ارائه درس هوش تجاری معرفی AHP Analytic Hierarchy Process ناهید قصاب زاده (88131064) استاد: دکتر عبدالله زاده

2. دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر ارائه درس هوش تجاری معرفی AHP Analytic Hierarchy Process ناهید قصاب زاده (88131064) استاد: دکتر عبدالله زاده

3. ناهید قصاب زاده 88131064 – 88/8/12

4. معرفی AHP (فرآیند تحلیل سلسله مراتبی) • توسط Thomas Saatyدر اواخر دهه 70 معرفی شد. • AHP, McGraw-Hill, 1980. • تکنیکی برای یک تصمیم گیری چند معیاری • هر مسئله سلسله مراتبی پیچیده، چندمعیاری را ساختار می دهد. • برتری یافتن یک انتخاب بر دیگری را با توجه به معیاری مشخص، تعیین می کند. • چرا سلسله مراتبی؟باید از اهداف و استراتژی‌های سازمان در راس هرم شروع کرد و با گسترش آنها معیارها را شناسایی کرد تا به پایین هرم برسیم. ناهید قصاب زاده 88131064 – 88/8/12

5. کاربردهای AHP • انتخاب: انتخاب یک گزینه از میان مجموعه ای از گزینه ها بر اساس چندین معیار • رتبه بندی: قرار دادن مجموعه ای از گزینه ها به ترتیب از بالاترین اولویت تا پایین ترین • تخصیص منبع: تخصیص دادن منابع به مجموعه ای از گزینه ها • Benchmarking: مقایسه روال ها در یک سازمان با سازمان های مشابه با کیفیت بالاتر • مدیریت کیفیت: سروکار داشتن با جنبه های چندبعدی کیفیت و بهبود آن • Marketing • Make Versus Buy Decision • New Product Development • Consumer Behaviour ناهید قصاب زاده 88131064 – 88/8/12

6. روند استفاده از AHP • مدل کردن مسئله با یک ساختار سلسله مراتبی شامل: اهداف تصمیم، گزینههای رسیدن به آن و معیارهایی برای ارزیابی آن گزینه ها • تعیین اولویت بین اجزای سلسله مراتب با انجام مقایسه های دوبه دو بین آن ها برای مثال، در خرید یک ملک اولویت بندی زیر را در نظر بگیریم: مکان، قیمت، سال ساخت • ترکیب مقایسه ها و رسیدن به یک اولویت بندی کلی برای مثال تعیین اولویت بندی کلی در مورد مکان، قیمت و سال ساخت برای ملک A، B، C و D • تست سازگاری برای نبود تناقض در تخصیص اعداد برتری گزینه ها در مقایسه با معیارها • تصمیم گیری نهایی بر اساس نتایج ناهید قصاب زاده 88131064 – 88/8/12

7. ورودی ها و خروجی AHP • ورودی هایAHP • اهمیت نسبی معیارها • تقدم هر معیار برای هر انتخاب تصمیم گیری • تشکیل ماتریس مقایسه دو به دو با استفاده از دو ورودی بالا • خروجیAHP • تعیین اولویت هر انتخاب تصمیم ناهید قصاب زاده 88131064 – 88/8/12

8. ماتریس مقایسه دوبه دو • بر اساس داده های جمع آوری شده برای هر معیار تشکیل می شود. • یک ماتریس مقایسه دوبه دو برای یک معیار با چهار انتخاب: ناهید قصاب زاده 88131064 – 88/8/12

9. مقیاس 9 نقطه ای برای تشکیل ماتریس مقایسه دوبه دو ناهید قصاب زاده 88131064 – 88/8/12

10. روش های محاسبه وزن نسبی • حداقل مربعات معمولي • حداقل مربعات لگاريتمي • بردار ويژه • روشهاي تقريبي(مثلاً ميانگين حسابي) ناهید قصاب زاده 88131064 – 88/8/12

11. محاسبه اولویت ها با استفاده از میانگین حسابی • جمع مقادیر در هر ستون • تقسیم هر درایه بر جمع ستون آن ماتریس مقایسه دوبه دوی نرمال • محاسبه میانگین درایه ها در هر سطر ماتریس نرمال این میانگین اهمیت نسبی هر انتخاب را مشخص می کند. ناهید قصاب زاده 88131064 – 88/8/12

12. محاسبه اولویت ها Divide entry by column sum ناهید قصاب زاده 88131064 – 88/8/12 1.83 3.5 6 Normalized Matrix Column Sum Relative Priority

13. مثال: مسئله انتخاب اتومبیل • مسئله: انتخاب یک اتومبیل • معیارها • قیمت • مصرف سوخت • راحتی • مدل • انتخاب ها: ماشین A، B و C ناهید قصاب زاده 88131064 – 88/8/12

14. ماتریس مقایسه دوبه دو برای معیار راحتی ناهید قصاب زاده 88131064 – 88/8/12

15. اولویت بندی اتومبیل ها: معیار راحتی ماتریس مقایسه دوبه دو ناهید قصاب زاده 88131064 – 88/8/12 ماتریس نرمال شده اولویت نسبی 15

16. مقایسه دو به دو: سایر معیارها ناهید قصاب زاده 88131064 – 88/8/12 16

17. بردارهای اولویت: سایر معیارها ناهید قصاب زاده 88131064 – 88/8/12 17

18. ماتریس مقایسه دو به دو برای معیارها ناهید قصاب زاده 88131064 – 88/8/12 18

19. اولویت ها برای چهار معیار • قیمت0.398  • مصرف سوخت0.085 • راحتی0.218 • مدل0.299 ناهید قصاب زاده 88131064 – 88/8/12

20. تعیین اولویت نهایی • استفاده از پروسه ای در محاسبه اولویت های نهایی برای هر انتخاب با استفاده از اولویت هر معیار به عنوان وزن که اهمیت آن را نشان می دهد. • اولویت نهایی برای هر انتخاب = مجموع حاصل ضرب اولویت معیارها در اولویت انتخاب برای آن معیار • اولویت نهایی برای اتومبیل A: .398 (.123) + .085 (.087) + 0.218 (.593) + .299 (.265) =0.265 ناهید قصاب زاده 88131064 – 88/8/12

21. ماتریس اولویت نهایی برای اتومبیل ها Alternative Priority Car A 0.265 Car B 0.421 Car C 0.314 ناهید قصاب زاده 88131064 – 88/8/12 انتخاب اتومبیل B

22. تست سازگاری • مرحله 1: ضرب هر مقدار در ستون اول ماتریس مقایسه دوبه دو در ماتریس اولویت نسبی متناظر • مرحله 2: تکرار مرحله 1 برای سایر ستون ها • مرحله 3: جمع بردارهای حاصل از دو مرحله بالا • مرحله 4: تقسیم هر عنصر به دست آمده در مرحله 3 بر مقدار اولویت متناظر • مرحله 5: محاسبه مقدار میانگین مقادیر به دست آمده در مرحله 4  • مرحله 6: محاسبه شاخص سازگاریCI = ( - n) / (n-1) ناهید قصاب زاده 88131064 – 88/8/12

23. تست سازگاری • محاسبه شاخص رندوم: RI = 1.98 (n-2)/n • اگر CR کمتر از 1.0 باشد، ماتریس مورد نظر سازگار است: CR = CI / RI ناهید قصاب زاده 88131064 – 88/8/12

24. تست سازگاری ماتریس راحتی ناهید قصاب زاده 88131064 – 88/8/12

25. مزایای AHP • حل مسائل چند انتخابی و چند معیاره • سر و کار داشتن با ورودی های چند مقداری • تصمیم گیری با وجود تأثیرات محیطی، اجتماعی و ... • سر و کار داشتن با قضاوت های ذهنی افراد • AHPگروهی: گروهی از افراد نظرات خود را ارائه می‌کنند و در سیستم‌های خبرهکاربرد دارد. ناهید قصاب زاده 88131064 – 88/8/12

26. معرفی نرم افزار Expert Choice ناهید قصاب زاده 88131064 – 88/8/12

27. ناهید قصاب زاده 88131064 – 88/8/12 با تشکر