تصمیم گیری چند معیاره ؛ معرفی مفهوم و روش‌ها

مقدمه

در دنیای واقعی، کمتر تصمیمی وجود دارد که تنها بر اساس یک معیار گرفته شود. مدیران و سازمان‌ها همواره با موقعیت‌هایی مواجه می‌شوند که باید میان گزینه‌های متعدد، با در نظر گرفتن معیارهای گوناگون و اغلب متناقض، دست به انتخاب بزنند. برای نمونه، انتخاب تأمین‌کننده ممکن است هم‌زمان به قیمت، کیفیت، زمان تحویل و اعتبار فروشنده وابسته باشد. در چنین شرایطی، تکیه بر شهود یا روش‌های ساده‌ی تک‌معیاره می‌تواند به تصمیم‌های نادرست و پرهزینه بینجامد. اینجاست که «تصمیم‌گیری چند معیاره» (Multi-Criteria Decision Making یا MCDM) به عنوان یکی از مهم‌ترین ابزارهای کمی در علم مدیریت وارد میدان می‌شود.

در این مقاله، تلاش کرده‌ایم با بهره‌گیری از منابع معتبر دانشگاهی، مفهوم تصمیم‌گیری چند معیاره را به زبانی روشن توضیح دهیم، تاریخچه و سیر تحول آن را مرور کنیم و پرکاربردترین روش‌های آن را معرفی نماییم. در پایان نیز به کاربردهای عملی و مراحل اجرای این روش‌ها در سازمان می‌پردازیم.

تصمیم‌گیری چند معیاره چیست؟

تصمیم‌گیری چند معیاره را می‌توان مجموعه‌ای از روش‌ها و رویه‌هایی تعریف کرد که تلاش می‌کنند بر مبنای چندین شاخص یا معیارِ اغلب ناسازگار، تحلیلی مناسب برای انتخاب یک گزینه ارائه دهند. به بیان دقیق‌تر، MCDM به تصمیم‌گیرنده کمک می‌کند تا میان گزینه‌هایی که هرکدام از جنبه‌ای قوت و از جنبه‌ای دیگر ضعف دارند، انتخابی آگاهانه و نظام‌مند انجام دهد.

تصمیم‌گیری چند معیاره اساساً شامل دو شاخه‌ی اصلی است:

• تحلیل تصمیم چند معیاره (Multi-Criteria Decision Analysis - MCDA): تمرکز این شاخه بر مسائلی است که تعداد گزینه‌ها محدود و شمارش‌پذیر است و معمولاً در شرایط عدم اطمینان قرار دارند. در این حالت، ارزیابی گزینه‌ها بر اساس ترجیحات تصمیم‌گیرنده انجام می‌شود.

• بهینه‌سازی چند معیاره (Multi-Objective Optimization - MOO): این شاخه مسائلی را پوشش می‌دهد که در قالب یک ساختار برنامه‌ریزی ریاضی قابل حل هستند و تعداد پاسخ‌های ممکن برای آن‌ها به طور معمول بیش از یک جواب است. در اینجا هدف، یافتن مجموعه‌ای از جواب‌های بهینه است که تعادل میان اهداف متضاد را برقرار کند.

تفاوت اصلی این دو شاخه در ماهیت فضای تصمیم است: در MCDA با مجموعه‌ای گسسته از گزینه‌ها سر و کار داریم، در حالی که در MOO فضای تصمیم پیوسته و بی‌نهایت است. با این حال، هر دو شاخه در پی حل مسائلی هستند که در آن‌ها بیش از یک هدف یا معیار باید به طور هم‌زمان در نظر گرفته شود.

تاریخچه تصمیم‌گیری چند معیاره

خاستگاه فکری تصمیم‌گیری چند معیاره به اواخر قرن نوزدهم میلادی باز می‌گردد، زمانی که اقتصاددانی به نام ویلفردو پارتو مفهوم «بهینگی» را در اقتصاد رفاه مطرح کرد. پارتو نشان داد که در شرایط وجود چند هدف متضاد، رسیدن به نقطه‌ای که در آن بهبود یک هدف بدون بدتر شدن هدف دیگر ممکن نباشد، نوعی تعادل بهینه به شمار می‌آید. این مفهوم بعدها پایه‌ی بسیاری از روش‌های بهینه‌سازی چند معیاره شد.

از دهه‌ی ۱۹۶۰ میلادی، این مبحث به صورت علمی و نظام‌مند گسترش یافت و همچنان نیز در حال تولید دانش است. در این دوران، شمار زیادی نظریه و الگوریتم در مقاله‌ها و کتاب‌های گوناگون ارائه شد. درک سهم ویژه‌ی این بحث در توسعه‌ی پژوهش عملیاتی و به ویژه حوزه‌ی تصمیم‌گیری اهمیت فراوانی دارد. در بحث تحلیل تصمیم چند معیاره، این مسئله مطرح است که مقایسه میان کنش‌های بالقوه باید جامع و فراگیر باشد و همه‌ی معیارها را در نظر بگیرد. به همین منظور، روش‌های مختلفی برای دستیابی به این هدف پیشنهاد شده است.

موضوعی که بهینه‌سازی چند معیاره مطرح می‌کند، انتخاب تصمیمی مناسب از میان تعدادی گزینه با در نظر داشتن چندین معیار یا تابع هدف است. بنابراین این واقعیت که مبدأ و خاستگاه این بحث تئوری اقتصاد بوده، چندان تعجب‌آور نیست. نخستین تلاش‌ها به اواخر قرن نوزدهم و زمانی بازمی‌گردد که تئوری مطلوبیت و رفاه اقتصادی برای نخستین بار مطرح گردید (امیری، رحیمی و تابلی، ۱۳۹۱).

از آن زمان تاکنون، بسیاری از سیستم‌های پشتیبانی تصمیم از ترکیب روش‌های گوناگون به منظور مواجهه با اهداف متناقض بهره گرفته‌اند. روش‌هایی مانند فرایند تحلیل سلسله‌مراتبی (AHP) که در دهه‌ی ۱۹۷۰ توسط توماس ساعتی معرفی شد، نقطه‌ی عطفی در کاربردی‌شدن MCDM در حوزه‌های مدیریت و مهندسی به شمار می‌رود. پس از آن، روش‌های دیگری مانند TOPSIS، ELECTRE و VIKOR توسعه یافتند و هرکدام به فراخور نوع مسئله، جایگاه خود را در ادبیات تصمیم‌گیری پیدا کردند.

مفاهیم اصلی در تصمیم‌گیری چند معیاره

روش‌های تصمیم‌گیری چند معیاره (MCDM) برای ارزیابی و انتخاب بهترین گزینه از میان مجموعه‌ای از گزینه‌ها که شامل معیارها یا اهداف متعدد هستند، به کار می‌روند. درک درست مفاهیم کلیدی زیر، پیش‌نیاز هرگونه کاربرد موفق این روش‌هاست:

• معیارها (Criteria): معیارها عوامل یا ویژگی‌هایی هستند که برای ارزیابی گزینه‌ها استفاده می‌شوند. آن‌ها می‌توانند کیفی یا کمی باشند و ابعادی را نشان می‌دهند که گزینه‌های رقیب با آن‌ها سنجیده می‌شوند. برای مثال، «هزینه»، «کیفیت» و «زمان تحویل» می‌توانند معیارهای انتخاب یک تأمین‌کننده باشند.

• گزینه‌های جایگزین (Alternatives): گزینه‌ها همان انتخاب‌ها یا روش‌های مختلف در دنیای واقعی هستند که برای تصمیم‌گیری در دسترس‌اند. هر جایگزین بر اساس عملکردش در معیارهای تعریف‌شده ارزیابی می‌شود.

• ترجیح (Preference): ترجیح به اهمیت یا ارزش نسبی اختصاص‌یافته به هر معیار توسط تصمیم‌گیرندگان اشاره دارد. ترجیحات می‌تواند بسته به زمینه، اهداف و ذی‌نفعان درگیر در فرایند تصمیم‌گیری متفاوت باشد.

• تابع مطلوبیت (Utility Function): تابع مطلوبیت نمایشی ریاضی از ترجیحات تصمیم‌گیرنده است که یک مقدار عددی را به هر گزینه بر اساس عملکرد آن در سراسر معیارها اختصاص می‌دهد. این توابع برای تجمیع مقادیر معیار در یک امتیاز کلی یا رتبه‌بندی به کار می‌روند.

• ماتریس تصمیم (Decision Matrix): ماتریس تصمیم نمایشی جدولی از گزینه‌ها و معیارهاست که برای سازمان‌دهی و مقایسه‌ی عملکرد آن‌ها استفاده می‌شود. این ماتریس، ارزیابی و مقایسه‌ی نظام‌مند گزینه‌ها را بر اساس عملکرد آن‌ها در چندین معیار تسهیل می‌کند.

• وزن‌دهی (Weighting): وزن‌دهی شامل تعیین اهمیت یا وزن نسبی معیارها بر اساس درجه‌ی اهمیتشان در فرایند تصمیم‌گیری است. وزن‌دهی به انعکاس ترجیحات و اولویت‌های تصمیم‌گیرندگان در هنگام ارزیابی گزینه‌ها کمک می‌کند.

• روش‌های امتیازدهی (Scoring Methods): این روش‌ها برای کمّی‌سازی عملکرد گزینه‌های مختلف در برابر معیارها به کار می‌روند. بسته به ماهیت معیارها و در دسترس بودن داده‌ها، می‌توان از مقیاس‌های عددی، ارزیابی‌های کیفی یا مدل‌های ریاضی برای امتیازدهی استفاده کرد.

• تکنیک‌های تجمیع (Aggregation Techniques): این تکنیک‌ها برای ترکیب امتیازهای معیارهای جداگانه در ارزیابی کلی گزینه‌ها استفاده می‌شوند. AHP، ANP و TOPSIS نمونه‌هایی از تکنیک‌های متداول تجمیع هستند.

• تحلیل حساسیت (Sensitivity Analysis): تحلیل حساسیت به منظور سنجش استحکام نتایج تصمیم‌گیری نسبت به تغییرات وزن معیارها یا مفروضات به کار می‌رود. این تحلیل به تصمیم‌گیرندگان کمک می‌کند تأثیر عدم قطعیت و تغییرپذیری را بر نتایج تصمیم‌گیری درک کنند.

این مفاهیم چارچوبی برای درک و به‌کارگیری روش‌های MCDM در مسائل تصمیم‌گیری پیچیده فراهم می‌کنند. با به‌کارگیری این مفاهیم، تصمیم‌گیرندگان می‌توانند به طور نظام‌مند گزینه‌های جایگزین را ارزیابی کنند، بده‌بستان‌ها را در نظر بگیرند و تصمیم‌های آگاهانه‌تری اتخاذ کنند که با اهداف و ترجیحاتشان هماهنگ باشد.

روش‌های تصمیم‌گیری چند معیاره

تصمیم‌گیری چند معیاره به عنوان یکی از انواع روش‌های کمّی تصمیم‌گیری و از برجسته‌ترین روش‌های محاسباتی در مدیریت، از زمانی مطرح شد که مدل‌های کمّی و ریاضی وارد علم سازمان و مدیریت گردیدند. این روند که در سال‌های پایانی دهه‌ی ۱۹۵۰ به تدریج پدیدار شد و در یکی دو دهه‌ی بعد به نظریه‌ی غالب در مدیریت تبدیل گردید، بر الگوهای کمّی و مدل‌سازی‌های ریاضی استوار بود.

هدف اصلی این الگوها، کمّی‌کردن متغیرهای مدیریت و بهینه‌سازی فرایندهای تصمیم‌گیری بود. با گذر زمان و پیچیده‌تر شدن مسائل سازمانی، تصمیم‌گیری در سازمان نیز پیچیده‌تر شد و نیاز به الگوهای کمّی و مدل‌های ریاضی جدی‌تر گردید؛ به گونه‌ای که امروزه با بهره‌گیری از ابزار و فنون متعدد و متنوع تصمیم‌گیری، پیچیده‌ترین مسائل سازمانی تحلیل و راه‌حل‌هایی برای آن‌ها ارائه می‌شود.

این فنون می‌توانند از طریق اعمال روش‌های علمی و به کارگیری آمار و ریاضی، بهترین راه‌حل را به فراخور موقعیت و ماهیت مسئله به مدیران پیشنهاد کنند. آنچه در این فرایند اهمیت به سزایی دارد، استفاده از الگوی کمّی یا فنِ مناسب با توجه به مسئله‌ی موجود در سازمان است.

انواع فنون کمّی تصمیم‌گیری و بهترین روش تصمیم‌گیری چند معیاره

در متون تصمیم‌گیری، ابزار و فنون متعددی برای تحلیل مسئله و انتخاب بهترین راه‌حل معرفی می‌شود. ابزارهایی مانند درخت تصمیم‌گیری، تجزیه و تحلیل میدان نیرو، نظریه صف انتظار، مدل توزیع، نظریه بازی، هوش مصنوعی، نظریه احتمالات، ارزش مورد انتظار و انواع روش‌هایی که با عناوین روش‌های چندمتغیره و چندهدفه شناخته می‌شوند، در این حوزه قرار دارند (قلی‌پور، ۱۳۹۵).

این فنون به دو دسته‌ی کلی تقسیم می‌شوند:

فنون سخت (Hard Techniques)

فنون حوزه‌ی برنامه‌ریزی ریاضی مانند برنامه‌ریزی خطی، برنامه‌ریزی عدد صحیح و برنامه‌ریزی آرمانی به فنون سخت معروف‌اند. هر چه درجه‌ی اتکای یک فن به معادله‌های پیچیده‌ی ریاضی و داده‌های عینی بیشتر باشد، درجه‌ی «سخت بودن» آن فن بیشتر خواهد بود. این فنون معمولاً به داده‌های قطعی و دقیق نیاز دارند و در مسائلی کاربرد دارند که اهداف و محدودیت‌ها به خوبی تعریف شده باشند.

فنون نرم (Soft Techniques)

فنونی نظیر فرایند تحلیل سلسله‌مراتبی (AHP)، تخصیص خطی و فرایند ارزیابی چندعاملی، فنون نرم تصمیم‌گیری محسوب می‌شوند. در این دسته از فنون، درجه‌ی اتکا به داده‌های قطعی و عینی کمتر است. ورودی این فنون را عمدتاً قضاوت‌های ذهنی تصمیم‌گیرندگان شکل می‌دهد و در مرحله‌ی پردازش، کمتر به معادلات و دستگاه‌های ریاضی متکی هستند (آذر، ۱۳۷۹). فنون نرم به ویژه در مسائلی کاربرد دارند که معیارهای کیفی نقش پررنگی دارند و داده‌های عددی دقیق در دسترس نیست.

پرکاربردترین روش‌های تصمیم‌گیری چند معیاره

در دهه‌های اخیر، روش‌های متعددی برای حل مسائل MCDM توسعه یافته است. در ادامه، پرکاربردترین آن‌ها به اختصار معرفی می‌شوند:

فرایند تحلیل سلسله‌مراتبی (AHP)

AHP یکی از شناخته‌شده‌ترین روش‌های MCDM است که توسط توماس ساعتی در دهه‌ی ۱۹۷۰ معرفی شد. در این روش، مسئله به ساختاری سلسله‌مراتبی شامل هدف، معیارها، زیرمعیارها و گزینه‌ها تجزیه می‌شود. سپس با مقایسه‌های زوجی میان عناصر هر سطح، وزن‌های نسبی محاسبه می‌گردد. AHP به دلیل سادگی مفهومی و توانایی در ترکیب داده‌های کیفی و کمّی، در حوزه‌های گوناگونی از جمله انتخاب تأمین‌کننده، ارزیابی پروژه و برنامه‌ریزی استراتژیک به کار رفته است.

تکنیک ترجیح بر اساس مشابهت به راه‌حل ایده‌آل (TOPSIS)

در روش TOPSIS، گزینه‌ی منتخب باید کمترین فاصله را از راه‌حل ایده‌آل مثبت و بیشترین فاصله را از راه‌حل ایده‌آل منفی داشته باشد. این روش بر پایه‌ی منطق فاصله‌ی اقلیدسی بنا شده و برای رتبه‌بندی گزینه‌ها در مسائلی با داده‌های کمّی بسیار کارآمد است. TOPSIS به دلیل سادگی محاسبات و شفافیت نتایج، در زمینه‌های مهندسی و مدیریتی گسترده به کار می‌رود.

فرایند تحلیل شبکه‌ای (ANP)

ANP شکل تعمیم‌یافته‌ی AHP است که در آن وابستگی‌ها و بازخوردهای میان معیارها و گزینه‌ها نیز مدل‌سازی می‌شود. برخلاف AHP که ساختار سلسله‌مراتبی خطی دارد، ANP ساختاری شبکه‌ای را می‌پذیرد و برای مسائلی که معیارها بر یکدیگر اثر متقابل دارند، مناسب‌تر است. با این حال، پیچیدگی محاسباتی ANP معمولاً بیشتر از AHP است.

روش حذف و انتخاب بیانگر واقعیت (ELECTRE)

خانواده‌ی روش‌های ELECTRE بر اساس مفهوم «رتبه‌بندی غیرجبرانی» عمل می‌کنند. در این روش‌ها، ضعف یک معیار را نمی‌توان به سادگی با قوت معیار دیگر جبران کرد. ELECTRE به ویژه در مسائل انتخاب و رتبه‌بندی که داده‌های کیفی دارند، کاربرد فراوانی دارد. نسخه‌های مختلفی از این روش مانند ELECTRE I، II، III و IV توسعه یافته که هرکدام برای نوع خاصی از مسئله مناسب‌اند.

روش بهینه‌سازی چندمعیاره و راه‌حل سازشی (VIKOR)

VIKOR بر مفهوم «راه‌حل سازشی» استوار است و به دنبال یافتن گزینه‌ای است که نزدیک‌ترین فاصله را با راه‌حل ایده‌آل دارد. این روش به ویژه در شرایطی که معیارهای متضاد وجود دارد و تصمیم‌گیرنده خواستار دستیابی به توازن میان آن‌هاست، بسیار مفید است. VIKOR در مسائل ارزیابی و انتخاب در حوزه‌های مهندسی، مدیریت و سیاست‌گذاری عمومی کاربرد دارد.

روش سازمان‌دهی رتبه‌بندی ترجیحات برای ارزیابی‌های غنی (PROMETHEE)

خانواده‌ی روش‌های PROMETHEE نیز مانند ELECTRE بر مبنای روابط ترجیحی میان گزینه‌ها عمل می‌کنند، اما از توابع ترجیحی پیوسته برای مقایسه‌ی زوجی بهره می‌گیرند. این روش‌ها انعطاف‌پذیری بالایی در مدل‌سازی ترجیحات دارند و برای رتبه‌بندی گزینه‌ها در مسائل با معیارهای کیفی و کمّی مناسب‌اند.

روش آزمایش و ارزیابی تصمیم‌گیری (DEMATEL)

روش DEMATEL برای تحلیل روابط علت و معلولی میان معیارها به کار می‌رود و به شناسایی معیارهای تأثیرگذار و تأثیرپذیر کمک می‌کند. این روش اغلب به عنوان گامی مقدماتی برای تعیین وزن معیارها در ترکیب با روش‌های دیگر مانند ANP استفاده می‌شود.

انتخاب بهترین روش MCDM به ماهیت مسئله، نوع داده‌ها، تعداد معیارها و گزینه‌ها و ترجیحات تصمیم‌گیرنده بستگی دارد. هیچ روش واحدی را نمی‌توان به عنوان «بهترین روش» برای همه‌ی مسائل معرفی کرد؛ بلکه هر روش نقاط قوت و محدودیت‌های خاص خود را دارد.

مراحل اجرای یک فرایند تصمیم‌گیری چند معیاره

اجرای موفق یک فرایند MCDM مستلزم طی مراحل مشخصی است. هرچند جزئیات این مراحل بسته به روش انتخابی متفاوت است، اما چارچوب کلی آن به شرح زیر است:

1. تعریف دقیق مسئله: در نخستین گام، باید هدف تصمیم‌گیری به روشنی مشخص شود. صورت‌بندی درست مسئله، نیمی از راه‌حل است.

2. شناسایی گزینه‌های جایگزین: فهرست کاملی از گزینه‌های ممکن تهیه می‌شود. این فهرست باید جامع و مانع باشد.

3. تعیین معیارهای ارزیابی: معیارهایی که گزینه‌ها بر اساس آن‌ها سنجیده می‌شوند، شناسایی و تعریف می‌گردند. معیارها باید قابل اندازه‌گیری و مرتبط با هدف باشند.

4. وزن‌دهی به معیارها: اهمیت نسبی هر معیار با استفاده از روش‌هایی مانند مقایسه‌های زوجی یا نظرسنجی از خبرگان تعیین می‌شود.

5. ساخت ماتریس تصمیم: عملکرد هر گزینه در برابر هر معیار ثبت می‌شود تا ماتریس تصمیم شکل گیرد.

6. انتخاب و اجرای روش MCDM: روش مناسب با توجه به ماهیت مسئله و داده‌ها انتخاب و محاسبات لازم انجام می‌شود.

7. تحلیل حساسیت و اعتبارسنجی: نتایج با تغییر وزن معیارها یا مفروضات مورد آزمون قرار می‌گیرد تا از استحکام آن‌ها اطمینان حاصل شود.

8. تصمیم‌گیری نهایی: بر اساس نتایج به‌دست‌آمده، گزینه‌ی برتر انتخاب یا رتبه‌بندی نهایی ارائه می‌شود.

کاربردهای تصمیم‌گیری چند معیاره در مدیریت

روش‌های MCDM در حوزه‌های گوناگون مدیریتی کاربرد گسترده‌ای یافته‌اند. از جمله مهم‌ترین کاربردها می‌توان به موارد زیر اشاره کرد:

• مدیریت زنجیره تأمین و انتخاب تأمین‌کننده: انتخاب تأمین‌کننده‌ی مناسب با در نظر گرفتن معیارهایی مانند قیمت، کیفیت، زمان تحویل و قابلیت اطمینان.

• ارزیابی و انتخاب پروژه‌ها: اولویت‌بندی پروژه‌های سرمایه‌گذاری بر اساس بازده مالی، ریسک، هم‌سویی استراتژیک و اثرات اجتماعی.

• مدیریت منابع انسانی: ارزیابی عملکرد کارکنان، انتخاب نامزد مناسب برای یک موقعیت شغلی و برنامه‌ریزی جانشین‌پروری.

• بازاریابی و مدیریت برند: انتخاب بازار هدف، ارزیابی برند و تعیین استراتژی بازاریابی.

• مدیریت ریسک: شناسایی و رتبه‌بندی ریسک‌ها به منظور تخصیص بهینه‌ی منابع برای مقابله با آن‌ها.

• سیاست‌گذاری عمومی و برنامه‌ریزی شهری: ارزیابی گزینه‌های سیاستی در حوزه‌هایی مانندادامه‌ی کاربردها در حوزه‌هایی مانند حمل‌ونقل، محیط زیست، انرژی و بهداشت عمومی، به تصمیم‌گیرندگان کمک می‌کند تا میان گزینه‌های مختلف با معیارهای اقتصادی، اجتماعی و زیست‌محیطی تعادل برقرار کنند. برای مثال، انتخاب مسیر بهینه برای یک خط مترو، تعیین سبد انرژی یک کشور، یا اولویت‌بندی مداخلات بهداشتی در شرایط محدودیت منابع، همگی مسائلی هستند که با روش‌های MCDM قابل تحلیل‌اند. همچنین در حوزه‌ی فناوری اطلاعات، ارزیابی و انتخاب نرم‌افزارهای سازمانی، سامانه‌های مدیریت منابع (ERP) و پلتفرم‌های ابری از طریق مقایسه‌ی چندمعیاره انجام می‌شود.

  در نهایت، تصمیم‌گیری چند معیاره به مدیران امکان می‌دهد تا از تصمیم‌های تک‌بعدی و شهودی فاصله بگیرند و با تکیه بر چارچوبی شفاف، نظام‌مند و قابل دفاع، انتخاب‌های خود را مستند کنند. این رویکرد به‌ویژه در محیط‌های پیچیده و پرابهام که منافع ذی‌نفعان متعدد و متعارض است، ارزش خود را نشان می‌دهد.

  پرسش‌های متداول

  تفاوت تصمیم‌گیری چند معیاره و بهینه‌سازی چند هدفه چیست؟

  تصمیم‌گیری چند معیاره (MCDM) معمولاً به مسائلی اشاره دارد که تعداد گزینه‌ها محدود و شمارش‌پذیر است و تصمیم‌گیرنده باید از میان آن‌ها یکی را انتخاب یا رتبه‌بندی کند. در مقابل، بهینه‌سازی چند هدفه (MOO) با فضای تصمیم پیوسته سروکار دارد و به دنبال یافتن مجموعه‌ای از جواب‌های بهینه است که در آن‌ها بهبود یک هدف مستلزم بدتر شدن هدف دیگر است (جواب‌های پارتو). به زبان ساده، MCDM مسئله‌ی «انتخاب از بین چند گزینه‌ی مشخص» را حل می‌کند، در حالی که MOO مسئله‌ی «یافتن بهترین ترکیب از متغیرهای تصمیم» را هدف قرار می‌دهد.

  کدام روش تصمیم‌گیری چند معیاره برای مسائل کیفی مناسب‌تر است؟

  برای مسائلی که بیشتر معیارها کیفی هستند و داده‌های عددی دقیقی در دسترس نیست، روش‌هایی مانند AHP (فرایند تحلیل سلسله‌مراتبی) و ELECTRE بسیار مناسب‌اند. AHP با استفاده از مقایسه‌های زوجی و مقیاس‌های کلامی، قضاوت‌های ذهنی خبرگان را به وزن‌های کمّی تبدیل می‌کند. ELECTRE نیز با رویکرد غیرجبرانی خود، امکان مقایسه‌ی گزینه‌ها را بدون نیاز به داده‌های کمی فراهم می‌آورد. در مقابل، روش‌هایی مانند TOPSIS به داده‌های کمّی بیشتری وابسته‌اند.

  آیا می‌توان از چند روش تصمیم‌گیری چند معیاره به صورت ترکیبی استفاده کرد؟

  بله، استفاده‌ی ترکیبی از روش‌های MCDM بسیار رایج است و اغلب نتایج قوی‌تری به دست می‌دهد. برای مثال، ممکن است ابتدا از روش DEMATEL برای شناسایی روابط علی میان معیارها و تعیین وزن‌های اولیه استفاده شود، سپس وزن‌ها به روش ANP پالایش شوند و در نهایت رتبه‌بندی گزینه‌ها با TOPSIS یا VIKOR انجام گیرد. ترکیب روش‌ها این امکان را می‌دهد که از نقاط قوت هر روش بهره ببریم و محدودیت‌های هر یک را با دیگری پوشش دهیم.

  مهم‌ترین چالش در به‌کارگیری تصمیم‌گیری چند معیاره در سازمان‌ها چیست؟

  یکی از مهم‌ترین چالش‌ها، دشواری در تعیین وزن‌های معتبر برای معیارهاست. وزن‌دهی اغلب بر پایه‌ی قضاوت‌های ذهنی خبرگان انجام می‌شود و ممکن است تحت تأثیر سوگیری‌های شناختی یا منافع شخصی قرار گیرد. چالش دیگر، مقاومت در برابر پذیرش نتایج است؛ به‌ویژه زمانی که نتایج با شهود مدیران یا منافع بخشی از ذی‌نفعان در تعارض باشد. برای کاهش این چالش‌ها، توصیه می‌شود فرایند وزن‌دهی شفاف و مشارکتی باشد و تحلیل حساسیت برای نشان دادن اثر تغییر مفروضات بر نتایج انجام شود.

  آیا تصمیم‌گیری چند معیاره فقط برای مسائل بزرگ و پیچیده کاربرد دارد؟

  خیر، روش‌های MCDM برای مسائل کوچک و روزمره نیز قابل استفاده هستند. حتی انتخاب یک تأمین‌کننده‌ی محلی، تعیین اولویت بین چند پروژه‌ی کوچک، یا انتخاب یک نرم‌افزار ساده را می‌توان با استفاده از یک ماتریس تصمیم ساده و روش AHP انجام داد. البته هرچه مسئله پیچیده‌تر و تعداد معیارها و گزینه‌ها بیشتر باشد، استفاده از این روش‌ها ارزش افزوده‌ی بیشتری ایجاد می‌کند، اما کاربرد آن‌ها به مسائل بزرگ محدود نیست.