تصمیم‌گیری چندمعیاره؛ روش‌ها، مراحل و محدودیت‌ها

تصمیم‌گیری چندمعیاره یا MCDM به مجموعه‌ای از روش‌ها گفته می‌شود که مقایسهٔ گزینه‌ها را با توجه به چند معیار سامان می‌دهند. وقتی هزینه، کیفیت، زمان، ریسک و پیامدهای اجتماعی هم‌زمان اهمیت دارند، یک عدد خام معمولاً همهٔ مسئله را نشان نمی‌دهد. تحلیل چندمعیاره کمک می‌کند داده‌ها، ترجیح‌ها و قواعد مقایسه آشکار شوند؛ نتیجهٔ آن به تعریف مسئله و مفروضات مدل وابسته است.

MCDM، MCDA و بهینه‌سازی چندهدفه چه تفاوتی دارند؟

واژگان این حوزه در همهٔ منابع یکسان به کار نمی‌روند. MCDM معمولاً عنوانی گسترده برای تصمیم‌گیری با چند معیار است و MCDA بر تحلیل و پشتیبانی از تصمیم تأکید دارد. در مسائل چندصفتی، غالباً مجموعه‌ای مشخص از گزینه‌ها مقایسه می‌شود؛ در بهینه‌سازی چندهدفه، متغیرهای تصمیم و قیود برای یافتن راه‌حل‌های شدنی و کارا تعریف می‌شوند. متغیرها می‌توانند پیوسته، صحیح، گسسته یا ترکیبی باشند؛ بنابراین تفاوت این دو را نباید صرفاً «گزینه‌های متناهی در برابر بی‌نهایت» دانست.

اگر بهبود یک هدف بدون بدترشدن هدفی دیگر ممکن نباشد، ممکن است با چند راه‌حل کارا روبه‌رو باشیم. انتخاب میان آن‌ها به ترجیح‌ها و محدودیت‌های تصمیم‌گیر نیاز دارد. الگوریتم به‌تنهایی تعیین نمی‌کند کدام هدف برای جامعه یا سازمان ارزش بیشتری دارد.

اجزای یک مدل قابل دفاع

• هدف و گزینه‌ها: مسئلهٔ تصمیم، مرز تحلیل، گزینهٔ موجود و گزینه‌های جایگزین باید روشن باشند.

• معیارها: هر معیار باید معنای عملیاتی، جهت مطلوب و منبع داده داشته باشد. دو معیار بسیار هم‌پوشان ممکن است یک پیامد را دوبار وارد نتیجه کنند.

• ماتریس عملکرد: عملکرد هر گزینه در هر معیار ثبت می‌شود. دادهٔ اندازه‌گیری‌شده، برآورد کارشناسی و دادهٔ مفقود باید از هم قابل تشخیص باشند.

• ترجیح‌ها و وزن‌ها: معنای وزن به روش وابسته است. به‌ویژه در مدل جمع وزنی، نمی‌توان مقیاس امتیاز و دامنهٔ تغییر عملکرد را نادیده گرفت و فقط «اهمیت کلی» معیار را پرسید.

• قاعدهٔ ترکیب: باید معلوم باشد ضعف در یک معیار تا چه اندازه با قوت در معیار دیگر جبران می‌شود و آیا حداقل الزام یا حق وتو وجود دارد.

دادهٔ کیفی هم می‌تواند وارد تحلیل شود، اما تبدیل آن به امتیاز به تعریف روشن نیاز دارد. عددگذاری بر عبارتی مبهم، آن را به اندازه‌گیری دقیق تبدیل نمی‌کند. در نظریهٔ تصمیم نیز «ارزش» و «مطلوبیت» همیشه مترادف نیستند؛ مدل‌کردن پیامدهای قطعی و ترجیح‌ها در شرایط ریسک، مفروضات متفاوتی دارد.

معرفی هفت روش پرکاربرد

۱. تحلیل سلسله‌مراتبی یا AHP

مسئله در قالب هدف، معیارها، زیرمعیارها و گزینه‌ها ساختار می‌گیرد. مقایسه‌های زوجی برای استخراج اولویت نسبی به کار می‌روند و ناسازگاری قضاوت‌ها بررسی می‌شود. امتیاز سازگاری، درستی داده یا بی‌طرفی تصمیم را اثبات نمی‌کند. مراحل و حدود این روش در صفحهٔ روش تحلیل سلسله‌مراتبی AHP توضیح داده شده است.

۲. تاپسیس یا TOPSIS

در صورت رایج این روش، رتبه‌بندی بر پایهٔ ضریب نزدیکی نسبی انجام می‌شود که فاصله از وضعیت ایدئال و وضعیت نامطلوب را با هم در نظر می‌گیرد. نرمال‌سازی، وزن‌ها، جهت معیارها و تعریف فاصله بر نتیجه اثر می‌گذارند. نزدیکی محاسباتی به ایدئال، بدون داده و ترجیح‌های مناسب به معنای بهترین گزینه در دنیای واقعی نیست.

۳. فرایند تحلیل شبکه‌ای یا ANP

ANP امکان مدل‌کردن وابستگی و بازخورد میان اجزای تصمیم را فراهم می‌کند. این روش صرفاً AHP با تعداد معیار بیشتر نیست. مشخص‌کردن روابط، قضاوت‌های لازم و نحوهٔ ترکیب اولویت‌ها اهمیت دارد؛ افزودن پیوندهای بی‌دلیل می‌تواند مدل را پیچیده‌تر کند و شفافیت را کاهش دهد.

۴. خانوادهٔ ELECTRE

روش‌های ELECTRE از روابط برتری‌سنجی استفاده می‌کنند: آیا شواهد کافی برای ترجیح یا برتریِ یک گزینه بر دیگری وجود دارد و آیا مخالفت مهمی این نتیجه را نقض می‌کند؟ نسخه‌های این خانواده قواعد یکسانی ندارند. خروجی همیشه یک رتبه‌بندی کامل نیست و ممکن است برخی گزینه‌ها قابل مقایسه نباشند. این روش‌ها مختص نبود دادهٔ کمی نیستند.

۵. ویکور یا VIKOR

VIKOR به دنبال راه‌حل سازشی در حضور معیارهای متعارض است و میان عملکرد تجمیعی و بدترین کاستیِ معیارها موازنه برقرار می‌کند. پارامتر سازش و شروط پذیرش نتیجه باید روشن باشند. VIKOR و TOPSIS هر دو با ایدئال مرتبط‌اند، اما قواعد نرمال‌سازی و تجمیع یکسانی ندارند و الزاماً رتبهٔ یکسان نمی‌دهند.

۶. خانوادهٔ PROMETHEE

در PROMETHEE، تفاوت عملکرد دو گزینه در هر معیار با یک تابع ترجیح به درجهٔ ترجیح تبدیل و سپس ترکیب می‌شود. انتخاب تابع و آستانه‌های آن باید با معنای معیار سازگار باشد. PROMETHEE I می‌تواند رتبه‌بندی جزئی و PROMETHEE II رتبه‌بندی کامل ارائه کند؛ نباید همهٔ نسخه‌ها و توابع آن را یکی دانست.

۷. دیمتل یا DEMATEL

DEMATEL بیشتر برای ساختاردهی روابط تأثیرگذاری میان عوامل به کار می‌رود. معمولاً قضاوت خبرگان دربارهٔ تأثیر مستقیم به ماتریس تبدیل و روابط مستقیم و غیرمستقیم تحلیل می‌شود. این شبکهٔ قضاوتی به‌خودی‌خود شناسایی علّی با دادهٔ تجربی نیست. نحوهٔ نرمال‌سازی، تجمیع نظرها و انتخاب آستانهٔ نمایش روابط نیز می‌تواند نتیجه را تغییر دهد؛ این روش را نباید صرفاً جایگزین رتبه‌بندی گزینه‌ها دانست.

مراحل اجرای تحلیل چندمعیاره

1. تصمیم مورد نیاز، مسئول تصمیم و ذی‌نفعان را مشخص کنید.

2. گزینه‌های شدنی و محدودیت‌های غیرقابل‌مذاکره را تعیین کنید؛ گزینهٔ فعلی را در صورت تناسب از قلم نیندازید.

3. معیارهای مرتبط و تا حد ممکن غیرتکراری را تعریف کنید.

4. دادهٔ عملکرد، کیفیت آن و عدم‌قطعیت را ثبت کنید.

5. روش را با نوع پرسش، وابستگی معیارها، شکل داده و امکان جبران میان معیارها هماهنگ کنید.

6. امتیازها و ترجیح‌ها را با دستور روشن و مشارکت مناسب گردآوری کنید.

7. محاسبه، کنترل خطا و تحلیل حساسیت را انجام دهید.

8. نتیجه را همراه با مفروضات، اختلاف دیدگاه‌ها و محدودیت‌ها به تصمیم‌گیر ارائه کنید.

مثال فرضی: انتخاب تأمین‌کننده

فرض کنید سازمانی سه تأمین‌کننده را بر پایهٔ قیمت، کیفیت، تحویل و رعایت الزامات محیط‌زیستی مقایسه می‌کند. اگر رعایت یک الزام قانونی شرط ورود باشد، نباید نقض آن صرفاً با قیمت پایین جبران شود. همچنین «رضایت از کیفیت» و «نرخ خرابی» ممکن است بخشی از یک پیامد را دوبار بسنجند. پیش از انتخاب روش، باید این مسئله‌ها حل شوند.

این مثال، تحلیل محاسباتی یا رتبهٔ واقعی ارائه نمی‌کند. در اجرای واقعی، باید دید با تغییر معقول وزن‌ها یا برآورد نرخ خرابی، گزینهٔ اول عوض می‌شود یا نه. نتیجهٔ ناپایدار، اطلاعات مهمی دربارهٔ نیاز به دادهٔ بهتر یا مذاکره دربارهٔ ترجیح‌هاست.

کاربردها و خطاهای رایج

اولویت‌بندی پروژه، انتخاب تأمین‌کننده، مقایسهٔ مکان‌ها، تخصیص منابع، انتخاب فناوری و ارزیابی گزینه‌های سیاستی از کاربردهای ممکن‌اند. کاربرد در منابع انسانی یا بازار نیز به معیارهای منصفانه و دادهٔ متناسب نیاز دارد؛ وجود یک روش ریاضی، تبعیض یا ضعف اطلاعات را برطرف نمی‌کند.

روش ترکیبی، فازی یا شبکه‌ای الزاماً بهتر از مدل ساده نیست. استفاده از چند روش می‌تواند تفاوت مفروضات را آشکار کند، اما توافق رتبه‌ها اعتبار مستقل ایجاد نمی‌کند. انتخاب معیار پس از دیدن نتیجه، پنهان‌کردن دادهٔ مفقود، تکرار معیارها و گزارش رتبه بدون حساسیت از خطاهای مهم‌اند.

منابع برای مطالعهٔ روش‌ها

HM Treasury، راهنمای تکمیلی MCDA، نسخهٔ ۲۰۲۴؛ Department for Communities and Local Government، Multi-criteria analysis: a manual، ۲۰۰۹، بخش‌های معرفی و برتری‌سنجی؛ Saaty، Decision making with the analytic hierarchy process، ۲۰۰۸؛ Opricovic و Tzeng، Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS، ۲۰۰۴؛ Brans و Vincke، A Preference Ranking Organisation Method (PROMETHEE)، ۱۹۸۵؛ Chen و Huang، A Novel DEMATEL Approach by Considering Normalization and Invertibility، ۲۰۲۲.