجی در تمام سطوح، محاسبه نرخ ناسازگاری (CR) را انجام دهید. اگر حتی یکی از ماتریس‌های مربوط به زیرمعیارها نرخ ناسازگاری بالای ۰.۱ داشته باشد، کل نتایج نهایی زیر سوال خواهد رفت. به همین دلیل، تسلط بر فرمول‌های ریاضی و استفاده از ابزارهای کمکی در آکادمی نرم‌افزار برای دانشجویان و محققان این حوزه یک ضرورت است تا از صحت نتایج خود قبل از رتبه‌بندی نهایی اطمینان حاصل کنند.

گام های روش AHP چند سطحی

برای شروع به انجام مقایسات و رسیدن به رتبه نهایی از روش زیر استفاده می کنیم:

• با بدست آوردن وزن های واقعی آخرین سطح از معیارها، تمام سطوح معیارها به جز سطح آخر را نادیده می گیریم.
• برای انجام این کار باید ببینیم در صورتی که هر معیاری دارای یکسری زیرمعیار است وزن آن معیار را در وزن زیرمعیارهایش ضرب کنیم.
• در نهایت ببینیم  که مجموع وزن آخرین سطح معیار بازهم یک شود.
• در نهایت این مساله به AHP ساده تبدیل می شود.

روش AHP چند سطحی با مثال عددی

برای انتخاب یک خانه چند محله مختلف در نظر گرفته شده است. این انتخاب دارای چند معیار کلی است که بعضی از آنها از یکسری زیرمعیار تشکیل می شود. نمودار کلی این مساله به شکل زیر است:

مقایسه در سطح اول ( اجتماعی – آسایش – رفاهی)

مقایسه در سطح دوم ( نزدیکی به مترو – نزدیکی به نانوایی – نزدیکی به سوپر)

مقایسه در سطح سوم زیرمعیار – گزینه

محاسبه اوزان نهایی و رتبه بندی گزینه ها

تفاوت‌های کلیدی AHP چند سطحی با مدل‌های شبکه‌ای (ANP)

یکی از سوالات متداول در بخش آموزش مدیریت، تفاوت بین ساختار چند سطحی AHP و روش ANP است. در AHP چند سطحی، جریان اثرگذاری همیشه از بالا به پایین و یک‌طرفه است. به این معنا که معیارها فقط بر زیرمعیارهای خود اثر می‌گذارند و هیچ رابطه عرضی، بازگشتی یا حلقوی بین آن‌ها وجود ندارد. این ساختار خطی باعث می‌شود که حل مسائل بسیار پیچیده با این روش، علیرغم داشتن سطوح زیاد، همچنان دارای منطق ریاضی قابل فهم و ساده‌ای باشد که برای اکثر پایان‌نامه‌ها و پروژه‌های شرکتی مطلوب است.

در مقابل، اگر در مسئله شما بین زیرمعیارهای گروه‌های مختلف رابطه‌ای وجود داشته باشد (مثلاً هزینه بر کیفیت اثر بگذارد)، دیگر ساختار سلسله‌مراتبی پاسخگو نیست و باید به سراغ مدل‌های شبکه‌ای (ANP) رفت. با این حال، به دلیل پیچیدگی بسیار زیاد محاسبات در روش‌های شبکه‌ای و دشواری در تحلیل نتایج، محققان هوشمند ترجیح می‌دهند تا حد امکان با تعریف درست سطوح در روش AHP چند سطحی، مسئله را مدل‌سازی کنند. این کار باعث می‌شود تحلیل حساسیت نتایج بسیار شفاف‌تر باشد و مدیران راحت‌تر به خروجی‌ها اعتماد کنند. برای درک عمیق‌تر این تفاوت‌ها، مطالعه بخش تحقیق در عملیات توصیه می‌شود.

نکته مهم دیگر، نحوه رتبه‌بندی گزینه‌ها در این مدل است. در AHP چند سطحی، گزینه‌ها (Alternatives) همیشه در آخرین سطح قرار می‌گیرند و نسبت به تک‌تک زیرمعیارها مقایسه می‌شوند. این یعنی اگر شما ۴ سطح و ۱۰ زیرمعیار داشته باشید، باید گزینه‌ها را ۱۰ بار با هم مقایسه کنید تا وزن نهایی گزینه‌ها به دست آید. این دقت در سنجش، کیفیت رتبه‌بندی را در روش‌های تکمیلی مانند روش WASPAS یا روش MARCOS که از وزن‌های حاصل از این مرحله استفاده می‌کنند، به شدت تقویت کرده و خطای تصمیم‌گیری را به حداقل می‌رساند.

سوالات متداول و نتیجه‌گیری نهایی

نتیجه‌گیری

روش AHP چند سطحی ابزاری بی‌نظیر برای نظم بخشیدن به آشفتگی‌های ذهنی در تصمیم‌گیری‌های کلان است. با تقسیم یک هدف بزرگ به معیارهای اصلی و زیرمعیارهای خرد، نه تنها دقت ریاضی مدل افزایش می‌یابد، بلکه امکان تحلیل دقیق‌تر نقاط قوت و ضعف هر گزینه فراهم می‌شود. ما در سایت فرابگیر با ارائه مقالات تخصصی در حوزه آمار و تحلیل داده، شما را در تمامی مراحل این مسیر علمی همراهی می‌کنیم تا به نتایجی قابل اتکا و استاندارد دست یابید.