softgostar



فرایندهای ذهنی معمول برای حل مسائلی که در زندگی روزمره ما را یاری می کنند، ممکن است در موضوعات پیچیده که نظرات و ایده های بسیار متفاوت وجود دارد ما را گمراه کنند. آنچه ما بدان نیازمندیم شیوه پیچیده برای فکر کردن نیست. زیرا حتی تفکر ساده خود بسیار مشکل ساز است و باید چارچوبی وجود داشته باشد که ما را قادر سازد تا در خصوص مسائل پیچیده به شیوه ای ساده بیاندیشیم.فرایند تحلیل سلسله مراتبی یا (Analytical Hierarchy Process) چنین چارچوبی را ایجاد میکند. این فرایند به ما کمک میکند تا بتوانیم تصمیمات مناسب برای موضوعات پیچیده را با ساده نمودن و هدایت مراحل تصمیم گیری اتخاذ کنیم.AHP روشی است که در آن یک وضعیت پیچیده، به بخشهای کوچکتر آن تجزیه شده ، سپس این اجزا در یک ساختار سلسله مراتبی قرار می گیرد. در این روش به قضاوتهای ذهنی با توجه به اهمیت هر متغیر مقادیر عددی اختصاص داده، متغیرهایی که بیشترین اهمیت را دارند، مشخص می شوند. به عبارت دیگر ترتیب اولویت متغیرها تعیین می شود. به این ترتیب، به کمک AHP می توان مسائل پیچیده ای که دربرگیرنده عوامل متعددند را درک نمود. به طور کلی انسانها دو رویکرد اساسی را در تجزیه و تحلیل به کار می برند که شامل رویکرد قیاسی (DeductiveApproach) و رویکرد سیستمی (Inductive Approach) است. به کارگیری هر دو رویکرد سیستمی و قیاسی در درک یک سیستم پیچیده بسیار موثر خواهد بود و ترکیب این دو رویکرد از طریق فن AHP امکان پذیر است.


عدم اطمینان موجود در قضاوتهای ترجیحی، عدم اطمینان اولویت بندی آلترناتیوها را افزایش می دهد و به همان نسبت، تعیین توافق (ثبات منطقی) اولویتها را مشکل می سازد. مطالعات زیادی از جنبه های مختلف انجام شد و در نهایت منجر AHP فازی شد. AHP  فازی برای برای اجتناب از این مخاطرات عملکردی توسعه یافت تا مسایل سلسله مراتبی دارای ابهام را حل کند.

در این روش بر اساس جواب هایی که تصمیم گیرندگان به سئوالات می دهند، مقادیر مثلثی فازی، جایگزین داده های مبهم می شوند و برای یک سطح خاص سلسله مراتب، ماتریس مقایسات زوجی تشکیل می شود. در رویکرد منطق فازی، برای هر مقایسه زوجی، نقطه تقاطع پیدا می شود و سپس مقدار عضویت نقطه با وزن آن برابر می شود.

بعد از تعریف معیارها، یک پرسشنامه تهیه می شود تا سطوح اهمیت این معیارها تعیین شود. برای ارزیابی سئوالات، افراد تنها متغیر توصیفی مربوطه را انتخاب میکنند، سپس گزینه های منتخب، با توجه به طیف های فازی که شامل اعداد فازی مثلثی است، تبدیل می شوند و برای انجام محاسبات و تحلیل نتایج، تعمیم داده می شوند.

منبع: نرم افزار AHP فازی


مراحل روش تحلیل سلسله مراتبی فازی چانگ به شرح زیر است:


گام ۱: رسم نمودار سلسله مراتبی

گام ۲: تعریف اعداد فازی به منظور انجام مقایسات زوجی

گام ۳: تشکیل ماتریس مقایسات زوجی با به کارگیری اعداد فازی

اگر چند خبره وجود داشته داشته باشد، درایه های ماتریس مقایسه زوجی جامع که در روش تحلیل سلسله مراتبی فازی به کار می رود، یک عدد فازی مثلثی است که مولفه اول(l) آن حداقل نظرات، مولفه دوم (m) میانگین اعداد و عدد سوم (u) حداکثر اعداد می باشد.

گام ۴: محاسبه  برای هر یک از سطرهای ماتریس مقایسه زوجی

مرحله ۵: محاسبه درجه بزرگی  ها نسبت به همدیگر

گام ۶: محاسبه وزن معیارها و گزینه ها در ماتریس مقایسه زوجی

گام ۷: محاسبه بردار وزن نهایی

برای محاسبه بردار وزن نهایی باید بردار وزن محاسبه شده در مرحله قبل را نرمالیزه کرد.


مطالب مشابه: نرم افزار AHP فازی

منبع: سافت گستر



در روش ahp فازی در اکثر مقالات از دو نوع عدد فازی استفاده کرده اند :۱- عدد فازی مثلثی، ۲-عدد فازی ذوزنقه ای.


عدد فازی ذوزنقه ای به صورت یک عدد با ۴ درایه مطرح می شود که تابع عضویت آن ۴ تابعی است. در واقع در این تابع عضویت مقادیر بین m1 و m2 دارای درجه عضویت ۱ هستند فرض کنید فردی را ما جوان در نظر بگیریم که بین ۲۰ تا ۳۰ باشد حالا دو حد وسط را اگر ۲۲ تا ۲۸ در نظر بگیریم در این بازه صددرصد جوان هست.

ساده ترین و در عین حال پرکاربردترین عدد فازی، مثلثی می باشد این عدد فازی دارای ۳ درایه می باشد که تابع عضویت آن ۳ تابعی است. این مدل عدد فازی تقریبا در همه مقالات و پایان نامه ها مورد استفاده قرار می گیرد. در این مدل عدد m  دارای مقدار تابع عضویت ۱ است.


مطالب مشابه: نرم افزار AHP فازی

منبع:

سافت گستر


فرایندهای ذهنی معمول برای حل مسائلی که در زندگی روزمره ما را یاری می کنند، ممکن است در موضوعات پیچیده که نظرات و ایده های بسیار متفاوت وجود دارد ما را گمراه کنند. آنچه ما بدان نیازمندیم شیوه پیچیده برای فکر کردن نیست. زیرا حتی تفکر ساده خود بسیار مشکل ساز است و باید چارچوبی وجود داشته باشد که ما را قادر سازد تا در خصوص مسائل پیچیده به شیوه ای ساده بیاندیشیم. فرایند تحلیل سلسله مراتبی یا (Analytical Hierarchy Process) چنین چارچوبی را ایجاد میکند. این فرایند به ما کمک میکند تا بتوانیم تصمیمات مناسب برای موضوعات پیچیده را با ساده نمودن و هدایت مراحل تصمیم گیری اتخاذ کنیم.AHP روشی است که در آن یک وضعیت پیچیده، به بخشهای کوچکتر آن تجزیه شده ، سپس این اجزا در یک ساختار سلسله مراتبی قرار می گیرد. در این روش به قضاوتهای ذهنی با توجه به اهمیت هر متغیر مقادیر عددی اختصاص داده، متغیرهایی که بیشترین اهمیت را دارند، مشخص می شوند. به عبارت دیگر ترتیب اولویت متغیرها تعیین می شود. به این ترتیب، به کمک AHP می توان مسائل پیچیده ای که دربرگیرنده عوامل متعددند را درک نمود. به طور کلی انسانها دو رویکرد اساسی را در تجزیه و تحلیل به کار می برند که شامل رویکرد قیاسی (DeductiveApproach) و رویکرد سیستمی (Inductive Approach) است. به کارگیری هر دو رویکرد سیستمی و قیاسی در درک یک سیستم پیچیده بسیار موثر خواهد بود و ترکیب این دو رویکرد از طریق فن AHP امکان پذیر است.



عدم اطمینان موجود در قضاوتهای ترجیحی، عدم اطمینان اولویت بندی آلترناتیوها را افزایش می دهد و به همان نسبت، تعیین توافق (ثبات منطقی) اولویتها را مشکل می سازد. مطالعات زیادی از جنبه های مختلف انجام شد و در نهایت منجر AHP فازی شد. AHP  فازی برای برای اجتناب از این مخاطرات عملکردی توسعه یافت تا مسایل سلسله مراتبی دارای ابهام را حل کند.

در این روش بر اساس جواب هایی که تصمیم گیرندگان به سئوالات می دهند، مقادیر مثلثی فازی، جایگزین داده های مبهم می شوند و برای یک سطح خاص سلسله مراتب، ماتریس مقایسات زوجی تشکیل می شود. در رویکرد منطق فازی، برای هر مقایسه زوجی، نقطه تقاطع پیدا می شود و سپس مقدار عضویت نقطه با وزن آن برابر می شود.

بعد از تعریف معیارها، یک پرسشنامه تهیه می شود تا سطوح اهمیت این معیارها تعیین شود. برای ارزیابی سئوالات، افراد تنها متغیر توصیفی مربوطه را انتخاب میکنند، سپس گزینه های منتخب، با توجه به طیف های فازی که شامل اعداد فازی مثلثی است، تبدیل می شوند و برای انجام محاسبات و تحلیل نتایج، تعمیم داده می شوند.

مطالب مشابه: نرم افزار AHP فازی

منبع: 

سافت گستر


در روش

AHP فازی چانگ عموما از نرخ ناسازگاری گوگوس و بوچر استفاده می شود.


نرخ ناسازگاری گوگوس و بوچر : گوگوس و بوچر در سال 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 گوگوس و بوچر 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.


برای محاسبه

نرخ ناسازگاری (CR)، شاخص CI را بر مقدار شاخص تصادفی (RI) تقسیم کنید. در صورتی که مقدار حاصل کمتر از ۰/۱ 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) را برای ماتریس­های مقایسات زوجی فازی تولید کردند.




مطالب مشابه: نرم افزار AHP فازی


منبع: سافت گستر


در روش AHP فازی چانگ عموما از نرخ ناسازگاری گوگوس و بوچر استفاده می شود.

نرخ ناسازگاری گوگوس و بوچر : گوگوس و بوچر در سال 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 گوگوس و بوچر 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.

برای محاسبه نرخ ناسازگاری (CR)، شاخص CI را بر مقدار شاخص تصادفی (RI) تقسیم کنید. در صورتی که مقدار حاصل کمتر از ۰/۱ 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) را برای ماتریس­های مقایسات زوجی فازی تولید کردند.

مطالب مشابه: نرم افزار AHP فازی

منبع: سافت گستر


برای انجام AHP  فازی در اکسل اگر چند خبره وجود داشته باشد ابتداد باید مقایسات زوجی تمامی خبرگان را وارد نرم افزار کرد و سپس از آن ها میانگین گرفت و میانگین را وارد محاسبات AHP فازی کرد. با توجه با روش AHP فازی چانگ ابتدا Si هر سطر و Si کلی را محاسبه کرد. در مرحله بعد درجه بزرگی Si ها نسبت به هم محاسبه شده و در نهایت وزن فازی و وزن نهایی به دست می آید و از طریق وزن نهایی می توان رتبه بندی را انجام داد.

با توجه به پیچیدگی های محاسبات AHP فازی اگر با کد نویسی در اکسل آشنایی ندارید پیشنهاد نمی شود از excel استفاده کنید زیرا با تغییر در تعداد معیار یا زیر معیار یا گزینه ها محاسبات شما به هم می خورد.

مطالب مشابه: نرم افزار AHP فازی

منبع: سافت گستر


در روش

AHP فازی چانگ عموما از نرخ ناسازگاری گوگوس و بوچر استفاده می شود.


نرخ ناسازگاری گوگوس و بوچر : گوگوس و بوچر در سال 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 گوگوس و بوچر 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.


برای محاسبه

نرخ ناسازگاری (CR)، شاخص CI را بر مقدار شاخص تصادفی (RI) تقسیم کنید. در صورتی که مقدار حاصل کمتر از ۰/۱ 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) را برای ماتریس­های مقایسات زوجی فازی تولید کردند.




مطالب مشابه:

نرم افزار AHP فازی


منبع:

سافت گستر


در روش

AHP فازی چانگ عموما از نرخ ناسازگاری گوگوس و بوچر استفاده می شود.


نرخ ناسازگاری گوگوس و بوچر : گوگوس و بوچر در سال 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 گوگوس و بوچر 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.


برای محاسبه

نرخ ناسازگاری (CR)، شاخص CI را بر مقدار شاخص تصادفی (RI) تقسیم کنید. در صورتی که مقدار حاصل کمتر از ۰/۱ 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) را برای ماتریس­های مقایسات زوجی فازی تولید کردند.



مطالب مشابه:

نرم افزار AHP فازی


منبع:

سافت گستر


در زیر چند نمونه کاربردهای ahp فازی که در قالب مقاله pdf در زیر آورده شده است:

انتخاب چند معیاره تامین کنندگان با استفاده از AHP فازی
کاربرد روش های فازی و AHP برای جانمایی مدارس ابتدایی در ناحیه یک آموزشی شهر کرمان
کاربرد روش تحلیل سلسله مراتبی فازی در تعیین گزینه بهینه نمک زدایی از آب های لب شور
کاربرد فرایند تحلیل ‌سلسله‌ مراتبی فازی در اولویت بندی عوامل مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران از دیدگاه سهامداران
بالانس خط دمونتاژ مبتنی بر مدل کانو و روش های تصمیم گیری چند معیاره فازی (مورد مطالعه: خط بازیافت ضایعات الکترونیکی)
انتخاب مصالح جداره بیرونی ساختمان مسی در اقلیم گرم و خشک ایران با استفاده از روش تحلیل سلسله مراتبی فازی (FAHP)
ارزیابی مسیرهای حمل و نقل جادهای مواد خطرناک با رویکرد ریسک در محیط فازی (مطالعه موردی : استان زنجان)
شناسایی و اولویت‌بندی چالش‌های تحقق تگذاری داده حکومتی باز در ایران: کاربست روش تحلیل سلسله‌مراتبی و تاپسیس فازی
مقایسه جایگاه ایران با کشورهای منطقه غرب آسیا از جهت مشارکت در حکمرانی اقتصادی بین المللی
تحلیل و ارزیابی کاربرد روش تحلیل سلسله مراتبی فازی در اولویت بندی سناریوهای توسعه گردشگری روستایی
حسابداری مدیریت زیست محیطی با رویکرد یکپارچه برای طراحی تولید سبز با استفاده از تحلیل سلسله مراتبی فازی
تعیین معیارهای ارزیابی عملکرد کارکنان یک شرکت تولیدی
تحلیل ارزش مشتری در بانک با استفاده از تکنیک داده کاوی و تحلیل سلسله مراتبی فازی
شناسایی و اولویت بندی بافت فرسوده شهری با استفاده از مدل تحلیل سلسله مراتبی فازی(FAHP)
ارزیابی مؤلفه های کیفیت فضای شهری بر میزان مطلوبیت مسیرهای پیاده گردشگری (مورد پژوهی اولویت بندی مسیرهای گردشگری پیاده در شهر اصفهان)
تحلیل رقابت جویی و انتخاب استراتژی رقابتی مبتنی بر مدل نیروهای رقابتی پورتر، تحلیل سلسله مراتبی فازی و تحلیل پوششی داده
ارزیابی موانع توسعۀ بازاریابی ورزشی در ایران
تحلیل ارزش مشتری در بانک با استفاده از تکنیک داده کاوی و تحلیل سلسله مراتبی فازی
بررسی وضعیت فضای کسب و کار در استان آذربایجان شرقی و راهکارهای ارتقای آن
تحلیل فضایی- مکانی مدل های تصمیم گیری چند معیاره فازی در مکان‌گزینی کتابخانه عمومی مطالعه موردی: منطقه چهار کلانشهر تبریز

همانگونه که از نمونه مقالات بالا مشخص است AHP فازی کاربرد گسترده ای در زمینه های گوناگون دارد از جمله در شهرسازی، حسابداری، شهرسازی، صنایع،علوم انسانی، گردشگری، بازاریابی، ت، آموزش، محیط زیست و …

مطالب مشابه: نرم افزار AHP فازی

منبع: سافت گستر



برای اجرای AHP فازی در متلب ابتدا می بایست نرم افزار matlab با حجم تقریبا ۵ گیگابایت را دانلود کنید. با توجه به اینکه در برنامه متلب toolbox یا جعبه ابزار ahp فازی وجود ندارد باید بر اساس پروژه خود در محیط برنامه نویسی متلب کد نویسی انجام داده و پروژه خود را پیاده سازی کنید.

مطالب مشابه: 

نرم افزار AHP فازی

منبع: 

سافت گستر



روش تاپسیس فازی از روشهای معروف و پرکاربرد تصمیم گیری چند معیاره است که جهت رتبه بندی گزینه ها در محیط فازی بکار گرفته می شود این روش توسط هوانگ و یون در سال ۱۹۸۱ ارائه شده است. گامهای این روش مشابه روش تاپسیس است. قبل از انجام روش تاپسیس فازی باید وزن معیارها را از روشهایی همچون AHP فازی بهبود یافته یا AHP  فازی چانگ و یا   ANP  فازی و یا روشهای جدید همچون SWARA  فازی یا  BWM  فازی محاسبه کرد.

تکنیک تاپسیس فازی Fuzzy TOPSIS شده توسط Chen در سال ۱۹۹۲ معرفی شد. همان طور که از آموزش روش فازی می دانیم ، تفکرات انسان همراه با عدم قطعیت است و این عدم قطعیت در تصمیم گیری تاثیر گذار است. به همین دلیل از روش های تصمیم گیری فازی استفاده می گردد که یکی از این روش ها، تاپسیس فازی برای رتبه بندی گزینه ها است. در این حالت، عناصر ماتریس تصمیم گیری، یا وزن های شاخص ها نسبت به، و یا هر دوی آن ها به صورت فازی و با اعداد فازی بیان می گردند.

 

مطالب مشابه: نرم افزار تاپسیس فازی

منبع:سافت گستر



تاپسیس فازی در زمینه های گوناگون کاربرد دارد ون تقریبا در تمامی زمینه ها نیاز به رتبه بندی وجود دارد. به طور مثال رشته های دانشگاهی که تاپسیس فازی در آن ها استفاده شده است به شرح زیر می باشد: مدیریت صنعتی، پایان نامه مدیریت صنعتی گرایش تحقیق در عملیات، پایان نامه مدیریت صنعتی گرایش تولید و عملیات، پایان نامه مدیریت صنعتی گرایش مالی، پایان نامه مدیریت بازرگانی و مالی، پایان نامه مدیریت بازرگانی گرایش بیمه، مدیریت بازرگانی گرایش بازرگانی داخلی، مدیریت بازرگانی گرایش تحول، مدیریت بازرگانی گرایش بازاریابی بین الملل، مدیریت بازرگانی گرایش بازاریابی، مدیریت بازرگانی گرایش مالی، مدیریت مالی ، مدیریت جهانگردی،مدیریت جهانگردی گرایش برنامه ریزی توسعه جهانگردی، مدیریت جهانگردی گرایش بازاریابی جهانگردی، مدیریت دولتی، مدیریت دولتی گرایش مدیریت منابع انسانی، مدیریت دولتی گرایش مدیریت مالی دولتی، مدیریت دولتی گرایش مدیریت تحول، مدیریت دولتی گرایش مدیریت سیستمهای اطلاعات، مدیریت دولتی گرایش تشکیلات و روشها، مدیریت اجرایی و شهری، مدیریت شهری، مدیریت اجرایی گرایش مدیریت بازاریابی و صادرات، مدیریت اجرایی گرایش استراتژیک، مدیریت اجرایی گرایش مدیریت تولید و عملیات پیشرفته، مدیریت تکنولوژی و فناوری اطلاعات، مدیریت کارآفرینی، MBA، مدیریت تکنولوژی گرایش نوآوری، مدیریت تکنولوژی گرایش استراتژیهای توسعه صنعتی، فصل چهار پایان نامه مدیریت تکنولوژی گرایش انتقال تکنولوژی، مدیریت تکنولوژی گرایش تهای تحقیق و توسعه، مدیریت فناوری اطلاعات گرایش سیستمهای اطلاعات پیشرفته، مدیریت فناوری اطلاعات گرایش نظام کیفیت فراگیر، مدیریت فناوری اطلاعات گرایش مدیریت منابع اطلاعاتی و … .



مرحله ۱: تشکیل ماتریس تصمیم
مرحله ۲: تعیین ماتریس وزن معیارها
مرحله ۳: بی مقیاس کردن (نرمال کردن) 

ماتریس تصمیم فازی
مرحله ۴: تعیین ماتریس تصمیم فازی وزن دار
مرحله ۵: یافتن راه حل ایده آل مثبت فازی و منفی فازی(ضد ایده آل)
مرحله۶: محاسبه فاصله از ایده آل مثبت فازی و

 ایده آل منفی فازی
مرحله ۷: محاسبه شاخص شباهت
مرحله ۸: رتبه بندی گزینه ها

مراحل روش تاپسیس فازی





   




معیارهای کمی و کیفی در ارزیابی به صورت همزمان دخالت دارند.

 تعداد قابل توجهی معیار در نظر گرفته می شود.

 این روش به سادگی و با سرعت مناسب اعمال می گردد.

 عملکرد سیستم به صورت مطلوب و قابل قبول است.

 مطلوبیت شاخص های مورد نظر در حل مسأله، به طور یکنواحت افزایشی یا کاهشی می باشد (یعنی هر چه مقدار شاخص بیشتر می شود و بالعکس).

 اطلاعات ورودی را می توان تغییر داد و نحوه پاسخگویی سیستم را بر اساس این تغییرات بررسی کرد.

روابط مورد استفاده برای نرمالیزه کردن اطلاعات، محاسبه فواصل، و روش تعیین اوزان شاخص ها به صورت اختیاری بوده و قابل تطبیق با نوع اطلاعات موجود در مسأله است.

 اولویت بندی در این روش با منطق شباهت به جواب ایده آل انجام می شود. بر این اساس که گزینه انتخابی کوتاه ترین فاصله را از جواب ایده آل و دورترین فاصله را از بدترین جواب داشته باشد.

 اگر بعضی از معیارها از انواع هزینه ای باشند و هدف کاهش آنها و برخی دیگر ازنوع سود بوده و هدف افزایش آنها باشد، روش TOPSIS به آسانی جواب ایده آل را که ترکیبی از بهترین مقادیر قابل دست یابی همه معیارها می باشد می یابد.

 روش TOPSIS فاصله بهترین جواب و بدترین جواب را با در نظر گرفتن نزدیکی مبنی بر جواب بهینه، به طور همزمان در نظر می گیرد

مطالب مشابه: نرم افزار تاپسیس فازی

منبع: سافت گستر


در زیر بخشی از مقالات تاپسیس فازی را مشاهده می کنید:

بررسی کارکرد تکنیک تاپسیس فازی در بهبود سنجش کارایی شعب بانک ها با استفاده از تکنیک DEA  

به کارگیری تکنیک‏های تاپسیس فازی وDEA فازی به منظور اولویت‏بندی و انتخاب قابلیت‏های چابکی سازمان

رتبه بندی کارمندان و انتخاب سرپرستان با رویکرد ترکیبی فرایند تحلیل سلسله مراتبی فازی (FAHP) و تاپسیس فازی (FTOPSIS)؛ (مطالعه موردی، کارخانه فولاد غدیر ایرانیان)

اولویت‌بندی عوامل مؤثر بر تحقق ت‌های کلی اقتصاد مقاومتی در نظام بانکی با استفاده از روش تاپسیس فازی

شناسایی عوامل موثر بر پیاده سازی مدیریت دانش در موسسات آموزشی عالی و رتبه بندی آن ها به روش تاپسیس فازی

شناسایی و اولویت‌بندی چالش‌های تحقق تگذاری داده حکومتی باز در ایران: کاربست روش تحلیل سلسله‌مراتبی و تاپسیس فازی

یک روش ترکیبی سروکوال و تاپسیس سلسله مراتبی بر اساس مجموعه‌های فازی نوع۲ برای ارزیابی کیفیت خدمات (مطالعه موردی: کیفیت خدمات حمل و نقل عمومی شهرکرد)

کاربرد روش TOPSIS در حالت فازی برای رتبه بندی مراکز تحقیقاتی به منظور تخصیص منابع

کاربرد روش‌های تحلیل شبکه‌ای و تاپسیس فازی در تحلیل کیفیت خدمات الکترونیک بخش مراقبت‌های بهداشتی

اولویت بندی سرمایه گذاری در بخش خدمات به روش تصمیم گیری تاپسیس فازی، مطالعه موردی:سازمان آ.ت.

استفاده از روش تاپسیس فازی به منظور اولویت بندی موانع اجرای استراتژی در میان پیمانکاری بخش انرژی

انتخاب استاد نمونه بر اساس مدل تاپسیس سلسله مراتبی در محیط فازی

کاربرد روش TOPSIS در حالت فازی برای رتبه بندی مراکز تحقیقاتی به منظور تخصیص منابع

برای  دانلود تاپسیس فازی pdf کافی است رو هر لینک کلیک کنید.

مطالب مشابه: نرم افزار تاپسیس فازی

منبع: سافت گستر


آخرین ارسال ها

آخرین جستجو ها