Abstract:
تصمیمگیرندگان در انتخاب یک گزینه از میان گزینههای متعدد اغلب چندین معیار را همزمان در تصمیمگیری مورد نظر قرار میدهند. معیارها گاه همراستا و گاه متقابل و متضاد است. هنگامی که بین معیارها وابستگی وجود دارد میتوان برخی تکنیکهای تصمیمگیری مانند ANP، AHP و یا دیمتل را به کار برد. رویکرد دیگر گروهبندی معیارهایی است که با یکدیگر همبستگی دارند. بدین منظور در این تحقیق با به کارگیری رویکردی جدید گروهبندی معیارها را برمبنای همبستگی بین آنها انجام میدهیم. روش پیشنهادی به منظور حل مسأله پوشش مجموعه است. در این مسأله هدف عبارت از طبقهبندی کردن معیارها در گروههایی که همبستگی بین معیارها در درون هر گروه بیشینه و همبستگی بین معیارهای هر گروه با گروه دیگر کمینه شود. موردمطالعه برای این تحقیق 9 صنعت مربوط به 26 کشور اروپایی است. روش تحلیل عاملی به منظور اعتبارسنجی مدل پیشنهادی نیز استفاده میشود. نتایج حاکی از آن است که روش پیشنهادی (پوشش مجموعه) به منظور گروهبندی متغیرها از کارایی قابل قبولی برخوردار است و میتوان از این روش نیز در تحقیقات آتی برای گروهبندی متغیرها (زمانی که بین متغیرها همبستگی وجود دارد) استفاده کرد.
In choosing an alternative among many, decision makers usually take into account multiple criteria’s, which are sometimes in line with each other and sometimes conflicting. When there is dependencies between criteria, MCDM techniques such as ANP, AHP and DEMATEL could be applied. Another approach is to classify criteria that are correlated with each other. In this study a new approach of set covering problem to this end has been used. Our objective is setting these criteria into clusters so that their correlation in each cluster to be maximized, and also their correlation with others be minimized. In order to validate our proposed model, factor analysis method used. Data gathered from 9 industries related to 26 foreign countries. Finally, results of both models were almost similar. The results show that efficiency of the proposed method (set covering) for grouping variables is acceptable and this method in future research can be used to classify variables (when there is a correlation between variables).
Machine summary:
نتایج حاکی از آن است که روش پیشنهادی (پوشش مجموعه ) به منظور گروه بندی متغیرها از کارایی قابل قبولی برخوردار است و میتوان از این روش نیز در تحقیقات آتی برای گروه بندی متغیرها (زمانی که بین متغیرها همبستگی وجود دارد) استفاده کرد.
در این مسأله تعداد گروه های مورد استفاده برای طبقه بندی متغیرها را با استفاده از روش تحلیل عاملی (تعداد گروه ها برابر با تعداد عامل هایی که بیشترین مقدار واریانس را تبیین میکنند) مشخص شده است .
در حقیقت این عوامل غیرقابل مشاهده دلیل مشترک همبستگی بین متغیرهای اصلی است ؛ − ارائه روش ترکیب و خلاصه کردن تعداد زیادی از متغیرها در تعدادی گروه متمایز؛ − تأثیرگذارترین آن ها از بین متغیرهای مختلف تعیین شده و در پژوهش های بعدی متغیرهای تأثیرگذار را به صورت جزئیتر با تکرار بیشتری بررسی میکنند.
به فرآیند تعیین عامل مشترک و تفسیر آن تحلیل عاملی مشترک می گویند که نوعی روش آماری است که از همبستگیهای بین متغیرهای مشاهده شده برای برآورد عامل های مشترک و روابط ساختاری استفاده میکند.
یکی از روش های انتخاب متغیرهای مناسب برای تحلیل عاملی استفاده از ماتریس همبستگی است .
Solving an Analysis Network Process Model for Selection of the Dispatching Rules by an Interval-valued Intuitionistic Fuzzy Set. Management Researches in Iran.
Volume 1, Issue 2, Summer 2016, Page 1-215(In Persian) [6] Ebrahimi-zadea A , Hosseini-Nasabb H, zare-mehrjerdib Y , Zahmatkesh A(2016).
A set-covering model for a bidirectional multi-shift full truckload vehicle routing problem.