تصمیم‌، آن‌ها، می‌کند، روش‌های، al.,، می‌باشد

منظور نشان دادن سیستم تالاب به صورت یک سیستم یک‌پارچه و نیز ترکیب کردن خروجی‌های مدل‌ها و آزمون و خطا به عنوان امری ضروری در تصمیم‌ گیری کاربرد دارد (Sadoddin et al., 2010).

ریستُ[9] و همکاران (2000)، استفاده از MCDM را به علت سهولت در کاربرد و شفاف‌ سازی برای صاحبان ذینفع به‌عنوان ابزاری مفید و مناسب برای برنامه ‌ریزی‌های مدیریتی و محیطی، بیان می‌کنند        (LEE,  2001).

 

1-31- کاربرد سامانه اطلاعات جغرافیایی در مکان‌یابی شهرک‌های صنعتی

این سامانه به واسطه برخورداری از ویژگی‌های منحصر به فرد نظیر امکان پردازش دقیق، سریع و مطمئن داده‌های مکانی و اطلاعات توصیفی منتسب به آن‌ها از یک سو و توجه روز افزون صنعت کشور و نهادهای دست اندرکار تصمیم‌ گیری به ابزاری قابل اعتماد جهت حمایت از تصمیمات مکان مرجع از سوی دیگر موجب گردیده این سامانه به سرعت جایگاه بسزایی را در میان سامانه‌های مدیریت و حمایت از تصمیم‌ گیری به خود اختصاص دهد. این سامانه با گرد هم­آوردن مجموعه‌ای از سخت‌ افزار، نرم‌ افزار، نیروی متخصص و داده‌های مکان مرجع که قابلیت‌های جمع ‌آوری، ذخیره‌ سازی، نگهداری، بازیابی، پردازش، مدل­ سازی و نمایش اطلاعات مکانی و توصیفی را دارند، تامین ­کننده نیازهای کاربران در هر سطح به ویژه در سطوح کلان در راستای کمک به تصمیم‌ گیری بهینه می‌باشد (صمدزادگان، 1385).

 

1-32- روش‌های استاندارد ­سازی

عوامل مورد استفاده در ارزیابی چند ­معیاره غالباً ماهیت متفاوتی دارند.بنابراین معیارهای اندازه‌گیری آن‌ها با یکدیگر متفاوت خواهد بود. برای استفاده موثر از کلیه عوامل در پردازش، ایجاد ارتباط بین آن‌ها، مکان‌یابی و تناسب اراضی روش‌های مربوط به ماتریس ارزیابی بایستی تحت قاعده خاصی عددی شود. این عملیات را استاندارد­ کردن داده می‌گویند. مهم‌ترین روش‌های استاندارد­ سازی روش بولین و روش فازی می‌باشد (Charnpratheep et al., 1997).

 

1-33- منطق بولین

منطق عملی است که در بر گیرنده‌ی اصول و روش‌های چگونه اندیشیدن، استدلال و استنتاج است. به دیگر سخن منطق ابزاری است تا درست و نادرست بودن استدلال و استنتاج‌های بشری را مشخص سازد. دیرینه ‌ترین اصول منطق، مربوط به دوران ارسطو هستند که به نام منطق کلاسیک یا منطق دو­ارزشی معروف می‌باشند. این منطق تنها با مفاهیم و استدلال‌های دقیق و سخت سر و کار دارد. این در حالی است که بسیاری از مفاهیم و در نتیجه، استدلال‌ها و استنتاج‌های بشری ماهیتی نادقیق دارند و به سختی می‌توان آن‌ها را در چارچوب اصول و روش‌های منطق کلاسیک مدل­ سازی کرد (محمدی، 1386).

در منطق بولین، عضویت یک عنصر در یک مجموعه به صورت صفر (عدم عضویت) و یک (عضویت) بیان می‌شود. به منظور استفاده از مدل بولین در مکان‌یابی ابتدا به ازای هر عامل یک نقشه ورودی به صورت باینری بر اساس ضوابط تهیه می‌شود. به این صورت که مقدار یک در هر واحد پیکسلی از یک نقشه ورودی نشان دهنده مناسب بودن و مقدار صفر نشان دهنده نامناسب بودن موقعیت مکانی آن پیکسل جهت فعالیت مورد ­نظر با توجه به مفهوم آن نقشه (عامل) می‌باشد. سپس نقشه‌های ورودی با استفاده از عملگرهای AND و یا OR با یکدیگر تلفیق می‌شوند و یک نقشه خروجی باینری به وجود می‌آورند. اگر تلفیق نقشه‌ها با استفاده از عملگر AND انجام گرفته باشد پیکسل‌های حاوی ارزش 1 در نقشه خروجی مکان‌هایی را نشان می‌دهد که کلیه معیارهای مربوط به کاربرد مورد نظر را تامین می‌نماید. در صورتی که نقشه‌های ورودی با استفاده از عملگر OR ترکیب شوند پیکسل‌های حاوی ارزش 1 در نقشه خروجی مکان‌هایی را مشخص می‌کند که یک یا      چند ­معیار در آن‌ها صدق می‌کند. ویژگی‌های این مدل عبارتند از:

مطلب مرتبط با این موضوع :  آبپاش، تلفات، اتوماسیون، چرخشی، بادبردگی، خیس‌شده، شدت‌پخش، اسپریر، -، می‌توان، چرخشی،، آبفشان

– کلیه عوامل ورودی دارای ارزش یکسانی می‌باشند. در عمل به طور معمول مناسب نیست که برای کلیه معیارهای مکان‌یابی اهمیت یکسانی قایل شد. وزن عوامل بایستی با توجه به اهمیت نسبی آن‌ها تعیین گردد.

– واحدهای مکانی موجود در هر نقشه عامل که دارای ارزش‌های مختلفی از لحاظ آن عامل هستند در یکی از دو طبقه صفر و یک قرار می‌گیرند.

– در نقشه خروجی نمی‌توان مناطق انتخاب شده را بر اساس میزان مناسبت آن‌ها برای فعالیت مورد­ نظر   اولویت ‌بندی نمود. به عبارتی در این مدل مناطق منتخب نیز دارای ارزش یکسانی هستند (بهشتی فر و همکاران، 1389).

مدل بولین به دلیل سهولت و سرعت اجرایان و نیز به دلیل تطابق مفهومی آن با نقشه‌های مربوط به عوامل محدود کننده بهترین مدل جهت تلفیق این نقشه‌هاست. در این نقشه‌ها هدف حذف کامل مناطق محدودیت ‌دار می‌باشد. بنابراین، توجه به مقدار وزنی یک عامل یا کلاس خاصی از یک عامل ضرورتی ندارد. در نقشه خروجی نیز نیازی به درجه ‌بندی مناطق نیست. به همین دلیل این مدل نه تنها کافی و مناسب بلکه  ایده آل برای تلفیق این گونه نقشه‌ها می‌باشد (بهشتی فر و همکاران، 1389).

1-34- منطق فازی

منطق فازی ابزاری مناسب جهت نظم­ بخشیدن به افکار بشری، در مواقعی که با موضوعات نادقیق سر و کار دارد. پردازش مفاهیم نادقیق و استدلال‌های تقریبی را می‌توان با استفاده از منطق فازی به گونه‌ای منطبق با واقعیت جهت توصیف استدلال‌های انسانی به کار گرفت (محمدی، 1386). بر اساس نظریه فازی عضویت اعضا در مجموعه ممکن است به طور کامل نبوده و هر عضوی دارای عضویت از صفر تا یک باشد و بر خلاف منطق بولین در منطق فازی هیچ قطعیتی وجود ندارد که به توان بر اساس آن یک ناحیه را کاملاً مناسب یا نامناسب دانست. بدین معنا که هر ناحیه بسته به میزانی که معیار تحت بررسی را رعایت می‌نماید دارای مقدار عضویتی است که نماینگر میزان مرغوبیت آن زمین است. در عین حال عملیات ادغام نمودن در منطق فازی یک بیان مفهومی را از میزان مطلوبیت کلی گزینه‌ها بیان می‌دارد (خراسانی و همکاران، 1383).

مجموعه‌های فازی مجموعه‌هایی هستند که محدوده صریحی ندارند. یعنی در واقع انتقال بین عضویت و عدم عضویت یک گزینه در مجموعه‌های فازی تدریجی است. یک مجموعه فازی توسط درجه عضویت فازی مشخص می‌گردد که بین صفر تا یک تغییر می‌کند و نشان دهنده افزایش پیوسته از عدم عضویت تا عضویت کامل است. توابع S شکل، J شکل و خطی متداول‌ ترین توابع عضویت می‌باشد این توابع در شکل‌های 1-1 تا 1-3 ارایه شده است. توابع عضویت فازی به صورت کاهنده، افزاینده و یا متقارن هستند. نوع تابع مورد استفاده به روابط بین معیار و هدف تصمیم‌ گیری بستگی دارد (Gemitzi et al., 2007).

 

شکل 1-1: تابع S شکل

 

شکل 1-2: تابع J شکل

 

 

 

شکل 1-3: توابع خطی

 

1-35- روش تحلیل سلسله مراتبی[10]

از مشکلات تصمیم‌ گیری چند ­معیاره می‌توان به نبودن استانداردی برای اندازه‌ گیری معیارهای کیفی و نبودن واحدی برای تبدیل معیارها به یکدیگر اشاره کرد. یکی از کارآمد ترین روش‌ها برای اتخاذ تصمیم صحیح و به موقع با معیارهای چندگانه، فرآیند تحلیل سلسله مراتبی است (Zhu and Dale, 2001). این روش در سال 1980 میلادی توسط توماس ال ساعتی[11] ارایه گردید (et al., 2009 Pirdashti). و یکی از مهم‌ترین و قوی‌ترین فنون تصمیم‌ گیری‌های چند ­معیاره مورد استفاده در پروژه‌های گزینشی است که ترکیب‌های سخت و پیچیده را به وسیله مرتب ‌کردن عوامل تصمیم‌ گیری در یک ساختار سلسله مراتبی، ساده­ سازی می‌کند                           (et al., 2009 Pirdashti).

مطلب مرتبط با این موضوع :  تکنولوژی هایی برای جلوگیری از خواب حین رانندگی

مهم‌ترین نوآوری این روش، مقایسه دو به دو عوامل است که هنگامی نرخ‌های کمی وجود ندارند انسان از طریق این که کدام معیارها بردیگری برتری دارند به یک مقایسه دست می‌یابد که برای محاسبه این برتری‌ها نیاز به ماتریسی است که توسط کارشناسان امر تکمیل می‌گردد. به عبارت ساده‌تر این روش امکان در نظر ­گرفتن معیارهای مختلف کمی و کیفی موجود در مساله را می‌دهد (شاهینو کلیج، 1387).

نریس و مارشال (1995)، فرآیند تحلیل سلسله مراتبی را یک نوع مخصوص آنالیز تصمیم‌ گیری      چند­ صفتی[12] معرفی کردند. روش‌های تصمیم‌ گیری چند ­صفتی از مقایسات زوجی به عنوان یک وسیله برای ایجاد وزن عوامل استفاده می‌کنند و فرآیند تحلیل سلسله مراتبی یکی از روش‌هایی است که اجازه تبدیل مقایسه­های زوجی را به وزن عامل در MADA می‌دهد.

ساعتی فرآیند حذف پیچیدگی یک مساله توسط AHP را از طریق انجام موارد زیر امکان­پذیر دانسته است:

– مرتب کردن متغیرها به صورت سلسله مراتبی (اصل تجزیه).

– تعیین اهمیت نسبی هر عامل با تبدیل قضاوت‌های ذهنی به مقادیر عددی (مقایسه زوجی).

– تحلیل قضاوت‌ها برای تعیین بالاترین اولویت.

  • AHP سه نوع مقایسه را در میان عوامل یک سطح سلسله بررسی می‌کند:

– اهمیت[13] هر عامل نسبت به عوامل دیگر.

– احتمال وقوع[14]  یک عامل در مقایسه با عوامل دیگر.

– ترجیح[15] تصمیم‌ گیرنده در انتخاب یک عامل از میان عوامل موجود (Brown, 1992).

فرآیند تحلیل سلسه مراتبی بر چهار ­قاعده ساده استوار است که به این ترتیب می‌باشند (Warren, 2004).

الف- اصل دوطرفه[16]

اگر ترجیح معیار a بر معیار b برابر n باشد، ترجیح معیار b بر معیار a برابر n/1 خواهد بود.

ب- اصل همگنی[17]

این اصل بیان می‌کند که عناصر مورد مقایسه نبایستی چندان با هم تفاوت داشته باشند، در غیر این صورت خطاهای زیادی در قضاوت‌ها مشاهده خواهد شد.

ج- اصل سنتز

اصل سوم بیان می‌کند که قضاوت‌ها یا اولویت‌های عناصر موجود در سلسله مراتب ربطی به عناصر سطوح پایین‌ تر ندارد.

د- اصل انتظارات

اصل چهارم که بعدها توسط ساعتی ارایه شد بیان می‌کند که افرادی که برای عقاید خود دلیل دارند بایستی مطمئن باشند که عقاید آن‌ها به خوبی با این انتظارات تطابق دارد. اگر چه این اصل کمی مبهم به نظر می‌رسد اما بسیار اهمیت دارد، زیرا عمومیت AHP، امکان استفاده از آن را به صورت‌های مختلف امکان‌ پذیر می‌سازد و استفاده از این اصل مانع به کارگیریAHP در راه‌های نامناسب نمی‌گردد.

 

1-36- مراحل اجرای روش AHP

روش مذکور شامل سه مرحله‌ی اصلی به قرار زیر می‌باشد: الف) تعریف و سازماندهی معیارها در یک سلسله مراتب )ایجاد ساختار سلسله مراتبی معیارها( این ساختار نمایشی گرافیکی از مساله است که در ابتدایی ‌ترین سطح آن، هدف تصمیم‌ گیری است سطوح میانی معیارهای مؤثر بر تصمیم‌ گیری و سطح آخر گزینه‌های تصمیم‌ گیری هستند. تعداد سطوح بستگی به پیچیدگی مساله و درجه جزییات دارد.

مطلب مرتبط با این موضوع :  سبد، استراتژیک، است(روانشادنیا،، مدیران، پروژه،، قاسم

ب) مقایسات زوجی[18] ارزیابی و مقایسه‌ی دو به دو از اهمیت نسبی عناصر مرتبط در هر سطح سلسله مراتبی (مقایسات زوجی).

ج) هم ‌نهادی و سنتز با استفاده از الگوریتم حل نتایج مقایسه‌های دو به دویی در تمامی سطوح سلسله مراتب (نرمال ‌سازی و تعیین اولویت‌ها).

 

1-37- ایجاد ساختار سلسله مراتبی معیارها

یک روش اندازه‌ گیری پایه برای به کار بردن AHP، مقایسات زوجی است. این روش پیچیدگی مفهوم تصمیم را به طور قابل توجهی کاهش می‌دهد، زیرا تنها دو عنصر تصمیم‌ گیری در یک زمان مورد بررسی قرار می‌گیرد.

پس از تحلیل و ایجاد ساختار سلسله مراتبی، ماتریس مقایسه زوجی برای گزینه‌های هر مساله به ازای هر معیار تشکیل می‌گردد. درایه‌های این ماتریس با استفاده از دانش متخصصان تعیین می‌شود. به عبارتی، ماتریس مقایسه زوجی یکی از ابزارهایی است که دانش متخصصان را وارد تصمیم ‌گیری می‌کند و می‌تواند به صورت فردی محاسبه شده باشد و یا تلفیقی از قضاوت کارشناسان باشد که در حالت دوم جهت ترکیب نظرات مختلف کارشناسان در قضاوتی خاص، جواب‌ها با استفاده از میانگین هندسی به یک جواب تبدیل می‌شود. درایه‌های هر سطر این ماتریس دارای اهمیت نسبی مؤلفه مربوط به آن سطر در مقایسه با هر یک از ستون‌ها با توجه به معیار سطح بالاتر است. هدف از تولید این ماتریس حذف اثر متفاوت ماهیت هر معیار است، بدین‌صورت که مقادیر عددی با دامنه مشخص جایگزین مقدار متغیرهای تصمیم ‌گیری به ازای هر معیار است. تعداد مقایسات زوجی بستگی به تعداد گزینه‌ها و معیارها دارد مثلا برای مقایسه 8 گزینه بر اساس یک معیار 28 قضاوت لازم است. پس اگر n معیار داشته باشیم کل قضاوت‌ها برای مقایسه 8 گزینهn  28 خواهد بود      (2005 ,Ryu).

دامنه اهمیت نسبی برای مقایسه دو تایی معیارها، بین اعداد 1 تا 9 (جدول1-3) است. بطوریکه هر یک از این اعداد بیانگر میزان اهمیت معینی هستند که به آن وزن نسبی گفته می‌شود (Massam, 1988).

 

 

 

جدول 1-3: حالات مختلف برای مقایسه زوجی و مقادیر عددی آن

اهمیت(قضاوت شفاهی) شدت اهمیت
اهمیت برابر 1
اهمیت برابر تا متوسط 2
اهمیت متوسط 3
اهمیت متوسط تا اهمیت قوی 4
اهمیت قوی 5
از اهمیت قوی تا اهمیت خیلی قوی 6
اهمیت خیلی قوی 7
از اهمیت قوی تا اهمیت فوق العاده قوی 8
اهمیت فوق العاده قوی 9

1-38- مزایای فرآیند سلسله مراتبی

ساعتی ویژگی‌های فرآیند تحلیل سلسله مراتبی را به شرح زیر بیان می‌کند.

  • یگانگی و یکتایی مدل[19]: این فرآیند مدلی یگانه، ساده و انعطاف ­پذیر برای حل محدوده وسیعی از مسایل بدون ساختار است که به راحتی قابل درک برای همگان است.
  • پیچیدگی[20]: برای حل مسایل پیچیده، این فرآیند هم ‌نگرش سیستمی و هم تحلیل جزء به جزء را به صورت توأم به کار