بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
استفاده از مدل تصمیم گیری چند شاخصه ای TOPSIS در انتخاب روبات های صنعتی
چکیده
انتخاب روبات صنعتی برای یک برنامه مهندسی خاص ، یکی از چالش برانگیزترین مسائل در محیط تولید واقعی می باشد. این مساله در سال های اخیر با توجه به افزایش پیچیدگی، ویژگی های در دسترس و امکانات ارائه شده توسط محصولات مختلف روباتیکی، بیشتر احساس می شود. تصمیم گیرنده، نیاز به این دارد که مناسب ترین روبات های صنعتی به منظور دستیابی به خروجی مورد نظر، با کمترین هزینه و توانایی کاربرد خاص را انتخاب نماید.
بررسی های انجام شده نشان می دهد که تاکنون تحقیقات قابل توجهی درباره استفاده از تکنیک های تصمیم گیری چند شاخصه ای در زمینه انتخاب مناسب ترین روبات برای کاربرد صنعتی انجام نگرفته است. اما به طور مجزا تحقیقاتی در زمینه شناسایی معیارها و انتخاب روبات انجام شده است. تحقیق حاضر با استفاده از تکنیک تصمیم گیری چند شاخصه ای TOPSIS1 سعی در ارائه راهبردی بهینه برای شرکت های صنعتی در انتخاب روبات های مناسب برای کاربردهای خاص دار د.
کلید واژه ها: مدل های تصمیم گیری ، معیار تصمیم گیری چند شاخصه ای، روبات صنعتی2، .TOPSIS
مقدمه:
روبات ها امروزه برای مقاصد و مصارف مختلفی به کار گرفته میشوند. استفادههای اصلی از روبات ها را در دو دستهی اصلی میتوان جای داد. کارهایی که روبات ها آنها را بهتر از انسان ها انجام میدهند. در چنین مواردی، روبات ها باعث افزایش بهرهوری، صحت و دقت انجام کار و پایداری نتیجه میشوند. دستهی دوم، کارهایی هستند که انسان ها بهتر از روبات ها انجام میدهند اما نیاز است که برای دلایل و اهداف خاصی، انسان از فرآیند انجام کار حذف شود تا مکانیزاسیون به شکلی واقعی عملی گردد. در چنین مواردی، روبات ها میتوانند ما را از انجام کارهای سخت، خطرناک و طاقتفرسا بینیاز سازند. مشاغلی که نیاز به سرعت، دقت، اطمینان و ثبات دارند میتوانند به راحتی توسط یک روبات انجام شوند به صورتی که نتیجه کار او با کیفیتتر از انسان باشد. برای مثال بسیاری از کارهایی که به صورت سنتی در کارخانه ها با دست انجام میشدند، حالا دیگر روباتیک شدهاند. این امر باعث میشود تا بتوان قیمت نهایی محصولات را کاهش داد که از مهم ترین آنها میتوان خودروها و قطعات الکترونیک را نام برد. اما در مورد کارهایی که قابلیت دستی انسان ها برای انجام آنها، بهتر و کارآمدتر است، برای دلایل خاصی، استفاده از ماشین ها و روبات ها ترجیح داده میشود. این کارها میتوانند برای انسان ها زیانآور، سخت، خسته کننده، دشوار و حتی خطرناک باشند. از جملهی آنها میتوان به جوشکاری در محیط های خطرناک و نگهداری و نظافت حیوانات خانگی اشاره کرد. این کار در حال حاضر به روبات ها سپرده شده است. جستوجو و کاوش در درون آتش فشان ها نیز از این جمله است.
اگرچه تاکنون کارهای تحقیقاتی خوبی در زمینه حل مساله انتخاب روبات صنعتی با استفاده از روش های مختلف ریاضی صورت گرفته، ولی به حل این مساله با استفاده از روش تصمیم گیری چند معیاره، توجه چندانی نشده است . این پژوهش عمدتا بر عملکرد نسبی روش شناخته شده تصمیم گیری چند شاخصه ای ,TOPSISبا توجه به رتبه بندی های بدست آمده از روبات جایگزین برای عملیات گذاشتن _ برداشتن3 قطعات تمرکز دارد.[1]
پیشینه تحقیق:
بررسی های انجام شده نشان می دهد تاکنون تحقیقاتی در زمینه شناسایی معیارها و انتخاب روبات انجام شده است که در ادامه به برخی از آنها اشاره می شود.
ونگ و همکاران((Wang et al,2000، برای انتخاب ماشین در تولید انعطاف پذیر از روش منطق فازی در رویکرد MADM استفاده نمودند. [2] چو و لین((Cho, Lin,2003، برای مساله انتخاب روبات از متد Fuzzy Topsis استفاده نمودند.[3] بنگل و همکاران((Bhangale et al,2004، مساله انتخاب روبات را با استفاده از تکنیک نزدیکی به راه حل ایده آل و روش های گرافیکی بررسی نموده و به مقایسه و رتبه بندی روبات های کاندید تعیین شده با این دو روش پرداختند.[1] رائو و پادمانابان ( Rao, (Padmanabhan,2006، با بکارگیری روش گراف جهتدار و ماتریس، اقدام به ارزیابی و رتبه بندی روبات جایگزین برای یک فرآیند صنعتی ، با استفاده از ضرایب تشابه و تفاوت نمودند.[4] قهرمان و همکاران((Kahraman et al, 2007، از روش سلسله مراتبی Fuzzy Topsis برای حل مساله روبات چند صفتی استفاده نمودند.[5] کرسک((Karsak,2008، یک مدل تصمیم گیری برای انتخاب روبات بر اساس توسعه مولفه کیفیت (QFD) و روش رگرسیون خطی فازی برای کاربرد یکپارچه سازی خواسته های کاربر با ویژگی های فنی روبات ها معرفی نمود.[6] شای (Shih,2008)، یک روش تجزیه و تحلیل افزایشی برای انتخاب روبات های صنعتی پیشنهاد نمود.[7] چاترجی و همکاران((Chatterjee et al,2010،از روش های Vikor و Electre برای انتخاب روبات در انجام فرآیند های خاص استفاده نمودند.[8]
تصمیم گیری چند معیاره
همه ما در زندگی فردی و سازمانی خود، آگاهانه و ناآگاهانه، تصمیمات مختلفی اتخاذ می کنیم. یکی از دلایل موفقیت افراد و سازمان ها، اتخاذ تصمیمات مناسب و منطقی است. بدیهی است استفاده از روش های علمی انسان را در این زمینه یاری می کند.
به طور معمول، در هر مساله تصمیم یک یا چند معیار تصمیم گیری نظیر سود، هزینه، مطلوبیت و عدم مطلوبیت مدنظر است. اگر مساله مورد تصمیم گیری تنها در صدد بهینه سازی یک هدف یا معیار باشد آن را تک معیاره گویند ولی اگر بیش از یک معیار، مورد نظر تصمیم گیرنده باشد آن را یک مساله تصمیم گیری چند معیاره MCDM4 گویند . روش تصمیم گیری چند معیاره شامل یک سری از تکنیک ها است که اجازه می دهد، طیفی از معیارهای وابسته به یک موضوع امتیازدهی و وزن دهی شده و سپس بوسیله کارشناسان و گروه های ذینفع رتبه بندی شوند.
" تصمیم گیری چند معیاره" به دو گروه " چند منظوره" و " چند شاخصه" تقسیم می شود. در این پژوهش از روش های تصمیم گیری چند شاخصه ای برای اتخاذ تصمیم استفاده شده است.
مدل تصمیم گیری چند شاخصه ای (MADM)
MADM در سال 1957 توسط چرچمن5 ، اکاف6 و آرنوف7 مطرح شد. هدف تصمیم گیری چند شاخصه ارائه کمک و راهنمایی به تصمیم گیرندگان در دسترسی به مطلوب ترین جواب برای حل مسائل است. مدل های MADM شناخته شده ترین شاخه تصمیم گیری ها است . اگر در یک مساله تصمیم بیش از یک معیار تصمیم گیری ملاک عمل باشد و معیارها به صورت گسسته تعریف شده باشند (کمی یا کیفی)، مدل تصمیم از نوع چند شاخصه ای است. این مدلها دارای تنوع تکنیکی بسیار گسترده ای هستند.
مدل چند شاخصه (MADM) به صورت ماتریس تصمیم گیری زیر فرموله می گردد:
به طوری که نشان دهنده گزینه i ام، نشان دهنده شاخص j ام و نشان دهنده ارزش شاخص j ام برای گزینه i ام است.
اگرچه متدهای MADM دارای تنوع تکنیکی گسترده ای هستند، با این حال این تکنیک ها دارای جنبه های مشترک خاص هستند مانند وجود گزینه ها، شاخص های چند گانه، تعارض در بین شاخص ها، واحدهای اندازه گیری نا همگون، وزن معیارهای تصمیم و ماتریس تصمیم. که در زیر به معرفی آنها می پردازیم:
گزینه ها : در این مسائل تعداد مشخصی گزینه مورد بررسی قرار می گیرند و در مورد آنها انتخاب و یا رتبه بندی صورت می پذیرد. تعداد گزینه های مورد نظر می تواند محدود و یا خیلی زیاد باشند.
شاخص های چندگانه: هر مساله تصمیم گیری چند شاخصه، چندین شاخص دارد که تصمیم گیرنده باید در مساله آن ها را کاملا مشخص کند. تعداد شاخص ها بستگی به ماهیت مساله تصمیم دارد.
واحدهای بی مقیاس: هر شاخص نسبت به شاخص دیگر دارای مقیاس اندازه گیری متفاوتی است. لذا جهت معنادار شدن محاسبات و نتایج از طریق روش های علمی اقدام به بی مقیاس کردن داده ها می شود، به گونه ای که اهمیت نسبی داده ها حفظ گردد. مهم ترین روش های ریاضی بی مقیاس سازی داده ها در فنون تصمیم گیری چند شاخصه ای استفاده از نرم های خطی،ساعتی و اقلیدسی است.
وزن شاخص ها: وزن هر یک از شاخص ها باید به منظور انعکاس میزان اهمیت آن در راستای کل مسئله تصمیم گیری تعیین گردد در واقع این وزن ها اهمیت نسبی هر شاخص را بیان می کنند. اوزان تخصیص یافته به معیارها n) معیار داریم) که اهمیت نسبی هریک از آنها را نشان می دهند به صورت بردار W نمایش داده می شوند، بدین صورت:
) ) W =
تعیین وزن هریک از معیارها
وزن، اهمیت نسبی هر شاخص را بیان می کنند. در اکثر مسائل MADM نیاز به داشتن اهمیت نسبی شاخص ها که نرمال شده اند وجود دارد. وزن های مربوط به شاخص ها می تواند مستقیما توسط تصمیم گیرنده و یا به کمک روش های علمی موجود به معیارها تخصیص داده شود. در این پژوهش برای تعیین وزن از روش آنتروپی شانون استفاده شده است.
معرفی تکنیک اجرایی تحقیق
در ادامه به معرفی روش تصمیم گیری TOPSIS چند شاخصه ای می پردازیم.
روش TOPSIS در سال 1981 توسط هوانگ و یون ارائه گردید که در آن m گزینه با توجه به n معیار رتبه بندی می شود. اساس این روش انتخاب گزینه ای است که کمترین فاصله را از جواب ایده آل مثبت و بیشترین فاصله را از جواب اید ه آل منفی دارد. حل یک مساله به روش TOPSIS شامل 6 مرحله به شرح زیر می باشد:
1- تبدیل ماتریس تصمیم گیری موجود به یک ماتریس بی مقیاس شده با استفاده از فرمول زیر صورت می
گیرد.
رابطه((1
2- ایجاد ماتریس بی مقیاس وزین (V)، با مفروض بودن بردارW به عنوان ورودی به الگوریتم.
یعنی:
رابطه((2
رابطه((3
= ماتریس بی مقیاس وزین
3 مشخص نمودن راه حل ایده آل مثبت و راه حل ایده آل منفی:
رابطه :(4) گزینه ایده آل مثبت:
رابطه :(5) گزینه ایده آل منفی:
