روش ARAS

روش ARAS

روش ARAS مخفف Additive Ratio ASsessment به معنای ارزیابی نسبت افزایشی یک تکنیک تصمیم گیری چند شاخصه برای انتخاب بهترین گزینه است. تکنیک آراس که به آن ارزیابی مجموع نسبت ها  گفته می شود، توسط زاوادساکاس و همکاران (۲۰۱۰)، معرفی شد. کاربرد ویژه آراس ارزیابی شرکت های بورس براساس اطلاعات مالی است. بطور کلی تکنیک ARAS مانند بسیاری از تکنیک های تصمیم‌گیری چندمعیاره در جستجوی راه حلی برای انتخاب بهترین گزینه است.این تکنیک از نظر هدف با تکنیک‌های خانواده ماتریس تصمیم یعنی PROMETHEE, SIR, ORESTE و ELECTERE قابل مقایسه است اما از نظر سادگی با تکنیک‌هایCOPRAS،  TOPSISVIKOR، MOORA و SAW قابل مقایسه است. روش ARAS در نرم افزار EXCEL قابل انجام است

روش ARAS مبتنی بر این اصل است که با استفاده از مقایسه های ساده نسبی می توان پدیده های دنیای پیچیده را توضیح داد. استدلال بر این است که نسبت مجموع مقادیر نرمال و وزنی معیارها، گزینه جایگزین مورد نظر را توصیف می کند. همچنین به مجموع مقادیر معیارهای نرمال و وزن دهی شده، که گزینه جایگزین بهینه را توصیف می کند. با رسیدن به گزینه جایگزین مطابق روش ARAS ، یک مقدار تابع مطلوبیت برای تعیین کارآیی نسبی پیچیده یک جایگزین مناسب، مستقیماً با تأثیر نسبی مقادیر و وزن معیارهای اصلی در نظر گرفته شده در یک پروژه متناسب است.

مراحل روش ARAS

۱-تشکیل ماتریس تصمیم

۲-تعیین مقدار ایده آل فرضی

۳-نرمال کردن ماتریس تصمیم

۴-وزن دار کردن ماتریس تصمیم

۵-محاسبه مطلوبیت کل هر گزینه

۶-محاسبه مطلوبیت نسبی هر گزینه و رتبه بندی گزینه ها

آموزش روش ARAS

گام اول تشکیل ماتریس تصمیم است. ماتریس تصمیم این روش شامل جدول است که ستون های آن را معیارها یا زیرمعیارها و سطرهای آن را گزینه ها تشکیل می دهند و هر سلول این ماتریس ارزیابی هر گزینه نسبت به هر معیار است.

ماتریس تصمیم روش topsis
ماتریس تصمیم

گام دوم تعیین مقدار ایده آل فرضی است.  مقدار ایده آل برای معیارهای مثبت برابر بیشترین مقدار و برای معیارهای منفی برابر کمترین مقدار در نظر گرفته می شود.

انتخاب گزینه بهینه در روش آراس
انتخاب گزینه ایده آل فرضی

گام سوم نرمال کردن ماتریس تصمیم است. برای معیارهای مثبت و منفی به صورت جداگانه باید نرمال شوند که از دو رابطه زیر این فرایند صورت می گیرد.

نرمال کردن گزینه های مثبت در روش آراس
نرمال کردن گزینه های مثبت
نرمال کردن گزینه های منفی در روش آراس
نرمال کردن گزینه های منفی

گام چهارم تشکیل ماتریس وزن دار است. در این گام با توجه به وزن های محاسبه شده از روشهای دیگر (AHP، آنتروپی شانون و دیگر روش ها)، ماتریس وزن دار را بدست می آوریم.

وزن دار کردن ماتریس تصمیم در روش آراس
وزن دار کردن ماتریس تصمیم

گام پنجم روش ARAS محاسبه مطلوبیت کل هر گزینه است. اعداد نرمال شده وزین را به صورت سطری با هم جمع کنیم. بزرگترین مقدار Si بهترین است، و کمترین آن بدترین. با توجه به روند محاسبه شده، تابع بهینگی Si دارای یک رابطه مستقیم و متناسب با مقادیر xij و وزن های wj از معیارهای بررسی شده و تأثیر نسبی آنها بر روی نتیجه ی نهایی است. بنابراین، بیشترین مقدار (ارزش) تابع بهینگی Si اثربخش ترین متغیر است. اولویتهای گزینه ها می تواند با توجه به مقدار Si تعیین گردد. در نتیجه استفاده از این روش برای ارزیابی و رتبه بندی گزینه های تصمیم گیری مناسب است.

محاسبه مطلوبیت کل هر گزینه در روش اراس
محاسبه مطلوبیت کل هر گزینه

گام ششم روش ARAS محاسبه مطلوبیت نسبی هر گزینه و رتبه بندی گزینه ها است.  محاسبه درجه مطلوبیت هر گزینه در مورد ارزیابی گزینه ها نه تنها تعیین بهترین رتبه اهمیت دارد بلکه مهم است که کیفیت (مطلوبیت) نسبی هر گزینه مطرح شده نیز مشخص شود. به همین منظور از درجه ی مطلوبیت هر گزینه استفاده میگردد. درجه ی مطلوبیت هر گزینه (آلترناتیو) به وسیله مقایسه متغیر -که تجزیه و تحلیل شده است. با حالت ایده آل یعنی So مشخص می گردد. معادله مورد استفاده برای محاسبه درجهی مطلوبیت Ki از یک گزینه ai به صورت زیر است:

محاسبه گزینه مطلوب در روش آراس
محاسبه گزینه مطلوب در روش آراس

منبع

www.tandfonline.com

برای آموزش روش ARAS بر روی لینک زیر کلیک نمایید.

آموزش روش ARAS

مدیر آماری-مشاوره آماری-STATISTICAL-CONSULTING

ارسال نظر

آدرس ایمیل شما منتشر نخواهد شد.

مدیر آماری