دانلود پایان نامه درباره سلسله مراتب، روش تاپسیس، سلسله مراتبی، تحلیل سلسله مراتبی

نکته مهم : برای دانلود متن کامل فایل پایان نامه ها به سایت sabzfile.com مراجعه […]

نکته مهم : برای دانلود متن کامل فایل پایان نامه ها به سایت sabzfile.com مراجعه نمایید
<![CDATA[ دسترس خبرگان انتخاب شده است. در این تحقیق سعی شده است از شرکت هایی در صنت مواد غذایی که دارای سیستم مدیریت زیست محیطی سرآمدتر و زنجیره تامین سبزتری نسبت به سایر شرکت ها برخوردار هستند، استفاده شود. به همین دلیل شرکت های لبنی کاله و پاک و شرکت لینا نیک تولید کننده انواع اسنک های حجیم شده، در این تحقیق مورد مطالعه قرار گرفته اند.
در این تحقیق مجموعاً ۴۰ عدد پرسشنامه برای ۲۱ نفر از صاحبنظران و خبرگان ارسال شده است. که از این ۴۰ عدد پرسشنامه ۳۹ عدد، عودت داده شده است. در مرحله اول ۱۴ عدد پرسشنامه الف؛ مرحله دوم ۱۷ عدد پرسشنامه ب و در نهایت ۹ عدد پرسشنامه ج برای صاحبنظران و خبرگان ارسال شده است.
۳-۶- اعداد فازی
یک مجموعه فازی محدب و نرمال شده روی R که تابع عضویت آن در فواصل کوچک، پیوسته باشد یک عدد فازی گفته می شود. بنابراین می توان تصور کرد که عدد فازی، مشتمل است بر اعداد حقیقی در یک فاصله که دارای درجات عضویت متفاوتی هستند. بنابراین بر حسب نوع تابع عضویت و توزیع امکان پذیری، تعداد بی نهایت انواع عدد فازی وجود دارد، اما یک عدد فازی اغلب به صورت مثلثی۱۳۰ یا ذوزنقه ای۱۳۱ بیان می شود (مومنی، ۱۳۸۷). که به دلیل اینکه عدد فازی مثلثی بیشترین کاربرد را در مدل سازی سیستم ها دارد به آن می پردازیم.
۳-۶-۱- اعداد فازی مثلثی
یک عدد فازی مثلثی را به وسیله یک سه تایی مرتب مانند D= (a,b,c) تعریف می کنند.
شکل ۳-۲ عدد فازی مثلثی
همانطور که از شکل (۳-۲) پیداست تابع عضویت آن به صورت رابطه (۳-۱) تعریف می شود: (عطایی، ۱۳۸۹)
μ_D (x)={█(۰ xc)┤ (۱-۳)
عملیات جبری بر روی اعداد فازی که در این پژوهش مورد استفاده قرار گرفته است مطابق روابط (۵) می باشد:
روابط ۳-۲ عملیات جبری بر روی اعداد فازی
A= (a1,a2,a3) A≥۰
B= (b1,b2,b3) B>0
A+B= (a1+b1,a2+b2,a3+b3)
A.B= (a1.b1,a2.b2,a3.b3)
A/B= (a1/b3,a2/b2,a3/b3)
K.A= (ka1,ka2,ka3) k∈ R^+
A ̃_Ave=((a_1+b_1)/2,(a_2+b_2)/2,(a_3+b_3)/2)
کردن دیفازی{█(CA=(〖(a〗_۳-a_1)-(a_2-a_3))/3+a_1 ناحیه مرکز روش @A=(a_1+4a_2+a_3)/6 @A=(a_1+2a_2+a_3)/4 )┤
۳-۷- تحلیل سلسله مراتبی بوکلی۱۳۲
نظر به نارسائی‌های نخستین روش AHP فازی، بوکلی به سال ۱۹۸۵ روش جدیدی را برای فازی سازی تکنیک AHP گسترش داد. این روش به روش میانگین هندسی بوکلی موسوم است. بوکلی دو ایراد اساسی به تکنیک لارهورن و پدریک وارد کرده است. نخست اینکه آنها از معادلات خطی استفاده کرده بودند و این روش ممکن است همیشه پاسخ یکسانی نداشته باشد. دوم اینکه اعداد ذوزنقه‌ای برای فازی‌سازی دیدگاه خبرگان مناسب‌تر از از اعداد مثلثی است. بوکلی به سال ۲۰۰۱ اشاره کرده است که اگر سازگاری مقایسه‌های زوجی کامل باشد، در اینصورت نتیجه حاصل از روش وی با روش بردار ویژه ساعتی یکسان خواهد بود در غیراینصورت نتایج روش وی بیشتر با واقعیت سازگار خواهد بود. بعدها توسط انوری و همکاران (۲۰۱۲)، روش بوکلی برای اعداد فازی مثلثی تعمیم داده شد. مراحل تحلیل سلسله مراتبی بوکلی به صورت زیر می باشد:
مرحله اول؛ ترسیم درخت سلسله مراتبی: ابتدا ساختار سلسله مراتب تصمیم با استفاده از سطوح هدف معیار و گزینه ترسیم می‌شود.
مرحله دوم؛ تجمیع نظرات خبرگان: در این مرحله از مقایسات زوجی پاسخ‌دهندگان میانگین هندسی گرفته میشود.
مرحله سوم؛ محاسبه میانگین هندسی سطرها: در این مرحله از سطرهای هر جدول مقایسه زوجی با توجه به رابطه (۳-۲) میانگین هندسی گرفته می شود.
(۳-۲)
در این فرمول عدد فازی مثلثی است که در جداول مربوط به میانگین نظر خبرگان قرار دارد.
مرحله چهارم؛ نرمالایز کردن میانگین‌های هندسی: در این مرحله مقادیر به دست آمده از مرحله دوم نرمالیزه میشود. مقادیر را برای هر ماتریس با مجموع نرمالایز می شود.
(۳-۳)
در صورتی که این اوزان نرمالیزه شده مربوط به مقایسات گزینهها باشد (وزن گزینه i ام در ارتباط با معیار j ام) و در صورتی که مرتبط با مقایسه معیارها باشد نامیده میشود.
مرحله پنجم؛ ترکیب اوزان: با ترکیب وزن گزینهها (نسبت به معیارها) و وزن معیارها با توجه به رابطه (۳-۴)، اوزان نهایی محاسبه می شود:
(۳-۴)
مرحله ششم؛ دیفازی کردن: دراین مرحله اوزان فازی بهدست آمده، طبق رابطه (۳-۵) دیفازی می شوند.
(۳-۵):
در این رابطه و دیفازی شده می باشد.
۳-۸- روش بررسی سازگاری
یکی از مزایای فرآیند تحلیل سلسله مراتبی کنترل سازگاری تصمیم است به عبارت دیگر همواره در فرآیند تحلیل سلسله مراتبی می توان میزان سازگاری تصمیم را محاسبه نمود و نسبت به خوب و بد بودن و یا قابل قبول و مردود بودن آن، قضاوت کرد.
اگر A دو برابر B اهمیت داشته باشد و B سه برابر C مهم باشد چنانچه A شش برابر C اهمیت داشته باشد این قضاوت را سازگار می گوییم اما در عمل اینگونه نیست که تصمیمات و قضاوت های انسان همواره سازگار باشد (قدسی پور، ۱۳۸۹).
موضوع سازگاری اولین بار توسط ساعتی طرح و مشخصه های سازگاری کامل و سازگاری قابل قبول توسط وی تعریف گردیدند.
پس از آن تحقیقات زیادی در مورد استانداردهای سنجش سازگاری انجام شد، که یکی از آنها که در زمینه ماتریس های فازی صورت گرفت روش گوگوس و بوچر بود.
گوگوس۱۳۳ و بوچر۱۳۴ (۱۹۹۸) پیشنهاد دادند برای بررسی سازگاری، دو ماتریس (عدد میانی و حدود عدد فازی) از هر ماتریس فازی مشتق و سپس سازگاری هر ماتریس بر اساس روش ساعتی محاسبه شود. مراحل محاسبه نرخ سازگاری ماتریسهای فازی مقایسات زوجی به قرار زیر است:
مرحله ۱: در مرحله اول ماتریس مثلثی فازی را به دو ماتریس تقسیم کنید. ماتریس اول از اعداد میانی قضاوتهای مثلثی تشکیل میشود و ماتریس دوم شامل میانگین هندسی حدود بالا و پایین اعداد مثلثی میشود.
مرحله ۲: بردار وزن هر ماتریس را با استفاده از روش ساعتی به ترتیب زیر محاسبه کنید.
که در آن (۳-۶)
که در آن (۳-۷)
مرحله ۳: بزرگترین مقدار ویژه را برای هر ماتریس با استفاده از روابط زیر محاسبه نمایید.
(۳-۸) (۳-۹)
مرحله ۴: شاخص سازگاری را با استفاده از راوبط زیر محاسبه کنید:
(۳-۱۰)
(۳-۱۱)
مرحله ۵: برای محاسبه نرخ ناسازگاری (CR)، شاخص CI را بر مقدار شاخص تصادفی (RI) تقسیم کنید. در صورتی که مقدار حاصل کمتر از ۱/۰ باشد، ماتریس سازگار و قابل استفاده تشخیص داده میشود. ساعتی برای به‌دست آوردن مقادیر شاخصهای تصادفی (RI)، ۱۰۰ ماتریس را با اعداد تصادفی و با شرط متقابل بودن ماتریسها تشکیل داده و مقادیر ناسازگاری و میانگین آنها را محاسبه نمود. اما از آنجا که مقادیر عددی مقایسات فازی همواره عدد صحیح نیستند و حتی در این صورت هم میانگین هندسی، آنها را عموماً به اعداد غیرصحیح تبدیل میکند، حتی در صورت استفاده از مقیاس (۹-۱) ساعتی نیز نمیتوان از جدول شاخصهای تصادفی (RI) ساعتی استفاده کرد. بنابراین گوگوس و بوچر با تولید ۴۰۰ ماتریس تصادفی مجدداً جدول شاخصهای تصادفی (RI) (جدول (۳-۱)) را برای ماتریسهای مقایسات زوجی فازی تولید کردند.
جدول۳-۱ شاخصهای تصادفی (RI)
اندازه ماتریس

۱
۰
۰
۲
۰
۰
۳
۴۸۹۰/۰
۱۷۹۶/۰
۴
۷۹۳۷/۰
۲۶۲۷/۰
۵
۰۷۲۰/۱
۳۵۹۷/۰
۶
۱۹۹۶/۱
۳۸۱۸/۰
۷
۲۸۷۴/۱
۴۰۹۰/۰
۸
۳۴۱۰/۱
۴۱۶۴/۰
۹
۳۷۹۳/۱
۴۳۴۸/۰
۱۰
۴۰۹۵/۱
۴۴۵۵/۰
۱۱
۴۱۸۱/۱
۴۵۳۶/۰
۱۲
۴۴۶۲/۱
۴۷۷۶/۰
۱۳
۴۵۵۵/۱
۴۶۹۱/۰
۱۴
۴۹۱۳/۱
۴۸۰۴/۰
۱۵
۴۹۸۶/۱
۴۸۸۰/۰

برای تولید ماتریسهای تصادفی ابتدا مقدار میانی عدد فازی مثلثی به صورت تصادفی در بازه و به صورت متقابل تولید شد. سپس مقدار حد پایین هر عدد مثلثی در بازه ]مقدار میانی تولید شده و [ و مقدار حد بالای آن در بازه ] و مقدار میانی تولید شده[ به صورت تصادفی تولید و در نهایت با تقسیم ماتریس تصادفی حاصل به دو ماتریس حد میانی و میانگین هندسی حدود بالا و پایین، مقدار شاخص تصادفی آنها به دست آمد. نکته قابل توجه اینکه مقدار ناسازگاری در ستون بیشتر ازاست. این تفاوت بدین جهت است که دامنه اعداد تصادفی تولید شده برای حد میانی است اما دامنه اعداد تصادفی حدود بالا و پایین بر اساس عدد میانی تولید شده، محدودتر است و بنابراین احتمال کمتری برای ناسازگاری در آنها وجود دارد.
با محاسبه نرخ ناسازگاری برای دو ماتریس بر اساس روابط زیر آنها را با آستانه ۱/۰ مقایسه میکنیم:
(۳-۱۲)
(۳-۱۴)
در صورتی که هر دوی این شاخصها کمتر از ۱/۰ بودند، ماتریس فازی سازگار است. در صورتی که هر دو بیشتر از ۱/۰ بودند، از تصمیمگیرنده تقاضا میشود تا در اولویتهای ارائه شده تجدید‌نظر نماید و در صورتی که تنها بیشتر از ۱/۰ بود، تصمیمگیرنده تجدید نظر در مقادیر میانی (حدود) قضاوت‌های فازی را انجام میدهد.
۳-۹- روش تاپسیس۱۳۵
مدل های تصمیم گیری چند شاخصه شامل روش های مختلفی است که در این تحقیق از روش تاپسیس استفاده شده است. این روش در گروه مدل های جبرانی قرار می گیرد. روش تاپسیس یکی از رایج ترین روش های مورد استفاده در مسائل تصمیم گیری چند معیاره است که اولین بار در سال ۱۹۸۱ توسط هوانگ و یون۱۳۶ استفاده شد. در این روش m گزینه به وسیله n شاخص مورد ارزیابی قرار می گیرند. در این روش گزینه ای ارجح است که نزدیکترین گزینه به راه حل ایده آل باشد. در این روش علاوه بر در نظر گرفتن فاصله یک گزینه از گزینه ایده آل مثبت (بهترین حالت ممکن) فاصله آن از گزینه ایده آل منفی (بدترین حالت ممکن) هم در نظر گرفته می شود. بدین معنی که گزینه انتخابی باید دارای کمترین فاصله از راه حل ایده آل مثبت بوده و در عین حال دارای بیشترین فاصله از راه حل ایده آل منفی باشد.
۳-۹-۱ روش تاپسیس فازی
روش تاپسیس به طور گسترده ای برای حل مسائل رتبه بندی استفاده می شود. اما به دلیل ناتوانی آن در مد نظر قرار دادن ابهام ذاتی در ادراکات تصمیم گیرندگان مورد انتقاد قرار گرفته است. یکی از محققانی که به نحو مناسبی توانسته است تکنیک تاپسیس را به فضای فازی منتقل کند چن۱۳۷ است. شیوه معرفی شده توسط چن با توجه به نوع استفاده ای که در این تحقیق از آن خواهد شد به قرار زیر است (چن، ۲۰۰۰):
گام اول: تشکیل ماتریس تصمیم فازی از آرای افراد در مورد اهمیت هر کدام از مؤلفه های مدیریت زنجیره تامین سبز. ماتریس تصمیم به صورت زیر تشکیل می شود.
]]>