توضیحات
فهرست مطالب این نوشته
تفاوت بین AHP فازی و TOPSIS چیست؟ ۲
چگونه TOPSIS را در اکسل انجام دهیم؟ ۲
معرفی مدل تاپسیس
انتخاب یک روش تصمیم گیری چند ویژگی مناسب (MADM) برای یک مسئله MADM معین، همیشه یک کار چالش برانگیز است. نیاز به مقایسه مقایسه ای برای روش ها در طول انتخاب در مطالعات برجسته شده است. در حوزه MADM، تکنیک اولویت سفارش بر اساس شباهت به راه حل ایده آل (TOPSIS) به دلیل سادگی و مفهوم اساسی آن که بهترین راه حل نزدیک به راه حل ایده آل مثبت و دورتر از روش MADM بسیار مورد توجه، اعمال و اتخاذ شده است. راه حل ایده آل منفی گونهای از TOPSIS به نام TOPSIS اصلاحشده با فرآیند استخراج وزن هدف مبتنی بر آنتروپی با این استدلال که وزن ذهنی ممکن است همیشه امکانپذیر نباشد و وزن ویژگی متفاوت از TOPSIS در هنگام حل مسائل MADM به کار گرفته شود، توسعه یافت. هم TOPSIS و هم TOPSIS اصلاح شده برای حل مسئله MADM توسط محققان و پزشکان مختلف استفاده شده است. تکنیک ترجیح سفارش از طریق شباهت به راه حل ایده آل (TOPSIS) در دهه ۱۹۸۰ به عنوان یک روش تصمیم گیری مبتنی بر چند معیار مطرح شد.
این نرم افزار EXCEL یک برنامه اکسل تاپسیس TOPSIS برای انتخاب و رتبه بندی گزینه های انتخابی است. این برنامه برای اهداف مختلف رتبه بندی گزینه ها براساس در نظرگرفتن نظرات و جوانب منفی و مثبت موضوع عمل می کند.
مبنای تئوری مدل TOPSIS
مدل TOPSIS جایگزین کوتاه ترین فاصله اقلیدسی از راه حل ایده آل و بیشترین فاصله از راه حل ایده آل منفی را انتخاب می کند. مدل TOPSIS به دلیل پایه ریاضی صحیح، سادگی و سهولت کاربرد آن ، به طور گسترده در بیش از ۱۳۰۰۰ مطالعه برای مسئله تصمیم گیری چندمعیاره یا MADM عملی استفاده شده است. مدل TOPSIS با الهام از روش های جدید و تحلیل تطبیقی بر اساس آن، به عنوان یکی از روش های اساسی تصمیم گیری چند متغیره MADM به شمار می رود. این مدل به طور گسترده در حوزههایی مانند تصمیمگیری خرید و برونسپاری انتخاب ارائهدهنده، تصمیمگیری تجزیه و تحلیل عملکرد مالی، ارزیابی کیفیت خدمات، برنامههای کاربردی انتخاب آموزشی، انتخاب فناوری، انتخاب مواد، انتخاب محصول، ارزیابی استراتژی و برنامهریزی ماموریت حیاتی استفاده شده است.
روش اجرای مدل تاپسیس
برای سهولت این تعریف، فرض کنید میخواهید یک تلفن همراه بخرید، به فروشگاهی میروید و ۵ تلفن همراه را بر اساس رم، حافظه، اندازه نمایشگر، باتری و قیمت آنالیز میکنید. در نهایت، پس از دیدن عوامل بسیار گیج شده اید و نمی دانید چگونه تصمیم بگیرید که کدام تلفن همراه را بخرید. TOPSIS روشی برای تخصیص رتبه ها بر اساس وزن و تأثیر عوامل داده شده است.
وزن ها به این معنی است که یک عامل معین چقدر باید در نظر گرفته شود (وزن پیش فرض = ۱ برای همه عوامل). مثل اینکه شما می خواهید رم بیشتر از سایر عوامل وزن داشته باشد، بنابراین وزن رم می تواند ۲ باشد، در حالی که بقیه می توانند ۱ داشته باشند.
تأثیر به این معنی است که یک عامل معین تأثیر مثبت یا منفی دارد. مانند اینکه میخواهید باتری تا حد امکان بزرگ باشد اما قیمت موبایل تا حد ممکن کمتر باشد، بنابراین وزن «+» را به باتری و وزن «-» را به قیمت اختصاص میدهید.
این روش را می توان در رتبه بندی مدل های یادگیری ماشین بر اساس عوامل مختلفی مانند همبستگی، R^2، دقت، میانگین مربعات خطای ریشه و غیره به کار برد.
تفاوت بین AHP فازی و TOPSIS چیست؟
تفاوت بین AHP فازی و TOPSIS چیست؟
تکنیک فازی برای عملکرد سفارش با روش شباهت به راه حل ایده آل (TOPSIS) برای ارزیابی عینی شرکت های ساختمانی از نظر عملکرد ایمنی آنها استفاده می شود. روش AHP فازی به تصمیم گیرندگان کمک می کند تا عواملی را که به احتمال زیاد علت شرایط کاری ناایمن هستند، تعیین کنند.
چرا از AHP و TOPSIS استفاده کنیم؟
AHP برای تعریف وزن هر معیار و زیرمعیار از طریق مقایسه های کیفی استفاده می شود. سپس از TOPSIS برای ارزیابی گزینه های خرید استفاده می شود. این تحقیق یک سیستم پشتیبانی تصمیم گیری علمی و دقیق را در اختیار تصمیم گیرندگان قرار می دهد که در تصمیم گیری استراتژیک و پیچیده مفید است.
چگونه TOPSIS را در اکسل انجام دهیم؟
ما این مراحل را برای مثال در اکسل دنبال خواهیم کرد.
وزن معیارها را بیابید.
یک ماتریس تصمیم برای گزینه ها تشکیل دهید.
ماتریس تصمیم را عادی کنید.
یک ماتریس تصمیم گیری نرمال شده وزنی تشکیل دهید.
ایده آل های مثبت و منفی را پیدا کنید.
فاصله را با ایده آل های مثبت و منفی پیدا کنید.
مجموعه عددایکس یک نرم افزار اکسل طراحی و عرضه کرده است که می توانید به راحتی ارزشگذاری ها و ترجیح های خود را برای تصمصم گیری به آن بدهید و بهترین کیس یا بهترین گزینه را برای شما انتخاب کند. این محصول یک فایل اکسل است که فرمول تاپسیس را بصورت اتومات و خودکار برای اجرای شما تنظیم کرده است.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.