آموزش جامع روش BWM فازی

بزرگترین مشکل روش‌های سنتی مثل روش AHP فازی، تعداد بسیار زیاد مقایسات زوجی است که باعث خستگی خبره و ایجاد ناسازگاری در نتایج می‌شود. روش BWM فازی با یک ایده نبوغ‌آمیز این مشکل را حل کرد؛ در این روش خبره فقط بهترین معیار و بدترین معیار را مشخص می‌کند و سایر شاخص‌ها را فقط با این دو مقایسه می‌کند. این کار تعداد مقایسات را به شدت کاهش داده و دقت خروجی‌های تحقیق در عملیات را به دلیل تمرکز بیشتر خبره، افزایش می‌دهد.

در محیط فازی، این روش با استفاده از اعداد فازی مثلثی، ابهام در قضاوت‌های انسانی را نیز پوشش می‌دهد. وقتی خبره می‌گوید معیار “الف” نسبت به معیار “ب” تقریباً ۵ برابر مهم‌تر است، ما این “تقریباً” را با بازه‌های فازی مدل‌سازی می‌کنیم. این ترکیبِ «ساختار بهینه مقایسات» و «منطق فازی»، روش FBWM را به ابزاری بی‌رقیب در بخش آمار و تحلیل داده تبدیل کرده است که نتایج آن پایداری بسیار بالاتری نسبت به روش‌های مشابه دارد.

ما در سایت فرابگیر این متد را برای پروژه‌هایی که تعداد معیارهای زیادی دارند (مثلاً بالای ۸ معیار) به شدت پیشنهاد می‌کنیم. در آموزش مدیریت مدرن، FBWM به عنوان یک متد «اقتصادی» شناخته می‌شود؛ زیرا با کمترین حجم داده ورودی، بیشترین دقت خروجی را برای وزن‌دهی معیارها فراهم می‌کند و داوران مقالات ISI به دلیل نرخ ناسازگاری پایین این روش، استقبال بسیار خوبی از آن می‌کنند.

چرا روش BWM فازی جایگزین AHP فازی شد؟

در دنیای امروز که با حجم عظیمی از اطلاعات و گزینه‌های مختلف روبرو هستیم، انتخاب بهترین گزینه می‌تواند چالش‌برانگیز باشد. روش بهترین بدترین فازی (Fuzzy BWM) به عنوان یکی از روش‌های نوین تصمیم‌گیری چندمعیاره (MCDM)، ابزاری کارآمد برای غلبه بر این چالش ارائه می‌دهد.

این روش با در نظر گرفتن عدم قطعیت در اطلاعات و ترجیحات تصمیم‌گیرنده، به انتخاب بهترین گزینه از بین گزینه‌های مختلف کمک می‌کند. قابلیت انعطاف‌پذیری و سادگی از جمله مزایای اصلی روش Fuzzy BWM هستند. این روش با استفاده از منطق فازی، به تصمیم‌گیرنده اجازه می‌دهد تا ترجیحات و دیدگاه‌های خود را به طور دقیق و ظریف در فرآیند تصمیم‌گیری لحاظ کند.

---

روش BWM فازی (روش بهترین بدترین فازی) چیست

روش BWM فازی (روش بهترین بدترین فازی) توسط جعفر رضایی در سال 2017 به عنوان توسعه‌ای از روش بهترین-بدترین(BWM) ارائه شد. BWM روشی برای تصمیم‌گیری چندمعیاره (MCDM) است که در سال 2015 توسط همین محقق معرفی شده بود. روش FBW از منطق فازی برای نشان دادن عدم قطعیت در اطلاعات و ترجیحات تصمیم‌گیرنده استفاده می‌کند.

BWM از روشهای جدید تصمیم گیری چند معیاره است که توسط رضایی (2015) معرفی شده است. اساس این روش اندازه گیری معیارها با مقایسه زوجی است. در BWM با تعیین اولویت بهترین معیار نسبت به سایر معیارها و ترجیح کلیه معیارها بر بدترین ملاک با تعیین مقیاس بین 1 تا 9 وزن معیارها مشخص می شود.

روش تصمیم گیری بهترین بدترین (BWM) یکی از روش های تصمیم گیری چند شاخصه می باشد که در سال 2015 توسط آقای رضایی طی مقاله ای ارائه شد و در سال 2016 طی یک مقاله دیگر مدل را بسط داد مدل مقاله آقای رضایی در محیط قطعی بود.

اما در سال 2017 آقایان ژو و همکاران به بررسی مدل bwm در محیط فازی (fuzzy) پرداختند و با ارائه چندین مثال این مدل را در محیط فازی حل کردند. استفاده از اعداد فازی باعث می شود که ابهامات کلام پاسخ دهنده از بین برود.

تئوری فازی اولین بار توسط اقای لطفعلی زاده ارائه شد و با فرض اینکه در تصمیم گیری همواره عدم قطعیت ها و ابهاماتی است برای از بین بردن این موارد بیان شد. BWM یک تکنیک بسیار قوی MCDM است و به طور گسترده ای توسط محققان در سراسر جهان مانند Gupta and Barua ، 2016 (رتبه بندی نوآوران فناوری) رتبه بندی می شود.

• رضایی و همکاران ، 2016 (انتخاب منبع سبز)
• Gupta and Barua ، 2017 (انتخاب تامین کننده سبز)
• Gupta ، 2017 (ارزیابی فرودگاه بر اساس کیفیت خدمات)
• Salimi and Rezaei ، 2017 (ارزیابی عملکرد تحقیق و توسعه شرکت ها)
• van de Kaa و همکاران، 2017 (انتخاب فناوری زیست توده)
• van de Kaa et al.، 2017 (انتخاب وسیله نقلیه الکتریکی)
• عبادی و همکاران ، 2018 (ارزیابی استراتژی گردشگری پزشکی) به کار برده شده است.

مزایای روش BWM فازی (روش بهترین بدترین فازی)

• قابلیت انعطاف‌پذیری: FBW می‌تواند با عدم قطعیت در اطلاعات و ترجیحات تصمیم‌گیرنده به خوبی کنار بیاید.
• سادگی: FBW در مقایسه با سایر روش‌های MCDM فازی، ساده‌تر و قابل فهم‌تر است.
• قابلیت تفسیر: نتایج FBW به راحتی قابل تفسیر و درک هستند.
• قابلیت استفاده در مسائل پیچیده: FBW می‌تواند برای حل مسائل پیچیده با معیارهای متعدد و متضاد به کار رود.

معایب روش BWM فازی (روش بهترین بدترین فازی)

• وابستگی به نظر متخصصان: انتخاب مقادیر عضویت فازی به نظر متخصصان نیاز دارد که می‌تواند ذهنی باشد.
• مشکل در انتخاب تابع جمع فازی: انتخاب تابع جمع فازی مناسب می‌تواند دشوار باشد و بر نتایج نهایی تاثیر بگذارد.
• محاسبات پیچیده: در برخی موارد، محاسبات مربوط به FBW می‌تواند پیچیده باشد.

---

کاربردهای اصلی روش BWM فازی (روش بهترین بدترین فازی)

• انتخاب بهترین موقعیت برای احداث یک کارخانه
• انتخاب بهترین روش سرمایه‌گذاری
• انتخاب بهترین تامین‌کننده
• انتخاب بهترین طرح برای یک پروژه
• ارزیابی عملکرد کارکنان

گام های روش BWM فازی (روش بهترین بدترین فازی)

1) تعیین بهترین (Best) و بدترین معیار (Worst)

در گام اول باید با اهمیت ترین و کم اهمیت ترین معیار تعیین گردد. این گام را می توان با استفاده از گردآوری نظرات خبرگان و یا انواع روش های طوفان فکری مانند روش دلفی فازی تعیین نمود.

2) مقایسه زوجی بهترین/ بدترین معیار با دیگر معیارها

در این گام می توان از هر طیف فازی مقایسات زوجی را انجام داد اما متداول ترین طیف برای روش بهترین بدترین فازی (FBWM) طیف فازی 5 تایی زیر می باشد. این طیف بر اساس عبارات کلامی اهمیت برابر (EI)، اهمیت ضعیف (WI)، نسبتا مهم (FI)، خیلی مهم (VI)، کاملا مهم (AI) می باشد.

3) ایجاد مدل بهترین بدترین فازی

در این گام می توان با استفاده از مدل برنامه ریزی غیر خطی زیر وزن عوامل را محاسبه نمود. البته در مقاله ژو و همکاران (2017) قید شده است که برای تعداد معیار بالای 3 بهتر است این مدل به برنامه ریزی خطی تبدیل شود تا نتایج بهتر حاصل شود.

4) حل مدل با یکی از نرم افزارهای بهینه سازی نظیر لینگو یا گمز

نرم افزار لینگو (Lindo) ابزاری قدرتمند برای مدل‌سازی و حل مسائل ریاضی، به ویژه در حوزه تحقیق در عملیات و برنامه‌ریزی خطی است. این نرم افزار به دلیل رابط کاربری ساده و قابلیت‌های متنوع، در بین دانشجویان، محققان و متخصصان مختلف از محبوبیت بالایی برخوردار است. با حل مدل بهترین بدتری فازی اوزان معیارها حاصل می شود.

---

مثال روش BWM فازی (روش بهترین بدترین فازی)

این مثال از مقاله An Integrated Approach of Best-Worst Method (BWM) and Triangular Fuzzy Sets for Evaluating Driver Behavior Factors Related to Road Safety استخراج شده است.

در این مثال، سه فاکتور اصلی ارزیابی می شود;ما ابتدا مدل F-BWM را برای عوامل اصلی به عنوان نقض (F1) ، انقضا (F2) و خطا (F3) ارائه خواهیم داد.

1) تعیین بهترین (Best) و بدترین معیار (Worst)

تخلفات (F1) و انقطاعات (F2) به ترتیب مهمترین و کم اهمیت ترین فاکتور تعیین می شوند. مقایسه های مرجع فازی اعمال می شود و اصطلاحات زبانی برای ترجیحات فازی مهمترین عامل ;و عامل کم اهمیت به ترتیب در جداول آورده می شود.

2) مقایسه زوجی بهترین/ بدترین معیار با دیگر معیارها

سپس ، با توجه به جدول زیر می توان بردار فازی را از معیارهای کلامی به عددی تبدیل نمود.

جدول زیر معادل سازی کلامی متغیرها را نشان می دهد.

3) ایجاد مدل بهترین بدترین فازی

پس از معادل سازی می بایست بر اساس تعریف مدل FBWM مدل نهایی را برای مساله طراحی نمود.

برای حل این مدل می توان از نرم افزار لینگو استفاده نمود; نتایج حاصل از این مدل مقادیر زیر را به ما می دهد.

به منظور بررسی اینکه اوزان بدست آمده از سازگاری مناسبی برخوردار می باشند; ابتدا میزان interval (بازه میان شاخص ها) را بدست می اوریم. هر شاخصی که از بازه بیشتری برخوردار شود، معادل آن از جدول برای محاسبه CI انتخاب می شود.

4) حل مدل با یکی از نرم افزارهای بهینه سازی نظیر لینگو یا گمز

برای بدست آوردن بیشترین بازه ابتدا معیارهای F1 تا F3 را قطعی (crisp) می کنیم : (l+4m+u)*1/6

مشاهده می شود F1 (1.5,2,2.5) مقدار قطعی 2 را دارا می باشد; لذا معادل آن از جدول انتخاب می شود که برابر5.29 می باشد; برای محاسبه CI کافی است وزن e بر مقدار 5.29 تقسیم شود.

با تقسیم 0.333/5.29 = 0.05728 بدست می اید که بسیار به به صفر نزدیک است و بیان کننده سازگاری اعداد بدست امده می باشد.

حال که اوزان بدست آمد، باید مقادیر قطعی آن ها را بدست آوریم; که تعیین کننده وزن هر شاخص می باشد. که بتوان از طریق آن رتبه بندی را انجام داد.

مقدار F1 با بیشترین وزن بالاترین رتبه را به خود اختصاص می دهد.

برای بدست آوردن بیشترین بازه ابتدا معیارهای F1 تا F3 را قطعی (crisp) می کنیم : (l+4m+u)*1/6

مشاهده می شود F1 (1.5,2,2.5) مقدار قطعی 2 را دارا می باشد; لذا معادل آن از جدول انتخاب می شود که برابر5.29 می باشد; برای محاسبه CI کافی است وزن e بر مقدار 5.29 تقسیم شود.

با تقسیم 0.333/5.29 = 0.05728 بدست می اید که بسیار به به صفر نزدیک است و بیان کننده سازگاری اعداد بدست امده می باشد.

حال که اوزان بدست آمد، باید مقادیر قطعی آن ها را بدست آوریم; که تعیین کننده وزن هر شاخص می باشد. که بتوان از طریق آن رتبه بندی را انجام داد.

مقدار F1 با بیشترین وزن بالاترین رتبه را به خود اختصاص می دهد.

---

نکات مهم روش بهترین بدترین فازی

1. در روش BWM می توان بهترین و بدترین را از نظر هر خبره به صورت جداگانه بدست آورد و سپس برای هر خبره یک مدل BWM فازی تشکیل داد و بعد از حل و محاسبه وزن معیارها، اوزان بدست آمده از هر خبره را با یکدیگر ادغام کرد.
2. تعداد خبره ها در روش BWM با توجه به اینکه این روش خبره محور می باشد، اصولا بین 5 تا 10 نفر کفایت می کند.

نتیجه‌گیری و پیشنهادات

Fuzzy BWM به عنوان روشی نوین و کارآمد در MCDM، به ویژه در مسائلی با عدم قطعیت و اطلاعات ناقص، مورد توجه محققان و متخصصان قرار گرفته است. قابلیت انعطاف‌پذیری، سادگی، قابلیت تفسیر و کارایی این روش، آن را به ابزاری ارزشمند برای انتخاب بهترین گزینه در دنیای پیچیده امروز تبدیل می‌کند.

روش BWM فازی (FBWM) انقلابی در تسهیل تصمیم‌گیری‌های پیچیده و مبهم است. این روش ثابت کرد که برای رسیدن به دقت ریاضی بالا، نیازی به بمباران خبره با سوالات بی‌پایان نیست؛ بلکه با شناسایی «نقاط مرزی» تصمیم (بهترین و بدترین)، می‌توان کل ساختار اهمیت شاخص‌ها را کشف کرد. FBWM تعادلی بی‌نظیر میان سرعت، سادگی و دقت در محیط عدم قطعیت برقرار کرده است.

در جمع‌بندی، اگر به دنبال ارتقای سطح علمی پژوهش خود هستید و می‌خواهید از روش‌های نوین استفاده کنید، FBWM بهترین گزینه است. این روش نه تنها خطای انسانی را به حداقل می‌رساند، بلکه به دلیل منطق ریاضی استوار، نتایجی ارائه می‌دهد که در تحلیل‌های حساسیت بسیار پایدار هستند. ما در فرابگیر با ارائه ابزارهای آماده این روش، تلاش می‌کنیم تا شکاف بین تئوری‌های پیچیده و پیاده‌سازی عملی را برای شما پر کنیم.

سوالات متدوال روش بهترین بدترین فازی