مدل اولويت‌بندي طرح‌هاي سرمايه‌گذاري با استفاده از تصميم‌گيري سلسله‌مراتبي در شرايط عدم قطعيت؛ مطالعه موردي: مكان‌يابي احداث كارخانه

A Prioritization Model for Investing Plans by Hierarchical Decision Making under Uncertainty (Interval Comparison Matrices); a Case Study

يكي از راه‌هاي اولويت‌بندي طرح‌هاي سرمايه‌گذاري، استفاده از روش‌هاي تصميم‌گيري است. مدل‌هاي تصميم‌گيري اغلب در شرايط قطعي توسعه يافته‌اند؛ در حالي كه در دنياي واقعي اغلب با شرايط عدم قطعيت مواجه هستيم. در تصميم‌گيري سلسله مراتبي، يكي از گام‌هاي اصلي تعيين وزن معيارها و پس از آن، محاسبه وزن گزينه‌ها با توجه به معيارهاي تعيين شده است. يكي از ساده‌ترين و متداول‌ترين راه‌هاي تعيين وزن معيارها و گزينه‌ها، استفاده از ماتريس مقايسه‌هاي زوجي است. رويكرد اصلي در اين مقاله، استفاده از ماتريس مقايسه‌هاي زوجي بازه‌اي است كه نسبت به روش‌هاي كلاسيك واقعي‌تر است. در اين مقاله دو مدل تصميم‌گيري با عنوان‌هاي برنامه‌ريزي آرماني لكسيكوگرافي (LGP) و برنامه‌ريزي آرماني لگاريتمي دو مرحله‌اي (TLGP) براي وزن‌دهي و اولويت‌بندي گزينه‌ها ارايه شده است. اين دو مدل از نوع روش‌هاي تصميم‌گيري سلسله‌مراتبي در شرايط عدم قطعيت است. سپس هر يك از اين روش‌ها با استفاده از يك مثال واقعي (اولويت‌بندي طرح‌هاي سرمايه‌گذاري در احداث كارخانه) حل شده و نتايح آن با روش فرآيند تحليلي سلسله مراتبي در شرايط قطعي مقايسه شده‌ است.

According to the limit of resources in the subject of prioritization, one of the alternative methods is MCDM method. Generally, MCDM models have been developed under certainty while we confront with under uncertainty in real world. In hierarchical MCDM methods, one of the main steps is to weigh criteria and computes each alternative weight using defined criteria in the next steps. One of the easiest and most common weighting criteria methods is to apply the comparison matrices. The main approach in this paper is use of interval comparison matrices which is more realistic than classic methods. In this paper, two MCDM models are provided respectively lexicographic goal programming (LGP) and two-stage logarithmic goal programming methods (TLGP) and used to prioritize investment plans. Such models are hierarchical methods developed in under uncertainty. At the end of this paper, a numerical example solved for each method and the results are compared with analytical hierarchy process (AHP) under certainty