آموزش جامع روش EDAS فازی

در چشم‌انداز تصمیم‌گیری چندمعیاره (MCDM) در سال ۲۰۲۶، روش EDAS فازی که مخفف Evaluation based on Distance from Average Solution است، به عنوان یکی از پایدارترین و کارآمدترین تکنیک‌های رتبه‌بندی شناخته می‌شود. این روش که نخستین بار توسط غرابایی و همکاران معرفی شد، رویکردی متفاوت نسبت به روش‌های کلاسیکی مانند روش TOPSIS فازی یا روش VIKOR فازی دارد. در حالی که تاپسیس بر پایه فاصله از «ایده‌آل مثبت و منفی» عمل می‌کند، EDAS تمرکز خود را بر روی «راه حل میانگین» قرار می‌دهد. این تغییر پارادایم باعث می‌شود که نتایج رتبه‌بندی در برابر داده‌های پرت (Outliers) مقاومت بیشتری داشته باشند.

ورود منطق فازی به این روش، قدرت تحلیلی آن را در مواجهه با عدم قطعیت دوچندان کرده است. در دنیای واقعی، قضاوت‌های انسانی همیشه با نوعی لرزش و ابهام همراه است؛ استفاده از اعداد فازی مثلثی در روش EDAS به تصمیم‌گیرندگان اجازه می‌دهد تا به جای اعداد قطعی، بازه‌هایی از «احتمالات منطقی» را وارد ماتریس تصمیم کنند. این ویژگی باعث می‌شود که خروجی نهایی، نه یک عدد خشک، بلکه برآیندی از تفاوت‌های معنادار گزینه‌ها نسبت به عملکرد متوسط کل سیستم باشد.

روش EDAS فازی به ویژه زمانی که تضاد شدیدی بین معیارها وجود دارد، برتری خود را نشان می‌دهد. این متد با محاسبه دو شاخص حیاتی یعنی «فاصله مثبت از میانگین» (PDA) و «فاصله منفی از میانگین» (NDA)، به دنبال گزینه‌ای است که بیشترین فاصله مثبت (بهتری نسبت به میانگین) و کمترین فاصله منفی (بدتری نسبت به میانگین) را داشته باشد. این منطق ساده اما عمیق، EDAS را به رقیبی جدی برای روش ARAS فازی تبدیل کرده است.

---

روش EDAS فازی؛ هوشمندی در سنجش فاصله‌ها

در دنیای پیچیده امروزی، تصمیم‌گیری‌های مدیریتی اغلب با چالش‌هایی همراه هستند که به دلیل وجود معیارهای متعدد و بعضاً متضاد، ماهیت چندمعیاره دارند. در چنین شرایطی، اتخاذ تصمیمی صحیح و کارآمد مستلزم استفاده از روش‌ها و ابزارهای نوین است.

روش EDAS (Evaluation of Distance from Average Solution) یکی از این ابزارها است که توسط M. Zavadskas, E. Zadunaite, R. Tamošaitiene, Ž. Žilinskaitė در سال 2012 معرفی و در سال 2016 توسط M. Keshavarz, E. Zavadskas, H. Amiri, Z. Zanon به صورت فازی تعمیم داده شد.

روش EDAS فازی، ابزاری قدرتمند برای حل مسائل تصمیم‌گیری چندمعیاره فازی (FCMDM) است که در آن اطلاعات با اعداد فازی که عدم قطعیت و ابهام را به طور ذاتی نشان می‌دهند، ارائه می‌شوند. این روش با اتکا به مفهوم فاصله از میانگین، گزینه‌های مختلف را بر اساس معیارهای فازی ارزیابی و رتبه‌بندی می‌کند.

امروزه پژوهشگران در مقالات علمی معتبر، از EDAS فازی برای اعتبارسنجی مدل‌های خود استفاده می‌کنند. سادگی محاسباتی این روش در کنار دقت بالای آن در تفکیک گزینه‌های نزدیک به هم، آن را به ابزاری محبوب در مدیریت استراتژیک، زنجیره تأمین و مهندسی تبدیل کرده است. اگر به دنبال روشی هستید که میانه‌روی و پایداری را در رتبه‌بندی شما تضمین کند، EDAS فازی بهترین انتخاب است.

---

مزایای روش EDAS فازی: چرا باید از آن استفاده کنیم؟

یکی از اصلی‌ترین مزایای روش EDAS فازی، محاسبات کمتر و سرعت بالاتر نسبت به روش‌هایی است که نیاز به تعیین نقاط ایدئال مطلق دارند. از آنجایی که در این روش «راه حل میانگین» به صورت خودکار از روی داده‌های موجود تولید می‌شود، نیاز به فرآیندهای پیچیده برای یافتن کران‌های بالا و پایین سیستم کاهش می‌یابد. این موضوع در مسائل با ابعاد بزرگ که تعداد گزینه‌ها زیاد است، یک مزیت رقابتی محسوب می‌شود، مشابه آنچه در روش SAW فازی مشاهده می‌کنیم.

مزیت دوم، پایداری نتایج در مواجهه با تغییرات جزئی است. در روش‌هایی که بر پایه فاصله اقلیدسی هستند، اضافه یا حذف شدن یک گزینه بسیار ضعیف یا بسیار قوی می‌تواند رتبه‌بندی سایر گزینه‌ها را به شدت تحت تأثیر قرار دهد. اما در EDAS فازی، چون مبنا «میانگین» است، اثر این نوسانات تعدیل می‌شود. این ویژگی برای مدیرانی که در محیط‌های متلاطم اقتصادی سال ۲۰۲۶ فعالیت می‌کنند و به دنبال رتبه‌بندی‌های قابل اعتماد هستند، بسیار حیاتی است.

علاوه بر این، EDAS فازی در ترکیب با روش‌های وزن‌دهی بسیار منعطف عمل می‌کند. این روش به خوبی با وزن‌های استخراج شده از روش BWM فازی یا روش AHP فازی سازگار است. تفکیک دقیق محاسبات برای معیارهای مثبت (سود) و منفی (هزینه) در این روش به گونه‌ای طراحی شده است که تأثیر واقعی هر وزن بر امتیاز نهایی گزینه به دقت لحاظ شود، بدون اینکه پیچیدگی‌های غیرضروری به مدل اضافه گردد.

در نهایت، خروجی نهایی EDAS فازی (شاخص $AS$) یک عدد نرمال‌شده بین ۰ و ۱ است که درک آن برای ذینفعان غیرمتخصص بسیار آسان است. این شفافیت در ارائه نتایج، مشابه روش WASPAS فازی، باعث می‌شود که گزارش‌های خروجی این روش به سادگی در جلسات هیئت مدیره قابل ارائه و دفاع باشد.

---

معایب و محدودیت‌های روش EDAS فازی

با وجود تمام نقاط قوت، EDAS فازی نیز بدون محدودیت نیست. بزرگترین چالش این روش، حساسیت به توزیع نرمال داده‌ها است. اگر داده‌های ورودی شما به شدت نامتوازن باشند (مثلاً اکثر گزینه‌ها بسیار ضعیف و فقط یکی بسیار قوی باشد)، راه حل میانگین به سمت گزینه‌های ضعیف متمایل می‌شود و ممکن است قدرت تفکیک روش برای گزینه برتر کاهش یابد. در چنین شرایطی، استفاده از روش‌هایی که بر پایه برتری جفتی هستند مانند روش PROMETHEE فازی ممکن است نتایج دقیق‌تری ارائه دهد.

محدودیت دوم در فرآیند دی‌فازی‌سازی نهفته است. در روش EDAS فازی، ما در چندین مرحله با جمع و تفریق اعداد فازی مثلثی روبرو هستیم. اگر از روش‌های دی‌فازی‌سازی نامناسب استفاده شود، ممکن است بخشی از اطلاعات موجود در کران‌های بالا و پایین عدد فازی از دست برود. به همین دلیل، محققان باید در انتخاب متد دی‌فازی‌سازی (مانند مرکز ثقل) بسیار دقیق باشند تا اعتبار علمی پژوهش حفظ شود.

همچنین، این روش فرض می‌کند که میانگین، همیشه نمایانگر وضعیت مطلوب است. در برخی مسائل خاصِ مهندسی که به دنبال دستیابی به استانداردهای مطلق (و نه لزوماً میانگینِ موجود) هستیم، تکیه بر راه حل میانگین ممکن است گمراه‌کننده باشد. در این موارد، روش‌هایی که از نقاط مرجع خارجی استفاده می‌کنند، مانند روش مولتی مورا (MULTIMOORA) فازی، اولویت پیدا می‌کنند.

در نهایت، بار محاسباتی مرحله تعیین PDA و NDA در محیط فازی می‌تواند خسته‌کننده باشد. محاسبه تفاوت‌های فازی برای هر سطر و ستون و اعمال شرط $max(0, dots)$ نیازمند دقت بالایی است تا از خطاهای انسانی جلوگیری شود. به همین دلیل، استفاده از ابزارهای کمکی مثل فایل اکسل آماده EDAS فازی برای اطمینان از صحت خروجی‌ها در پروژه‌های صنعتی یک ضرورت است.

---

کاربردهای روش EDAS فازی در صنایع مختلف

روش EDAS فازی به دلیل ماهیت پایدار خود، در حوزه‌های متنوعی نفوذ کرده است. یکی از اصلی‌ترین کاربردها، ارزیابی عملکرد کارکنان و منابع انسانی است. سازمان‌ها برای رتبه‌بندی عادلانه پرسنل خود، عملکرد هر فرد را نسبت به «میانگین عملکرد کل سازمان» می‌سنجند. این رویکرد باعث می‌شود که افراد نه بر اساس معیارهای دست‌نیافتنی، بلکه بر اساس پتانسیل واقعی موجود در محیط کار ارزیابی شوند.

در حوزه انتخاب تکنولوژی و تجهیزات پزشکی، این روش برای خرید دستگاه‌هایی که معیارهای فنی متعددی دارند، به کار می‌رود. از آنجایی که در پزشکی با ابهام در نتایج عملکردی روبرو هستیم، EDAS فازی به مدیران بیمارستان‌ها کمک می‌کند تا تجهیزاتی را انتخاب کنند که در اکثر شاخص‌ها بالاتر از سطح میانگین بازار قرار دارند. این کاربرد شباهت زیادی به فرآیندهای موجود در [روش VIKOR فازی] دارد.

بخش لجستیک و مکان‌یابی انبارها نیز از دیگر قلمروهای این روش است. برای انتخاب بهترین مکان از بین چندین گزینه، معیارهای متضادی مثل هزینه زمین (منفی) و دسترسی به بزرگراه (مثبت) بررسی می‌شوند. EDAS فازی با تعیین فواصل مثبت و منفی از میانگینِ تمام مکان‌های کاندید، گزینه‌ای را پیشنهاد می‌دهد که بیشترین توازن را داشته باشد. بسیاری از مقالات نوین لجستیک، نتایج این روش را با روش CoCoSo فازی اعتبارسنجی می‌کنند.

در نهایت، در تحلیل ریسک اعتباری بانک‌ها، از این متد برای رتبه‌بندی مشتریان متقاضی وام استفاده می‌شود. بانک‌ها با استفاده از EDAS فازی می‌توانند مشتریانی را که رفتار مالی پایدارتر و بهتری نسبت به میانگین مشتریان دارند، شناسایی کرده و ریسک معوقات بانکی خود را به حداقل برسانند. این رویکرد تحلیلی، EDAS را به ابزاری استراتژیک در فین‌تک (FinTech) تبدیل کرده است.

---

گام‌های اجرایی و الگوریتم محاسباتی روش EDAS فازی

این روش با استفاده از مفهوم فاصله از میانگین، گزینه‌های مختلف را بر اساس معیارهای فازی ارزیابی و رتبه‌بندی می‌کند. گام‌های روش EDAS فازی به شرح زیر است:

مرحله 1: ماتریس ارزیابی را بسازید که می تواند به صورت زیر نمایش داده شود:

مرحله 2: عادی سازی ماتریس ارزیابی Rij برای معیارهای مثبت و منفی

مرحله 3: با توجه به ماتریس تصمیم‌گیری rij و بردار وزن خبرگان، می‌توان rij کلی را با استفاده از عملگر PFWA استخراج کرد که نتایج محاسبات را می‌توان به صورت زیر ارائه کرد.

مرحله 4: مقدار راه حل متوسط ​​(AV) را بر اساس تمام ویژگی های پیشنهادی محاسبه کنید:

مرحله 5: با توجه به نتایج حل میانگین (AV) می‌توان فاصله مثبت از میانگین (PDA) و فاصله منفی از میانگین (NDA) را با استفاده از فرمول زیر محاسبه کرد:

برای راحتی، می توانیم از تابع امتیاز PFN ارائه شده در تعریف 3 برای تعیین نتایج PDA و NDA به صورت زیر استفاده کنیم:

مرحله 6: مقادیر SPi و SNi را که بیانگر مجموع وزنی PDA و NDA است محاسبه کنید، فرمول محاسباتی به صورت زیر ارائه می شود:

مرحله 7: نتایج معادله (20) را می توان به صورت زیر نرمال کرد:

مرحله 8: مقادیر امتیاز ارزیابی (AS) را بر اساس NSPi و NSNi هر جایگزین محاسبه کنید.

مرحله 9. با توجه به نتایج محاسباتی AS، می‌توانیم همه گزینه‌ها را رتبه‌بندی کنیم، هر چه مقدار AS بزرگتر باشد، بهترین جایگزین انتخاب شده خواهد بود.

---

مثال روش EDAS فازی

این مثال از مقاله EDAS METHOD FOR MULTIPLE CRITERIA GROUP DECISION MAKING WITH PICTURE FUZZY INFORMATION AND ITS APPLICATION TO GREEN SUPPLIERS SELECTIONS استخراج شده است.

پنج تامین کننده سبز(A=1،2،3،4،5) انتخاب شده اند و چهار ویژگی برای ارزیابی این تامین کنندگان سبز وجود دارد: G1 عامل قیمت است. G2 عامل تحویل است. G3 عوامل محیطی است. G4 فاکتور کیفیت محصول است.

پنج تامین کننده سبز ممکن (A=1،2،3،4،5) باید با PFN با چهار معیار اوزان معیارها w = (0.25،0.18،0.35،0.22)، وزن خبرگانE = (0.35،0.2،0.45) ارزیابی شوند. ماتریس ارزیابی در جداول 1-3 فهرست شده است.

با توجه به ماتریس تصمیم گیری و بردار وزن متخصص، rij کلی را با استفاده از عملگر تجمع PFWA محاسبه می کنیم، نتایج محاسبات را می توان در جدول 4 ارائه کرد.

با توجه به جدول 4، می توانیم مقدار جواب متوسط ​​(AV) را بر اساس تمام ویژگی های پیشنهادی با فرمول (17) بدست آوریم:

با توجه به نتایج حل میانگین (AV) می توان فاصله مثبت از میانگین (PDA) و فاصله منفی از میانگین (NDA) را با استفاده از فرمول (20) و (21) که در جداول 5-7 آورده شده است محاسبه کرد.

مقادیر SPi و SNi را با معادله (23) و بردار وزنی صفات w = (0.25، 0.18، 0.35، 0.22) محاسبه کنید، می توانیم نتایج را به صورت زیر بدست آوریم:

نتایج مرحله 6 را می توان با فرمول (24) نرمال کرد و نتایج به شرح زیر است:

بر اساس NSPi و NSNi هر جایگزین برای محاسبه مقادیر AS.

با توجه به نتایج محاسباتی AS، می‌توانیم همه گزینه‌ها را رتبه‌بندی کنیم، هر چه مقدار AS بیشتر باشد، بهترین جایگزین انتخاب شده خواهد بود. بدیهی است که رتبه همه جایگزین ها A2>A3>A1>A5>A4 است و A2 بهترین تامین کننده سبز است.

نتیجه گیری

روش EDAS فازی ابزاری قدرتمند و کارآمد برای حل مسائل FCMDM است. این روش به طور ذاتی عدم قطعیت و ابهام را در اطلاعات مدیریت می‌کند و از مزایای دیگری مانند سادگی، قدرت تفکیک و انعطاف‌پذیری برخوردار است. EDAS فازی در طیف گسترده‌ای از مسائل کاربرد دارد و می‌تواند به تصمیم‌گیرندگان در اتخاذ تصمیمات صحیح و کارآمد کمک کند.

در این مقاله، به آموزش جامع روش EDAS فازی پرداخته شد. با این حال، برای درک عمیق‌تر این روش و استفاده مؤثر از آن در حل مسائل واقعی، مطالعه منابع تخصصی و انجام تمرینات عملی ضروری است.

همچنین، توجه به این نکته ضروری است که EDAS فازی تنها یکی از روش‌های متعدد برای حل مسائل FCMDM است. انتخاب روش مناسب برای یک مسئله خاص به عوامل مختلفی مانند نوع مسئله، در دسترس بودن اطلاعات و ترجیحات تصمیم‌گیرنده بستگی دارد.

سوالات متداول در مورد روش EDAS فازی