DOI: https://doi.org/10.1007/s41066-024-00462-w
PMID: https://pubmed.ncbi.nlm.nih.gov/38585422
تاريخ النشر: 2024-03-30
المؤلف: Gholamreza Haseli وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تقدم ورقة البحث امتدادًا لطريقة الأفضل والأسوأ (BWM) باستخدام المجموعات الضبابية الكروية (SFS) لتعزيز اتخاذ القرارات متعددة المعايير (MCDM) تحت عدم اليقين. تُعرف BWM بكفاءتها في تحديد أوزان المعايير مع عدد أقل من المقارنات الزوجية مقارنةً بالطرق التقليدية مثل عملية التحليل الهرمي (AHP). تتضمن SFS المقترحة ثلاثة أبعاد – التردد، عدم العضوية، والعضوية – مما يسمح لصانعي القرار بالتعبير عن أحكامهم بدقة أكبر. تم تطوير نموذج تحسين يعتمد على قيود غير خطية لاشتقاق معاملات الوزن الضبابي الكروي المثلى (SF-BWM)، مما يظهر نسبة اتساق محسنة بشكل كبير، أفضل بثلاث مرات من كل من BWM وBWM الضبابية، وبالتالي يوفر نتائج أكثر موثوقية.
تؤكد الدراسة على صحة SF-BWM من خلال مشكلتين عدديتين في اتخاذ القرار، بما في ذلك اختيار الموردين وأنظمة إدارة النفايات، مؤكدة أن أوزان المعايير التي تم الحصول عليها تتماشى مع الدراسات السابقة بينما تظهر اتساقًا محسّنًا. على الرغم من مزاياها، قد تواجه SF-BWM تحديات في التطبيقات واسعة النطاق بسبب تعقيد المقارنات الزوجية وإمكانية التحيز الذاتي في أحكام الخبراء. تشمل اتجاهات البحث المستقبلية تطبيق SF-BWM في مجالات متنوعة مثل تخطيط الطاقة وإدارة الرعاية الصحية، ودمجها مع طرق MCDM الأخرى لإنشاء إطار شامل لاتخاذ القرار يوازن بين المنظورات الذاتية والموضوعية.
مقدمة
ت outlines مقدمة ورقة البحث هذه تعقيدات عملية اتخاذ القرار، لا سيما في سيناريوهات اتخاذ القرار متعددة المعايير (MCDM) حيث يجب تقييم معايير متعددة. تسهل طرق MCDM، مثل عملية التحليل الهرمي (AHP) وطريقة الأفضل والأسوأ (BWM)، اتخاذ القرار العقلاني من خلال السماح لصانعي القرار بتحديد أوزان المعايير وترتيب البدائل. تُبرز BWM، التي طورها رضايي في عام 2015، كفاءتها في الحاجة إلى عدد أقل من المقارنات الزوجية مقارنةً بالطرق التقليدية، مما يعزز الموثوقية والدقة في اتخاذ القرار.
ومع ذلك، تواجه BWM التقليدية صعوبات مع عدم اليقين والغموض المتأصل في اتخاذ القرار في العالم الحقيقي، ويرجع ذلك أساسًا إلى الطبيعة الذاتية للمقارنات الزوجية. لمعالجة هذه التحديات، تقدم الورقة مجموعات ضبابية كروية (SFS) كأداة متقدمة لإدارة عدم دقة البيانات وعدم اليقين. يسمح الامتداد المقترح لـ BWM باستخدام SFS لصانعي القرار بالتعبير عن ترددهم في الأحكام بشكل أكثر فعالية، مما يحسن دقة المقارنات الزوجية. تهدف الدراسة إلى إظهار قابلية التطبيق وكفاءة BWM الضبابية الكروية (SF-BWM) من خلال أمثلة عددية، مؤكدة أن هذه الطريقة تعزز عملية اتخاذ القرار من خلال تقديم نتائج أكثر موثوقية لأوزان المعايير مع تحسين نسب الاتساق. تم هيكلة الورقة لتشمل مراجعة أدبية، إطارًا نظريًا، تقييم الأداء، وتحليلًا مقارنًا لطرق BWM التقليدية، BWM الضبابية، وSF-BWM.
نقاش
في السنوات الأخيرة، تطور تطوير المجموعات الضبابية بشكل كبير، لا سيما مع تقديم المجموعات الضبابية من النوع 2 بواسطة زاده (1975) لمعالجة قيود المجموعات الضبابية من النوع 1. ظهرت امتدادات متنوعة، مثل المجموعات الضبابية من النوع 2 الفترية، والمجموعات الضبابية الحدسية، والمجموعات الضبابية الكروية (SFS)، لتعزيز التعامل مع عدم اليقين في عمليات اتخاذ القرار. من الجدير بالذكر أن SFS، التي قدمها كوتلو غوندوجدو وكهرمان (2019ب)، تتضمن ثلاث درجات من العضوية، عدم العضوية، والتردد، مما يسمح بتمثيل أكثر دقة لتفضيلات صانعي القرار. وقد أدى ذلك إلى تطبيق SFS في العديد من طرق اتخاذ القرار متعددة المعايير (MCDM)، بما في ذلك طريقة الأفضل والأسوأ (BWM)، التي اكتسبت شعبية لكفاءتها في اشتقاق أوزان المعايير من خلال عدد أقل من المقارنات الزوجية.
على الرغم من التقدم في طرق MCDM التي تستخدم SFS، إلا أن هناك فجوة بحثية كبيرة في تطبيق SFS ضمن إطار BWM. بينما تم دمج مجموعات ضبابية متنوعة في BWM، لا يزال الدمج المحدد لـ SFS غير مستكشف بشكل كافٍ. من المتوقع أن يعزز هذا الدمج دقة وقابلية تطبيق BWM، مما يوفر أداة قوية لتحليل أوزان المعايير عبر مجالات علمية متنوعة. إن الإمكانية التي توفرها SFS لمعالجة قيود المجموعات الضبابية التقليدية تبرز أهمية تطوير BWM المعتمد على SFS، والذي يمكن أن يساهم بشكل كبير في تطوير منهجيات اتخاذ القرار وتحسين النتائج في مشكلات اتخاذ القرار المعقدة. تهدف المنهجية المقترحة إلى الاستفادة من الخصائص الفريدة لـ SFS لتحسين BWM، مما يسهم في تنوعه وفعاليته في التطبيقات الواقعية.
DOI: https://doi.org/10.1007/s41066-024-00462-w
PMID: https://pubmed.ncbi.nlm.nih.gov/38585422
Publication Date: 2024-03-30
Author(s): Gholamreza Haseli et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The research paper introduces an extension of the Best-Worst Method (BWM) utilizing Spherical Fuzzy Sets (SFS) to enhance multi-criteria decision-making (MCDM) under uncertainty. The BWM is recognized for its efficiency in determining criteria weights with fewer pairwise comparisons compared to traditional methods like the Analytic Hierarchy Process (AHP). The proposed SFS incorporates three dimensions—hesitancy, non-membership, and membership—allowing decision-makers to express their judgments with greater accuracy. An optimization model based on nonlinear constraints is developed to derive optimal spherical fuzzy weight coefficients (SF-BWM), which demonstrates a significantly improved consistency ratio, threefold better than both BWM and fuzzy BWM, thereby yielding more reliable results.
The study validates the SF-BWM through two numerical decision-making problems, including supplier selection and waste management systems, confirming that the criteria weights obtained align with previous studies while exhibiting enhanced consistency. Despite its advantages, the SF-BWM may face challenges in large-scale applications due to the complexity of pairwise comparisons and the potential for subjective bias in expert judgments. Future research directions include applying SF-BWM in diverse fields such as energy planning and healthcare management, and integrating it with other MCDM methods to create a comprehensive decision-making framework that balances subjective and objective perspectives.
Introduction
The introduction of this research paper outlines the complexities of the decision-making process, particularly in multi-criteria decision-making (MCDM) scenarios where multiple criteria must be evaluated. MCDM methods, such as the Analytical Hierarchy Process (AHP) and the Best-Worst Method (BWM), facilitate rational decision-making by allowing decision-makers to determine the weights of criteria and rank alternatives. The BWM, developed by Rezaei in 2015, is highlighted for its efficiency in requiring fewer pairwise comparisons compared to traditional methods, thus enhancing reliability and precision in decision-making.
However, the conventional BWM struggles with uncertainties and ambiguities inherent in real-world decision-making, primarily due to the subjective nature of pairwise comparisons. To address these challenges, the paper introduces spherical fuzzy sets (SFS) as an advanced tool to manage data inaccuracies and uncertainties. The proposed extension of BWM using SFS allows decision-makers to express their hesitancy in judgments more effectively, thereby improving the accuracy of pairwise comparisons. The research aims to demonstrate the applicability and efficiency of the spherical fuzzy BWM (SF-BWM) through numerical examples, asserting that this method enhances the decision-making process by yielding more reliable criteria weight results with improved consistency ratios. The paper is structured to include a literature review, theoretical framework, performance evaluation, and a comparative analysis of traditional BWM, fuzzy BWM, and SF-BWM methods.
Discussion
In recent years, the development of fuzzy sets has evolved significantly, particularly with the introduction of type 2 fuzzy sets by Zadeh (1975) to address the limitations of type 1 fuzzy sets. Various extensions, such as interval type-2 fuzzy sets, intuitionistic fuzzy sets, and spherical fuzzy sets (SFS), have emerged to enhance the handling of uncertainty in decision-making processes. Notably, SFS, introduced by Kutlu Gundogdu and Kahraman (2019b), incorporates three degrees of membership, non-membership, and hesitancy, allowing for a more nuanced representation of decision-maker preferences. This has led to the application of SFS in multiple multi-criteria decision-making (MCDM) methods, including the Best-Worst Method (BWM), which has gained popularity for its efficiency in deriving criteria weights through fewer pairwise comparisons.
Despite the advancements in MCDM methods utilizing SFS, a significant research gap exists in the application of SFS within the BWM framework. While various fuzzy sets have been integrated into BWM, the specific incorporation of SFS remains underexplored. This integration is poised to enhance the precision and applicability of BWM, providing a robust tool for analyzing criteria weights across diverse scientific fields. The potential for SFS to address the limitations of traditional fuzzy sets underscores the importance of developing the SFS-based BWM, which could significantly advance decision-making methodologies and improve outcomes in complex decision problems. The proposed methodology aims to leverage the unique characteristics of SFS to refine the BWM, thereby contributing to its versatility and effectiveness in real-world applications.