آموزش جامع روش سکا SECA

روش SECA به عنوان یکی از روش های وزن دهی معیارها، مخفف Simultaneous Evaluation of Criteria and Alternatives به معنی ارزیابی همزمان معیارها و جایگزین ها یک روش تصمیم گیری چنبد معیاره بر اساس مقایسه زوجی است. روش سکا (SECA) توسط دکتر مهدی کشاورز قرابایی و همکاران (۲۰۱۸)، در مقاله ای با عنوان “ارزیابی همزمان معیارها و گزینه ها در تصمیم گیری چند معیاره ارائه شد.

هدف از این روش، تعیین امتیاز کل گزینه ها و وزن معیارها به طور همزمان است. برای رسیدن به این هدف یک مدل ریاضی غیر خطی چند هدفه در این بخش فرموله شده است.

برای شکل گیری مدل ریاضی، دو نوع مرجع برای وزن معیارها توصیف شده است. نوع اول براساس اطلاعات تنوع درون معیار تعریف شده توسط انحراف استاندارد است و دوم مربوط به اطلاعات تنوع بین معیارها است که براساس میزان همبستگی تعیین می شود.

مدل چند هدفه به دنبال به حداکثر رساندن عملکرد کلی هر یک از گزینه ها و به حداقل رساندن انحراف معیارهای وزن از نقاط مرجع است. برای به حداکثر رساندن عملکرد کلی هر گزینه، یک مدل ترکیبی وزنی به عنوان یک هدف مورد استفاده قرار می گیرد. روش سکا (SECA) در نرم افزار LINGO حل می شود.

---

مفهوم و اصول پایه‌ای روش SECA

روش SECA ترکیبی از دو مفهوم کلیدی است: (۱) ارزیابی تصادفی (Stochastic Evaluation) و (۲) تجمیع مبتنی بر توافق (Consensus‑Based Aggregation). در مرحله ارزیابی تصادفی، هر تصمیم‌گیرنده به‌جای اختصاص وزن قطعی به معیارها، توزیعی احتمالی (مانند توزیع نرمال یا لگاریتمی) برای هر معیار تعریف می‌کند. این کار باعث می‌شود که عدم قطعیت‌های ذاتی در ارزیابی‌ها به‌صورت صریح مدل‌سازی شوند.

در مرحله دوم، با استفاده از الگوریتم‌های همگرایی (مانند الگوریتم‌های بهینه‌سازی تکاملی یا روش‌های مبتنی بر نظریه بازی)، توزیع‌های احتمالی تمام تصمیم‌گیرندگان ترکیب می‌شوند تا یک توزیع نهایی به‌دست آید که نمایانگر «توافق» جمعی است. این توزیع نهایی می‌تواند به‌صورت میانگین وزن‌دار، میانه یا هر معیار آماری دیگری استخراج شود.

از مزایای اصلی روش سکا می‌توان به توانایی مدیریت عدم قطعیت، انعطاف‌پذیری در ترکیب معیارهای کمی و کیفی، و فراهم کردن یک چارچوب شفاف برای مستندسازی فرآیند تصمیم‌گیری اشاره کرد. به‌علاوه، چون تمام مراحل بر پایه توزیع‌های احتمالی هستند، امکان انجام تحلیل حساسیت و شبیه‌سازی سناریوهای مختلف به‌راحتی فراهم می‌شود.

---

مزایا و ارزش افزوده روش SECA در تصمیم‌گیری چندشاخصه

مدیریت بهتر عدم قطعیت

یکی از مهم‌ترین مزایای روش سکا، توانایی مدل‌سازی صریح عدم قطعیت در وزن‌گذاری معیارهاست. به‌جای فرض ثابت بودن وزن‌ها، توزیع‌های احتمالی انعطاف‌پذیری لازم را برای نشان دادن نوسان‌های ذهنی تصمیم‌گیرندگان فراهم می‌کنند. این ویژگی باعث می‌شود نتایج نهایی کمتر تحت تأثیر خطاهای شخصی باشند.

ایجاد توافق جمعی (Consensus)

با استفاده از الگوریتم‌های همگرایی، روش SECA به‌صورت خودکار به توزیعی می‌رسد که بیشترین توافق را بین تمام تصمیم‌گیرندگان نشان می‌دهد. این فرآیند به‌ویژه در تیم‌های چند‌رشته‌ای یا در پروژه‌های بین‌المللی که دیدگاه‌های متفاوتی وجود دارد، ارزشمند است؛ زیرا یک پایه مشترک برای تصمیم‌گیری فراهم می‌کند.

قابلیت ترکیب معیارهای کمی و کیفی

به‌دلیل استفاده از توزیع‌های احتمالی، روش SECA می‌تواند به‌راحتی معیارهای کیفی (مانند رضایت مشتری یا اثرات اجتماعی) را که معمولاً به‌صورت عددی بیان نمی‌شوند، در قالب توزیع‌های فازی یا لگاریتمی وارد کند. این ترکیب باعث می‌شود تصمیم‌گیرندگان بتوانند تمام ابعاد مسئله را به‌صورت یکپارچه ارزیابی کنند.

تحلیل حساسیت و شبیه‌سازی سناریو

از آنجا که تمام وزن‌ها به‌صورت توزیعی تعریف شده‌اند، می‌توان به‌سرعت شبیه‌سازی‌های مونت‌کارلو انجام داد و تأثیر تغییرات در توزیع‌ها بر رتبه‌بندی نهایی گزینه‌ها را بررسی کرد. این قابلیت به تصمیم‌گیرندگان اجازه می‌دهد تا قبل از اتخاذ تصمیم نهایی، اثرات احتمالی تغییرات محیطی یا استراتژیک را پیش‌بینی کنند.

---

آموزش جامع روش LMAW و آموزش جامع روش CRITIC را مطالعه نمایید.

کاربردهای عملی روش SECA در حوزه‌های مختلف

انتخاب پروژه در سازمان‌های بزرگ

روش سکا می‌تواند برای ارزیابی و رتبه‌بندی پروژه‌های مختلف در سازمان‌های بزرگ استفاده شود. با در نظر گرفتن معیارهایی مانند بازگشت سرمایه، ریسک، همسویی با استراتژی و اثرات اجتماعی، می‌توان پروژه‌هایی را انتخاب کرد که بیشترین ارزش را برای سازمان ایجاد می‌کنند.

تخصیص منابع در سیستم‌های بهداشتی و درمانی

در سیستم‌های بهداشتی و درمانی، روش SECA می‌تواند برای تخصیص منابع محدود (مانند بودجه، پرسنل و تجهیزات) به بخش‌های مختلف استفاده شود. با در نظر گرفتن معیارهایی مانند نیاز بیماران، اثربخشی درمان‌ها و هزینه‌ها، می‌توان منابع را به گونه‌ای تخصیص داد که بیشترین بهره‌وری را داشته باشند.

ارزیابی عملکرد تامین‌کنندگان

روش SECA می‌تواند برای ارزیابی عملکرد تامین‌کنندگان بر اساس معیارهایی مانند کیفیت، قیمت، تحویل به‌موقع و خدمات پس از فروش استفاده شود. با در نظر گرفتن عدم قطعیت‌های موجود در ارزیابی‌ها، می‌توان تامین‌کنندگانی را انتخاب کرد که بیشترین قابلیت اطمینان را دارند.

تصمیم‌گیری در مدیریت بحران

در شرایط بحرانی، روش سکا می‌تواند برای ارزیابی گزینه‌های مختلف مقابله با بحران و انتخاب بهترین استراتژی استفاده شود. با در نظر گرفتن معیارهایی مانند کاهش خسارات، حفظ جان انسان‌ها و بازگشت به شرایط عادی، می‌توان تصمیمات سریع و موثری اتخاذ کرد.

---

مراحل اجرایی روش SECA

در این روش مانند دیگر روش های تصمیم گیری چندمعیاره، TOPSIS VIKOR COPRAS و دیگر موارد، ابتدا ماتریس تصمیم تشکیل می شود.

در گام دوم، ماتریس تصمیم نرمال سازی می شود. روش SECA برای معیارهای مثبت و منفی دو روش نرمال سازی دارد. BC شامل معیارهای هستند که مثبت هستند  NC شامل معیارهایی هستند که جنبه منفی دارند.

در گام بعدی برای تشکیل مدل برنامه ریزی غیرخطی انحراف معیار عناصر هر بردار می‌تواند اطلاعات متغیر درونی معیار را بدست آورد. برای دستیابی به اطلاعات متغیر بین معیار از ماتریس تصمیم‌گیری، باید همبستگی بین هر جفت از بردارهای معیارها را محاسبه کنیم. سپس رابطه زیر می‌تواند درجه اختلاف بین معیار j ام و معیارهای دیگر را نشان دهد.

افزایش تغییرپذیری در بردار یک معیار (j)، و همچنین افزایش میزان درجه اختلاف میان معیار j و معیارهای دیگر، اهمیت (وزن) این معیار را افزایش می دهد. بر این اساس، مقادیر نرمال شده j و j به عنوان نقاط مرجع برای وزن معیارها تعریف می شود. این مقادیر را می توان به صورت زیر محاسبه می شود:

در نهایت تابع برنامه ریزی غیرخطی به صورت زیر تشکیل می شود.

براساس توابع هدف محدودیت زیر، معادله برنامه ریزی خطی حل می شود.

در نهایت در مقاله اصلی، روش SECA با تکنیک های SAW TOPSIS VIKOR COPRAS WASPAS EDAS مقایسه شده است و دقت اندازه گیری روش سکا مشخص شده است.

---

مثال روش SECA

این مثال از مقاله Simultaneous Evaluation of Criteria and Alternatives (SECA) for Multi-Criteria Decision-Making استخراج شده است.

در گام اول ماتریس تصمیم تشکیل می شود.

در گام بعدی ماتریس را نرمال می کنیم

سپس اوزان بر اساس اعداد مختلف β محاسبه می شود.

آموزش جامع روش آنتروپی شانون و آموزش جامع روش SMART را مطالعه نمایید.

در این مطالعه، روش جدیدی برای ارزیابی همزمان معیارها و جایگزین ها (SECA) پیشنهاد شده است. یک مدل ریاضی غیر خطی چند هدفه برای روش پیشنهادی فرموله شده است. اهداف مدل برای به حداکثر رساندن عملکرد کلی گزینه ها با در نظر گرفتن اطلاعات تغییرات درون معیاری و بین معیاری ماتریس تصمیم تعریف شده است.

با استفاده از روش پیشنهادی، می‌توان نمرات عملکرد کلی گزینه‌ها و وزن هدف معیارها را به طور همزمان تعیین کرد. برای اعتبارسنجی SECA، وزن‌های هدف معیارها و عملکرد کلی گزینه‌های تعیین‌شده توسط روش مورد تجزیه و تحلیل قرار گرفته‌اند. نتایج نشان می‌دهد که با قرار دادن پارامتر روش (β) در یک مقدار مناسب، می‌توان وزن‌های پایداری برای معیارها و امتیاز عملکرد برای گزینه‌ها به دست آورد.

همچنین مقایسه ای بین نتایج SECA و برخی از روش های موجود انجام شده است. این مقایسه همچنین اعتبار و کارایی روش پیشنهادی را نشان می دهد. تحقیقات آینده می تواند SECA را برای مشکلات MCDM در محیط های فازی و سایر محیط های نامشخص گسترش دهد.

---

ابزارها و نرم‌افزارهای پشتیبان روش SECA

بسته‌های نرم‌افزاری آماری (R, Python)

برای پیاده‌سازی روش سکا می‌توان از کتابخانه‌های آماری مانند R (پکیج‌های stats, fitdistrplus) یا Python (کتابخانه‌های numpy, scipy, pymc3) استفاده کرد. این ابزارها امکان تعریف توزیع‌های احتمالی، شبیه‌سازی مونت‌کارلو و بهینه‌سازی توابع هدف را به‌صورت یکپارچه فراهم می‌کنند.

پلتفرم‌های تصمیم‌گیری چندمعیاره (MCDM)

نرم‌افزارهایی نظیر SuperDecisions, Expert Choice یا MATLAB Toolbox for Fuzzy MCDM قابلیت افزودن ماژول‌های سفارشی برای توزیع‌های احتمالی را دارند؛ بنابراین می‌توان روش سکا را به‌عنوان یک افزونه در این پلتفرم‌ها پیاده‌سازی کرد.

ابزارهای بهینه‌سازی تکاملی

الگوریتم‌های تکاملی (Genetic Algorithm, Differential Evolution) برای همگرایی توزیع‌ها بسیار مؤثرند. کتابخانه‌های DEAP (Python) یا GA ® به‌سرعت می‌توانند توزیع‌های توافقی را استخراج کنند.

مزایای استفاده از ابزارهای دیجیتال

استفاده از این ابزارها نه تنها زمان پردازش را کاهش می‌دهد، بلکه امکان مستندسازی دقیق، بازتولید نتایج و به‌اشتراک‌گذاری آسان با سایر اعضای تیم تحقیقاتی را فراهم می‌کند. در نتیجه، روش سکا با کمک این نرم‌افزارها به یک فرآیند شفاف، قابل‌تکرار و علمی تبدیل می‌شود.

---

روش‌های پیشرفته و توسعه‌های آتی در روش SECA

ترکیب با روش‌های فازی

ترکیب روش SECA با روش‌های فازی می‌تواند امکان مدل‌سازی بهتر عدم قطعیت‌های کیفی را فراهم کند. به‌جای استفاده از توزیع‌های احتمالی، می‌توان از مجموعه‌های فازی برای بیان نظرات تصمیم‌گیرندگان استفاده کرد.

استفاده از یادگیری تقویتی

یادگیری تقویتی می‌تواند برای بهینه‌سازی الگوریتم‌های همگرایی در روش SECA استفاده شود. با آموزش یک عامل یادگیری تقویتی، می‌توان پارامترهای الگوریتم را به‌طور خودکار تنظیم کرد تا به بهترین نتایج دست یافت.

توسعه رابط‌های کاربری گرافیکی (GUI)

توسعه رابط‌های کاربری گرافیکی برای روش سکا می‌تواند استفاده از این روش را برای افراد غیرمتخصص آسان‌تر کند. این رابط‌ها می‌توانند امکان تعریف معیارها، وارد کردن داده‌ها، انتخاب الگوریتم همگرایی و نمایش نتایج را به‌صورت بصری فراهم کنند.

ادغام با سیستم‌های اطلاعات تصمیم‌گیری (DSS)

ادغام روش SECA با سیستم‌های اطلاعات تصمیم‌گیری (DSS) می‌تواند به سازمان‌ها کمک کند تا تصمیمات بهتری در زمان واقعی اتخاذ کنند. این سیستم‌ها می‌توانند به‌طور خودکار داده‌ها را جمع‌آوری کنند، نظرات تصمیم‌گیرندگان را تجمیع کنند و گزینه‌های مختلف را ارزیابی کنند.

---

جمع‌بندی و چشم‌انداز آینده روش SECA

روش SECA به‌عنوان یک رویکرد نوین و قدرتمند در تصمیم‌گیری چندشاخصه، با توانایی مدیریت عدم قطعیت، ایجاد توافق جمعی و ترکیب معیارهای کمی و کیفی، جایگاه ویژه‌ای در میان روش‌های تصمیم‌گیری پیدا کرده است.

با وجود چالش‌هایی که وجود دارد، توسعه‌های آتی در این روش، از جمله ترکیب با روش‌های فازی، استفاده از یادگیری تقویتی و توسعه رابط‌های کاربری گرافیکی، می‌تواند کارایی و کاربردپذیری آن را به‌طور چشمگیری افزایش دهد. انتظار می‌رود روش SECA در سال‌های آینده نقش مهم‌تری در حل مسائل پیچیده در حوزه‌های مختلف ایفا کند و به سازمان‌ها کمک کند تا تصمیمات هوشمندانه‌تری اتخاذ کنند.

روش سکا با رویکردی مبتنی بر احتمالات و توافق، یک ابزار ارزشمند برای تصمیم‌گیری‌های چندشاخصه در شرایط عدم قطعیت است. این روش با در نظر گرفتن دیدگاه‌های مختلف و ترکیب آن‌ها، به نتایجی قابل‌اعتماد و مستند می‌رسد.

---

سوالات متداول (FAQ)