آموزش جامع روش EDAS

روش EDAS که مخفف Evaluation based on Distance from Average Solution است، در سال ۲۰۱۵ معرفی شد و به سرعت به یکی از محبوب‌ترین ابزارهای تصمیم‌گیری چندمعیاره (MCDM) تبدیل گشت. منطق اصلی این روش این است که برای رتبه‌بندی گزینه‌ها، نیازی نیست همیشه فواصل از ایده‌آل‌ها (مثل روش TOPSIS) سنجیده شود؛ بلکه می‌توان با تعریف یک «راه حل میانگین»، گزینه‌هایی که بالاتر از میانگین (سودمند) و پایین‌تر از میانگین (تأسف‌بار) هستند را شناسایی کرد.

این روش در دسته رتبه‌بندی گزینه‌ها زمانی کاربرد دارد که داده‌ها دارای نوسان (Outliers) هستند و نمی‌خواهیم یک عدد خیلی بزرگ یا خیلی کوچک، کل نتایج را تحت تأثیر قرار دهد. برای شروع کار، شما به وزن معیارها نیاز دارید که می‌توانید آن‌ها را از روش BWM یا روش انتروپی شانون دریافت کنید. روش EDAS با استفاده از این وزن‌ها، تعادلی میان نقاط قوت و ضعف گزینه‌ها ایجاد می‌کند.

مفهوم روش EDAS و فلسفه ثبات در تصمیم‌گیری

روش Evaluation Based on Distance from Average Solution) EDAS) به معنی ارزیابی بر اساس فاصله از میانگین راه حل می باشد. این تکنیک اولین بار توسط مهدی کشاورز قرابایی و همکاران در سال 2015 ارائه شد. در روشهایی همانند تاپسیس و یا ویکور ما گزینه مطلوب را بر اساس فاصله از ایده آل مثبت و منفی می سنجیم، یعنی گزینه ای مطلوب است که کمترین فاصله را از ایده آل مثبت و بیشترین فاصله را از ایده آل منفی دارد.

اما در روش ایداس (EDAS) بهترین راه حل مربوط به فاصله از میانگین راه حل (AV) است. در این روش ما نیازی به محاسبه ایده آل مثبت و منفی نداریم بلکه دو معیار را برای ارزیابی مطلوب بودن گزینه ها در نظر می گیریم؛ اولین اندازه گیری فاصله مثبت از میانگین (PDA) است و دوم فاصله منفی از میانگین (NDA) است.

این اقدامات می تواند تفاوت بین هر گزینه و راه حل متوسط ​​را نشان دهد. ارزیابی گزینه ها با توجه به ارزش بالاتر PDA و مقادیر پایین تر NDA صورت می گیرد مقادیر بالاتر PDA و یا مقادیر کمتر NDA نشان دهنده این است که آن گزینه بهتر است.

گام های روش EDAS (ایداس)

اولین گام در این روش همانند روشهای مشابه، تشکیل ماتریس تصمیم است یعنی ماتریس معیار-گزینه. ماتریسی که ستون های آن معیارها و سطرهای آن گزینه های پژوهش هستند.

این تکنیک در زمره روش های معیار گزینه ای می باشد یعنی هدف آن رتبه بندی گزینه های مساله تصمیم گیری است. در این روش همچنین باید وزن معیارها نیز از قبل محاسبه شده باشد پس از ورودی های این روش عبارتند از:

1. وزن معیارها
2. ماهیت معیارها از نظر مثبت و منفی بودن
3. ماتریس تصمیم

گام اول: تشکیل ماتریس تصمیم

اولین گام در این روش تشکیل ماتریس تصمیم است همانطور که در رابطه زیر دیده می شود ماتریس تصمیم این روش در واقع ارزیابی هر گزینه نسبت به هر معیار است مثلا X12 ارزیابی گزینه اول نسبت به معیار دوم است. این ماتریس تصمیم توسط اعداد واقعی و یا طیف های کلامی تکمیل می شود.

گام دوم: محاسبه میانگین راه حل معیارها

در این گام با استفاده از رابطه زیر میانگین راه حل برای معیارها محاسبه می شود که در واقع همان میانگین داده ها برای هر ستون معیار می باشد.

گام سوم: محاسبه PDA و NDA

در این گام با استفاده از روابط زیر مقادیر فاصله مثبت از میانگین (PDA) است و فاصله منفی از میانگین (NDA) را محاسبه می کنیم.

اگر معیار جنبه مثبت داشته باشد از رابطه زیر استفاده می شود. جنبه مثبت یعنی افزایش معیار باعث سود گردد.

اگر معیار جنبه منفی داشته باشد از رابطه زیر استفاده می شود. جنبه منفی یعنی کاهش معیار باعث سود گردد.

گام چهارم: محاسبه مقادیر SP و SN

در این گام با استفاده از روابط زیر مقادیر SP و SN محاسبه می شود در واقع این گام وزن دار کردم مقادیر PDA و NDA مرحله قبل می باشد و باید وزن معیارها در این متغیرها ضرب شود.

گام پنجم: محاسبه مقادیر نرمال SP و SN

در این گام با استفاده از روابط زیر مقادیر SP و SN که در مرحله قبل محاسبه شد را نرمال می کنیم

گام ششم: رتبه بندی نهایی گزینه ها

در این بخش با استفاده از رابطه زیر امتیاز نهایی گزینه ها را محاسبه و سپس آن ها را رتبه بندی می کنیم.

استفاده از فایل اکسل روش EDAS به شما کمک می‌کند تا این فرمول‌های پیچیده (به خصوص در تفکیک PDA و NDA برای معیارهای هزینه‌ای) را بدون خطای انسانی انجام دهید. این ابزار در آکادمی نرم‌افزار ما برای سرعت‌بخشی به پروژه‌های تحقیق در عملیات طراحی شده است.

مثال عددی و حل روش EDAS (ایداس)

مثال این روش از مقاله An integrated method using MACBETH and EDAS methods for evaluating steam boiler alternatives استخراج شده است. در گام اول با استفاده از روش MACBETH اوزان معیارها محاسبه شده است. در ادامه با استفاده از روش EDAS رتبه بندی صورت پذیرفته است.

گام اول

گام دوم

گام سوم

گام چهارم

گام پنجم

گام ششم

برای درک بهتر روش و گام های حل روش در اکسل می توانید فایل زیرا دانلود و با مشاهده فیلم آموزشی به کلیات روش تسلط پیدا کنید.

تحلیل حساسیت و مقایسه با روش VIKOR

در مقالات تخصصی آموزش مدیریت، همیشه پیشنهاد می‌شود که نتایج EDAS با سایر روش‌ها مقایسه شود. برتری EDAS نسبت به روش VIKOR در سادگی محاسبات و عدم نیاز به پارامترهای قضاوتی (مثل ضریب v در ویکور) است. ایداس به طور ذاتی پایداری بالایی دارد و در تحلیل حساسیت نشان داده است که نسبت به تغییرات جزئی در وزن معیارها، رتبه‌بندی منطقی‌تری ارائه می‌دهد.

تحلیل PDA و NDA به مدیران اجازه می‌دهد نه تنها رتبه اول را بشناسند، بلکه بفهمند کدام گزینه در کدام شاخص‌ها «فراتر از انتظار» (PDA بالا) و در کدام شاخص‌ها «بحرانی» (NDA بالا) عمل کرده است. این ویژگی، روش EDAS را از یک ابزار ریاضی صرف، به یک ابزار مشاوره استراتژیک تبدیل می‌کند.

پیاده‌سازی روش EDAS در اکسل و تحلیل نتایج

با توجه به ساختار چندمرحله‌ای این روش، پیاده‌سازی آن در محیط صفحه گسترده نیازمند دقت در فرمول‌نویسی شاخص‌های تفکیکی است. در آکادمی نرم‌افزار فرابگیر، فرآیند اجرای ایداس به شکلی آموزش داده می‌شود که دانشجو بتواند به صورت پویا بین معیارهای مثبت و منفی تمایز قائل شود. چالش اصلی در اینجا، استفاده از توابع شرطی برای محاسبه PDA و NDA است؛ چرا که در معیارهای هزینه‌ای، برخلاف معیارهای سودی، مقادیر کمتر از میانگین به عنوان امتیاز مثبت (فاصله مثبت) تلقی می‌شوند. این دقت در جزئیات است که کیفیت خروجی را در بخش آمار و تحلیل داده تضمین می‌کند.

استفاده از فایل اکسل روش EDAS به شما این امکان را می‌دهد که پس از وارد کردن ماتریس تصمیم و وزن‌های حاصل از وزن‌دهی معیارها، بلافاصله نمودار رتبه‌بندی نهایی را مشاهده کنید. یکی از قابلیت‌های مهم این فایل، امکان انجام سریع تحلیل حساسیت است؛ به این معنا که می‌توانید تأثیر تغییر در داده‌های خام یا وزن‌ها را بر روی رتبه گزینه‌ها در لحظه رصد کنید. این رویکرد سیستماتیک در تحقیق در عملیات، اعتبار نتایج شما را برای ارائه در جلسات دفاع یا ارسال به مجلات معتبر علمی به شدت افزایش می‌دهد.

سوالات متداول

نتیجه‌گیری

روش EDAS به عنوان یکی از کارآمدترین تکنیک‌ها در دسته رتبه‌بندی گزینه‌ها، با تغییر پارادایم از «فاصله از ایده‌آل» به «فاصله از میانگین»، پایداری و ثبات را به فرآیند تصمیم‌گیری تزریق کرده است. این متد به دلیل حساسیت پایین نسبت به داده‌های پرت و نوسانات شدید ماتریس تصمیم، ابزاری بسیار مطمئن در مباحث تحقیق در عملیات است. استفاده از شاخص‌های PDA و NDA به جای نرمال‌سازی‌های سنتی، به محقق این امکان را می‌دهد که عملکرد هر گزینه را در یک ترازوی واقعی نسبت به کل جامعه آماری بسنجد و از سوگیری‌های ناشی از گزینه‌های بسیار ضعیف یا بسیار قوی در امان بماند.

از منظر کاربردی، تسلط بر روش ایداس و پیاده‌سازی آن در محیط‌های محاسباتی، یک مزیت رقابتی بزرگ برای دانشجویان و پژوهشگران در بخش آمار و تحلیل داده محسوب می‌شود. ترکیب این روش با متدهای نوین وزن‌دهی مانند روش BWM، مدلی یکپارچه و علمی ایجاد می‌کند که در داوری مقالات ISI و جلسات دفاع پایان‌نامه از اعتبار بالایی برخوردار است. در واقع، EDAS نه تنها یک رتبه‌بندی ارائه می‌دهد، بلکه با تحلیل فاصله‌های مثبت و منفی، نمایی دقیق از نقاط قوت و ضعف استراتژیک هر گزینه را برای مدیران ترسیم می‌کند که در روش‌هایی مثل تاپسیس کمتر دیده می‌شود.

در نهایت، برای دستیابی به نتایج دقیق و حرفه‌ای، توصیه می‌شود محققان از ابزارهای استاندارد مانند فایل اکسل روش EDAS استفاده کنند تا از پیچیدگی‌های فرمول‌نویسی دستی رها شده و تمرکز خود را بر تحلیل خروجی‌ها معطوف نمایند. ما در آکادمی نرم‌افزار فرابگیر بر این باوریم که یادگیری این متد در کنار سایر متدهای تصمیم‌گیری چندمعیاره (MCDM)، جعبه ابزار تحلیلی شما را برای مواجهه با مسائل پیچیده مدیریتی تکمیل می‌کند. این روش با ارائه شاخص مطلوبیت نهایی بین ۰ تا ۱، شفاف‌ترین تصویر را از برتری گزینه‌ها ارائه داده و فرآیند انتخاب بهترین راهکار را به شکلی علمی و مستدل به پایان می‌رساند.