آموزش فرایند تحلیل سلسله مراتبی روش AHP با مثال کاربردی
بخش اول: آشنائی با تکنیک AHP
آیا لازم است یادآوری کنم واژه AHP مخفف عبارت Analytical Hierarchy process به معنی فرایند تحلیل سلسله مراتبی است. حتی اگر تا این اندازه با مفهوم AHP بیگانه هستید ناامید نشوید با مطالعه این مقاله شما یک کارشناس AHP خواهید بود. نظر به مشکلات دانشجویان و پژوهشگران پیرامون نحوه استفاده از فرایند تحلیل سلسله مراتبی برآن شدم تا با ذکر یک مثال کاربردی این مفهوم را برای علاقهمندان روشن کرده و بعلاوه نحوه انجام محاسبات را نیز فراهم آورم. این آموزش در چندین بخش تهیه شده است و همواره مورد تجدید نظر قرار میگیرد و بنا به ضرورت بخش هائی به آن اضافه شده یا توضیحات آن دستخوش تغییر میگردد تا درک بهتری از فرایند تحلیل سلسلهمراتبی حاصل آید.
انتخاب معیارها یا criterions بخش اول تجزیه و تحلیل AHP است. سپس براساس معیارهای شناسائی شده کاندیداها ارزیابی میشوند. واژه گزینهها یا کاندیداها مترادف واژه alternative یا candidates بوده و به جای هم بکار روند که مساله مهمی نیست. در این مثال ما سه کاندیدا برای مدیریت داریم: مادلین، سوف و راجر که در تصویر مشاهده میشوند.
بگذارید با یک شوخی نکته مهمی را یادآوری کنم. احتمالا الان مادلین را انتخاب کرده اید! ولی یادتان باشد جنسیت جزء معیارهای ما نبود. روش نظام مند اینگونه از ورود جهت گیری ذهنی ممانعت میکند. دامنه تاثیر داوری ذهنی در روشهای تصمیمگیری چندمعیاره حداقل میشود. به این ترتیب الگوی انتخاب به صورت سلسلهمراتب زیر ترسیم میشود:
۲- طراحی پرسشنامه خبره
پرسشنامه مورد استفاده برای تحلیلهای سلسهمراتبی و تصمیمگیری چندمعیاره به پرسشنامه خبره موسوم است. پرسشنامه خبره اصلاً چیز پیچیدهای نیست بلکه بسیار ساده نیز هست. برای تهیه پرسشنامه خبره از مقایسه زوجی گزینهها استفاده میشود. برای هر سطح از سلسله مراتب یک پرسشنامه خبره تهیه میشود. برای امتیاز دهی از مقیاس نه درجه ساعتی به صورت زیر استفاده میشود:
ارزش |
وضعیت مقایسه i نسبت به j |
توضیح |
۱ |
ترجیح یکسان Equally Preferred |
شاخص i نسبت به j اهمیت برابر دارد و یا ارجحیتی نسبت به هم ندارند. |
۳ |
کمی مرجح Moderately Preferred |
گزینه یا شاخص i نسبت به j کمی مهمتر است. |
۵ |
خیلی مرجح Strongly Preferred |
گزینه یا شاخص i نسبت به j مهمتر است. |
۷ |
خیلی زیاد مرجح Very strongly Preferred |
گزینه i دارای ارجحیت خیلی بیشتری از j است. |
۹ |
کاملاً مرجح Extremely Preferred |
گزینه i از j مطلقاً مهمتر و قابل مقایسه با j نیست. |
۶-۴-۲ |
بینابین |
ارزشهای بینابین را نشان میدهد. مثلا ۸، بیانگر اهمیتی زیادتر از ۷ و پایینتر از ۹ برای i است. |
پژوهشگران معمولا از طیف پنج نقطه زیر استفاده میکنند که سادهتر بوده و نتایج یکسانی بدست میدهد:
ترجیح یکسان |
کمی بهتر |
بهتر |
خیلی بهتر |
کاملا بهتر |
۱ |
۳ |
۵ |
۷ |
۹ |
با استفاده از این مقیاس هیات مدیره هر یک از گزینهها را براساس هر یک از عوامل به صورت زوجی مقایسه میکنند. نتایج این مقایسه به صورت زیر است.
پیشینه |
سن |
کاریزما |
تحصیلات |
بردار ویژه |
|
پیشینه |
1 |
7 |
3 |
4 |
0.547 |
سن |
1/7 |
1 |
1/5 |
1/3 |
0.056 |
کاریزما |
1/3 |
5 |
1 |
3 |
0.270 |
تحصیلات |
1/4 |
3 |
1/3 |
1 |
0.127 |
اکزل و ساعتی (1983) استفاده از میانگین هندسی را بهترین روش برای ترکیب مقایسات زوجی معرفی کردهاند. بنابراین از دادههای هر سطر میانگین هندسی بگیرید. وزنهای بدست آمده نرمال نیستند. منظور از وزن نرمال آن است که جمع اوزان برابر ۱ باشد. بنابراین میانگین هندسی بدست آمده در هر سطر را بر مجموع عناصر ستون میانگین هندسی تقسیم کنید. ستون جدید که حاوی وزن نرمال شده هر معیار است را بردار ویژه یا Egienvalue گویند. وزن نهائی هر ماتریس همان ستون بردارویژه است. براساس جدول بالا معیار پیشینه از بیشترین اولویت برخوردار است. ویژگیهای کاریزماتیک در اولویت دوم قرار دارد. تحصیلات سومین معیار با اهمیت است و سن نیز از کمترین اولویت برخوردار است.
گاهی بجای دیدگاه یک نفر از دیدگاه چندین کارشناس استفاده میشود. در اینصورت وارد کردن دیدگاه کارشناسان روشهای متعددی دارد. ادامه مطلب ...
برخی معیارها مانند سن یا قیمت یک عدد ثابت هستند. برای این منظور مقایسه زوجی نیازی به دیدگاه کارشناسی ندارد. ادامه مطلب ...
هر معیار ممکن است خود از یک مجموعه زیرمعیار تشکیل شده باشد. برای نمونه معیار پیشینه در مثال بالا میتواند شامل سابقه کاری در سازمان حاضر، تجربه کار در سازمانهای دیگر، تجربه مدیریتی و زیرمعیارهای دیگر باشد. در اینصورت یک سطح دیگر به مدل AHP اضافه میشود. ادامه مطلب ...
پیشینه |
مادلین |
سوف |
راجر |
مادلین |
1 |
1/4 |
4 |
سوف |
4 |
1 |
9 |
راجر |
1 |
1/9 |
1 |
گام بعدی تعیین اولویت است. برای تعیین اولویت از مفهوم نرمال سازی (normalize) که در گام قبلی توضیح داده شد استفاده میشود. پس از نرمال کردن وزن هر گزینه براساس معیار مورد نظر بدست خواهد آمد. به عبارت دیگر محاسبه مقدار ویژه هر سطر با تخمین میانگین هندسی: میانگین هندسی آن سطر به جمع میانگین هندسی سطرها
پیشینه |
مادلین |
سوف |
راجر |
اولویت |
مادلین |
1 |
1/4 |
4 |
0.217 |
سوف |
4 |
1 |
9 |
0.717 |
راجر |
1/4 |
1/9 |
1 |
0.066 |
شما باید نرم افزار Expert Choice را نصب کنید یا اینکه به این آدرس بروید تا با یک کلیک محاسبات زیر انجام گیرد. راه حل دیگر استفاده از نرم افزار Super Decision است که بیشتر برای ANP مناسب است.
به مقادیر بدست آمده حاصل از محسابات که ستون اولویت را تشکیل میدهند بردار ویژه (eigenvector) گویند. همین مقایسههای زوجی را برای سایر معیارها انجام میدهیم. به این ترتیب اولویت هر فرد را براساس هر معیار مانند فوق محاسبه میکنیم. مهم همان ستون اولویتها است. در نهایت به ماتریسی مانند زیر خواهید رسید:
پیشینه |
سن |
کاریزما |
تحصیلات |
|
مادلین |
0.217 |
0.265 |
0.743 |
0.188 |
سوف |
0.717 |
0.672 |
0.194 |
0.081 |
راجر |
0.066 |
0.063 |
0.063 |
0.731 |
امتیاز هر گزینه = مجموع حاصلضرب اولویت آن گزینه براساس معیار i ضربدر اولویت آن معیار
Madlin: (0.217 x 0.547) + (0.188 x 0.127) + ( 0.703 x 0.270) + ( 0.265 x 0.056) = 0.358
به همین ترتیب سوف 0.492 امتیاز کسب کرد و راجر نیز 0.149 امتیاز بدست آورد. خوب مساله انتخاب مدیر به روش تحلیل سلسله مراتبی انجام گرفت و سوف با کسب بیشترین امتیاز به عنوان مدیر انتخاب گردید. البته پیرایشهای دیگری نیز وجود دارد که میتوانید در مقالات دیگر آنها را نیز فرا بگیرید. دانش را مرزی نیست و همیشه نکاتی برای افزودن هست.