شما در حال خواندن درس فرایند تحلیل سلسله ‌مراتبی (AHP) از بخش مقدمات طراحی و از  مجموعه‌ی طراحی مهندسی هستید.

فرایند تحلیل سلسله ‌مراتبی (Analytic Hierarchy Process یا AHP)

در بحث تصمیم‌گیری، استفاده از روش‌هایی مثل فرایند تحلیل سلسله مراتبی (AHP یا Analytic Hierarchy Process) به عملیات ریاضی و تمرین نسبتاً زیادی نیاز دارند و لذا در منابع طراحی معمولاً از تشریح آن‌ها صرفنظر می‌شود و علاقمندان را به منابع تخصصی حل مسأله و تصمیم‌گیری (مثل کتاب‌های تحقیق در عملیات) ارجاع می‌دهند. در مجموعه‌ی طراحی مهندسی ویکی‌تولید هم برنامه‌ای برای پرداختن به این روش‌ها نداریم، اما آموزش فرایند تحلیل سلسله ‌مراتبی (AHP) را استثنائاً به این مجموعه اضافه کردیم، چرا که اولاً مباحث قبلی را تکمیل می‌کند (علی‌الخصوص وزن‌دهی به معیارها برای تصمیم‌گیری) و دوماً زمینه‌ی آشنایی بیشترتان با روش‌های مبتنی بر ریاضیات را فراهم می‌کند تا در صورت تمایل، برای یادگیری آن‌ها برنامه‌ریزی کنید.

به عنوان یک قاعده‌ی کلّی، فرایند تحلیل سلسله‌مراتبی یا AHP در شرایطی به کار می‌آید که  برای تصمیم‌گیری، یک هدف و چند معیار یا شاخص داشته باشیم، مثلاً هدف‌مان انتخاب اقتصادی‌ترین گزینه باشد (یک هدف مشخص) و به این منظور هر گزینه را با معیارهایی مثل هزینه‌ی مواد اولیه‌، هزینه‌ی ساخت، هزینه‌ی توزیع و هزینه‌ی بسته‌بندی (چند معیار مختلف) ارزیابی کنیم. اکثر تصمیم‌هایی که در فرایند طراحی اتخاذ می‌شوند از همین چهارچوب پیروی می‌کنند و لذا فرایند تحلیل سلسله مراتبی (AHP) می‌تواند ابزار مفیدی برای طراحان باشد.

در این درس از AHP برای تحقق اهداف زیر استفاده می‌کنیم:

۱- وزن‌دهی به معیارهای تصمیم‌گیری، طوری که تشخیص دهیم اهمیت هر معیار نسبت به معیارهای دیگر چقدر است.

۲- شناسایی گزینه‌های برتر، طوری که بدانیم با توجه به معیارهایمان کدام گزینه‌ها از بقیه مناسب‌تر هستند.

۳- بررسی سازگاری نتایج، طوری که بدانیم وزن‌های انتخاب شده برای معیارها یا اولویت‌های تعیین شده برای گزینه‌ها از حیث منطق ریاضی، سازگار هستند.

تکنیک AHP برای وزن‌دهی به معیارها (همراه با تست سازگاری)

همانطور که گفتیم، وزن‌دهی به معیارها یعنی تشخیص دهیم که اهمیت هر معیار به نسبتِ معیارهای دیگر چقدر است و بر این اساس ضریب یا وزن هر معیار را تعیین کنیم، مثلاً برای انتخاب یک خانه‌ی مسکونی مناسب می‌توانیم وزنِ معیارهای قیمت، سال ساخت و موقعیت جغرافیایی را به ترتیب ۴ و ۲ و ۱ تعیین کنیم، به این معنا که معیار “قیمت” چهار برابر از “موقعیت مکانی” و دو برابر از “سال ساخت” مهم‌تر است.

در این بخش از درس‌مان قصد داریم که با کمک تکنیک AHP، ضرایب یا وزن معیارها را محاسبه کنیم. برای انجام این کار، اولین شرط این است که معیارهایمان را در یک ساختار سلسله‌مراتبی (Hierarchy) قرار دهیم که شبیه آن را در درس درخت اهداف مشاهده کرده‌اید. به عبارتی، دقیقاً همان روشی که از درخت اهداف برای تجزیه‌ی اهداف کلّی‌تر به جزئی استفاده کردیم، در مورد معیارها نیز قابل استفاده است و می‌تواند آن‌ها را به صورت سلسله‌مراتبی مرتب کند. مثلاً اگر بخواهیم یک محصول رقابتی تولید کنیم و معیارهایمان کیفیت و قیمت باشند، با تجزیه‌ی آن‌ها به درخت زیر می‌رسیم:

در استفاده از AHP برای تعیین وزن معیارها یا شناسایی گزینه‌های برتر، حتماً باید معیارهایی را انتخاب کنیم که در سطح یکسانی از درخت قرار گرفته‌ باشند. مثلاً مطابق نمودار بالا، برای مقایسه‌ی دو یا چند محصول از نظر رقابتی بودن، می‌توانیم آن‌ها را با معیارهای کیفیت و قیمت ارزیابی کنیم (هر دو در سطح دوم هستند) یا از معیارهای مواد سازنده، فرایند ساخت، دقت و دوام استفاده کنیم (همگی در سطح سوم هستند)، اما نباید از معیارهای قیمت، دوام و دقت استفاده کنیم چون در سطوح متفاوتی از نمودار قرار گرفته‌اند. البته روشن است که هر چقدر معیارها در سطوح پایین‌تری از نمودار قرار گرفته باشند از دقت و سادگی بیشتری برخوردارند و لذا معمولاً استفاده از آن‌ها در اولویت است.

پس از آن که معیارهای مورد نظر انتخاب شد، برای وزن‌دهی باید مراحل زیر را طی کنیم:

مرحله‌ی اول: ماتریس تصمیم‌گیری [C] را تشکیل می‌دهیم و عناصر آن را با مقایسه‌ی اهمیت معیارها تعیین می‌کنیم.

مرحله‌ی دوم: ماتریس [NormC] را تشکیل می‌دهیم و میانگین هر ردیف از آن را محاسبه می‌کنیم تا بردار {W} تعیین شود؛ عناصر این بردار وزن معیارها را نشان می‌دهند.

مرحله‌ی سوم: برای وزن‌های محاسبه شده آزمون سازگاری انجام می‌دهیم. اگر وزن‌ها سازگار باشند، کارمان به پایان می‌رسد و در غیر این صورت باید ماتریس [C] و مقایسه‌هایی که انجام داده‌ایم را اصلاح کنیم تا آزمون سازگاری به نتیجه برسد.

در ادامه جزئیات هر کدام این مراحل را با ذکر مثال بررسی می‌کنیم.

مرحله‌ی اول: تشکیل ماتریس تصمیم‌گیری یا ماتریس مقایسات زوجی یا [C]

ماتریس [C] شبیه جدولی است که در آن معیارها را به صورت دو به دو از نظر میزان اهمیت مقایسه می‌کنیم، به همین علت گاهاً به آن ماتریس مقایسه‌ی زوجی یا ماتریس تصمیم‌گیری می‌گویند. در تصویر زیر می‌توانید نمونه‌ای از این ماتریس را مشاهده کنید. اگر تعداد معیارهایمان n عدد باشد، ماتریس [C] از نوع مربعی و با n ردیف و n ستون خواهد بود.

معیارها از چپ به راست به عنوان برچسب ستون‌ها (ردیف آبی) و از بالا به پایین به عنوان برچسب ردیف‌ها (ستون زرد) نوشته می‌شوند. سپس هر معیار در ردیف زرد از نظر میزان اهمیت با تمام معیارها در ردیف آبی مقایسه می‌شود و متناسب با آن نمره می‌گیرد. مثلاً ابتدا “هزینه‌ی مواد سازنده (در ستون زرد)” با “هزینه‌ی فرایند ساخت (در ردیف آبی)” مقایسه شده و نمره‌ی ۳۳% را گرفته است (یعنی اهمیت آن کمتر از هزینه‌ی فرایند ساخت است). بار دیگر “هزینه‌ی مواد سازنده” با “دقت” مقایسه شده و نمره‌ی آن آن ۲۰% ارزیابی شده است. همچنین هر معیار در مقایسه با خودش (مثلاً دوام با دوام، یا دقت با دقت) شرایط برابری دارد و طبیعتاً در خانه‌های خاکستری عدد ۱ قرار می‌گیرد.

مثال از تحلیل سلسله مراتبی یا AHP

از آن جایی که ممکن است جدول بالا با تصورتان از ماتریس متفاوت باشد، عناوین ردیف‌ها و ستون‌های آن را حذف کردیم. بدیهی است که جدول بالا هیچ تفاوتی با ماتریس زیر ندارد:

حال سؤال این است که آیا نمره‌ها سلیقه‌ای هستند یا از اصول خاصی پیروی می‌کنند؟ به عبارتی اعداد ۰٫۳۳ و ۰٫۲ و ۳ و ۵ در ماتریس [C] چگونه تعیین شده‌اند؟ در فرایند تحلیل سلسله ‌مراتبی (AHP) برای نمره دادن باید از استاندارد خاصی پیروی کنیم که در جدول زیر نشان داده‌ایم. مطابق این جدول، اگر اهمیت دو معیار یکسان باشد باید عدد یک را در ماتریس [C] منظور کنیم و به همین ترتیب، هر چقدر اهمیت معیار A  (عناوین ستون زرد) از معیار B (عناوین ردیف آبی) بیشتر باشد، نمره‌ی بالاتری منظور می‌گردد که حدأکثر آن ۹ است.

نکته‌ی مهمی که باید در نمره‌دهی رعایت شود این است که اگر در مقایسه‌ی پارامتر A با B نمره‌ی X را برای A در نظر گرفته ایم، در مقایسه‌ی B با A باید الزاماً نمره‌ی (۱/X) را برای B در نظر بگیریم، به همین علت است که در ماتریس بالا به اهمیت معیار “دقت” نسبت به “دوام” نمره‌ی ۲ داده‌ایم و به تبع آن اهمیت “دوام” نسبت به “دقت” برابر با ۰٫۵ شده است.

مقیاس امتیاز دهی یا نمره دهی در AHP

مرحله‌ی دوم: تشکیل ماتریس [NormC]

پس از کامل شدن ماتریس [C] اگر هر یک از عناصر آن را بر مجموع مقادیر ستونی که به آن تعلق دارد تقسیم کنیم، ماتریس [NormC] محاسبه می‌شود. مثلاً اولین عدد از اولین ستون ماتریس [C] در مرحله‌ی اول برابر با یک و مجموع مقادیر این ستون برابر ۱۲ بود، لذا عدد ۱ را بر ۱۲ تقسیم می‌کنیم و به عدد ۰٫۰۸۳ می‌رسیم که اولین ورودی از ماتریس [NormC] است.

پس از کامل شدن ماتریس [NormC] با محاسبه‌ی میانگین مقادیر در هر ردیف به اعدادی می‌رسیم که عناصر تشکیل دهنده‌ی بردار {W} هستند. این اعداد (عناصر بردار W) وزن‌هایی هستند که برای هر معیار محاسبه کرده‌ایم، مثلاً در ماتریس زیر، وزن معیار “هزینه‌ی مواد سازنده” برابر ۰٫۰۸۰  و وزن معیار “هزینه‌ی فرایند ساخت” برابر ۰٫۲۰۸ محاسبه شده است.

مرحله‌ی سوم: آزمون سازگاری

آزمون سازگاری کمک می‌کند تا از هماهنگی وزن‌های تعیین شده برای معیارها مطمئن شویم. معمولاً وقتی تعداد معیارها زیاد است، به سختی می‌توانیم هماهنگی وزن‌های شناسایی شده (بر اساس امتیازاتی که در ماتریس C داده‌ایم) را شناسایی کنیم و آزمون سازگاری برای کمک به این وضعیت طراحی شده است.

برای انجام آزمون سازگاری باید اقدامات زیر را انجام دهیم:

۱- بردار مجموع اوزان یا {Ws} را از ضرب ماتریس [C] در نمودار {W} محاسبه می‌کنیم.

۲- بردار ثبات یا {Cons} را از تقسیم بردار {Ws} بر بردار {W}  محاسبه می‌کنیم.

۳- مقدار λ را با محاسبه‌ی میانگین مقادیر بردار {Cons} محاسبه می‌کنیم.

۴- شاخص هماهنگی یا CI را با کمک مقدار λ محاسبه می‌کنیم.

۵- نرخ هماهنگی یا CR را با کمک مقدار CI محاسبه می‌کنیم. اگر مقدار CR از ۰٫۱ کمتر باشد، هماهنگی وجود دارد.

اگر نتیجه‌ی آزمون سازگاری مثبت باشد الزاماً به معنای قابل اعتماد بودن وزن‌ها نیست، اما نشان می‌دهد که از نظر ریاضی منطقی به نظر می‌رسند. اگر نتیجه‌ی آزمون منفی باشد، هماهنگی وجود ندارد و لازم است تغییراتی در ماتریس [C] اعمال کنیم تا هماهنگی ایجاد شود.

مطابق مراحلی که گفتیم، در قدم اول باید بردار {Ws} را محاسبه کنیم:

بردار وزنی در فرایند تحلیل سلسله مراتبی یا AHP

در ادامه با تقسیم مقادیر {Ws} بر {W}، بردار {Cons} را به دست می‌آوریم. با محاسبه‌ی میانگین مقادیر بردار {Cons} مقدار λ محاسبه می‌شود که برابر ۴٫۰۲۸  است.

آزمون سازگاری در فرایند تحلیل سلسله مراتبی یا AHP

برای محاسبه‌ی مقادیر CI‌ و CR باید از روابط زیر استفاده کنیم:

محاسبه CR و CI در فرایند تحلیل سلسله مراتبی یا AHP

با داشتن λ و n (تعداد معیارها) مقدار CI محاسبه می‌شود که در مورد مثال‌مان برابر با ۰٫۰۸۲ است. برای محاسبه‌ی CR باید مقدار RI را داشته باشیم. RI مقداری است که بر اساس یک ماتریس تصادفی [C] به دست آمده و انتظار می‌رود که شاخص هماهنگی ما (CI) به مراتب از آن کمتر باشد. برای پیدا کردن مقادیر RI می‌توانید از جدول زیر استفاده کنید که بر اساس تعداد معیارها تنظیم شده‌اند. در مثال این درس چهار معیار داشتیم و لذا مقدار RI را ۰٫۸۹ در نظر می‌گیریم.

ادامه‌ی مطالب این درس فقط به مشترکین ویژه نمایش داده می‌شود.

. . .

در حال حاضر شما به‌عنوان مهمان در ویکی‌تولید حضور دارید اما اگر از کاربران‌مان هستید، لطفاً وارد سامانه شوید تا امتیاز حضورتان را منظور کنیم.

درس‌های "مقدمات طراحی" به ترتیب زیر هستند. برای ورود به درس مورد نظر روی عنوان آن کلیک کنید.
1- طراحی مهندسی چیست؟
2- فرایند طراحی و انواع آن
3- چرخه عمر محصول
4- تصمیم گیری، حل مساله و جایگاهشان در طراحی
5- فرایند حل مسأله
6- مروری بر روش‌ها و ابزارهای حل مسئله در طراحی
7- جمع‌آوری اطلاعات طراحی
8- مفاهیم و اصطلاحات مهم در تصمیم گیری
9- رایج‌ترین روش‌ها و ابزارهای ارزیابی در طراحی مهندسی
10- درخت اهداف
11- نمودار PUGH
12- فرایند تحلیل سلسله ‌مراتبی (AHP)

ورود به مجموعه‌ی طراحی مهندسی

ورود به برگه‌ی مقدمات طراحی

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.