طراحي مدل تركيبي از تكنيك هاي تصميم گيري چند معياره جهت رتبه بندي شعب بانك

Design a Hybrid Model of Multi-Criteria Decision-Making Techniques for Ranking the Bank Branches

رتبه بندي شعب بانك و فقدان الگوي رتبه بندي جامع كه منجر به بهبود عملكرد بانك و درنهايت رشد اقتصادي كشور گردد؛ حائز اهميت است. هرچند روشهاي MCDM كمك زيادي در امر رتبه بندي كرده است؛ اما انتخاب اينكه كدام روش بعنوان جواب برتر پذيرفته شود همواره يك ابهام است. چراكه هيچ ادعاي اثبات شده اي مبني بر برتري يك روش بر ساير روش ها وجود ندارد. از آنجايي كه تاكنون الگوريتم رتبه بندي تركيبي كه بتواند شعب برتر را شناسايي كند ارايه نشده است؛ اين پژوهش سعي دارد به منظور دستيابي به رتبه نهايي شعب، رويكردي تركيبي را معرفي كند. راه حل بهينه آن تعيين وزن هاي بهينه روش هاي MADM با مدل-خطي است. اين رويكرد خصوصا زمانيكه ما نمي توانيم يك روش رتبهبندي را بر روش هاي ديگر ترجيح دهيم كاربرد زيادي دارد. لازم به ذكر است كه در اين مقاله، شعب يك بانك دولتي رتبهبندي شده است. معيارها با استفاده از روش دلفي در چهار بعد BSC شناسايي شده است. وزن معيارها با روش هاي DEMATEL و ANP مشخص شده است. سپس شعب بانك با استفاده از روش هاي TOPSIS،VIKOR ، PROMETHEE II،SAW ، WPM و DEA رتبه بندي مي شوند كه هركدام از اين روش ها مهم و قابل توجه اند. از آنجاييكه نتايج حاصل از روش هاي مختلف رتبه بندي متفاوت است؛ به منظور رسيدن به رتبه-بندي واحد، به جاي درنظرگرفتن وزن هاي يكسان براي روش هاي مختلف، يك مدل وزندهي بهينه پيشنهاد داده مي شود. الگوريتم تركيبي پيشنهادي، اوزان بهينه روش ها را محاسبه و شعب رتبه بندي مي شوند. اين مراحل تا زمان رسيدن به يك رتبه يكتا و نهايي ادامه خواهد يافت.

Due to the importance of ranking bank branches and the lack of a comprehensive ranking model, which can lead to improved performance of the bank and the country economic growth, offering a hybrid multiple criteria decision-making (MCDM) model for ranking among bank branches is necessary. However, with the passing of time, MCDM methods have helped a lot in the rankings. But the choice of which methods is accepted as the best solution is always an ambiguity. Since the comprehensive hybrid algorithm that can identify the top branches not provided, yet. This research is trying to achieve the final ranking of the branches. Thus the optimal solution is to introduce a hybrid algorithm that determines the optimal weights of the MADM methods by a linear model. This approach is especially applicable when we cannot prefer any ranking method to others. Thus, in this paper, the criteria weights are obtained using DEMATEL and ANP methods. Afterward, the bank branches are ranked using TOPSIS, VIKOR, PROMETHEE II, SAW, WPM and DEA methods, each of which is important and significant. Finally, using proposed hybrid algorithm the optimal weights of different methods and the ranks are calculated.