وبلاگ

تایید مناسب بودن عوامل ،ساختار و دسته بندی در مدل
وزن دهی به شاخص ها با بهره گرفتن از روش فازی
تلفیق روش های AHP و TOPSIS فازی و به دست آوردن وزن نهایی شاخص ها و زیر شاخص ها
رتبه بندی شاخص ها موثر بر هوش تجاری
شکل ۳- ۱ شمای مسیر تحقیق
لازم به ذکر است که در مطالعه موردی، این دسته بندی باید به تأیید افراد خبره سازمان برسد و عواملی که مناسب نیستند باید تصحیح و یا حذف شوند. به عنوان مثال در ابتدای تحقیق عامل “سازمان‌های چند بخشی” و “مشکلات تکنیکی” نیز مد نظر محقق بوده، ولی این عوامل به دلیل نبود موضوعیت برای سازمان مورد بررسی حذف شد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۲ فرایند تحلیل سلسله مراتبی فازی
روش‌شناسی FAHP بر اساس مفهوم تئوری مجموعه فازی ـ که توسط پروفسور لطفی زاده در ۱۹۶۵ ارائه کرد ـ بنا نهاده شده است. فرایند تحلیل سلسله مراتبی فازی (FAHP)‌،AHP «ساعتی» را از رهگذر ترکیب آن با تئوری مجموعه فازی بسط می‌دهد‌. در AHPفازی، بعد از ایجاد ساختار سلسله مراتبی برای مسئله‌ای که باید حل شود، برای نشان دادن اهمیت نسبی عوامل متناظر با معیارها از مقیاس‌های نسبی فازی استفاده می‌شود‌. به این ترتیب، یک ماتریس قضاوت فازی ساخته می‌شود‌، امتیازات نهایی گزینه‌ها توسط اعداد فازی ارائه می‌گردند‌، و گزینه بهینه از رهگذر رتبه‌بندی اعداد فازی با بهره گرفتن از عملگرهای جبری خاص به دست می‌آید. (طالبی و ملاطایفه، ۱۳۹۰)
۳-۳ مفاهیم و تعاریف فرایند تحلیل سلسله مراتبی فازی بر اساس روش آنالیز توسعه
وقتی تصمیم‌گیرنده با یک مسئله غیر قطعی و پیچیده مواجه می‌شود و قضاوت‌های مقایسه‌ای خود را به صورت نسبت‌های غیر قطعی مانند “حدوداً دو برابر مهم‌تر"‌ و “بین دو تا چهار برابر کم‌اهمیت‌تر ” بیان می‌کند‌، گام‌های AHP استاندارد و به خصوص‌، رویکرد اولویت‌بندی بردار ویژه‌ نمی‌توانند به عنوان رویه‌های درست در نظر گرفته شوند. در ۱۹۹۶، یک محقق چینی به نام «یونگ چانگ»، روش تحلیل توسعه‌ای ^[۶۹]را ارائه کرد. در این روش‌شناسی‌، اعداد فازی مثلثی^{[۷۰] [۷۱]} همه عناصر را در ماتریس قضاوت و بردارهای وزن این روش، به علت سادگی محاسباتش، در اکثر تحقیقات به کار می‌رود. (طالبی و ملاطایفه، ۱۳۹۰)
فرض کنید  یک ماتریس مقایسه زوجی فازی باشد که به صورت زیر تعریف می‌شود‌:
(۳-۱)
آنگاه رابطه  برقرار خواهد بود.
حال برای حل مدل با روش EA در هر یک از سطرهای ماتریس مقایسات زوجی‌، ارزش  ـ که خود یک عدد فازی مثلثی است‌ ـ به صورت زیر محاسبه می‌گردد‌:
(۳-۲)
که در آن، k بیانگر شماره سطر و  و  ، به ترتیب، نشان‌دهنده گزینه‌ها و شاخص‌ها هستند.
در این روش، پس از محاسبه  ‌ها درجه بزرگی آن‌ ها را نسبت به هم باید به دست آورد‌. به طور کلی، اگر  و  دو عدد فازی مثلثی باشند‌، درجه بزرگی  بر  به صورت زیر تعریف می‌شود:

(۳-۳)
و در غیر این صورت داریم‌:
(۳-۴)
برای محاسبه وزن شاخص‌ها در ماتریس مقایسات زوجی به صورت زیر عمل می‌کنیم‌:
(۳-۵)
بنابراین‌، بردار وزن شاخص‌ها به صورت زیر خواهد بود:
(۳-۶)
که همان بردار ضرایب نابهنجار AHP فازی است‌. بر اساس رابطه  اوزان بهنجار شده شاخص‌ها به دست می‌آید.
۳-۴ تعیین نرخ سازگاری در فرایند تحلیل سلسله مراتبی فازی
برای ‌اندازه‌گیری درجه سازگاری ماتریس قضاوت فازی  ، یک شاخص  را می‌توان بعد از تعیین بردار اولویت کریسپ (غیر فازی) به صورت زیر بهینه تعریف کرد:

(۳-۷)
که در آن،  ماتریس مقایسه فازی زوجی،  وزن عامل ۱‌،  وزن عامل ۲‌، w وزن عامل n ام است.
فرض می‌کنیم یک ماتریس قضاوت فازی به صورت  ساخته می‌شود‌ که در آن، عدد فازی مثلثی  به صورت  بیان می‌گردد. آنگاه برای بردار وزن کریسپ  می‌توان  را به صورت تابع زیر تعریف کرد‌:
(۳-۸)
(۳-۹)
ارزش  همواره بین صفر و یک است. اگر مقدار آن از  بزرگ‌تر باشد، آنگاه تمام نسبت‌های واقعی نامساوی‌های  ارضاء می‌شوند و ماتریس قضاوت فازی از سازگاری خوبی برخوردار خواهد بود. اگر  مساوی یک باشد، نشان‌دهنده آنست که ماتریس قضاوت فازی، کاملاً سازگار است‌. در نتیجه‌، ماتریس قضاوت فازی با یک  بزرگ‌تر، سازگارتر است. (طالبی و ملاطایفه، ۱۳۹۰)
۳-۴-۱ اعداد فازی
بر اساس نظریه مجموعه های فازی ، یک عدد فازی، مجموعه فازی خاصی به صورت  می‌باشد که در آن، x مقادیر حقیقی عضو مجموعه R را می‌پذیرد و تابع عضویت آن به صورت  می‌باشد. بیشترین اعداد فازی مورد استفاده، اعداد فازی مثلثی و ذوزنقه‌ای هستند. اعداد فازی مثلثی، به دلیل محاسبات ساده‌تر، بیشتر مورد استفاده قرار می‌گیرند. از این رو، ما نیز در این تحقیق از اعداد فازی مثلثی استفاده می‌کنیم. یک عدد فازی مثلثی A عددی با تابع عضویت تکه‌ای خطی µ_A به صورت رابطه (۳-۱۰) تعریف می‌شود:
(۳-۱۰)
که می ­تواند به صورت عدد فازی مثلثی (a^l , a^m , a^r) نشان داده شود. شکل (۲-۳)، این تابع عضویت را نمایش می‌دهد.
a^r
a^m
a^l
۰
۱
µ_x(x)
x
شکل ۳-۲ : نمایش عدد فازی مثلثی
اگر A=(a^l, a^m, a^r) و B=(b^l, b^m, b^r) دو عدد فازی مثلثی باشند، تابع فاصله d(A, B) به صورت رابطه (۳-۱۱) تعریف می‌شود: (تقی زاده و فضلی، ۱۳۹۰)
(۳-۱۱)
۳-۵ تکنیک تاپسیس فازی