آموزش جامع روش CoCoSo فازی

روش CoCoSo فازی یکی از جدیدترین و معتبرترین تکنیک‌های تصمیم‌گیری چندمعیاره است که با هدف افزایش پایداری نتایج رتبه‌بندی توسعه یافته است. نام این روش مخفف عبارت Combined Compromise Solution است و همان‌طور که از نامش پیداست، بر پایه یک «راه حل سازشی ترکیبی» عمل می‌کند. در حالی که بسیاری از روش‌ها تنها از یک منطق (مانند فاصله از ایده‌آل) استفاده می‌کنند، CoCoSo با ترکیب چندین رویکرد مختلف، خطای محاسباتی را به حداقل رسانده و نتایجی ارائه می‌دهد که در برابر تغییرات داده‌ها بسیار مقاوم هستند.

در دنیای واقعی، نظرات خبرگان همیشه با قطعیت همراه نیست. روش CoCoSo فازی با بهره‌گیری از منطق فازی، به تصمیم‌گیرندگان اجازه می‌دهد تا ابهامات ذهنی خود را در قالب اعداد فازی مثلثی وارد مدل کنند. این ویژگی باعث شده تا این متد در پروژه‌های پیچیده تحقیق در عملیات که داده‌های کیفی نقش پررنگی دارند، به سرعت جایگزین روش‌های قدیمی‌تر شود. استفاده از این متد در مقالات سال ۲۰۲۴ و ۲۰۲۵ به شدت افزایش یافته است، زیرا داوران ژورنال‌های معتبر به دنبال روش‌هایی با پایداری (Robustness) بالا هستند.

این روش در بخش آمار و تحلیل داده به عنوان یک متد «تأییدی» شناخته می‌شود؛ چرا که از سه شاخص ارزیابی مختلف برای سنجش هر گزینه استفاده می‌کند. اگر محققی بخواهد اطمینان حاصل کند که رتبه‌بندی او تحت تأثیر فرمول‌های خاص یک روش (مثل TOPSIS) قرار نگرفته است، CoCoSo بهترین انتخاب است. این روش نه تنها بهترین گزینه را معرفی می‌کند، بلکه با تحلیل‌های درونی خود، اعتبار رتبه هر گزینه را نیز اثبات می‌نماید.

روش کوکوسو فازی چیست؟

روش کوکوسو (COCOSO) ترکیبی از روش های SAW و WEP می باشد. این روش را می توان خلاصه ای از مجموع راه حل های دیگر در نظر گرفت. در این روش، در رتبه بندی نهایی در مقایسه با سایر روش های MCDM، کمتر یک جایگزین جدید به تجزیه و تحلیل اضافه یا حذف می شود.

همچنین ثبات، استحکام و قابلیت اطمینان بالایی در مرتب‌سازی جایگزین‌ها در روش کوکوسو وجود دارد که این نقاط قوت ترجیح داده می شود. زمانی که از یک مقیاس زبانی فازی ابرای ارائه ترجیحات خبرگان استفاده شود در اصل این روش به کوکوسو فازی تغییر پیدا می کند. این روش Fuzzy CoCoSo برای رتبه بندی گزینه ها با توجه به عملکرد آنها استفاده می شود.

مزایای روش CoCoSo فازی

بزرگترین مزیت روش CoCoSo فازی، ترکیبی بودن منطق امتیازدهی آن است. این روش از دو مدل تجمیع وزن‌دار ضربی (WPM) و جمعی (WSM) به صورت همزمان استفاده می‌کند. این ترکیب باعث می‌شود که نقاط قوت هر دو مدل استفاده شده و نقاط ضعف آن‌ها پوشش داده شود. در واقع، CoCoSo مانند این است که شما یک پروژه را همزمان با دو روش مختلف حل کنید و سپس نتایج را با سه استراتژی مختلف با هم ترکیب کنید تا به یک نتیجه واحد و مستحکم برسید.

مزیت دوم، پایداری خیره‌کننده در تحلیل حساسیت است. در بسیاری از روش‌ها، با تغییر اندک در وزن یکی از معیارها، رتبه گزینه‌ها جابجا می‌شود، اما CoCoSo به دلیل ساختار سه لایه‌ای خود، در برابر نوسانات داده‌ها بسیار پایدار عمل می‌کند. این موضوع در آموزش مدیریت ریسک و تصمیم‌گیری‌های استراتژیک یک مزیت حیاتی است، زیرا مدیران به دنبال نتایجی هستند که با کوچکترین تغییر در شرایط محیطی، بی‌اعتبار نشوند.

علاوه بر این، روش CoCoSo فازی به خوبی با سایر متدهای وزن‌دهی مانند روش SWARA فازی یا روش BWM فازی هماهنگ می‌شود. سادگی در پیاده‌سازی گام‌های نهایی در عین پیچیدگی منطق پشت آن، باعث شده تا این روش هم برای دانشجویان جهت انجام پایان‌نامه و هم برای متخصصان صنایع جهت انتخاب تأمین‌کننده یا مکان‌یابی، ابزاری ایده‌آل و مدرن باشد.

معایب روش CoCoSo فازی

با وجود تمام مزایا، یکی از معایب روش CoCoSo فازی، طولانی بودن گام‌های محاسباتی در مرحله نهایی است. برخلاف روش‌هایی که با یک شاخص نهایی (مثل شاخص Q در ویکور) کار را تمام می‌کنند، در CoCoSo شما باید سه استراتژی مختلف را برای هر گزینه محاسبه کنید و سپس آن‌ها را از طریق یک فرمول ترکیبی دیگر به رتبه نهایی تبدیل کنید. این موضوع احتمال بروز خطای محاسباتی در محاسبات دستی را به شدت افزایش می‌دهد.

عیب دیگر این است که این روش نسبت به نرمال‌سازی داده‌ها حساسیت بالایی دارد. اگر داده‌های ورودی به درستی بی‌مقیاس نشوند، به دلیل استفاده از توان و ضرب در مدل WPM، ممکن است نتایج به شدت منحرف شوند. به همین دلیل، تسلط بر اصول روش‌های نرمال‌سازی پیش از شروع این متد الزامی است.

در نهایت، CoCoSo یک روش نسبتاً جدید است و ممکن است برخی از اساتید سنتی در دانشگاه‌ها هنوز با منطق آن به خوبی آشنا نباشند. این موضوع ممکن است دانشجو را مجبور کند که زمان بیشتری را صرف تشریح مبانی ریاضی این روش در جلسات دفاع کند. البته این عیب با ارائه رفرنس‌های معتبر ISI که از این روش استفاده کرده‌اند، به سادگی به یک نقطه قوت تبدیل می‌شود.

کاربردهای روش CoCoSo فازی

روش CoCoSo فازی در انتخاب تأمین‌کننده پایدار (Sustainable Supplier Selection) کاربرد بسیار گسترده‌ای پیدا کرده است. از آنجا که در این پروژه‌ها معیارهای متضاد (مثل قیمت، کیفیت و مسائل زیست‌محیطی) وجود دارد، مدل ترکیبی CoCoSo می‌تواند بهترین موازنه را بین این معیارها برقرار کند. این روش به مدیران زنجیره تأمین کمک می‌کند تا گزینه‌ای را انتخاب کنند که در تمامی ابعاد نمره قابل قبولی دارد.

در حوزه ارزیابی تکنولوژی و انتخاب نرم‌افزار، جایی که ویژگی‌های کیفی و فنی با هم ترکیب می‌شوند، CoCoSo به عنوان یک ابزار دقیق عمل می‌کند. برای مثال، در انتخاب یک ERP سازمانی، استفاده از این متد باعث می‌شود که برتری یک نرم‌افزار در بخش فنی، ضعف‌های حیاتی آن در بخش پشتیبانی را به طور کاذب نپوشاند. این متد در پروژه‌های تحقیق در عملیات به عنوان یکی از دقیق‌ترین ابزارهای رتبه‌بندی شناخته می‌شود.

همچنین در مدیریت منابع انسانی برای رتبه‌بندی متقاضیان استخدام یا ارزیابی عملکرد سالانه، این روش بسیار کارآمد است. به دلیل ماهیت عادلانه در ترکیب امتیازات، CoCoSo از سوگیری‌های احتمالی جلوگیری کرده و گزینه‌ای را معرفی می‌کند که بیشترین “سازش” را با اهداف سازمان دارد. این متد در تمامی رشته‌های مهندسی، مدیریت و اقتصاد که نیاز به اولویت‌بندی دقیق دارند، قابل استفاده است.

گام‌های روش CoCoSo فازی

حل این روش در 6 گام انجام می شود که در ادامه به تشریح آن خواهیم پرداخت.

گام اول: تشکیل ماتریس تصمیم فازی

در گام اول می بایست ماتریس تصمیم گیری فازی (Z) را بر اساس جدول مقایسات فازی ایجاد نمایید. امتیاز گزینه‌ها نسبت به معیارها بر اساس نظرات خبرگان با اعداد فازی مثلثی وارد می‌شود. وزن معیارها نیز باید از قبل مشخص شده باشد (مثلاً از طریق روش OPA).

در ماتریس بالا مقدار zij = (zl ij, zm ij , zu ij) مقدار فازی i امی شاخص در jامین گزینه می باشد.

گام دوم: ایجاد ماتریس تصمیم فازی نرمال شده (Re)

این ماتریس با استفاده از معادلات 7 (برای معیارهای غیرسودمند) و 8(برای معیارهای سودمند)، یعنی به روش زیر نرمال می شود:

روش کوکوسو فازی روش کوکوسو فازی روش کوکوسو فازی روش کوکوسو فازی روش کوکوسو فازی

گام سوم: محاسبات آرایه های مقایسه پذیر S وP

مجموع آرایه های مقایسه پذیر (Sei) و مجموع وزن های توان (Pei) آرایه های مقایسه پذیر را محاسبه کنید. قابلیت مقایسه پذیر برای مجموع آرایه ها با معادله (9) و برای مجموع وزن های توان آرایه های مقایسه پذیر با معادله (10) به صورت زیر بدست می آید.

گام چهارم: محاسبه سه نمره ارزیابی فازی (fia، fib، fic)

سه مجموعه استراتژی ارائه شده در معادلات (11) – (13) برای دستیابی به سه امتیاز ارزیابی فازی اعمال می شود.

در رابطه (13)، λ معمولاً 0.5 در نظر گرفته می شود. تصمیم گیرندگان نیز تعیین می کنند.

گام پنجم: محاسبه ارزیابی خالص

نمرات ارزیابی فازی (fia، fib، fic) با استفاده از معادلات به نمرات ارزیابی خالص (fia، fib، fic) تبدیل می‌شوند.

گام ششم: محاسبه مقدار قطعی

نمرات ارزیابی قطعی برای دستیابی به امتیاز نهایی (fi) برای هر جایگزین با استفاده از معادله 17 ترکیب می شوند.

از ترکیب سه استراتژی مرحله قبل، یک امتیاز نهایی برای هر گزینه به دست می‌آید. گزینه‌ای که بالاترین امتیاز نهایی را داشته باشد، رتبه اول را کسب می‌کند. گزینه با بالاترین امتیاز بهترین است.

مثال روش CoCoSo فازی

مثال زیر از مقاله A NEW HYBRID FUZZY PSI-PIPRECIA-COCOSO MCDM BASED APPROACH TO SOLVING THE TRANSPORTATION COMPANY SELECTION PROBLEM استخراج شده است.

اطلاعات جدول تصمیم گیری از جدول 9 مقاله استخراج می شود.

ماتریس تصمیم فازی در جدول 9 ارائه شده است. ماتریس با استفاده از معادلات (7) و (8) نرمال شد. ماتریس نرمال شده فازی در جدول 12 ارائه شده است.

با استفاده از معادلات (9) و (10)، به ترتیب مجموع فازی مقایسه وزنی (Si) و وزن توان توالی های مقایسه (Pi) برای هر شرکت حمل و نقل محاسبه شد. در محاسبه این مقادیر، از وزن ترکیبی معیارها به عنوان وزن معیار استفاده شد (جدول 11). این مقادیر در جدول 13 نشان داده شده است.

با استفاده از معادلات (11) – (13)، سه نمره ارزیابی فازی (fia، fib، fic) برای هر شرکت حمل و نقل به دست آمد. نمرات ارزیابی در جدول 14 نشان داده شده است.

این نمرات ارزیابی فازی (fia، fib، fic) با استفاده از معادلات (14)- (16) به نمرات ارزیابی واضح (fia، fib، fic) تبدیل شدند. این امتیازات واضح در جدول 15 ارائه شده است.

نمرات ارزیابی فوق با استفاده از معادله (17) برای به دست آوردن امتیاز نهایی (fi) برای هر شرکت حمل و نقل ترکیب شدند. نمرات نهایی و رتبه بندی شرکت های حمل و نقل در جدول 16 آورده شده است.

تجزیه و تحلیل حساسیت در روش CoCoSo فازی

تجزیه و تحلیل حساسیت (Sensitivity Analysis) یکی از مراحل حیاتی در هر مدل تصمیم‌گیری چندمعیاره، به‌ویژه در روش CoCoSo فازی است. هدف از این تحلیل، بررسی میزان پایداری رتبه‌بندی نهایی در صورت تغییر در وزن معیارها یا تغییر در استراتژی‌های ترکیبی است. از آنجا که CoCoSo از سه استراتژی مختلف برای امتیازدهی استفاده می‌کند، بسیار مهم است که بدانیم آیا با تغییر اندک در اهمیت یک معیار (مثلاً هزینه)، رتبه اول گزینه‌ها جابجا می‌شود یا خیر. این فرآیند به تصمیم‌گیرنده اطمینان می‌دهد که نتایج به دست آمده تصادفی نبوده و مدل از استحکام ریاضی بالایی برخوردار است.

در اجرای تحلیل حساسیت برای این روش، معمولاً وزن معیارها در چندین سناریوی مختلف تغییر داده می‌شود. به عنوان مثال، اگر وزن‌ها از طریق روش آنتروپی شانون به دست آمده باشند، تحلیل‌گر ممکن است وزن یک معیار کلیدی را ۱۰ تا ۵۰ درصد افزایش یا کاهش دهد تا رفتار گزینه‌ها را مشاهده کند. در بخش آمار و تحلیل داده، اگر در تمامی این سناریوها گزینه برتر ثابت بماند، اصطلاحاً گفته می‌شود که مدل «پایدار» (Robust) است. این ویژگی در مقالات ISI یک امتیاز بسیار بزرگ محسوب شده و داوران را برای پذیرش مقاله متقاعد می‌کند.

علاوه بر تغییر وزن‌ها، در روش CoCoSo فازی می‌توان پارامتر لایه‌بندی (معمولاً عدد ۰.۵) را نیز در تحلیل حساسیت مورد بررسی قرار داد. این پارامتر که تعادل بین میانگین حسابی و هندسی را در استراتژی سوم برقرار می‌کند، می‌تواند بر اساس رویکرد مدیران (ریسک‌پذیر یا ریسک‌گریز بودن) تغییر یابد. در آموزش مدیریت استراتژیک، این تحلیل به مدیران کمک می‌کند تا بفهمند نتایج تصمیم‌گیری تا چه حد به تغییرات محیطی وابسته است. استفاده از فایل‌های اکسل آماده که قابلیت تغییر لحظه‌ای وزن‌ها را دارند، انجام این مرحله پیچیده را بسیار ساده و سریع می‌کند.

در نهایت، انجام تحلیل حساسیت در کنار روش CoCoSo، به محقق این امکان را می‌دهد که یک تحلیل مقایسه‌ای (Comparative Analysis) نیز ارائه دهد. به این صورت که نتایج را با خروجی‌های روش‌های دیگری نظیر روش VIKOR فازی یا روش TOPSIS فازی مقایسه کرده و در صورت هم‌خوانی نتایج، صحت مدل خود را اثبات نماید. این رویکرد ترکیبی، استاندارد طلایی در پروژه‌های پیچیده تحقیق در عملیات است که نه تنها بهترین گزینه را معرفی می‌کند، بلکه حد تحمل و مرزهای اطمینان تصمیم را نیز برای سازمان روشن می‌سازد.

نتیجه‌گیری

روش CoCoSo فازی با ورود به عرصه تصمیم‌گیری چندمعیاره، استانداردهای دقت و پایداری را جابجا کرده است. این روش با بهره‌گیری از سه لایه کنترلی در محاسبات خود، اطمینان از درستی رتبه‌بندی را دوچندان می‌کند. اگرچه محاسبات آن نسبت به روش‌های کلاسیکی مثل روش TOPSIS فازی پیچیده‌تر است، اما نتایج آن در محیط‌های مبهم و حساس، بسیار قابل اعتمادتر است.

در نهایت، استفاده از این تکنیک نوین در پژوهش‌های علمی، نشان‌دهنده تسلط محقق بر جدیدترین ابزارهای تحقیق در عملیات است. برای دسترسی به نتایج بدون خطا، استفاده از فایل‌های اکسل آماده که تمامی این مراحل را به صورت زنجیره‌ای انجام می‌دهند، بهترین راهکار برای دانشجویان و مدیران است.

سوالات متداول روش CoCoSo فازی