مشاوره آنلاین مشاوره تلفنی

مثال روش OPA

قیمت اصلی 500.000 تومان بود.قیمت فعلی 480.000 تومان است.

روش OPA (Ordered Weighted Averaging) با گرفتن مقادیر معیارهای هر گزینه، آن‌ها را مرتب می‌کند و سپس با وزن‌هایی که فقط به ترتیب (نه خودِ نام معیار) وابسته‌اند، یک امتیاز نهایی می‌سازد. این باعث می‌شود تصمیم‌گیرنده بتواند اثر “بهترین‌ها/بدترین‌ها” را با تنظیم وزن‌های ترتیب‌محور کنترل کند.

این محصول شامل:

  • فیلم آموزش روش OPA
  • فایل اکسل به صورت کامل فرموله می باشد.
  • امکان تغییر معیارها و شاخص ها و اعداد برای محاسبه مجدد ممکن است.
  • این فایل قابلیت گسترش و تغییر ساختار را دارا می باشد.
Guaranteed Safe Checkout

OPA معمولاً به معنی Ordered Weighted Averaging (میانگین وزنی مرتب‌شده) است؛ یک روش رتبه‌بندی/ترکیب چندمعیاره که به جای اینکه وزن هر معیار دقیقاً به همان معیارِ مشخص بچسبد، وزن‌ها را روی ترتیب (بزرگی/کوچکی) مقادیر می‌گذارد. به بیان ساده:

  1. برای هر گزینه، مقادیر چند معیار را می‌گیریم
  2. آن مقادیر را مرتب می‌کنیم
  3. سپس با وزن‌های تابع‌شده به ترتیب (نه خودِ معیار) تجمیع می‌کنیم
    در نتیجه OPA برای تصمیم‌هایی مناسب است که می‌خواهیم “رفتار محافظه‌کارانه/خوش‌بینانه/میانه” داشته باشیم.

نمادگذاری مثال روش OPA

  • گزینه‌ها: (A_i), (i=1..m)
  • معیارها: (C_j), (j=1..n)
  • داده خام: (x_{ij})
  • وزن‌های OPA: (w_1, w_2, …, w_n) که معمولاً: [ w_1 ge w_2 ge dots ge w_n,quad sum_{j=1}^{n} w_j = 1 ]
  • ابتدا باید معیارها را هم‌جهت کنیم (سود/هزینه).

گام 1) هم‌جهت‌سازی و نرمال‌سازی (اگر لازم باشد)

اگر معیارها هم‌واحد و هم‌جهت نیستند، ابتدا یک نرمال‌سازی انجام می‌شود. چارچوب رایج:

نوع معیار نرمال‌سازی پیشنهادی نتیجه
سودمند (r_{ij}=dfrac{x_{ij}}{max_i(x_{ij})}) هرچه بیشتر بهتر
هزینه‌ای (r_{ij}=dfrac{min_i(x_{ij})}{x_{ij}}) هرچه بیشتر بهتر
پس به جای (x_{ij}) از (r_{ij}) استفاده می‌کنیم.

گام 2) مرتب‌سازی مقادیر معیار برای هر گزینه

برای هر گزینه (A_i)، مقادیر (r_{ij}) را به ترتیب نزولی مرتب می‌کنیم و می‌نویسیم: [ r_{i(1)} ge r_{i(2)} ge dots ge r_{i(n)} ] که (r_{i(k)}) یعنی مقدارِ (k)-امین معیار بعد از مرتب‌سازی.

گام 3) محاسبه امتیاز نهایی (OPA)

امتیاز گزینه: [ S_i = sum_{k=1}^{n} w_k , r_{i(k)} ]

تفسیر وزن‌های مرتب‌شده

  • اگر (w_1) بزرگ باشد: گزینه‌هایی که حداقل/میانگین‌های پایین دارند کمتر آسیب می‌بینند؟ (بسته به شکل وزن‌ها)
  • حالت رایج تفسیر:
    • خوش‌بینانه‌تر وقتی وزن‌های بزرگ به مقادیر بالاتر می‌افتد
    • محافظه‌کارانه‌تر وقتی وزن بیشتری به مقادیر پایین‌تر داده می‌شود (در این حالت معمولاً وزن‌ها برحسب ترتیب برعکس تعریف می‌شوند یا معیارها/مرتب‌سازی معکوس می‌شود) چون در منابع مختلف قراردادِ مرتب‌سازی و جهت وزن‌ها ممکن است کمی فرق کند، اگر بخواهید دقیقاً مطابق مقاله خودتان بنویسم، کافی است بگویید در منبع شما «نزولی» یا «صعودی» مرتب می‌کنند و وزن‌ها چگونه مرتب شده‌اند.

مثال روش OPA

فرض کنید برای یک گزینه (A_i)، نرمال‌سازی معیارها داده شده باشد: [ [r_{i1}, r_{i2}, r_{i3}, r_{i4}] = [0.9, 0.6, 0.8, 0.4] ] مرتب‌سازی نزولی: [ [0.9, 0.8, 0.6, 0.4] ] اگر وزن‌ها: [ [w_1,w_2,w_3,w_4]=[0.4,0.3,0.2,0.1] ] آنگاه: [ S_i=0.4(0.9)+0.3(0.8)+0.2(0.6)+0.1(0.4) ]

مزایا و محدودیت‌ها مثال روش OPA

ویژگی توضیح
مزیت نیاز به وزن‌دهی مستقیم به هر معیار نیست (وزن‌ها به رتبه‌ها می‌چسبد)
مزیت می‌تواند رفتارهای خوش‌بینانه/محافظه‌کارانه را مدل کند
محدودیت نتیجه به نحوه‌ی نرمال‌سازی و همچنین وزن‌های ترتیب‌محور حساس است
محدودیت برای مقایسه با روش‌هایی مثل SAW/TOPSIS باید دقیق تعریف وزن و مرتب‌سازی را همان‌طور که در منبع آمده گزارش کنید

روش OPA (Ordered Weighted Averaging) با گرفتن مقادیر معیارهای هر گزینه، آن‌ها را مرتب می‌کند و سپس با وزن‌هایی که فقط به ترتیب (نه خودِ نام معیار) وابسته‌اند، یک امتیاز نهایی می‌سازد. این باعث می‌شود تصمیم‌گیرنده بتواند اثر “بهترین‌ها/بدترین‌ها” را با تنظیم وزن‌های ترتیب‌محور کنترل کند.

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “مثال روش OPA”
مثال روش OPA
مثال روش OPA

قیمت اصلی 500.000 تومان بود.قیمت فعلی 480.000 تومان است.

افزودن به سبد خرید