عنوان پایان‌نامه
ارزیابی مدل های تصمیم گیری چند شاخصه
- رشته تحصیلی
- مدیریت صنعتی - تولید
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75869
- تاریخ دفاع
- ۱۷ شهریور ۱۳۹۵
- دانشجو
- عبدالکریم محمدی بالانی
- استاد راهنما
- عزت اله اصغری زاده
- چکیده
- در سال های اخیر مدل های فراوانی در زمینه تصمیم گیری چندشاخصه (MADM) توسعه یافته اند. یکی از سؤالاتی که همیشه مطرح می شود، این است که کدام یک از مدل ها از منظر به کارگیری، منطق و صحت نتایج بر دیگران ارجح هستند. کار بسیار اندکی در این زمینه در دنیا صورت گرفته است. این پایان نامه به بررسی، ارزیابی و مقایسه 17 مدل رایج از مدل های تصمیم‌گیری چندشاخصه از چند منظر می پردازد. برای این ارزیابی چند مرحله به ترتیب زیر طی شده است: (1) تعیین شاخص ها شامل چهار شاخص کمی سرعت، حجم پردازش، تعداد ورودی‌ها و نرخ رشد پیچیدگی در مسائل بزرگ و نیز دو شاخص کیفی شامل منطق و کیفیت خروجی ها و در نهایت یک شاخص کمی ـ کیفی سادگی طبق ادبیات و نظر خبرگان در نظر گرفته شد. شاخص‌های کمی توسط محاسبات و مستندات رایانه‌ای و شاخص‌های کیفی با کسب نظر خبرگان توسط پرسشنامه اندازه‌گیری شده اند. (2) با توجه به این شاخص ها، مدل ها با توجه به این شاخص‌ها به روش c میانگین فازی، خوشه‌بندی گردیده اند. تعداد بهینه خوشه ها با استفاده از روش elbow تعیین شده است. (3) در مرحله بعد مدل های مورد مطالعه بر روی اطلاعات مربوط به 24 پایان نامه داخلی پیاده سازی شد و کیفیت خروجی های به دست آمده توسط خبرگان هر شرکت یا صنعت رتبه بندی شد و یک رتبه بندی اولیه از مدل ها با استفاده از میانگین گیری به دست آمد. (4) با اجرای آزمون فریدمن، یکسان بودن رتبه تمام مدل ها آزمون شد. با توجه به نتایج این آزمون و رد شدن فرض صفر، رتبه مدل های تصمیم گیری چندشاخصه یکسان نیست. سپس با اجرای آزمون پس از تجربه کونوور، مدل هایی که رتبه آنها از نظر آماری تفاوت معناداری ندارد مشخص و رتبه بندی اولیه اصلاح شد. (5) در نهایت رتبه بندی دیگری توسط خبرگان دانشگاه ارائه شد. داده های این بخش شامل رتبه مدل ها از نظر خبرگان دانشگاه در شاخص های هفت گانه مورد بررسی در خوشه بندی فازی بود که طبق مدل تصمیم گیری گروهی بردا، رتبه بندی نهایی استخراج شد.
- Abstract
- The aim of this research is to evaluate popular techniques among Multiple Attribute Decision Making (MADM) techniques by means of fuzzy clustering, G-MADM and statistical analyses. Four quantitative variables namely speed, allocated memory, number of inputs, and the rate of growth in calculations in big problems, two qualitative variables namely logic and quality of outputs and one quantitative-qualitative varibale - simplicity - were considered. Questionnaires were used to measure qualitative variables while the quantitative variables were measured by computer-based calculations. The elbow method indicated that the best number of clusters is equal to . Results show that the clusters couldn’t be sorted because the centroid of each cluster is not sorted the same in all variables. Next the methods was implemented in real-world problems and the outputs were ranked by industrial experts and the mean of the rankings for each problem formed the initial ranking of methods in each problem. Then the Friedman’s non-parametric test for multiple comparisons was implemented, indicating that the ranks associated to methods are not the same, so the post hoc test for Friedman’s test after Conover was implemented to determine the statistically same ranks and the initial ranking was corrected. Finally another ranking was provided based academic experts’ opinion. The raw data was the rankings of methods in each variable. The G-MADM Borda method was used to form the aggregated rankings.
