معرفی تحلیل سلسله مراتبی AHP
تحلیل سلسله مراتبی یکی از روش‌های تصمیم‌گیری است. واژه AHP مخفف عبارت Analytical Hierarchy process به معنی فرایند تحلیل سلسله مراتبی است.انتخاب سنجه‌ها یا criterion بخش اول واکاوی AHP است. سپس براساس سنجه‌های شناسایی شده نامزدها ارزیابی می‌شوند. واژه گزینه‌ها یا نامزدها هم معنای واژه alternative یا candidates بوده و به جای هم بکار روند. علت سلسله مراتبی خواندن این روش آن است که ابتدا باید از اهداف و راهبردهای سازمان در راس هرم آغاز کرد و با گسترش آن‌ها سنجه‌ها را شناسایی کرد تا به پایین هرم برسیم.
این روش یکی از روش‌های پرکاربرد برای رتبه‌بندی و تعیین اهمیت عوامل است که با استفاده از مقایسات زوجی گزینه‌ها به اولویت بندی هر یک از معیارها پرداخته می‌شود. چنانچه گزینه‌ها زیاد باشد تشکیل ماتریس مقایسات زوجی کار دشواری است.هدف تکنیک فرایند تحلیل سلسله مراتبی انتخاب بهترین گزینه براساس معیارهای مختلف از طریق مقایسه زوجی است. این تکنیک برای وزن دهی به معیارها نیز استفاده می‌شود. چون افزایش تعداد عناصر هر خوشه مقایسه زوجی را دشوار می‌کند بنابراین معمولاً معیارهای تصمیم‌گیری را به زیرمعیارهایی تقسیم می‌کنند.
معیار: آن چیزی است که براساس آن انتخاب می‌کنید مثلاً در انتخاب یک مدیر برای سازمان، معیارهای تصمیم‌گیری تحصیلات، پیشینه، شخصیت و … است.
گزینه: آن چیزی است که از میان آن انتخاب می‌کنید مثلاً در انتخاب یک مدیر کاندیداهای موجود همان گزینه‌ها هستند.
مدل‌های زیر به عنوان مدل‌های معروف در مدل AHP مورد استفاده قرار می‌گیرند.
- هدف – معیار
- هدف – معیار – زیرمعیار
- هدف – معیار – گزینه
- هدف – معیار – زیرمعیار – گزینه
در یک مدل فرایند تحلیل سلسله‌مراتبی ممکن است بخواهید فقط معیارها را تعیین وزن کنید. ممکن است زیرمعیارهایی نیز وجود داشته باشد و هدف تعیین وزن زیرمعیارها باشد. مدل کلاسیک AHP شامل هدف، معیار و گزینه است که در ادامه با یک مثال کاربردی آموزش داده می‌شود.
تقریباً تمامی محاسبات مربوط به فرایند تحلیل سلسله مراتبی بر اساس قضاوت اولیه تصمیم گیرنده که در قالب ماتریس مقایسات زوجی ظاهر می‌شود، صورت می‌پذیرد و هر گونه خطا و ناسازگاری در مقایسه و تعیین اهمیت بین گزینه‌ها و شاخص‌ها نتیجه نهایی به دست آمده از محاسبات را مخدوش می‌سازد. نرخ ناسازگاری که در ادامه با نحوه محاسبه آن آشنا خواهیم شد، وسیله‌ای است که سازگاری را مشخص ساخته و نشان می‌دهد که تا چه حد می‌توان به اولویتهای حاصل از مقایسات اعتماد کرد. برای مثال اگر گزینه A نسبت به B مهمتر (ارزش ترجیحی ۵) و B نسبتاً مهمتر (ارزش ترجیحی ۳) باشد، آنگاه باید انتظار داشت A نسبت به C خیلی مهمتر (ارزش ترجیحی ۷ یا بیشتر) ارزیابی گردد یا اگر ارزش ترجیحی A نسبت به B، ۲ و B نسبت به C، ۳ باشد آنگاه ارزش A نسبت به C باید ارزش ترجیحی ۴ را ارائه کند. شاید مقایسه دو گزینه امری ساده باشد، اما وقتیکه تعداد مقایسات افزایش یابد اطمینان از سازگاری مقایسات به راحتی میسر نبوده و باید با به‌کارگیری نرخ سازگاری به این اعتماد دست یافت. تجربه نشان داده‌است که اگر نرخ ناسازگاری کمتر از ۱۰/۰ باشد سازگاری مقایسات قابل قبول بوده و در غیر اینصورت مقایسه‌ها باید تجدید نظر شود. قدم‌های زیر برای محاسبه نرخ ناسازگاری به کار گرفته می‌شود:
گام ۱. محاسبه بردار مجموع وزنی: ماتریس مقایسات زوجی را در بردار ستونی «وزن نسبی» ضرب کنید بردار جدیدی را که به این طریق بدست می‌آورید، بردار مجموع وزنی بنامید.
گام ۲. محاسبه بردار سازگاری: عناصر بردار مجموع وزنی را بر بردار اولویت نسبی تقسیم کنید. بردار حاصل بردار سازگاری نامیده می‌شود.
گام ۳. بدست آوردن Lmax، میانگین عناصر برداری سازگاری Lmax را به دست می‌دهد.
گام ۴. محاسبه شاخص سازگاری: شاخص سازگاری به صورت زیر تعریف می‌شود: CI=(Lmax-n)/(n-1) که n عبارتست از تعداد معیارهای موجود در مسئله
گام ۵. محاسبه نسبت سازگاری: نسبت سازگاری از تقسیم شاخص سازگاری برشاخص تصادفی بدست می‌آید. CR=CI/RI
نسبت سازگاری ۰٫۱ یا کمتر سازگاری در مقایسات را بیان می‌کند.
