روش KEMIRA چیست؟
در دنیای واقعی، تصمیمگیری بهندرت بر اساس یک معیار انجام میشود. انتخاب محل احداث بیمارستان، انتخاب پروژه سرمایهگذاری، انتخاب تأمینکننده، انتخاب نرمافزار یا حتی تصمیمات مدیریتی روزمره، همگی نیازمند بررسی چندین معیار بهصورت همزمان هستند.
به همین دلیل، شاخهای از علم تصمیمگیری با عنوان تصمیمگیری چندمعیاره (Multi-Criteria Decision Making) شکل گرفته است. در میان روشهای متنوع این حوزه، روش KEMIRA بهعنوان یکی از روشهای دقیق، ساختارمند و مبتنی بر نظر خبرگان شناخته میشود.
آنچه می خوانید
چرا روش KEMIRA معرفی شد؟
بسیاری از روشهای کلاسیک MCDM مانند AHP یا TOPSIS با چالشهایی روبهرو هستند، از جمله:
- وابستگی شدید به قضاوت ذهنی
- نادیده گرفتن اختلاف نظر خبرگان
- ناسازگاری در وزندهی معیارها
روش KEMIRA با هدف رفع این مشکلات معرفی شد و تمرکز آن بر:
- مدیریت اختلاف نظر خبرگان
- یافتن اجماع منطقی
- تعیین وزنهای سازگار
- کاهش سوگیری انسانی
معرفی روش KEMIRA
روش KEMIRA مخفف عبارت Kemeny Median Indicator Rank Accordance است. این روش بر پایهی مفهوم میانه کِمِنی (Kemeny Median) بنا شده و تلاش میکند یک ترتیب اولویت از معیارها پیدا کند که کمترین فاصله را با نظرات خبرگان داشته باشد.
ویژگیها و مزایای روش KEMIRA
- استفاده از نظر چند خبره بهصورت همزمان
- عدم نیاز به وزندهی مستقیم در ابتدا
- کاهش تعارض بین اولویتها
- مناسب برای مسائل پیچیده واقعی
- دقت بالا در رتبهبندی نهایی
مفاهیم پایه در روش KEMIRA
- گزینهها (Alternatives): انتخابهایی که میخواهیم رتبهبندی کنیم.
- معیارها (Criteria): شاخصهایی که گزینهها بر اساس آنها ارزیابی میشوند.
گروهبندی معیارها: این گروهبندی باعث میشود:
- تعارض بین معیارها بهتر مدیریت شود
- تحلیل واقعگرایانهتری انجام شود
- وزندهی نهایی منطقیتر باشد
مراحل کلی اجرای روش KEMIRA
در این بخش، مراحل روش KEMIRA را بهصورت کاملاً مفهومی و مرحلهبهمرحله توضیح میدهیم تا کاربر قبل از ورود به مثال عددی، تصویر روشنی از کل فرآیند داشته باشد.
مرحله 1: تعریف مسئله و شناسایی گزینهها
در این مرحله:
- مسئله تصمیمگیری بهصورت دقیق تعریف میشود
- گزینههای قابل انتخاب مشخص میشوند
خروجی این مرحله: لیست گزینهها (A1، A2، …)
مرحله 2: تعیین معیارها و گروهبندی آنها
- معیارهای مؤثر شناسایی میشوند
- معیارها به دو گروه X و Y تقسیم میشوند
- نوع معیارها (سود یا هزینه) مشخص میشود
خروجی: لیست معیارها + گروهبندی آنها
مرحله 3: تشکیل ماتریس تصمیم
ماتریس تصمیم شامل:
- سطرها: گزینهها
- ستونها: معیارها
- درایهها: مقدار عملکرد هر گزینه نسبت به هر معیار
مرحله 4: نرمالسازی ماتریس تصمیم
به دلیل تفاوت مقیاس معیارها:
- دادهها نرمال میشوند
- تمام مقادیر به بازه [0,1] منتقل میشوند
این کار باعث میشود:
- مقایسه منصفانه انجام شود
- وزندهی معنیدار باشد
مرحله 5: دریافت اولویت معیارها از خبرگان
از هر خبره خواسته میشود:
- معیارها را فقط رتبهبندی کند
- بدون اختصاص عدد وزن
این کار برای هر دو گروه X و Y انجام میشود.
مرحله 6: تشکیل ماتریسهای اولویت خبرگان
نظر هر خبره به:
- یک ماتریس دودویی مربعی تبدیل میشود
- پایه محاسبات بعدی را تشکیل میدهد
مرحله 7: محاسبه فاصله کِمِنی بین ماتریسها
در این مرحله:
- فاصله هر دو ماتریس خبره محاسبه میشود
- میزان اختلاف نظرها مشخص میشود
مرحله 8: استخراج ماتریس میانه (Median Matrix)
تمام ترتیبهای ممکن معیارها بررسی میشوند و:
- ماتریسی که کمترین مجموع فاصله را دارد انتخاب میشود
- ترتیب نهایی معیارها مشخص میشود
مرحله 9: تولید مجموعه وزنهای ممکن
با توجه به ترتیب نهایی:
- مجموعهای از وزنهای سازگار تولید میشود
- ترتیب اهمیت معیارها حفظ میشود
- مجموع وزنها برابر ۱ است
مرحله 10: محاسبه تابع هدف و انتخاب وزن نهایی
برای هر مجموعه وزن:
- امتیاز گزینهها محاسبه میشود
- تابع هدف KEMIRA ارزیابی میشود
- وزنی که بهترین تعادل را ایجاد کند انتخاب میشود
مرحله 11: محاسبه امتیاز نهایی گزینهها
با وزن نهایی:
- امتیاز هر گزینه محاسبه میشود
- رتبهبندی نهایی انجام میشود
مرحله 12: تحلیل و تصمیمگیری نهایی
در این مرحله:
- بهترین گزینه مشخص میشود
- نتایج تفسیر میشوند
- امکان تحلیل حساسیت وجود دارد