۱

 

 

 

۳

 

 

 

یک عنصر نسبت به عنصر دیگر، زیاد ترجیح داده شود

 

 

 

۵

 

 

 

یک عنصر نسبت به عنصر دیگر، بسیار زیاد ترجیح داده شود

 

 

 

۷

 

 

 

یک عنصر نسبت به عنصر دیگر، ترجیح فوق العاده زیادی دارد

 

 

 

۹

 

 

 

ارزش­های بینابین در قضاوت­ها

 

 

 

۲،۴،۶،۸

 

 

 

هنگامی که عنصر i با j مقایسه می­ شود، یکی از اعداد بالا به آن اختصاص می­یابد. در مقایسه عنصر j با i، مقدار معکوس آن عدد اختصاص می­یابد.

 

 

 

۳-۶-۱-۲-۱- استفاده از فرایند تحلیل سلسله مراتبی برای تصمیم ­گیری گروهی

در استفاده از AHP به منظور تصمیم ­گیری در مسائل شرکت، استفاده از قضاوت­های 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 سازمان­ها، همکاری و تشریک مساعی گروهی باشد. سازمان­های جدید چنان وسیع وگسترده­اند که مدیریت آن از عهده یک فرد خارج است و مدیران مجبورند در تصمیم ­گیری­ و اداره امور سازمان، از کمک­های دیگران بهره جویند. تصمیمات مدیریتی به دلیل پیچیدگی، نیازمند مشارکت و استفاده از افراد متعدد و تخصص­های گوناگون و موقعیت­های شغلی مختلف است برای این منظور می‌توان از فرایند تحلیل سلسله مراتبی برای تصمیم ­گیری گروهی استفاده کرد.
شاید ساده­ترین راه برای ترکیب نظرات مدیران، برگزاری جلسه مشترک به منظور به توافق رساندن نظرات در ارائه یک ماتریس مقایسه زوجی مورد تایید همه باشد، اما این روش عملاً منجر به بی­خاصیت شدن مقایسات انجام شده و یا تحت تاثیر قرار گرفتن نظرات افراد نسبت به نظرات یک فرد بانفوذ می­گردد. تدبیر حل این مشکل استفاده از میانگین هندسی است. زیرا میانگین هندسی ضمن در نظر گرفتن قضاوت هر فرد، از آنجا که مقایسات زوجی به صورت نسبت صورت می­گیرد، از نظر ریاضی بهترین میانگین را ارائه می­نماید. (مهرگان، ۱۳۹۲).
۳-۶-۱-۳- تاپسیس فازی
قبل از اینکه روش تاپسیس فازی بررسی شود، باید توضیحی در مورد اعداد فازی مورد استفاده، ارائه گردد. در این پژوهش از عبارت‌های کلامی به جای اعداد قطعی برای تعیین وزن شاخص‌ها و همچنین رتبه ­بندی گزینه‌ها استفاده شده است. جدول ۳-۲ عبارت‌های کلامی را جهت توصیف اهمیت معیارها نسبت به یکدیگر ارائه می‌کند.
جدول ۳-۲: متغیرهای زبانی (ارتوگرول و کاراکاسوگلو^[۳۱]، ۲۰۰۸)

 

 

متغیرهای زبانی

 

اعدادفازی مثلثی

 

 

 

خیلی کم