فرآیند تصمیم‌گیری در بسیاری از موارد به اطلاعات مناسب و سرعت عمل احتیاج دارد. برخی از افراد به واسطه دسترسی به بعضی از خبرها یا سرعت انجام محاسبات، قادر هستند، مناسب‌ترین تصمیم را در کوتاه‌ترین زمان گرفته و از نتایج آن بهره‌مند شوند. ولی زمانی که گزینه‌های قابل اجرا زیاد و ضرر و زیان ناشی از تصمیم اشتباه، غیرقابل جبران باشد، شیوه‌های مبتنی بر محاسبات رایانه‌‌ای یا الگوریتم‌های تصمیم‌گیری، روشی مناسب برای کسب و کارهای بزرگ خواهند بود. در این نوشتار از مجله فرادرس به بررسی فرآیند سلسله مراتبی و تحلیل آن پرداخته و مشخص می‌کنیم که روش AHP چیست و به چه کار می‌آید.

در دیگر نوشتارهای مجله فرادرس با عنوان نظریه تصمیم و انواع آن | به زبان ساده و تجزیه و تحلیل تلفیقی آماری — به زبان ساده با مفهوم تصمیم و تصمیم بهینه، آشنا شدید. همچنین با خواندن فرایند تصادفی (Random Process) — مفاهیم اولیه و متغیر تصادفی، تابع احتمال و تابع توزیع احتمال پیش‌نیازهای آماری و ریاضی نظریه تصمیم را فرا خواهید گرفت. ولی در اینجا به شیوه دیگری با مسئله تصمیم روبرو می‌شویم. وزن‌دهی به انتخاب‌ها طبق یک روند یا مراحل، هدف روش AHP‌ است. به این ترتیب با جمع‌بندی وزن‌ها، تصمیم بهینه و مناسب شناخته می‌شود.

روش AHP چیست ؟

«فرایند تحلیلی سلسله مراتبی» (Analytical Hierarchy Process) یا به اختصار AHP،  ابزاری ریاضی برای حل مسئله‌هایی است که در اواخر سال‌های 1990 و اوایل 2000 میلادی، در بین محققین حوزه مدیریت مورد توجه قرار گرفت. روش AHP پس از درک ساختار یک مسئله و مواجه شدن با موانع واقعی مدیران هنگام حل آن، ایجاد شد. در حقیقت AHP، ساختاری برای حل مسائلی است که باید به صورت تحلیلی حل شوند ولی متاسفانه شکلی لایه لایه دارند. مبدع این روش، «توماس ساعتی» (Thomas Saaty)، ریاضی‌دان آمریکایی عراقی‌تبار است که بعدها روش خود را توسعه داد و شیوه جدیدی به نام «فرآیند تحلیلی شبکه‌ای» (Analytic Network Process)، یا به اختصار ANP ارائه کرد.

Thomas Saaty
توماس ساعتی، مبدع AHP

پیش‌زمینه AHP

روش AHP یک مسئله را در سه بخش یا مرحله بررسی می‌کند. با طی کردن این مراحل، مسئله روشن شده و شیوه حل آن مشخص می‌شود. انجام این مراحل و تقسیم یک مسئله به بخش‌های دیگر از ملزومات روش AHP‌ است.

  • مرحله ۱: واضح است که در بخش اول مسئله‌ای وجود دارد که باید حل شود.
  • مرحله ۲: در این قسمت راه حل‌هایی که در اختیارمان گذاشته شده و برای حل مشکل موجود، قابل استفاده هستند را لیست کرده و مشخصات و ویژگی‌های آن‌ها را تعیین می‌کنیم.
  • مرحله ۳: سومین و مهمترین قسمت در روش AHP، معیارهایی است که برای ارزیابی راه حل‌های متفاوت قابل استفاده‌ بوده و باید یکی از آن‌ها را به عنوان روش بهینه انتخاب کرد.

در نهایت با توجه به معیارهای بدست آمده توسط AHP، نسبت به بهترین تصمیم اقدام شده و آن را عملی می‌کنیم.

روش AHP به این موضوع توجه دارد که اگر چه معیارها یا تصمیمات زیادی وجود دارند، اما ممکن است اندازه یا اهمیت هر معیار با دیگری برابر نباشد. به عنوان مثال اگر مجبور شوید بین دو رستوران یکی را انتخاب کنید، طعم و زمان انتظار، دو عامل تعیین کننده برای انتخاب رستوران مناسب هستند، با این حال این دو پارامتر، ممکن است از نظر هر فرد یا در هر موقعیتی، اهمیت‌های متفاوتی داشته باشند.

گاهی ممکن است طعم بسیار مهمتر از زمان انتظار باشد. بنابراین اگر وزن 2 را به طعم و 1 را به زمان انتظار اختصاص دهید، به احتمال زیاد به رستورانی می‌رسید که بهترین نیاز شما را برآورده کند. ولی زمانی که گرسنه هستید، اهمیت زمان انتظار بیشتر خواهد شد. از این رو، هنگام ارزیابی راه حل‌های ممکن، باید اهمیت‌ها یا در حقیقت، وزن‌ها را به ضوابط و شرط‌های مسئله اضافه کرده تا از نتیجه‌گیری صحیح، اطمینان حاصل نمایید.

هر چند این امر بدیهی به نظر می‌رسد ولی با این وجود، دانشمندان مدیریت بسیار دیرهنگام با مسئله چگونگی تعیین وزن روبرو شدند. در مثال فوق، تعیین وزن‌ها، براساس سلیقه و نظر شخصی صورت گرفت. از طرفی فقط دو پارامتر یا معیار برای تصمیم‌گیری وجود داشت. در حقیقت با یک مسئله دو متغیره مواجه بودیم. هرچه تعداد معیارها (عوامل یا متغیرها) بیشتر شود، روش تصمیم‌گیری و انتخاب بهینه، پیچیده‌تر و سخت‌تر خواهد شد.

روش AHP، تکنیکی است که باید هم به وزن‌ها و هم به بهینه‌سازی تابع هدف، توجه کند. بنابراین، بررسی‌ها و تعادل‌ها این اطمینان را حاصل می‌کنند که وقتی اهمیت نسبی معیارها را در فرآیند، بوسیله وزن مشخص می‌کنید، به راه حل‌های منطقی دست پیدا خواهید کرد. به همین دلیل است که امروزه AHP به یکی از پرطرفدارترین تکنیک‌های علوم مدیریت تبدیل شده است. مدیران شرکت‌های بزرگی مانند جنرال الکتریک، خودرو سازی فورد، موتورولا و غیره، از روش AHP، در «پروژه‌های شش سیگما» (Six-Sigma Project) ‌استفاده می‌کنند.

در تصویر زیر، هدف در بخش Object و محدودیت‌ها نیز در جعبه‌هایی با نام Crit که مخفف Criteria است، دیده می‌شود. گزینه‌های قابل انتخاب یا تصمیم‌ها نیز در بخش Alternaive‌ قرار گرفته‌اند.

cropped AHP icon
سلسله مراتب و مقایسه‌های دو تایی در AHP

یکی از آموزش‌های فرادرس به موضوع تصمیم‌گیری چند شاخصه یا چند مولفه‌ای پرداخته است. برای مشاهده این آموزش به لینکی که در ادامه آورده شده، مراجعه فرمایید.

ارتباط بین AHP و شش سیگما

به این موضوع توجه داشته باشید که AHP یک تکنیک جداگانه نسبت به روش شش سیگما است. در حقیقت نمی‌توان AHP را بخشی از روش‌های استاندارد شش سیگما در نظر گرفت. در حقیقت AHP، سال‌ها پس از توسعه روش شش سیگما توسعه یافت. با این وجود در پروژه‌های شش سیگما از روش AHP به طور گسترده‌ای استفاده می‌شود.

مدیران از AHP برای تعیین عدد به عنوان وزن عوامل استفاده می‌کنند. این وزن‌ها یا فاکتورها، می‌تواند مقادیری باشد که مشتریان هنگام ارزیابی یک محصول معرفی کرده و یا عواملی باشند که مدیریت برای ارزیابی راه حل‌های موجود، در نظر گرفته است.

معایب AHP

روش AHP مسائل خاص خود را دارد. این روش شامل ریاضیات سطح بالایی است که بر اساس مفهوم «بردارهای ویژه» (Eigen Vectors)‌ و «مقادیر ویژه» (Eigen Values) ساخته می‌شود. به همین دلیل است که انجام محاسبات مربوط به AHP در یک کاربرگ اکسل به ندرت انجام می‌شود. با این حال، نرم‌افزارهای زیادی وجود دارند که می‌توانند محاسبات مربوطه برای بدست آوردن ضرایب یا وزن‌ها را انجام دهند. بنابراین مدیران کافی است از روند AHP آگاه بوده و مسئله را مطرح کنند. به این ترتیب محاسبات را می‌توان به نرم‌افزارها بسپارند.

استفاده از فرایند تحلیلی سلسله مراتبی (AHP)

اگر چه AHP یکی از پیشرفته‌ترین روش‌های موجود در زمینه علوم مدیریت و تحقیقات عملیاتی است، اما پیچیدگی استفاده از این ابزار کاربرد آن را دشوار می‌کند. خوشبختانه ابزارهای نرم افزاری ساخته شده‌اند که بخش پیچیده ریاضیات را خودکار می‌کنند. کاربر باید یک روش ساده از جمع آوری داده‌ها را دنبال کند، سپس برای دستیابی به نتایج از نرم‌افزار مورد نظر استفاده کند.

گام یا مراحل تشکیل مسئله و حل آن توسط نرم‌افزارهای AHP در ادامه مورد بررسی قرار گرفته‌اند.

مرحله 1: گزینه‌ها یا پاسخ‌های مختلف

روند AHP با تعریف گزینه‌هایی که باید ارزیابی شوند آغاز می‌شود. این گزینه‌ها می‌توانند معیارهای مختلفی باشند که راه حل‌ها باید در برابر آنها ارزیابی شوند. اینها همچنین می‌توانند ویژگیهای مختلف یک محصول باشند که برای درک بهتر درک مشتری باید وزن دهی شوند. در پایان مرحله 1، یک لیست جامع از تمام گزینه‌های موجود باید آماده شود.

مرحله 2: تعریف مسئله و معیارها

مرحله بعدی مدل سازی مسئله است. مطابق روش AHP، یک مسئله مجموعه‌ای از مشکلات فرعی است. بنابراین روش AHP به شکستن مسئله در سلسله مراتبی از مشکلات کوچکتر متکی است. در روند شکستن زیرمسئله، معیارهایی برای ارزیابی راه حل‌ها ظاهر می‌شوند. با این حال، مانند تجزیه و تحلیل علت ریشه، فرد می‌تواند در سطح مشکل و در سطوح عمیق‌تری ادامه یابد. زمان متوقف کردن شکستن مسئله به زیر مشکلات کوچکتر یک قضاوت ذهنی است.

مثال: یک شرکت باید در مورد بهترین گزینه سرمایه گذاری در میان بازار سهام، اوراق قرضه، املاک و مستغلات و طلا تصمیم بگیرد. اگر از روش AHP استفاده شود، مسئله بهترین سرمایه گذاری به مسئله‌های کوچکتری مانند محافظت در برابر سقوط سهام، حداکثر شانس انتفاع، نقدینگی در بازار و غیره تقسیم می‌شود. هر یک از این زیرمسئله را می‌توان به مسئله‌های کوچکتری نیز تقسیم کرد تا زمانی که مدیریت احساس کند معیارهای مناسب حاصل شده است.

مرحله 3: مقایسه متقابل یا دو به دو اولویت‌ها

تکنیک یا روش AHP از ماتریسی به عنوان مقایسه‌های دو به دو استفاده می‌کند. به عنوان مثال از شرکت خواسته می‌شود که اهمیت نسبی حفاظت از سقوط در مقابل نقدینگی را بسنجد. سپس در ماتریس بعدی، یک مقایسه دوتایی بین نقدینگی و شانس انتفاع ساخته می‌شود و همینطور براساس تعداد جایگشت‌های دوتایی، ماتریس‌های مختلف بوجود خواهد آمد. از مدیران انتظار می‌رود که این داده‌ها را طبق انتظارات مصرف کننده نهایی یا افرادی که قصد استفاده از این فرآیند را دارند، تکمیل نمایند.

مرحله 4: بررسی سازگاری

این مرحله در اکثر ابزارهای نرم افزاری وجود دارد که به حل مسئله AHP کمک می‌کند. به عنوان مثال اگر بگویم که نقدینگی دو برابر محافظت در برابر سقوط مهم است و در ماتریس بعدی می‌گویم که حفاظت از سقوط، نصف شانس انتفاع مهم است، وضعیت زیر پدید خواهد آمد.

نقدینگی = $$2$$ (محافظت در برابر سقوط سهام)

محافظت در برابر سقوط = $$\frac{1}{2}$$ (احتمال انتفاع)

بنابراین، نقدینگی باید شانس برابری با احتمال انتفاع داشته باشد. با این حال، اگر در مقایسه دو به دوی نقدینگی و شانس انتفاع، اگر وزنی بیش از 1 یا کمتر داده شود، داده‌های متناقض بوجود خواهد آمد. البته داده‌های ناسازگار، نتایج ناسازگار نیز می‌دهند، بنابراین پیشگیری بهتر از درمان است. به این ترتیب برای هر تصمیم، یک میانگین وزنی از ویژگی‌ها ساخته می‌شود که در انتخاب تصمیم بهینه نقش دارد.

مرحله 5: محاسبه وزن‌های نسبی

ابزار نرم افزاری محاسبه ریاضی را بر اساس داده‌ها اجرا می‌کند و وزن‌های نسبی را به معیارها اختصاص می‌دهد. هنگامی که معادله با معیارهای وزنی آماده شد، می‌توان گزینه‌ها را ارزیابی کرد تا بهترین راه حل متناسب با نیازهای آن‌ها را بدست آورد. در تصویر زیر، مراحل یا گام‌های AHP‌ به صورت مفصل‌تر مورد بررسی قرار گرفته است. مشخص است که در اینجا، هشت گام اصلی معرفی شده‌اند.

apply ahp in decision making
گام‌های مهم و اصلی در AHP برای انتخاب تصمیم مناسب

همانطور که می‌بینید در تصویر بالا، این هشت گام، به صورت تفکیک یا افراز گام‌های اشاره شده قبلی بدست آمده‌اند. در حقیقت گام دوم و چهارم اضافه شده‌اند و در انتها نیز گام‌ها به صورت تفکیکی قابل مشاهده‌اند.

نکته: توماس ساعتی برای معرفی نحوه تصمیم‌گیری در تکنیک AHP، نرم‌افزار ExpertChoice را معرفی کرده و اغلب محققین از آن برای اجرای تکنیک AHP استفاده می‌کنند.

معرفی فیلم آموزش تصمیم گیری چند شاخصه (Multiple Attribute Decision Making)

multiple attribute decision making

توانایی انتخاب، یکی از ویژگی‌های انسانی است که قدمتی به اندازه تاریخ بشر دارد. فرایندهای تصمیم گیری (Decision – making) جهت انتخاب گزینه‌های (Alternatives) مناسب، فرایندی خردگرا (Rational) به شمار می‌رود. با پیشرفت انفجاری تکنولوژی‌های محاسبات ماتریسی در رایانه‌ها، روش‌های تصمیم‌گیری نیز پیچیده‌تر شده و الگوریتم‌های اتخاذ تصمیم، بیشتر شده‌اند. در این فرادرس با پرکاربردترین روش‌های تصمیم گیری چند شاخصه آشنا شده و مسائل کاربردی مرتبط با این حوزه را خواهید آموخت. فهرست سرفصل‌ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است.

  • درس یکم: مقدمه ای بر مفاهیم اولیه تصمیم گیری چند شاخصه
  • درس دوم: آشنایی با ماتریس تصمیم
  • درس سوم: فرایند تحلیل سلسله مراتبی (AHP) با ExpertChoice
  • درس چهارم: فرایند تحلیل شبکه ای (ANP)
  • درس پنجم: روش ساده وزنی (SAW)
  • درس ششم: روش تاپسیس (TOPSIS)
  • درس هفتم: روش ویکور (VIKOR)
  • درس هشتم: روش تسلط تقریبی (ELECTERE)
  • درس نهم: روش پرامتی (PROMETHEE)
  • درس دهم: روش دیمتل (DEMATEL)
  • درس یازدهم: استراتژی‌های اولویت‌بندی

زمان این فیلم آموزشی، ۷ ساعت و ۱۶ دقیقه است و مشاهده آن به تمام دانشجویان و محققین در رشته صنایع و مدیریت توصیه می‌شود.

خلاصه و جمع‌بندی

همانطور که خواندید، انتخاب وزن برای معیارها یا متغیرهای یک مسئله، امری ضروری به نظر می‌رسد. به کمک این وزن‌ها، اهمیت هر یک از متغیرها را در تابع هدف، تعیین کرده و عمل بهینه‌سازی صورت می‌گیرد. البته از آنجایی که در روش AHP، مقایسه‌های دو به دو انجام می‌شود، طی یک فرآیند، ضرایب معیارها مشخص شده و مسئله بهینه‌سازی حل می‌شود. البته از بعضی جنبه‌ها می‌توان از اصول و قواعدی که در «نظریه بازی»‌ (Game Theory) وجود دارد، برای انتخاب تصمیم در فضای غیرقطعی (تصادفی) استفاده کرد. در نوشتارهای دیگر مجله فرادرس، به بررسی یک مثال از تکنیک AHP، خواهیم پرداخت که به مسئله معروف، «انتخاب مدیر اصلح» (Leader) خواهیم پرداخت.

اگر این مطلب برای شما مفید بوده است، آموزش‌ها و مطالب زیر نیز به شما پیشنهاد می‌شوند:

آرمان ری بد (+)

«آرمان ری‌بد» دکتری آمار در شاخه آمار ریاضی دارد. از علاقمندی‌های او، یادگیری ماشین، خوشه‌بندی و داده‌کاوی است و در حال حاضر نوشتارهای مربوط به آمار و یادگیری ماشین را در مجله فرادرس تهیه می‌کند.

آیا این مطلب برای شما مفید بود؟

نظر شما چیست؟

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *