تصمیم گیری چند معیاره

از لحاظ مفهومی تصمیم گیری به عنوان قضاوت، ارزیابی و انتخاب یک راهکار از میان چندین راهکار تعریف می شود. پژوهشگران از نظریه ها و روش های مختلفی برای تصمیم گیری استفاده می کنند. رویکرد تصمیم‌گیری چندمعیاره یا Multi-Criteria Decision Making که به اختصار از آن به عنوان تکنیک MCDM یاد می شود، یکی از حوزه های پیشرفته تحقیق در عملیات و بهینه سازی می‌باشد که به توسعه و اجرای ابزارها و روش‌های پشتیبانی تصمیم گیری اختصاص دارد و به مدیران جهت اتخاذ تصمیم بر مبنای معیارهای متعدد و متضاد کمک می‌کند. این رویکرد جهت حل مشکلات پیچیده تصمیم گیری با چندین معیار، هدف یا مقاصدی با ماهیت متناقض، طراحی شده است. یکی از حساسترین وظایف مدیریت سازمان ها تصمیم‌گیری است که موجب تحقق اهداف سازمانی می شود. بنابراین بکارگیری روش‌های تصمیم‌گیری چندمعیاره در حل مسائل سازمانی، با ماهیت پیچیده سازمان‌ها سازگاری مناسبی دارد.

در این مقاله جامع آموزشی به صورت کاربردی مباحث اصلی مربوط به تصمیم گیری چند معیاره از منظر، ماهیت تصمیم گیری، هدف، جامعه و نمونه، ابزار گردآوری اطلاعات، اعتبارسنجی محاسبات، تدوین فرضیات و سوالات، محیط های تصمیم گیری، انواع تکنیک ها و … مورد بررسی قرار می گیرد.

همچنین شما عزیزان جهت آشنایی با پروپوزال نویسی می توانید به صفحه دانلود رایگان نمونه پروپوزال کمی رجوع کنید، و در صورت داشتن هر نوع سوال در رابطه با مفاهیم تصمیم گیری چند معیاره می توانید از طریق صفحه ارتباط با ما سوالات خودتان را مطرح کنید.

رویکرد تصمیم گیری چند معیاره (MCDM) از لحاظ ماهیت تصمیم گیری به دو دسته اصلی تقسیم می شود:

تصمیم گیری چند هدفه (MODM)

رویکرد تصمیم‌گیری چندهدفه یا Multi-Objective Decision Making که به اختصار از آن به عنوان تکنیک MODM یاد می شود، به دنبال دستیابی به نتیجه بهینه از طریق جستجوی یک مرز کارآمدی در فضای راه حل با توجه به محدودیت‌های تعیین شده می باشد. در این رویکرد چندین هدف به طور همزمان جهت بهینه شدن، مورد توجه قرار می‌گیرند، به صورتی که مقیاس سنجش برای هر هدف ممکن است با مقیاس سنجش سایر اهداف متفاوت باشد. برنامه ریزی آرمانی (Goal Programing)، روش لکسکیوگرافی (Lexicographic)، برنامه ریزی چند هدفه احتمالی، روش LP-metric و رویکرد تبدیل تابع هدف به محدودیت را می توان به عنوان پرکاربردترین تکنیک های تصمیم گیری چند هدفه در نظر گرفت.

تصمیم گیری چند شاخصه (MADM)

رویکرد تصمیم گیری چند شاخصه یا Multi-attribute Decision Making یکی از حوزه های کاربردی در علوم مدیریت است که از آن به عنوان تکنیک های MADM یاد می شود. مدل های تصمیم گیری چندهدفه برای طراحی استفاده می شوند در حالی که مدل های دارای چند شاخص به منظور انتخاب گزینه برتر و به طور کلی رتبه بندی گزینه ها به کار می روند. در بسیاری از مسائل تصمیم‌گیری، از میان گزینه‌های موجود باید گزینه برتر با توجه به شاخص‌های مختلفی انتخاب شود که کار تصمیم‌گیری را دشوار می‌کند. بنابراین در این رویکرد، تعدادی گزینه متناهی، مورد تجزیه و تحلیل و اولویت بندی قرار می گیرند تا بهترین گزینه براساس شاخص‌هایی که می توانند متنوع، متفاوت و متعارض باشند، انتخاب شود. از این تکنیک به طور گسترده در زمینه های مختلفی مانند ارزیابی توانایی فردی، ارزیابی خطرات زیست محیطی، ارزیابی کیفیت زندگی، ارزیابی های صنعتی و … استفاده می شود. در این مقاله آموزشی به نکات کاربردی مربوط به پیاده سازی روش‌های تصمیم‌گیری چندشاخصه پرداخته می شود.

مدل های تصمیم گیری چند شاخصه را می توان به صورت کلی به دو دسته جبرانی و غیر جبرانی دسته بندی کرد:

مدل های جبرانی:

در مدل های جبرانی امکان تبادل بین معیارها و شاخص ها توسط تصمیم گیرنده وجود دارد. بنابراین در روش‌های جبرانی تفاوت در مقادیر یک معیار می‌تواند توسط مقادیر معیارهای دیگر جبران شود و تغییر در یک شاخص توسط تغییری مخالف (در جهت عکس) در شاخص یا شاخص‌های دیگر جبران می‌شود. از مهمترین مدل های جبرانی می توان به تکنیک هایی نظیرAHP ,ANP ,VIKOR, SAW ,TOPSIS ,ELECTRE ,PROMETHEE ,BWM ,SWARA ,WASPAS ,COPRAS ,EDAS ,MABAC ,COCOSO ,Shannon Entropy ,ARAS و … اشاره کرد.

روش های جبرانی به سه دسته تقسیم می شوند:

• زیرگروه نمره گذاری (امتیازی) (Scoring): در این روش ها با استفاده از الگوریتم های مختلف گزینه ای برتر است که بیشترین امتیاز را کسب کند، بنابراین گزینه ارجح بیشترین امتیاز را دارد. (SAW ,AHP ,ANP,ARAS ,MOORA…)
• زیرگروه سازشی (Compromising): در این روش ها گزینه ارجح بیشترین نزدیکی و شباهت را با گزینه ایده آل دارد. (TOPSIS ,LINMAP ,VIKOR ,COPRAS…)
• زیرگروه هماهنگ (غیر رتبه ای) (Outranking): در این روش ها گزینه ارجح از منظر یک شاخص هماهنگ تعریف شده بهترین وضعیت را دارد. (ELECTRE ,PROMETHEE…)

مدل های غیرجبرانی:

در مدل های غیرجبرانی، معیارها به صورت مستقل از هم در فرایند تصمیم‌گیری بررسی می‌شوند. تبادل بین معیارها توسط تصمیم‌گیرنده صورت نمی گیرد و نقطه ضعف موجود در یک شاخص توسط مزیت موجود در یک شاخص دیگر جبران نمی‌شود، همچنین هر شاخص جدا از سایر شاخص‌ها مبنای ارزیابی گزینه‌های رقیب قرار می‌گیرد. از مهمترین مدل های غیرجبرانی می توان به روش تسلط، روش حذف، روش لکسیکوگراف، روش رضایت بخش شمول، روش رضایت بخش خاص، روش Max-Min، روش Min-Min و روش پرموتاسیون اشاره کرد.

مدل های غیر جبرانی، الگوریتم ساده و غیر انعطاف پذیری دارند و به طور عمده به سه گروه تقسیم می شوند:

• اطلاعاتی در مورد اهمیت معیارها در دسترس نمی باشد. (روش های بیشترین کمینه، بیشترین بیشینه، تسلط و …)
• اهمیت معیارها به صورت ترتیبی موجود می باشد. (روش های جایگشت، حذفی، الکزیکوگرافی و …)
• اطلاعات مربوط به حدود استاندارد و قابل قبول هر معیار در دسترس می باشد. (روش های روش رضایت بخش عطفی و روش رضایت بخش خاص و …)

در چارت زیر دسته بندی مربوط به رویکرد های تصمیم گیری چندمعیاره به صورت اجمالی مورد بررسی قرار گرفته است:

هدف رویکرد تصمیم گیری چند شاخصه (MADM)

هدف تکنیک های تصمیم گیری چند شاخصه انتخاب بهترین گزینه یا وزن دهی عوامل تصمیم گیری می باشد. به عبارت دیگر، با حل یک مسأله تصمیم گیری چند شاخصه، گزینه ها بر اساس شاخص ها اولویت بندی می شوند که در نهایت می توان به انتخاب بهترین گزینه پرداخت. به عنوان نمونه از این مسائل می توان به خرید خانه و یا خودرو از بین چندین گزینه و یا خرید هواپیما برای یک پایگاه نظامی از بین چندین نوع از هواپیماهای موجود و یا انتخاب بهترین گزینه برای تولید و یا سرمایه گذاری با توجه به ویژگی و شاخص های هرکدام از مسائل اشاره کرد.

شاخص‌ها در مدل‌های تصمیم گیری چند شاخصه می توانند به صورت کمی و کیفی و یا با مقیاس‌های مختلف مورد سنجش قرار بگیرند. این شاخص‌ها در بسیاری از مسائل می توانند با هم در تعارض باشند. بنابراین ممکن است، گزینه ای که از نظر همه شاخص‌ها مطلوب باشد، وجود نداشته باشد، اما با استفاده از مدل‌های تصمیم گیری چند شاخصه انتخاب گزینه برتر به طور نسبی، امکانپذیر می باشد. در شکل زیر و در قالب یک مسئله ساده تصمیم گیری چندشاخصه، به صورت شماتیک هدف، معیارها و گزینه های مربوط به فرایند تصمیم گیری تبیین شده اند، در این مثال هدف ما، انتخاب بهترین خودرو با توجه به معیارهای، قیمت، برند، ویژگی ظاهری و ویژگی فنی در میان خودرو های پژو ۲۰۶، ریو و تندر ۹۰ می باشد:

هر کدام از روش های تصمیم گیری چند شاخصه وظیفه خاصی دارند، وزن دهی معیارها، رتبه بندی گزینه ها و ارزیابی شاخص ها را می توان به عنوان مهمترین اهداف این تکنیک ها در نظر گرفت. یک مسئله MADM را می توان با مجموعه ای از ویژگی ها و گزینه های متناهی توصیف کرد. به صورت عمومی جهت دستیابی به هدف در مسائل تصمیم گیری چند شاخصه، به ۵ مرحله نیاز است:

مرحله ۱: تشکیل ساختار مسئله تصمیم گیری

در ابتدا باید مشخص شود درخت تصمیم گیری مسئله شامل چه تعداد معیار، زیر معیار و گزینه می باشد تا بر این اساس بتوان مناسب ترین روش تحلیل را برای حل مسئله در نظر گرفت.

مرحله ۲: تعیین معیارها

در مرحله دوم معیارهای مناسب برای تصمیم گیری انتخاب می شوند. این معیارها باید معتبر، قابل اعتماد و مرتبط با تصمیم گیرندگان و سایر ذینفعان باشند و به گونه ای تعیین شوند که همپوشانی زیادی نداشته باشند. با توجه به کاربرد پروژه، معیارها را می‌توان از طریق مطالعات کتابخانه ای، کیفی و به وسیله بحث در گروه ها، دریافت نظرات متخصصان، گروه‌های متمرکز و نظرسنجی‌ها شناسایی کرد. همچنین از روش هایی مثل تکنیک دلفی (Delphi method) و تحلیل عاملی (Factor Analysis) (FA) نیز می توان جهت غربال گری و دسته بندی شاخص های نهایی استفاده کرد.

مرحله ۳: وزن دهی معیارها

وزن دهی معیارها به معنی تعیین وزن نسبی آن ها می باشد. این وزن دهی می تواند در میان زیرمعیارها نیز بسط داده شود. در این گام وزن معیارها نرمال سازی می‌شوند تا مجموع وزن همه معیارها برابر با عدد یک باشند. بنابراین وزن معیارها، نشان دهنده اهمیت نسبی هر معیار برای تصمیم گیرندگان است.

مرحله ۴: امتیاز دهی به گزینه‌ها

امتیاز دهی گزینه‌ها بر اساس وزن محاسبه شده معیارها می باشد. بنابراین این مرحله شامل تبدیل عملکرد هر گزینه در هر معیار به یک امتیاز عددی است. امتیاز‌ها معمولاً نرمال سازی می‌شوند، بنابراین بدترین عملکرد در یک معیار با توجه به طیف به کار رفته، کمترین نمره و بالاترین عملکرد، بیشترین نمره را می‌گیرد. امتیازها را می‌توان با استفاده از مقیاس های پیوسته و یا از مقیاس های چند سطحی کیفی در نظر گرفت و برای هر سطح مقداری عددی تعیین کرد.

مرحله ۵: اعتبارسنجی

در هر تجزیه و تحلیلی که مبتنی بر ورود داده‌های نامشخص باشد، اعتبار سنجی نتایج امری ضروری می باشد. بنابراین در این تکنیک ها با استفاده از تجزیه و تحلیل حساسیت، تغییرات قابل قبول در عملکرد گزینه‌ها، امتیاز آنها در معیارها و وزن معیارها مورد بررسی قرار می گیرد.

جامعه و نمونه در رویکرد تصمیم گیری چند شاخصه

انتخاب جامعه و نمونه در روش های تصمیم گیری چند شاخصه یکی از گام های مهم و پر چالش در فرایند تجزیه و تحلیل این مسائل می باشد. بسیاری از پژوهشگران با توجه به دیدگاه های مربوط به روش های آماری به انتخاب جامعه و نمونه در مسائل تصمیم گیری چند شاخصه می پردازند که این امر یک رویه کاملا اشتباه است و ضربه بزرگی به اعتبار آن پژوهش وارد می کند.

در یک تعریف عمومی، هر شی یا فردی که دارای خصوصیات یا ویژگی‌های مشترکی با سایر افراد می باشد به عنوان جامعه آماری در نظر گرفته می شود، بنابراین، جامعه آماری باید طوری تعریف شود که بتوان اعضای آن را مشخص کرد. برای تحلیل مسائلی که بر مبنای شانس یا احتمال می باشند، به داده و اطلاعات نیاز است. استفاده از جامعه و سرشماری با توجه به حجم گسترده و جامع تری که مورد بررسی قرار می گیرد اولویت زیادی دارد ولی گاهی به علت نامتناهی بودن جمعیت، هزینه و زمان زیاد و محدودیت های دسترسی به اطلاعات جامعه، پژوهشگران اقدام به نمونه‌گیری می کنند. بنابراین جهت جمع آوری این اطلاعات می‌توان بر اساس نمونه‌گیری، به بخشی از اطلاعات جامعه دسترسی پیدا کرده و با توجه به نمونه آماری خصوصیات و ویژگی‌های جامعه را تشخیص داد.

نکته مهم در بکارگیری جامعه و نمونه در پژوهش ها ذکر این مورد است که، در روش های آماری و مدل سازی معادلات ساختاری (SEM) (نرم افزارهایی نظیر، SPSS، لیزرل، PLS، آموس و …) به طور معمول از واژه هایی مانند حجم جامعه و نمونه آماری، نمونه گیری، تعیین حجم نمونه و … استفاده می‌شود و پرسشنامه بین طیف وسیعی از افراد نظیر کارشناسان، مشتریان و … پخش می شود، اما باید به خاطر داشت که این فرایند مختص رویکردهای آماری می باشد و در مسائل تصمیم‌گیری چندمعیاره پرسشنامه به صورتی جمعی و گروهی و در قالب گروه خبرگان پخش می شود. بنابراین در فرایند حل این مسائل معمولاً مدیران، سرپرستان و یا خبرگانی حضور دارند که تعداد آن ها در هر سازمان و نهاد تعداد محدودی می باشد (گاها کمتر از ۵ نفر). در مطالعات تصمیم گیری، جامعه خبرگان افرادی می باشند که در حوزه مورد بررسی دارای تخصص و توانایی منحصر به فردی باشد. برای تعریف افراد خبره در هر پژوهش می توان به افرادی اشاره کرد که از ویژگی هایی چون، تحصیلات، سابقه کاری، تعداد تخصص ها، تعداد پروژه های موفق و … برخوردار باشند.

جهت نمونه گیری از خبرگان در صورتی که موضوع مورد مطالعه محدود به یک نهاد خاص باشد و به صورت متمرکز به خبرگان دسترسی وجود داشته باشد، می توان از روش نمونه‌گیری هدفمند استفاده کرد. در این روش با توجه به اشنایی قبلی با جامعه، برای رسیدن به هدف مسئله به صورت قضاوتی افرادی را انتخاب می کنند که اطلاعات و درک ان ها در زمینه مورد بررسی بسیار زیاد و عمیق است. بنابراین با در نظر گرفتن، قابلیت هایی همچون تحصیلات و سابقه کاری بالا، تعداد پروژه های موفق و … می توان افراد واجد شرایط در سازمان را به عنوان نمونه تحقیق شناسایی کرد.

در صورتی که موضوع مورد مطالعه مربوط به یک صنعت یا زمینه ای عمومی تر باشد که طبیعتاً خبرگان آن صنعت زیاد و دور از دسترس خواهند بود، می توان از روش نمونه‌گیری گلوله‌برفی استفاده کرد. در این روش نیز پس از اعمال شرط خبرگی، با شناسایی یا انتخاب اولین واحد نمونه گیری از آن برای شناسایی و انتخاب دومین واحد نمونه گیری کمک گرفته می شود و به همین ترتیب واحدهای دیگر نمونه شناسایی و انتخاب می شوند. به عبارتی گروه نمونه مانند یک گلوله برفی در حال غلتیدن رشد می کند.

ابزار گردآوری اطلاعات در رویکرد تصمیم گیری چند شاخصه

گردآوری اطلاعات یکی از مهمترین گام های انجام پایان نامه ارشد و رساله دکترا است. در صورتی که این مرحله به شکل منظم و صحیح صورت پذیرد، نتایج حاصل از تجزیه و تحلیل داده ها نیز از دقت بالایی برخوردار خواهد بود. روش‌های گردآوری اطلاعات پژوهش به دو دسته کتابخانه‌ای و میدانی تقسیم می‌شود. جهت گردآوری اطلاعات مربوط به ادبیات موضوع، مبانی نظری و پیشینه پژوهش از روش‌های کتابخانه ای و جهت جمع آوری اطلاعات مربوط به تایید یا رد فرضیه‌های پژوهش از روش میدانی استفاده می‌شود. متداول ترین روش های کتابخانه ای، مطالعه اسناد و مدارک، مقالات، کتب… و پرکاربردترین روش های میدانی نیز پرسشنامه، مصاحبه و مشاهده… می باشد.

رایج ترین و پرکاربردترین روش برای گردآوری اطلاعات، تنظیم پرسشنامه می باشد. در روش های تصمیم گیری چند شاخصه این اطلاعات از طریق پرسشنامه خبره اخذ می گردد. در سیستم تصمیم گیری چندمعیاره برای پاسخگویی به سوالات پرسشنامه باید خبرگان پاسخ دهند، بنابراین برخلاف روش های آماری روش نمونه گیری از نوع غیرتصادفی هدفمند است. پرسشنامه خبره ابزاری استاندارد برای گردآوری دیدگاه خبرگان و صاحب‌نظران پیرامون معیارها و گزینه‌ها می باشد. این نوع از پرسشنامه‌ها به صورت معمول به دو شیوه مبتنی بر مقایسه زوجی و مبتنی بر ماتریس تصمیم طراحی می‌شوند:

در پرسشنامه های مبتنی بر مقایسه زوجی جهت سنجش دیدگاه خبرگان از مقایسه‌های زوجی میان شاخص ها استفاده می‌شود. با استفاده از این ابزار می‌توان وزن معیارها و شاخص‌ها را تعیین کرد. از مهمترین پرسشنامه های مبتنی بر مقایسه زوجی می توان به روش تحلیل سلسله‌مراتبی (AHP)، فرایند تحلیل شبکه (ANP)، روش سوارا (SWARA)، روش بهترین-بدترین (BWM) … اشاره کرد.

در پرسشنامه های مبتنی بر ماتریس تصمیم جهت ارزیابی گزینه‌ها براساس معیارها یا شاخص‌ها از پرسشنامه خبره مبتنی بر ماتریس تصمیم استفاده می‌شود. بنابراین پس از تشکیل جدول اولیه تصمیم گیری، خبرگان به هر یک از گزینه‌ها براساس هر یک از شاخص ها امتیاز تخصیص می دهند. از مهمترین پرسشنامه های مبتنی بر ماتریس تصمیم می توان به روش تاپسیس (TOPSIS)، روش ویکور (VIKOR)، روش ساو (SAW)، واسپاس (WASPAS)، کوپراس (COPRAS) و … اشاره کرد.

جهت آشنایی کامل با انواع پرسشنامه، کاربردها و نحوه طراحی آن می توانید به مقاله پرسشنامه تحقیق رجوع کنید.

اعتبارسنجی محاسبات در رویکرد تصمیم گیری چند شاخصه

در پژوهش هایی که محاسبات بر اساس پرسشنامه انجام می شود معمولا جهت اعتبارسنجی محاسبات از دو مفهوم روایی و پایایی استفاده می شود. پایایی و روایی پرسشنامه مقیاس و سنجه های لازم برای تعیین دقت و درستی یک آزمون می باشند. روایی یا اعتبار، تعیین می کند که ابزار اندازه گیری به چه میزان خصیصه مورد نظر را میسنجد و قابلیت اعتماد یا پایایی به این معنی است که نتایج حاصل از تکرار اجرای ابزار پژوهشی، به چه میزان نتایج یکسانی را به دست می آورد.

بنابراین قبل از آنکه یک پرسشنامه در میان جامعه آماری توزیع شود، باید پایایی و روایی پرسشنامه به وسیله روش ها و ابزارهای مختلف بررسی و تعیین گردد. در روش های تصمیم گیری چندشاخصه محقق با گویه، متغیر و … سروکار ندارد، بلکه تحلیل ها بر اساس تعدادی شاخص انجام می شود که به صورت زوجی باهم مقایسه می شوند، بنابراین از آنجایی که متغیرها توسط گویه ها اندازه‌گیری نمی‌شوند، سنجش میزان درستی این اندازه از اساس امری اشتباه محسوب می شود و محاسبه روایی و پایایی برای ماتریس مقایسه زوجی بی معنی است. با این حال در مقالات مختلف تصمیم گیری چند شاخصه، جهت اعتبار سنجی از روش های مختلفی می توان استفاده کرد. برای سنجش روایی می‌توان از روایی صوری و نظرخواهی از کارشناسان و اساتید پیرامون اهمیت شاخص‌ها استفاده کرد. در این نوع روایی بررسی می شود که، عناصر مورد سنجش به طور ظاهری چه میزان توانایی اندازه گیری مفهوم پژوهش را دارند. همچنین با استفاده از روایی محتوایی می توان نشان داد که پرسشنامه به چه میزان جنبه‌های سازه موردنظر را مورد سنجش قرار می‌دهد. اگر سوال‌های پرسشنامه معرف ویژگی‌هایی باشد که محقق قصد اندازه‌گیری آن‌ها را داشته باشد، آزمون دارای اعتبار محتوا است. روایی محتوایی به طور معمول از طریق محاسبه CVR و CVI بدست می آید.

همچنین جهت سنجش پایایی پرسشنامه‌های مقایسه زوجی معمولا از نرخ ناسازگاری استفاده می شود. نرخ ناسازگاری نشان می‌دهد تا چه اندازه می‌توان به داده‌های گردآوری شده از دیدگاه کارشناسان اعتماد کرد. در روش هایی مانند AHP و ANP این نرخ همواره باید کمتر از ۰.۱ باشد. نرخ ناسازگاری به صورت محاسبات دستی و با استفاده از دو نرم افزار سوپر دسیژن و اکسپرت چویس قابل محاسبه است.

تدوین فرضیات و سوالات در رویکرد تصمیم گیری چند شاخصه

نحوه تدوین فرضیات و سوالات از مهمترین چالش های پیش روی پژوهشگران در نگارش طرح های تصمیم گیری چند شاخصه می باشد. فرضیه را می توان پیش بینی علمی دربارۀ تاثیر گذاری متقابل و یا چند جانبه دو یا چند متغیر دانست که با توجه به موضوع و نتیجه پژوهش طراحی می شود و میزان درستی و یا نادرستی آن در پایان تحقیق مشخص می شود. از سوی دیگر، مسئله تحقیق در مطالعات کیفی و کمی می تواند به صورت سوال نیز بیان شود. شکل سوالی معمولا ارجحیت بیشتری دارد؛ زیرا از طرفی ساده و مستقیم می باشد و از سوی دیگر به سادگی محقق را برای ایجاد طرحی که به سوال پاسخ دهد هدایت می کند.

روش‌شناسان تحقیق تعاریف و کاربردهای متفاوتی از فرضیه ارائه کرده‌اند، که نشان می‌دهد ارائه فرضیه برای همه تحقیقات ضرورت ندارد. پس از آنکه پرسش‌های تحقیق مشخص شدند، محقق در صورتی به تدوین فرضیه می‌پردازد که از وجود دو شرط در تحقیق مطمئن باشد:

۱: اینکه تحقیق اکتشافی نبوده و از پیشینه‌ای برخوردار است.

۲: آنکه پرسش تحقیق درباره رابطه (به‌ویژه رابطه علی ـ معلولی) دو یا چند متغیر است.

هرجا این دو شرط محقق نباشند، به طرح پرسش‌های تحقیق بسنده می‌شود. بنابراین در روش های تصمیم گیری چند شاخصه از آنجایی که روابط میان متغیرها مطرح نمی باشد و عمده هدف آن اولویت بندی شاخص ها و گزینه ها می باشد، می توان به طرح سوالات پژوهش اکتفا کرد.

محیط های تصمیم گیری

تصمیم گیری جزء جدانشدنی از مدیریت است و حتی عده ای از صاحب نظران مدیریت را مترادف با تصمیم گیری دانسته اند. در این بین هر چه یک تصمیم گیری بیشتر درگیر سبک تفکر انسانی و همچنین سیستم های پیچیده شود، پدیده ی عدم قطعیت بیشتر مسلط به توضیح این سیستم ها می گردد. روش های تصمیم گیری چندشاخصه این قابلیت را دارند تا در محیط های تصمیم گیری قطعی و یا غیرقطعی مورد ارزیابی قرار بگیرند. در اینجا منظور از محیط تصمیم گیری، میزان قطعیت و یا عدم قطعیت مربوط به نظرات پاسخ دهندگان می باشد. در مقالات و پژوهش های علوم مدیریت معمولا محیط های تصمیم گیری را به سه دسته، قطعی، فازی و خاکستری تقسیم می کنند.

محیط تصمیم گیری قطعی

در رویکردهای تصمیم‌گیری چندشاخصه همواره خبرگان برای پاسخ به سوالات تحقیق از عبارات کلامی استفاده می‌کنند و جهت تحلیل این دیدگاه ها باید عبارات کلامی به صورت کمی تبدیل شوند. در روش‌های کلاسیک تصمیم گیری چندشاخصه از طیف کمی با اعداد قطعی استفاده می‌شود. در مدل های قطعی معیارهایی همچون رضایت خیلی خوب یا خدمات مطلوب به صورت عباراتی مبهم و غیر دقیق بیان می شوند که به آسانی این عبارات مبهم را نمی توان مورد محاسبه قرار داد. منظور از ابهامات موجود در تصمیم گیری همان عبارت کلامی در مقایسات مانند خیلی زیاد، خیلی کم و … می باشد.

محیط تصمیم گیری فازی

پاسخ دهندگان و مدیران در بسیاری از پژوهش ها و امور سازمانی دچار عدم قطعیت و ابهام در تصمیم گیری ها می شوند. به عنوان مثال هنگامی که جهت انتخاب “شریک تجاری” معیاری مانند “انعطاف پذیری” در نظر گرفته شود، ممکن است نتوان امتیاز دقیقی برای این معیار لحاظ کرد. در چنین مواقعی، برای غلبه بر عدم قطعیت ها و ابهامات تصمیم گیری می توان به دو محیط فازی و خاکستری رجوع کرد. در رویکرد فازی برای کمی کردن عبارات کلامی از اعداد فازی استفاده می‌شود. این نظریه قادر است بسیاری از مفاهیم و متغیرها و سیستم هایی را که نادقیق و مبهم هستند، صورتبندی ریاضی ببخشد و زمینه را برای استدلال، استنتاج، کنترل و تصمیم گیری در شرایط عدم اطمینان فراهم آورد، بنابراین این رویکرد یک تکنیک تصمیم‌گیری چندشاخصه نیست بلکه یک رویکرد معادل برای کمی کردن مقادیر است. همان گونه که اشاره شد، در مدل های قطعی معیارهایی همچون رضایت خیلی خوب یا خدمات مطلوب به صورت عباراتی مبهم و غیر دقیق بیان می شوند که به آسانی این عبارات مبهم را نمی توان مورد محاسبه قرار داد، در این موارد تئوری مجموعه های فازی بهترین ابزار برای شرایط غیر قطعی است و تکنیک تصمیم گیری چندشاخصه، تصمیم گیرندگان را در ارزیابی یک مجموعه از گزینه ها یاری می کنند.

محیط تصمیم گیری خاکستری

در کنار محیط های قطعی و فازی، تا کنون روش‌های تصمیم‌گیری چند معیاره خاکستری مختلفی ارائه شده‌است که داده‌های ورودی در آن‌ها بصورت اعداد خاکستری تعریف می‌شوند. در دنیای واقعی سیستم‌ها در اغلب اوقات بصورت کامل شناخته شده نیستند. بخشی از سیستم شناخته شده‌است (سفید) و بخشی از سیستم ناشناخته (سیاه) است. ترکیب اطلاعات شناخته شده و شناخته نشده را می‌توان با رنگ خاکستری نمایش داد. اعداد خاکستری مشابه با اعداد فازی هستند اما تفاوت اساسی بین اعداد خاکستری با اعداد فازی در آن است که در اعداد خاکستری مقدار دقیق عدد نامشخص است اما بازه‌ای که مقدار آن عدد را در بر می‌گیرد معلوم است یا به تعبیر دیگر مقدار دقیق کران چپ و راست عدد معین و معلوم است. در حالی که در یک عدد فازی ضمن این که عدد به صورت یک بازه تعریف می‌شود، اما مقدار دقیق بال چپ و راست عدد معلوم نیست و از یک تابع عضویت تبعیت می‌کند. بنابراین می توان گفت، تئوری سیستم‌های خاکستری عدم قطعیت را به صورت بازه نمایش می‌دهد که عرض بازه می‌تواند منعکس کننده میزان عدم قطعیت باشد. از آنجایی که تعیین تابع عضویت برای کران چپ و راست یک عدد فازی خود همراه با پیچیدگی‌ها و عملیات محاسباتی است می توان گفت، محاسبات با اعداد خاکستری از سادگی بیشتری نسبت به اعداد فازی برخوردار است.

تکنیک های تصمیم گیری چندشاخصه

هر کدام از تکنیک های رویکرد MADM وظیفه خاصی دارد و طبقه بندی های مختلفی برای آن ها می شود در نظر گرفت، ولی به صورت کلی می توان این تکنیک ها را بر اساس ماهیت به صورت زیر طبقه بندی کرد:

تکنیک های مربوط به وزن دهی شاخص ها

تکنیک های مربوط به رتبه بندی گزینه ها

تکنیک های مربوط به وزن دهی + رتبه بندی

تکنیک های مربوط به ارزیابی شاخص ها

بنابراین در این بخش به معرفی پرکاربردترین روش های تصمیم گیری چند شاخصه بر اساس شکل زیر پرداخته می شود:

تکنیک های مربوط به وزن دهی شاخص ها

وزن دهی شاخص ها یکی از اهداف مهم در مسائل تصمیم گیری چند شاخصه می باشد. در فرایند وزن دهی تعیین می شود که اهمیت شاخص های پژوهش از دید خبرگان به چه میزان است. این روش‌ها معمولا به صورت مقایسه زوجی میان گزینه‌ها و یا معیارها با یکدیگر می باشند. از مهمترین تکنیک های مربوط به وزن دهی شاخص ها می توان به موارد زیر اشاره کرد:

فرایند تحلیل سلسله مراتبی (AHP یا Analytic Hierarchy Process)

شاید فرایند تحلیل سلسله مراتبی (AHP) را بتوان به عنوان پرکاربردترین تکنیک تصمیم گیری چندشاخصه در نظر گرفت که توسط Saaty در سال ۱۹۷۵ معرفی شد. هدف این تکنیک وزن دهی به شاخص ها و همچنین انتخاب بهترین گزینه براساس شاخص های مختلف می باشد. نرم افزار تخصصی تکنیک AHP، نرم افزار اکسپرت چویس (Expert Choice) می باشد همچنین از نرم افزار سوپر دسیژن (Super Decision) نیز می توان جهت انجام این تحلیل استفاده کرد. در این تکنیک از سؤالات مقایسه زوجی برای استخراج ماتریسی از قضاوت های ترجیح نسبی استفاده می شود. نمرات بالاتر نشان دهنده ترجیح نسبی بیشتر است. فرایند تحلیل سلسله مراتبی نیازمند شکستن یک مساله با چندین شاخص به سلسله مراتبی از سطوح است. سطح بالا بیان گر هدف اصلی فرایند تصمیم گیری است. سطح دوم، نشان دهنده شاخص‌های عمده و اساسی (که ممکن است به شاخص‌های فرعی و جزیی تر در سطح بعدی شکسته شود) می‌باشد و سطح آخر گزینه‌های تصمیم را ارایه می‌کند.

فرایند تحلیل شبکه (ANP یا Analytical Network Process)

فرایند تحلیل شبکه (ANP) یکی از تکنیک های جامع تصمیم گیری چندشاخصه است که در سال ۱۹۸۶ توسط Saaty و Zawa معرفی شد. هدف این تکنیک تعیین وزن شاخص های تصمیم می باشد و جهت تعیین وزن این شاخص ها ابتدا از مقایسات زوجی استفاده می‌شود. در فرایند تحلیل شبکه امکان در نظر گرفتن وابستگی های متقابل بین سطوح معیارها و گزینه و همچنین روابط درونی میان شاخص ها نیز وجود دارد. نرم افزار تخصصی تکنیک ANP، نرم افزار سوپر دسیژن (Super Decision) می باشد. مزیت این روش نسبت به فرایند تحلیل سلسله مراتبی این است که، فرایند تحلیل شبکه روابط پیچیده میان سطوح مختلف تصمیم را به صورت شبکه‌ای نشان می‌دهد و تعاملات و بازخوردهای میان معیارها و آلترناتیوهای پژوهش را در نظر می‌گیرد، در صورتی که در فرآیند تحلیل سلسله مراتبی (AHP) تنها یک رابطه یک طرفه و سلسله مراتبی بین سطوح تصمیم گیری تشکیل می شود.

روش بهترین-بدترین (BWM یا Best-worst multi-criteria decision-making method)

روش بهترین بدترین (BWM) یکی از تکنیک های جدید تصمیم گیری چندشاخصه می باشد که برای اولین بار توسط دکتر جعفر رضایی در سال ۲۰۱۵ ارائه شد. این تکنیک به سرعت جای خود را در میان پژوهشگران باز کرد. بر اساس روش BWM، ابتدا بهترین (مهم ترین) و بدترین (کم اهمیت ترین) شاخص ها توسط تصمیم گیرندگان شناسایی می شوند. سپس مقایسه زوجی مهمترین (بهترین) شاخص نسبت به سایر شاخص ها انجام می پذیرد و در گام بعد اهمیت تمامی شاخص ها نسبت به کم اهمیت ترین (بدترین) شاخص مشخص می گردد. بر این اساس مساله برنامه ریزی خطی شکل می گیرد که در آن وزن شاخص ها به صورتی بدست آید که تفاوت های مطلق اوزان کمینه شود. به طور معمول جهت حل مسائل با روش بهترین-بدترین از نرم افزار لینگو LINGO استفاده می شود.

روش تجزیه و تحلیل ارزیابی گام به گام اوزان (SWARA یا Step-Wise Weight Assessment Ratio Analysis)

روش تجزیه و تحلیل ارزیابی گام به گام اوزان (SWARA) در سال ۲۰۱۰ توسط Kersuliene، Zavadskas و Turskis معرفی شد. در این روش، خبرگان پژوهش نقش مهمی در تعیین وزن شاخص ها دارند و بر مبنای این نظرات، وزن دهی شاخص ها صورت می گیرد. بر اساس این تحلیل، نخست خبرگان شاخص ها را به ترتیب اهمیت مرتب می‌کنند (به مهمترین معیار رتبه یک و به کم اهمیت ترین معیار رتبه آخر داده می شود)، در گام دوم مهمترین شاخص در نظر گرفته شده امتیاز یک را گرفته و در ابتدا قرار می‌گیرد و در نهایت شاخص ها بر اساس وزن نرمال شده رتبه‌بندی می‌شوند. در روش SWARA بر خلاف روش‌های فرایند تحلیل سلسله‌مراتبی، فرایند تحلیل شبکه و روش بهترین-بدترین نیازی به مقایسه زوجی میان شاخص ها نمی باشد.

روش DANP (DEMATEL-ANP یا ANP بر پایه DEMATEL)

همانگونه که در توضیحات روش ANP به آن اشاره شد، این تکنیک قابلیت تحلیل گزینه ها و یا شاخص های درون خوشه ها را به صورت کلی و نسبی دارد، اما جهت ارزیابی روابط بین خوشه ها فقط به نظر مستقیم خبرگان اکتفا می کند که برای این کار بهتر است از تکنیکی تلفیقی استفاده شود. تکنیک DEMATEL (دیمتل) به صورت تخصصی جهت ارائه الگوی روابط علی میان متغیرهای پژوهش مورد استفاده قرار می‌گیرد و شدت ارتباطات را به‌صورت امتیازدهی بررسی می کند. بنابراین در روش دنپ (دیمتل-ANP)، ساختار شبکه و وزن ابعاد با روش دیمتل تعیین می شود و سپس از ماتریس تأثیر کل روش دیمتل، جهت تشکیل ابرماتریس بدون وزن روش ANP استفاده می شود.

روش آنتروپی شانون (Shannon entropy)

تکنیک آنتروپی شانون در سال ۱۹۷۴ توسط شانون و ویور ارائه گردید. آنتروپی در واقع بیان کننده مقدار عدم اطمینان در یک توزیع احتمال پیوسته است. در علوم تصمیم گیری روش آنتروپی شانون جهت تعیین وزن شاخص ها مورد استفاده قرار می‌گیرد. این تکنیک نیازمند ماتریس معیار-گزینه می باشد و در صورتی که داده‌های ماتریس تصمیم‌گیری مشخص باشد، می‌توان از تکنیک آنتروپی برای وزن دهی شاخص ها استفاده کرد. منطق روش آنتروپی شانون این است که هرچه پراکندگی در مقادیر یک شاخص بیشتر باشد، آن شاخص از اهمیت بیشتری برخوردار است.

تکنیک های مربوط به رتبه بندی گزینه ها

در مسائل تصمیم گیری چندشاخصه روش‌هایی وجود دارند که هدف‌شان فقط رتبه بندی گزینه ها می باشد. این دسته از مدل‌ها و تکنیک‌های تصمیم‌گیری چند شاخصه به منظور انتخاب برترین گزینه در میان گزینه های موجود بکار می‌روند. بنابراین داده‌های مربوط به گزینه‌ها از منظر شاخص‌های مختلف وارد یک ماتریس تصمیم گیری می‌شوند و بر اساس تکنیک مورد نظر تجزیه و تحلیل می شود. از مهمترین تکنیک های مربوط به رتبه بندی گزینه ها می توان به موارد زیر اشاره کرد:

تکنیک تاپسیس (Topsis) (Technique for Order Preference by Similarity to Ideal Solution)

تکنیک تاپسیس (TOPSIS) در سال ۱۹۸۱ توسط هوانگ و یون ارائه گردید. این تکنیک یک روش تصمیم‌گیری چندشاخصه جهت ارزیابی و رتبه بندی گزینه‌ها بر اساس شاخص ها با توجه به فاصله آن ها از ایده‌آل‌های مثبت و منفی می باشد. از مزیت هایی این روش نسبت به سایر روش های رتبه بندی گزینه ها آن است که شاخص های به کار رفته برای مقایسه می توانند دارای واحدهای سنجش متفاوتی بوده (کیفی و کمی) و طبیعت منفی و مثبت داشته باشند. بنابراین در تکنیک تاپسیس می توان به صورت همزمان از شاخص های منفی و مثبت استفاده کرد.

تکنیک ویکور (VIKOR) (Vlse Kriterijumsk Optimizacija Kompromisno Resenje عبارت صربی)

تکنیک ویکور (VIKOR) معادل عبارت انگلیسی (Multi-criteria optimization and compromise solution) می باشد که در سال ۱۹۸۴ توسط Opricovic و Tzeng ارائه گردید. این تکنیک بر مبنای روش توافق جمعی و با داشتن معیارهای متضاد تهیه شده و عموما برای حل مسائل گسسته استفاده می شود. در مسائلی که با تکنیک ویکور حل می شوند، همواره چندین گزینه مختلف وجود دارد که این گزینه ها بر اساس چند شاخص تصمیم گیری به صورت مستقل ارزیابی می شوند و در نهایت گزینه ها بر اساس ارزش، رتبه بندی می شوند.

روش مجموع ساده وزنی (ساو یا SAW) (Simple Additive Weighting)

روش مجموع ساده وزنی یا وزن دهی ساده (SAW) یکی از ساده ترین روش های تصمیم گیری چندشاخصه می باشد که در سال ۱۹۸۱ توسط هدانگ و یون معرفی شده است. در این روش از یک تابع افزایش خطی برای نمایش ترجیحات تصمیم گیرندگان استفاده می شود. جهت تصمیم گیری در تکنیک SAW تنها به ماتریس تصمیم گیری و بردار وزن شاخص های ارزیابی نیاز است. از سوی دیگر پیش فرض استفاده از این تکنیک آن است که ترجیحات مستقل یا مجزا از هم باشند.

روش کوپراس (COPRAS یا Complex Proportional Assessment)

روش کوپراس COPRAS یکی از تکنیک های تصمیم گیری چندشاخصه می باشد که در سال ۱۹۹۴ توسط زاواداسکاس، کاکلاسکاس و سارکا ارائه گردید. این تکنیک مبتنی بر ماتریس تصمیم است که در عین سادگی، بسیار کاربردی و قدرتمند بوده و برای محاسبه‌ی آن، نیازی به عملیات پیچیده ریاضی نمی باشد. در این روش گزینه ها با در نظر گرفتن شرایط متضاد شاخص ها و بر اساس وزن آن ها رتبه بندی می شوند.

روش آراس (ARAS یا Additive Ratio Assessment)

روش آراس (ARAS) یکی از روش های تصمیم گیری چندشاخصه جهت انتخاب بهترین گزینه می باشد که در سال ۲۰۱۰ توسط زاوادسکاس و ترکسیس ارائه گردید. این روش برای انجام نیازمند تعیین وزن شاخص ها است بنابراین ابتدا باید توسط روش هایی مانند فرایند تحلیل سلسله مراتبی وزن شاخص ها محاسبه شود و سپس توسط روش آراس رتبه بندی گزینه ها صورت می گیرد. مطابق این تکنیک بهترین گزینه آن است که بیشترین فاصله را از عوامل منفی و کمترین فاصله را از عوامل مثبت داشته باشد.

روش واسپاس (WASPAS یا Weighted Aggregated Sum Product Assessment)

روش واسپاس (WASPAS) یکی از روش های نوین تصمیم‌گیری چندشاخصه جهت انتخاب بهترین گزینه می باشد که توسط زاواداسکاس و همکاران در سال ۲۰۱۲ معرفی شد. این تکنیک شامل ماتریس شاخص-گزینه می باشد و برای رتبه بندی گزینه ها نیازمند وزن شاخص ها است. در روش واسپاس از ترکیب دو مدل WSM (مدل مجموع وزنی) و WPM (مدل ضرب وزنی) استفاده می شود، بنابراین می توان گفت نتایج حاصل از روش واسپاس دقیق تر و قابل اعتمادتر می باشد.

روش ماباک (MABAC یا Multi-Attributive Border Approximation area Comparison)

روش ماباک (MABAC) یکی از روش تصمیم گیری چند شاخصه جدید جهت انتخاب گزینه برتر می باشد که توسط Pacumar و Cirovic در سال ۲۰۱۵ معرفی شد. کاربرد روش MABAC جهت اولویت‌بندی گزینه‌ها بر اساس شاخص ها با توجه به میزان سودمندی و زیان آن ها می باشد. منطق اصلی روش ماباک در تعیین فاصله عملکرد شاخص هر یک از گزینه های مشاهده شده از دامنه تقریبی مرزی منعکس شده آن می باشد.

روش کوکوسو (CoCoSo یا Combined Compromise Solution)

روش کوکوسو (COCOSO) یکی از تکنیک های نوین تصمیم گیری چند شاخصه می باشد که توسط یزدانی و همکاران در سال ۲۰۱۸ معرفی شد. روش کوکوسو در جستجوی راه حل برای انتخاب بهترین گزینه است و در این راستا یک راه حل ترکیبی سازشی جهت رتبه بندی گزینه ها ارائه می کند. در این روش اولویت‌بندی گزینه‌ها براساس شاخص ها با استفاده از موزون‌سازی مبتنی بر جمع و توان می باشد.

تکنیک ایداس (EDAS یا Evaluation based on distance from average solution)

روش ایداس (EDAS) یکی از تکنیک های جدید تصمیم گیری چند شاخصه می باشد که توسط مهدی کشاورز قرابایی و همکاران در سال ۲۰۱۵ جهت رتبه بندی گزینه های پژوهش ارائه گردید. منطق این روش ارزیابی بر اساس فاصله از میانگین راه حل است. در روش ایداس بهترین راه حل مربوط به فاصله از میانگین راه حل (AV) است. در این روش نیازی به محاسبه ایده آل مثبت و منفی نمی باشد، بلکه دو شاخص برای ارزیابی مطلوب بودن گزینه ها در نظر گرفته می شود؛ اولین اندازه گیری فاصله مثبت از میانگین (PDA) است و دوم فاصله منفی از میانگین (NDA) است. این اقدامات می تواند تفاوت بین هر گزینه و راه حل متوسط را نشان دهد. ارزیابی گزینه ها با توجه به ارزش بالاتر PDA و مقادیر پایین تر NDA صورت می گیرد مقادیر بالاتر PDA و یا مقادیر کمتر NDA نشان دهنده این است که آن گزینه بهتر است.

روش مورا (MOORA یا Multi-Objective Optimization on the basis of Ratio Analysis)

روش مورا (MOORA) یکی از ساده‌ترین روش‌های تصمیم‌گیری چند شاخصه می باشد که در سال ۲۰۰۶ توسط زاوادسکاس و برائوس معرفی شد. این روش یک تکنیک تصمیم‌گیری چندشاخصه برای اولویت‌بندی گزینه‌ها براساس شاخص ها می باشد که شباهت بسیاری به روش مجموع ساده وزنی (ساو یا saw) دارد. با این تفاوت که در این روش ارزیابی ماتریس گزینه ها براساس شاخص ها مبتنی بر نسبت های مختلف است و همزمان با میانگین وزنی تاثیر مثبت و منفی بودن شاخص ها نیز اعمال می شود، اما در روش SAW ابتدا معیارها هم جهت می شوند و سپس میانگین وزنی بدست می آید.

روش الکتره (ELECTRE) (Elimination et Choice Translating Reality)

روش الکتره (ELECTRE) در سال ۱۹۶۶ توسط benayoun ارائه گردید و سپس توسط Roy و Van delf توسعه پیدا کرد. این تکنیک یک روش تصمیم‌ گیری چند معیاره جهت ارزیابی و رتبه بندی گزینه‌ها بر اساس شاخص ها می باشد که با استفاده از مقایسه‌های غیر رتبه‌ای مورد ارزیابی قرار می گیرد و به این ترتیب گزینه‌های غیرموثر حذف می‌شوند. کلیه مراحل تکنیک الکتره برمبنای یک مجموعه هماهنگ و یک مجموعه ناهماهنگ پایه‌ریزی می‌شود که به همین خاطر به «آنالیز هماهنگی» معروف است. روش الکتره دارای نسخه های مختلفی از جمله روش الکتره ۱ (ELECTRE 1)، الکتره ۲ و ۳ و ۴ می باشد. اختلاف نسخه های مختلف این روش در نوع عملیات ریاضی و نوع مسائلی است که این روش ها قادر به حل آن می باشند.

تکنیک های مربوط به وزن دهی + رتبه بندی

در روش هایی که تا کنون به آن ها اشاره شده است، ابتدا باید وزن شاخص ها با استفاده از تکنیک های دیگر محاسبه شود و به عنوان ورودی به دیگر تکنیک ها داده شود. تا در نهایت رتبه بندی نهایی بدست آید. بنابراین در مسائل تصمیم گیری چندشاخصه، مسئله پیش رو مربوط به اطلاعات حاصل از گزینه‌ها با توجه به شاخص ها می باشد. اما در تکنیک های مربوط به وزن دهی + رتبه بندی، ماتریس تصمیم وزن و رتبه گزینه ها همزمان با هم محاسبه می شود. از مهمترین تکنیک های مربوط به رتبه بندی گزینه ها می توان به موارد زیر اشاره کرد:

روش شاخص انتخاب ارجحیت (PSI یا Preference selection index)

روش شاخص انتخاب ارجحیت (PSI) در سال ۲۰۱۰ توسط مانیا و بیهت با هدف وزن دهی شاخص ها و رتبه بندی گزینه ها با استفاده از ماتریس تصمیم معیار-گزینه معرفی شد. در این روش احتیاجی به محاسبه وزن صفات درگیر در تصمیم گیری و تخصیص اهمیت نسبی بین صفات نیست. روش شاخص انتخاب ارجحیت، زمانی که در تصمیم گیری درباره اهمیت نسبی بین صفات اختلاف نظر وجود داشته باشد مفید است.

روش سکا (SECA یا Simultaneous Evaluation of Criteria and Alternatives)

روش سکا (SECA) در سال ۲۰۱۸ توسط دکتر مهدی کشاورز قرابایی و همکاران، در مقاله ای با عنوان “ارزیابی همزمان معیارها و گزینه ها در تصمیم گیری چند معیاره” معرفی شد. در این روش، امتیاز کل گزینه ها و وزن معیارها به صورت همزمان بدست می آید. بنابراین روش سکا با استفاده از داده‌های ماتریس تصمیم وزن شاخص ها را محاسبه و گزینه‌ها را نیز رتبه بندی می کند. در این راستا یک برنامه‌ریزی چندهدفه غیرخطی تعریف می شود که با توجه به تنوع اطلاعات درون و بین شاخص ها در ماتریس تصمیم‌گیری، موجب بیشینه‌سازی عملکرد کلی‌ گزینه‌ها شود.

تکنیک های مربوط به ارزیابی شاخص ها

دسته ای دیگر از مسائل تصمیم گیری چندشاخصه وجود دارند که هدف‌شان ارزیابی، سطح بندی و یا تعیین روابط علی و معلولی میان شاخص ها می باشد. معمولا این روش ها توانایی تلفیق با سایر تکنیک های تصمیم گیری را نیز دارند. از مهمترین تکنیک های مربوط به ارزیابی معیارها می توان به موارد زیر اشاره کرد:

روش دیمتل (DEMATEL یا Decision Making Trial And Evaluation)

روش دیمتل (DEMATEL) توسط Gabus و Fonetla در بین سال های ۱۹۷۶ تا ۱۹۷۱، جهت سنجش روابط علی معلولی بین شاخص‌ها در مسایل تصمیم گیری معرفی شد. روش دیمتل به صورت تخصصی به رتبه بندی شاخص ها نمی پردازد بلکه جهت سنجش میزان اثرگذاری و اثرپذیری شاخص های یک سیستم طراحی شده است. از سوی دیگر تکنیک دیمتل می تواند به عنوان تشکیل دهنده ی بخشی از سوپرماتریس ناموزون در روش ANP نیز استفاده شود. تلفیق این دو تکنیک سبب می شود، تعداد مقایسات زوجی مربوط به فرآیند تحلیل شبکه ای به میزان قابل توجهی کاهش یابد.

روش مدلسازی ساختاری-تفسیری (ISM یا Interpretive structural modeling)

روش ISM نخستین بار در سال ۱۹۷۴ توسط وارفیلد معرفی شد و در سال ۱۹۷۷ به وسیله اندروسیج توسعه پیدا کرد. این روش تحلیلی اکتشافی است که کاربرد وسیعی در علوم مختلف دارد و با استفاده از آن می‌توان الگوی روابط علی و پیچیده میان مجموعه ای از شاخص ها را بررسی کرد. بنابراین هدف اصلی روش مدلسازی ساختاری-تفسیری شناسایی روابط بین شاخص‌ها و سطح‌بندی آن ها می باشد.

روش تجزیه و تحلیل اهمیت-عملکرد (IPA یا Impornace-Performance Analysis)

روش IPA ابزار مؤثری جهت تحلیل استراتژی‌های بازاریابی، سنجش کیفیت خدمات، رضایت مشتری، راهکارهای توسعه و همچنین ارزیابی موقعیت رقابتی سازمان ها و … می باشد که در سال ۱۹۷۷ توسط جان مارتیلا و جان جیمز طراحی شد. اثربخشی مدل IPA، به شاخص های تحلیلی آن بستگی دارد. در روش تجزیه و تحلیل اهمیت-عملکرد، هر شاخص از منظر دو بعد اهمیت (وضع مطلوب) و عملکرد (وضع موجود عوامل)، مورد ارزیابی قرار می گیرد. بنابراین می توان آن را از روش‌های تحلیل شکاف در نظر گرفت. همچنین از نظر روش گردآوری داده‌ها نزدیک به مقیاس سروکوال می باشد.

روش سوات (SWOT)

روش سوات (SWOT) نخستین بار در سال ۱۹۵۰ توسط جورج آلبرت اسمیت و رولند کریستنسن، فارغ‌التحصیلان مدرسه بازرگانی هاروارد معرفی شد. این تکنیک به عنوان یکی از ساده‌ترین و در عین حال کارآمدترین ابزارهای تدوین استراتژی کسب‌وکار، مورد استفاده قرار می گیرد. این ماتریس مخفف چهار ۴ بُعد اصلی که هر کسب ‌وکاری باید برای رشد خود، آن‌ها را تحلیل و ارزیابی است. این ابعاد به صورت نقاط قوت (Strengths)، نقاط ضعف (Weaknesses)، فرصت‌ها (Opportunities) و تهدیدها (Threats) مطرح می باشند. متخصصان می توانند با استفاده از این چهار بعد علاوه بر ارزیابی عملکرد فعلی سازمان، به طور هوشمندانه‌ای بهترین بهره را از فرصت‌های پیش رو برده، تاثیر ضعف‌ها را به حداقل رسانده و از سازمان در برابر تهدیدات مراقبت کنند.