۲۴/۱

۱۲/۱

۹/۰

۵۸/۰

۰

۰

RI

۳-۶-۳-استفاده از فرایند تحلیل سلسله مراتبی برای تصمیم گیری گروهی
در استفاده ازفرایند تحلیل سلسله مراتبی به منظور تصمیم گیری در مسائل شرکت ، استفاده از قضاوت های فقط یک مدیر در تشکیل ماتریس مقایسات زوجی، که مبنای تصمیم گیری است، ممکن است دقیق نباشد. شاید نظام تصمیم گیری منطقی و جامع در سازمان ها ، همکاری و تشریک مساعی گروهی باشد. سازمان های جدید چنان وسیع و گسترده اند که مدیریت آن از عهده یک فرد خارج است و مدیران مجبورند در تصمیم گیری ها و اداره امور سازمان،از کمک های دیگران بهره جویند.
تصمیمات مدیریتی به دلیل پیچیدگی ، نیازمند مشارکت و استفاده از افراد متعددبا تخصص های متنوع و موقعیت های شغلی مختلف است. میانگین هندسی ضمن در نظر گرفتن قضاوت هر فرد، از آن جا که مقایسات زوجی به صورت نسبت صورت می گیرد از نظر ریاضی بهترین میانگین را ارائه می نماید. میانگین هندسی به صورت زیر محاسبه می شود:
دستور العمل محاسبه شاخص سازگاری برای مقایسات گروهی به صورت زیر است:(مهرگان،۱۳۹۰)
۳-۶-۴- پرومتی[۴۹]
مدل های تصمیم گیری،جهت کمک به تصمیم درست و علمی گسترش پیدا کرده اند و به دو گروه مدل های چند هدفه و مدل های چند شاخصه تقسیم می شوند. مدل های چند هدفه(مانند برنامه ریزی آرمانی) غالبا به منظور طراحی، هدف گذاری و بهینه کردن همزمان چندین هدف مورد استفاده قرار می گیرند(مومنی،۱۳۸۷). مدل های چند شاخصه به منظور ارزیابی، اولویت بندی و انتخاب از میان گزینه های مختلف براساس معیارهای مشخص(ودر بعضی موارد متناقض)که معمولا با وزن دهی نیز همراه است،مورد استفاده قرار می گیرند(Chou and et al,2004).این معیارها معمولا تبیین گر ویژگی گزینه ها می باشند.مدل های تصمیم گیری چند شاخصه دارای تکنیک های مختلفی می باشد که یکی از آنها خانواده پرومتی می باشد که توسط برانس[۵۰] وهمکاران ایجاد و توسعه یافته است.خانواده پرومتی شش نوع می باشد:پرومتی آلترناتیوها را بصورت جزئی رتبه بندی می کند ، پرومتی آلترناتیوهای گسسته را بصورت کامل رتبه بندی می کند ، پرومتی روابط ترجیح و غیرترجیح را بر اساس میانگین و انحراف معیار شاخص های ترجیح تعریف می کند ، پرومتی می تواند برای گزینه های نا محدود کاربرد داشته باشد ، پرومتی یک روش چند معیاره برای انتخاب گزینه ها همراه با لحاظ کردن محدودیت ها تعریف می کند و پرومتی الگویی از مغز انسان است.(Hu,2010)
برای ارزیابی و اولویت بندی گزینه های گسسته و انتخاب بهترین گزینه روش پرومتی بکار می رود
(Chou and et al,2004).این روش در جایی که باید گزینه های بیشماری بر اساس چند معیار کمی و کیفی و اغلب متناقض ارزیابی شود سازگار و کارا می باشد(Albadvi and et al,2007). در این روش ابتدا هر معیار تصمیم ، بر اساس تابع مجزا و بدون ارتباط با سایر معیارها مورد توجه قرار می گیرد. پرومتی برای تفاوت های دو به دو ی گزینه ها بر اساس هر معیار ، آستانه های معنی داری و غیر معنی داری تفاوت ها را تعریف کرده و بدین ترتیب تفاوت های اندک (کمتر ازq)که احتمال دارد ناشی از تصادف باشد را حذف می کند ، از طرف دیگر در مورد تفاوت های بزرگ ، تفاوت بیشتر از مقدار p را برابر p در نظر می گیرد.(d>p=p) ، به عبارت دیگر تفاوت بیشتر از مقدار آستانه (p) مزیت و نمره اضافی تر برای یک گزینه در یک معیار محسوب نمی شود. با توجه به این که پرومتی با هر معیار در ابتدای محاسبات ، برخورد مجزا و بدون ارتباط با دیگر معیار ها دارد ، بنا بر این کسب نمره تفاوت خیلی زیاد در یک معیار ، تاثیری در نمره گزینه در معیار های دیگر ندارد و لذا یک گزینه ایده آل باید حداقل ها را از تمام معیار ها کسب کند. ماتریس ارزیابی نقطه شروع اکثر تکنیک های ارزیابی چند معیاره می باشد که در آن m گزینه(سطر) بر اساس n معیار(ستون) ارزیابی می شوند(Hunjak,1997). فرض کنید دو گزینه a و b که عضوی از مجموع گزینه های مورد مقایسه ، مورد ارزیابی نسبی قرار می گیرد . برای هر a و b متعلق به داریم:
P،I وR به ترتیب نماینگر “ترجیح”،”بی تفاوت” و”غیر قابل مقایسه بودن” گزینه ها می باشد. اگر گزینه a براساس معیار s و گزینه b براساس معیار r برتر باشد ، بدون اطلاعات اضافی، قضاوت درباره برتری هر یک از آنها غیر ممکن است. بنابراین دو گزینه غیر قابل مقایسه هستند. در روش پرومتی ، این اطلاعات اضافی که شامل اطلاعات بین معیارها (درباره اهمیت نسبی در مقایسه با یکدیگریا وزن معیارها) و اطلاعات درون هر معیار(نشان دهنده ترجیح تصمیم گیرنده یا تابع ترجیح)،می باشد توسط تصمیم گیرنده به مدل تزریق می شود(Brans and et al,2005).اساس روش پرومتی مقایسات زوجی است، در این مورد تفاوت عددی بین گزینه ها در هر یک از معیارها مورد توجه قرار می گیرند، بدین صورت که تصمیم گیرنده برای تفاوت های کوچک، ترجیح کوچکی به گزینه بهتر اختصاص می دهد. اگر تفاوت جزئی باشد دو گزینه را از نظر آن معیارمساوی فرض می کند و اگر تفاوت ها بزرگ باشد ،ترجیح و نمره بزرگ تری به گزینه بهتر اختصاص می دهد. دامنه نمره های ترجیح بین صفر تا یک قرار دارد.در واقع بر اساس این نوع اطلاعات ، تصمیم گیرنده یک تابع ترجیحی برای خود انتخاب می کند. این تابع تفاوت بین دو گزینه را به دامنه ترجیح صفر تا یک انتقال می دهد. برانس و همکاران برای تسهیل موضوع ، شش نوع تابع ترجیحی برای تصمیم ارائه کرده اند. (شکل۳-۳)معمولا تابع ۱و۲ برای متغیر های اسمی و توابع دیگر برای متغیرهای با مقیاس اندازه گیری بالاتر بکار می رود. در هر یک از این توابع ،باید پارامتر های ترجیحی(p، qیا s) تعیین شوند.q آستانه بی تفاوتی (بزرگ ترین تفاوت قابل اغماض) است.p آستانه ترجیح (کوچکترین تفاوتی که نشان دهنده ترجیح قطعی یک گزینه بر گزینه دیگر) است.s فقط در تابع نوع شش استفاده می شود و معمولا بین p وq مشخص می شود.
 
شکل ۳-۳ توابع ترجیحی شش گانه برانس و همکاران
برای تعیین ترجیح گزینه a و b ،(a ,b) بر اساس تمام معیارها وبا اعمال وزن شاخص ها ( ) از رابطه زیر استفاده می شود:
ترجیح گزینه a بر گزینه b براساس مجموع معیار ها می باشد و ترجیح گزینه b بر گزینه a بر اساس مجموع معیار ها می باشد. بنابراین ترجیح خالص گزینه a در برابر گزینه b عبارت است از :
اما برای ماتریسی که گزینه های آن بیش از دو تا باشد مقایسه ای که برای دو گزینه ی a و b بیان شد ، برای تمام گزینه های متعلق به مجموعه A انجام می گیرد. بدین ترتیب هر گزینه مانند a با n-1 گزینه دیگر مقایسه می شود. بنابراین برای گزینه a جریان مثبت و جریان منفی[۵۱] خواهیم داشت که عبارتند از :
۱-جریان مثبت:
۲-جریان منفی:
نمره غالب بودن گزینه a بر سایر گزینه ها :میزان مغلوب بودن گزینه a در برابر سایر گزینه ها می باشد . بدین ترتیب نقطه خالص و نهایی برای گزینه a عبارت است از:
اگر آنگاه a بر b مرجح است(aPb)، و اگر آنگاه a بر b مرجح نیست((aIb(دایاس،۱۹۹۸).
فصل چهارم
تجزیه و تحلیل داده ها
۴-۱-مقدمه
یکی از مهمترین بخشها در هر پژوهش علمی ،تجزیه و تحلیل اطلاعات جمع آوری شده از جامعه مورد بررسی می باشد. این بخش از تحقیق اصلی ترین فعالیت پژوهشگر حساب می شود.تبیین داده های خام بدون تحلیل آن ها امری دشوار یا نا ممکن است . نخست باید داده هارا تجزیه و تحلیل کرد و سپس نتایج را مورد تفسیر قرار داد.کار تحلیل این است که مجموعه های وسیع پیچیده و حتی غیر قابل درک داده هارا به واحد ها،الگوها و شاخص های قابل فهم در مسایل پژوهشی تحلیل نماید . بنابر این مقصود اصلی از تحلیل عبارت از تنظیم و خلاصه کردن داده ها به صورت اطلاعاتی روشن ،خوانا،مستدل و تفسیر پذیر به گونه ای که بتوان روابط موجود در مسائل پژوهشی را کشف و بررسی کرد.
۴-۲-تجزیه وتحلیل نتایج
۴-۲-۱-شناسایی و تعیین عوامل موثربر اثربخشی سازمانی
از بررسی مطالعات گذشته و مرور ادبیات می توان عوامل متعددی را که بر روی اثربخشی سازمان تاثیر گذار هستند شناسایی و معرفی نمود. تعدد بالای عوامل، موجب می شود تا از بین تعداد زیاد عوامل، تعداد معینی که ارجحیت بیشتری از نظر انجام مطالعه دارند را در نظر بگیریم. به منظور انتخاب مهمترین عوامل اثر گذار بر اثربخشی از بین ۲۰ عامل معرفی شده، از ابزار تحلیل سلسله مراتبی بهره می گیریم. به این صورت که پرسشنامه مناسب جهت اخذ نظر خبرگان(۲۰ نفر از اساتید دانشگاه شهید صدوقی) تهیه و بین خبرگان توزیع گردید.
شکل ۴-۱ مدل سازی سلسله مراتبی تصمیم
هدف
شاخص
عوامل
در جدول ۴-۱ ماتریس میانگین هندسی نظرات خبرگان ارائه شده است.

برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.