احساس اعتماد، تمایل وعلاقمندی مدیریت، دورنمای آینده، تناسب استراتژیک، سازگاری میان سطوح و وظایف شرکت های خریدار وتامین کننده

 

 

 

 

۳

 

 

تکنولوژیکی

 

 

ارزیابی تسهیلات، قابلیت تولید جاری وآینده، قابلیت طراحی تامین کننده، سرعت تامین کننده در بهبود و توسعه

 

 

 

 

۴

 

 

عوامل دیگر

 

 

سوابق ایمنی تامین کننده، منابع سازمان

 

 

 

 

وبر و همکارانش ]۷۲[ با مطالعه و دسته‌بندی حدود ۷۴ مقاله ارائه شده از سال ۱۹۶۶ به بعد، به بررسی بررسی تاثیر انتخاب تامین‌کننده در سیستم تولیدی JIT[2] پرداختند. شاخص‌های مورد بررسی تقریبا شاخص‌هایی بودند که توسط دیکسون ارائه شده بودند وتفاوت چندانی نداشتند. آنها به این نتیجه رسیدند که قیمت خالص، مهمترین معیار برای انتخاب تامین‌کننده است، زیرا تقریبا در ۸۰ درصد مقالات مطالعه شده، عامل قیمت در درجه اول اهمیت قرار داشت و تحویل به موقع، کیفیت، تسهیلات و قابلیت تولید به ترتیب در رده‌های بعدی اهمیت بودند.گرچه شاخص‌های وبر و همکارانش با شاخص‌های دیکسون تفاوت چندانی با هم ندارند، اما برخی از شاخص‌ها توسط وبر و همکارانش]۷۲ [ توسعه یافتند و مفاهیم بیشتری را شامل شدند و همچنین آنها اولویت‌بندی جدیدی را برای شاخص‌های انتخاب ارائه کردند. از جمله شاخص‌هایی که مفهوم آن گسترش پیدا کرد مفهوم قیمت بود. در تعریف دیکسون قیمت به معنای قیمت پیشنهادی توسط تامین‌کننده بود که شامل تخفیف و هزینه حمل نیز می‌شد. اما در توسعه این مفهوم به سایر هزینه‌های تامین کننده نیز توجه شده است. از جمله هزینه‌های ثابت، هزینه طراحی، هزینه تکنولوژی و هزینه خدمات پس از فروش. دیکسون معیار کیفیت را به این شکل بیان می کند: رعایت سازگاری با مشخصه‌های کیفی. اما در تعریف جدید مشخصه‌های دیگری به آن اضافه گردیده است از جمله سیستم ایزو ۹۰۰۱ ، بازرسی، پرسنل کنترل کیفی و….
همچنین دیکسون معیار توزیع را به صورت رعایت زمان‌بندی حمل و نقل تعریف می‌کند اما تعاریف جدید مشخصه‌های زمان تحویل، ظرفیت توزیع، کیفیت حمل ونقل و قابلیت توزیع در سیستم تولیدJIT را مورد توجه قرار داده است.

 

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.

 

۲-۲-۱-۵: پیش ارزیابی تامین‌کنندگان

 

 

در بحث انتخاب تامین‌کننده به علت ازدیاد مراکز انتخاب تامین کننده همواره کثرت انتخاب ها امری اجتناب ناپذیر است. در اکثر موارد تاکید بر این است که از بین تعداد بسیاری از تامین‌کنندگان،
گزینه‌های برتر انتخاب شوند تا بتوان با آنها پیوندهای استراتژیک و روابط بلند مدت بر قرار کرد. اساس این روش بر این است که همواره تعداد اندک تامین‌کنندگان بهتر وکاراتر از تعداد زیاد آنهاست. این همان رویکردی است که بسیاری از سازمان‌های ژاپنی از آن تبعیت می کنند و اصطلاحا تک منبعی یا دو منبعی شده‌اند. به همین دلایل یک تصمیم‌گیرنده باید ابتدا بتواند از بین تعدادی از تامین‌کنندگان، عده‌ای را جدا کرده و از بین آنها انتخاب تامین‌کننده یا تامین‌کنندگان اصلی را انجام دهد. برای این منظور روش‌های زیادی به کار گرفته شده است که در ذیل به تعدادی از آنها اشاره می‌کنیم:

 

 

۲-۲-۱-۵-۱ روش‌های قطعی[۳]

 

 

این روش‌ها مختص مدل‌های کیفی می‌باشند و بر پایه اطلاعات تجربی که براساس ارزیابی تامین‌کنندگان بدست می‌آید بنا شده است. در این نوع روش‌ها عملکرد تامین‌کنندگان بر اساس سه معیار مثبت، خنثی و منفی انجام می‌شود. پس از اینکه تامین‌کننده بر اساس همه شاخص‌ها رتبه‌بندی شد، خریداران رتبه‌بندی نهایی را بر اساس یکی از این سه معیار انجام می‌دهند. روش‌های قطعی بطور گسترده توسط تیمرمن ]۶۷[، زنز]۷۹[ و هوشیار]۴۰[ مورد بررسی قرار گرفته است.

 

 

۲-۲-۱-۵-۲ : روش تحلیل پوششی داده‌ها[۴]

 

 

روش DEA بر اساس مفهوم کارایی گزینه‌های تصمیم‌گیری بنا نهاده شده است. در این روش
گزینه‌ها بر اساس مزیت شاخص‌ها به عنوان خروجی و هزینه شاخص‌ها به عنوان ورودی ارزیابی می‌گردند. کارایی یک گزینه (در اینجا تامین کننده) نسبت مجموع وزنی خروجی‌اش در(اینجا عملکرد تامین کننده) به مجموع وزنی ورودی‌اش (هزینه استفاده از تامین کننده) است. برای هر تامین‌کننده، روش DEA مجموعه وزن‌ها را می‌یابد بطوری که این مجموعه وزن‌ها کارایی تامین‌کننده را به حداکثر خود برساند. بدین ترتیب روش تامین‌کنندگان را به دو دسته‌ی تامین‌کنندگان کارآمد و نا‌کارآمد تقسیم می‌کند. وبر کاربرد DEA در انتخاب تامین کننده را در مقالات زیادی مورد بررسی قرار داده است که از این میان می‌توان به وبر و الرام ]۷۶[، وبر و دسای]۷۴[ و وبر و دیگران]۷۵[ ، اشاره کرد. همچنین از دیگر کارها در این زمینه می‌توان به]۱۷[ و ]۴۶ [ اشاره نمود.

 

 

۲-۲-۱-۵-۳ روش تحلیل خوشه‌ای [۵] (CA)

 

 

CA یک روش پایه‌ای آماری می‌باشد که از الگوریتم کلاس‌بندی برای گروه‌بندی تعدادی از اقلام که بر اساس خاصیت‌شان امتیاز‌دهی شده و به شاخه‌هایی تقسیم شده‌اند، استفاده می‌کند. این شاخه‌ها طوری هستند که اختلاف بین اقلام یک شاخه کمترین مقدار و اختلاف بین اقلام یک شاخه و شاخه‌های دیگر بیشترین مقدار می‌باشد. از روش CA به منظور دسته‌بندی تامین‌کنندگان استفاده شده است. بدین ترتیب که تامین‌کنندگانی که بر اساس شاخص‌های تصمیم‌گیری ارزیابی و امتیاز‌دهی شده‌اند توسط این روش دسته‌بندی و مرتب شده‌اند. هینکل و همکارانش]۳۷ [ اولین افرادی بودند که این روش را بکار بردند و در ادامه این روش زیاد مورد بحث قرار نگرفت تا اینکه ۲۰ سال بعد هلت ]۳۸[ آن را برای دسته‌بندی پیمان‌کاران پروژه‌های عمرانی مورد بحث قرار داد]۲۶ [.

 

 

۲-۲-۱-۵-۴ : روش سیستم های استدلال مبنی بر مورد[۶] (CBR)

 

 

سیستم‌های CBR روشی است که در هوش مصنوعی ارائه شده است. اساسا یک سیستم
CBR سیستم‌های یک‌های اطلاعات بسیار مفیدی درباره موردهای (DM) بانک اطلاعاتی است که توسط نرم افزار به تصمیم‌گیرنده شبیه و تجربیات گذشته ارائه می‌دهد. در ابتدا این سیستم را ان جی و همکارانش]۵۰[ برای دسته‌بندی مطرح نمودند و در ادامه این روش گسترش بیشتری یافت ولی با این حال CBR هنوز یک سیستم نو پاست که استفاده از آن در تصمیم‌گیری کم می‌باشد. چوی و همکارانش در این زمینه کارهای زیادی ارائه نمودند که به عنوان نمونه می‌توان به ]۲۱[ الی]۲۲ [اشاره کرد]۶۴[.

 

 

۲-۲-۱-۶ : انتخاب تامین‌کنندگان نهایی

 

 

پس از شناسایی تامین‌کنندگان بالقوه لازم است یک فرایند ارزیابی به منظور شناسایی تامین‌کننده یا تامین‌کنندگان نهایی انجام گیرد. بسیاری از کارشناسان بر این باورند که روشی واحد برای ارزیابی تامین‌کنندگان نهایی وجود ندارد و سازمان‌ها می‌توانند به اقتضای شرایط و صلاحدید کارشناسان خود از روش‌های مختلفی استفاده کنند. در طول نیم قرنی که مساله انتخاب تامین‌کننده مورد توجه قرار گرفته است روش‌های متعددی ارائه شده است که به علت گستردگی روش‌ها تنها به تعدادی از آنها اشاره می‌شود.

 

 

۲-۲-۱-۶-۱ : مدل‌های وزن‌دهی خطی[۷]

 

 

در مدل‌های وزن‌دهی خطی، به هر معیاری وزنی تعلق می‌گیرد، بطوریکه بیشترین وزن به بهترین معیار و کمترین وزن به کم اهمیت‌ترین معیار تعلق خواهد گرفت. بر این اساس نرخ هر معیار در وزنش ضرب شده و حاصل ضرب‌ها جمع می‌شوند تا یک تابع برای هر تامین کننده بدست آید و در نتیجه تامین‌کننده‌ای انتخاب خواهد شد که بیشترین حاصل جمع نرخ ها را داشته باشد. تیمرمن ]۶۷[ و زنز ]۷۹[ درباره تعدادی از مدل‌های وزن‌دهی خطی بحث نموده‌اند.
در طول چند سال اخیر تعداد زیادی از مدل‌های مختلف با تفاوت بسیار کم ارائه شده‌اند. اولین کاربرد مدل‌های وزن‌دهی خطی در انتخاب تامین‌کننده به مدل‌های جبرانی مربوط می‌شود. در این مدل یک معیار با وزن زیاد می‌تواند توسط یک معیار با وزن کم جبران گردد (در صورتیکه در مدل غیر جبرانی کمترین سطح اختلاف بین دو شاخص احتیاج می‌باشد)]۲۶[. در این بین، مجموعه روش‌های فرا‌رتبه‌ای[۸] به وسیله‌ی دی بوئر و همکارانش]۲۷[ پیشنهاد گردید که یک روش شبه جبرانی می‌باشد. این راه حل به خریدار امکانات بیشتری می‌دهد تا بتواند بین جبران کردن شاخصها محدودیت داشته باشد و یک معیار خوب توسط یک معیار بد جبران نشود. سیانسی و گراندو ]۳۵[ مدلی غیر‌جبرانی ارائه نمودند به این صورت که نرخ‌ها یا شاخصهای مختلف با هم جمع نمی‌شوند فقط اطلاعات مختلفی به تصمیم‌گیرنده جهت راحت تر شدن تصمیم‌گیری ارائه می‌نمایند. هر چند بنظر می‌رسد این راه حل کافی نمی‌باشد اما همچنان در این راه بهبودی حاصل نشده است.
گریگوری]۳۶[ روشی را جهت تخصیص سفارش‌ها به تامین‌کنندگانی که با هم بیشترین نرخ وزن‌دهی را کسب کردند، ارائه نمود. این روش دومین کاربرد ارائه شده از مدل وزن دهی خطی می باشد. بطور کلی تعداد مدل های ارائه شده جهت حل مساله غیر قطعی و غیر دقیق انتخاب تامین کننده بسیار زیاد می باشند.
سوکوپ]۶۲[ یک راه حل بر پایه شبیه سازی جهت به حساب آوردن عدم قطعیت با در نظر گرفتن تقاضا و خدمات پس از فروش ارائه نمود. مشکل استفاده از بعضی روش ها مانند شبیه سازی این است که در این گونه روش ها وزن دهی به شاخصها کمی مشکل تر از روش های دیگر می باشد. در این مسائل امتیاز دهی و انتخاب تامین کننده کمی مشکل می باشد.
هیل و نیدیک ]۵۱[ مقاله‌ای در زمینه استفاده از AHP در انتخاب تامین‌کننده در شرایطی که اطلاعات غیر دقیق در هنگام تصمیم‌گیری موجود باشد، ارائه نمود. بطور خلاصه AHP توانست مشکل وزن دهی به شاخص‌های مدل‌های وزن دهی خطی را حل کند. در AHP که روشی بر مبنای مقایسات دودوئی است، کافیست تصمیم‌گیرندگان یا به عبارتی خریداران اطلاعاتی در مورد رابطه کیفی بین شاخص‌های مختلف و همچنین ارتباط شاخص‌ها بین تامین‌کنندگان مختلف را بصورت شفاهی بیان نماید. تالوری و سالکی ]۵۹[ در مورد انتخاب تامین‌کننده با استفاده از ANP که همان پردازش تحلیلی شبکه و نسخه پیشرفته‌تر AHP می باشد ارائه نمودند.ویلیس و همکارانش]۷۷[ یک مقایسه دودویی بین شاخصهای دو تامین‌کننده مختلف برای انتخاب بهترین تامین‌کننده را تحلیل و بررسی نمودند. مین]۱۴[، براگلیا و پترونی]۵۳[ به ترتیب روشی را که آنرا سنجش سطحی[۹] نامیدند مورد بررسی قرار دادند. اختلاف این روش با روشهای قبل در این است که خریدار احتیاج به بدست آوردن دقیق وزن‌ها ندارد.
تامپسون]۶۵[و ]۶۶[ به ترتیب شبیه سازی مونت کارلو[۱۰] و تکنیک مقیاس گذاری را ارائه نمود. هر چند استفاده از این روش‌ها برای بسیاری از استفاده‌کنندگان ساده نبوده و تحلیل را پیچیده تر و سخت‌تر می‌نماید در عوض کافی است که حدود بازده شاخص‌ها و یا بصورت ساده اطلاعات کیفی را مشخص نمود. بالاخره تعدادی از نویسندگان جهت غلبه بر عدم قطعیت، استفاده از تئوری مجموعه‌های فازی را پیشنهاد کردند. این مفهوم بطور گسترده‌ای وارد بحث انتخاب تامین‌کننده شده است]۸۰[.

 

 

۲-۲-۱-۶-۲ : مدل‌های هزینه کل مالکیت[۱۱](TCO)

 

 

مدل‌های بر پایه TCO سعی در به حساب آوردن کلیه هزینه‌های خرید که در چرخه خرید اتفاق
می افتد دارند. الرام ]۳۳[ اظهار داشت که هزینه‌های قبل از خرید، هنگام خرید و بعد از خرید تفاوت دارند. مدل‌های بر اساسTCO که برای انتخاب تامین‌کننده به کار می روند اساسا شامل خلاصه و تعریف کردن اغلب هزینه‌های مربوط به انتخاب فروشنده و تنظیم و حساب کردن قیمت واحدی است که توسط تامین‌کننده اعلام می‌شود. برای سازمان‌های بزرگ که حساب‌های آنها به صورت کامپیوتری انجام می‌شود روشی تحت عنوان سهم هزینه [۱۲]توسط تیمرمن]۶۷[ ارائه شده است. این روش تمام هزینه‌های مربوط به کیفیت، تحویل و سرویس را جمع ‌آوری نموده و مشخص می‌نماید که کدام به عنوان سود و کدام به عنوان هزینه باید در واحد قیمت به حساب آیند]۲۶[ ترچا و مونزکا]۴۸[، کلمنز و اسمیتکا]۶۳[، روش حل هزینه کل مالکیت را با سیستم‌های نرخ دهی جهت شاخصهایی مانند سرویس یا تحویل به موقع را بکار بردند که به حساب آوردن هزینه این دو معیار مشکل تر از بقیه می‌باشد.

فرمول‌بندی مناسب یک مساله تعریف درست تابع هدف و محدودیت‌ها سبب تصمیم‌گیری صحیح توسط تصمیم‌گیرنده می‌شود. مدل‌های برنامه‌ریزی ریاضی مدل‌هایی هستند که در آن ها متغیر‌های تصمیم‌گیری در قالب یک تابع هدف که باید بیشینه در حالت دستیابی به حداکثر سود یا کمینه در حالت دستیابی به کمترین هزینه شود، فرموله گردد. مدل‌های برنامه‌ریزی ریاضی به سه دسته زیر تقسیم می‌شوند:
۱- برنامه‌ریزی ریاضی[۱۴] ۲- برنامه‌ریزی عدد صحیح[۱۵] ۳- برنامه‌ریزی آرمانی[۱۶]
از کارهایی که در این زمینه انجام گرفته است می توان به چادری و همکارانش ]۱۹[، داس و تیاگی]۲۵[، کارنت و وبر]۷۱[و بوفا و جکسون ]۱۸[، اشاره کرد.
تعدادی از مدل‌های برنامه‌ریزی ریاضی که ارائه شده است مانند: پن ]۵۲[، روزنتال و همکارانش ]۵۵[، چادری وهمکارانش]۱۹[ و صدریان و یون]۵۷[ سطح کیفیت، سرویس و زمان تحویل را از قبل مشخص می‌نمایند وبر و کانت ]۷۱[، این مشکل را با استفاده از پیچیده تر کردن مساله و با روش‌های محدودیت و وزن دهی و ارائه منحنی‌های مختلف تصمیم‌گیری به تصمیم‌گیرنده و مدیر خرید کمک می‌نماید. وبر و دسایی]۷۴[ تحلیل پوششی داده‌ها (DEA) را برای ارزیابی تامین‌کنندگانی که انتخاب شده‌اند ارائه نمودند. دسایی و کارنت و وبر ]۷۵[، برنامه‌ریزی ریاضی و تحلیل پوششی داده‌ها را با هم ترکیب کرده و به خریدار این امکان را دادند که بتواند تامین‌کنندگانی را که انتخاب نشده اند مورد تحلیل و بررسی قرار دهد. وبر و همکارانش ]۷۳[ و کارپاک و همکارانش ]۴۲[، از برنامه‌ریزی آرمانی جهت کمینه کردن هزینه‌ها، بهینه کردن کیفیت و اطمینان از زمان تحویل زمانی که تامین‌کننده را انتخاب می‌کنند و سفارش ها را بین آنها تقسیم می کنند استفاده نموده اند. برخی از مدل‌های برنامه‌ریزی مانن رزنتال و همکارانش ]۵۵[، چادری و همکارانش ]۱۹[ ، صدریان و یون ]۵۷[، گانشان و همکارانش]۳۴[، مدل کردن مساله با در نظر گرفتن تخفیف را ارائه نموده اند. بنتون]۱۶[، یک راه حل تجربی برای حل مساله چند شاخصه و با تابع هدف خطی ارائه نمود. در این میان تنها بندر و همکارانش ]۱۵[، بوفا وجکسون]۱۸[ ، دگریو و رودهافت ]۲۹[ همزمان مدیریت موجودی را در انتخاب تامین‌کننده منظور نمودند. هر چند بندر و همکاران او فرمول ریاضی آن را ارائه نکردند، ولی بوفا و جکسون]۱۸[ فقط مساله تک موردی آنرا حل نمودند. از دیگر کارها در این زمینه کار هنگ و همکارانش]۳۹[ می‌باشد. آن‌ها مدلی را ارائه نمودند که همزمان هم محدودیت‌های تامین‌کنندگان و هم میزان سفارش مشتریان را در نظر می‌گرفت و هدف آن کسب حداکثر سود خریدار بود.
دگریو و رودهافت]۲۹[ و]۳۰[ یک مدل برنامه‌ریزی ریاضی ارائه نمودند که کل هزینه مالکیت را کمینه می‌کرد و اطلاعات هزینه‌های جاری در مدیریت موجودی نیز در آن استفاده شده بود. دگریو وهمکارانش ]۲۸[ ، این روش شناختی را گسترش داده و آنرا به بخش سرویس نیز ربط داده و هزینه‌های پرواز هوایی و هزینه‌های پرواز هوایی تجاری را نیز به آن اضافه نمودند.. قدسی پور و ابرایان ]۴۵[ نیز AHP و MP را با هم ترکیب نمودند تا شاخصهای غیر ملموس و ملموس را جهت انتخاب تامین کننده و تقسیم بندی سفارشات بین آنها را انجام دهد]۸۰[.

 

منبع فایل کامل این پایان نامه این سایت pipaf.ir است

 

۲-۲-۱-۶-۴ : مدل‌های آماری[۱۷]

 

 

مدل‌های آماری برای انتخاب تامین‌کننده با داده‌های غیر‌قطعی و احتمالی کار می‌کنند. گر چه مقدار قطعی بسیاری از اطلاعات مانند میزان دقیق سفارش در هنگام خرید در اختیار نیست ولی تعداد کمی از مدل‌های انتخاب تامین‌کننده به آن پرداخته‌اند. تریش و رانن]۵۴[ یک مدل عدم قطعیت در مورد زمان تحویل را حل نمودند. سوکوپ]۶۲[ در مدل نرخ دهی خود یک حل با استفاده از روش شبیه‌سازی برای تقاضای غیر دقیق را ارائه نمود. تریسی و تان ]۶۸[ نیز بطور همزمان از دو روش آنالیز عوامل[۱۸] و آنالیز مسیر[۱۹] به منظور تعیین رابطه بین شاخص‌ها، تعیین قابلیت تیم طراحی تامین‌کننده، رضایت مشتری و همچنین عملکرد کلی سازمان استفاده نمودند ]۲۶[.

 

 

۲-۲-۱-۶-۵ : مدل‌های بر اساس هوش مصنوعی (AI)[20]

 

 

مدل‌های بر پایه هوش مصنوعی از اطلاعات تجربی یا پیشرفته استفاده نموده و از طریق سیستم‌های کامپیوتری و مکانیزه به انتخاب تامین‌کننده می پردازند. برای مثال از میان مدل‌های بر پایه هوش مصنوعی که جهت انتخاب تامین‌کننده استفاده شده‌اند می‌توان به شبکه عصبی و سیستم‌های خبره اشاره نمود. مزیت شبکه عصبی این است که احتیاج به پایه‌ریزی فرایند تصمیم‌گیری ندارد. به همین علت شبکه‌های عصبی نسبت به روش‌های سنتی بهتر می توانند بر پیچیدگی و عدم قطعیت محیط‌های تصمیم‌گیری غلبه نماید. فرایند‌هایی که بر پایه هوش مصنوعی طراحی شده‌اند به گونه‌ای ساخته شده‌اند که بسیار شبیه به تصمیم‌گیری‌های انسانی باشند. استفاده کنندگان از چنین سیستم‌هایی تنها باید شبکه عصبی را مدل‌سازی کنند که حالت فعلی سیستم را تداعی کند (به عنوان مثال شبکه عصبی عملکرد هر تامین کننده نسبت به هر معیار) و همچنین یکی دیگر از مزیت‌های این روش استفاده از تجربیات گذشته می‌باشد. این مساله باعث می‌شود شبکه‌های عصبی برای مواقعی که احتیاج به ترکیب با روش‌های گذشته است، به راحتی به کار گرفته شوند.
آلبینو و گاروالی ]۱۲[، یک سیستم پشتیبان تصمیم‌گیری را ارائه نمودند که بر اساس شبکه عصبی است. خو و همکارانش]۴۴[ به بحث در مورد استفاده از یک تکنولوژی بر پایه اینترنت پرداختند که نرم افزار
نمایندگی هوشمند(ISA) [۲۱] نامیده شد. ISA ها بطور گسترده‌ای برای مکانیزه سازی فرایند خرید کالا بکار می‌روند. از دیگر موارد استفاده از هوش مصنوعی می‌توان به یک سیستم CBR که توسط
کوک ]۲۴[ ،ارائه شده اشاره نمود. این تکنولوژی در نوع خودش بسیار جدید می‌باشد و تنها تعداد کمی از سیستم‌های CBR برای استفاده در فرایند تصمیم‌گیری خرید توسعه یافته‌اند ]۲۶[ از دیگر کارها در این زمینه می‌توان به ان جی و همکارانش]۵۰[ و وکورکا و همکارانش ]۷۰[، اشاره نمود.

 

 

۲-۲-۲: تصمیم‌گیری

 

 

همه ما در زندگی فردی و سازمانی خود، آگاهانه و ناآگاهانه، تصمیمات مختلفی اتخاذ می‌کنیم. یعنی از بین چند راهکار، یک راهکار را انتخاب می‌کنیم. برای مثال در مورد این که پول خود را در بانک پس انداز کنیم یا سهام بخریم، تصمیم می‌گیریم. درمورد خرید یک نوع اتومبیل خاص یا گذران اوقات فراغت و غیره تصمیم می‌گیریم. براین اساس می‌توان گفت زندگی مملو از تصمیم‌گیری‌های مختلف است. در قلمروی مدیریت نیز تصمیم‌گیری، از ارکان مهم و اصلی است، بطوریکه هربرت سایمون[۲۲] ، تصمیم‌گیری را با مدیریت یکی می‌داند. علاوه بر سایمون، گروه دیگری از صاحب نظران نیز مدیریت و تصمیم‌گیری را یکی دانسته و هم معنی تعریف کرده اند. اینان مدیریت را چیزی جز تصمیم‌گیری ندانسته‌اند و معتقدند کانون اصلی مدیریت را تصمیم‌گیری تشکیل می‌دهد. در واقع آنها انجام وظایفی چون برنامه‌ریزی، سازماندهی و کنترل را چیزی جز تصمیم‌گیری
نمی‌دانند. نیومن نیز کیفیت مدیریت را تابع کیفیت تصمیم‌گیری می‌داند. بنابراین از دیدگاه این صاحب نظران، اساس مدیریت سازمان‌ها، تصمیم‌گیری است. تصمیم‌گیری را در واقع می‌توان طریقه‌ی عمل و یا حرکت در مسیر خاصی تعریف کرد که با تامل و به صورت آگاهانه، از بین روش‌های مختلف برای نیل به یک هدف مطلوب، انتخاب شده است. بنابراین تصمیم‌گیری، مستلزم انتخاب راهی از میان راه هاست. یعنی اگر تنها یک راهکار وجود داشته باشد، دیگر تصمیم‌گیری معنا ندارد. هر چند تجزیه و تحلیل که منجر به انتخاب راهی از میان راه‌ها می‌شود، امری عقلایی است، ولی عوامل ناخود آگاه و هم چنین جنبه های احساسی و عاطفی نیز در تصمیم‌گیری، نقش مهمی ایفا می‌کنند. به طور کلی، تصمیم‌گیری عبارت است از انتخاب یک یا چند راه حل از راه حل های مختلف ممکن.
تصمیم‌گیری از وظایف اصلی مدیران به شمار می‌آید و تحقق اهداف به کیفیت آن بستگی دارد. برای تصمیم‌گیری قبل از هر چیز، به اطلاعات نیاز است. البته در تصمیم‌گیری، نه تنها کیفیت اطلاعات، بلکه مقدار اطلاعاتی که گردآوری و تحلیل می شود، نیز اهمیت دارد. اطلاعات بیش از اندازه، استفاده نا کارآمد از منابع محسوب می‌شود. اطلاعات کمتر از حد مورد نیاز نیز احتمال تصمیم‌گیری های ضعیف را افزایش می دهد.
در شرایط ایده آل، باید تا آن حد به گردآوری اطلاعات پرداخت که ارزش پیش‌بینی شده‌ی آن اطلاعات، از هزینه‌ی گردآوری مربوطه، بیشتر باشد. در غیر اینصورت، اطلاعات اضافی و غیر ضروری، جمع‌آوری می‌شوند. البته در برخی موارد مدیریت ناگزیر به تصمیم‌گیری با اطلاعات کمتر است زیرا زمان کافی برای گردآوری اطلاعات بیشتر را ندارد. در برخی موارد نیز با وجود توجیه پذیر بودن اطلاعات از لحاظ محدودیت‌های هزینه و زمان، صرفا به دلیل فقدان اطلاعات مناسب نمی‌توان اقدامی به عمل آورد. فرایند تصمیم‌گیری شامل پنج مرحله، به شرح زیر است ]۱۱[:
تعیین مساله واهمیت آن،
تعریف و تشخیص مساله،
تعیین راه‌حل‌های بی بدیل،
ارزیابی وانتخاب یک راه‌حل،
اجرای راه‌حل انتخابی.
در عمل تصمیم‌گیری شامل مراحل ۲ تا ۴ می‌شود و مرحله‌ی اجرای راه‌حل‌ها و ارزیابی مجدد آنها هم به عنوان بازخور، جزیی از فرایند محسوب می‌شود. فرایند تصمیم‌گیری، در شکل ۲-۲ آورده شده است.
شکل ۲-۲ فرایند تصمیم‌گیری

 

 

۲-۲-۳ تصمیم‌گیری با معیار‌های چند‌گانه ]۳ و ۱۱[

 

 

در مدل‌های کلاسیک بهینه‌سازی، معمولا یک معیار ارزیابی یا یک تابع هدف وجود دارد که
می‌بایست در مواجهه با یک سری محدودیت بهینه شود. شرایطی وجود دارد که جواب بهینه با در نظر گرفتن بیش از یک شاخص می‌بایست تعیین گردد. یعنی لازم است فاکتورها و شاخص‌های مختلفی برای تعیین جواب بهینه، بررسی شود. به این گونه موارد، مدل‌های تصمیم‌گیری با معیار‌های چند‌گانه[۲۳] گفته می‌شود. تقسیم‌بندی‌های متعددی از مدل‌های تصمیم‌گیری با معیار‌های چند‌گانه وجود دارد و همچنین بعضی از مدل‌ها با یکدیگر همپوشانی دارند اما به طور کل می‌توان این مدل‌ها را به دو طبقه عمده تقسیم کرد:

 

 

۲-۲-۳-۱- تصمیم‌گیری چند هدفه (MODM)[24]

 

 

مدل‌های تصمیم‌گیری چند هدفه بیشتر به منظور طراحی به کار گرفته می‌شوند و عمدتاً با مدل‌سازی ریاضی در فضای پیوسته همراه هستند. مدل چند هدفه را می‌توان به صورت زیر فرموله کرد]۳[:
: بهینه کنید

 

 

۲-۲-۳-۲- تصمیم‌گیری چند شاخصه (MADM)[25]

 

 

مدل‌های تصمیم‌گیری چند شاخصه برای انتخاب یک گزینه برتر در بین چندین گزینه مورد استفاده قرار می‌گیرند. لازم به ذکر است که هر یک از این شاخص‌ها می‌تواند کیفی یا کمی باشد. می‌توان مدل‌های تصمیم‌گیری MADM را به مدل‌های جبرانی و مدل‌های غیر جبرانی دسته‌بندی کرد.

 

 

۲-۲-۳-۲-۱- روش‌های غیر‌جبرانی

 

 

در این روش‌ها شاخص‌ها ضعف همدیگر را جبران نمی کنند. مثلا اگر قیمت اولویت زیاد داشته باشد و قیمت مورد نظر ۱۰میلیون باشد در اینصورت قیمت بالا‌تر حذف خواهد شد. یعنی ضعفی که گزینه‌ی مورد نظر در قیمت دارد به هیچ عنوان جبران نمی‌شود. از جمله روش‌های غیر جبرانی می‌توان روش چیرگی[۲۶] را نام برد که در این روش به هر دلیلی که تصمیم گیرنده خودش می داند گزینه ها به ترتیب رد می شود تا یک تعداد گزینه باقی بماند و در نهایت گزینه چیره باقی می ماند. یا روش ماکسی‌مین[۲۷]، این روش خاص انسان‌های محافظه کار و کمتر ریسک پذیر است، در این روش ابتدا جدول تصمیم را نرمال می‌کنیم و سپس مینیمم را برای هر گزینه تعیین و در نهایت از بین مینیمم مقدار ارزش هر گزینه بیشترین را انتخاب می‌کنیم. همچنین در روش ماکسی‌ماکس[۲۸] ریسک‌پذیری بالاست. جدول تصمیم را نرمال می‌کنیم به طوری که همه ماهیت سود داشته باشند سپس ماکزیمم شاخص‌ها را مشخص کرده و سپس ماکسیمم ماکسیمم‌ها را انتخاب می‌کنیم. از دیگر روش‌ها می‌توان روش رضایتمندی عام[۲۹] را نام برد. در این روش برای هر شاخص یک حداقل بعنوان استاندارد در نظر می‌گیریم هر کدام از این گزینه‌ها که این حداقل و حداکثر در آن رعایت نشده است حذف می کنیم. یا در روش رضایتمندی خاص[۳۰] عکس روش رضایتمندی عام می‌باشد و برای شاخص‌ها حداکثر استاندارد تعریف می‌شود هر کدام از شاخص‌ها که حداکثر را داشت پذیرفته می‌شود. همچنین روش‌های ترتیبی[۳۱] و روش نیمه ترتیبی[۳۲] و روش حذف[۳۳] و روش جابجایی[۳۴] نیز در این دسته قرار می‌گیرند.

 

 

۲-۲-۳-۲-۲- روش‌های جبرانی

 

 

مدل‌هایی که از شاخص‌هایی تشکیل شده‌اند که با یکدیگر در تعامل‌اند، به این معنی که مقادیر نامطلوب یک شاخص می‌تواند توسط مقادیر مطلوب شاخص دیگر پوشانده شود. از جمله مدل‌های جبرانی می‌توان به فرایند تحلیل سلسله مراتبی[۳۵] اشاره کرد. فرآیند تحلیل سلسله مراتبی یکی از جامع‌ترین سیستم‌های طراحی شده برای تصمیم‌گیری با شاخص‌های چند‌گانه است. این تکنیک امکان فرموله کردن مسئله را به صورت سلسله مراتبی فراهم نموده و امکان در نظر گرفتن شاخص‌های کمی و کیفی مختلف را به تصمیم‌گیرنده می‌دهد. این فرآیند همچنین گزینه‌های مختلف را در تصمیم‌گیری دخالت داده و امکان تحلیل حساسیت روی شاخص‌ها را ایجاد می‌کند. این روش بر مبنای مقایسات زوجی بنا شده و قضاوت و محاسبات را تسهیل می‌کند. فرایند تحلیل سلسله مراتبی توسط ساعتی که در سال ۱۹۸۰]۵۶[ توسعه یافت، تکنیکی برای در نظر گرفتن داده‌ها یا اطلاعات به گونه‌ای نظام‌مند در تصمیم‌گیری است]۶۰[. AHP می‌تواند در بررسی موضوعاتی همچون برنامه‌ریزی شهری و منطقه‌ای، بهینه سازی ترکیب تولید محصولات در یک واحد صنعتی، بودجه‌بندی دستگاه‌های دولتی، برنامه‌ریزی حمل و نقل، برنامه‌ریزی تخصیص منابع انرژی، اولویت‌بندی در صنعت برق، اولویت‌بندی پروژه‌های پژوهشی انرژی و محیط زیست و… کاربرد مطلوبی داشته باشد. همچنین این روش زمینه‌ای را برای تحلیل و تبدیل مسایل مشکل و پیچیده به سلسله مراتبی سده‌تر فراهم می‌آورد که در چارچوب آن برنامه‌ریز بتواند ارزیابی گزینه‌ها را با کمک شاخص‌ها و زیرشاخص‌ها به راحتی انجام داد. همچنین می‌توان به روش [۳۶]ANP اشاره کرد، این روش تعمیم روش AHP است. در مواردی که سطوح پایینی روی سطوح بالایی اثرگذارند و یا عناصری که در یک سطح قرار دارند مستقل از هم نیستند، دیگر نمی‌توان از روش AHP استفاده کرد. ANP شکل کلی‌تری از AHP است، اما به ساختار سلسله مراتبی نیاز ندارد و در نتیجه روابط پیچیده‌تر بین سطوح مختلف تصمیم را به صورت شبکه‌ای نشان می‌دهد و تعاملات و بازخورد‌های میان شاخص‌ها و آلترناتیوها را در نظر می‌گیرد. یکی دیگر از روش‌ها روش الکتره[۳۷] می‌باشد این روش در اواخر دهه ۱۹۸۰ مطرح شد و به عنوان یکی از بهترین فنون روش‌های تصمیم‌گیری چند شاخصه، مورد توجه قرار گرفت. در این روش به جای رتبه‌بندی گزینه‌ها از مفهوم جدیدی معروف به مفهوم غیررتبه‌ای استفاده می‌شود. به طور مثال ممکن است از نظر ریاضی گزینه‌ای هیچ ارجحیتی به دیگر گزینه نداشته باشد اما تصمیم‌گیرنده و تحلیلگر بهتر بودن آن گزینه به دیگری را بپذیرد. در این روش کلیه گزینه‌ها با استفاده از مقایسات غیر رتبه‌ای مورد ارزیابی قرار گرفته و بدان طریق گزینه‌های غیرموثر حذف می‌شوند. کلیه مراحل اجرای این روش بر مبنای یک مجموعه هماهنگ و یک مجموعه غیرهماهنگ پایه ریزی می‌شوند که به این دلیل این روش معروف به آنالیز هماهنگی هم می‌باشد. از جمله دیگر روش‌های جبرانی می‌توان روش‌های ساو[۳۸]، لین‌مپ[۳۹]، تاپسیس[۴۰]، ویکور[۴۱]، پرومته[۴۲]، اسمارت[۴۳] و اوامیکس[۴۴] را نام برد.

 

 

۲-۳ پیشینه پژوهش

 

 

در ارتباط با بررسی تامین‌کنندگان و تعیین شاخص‌های مربوط مطالعات و پژوهش‌های گسترده‌ای چه در داخل و چه در خارج از کشور انجام گرفته است و با روش‌های تصمیم‌گیری چند شاخصه به حل مسئله با کمک این روش حل ریاضی پرداخته شده است. با توسعه صنعت و خدمات و افزایش رقابت بین تولید کنندگان در ایران نیز توجه بیشتری به این مسئله شد. در ایران می‌توان اولین پژوهش‌های در ارتباط با ارزیابی تامین‌کنندگان را به انصاری و مدرس(۱۹۸۶) نسبت داد که دامنه پژوهش‌هایشان روش‌های مفهومی بوده است. همچنین می‌توان به پژوهش‌های قدسی‌پور(۱۹۹۸) اشاره کرد که با استفاده از تکنیک سلسله مراتبی AHP به ارزیابی و رتبه‌بندی تامین‌کنندگان پرداخت. در ادامه آریانژاد و تیموری(۲۰۰۳) نیز پژوهش‌های بیشتری در زمینه‌ی توسعه تامین‌کنندگان انجام دادند. و در حال حاضر نیز تعداد بیشماری از پایان‌نامه‌های کارشناسی ارشد مرتبط با این موضوع در دسترس می‌باشند و تعدادی نیز از جمله همین پژوهش به دنبال حل مسئله با روش‌های ترکیبی می‌باشند. در خارج از کشور نیز اولین پژوهش در زمینه انتخاب تأمین کنندگان به وسیله دیکسون در سال۱۹۶۶ میلادی انجام شد. در این پژوهش یک پرسشنامه، مشتمل با ۲۳ معیار برای ۲۷۳ نفر از مدیران و عوامل خرید از آمریکا و کانادا ارسال شد، همچنین در سال ۱۹۹۱ میلادی وبر و همکارانش در یک مرور جامع در این زمینه، ۷۴ مقاله را بررسی کردند که برخی از آنها فقط یک معیار (فقط هزینه) و برخی دو معیار (هزینه و کیفیت) و گروهی، چندین معیار را ذکر کردند. روش Electre نیز اولین بار توسط روی در دهه ۱۹۷۰ بوجود آمد و در خارج و داخل کشور پژوهش‌های متعددی در این زمینه صورت پذیرفت که در جدول ۲-۴ تعدادی از آنها آورده شده است:

 

 

جدول ۲-۴٫ پژوهش‌های مشابه انجام گرفته

۲-۴ نتیجه‌گیری

 

 

به طور خلاصه در فصل دوم ابتدا به مرور ادبیات و مبانی نظری مرتبط با روش‌های تصمیم‌گیری چند شاخصه و شاخص‌های موثر بر تصمیم‌گیری پرداختیم و در ادامه تعدادی از پژوهش‌های و مقالات مشابه انجام گرفته مورد مطالعه قرار گرفت و اطلاعات مورد نظر گردآوری شد و در نهایت تصمیم به استفاده از مدل ترکیبی دو مرحله‌ای گرفته شد به این ترتیب که در ابتدا به اولویت‌بندی شاخص‌ها به کمک فرآیند تحلیل سلسله مراتبی پرداخته و در مرحله دوم به کمک میزان اهمیت بدست آمده‌ی شاخص‌ها به اولویت‌بندی تامین‌کنندگان هر یک از اقلام مورد نظر با استفاده از تکنیک الکتره می‌پردازیم. همچنین جهت انتخاب شاخص‌های تصمیم‌گیری از شاخص‌های مورد استفاده در پژوهش‌های پیشین و دسته‌بندی آنها استفاده شده که در نهایت به کمک مصاحبه با تعدادی از صاحبنظران شرکت مورد نظر شاخص‌های این پژوهش در شکل ۳-۱ آورده شده است.

 

 

فصل سوم: روش پژوهش و گرد‌آوری داده‌ها

 

 

۳-۱- مقدمه

 

 

هدف تمام علوم، شناخت و درک دنیای پیرامون ما است. به منظور آگاهی از مسایل و مشکلات دنیای اجتماعی، روش‌های علمی، تغییرات قابل ملاحظه‌ای پیدا کرده‌اند. این روندها و حرکت‌ها سبب شده است که برای بررسی رشته‌های مختلف بشری، از روش علمی استفاده شود.]۴[
در این فصل ابتدا به معرفی روش پژوهش به کار گرفته شده در پژوهش حاضر و جزئیّات مربوط به آن، پرداخته شده و سپس جامعه، نمونه و روش نمونه‌گیری، روایی و اعتبار ابزار اندازه‌گیری و روش‌های آماری مورد استفاده در پژوهش مورد بررسی قرار گرفته اند. در این فرآیند با بهره‌گیری و گردآوری داده‌ها و تبدیل آنها به یافته‌ها، ابهام حاصله از مسئله پژوهش به حداقل ممکن کاهش می‌یابد.

 

دانلود متن کامل این پایان نامه در سایت abisho.ir

 

۳-۲ روش پژوهش

 

 

بمانند سایر بحث‌ها در علوم انسانی، در مورد روش پژوهش نیز در کتاب‌های مختلف نظرات و دیدگاه‌های متفاوتی عنوان شده است]۱۰[. تعدد آراء به مانند سایر مباحث در علوم انسانی بحدی است که نمی‌توان در این زمینه نظر واحدی را ارائه کرد. البته وجود تعاریف و تعابیر مختلف و متنوع در علوم انسانی، از سویی بیانگر گستردگی و اهمیت موضوع بوده که می‌تواند از زوایای مختلف مورد بررسی قرار گیرد. و از سویی دیگر نشان‌دهنده پویایی موضوع است که می‌تواند زمینه ارائه مدل‌ها، تئوری‌ها و نظرات متفاوتی را فراهم آورد]۱[. پاراگراف بعد، صحت ادعای فوق و جایگاه پژوهش حاضر را نشان می‌دهد.
با توجه به دو رویکرد خردگرایانه و طبیعت گرایانه[۴۵] و دو دسته روش‌های پژوهش منتجه از آنها بنام‌های روش‌های کمی و کیفی[۴۶]]۵[، پژوهش حاضر در هر دو گروه قرار می‏گیرد. با توجه به ویژگی آزمایشی و یا غیرآزمایشی [۴۷]بودن پژوهش‌ها، روش پژوهش حاضر، روش غیرآزمایشی پیمایشی]۵[ محسوب می‌شود. با توجه به روش‌های چهارگانه‌ی دیدگاه تئوری‌پردازی، یعنی بسط یا بهبود تئوری‌های موجود، مقایسه‌ی دیدگاه‌های تئوریکی مختلف، بررسی پدیده‏ای خاص با استفاده از دیدگاه‌های تئوریکی مختلف و بالاخره بررسی پدیده‏ای مستند و تکراری(پژوهشی که قبلاً انجام شده است) در محیط و شرایطی جدید روش پژوهش حاضر در گروه چهارم قرار می‏گیرد. در کلی‌ترین تقسیم بندی، روش پژوهش را کتابخانه‌ای و میدانی در نظر گرفته‏اند که در پژوهش حاضر از هر دو این روش‌ها استفاده خواهد شد. در جمع‌بندی نهایی اینکه، در پژوهش‌های مدیریتی به دو روش فرضیات(سؤالات) تأیید و یا رد خواهند شد که عبارتند از: استفاده از فنون آماری، و استفاده از فنون غیرآماری مانند پژوهش در عملیات]۲[. پژوهش حاضر با توجه به این تقسیم‏بندی درگروه اول قرار می‌گیرد. در یک جمع‌بندی کلی می‌توان گفت که پژوهش حاضر، یک پژوهش از نوع پژوهش‌های توصیفی پیمایشی می‌باشد. همچنین از آنجایی که نتایج این پژوهش می‌تواند به طورعملی، مورد استفاده قرار گیرد، یک پژوهش مورد پژوهی کاربردی می‌باشد.

 

 

۳-۳-جامعه آماری

 

 

جامعه آماری به کل افراد، وقایع یا چیزهائی اشاره دارد که محقق می‌خواهد به پژوهش درباره آن‌ها بپردازد.]۸[
جامعه آماری پژوهش عبارت است از کارشناسان و مدیران شرکت مربوط به مطالعه موردی. در این راستا اقدام به مصاحبه با هشت تن از صاحب نظران خبره گشت تا شاخص‌هایی که از نظر این افراد برای شرکت مورد نظر از اهمیت بیشتری برخوردارند مشخص گردد. شایان ذکر است افراد انتخاب شده از بخش‌های گوناگون تولید، مالی، انبار، فروش و مدیران عالی سازمان بودند. طبق نظر این افراد شاخص‌ها را می‌توان در یک دسته‌بندی کلی به سه دسته تقسیم کرد که عبارتند از قیمت، کیفیت، پشتیبانی زنجیره تامین که هر یک از این شاخص‌ها شامل اجزائی هستند که در نمودار صفحه‌ی بعد قابل مشاهده است، می‌باشد و بنا به دلیل کوچک بودن جامعه آماری، نمونه آماری را کل اعضای جامعه آماری تشکیل می‌دهند.

 

 

شکل ۳-۱ شاخص‌های ارزیابی تامین‌کنندگان

 

 

۳-۴- روش جمع‌آوری اطلاعات
در این پژوهش از دو روش برای جمع‌آوری اطلاعات استفاده شده است:

 

 

۳-۴-۱- مطالعات کتابخانه‌ای

 

 

جهت اخذ اطلاعات در مورد موضوع و پیشینه پژوهش از روش‌های کتابخانه‌ی (اینترنت، کتب، مقالات و پایان نامه‌ها و گزارشات) استفاده شده است.

 

 

۳-۴-۲- روش میدانی

 

 

در روش میدانی نیز از ابزار پرسشنامه به منظور گردآوری داده‌ها بهره‌گیری شده است. پژوهش از پرسشنامه ماتریس مقایسه عوامل که عوامل و زیرشاخص‌های آن براساس پژوهش تعیین درجه شده است.

 

 

۳-۵- تفکیک سوالات پرسشنامه

 

 

جدول شماره ۳-۱-تفکیک سوالات پرسشنامه

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

الویت نسبی داده شده به هر عامل در سلسله مراتب از طریق مقایسات دوتایی و با توجه به نقش عوامل سطح پایین‌تر در راستای شاخص‌ها تعیین می‌شود. در AHP مقایسات دوتایی بر مبنای مقیاس نه‌گانه استاندار است (به جدول ۳-۴ با توجه به ساعتی]۵۶[ نگاه کنید).
رویه بالا برای همه زیر سیستم‌های سلسله مراتب تکرار می‌شود. برای ایجاد بردارهای الویت متفاوت، این بردارها با توجه به الویت‌بندی سراسری شاخص‌ها ایجاد می‌شوند. این فرایند از سطح بالایی سلسله مراتب آغاز می‌شود. در نتیجه، الویت نسبی کلی داده شده به عوامل سطح پایینی بدست می‌آیند. این الویت‌های نسبی کلی نشان دهنده درجه اثرگذاری گزینه‌ها روی هدف هستند. حال، برای ارایه الگوریتمی برای محاسبه وزن هدف‌ها با استفاده از AHP آماده هستیم.

 

برای دانلود فایل متن کامل پایان نامه به سایت 40y.ir مراجعه نمایید.

 

۳-۹-۳- گام‌های روش AHP برای محاسبه ضریب اهمیت شاخص‌ها:

 

 

گام ۱. تعریف مساله تصمیم‌گیری و هدف.
گام ۲. تشکیل سلسله مراتب از سطح بالا، میانی و پایین.
گام ۳. ایجاد ماتریس هدف – شاخص با توجه به گام‌های ۴ تا ۸ و AHP. {گام‌های ۴ تا ۶ برای همه سطوح سلسله مراتب اجرا می‌شوند}.
گام ۴. ایجاد ماتریس‌های مقایسات دوتایی برای هر عامل در سطح پایین‌تر با توجه به همه عوامل موجود در سطح بالاتر با استفاده از مقیاس استاندارد نه گانه. تصمیم‌گیرنده مجاز به بیان میزان ترجیح خود با توجه به مقیاس نه گانه است. اگر دو شاخص دارای اهمیت یکسان باشند، آنگاه، مقدار ۱ در ماتریس مقایسه‌ها درج می‌شود، در حالی که عدد ۹ نشان دهنده اهمیت مطلق یک شاخص نسبت به دیگر شاخص‌ها است(جدول ۳-۴ اندازه مقیاس‌ها را با توجه به تعریف ساعتی ، نشان می‌دهد).]۵۶[
گام ۵. محاسبه بزرگترین مقدار ویژه با استفاده از وزن نسبی شاخص‌ها و نیز مجموع مقادیر بردارهای ویژه موزون با توجه به مقادیر سطح بعدی سلسله مراتب.
داده‌های مقایسات دوتایی را به کمک تکنیک مقدار ویژه تحلیل می‌کنیم. با استفاده از این مقایسات دوتایی، هدف‌ها را تخمین می‌زنیم. بردار ویژه بزرگ‌ترین مقدار ویژه ماتریس A از تخمین اهمیت نسبی شاخص‌ها تشکیل می‌شود.
گام ۶. بررسی سازگاری و اجرای تحلیل وزن‌ها به صورت زیر:
.

 

 

 

 

 

 

 

 

 

 

وزن شاخص d ام

 

توجه داشته باشید که اگر ماتریس A سازگار باشد(بدین معنی که برای همه  داشته باشیم ، aik= aij · ajk )، آنگاه داریم (وزن ها از قبل مشخص شده‌اند)،
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

مقادیر  با فرایند نرمال سازی بدست می آیند.  وزن‌های شاخص‌ها هستند.
گام ۹. محاسبه وزن کلی هدف‌ها با استفاده از جدول‌های ۳-۵ و ۳-۶ مانند زیر:
Ψi = Total weight for objective i = (Ri1×w1) + (Ri2×w2) +…+ (Rid×wd) (3-3)
ازآنجا که  و با توجه به نرمال‌سازی ستون ماتریس R به طوری کهR1d+R2d=1, …, R11+R21=1 ، می‌باشد.

 

 

۳-۹-۴-محاسبه نرخ سازگاری

 

 

نرخ سازگاری مکانیزمی است که سازگاری مقایسه‌ها را نشان می‌دهد ومشخص می‌کند که تا چه اندازه می‌توان به اولویت‌های حاصل ازاعضای گروه ویا اولویت‌های جدول‌های ترکیبی اعتماد کرد. تجربه نشان داده است که اگرنرخ سازگاری (C.R) کمتراز ۱۰/۰ باشد می‌توان سازگاری مقایسه‌ها را پذیرفت بنابراین برای محاسبه نرخ سازگاری باید مراحل زیرانجام شود.
۱- تعیین اولویت هریک ازگزینه‌ها نسبت به شاخص‌ها با استفاده ازمنطق نرمال‌سازی ومیانگین موزون
۲-محاسبه بردار مجموع وزنی (WSV): مقادیر اصلی مقایسات در اولویت سیستم‌ها ضرب ودر نهایت مجموع هر سطر ارائه می‌گردد.
۳ – محاسبه بردار سازگاری (C.V ): تقسیم هر یک از مولفه‌های wsv بر اولویت سیستم‌ها نسبت به فاکتورها
۴ – محاسبه مقدارmax λ: مقدار max از میانگین جمع نتایج بدست آمده در بردار (cv) بدست می‌آید.
۵- محاسبه شاخص سازگاری (C.I): شاخص سازگاری برای مقایسه‌های انفرادی براساس رابطه  C.I = وبرای مقایسه‌های گروهی براساس رابطه  CI = محاسبه می‌شود.
۶-محاسبه نرخ سازگاری (‍C.R): از تقسیم شاخص سازگاری بر تعداد شاخص‌های تصادفی (R.I) که همانطور که اشاره شد از جدول ۳-۲ بدست می‌آید محاسبه می‌شود.

 

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.

 

۳-۱۰-مدل ELECTRE

 

 

اساس این مدل، «روابط غیر رتبه‌ای» است؛ یعنی لزوما به رتبه‌بندی گزینه‌ها منتهی نمی‌شود، بلکه ممکن است گزینه‌هایی را حذف کند. الگوریتم حل این مدل تصمیم‌گیری، به صورت زیر می‌باشد:
گام ۱: در این مرحله ، مقادیر ماتریس تصمیم‌گیری مساله را با استفاده از نورم، بی‌مقیاس می‌کنیم. این ماتریس را N می‌نامیم.
گام ۲: در این مرحله ، با استفاده از ماتریس W (اوزان شاخص‌ها) و رابطه‌ی زیر ، «ماتریس بی‌مقیاس شده موزون» را به دست می‌آوریم.
گام ۳: در این مرحله تمامی گزینه‌ها، نسبت به تمام شاخص‌ها، مورد ارزیابی قرار می‌گیرد و مجموعه‌ی ماتریس‌ها‌ی هماهنگ و نا‌هماهنگ تشکیل می‌شود. مجموعه هماهنگ از گزینه‌های K و I که با ‌ Sk,i نشان داده می‌شود، مشتمل بر کلیه‌ی شاخص‌هایی خواهد بود که در آن‌ها، گزینه‌ی Ak ی بر گزینه‌ی Ai به ازای آن‌ها مطلوبیت بیشتری داشته باشد. برای یافتن این مطلوبیت، باید به نوع شاخص‌های تصمیم‌گیری، از نظر داشتن جنبه‌ی مثبت یا منفی توجه شود. یعنی:
– اگر شاخص مورد نظر، دارای جنبه‌ی مثبت باشد، داریم:
– اگر شاخص مورد نظر، دارای جنبه‌ی منفی باشد، داریم:
مجموعه‌ی نا‌هماهنگ Dk,i نیز شامل شاخص‌هایی است که در آن‌ها، گزینه‌ی Ak، نسبت به گزینه‌ی Ai مطلوبیت کمتری داشته باشد، یعنی:
این فرمول، برای شاخص‌های مثبت است و برای شاخص‌های منفی داریم:
گام ۴: در این مرحله، از اطلاعات فوق، ماتریس هماهنگ را به دست می‌آوریم. این ماتریس، یک ماتریس مربعی m×m بوده که قطر آن، فاقد عنصر می‌باشد. دیگر عناصر این ماتریس نیز از جمع اوزان شاخص‌های متعلق به مجموعه‌ی هماهنگ حاصل می‌شود. یعنی:
این شاخص (Iki ) بیان کننده اهمیت نسبی Ak نسبت به Ai است. مقدار این شاخص، عددی بین صفر و یک است و هر چه این مقدار بیشتر باشد، بیانگر آن است که Ak، ارجحیت بیشتری بر Ai دارد و برعکس.
گام ۵: در این مرحله، ماتریس ناهماهنگی محاسبه می‌شود. این ماتریس با NI نشان داده می‌شود و مانند ماتریس هماهنگ، ماتریسی m * m است. قطر اصلی این ماتریس، عنصری ندارد و دیگر عناصر این ماتریس، از ماتریس بی‌مقیاس شده‌ی موزون به‌دست می‌آید.
این عناصر، طبق رابطه‌ی زیر به دست می‌آید:
این شاخص، نسبت عدم مطلوبیت مجموعه‌ی نا‌هماهنگ k و I را به کل نا‌هماهنگی در شاخص‌ها، اندازه‌گیری می‌کند.
گام ۶: در این مرحله، ماتریس هماهنگ موثر محاسبه می‌شود. این ماتریس را با H مشخص می‌کنند. برای ایجاد این ماتریس‌، ابتدا باید یک آستانه‌ای را تعیین کرد و اگر هر عنصر ماتریس I بزرگتر یا مساوی آن باشد، آن مولفه در ماتریس H، مقدار یک به خود می‌گیرد و در غیر این صورت مقدار صفر می‌گیرد. برای تعیین حد آستانه Ī ، می‌توان از اطلاعات گذشته و نظر تصمیم گیرنده استفاده کرد.
یک شاخص عمومی برای مشخص شدن این حد، عبارتست از میانگین مقادیر ماتریس I (یعنی Ī).
حال داریم:
H ki = ۱ ← I ki ≥ Ī اگر
H ki = ۰ ← I ki < Ī اگر
این ماتریس نشان دهنده ارجحیت یک گزینه بر گزینه دیگر است.
گام ۷: در این مرحله نیز ماتریس نا‌هماهنگ موثر را به دست می‌آوریم. این ماتریس نیز که با G نشان داده می‌شود، مانند ماتریس هماهنگ موثر به دست می‌آید. حد آستانه برای این ماتریس، به صورت زیر محاسبه می‌شود.
عناصر ماتریس نیز به این صورت به دست می‌آید:
گام ۸: در این مرحله، با ترکیب ماتریس هماهنگ موثر (H) و ماتریس نا‌هماهنگ موثر (G) «ماتریس کلی موثر» (F) به دست می‌آید. محاسبه‌ی این ماتریس به صورت زیر است:
این ماتریس، نشان دهنده‌ی ترتیب برتری راهکارهای مختلف، نسبت به یکدیگر می‌باشد؛ یعنی اگر Fki = ۱ باشد، می‌توان گفت Ak بر Ai ارجحیت دارد. البته ممکن است این ارجحیت، تحت تاثیر راهکارهای دیگر قرار گیرد. بنابراین، شرط این که در روش فوق ، Ak یک گزینه ی ارجح باشد، این است که:
F ki= 1 برای حداقل یک ۱ و
F ki= 0 برای کلیه ۱ ها و
می توان هر ستونی از H را که حداقل دارای یک «عنصر یک» باشد حذف کرد، سپس بر اساس سطر‌های دیگر تصمیم‌گیری نمود.