Ranking of Production Personnel Using the Fuzzy TOPSIS Method in the Automotive Parts Manufacturing Industry (Case Study of Shayan Parts Manufacturing Company)

Subject Areas :

MOHAMMAD KASHANI ^{1 *} , مهناز احدزاده نمین ²

1 -
2 - Department of Basic sciences, Quds City Branch, Islamic Azad University, Tehran, Iran

Received: 2025-05-31 Accepted : 2025-08-29 Published : 2025-09-18

Keywords: Ranking, Topsis, Skill, Performance, Efficiency,

Abstract :

The process of identifying and ranking personnel working in the organization is important for continuous improvement of the quality and quantity of production. Determining the correct criteria for selecting individuals, growth and advancement of organization members, training specialized and capable multi-skilled forces, creativity, and creating a competitive environment also play an important role in the organization. Therefore, it is better to consider a scientific method that, in addition to identifying efficient individuals, leads to increased employee efficiency and also creates a competitive advantage among them. The method of closest approach to the ideal answer was used to measure performance, the results of which can be used to identify good employees, create an identity within the organization, keep the values ​​and goals of the group alive, create opportunities for promotion and effort, create a sense of competition among individuals, and also the level of employee satisfaction. Identifying the strengths and weaknesses of personnel and evaluating criteria. An organization that clearly and clearly specifies reward criteria for determining the points and ranking of its personnel with the support of scientific management and specialized methods as well as emphasizing collective interests also brings the highest level of job satisfaction. By observing these steps and using the TOPSIS method, we were able to identify the best personnel and develop motivation and competition. Also, with regular evaluation and continuous follow-up, you can make necessary improvements and align personnel towards the organization's goals and strategies

References:

1) پهلوانیان حسین ، (1385)، تجربه ای موفق از کاربرد مدیریت راهبردی، یزد، انتشارات نیکو روش.
2) غفاریان وفا و کیانی غلامرضا ، (1380)، استراتژی اثر بخش، تهران، نشر فردا.
3) عالم تبريز اکبر ، باقرزاده محمد (1388)، تلفيقANP فازي و TOPSISتعديل شـده بـراي گـزينش تـأمين كننـده راهبـردي.پژوهشهاي مديريت،2 (3)149-181.
4) غضنفري مهدی ، رضايی محمود (1389)، مقدمه اي بر نظريه مجموعه هاي فازي. (چاپ دوم) تهـران: انتشـارات دانشـگاه علـم و صنعت ايران.
5) کاشانی محمد، امینی خوزانی محسن، هاشمی سید فرزاد (1403)، بررسی میزان تاثیر تغییر استراتژی تولید بر عملکرد مالی و توانایی رقابت اقتصادی در صنعت قطعه سازی خودرو (مطالعه موردی شرکت قطعه سازان شایان)، مقطع کارشناسی ارشد، دانشگاه آزاد اسلامی واحد شهر قدس.
6)
Moradi Leila, Rajaee Taher, Sadeghpoor Maedeh, (2020) Environmental risk assessment of Alborz Dam using TOPSIS and Fuzzy TOPSIS methods. Amirkabir Journal Of Civil Engineering,12(52) 3108-3091 7)
Yang T. and Hung C. (2007). Multipleattribute decision making methods for plant layout design problem. Robotics and Computer-Integrated Manufacturing, 23(1), 126–137 8)
Jafar Muhammad, Faizullah Faizullah, Naveed Amir, (2020) Prediction of Pakistan Super League-2020 Using TOPSIS and Fuzzy TOPSIS Methods. Journal Of Fuzzy Extension And Applications,2(1) 104-114 9)
Ataei Mohammad, (2016) Mining Method Selection By TOPSIS Approach. Symposium Of Earth Sciences. 10)
Vaidya, Kumar, (2006). Analytic Hierarchy Process: An Overview of Applications. European Journal of Operational Research, 169(1), 1-29 11)
Opricovic, Tzeng, (2004). Compromise solution by MCDM methods:A comparative analysis of Vikor and TOPSIS. European Journal of Operational Research, 156(2), 445-455. 12)
M. Hassanpour, (2019), Evaluation of Iranian Automotive Industries, International Journal of Research in Industrial Engineering 2019, 2(8) 115-139 13)
Zavadskas, E. K., Kaklauskas, A., & Kvederytė, N. (2001). Multivariant design and multiple criteria analysis of a building life cycle. Informatica, 12(1), 169-188. 14)
Kahraman, C; Cebi S; (2014). A comparative analysis for multi attribute selection among renewable energy alternatives using fuzzy axiomatic design and fuzz analytic hierarchy process. Energy,34(10) 1603-1617.

Full-Text:



 

 

رتبه‌بندی پرسنل تولید با استفاده از روش TOPSIS فازی در صنعت قطعه سازی خودرو (مطالعه موردی شرکت قطعه سازان شایان)

 

محمد کاشانی*1، مهناز احدزاده نمین2

 

اطلاعات مقاله	چکیده
نوع مقاله: مقاله پژوهشي       تاریخ دریافت: 10/03/1404 تاریخ پذیرش: 07/06/1404	فرآیند شناسایی و رتبه‌بندی پرسنل شاغل در سازمان جهت بهبود مستمر کیفیت و کمیت تولید دارای اهمیت می‌باشد، تعیین معیارهای صحیح جهت انتخاب افراد، رشد و پیشرفت اعضای سازمان، تربیت نیروهای متخصص و توانمند چند مهارتی، خلاقیت و ایجاد فضای رقابتی نیز نقشی مهم در سازمان ایفاد می‌کند. لذا، بهتر است روش علمی در نظر گرفته شود که ضمن تشخیص افراد کارآمد، منجر به افزایش بازدهی کارکنان و هم‌چنین، ایجاد مزیت رقابتی بین آنها شود که از روش بیش‌ترین نزدیکی بـه جواب ایده آل جهت اندازه گیری عملکرد استفاده شد که از نتایج آن می‌توان به جهت تشخیص کارکنان خوب، ایجاد هویت درون سازمانی، زنده نگه داشتن ارزش‌ها و اهداف مجموعه، ایجاد فرصت ارتقا و تلاش، ایجاد حس رقابت افراد و هم‌چنین، سطح رضایت کارمندان شناخت نقاط قوت و ضعف پرسنلی و ارزش یابی معیارها اشاره کرد. سازمانی که به صورت شفاف و واضح جهت تعیین امتیاز و رتبه‌بندی پرسنل خود با پشتوانه مدیریت علمی و روش‌های تخصصی و هم‌چنین، تاکید بر منافع جمعی، معیار های پاداش را مشخص می‌کند، بیش‌ترین سطح رضایت شغلی را نیز به همراه دارد. با رعایت این مراحل و استفاده از روش TOPSIS، توانستیم بهترین پرسنل ها را شناسایی کرده و ایجاد انگیزه و رقابت را شکوفا سازیم. هم‌چنین، با ارزیابی منظم و پیگیری مداوم، می‌توانید بهبودهای لازم را اعمال کنید و پرسنل را در جهت هدف‌ها و استراتژی‌های سازمان هماهنگ کنید.
کلیدواژه­ها	رتبه‌بندی، TOPSIS، مهارت، عملکرد، بازدهی، قطعه‌سازی

 

ناشر: دانشگاه آزاد اسلامي واحد شهرقدس

* نویسنده مسئول: محمد کاشانی                                                                                ایمیل: [e-mail]

1. کارشناس ارشد، گروه مدیریت مالی، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران (نویسنده مسئول)

2. استادیار، گروه ریاضی، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران

 

 

مقدمه

روش‌های تصمیم‌گیری چندمعیاره ابزارهای قدرتمندی هستند که در تحلیل و انتخاب بهترین گزینه‌ها در رویارویی با مسائل پیچیده و تعداد زیادی معیار مورد استفاده قرار می‌گیرند. یکی از روش‌های معروف تصمیم‌گیری چندمعیاره TOPSIS¹ است که در سال ۱۹۸۵ توسط هربرتا رازگی² و چارلز کلکسن³ معرفی شد. روش تاپسیس یک روش محاسباتی در تصمیم‌گیری چندمعیاره است که بر اساس تفاوت‌های نسبی بین گزینه‌ها و دسته‌های مطلوب و نامطلوب برای هر معیار، بهترین گزینه را انتخاب می‌کند. این روش می‌تواند در تحلیل و انتخاب بهترین گزینه‌ها در رویارویی با مسائل پیچیده و تعداد زیادی معیار مورد استفاده قرار بگیرد. فلسفه و اصول روش TOPSIS به این شکل است که ابتدا ماتریس داده‌ها با استفاده از معیارها و وزن‌های‌شان ساخته می‌شود. معیارها نشان‌دهنده ویژگی‌های مورد ارزیابی هستند و وزن‌ها نمایانگر اهمیت نسبی معیارها در تصمیم‌گیری هستند. سپس، گزینه‌ها در یک فضای چند بعدی با استفاده از معیارها نمایش داده می‌شوند. در این فضا، نقاطی که به نزدیکی به یک نقطه آیده‌آل و بیش‌ترین فاصله از نقاط نامطلوب هستند، به عنوان بهترین گزینه انتخاب می‌شوند. روش تاپسیس بـه دلیل سادگی محاسباتی، قابلیت اعمال در مسائل پیچیده و قابلیت تعمیم به مسائل واقعی، در محیط‌های گوناگونی مانند پژوهش‌های عملیاتی، مدیریت، مهندسی و اقتصاد مورد استفاده قرار می‌گیرد. پژوهشی با عنوان ارزیابی ریسک‌های زیست محیطی سد البرز برروی رودخانه بابلرود واقع در شهرستان بابل، با استفاده از روش‌های تصمیم‌گیری چند شاخصه و سپس با استفاده از روش‌های تاپسیس و تاپسیس فازی رتبه‌بندی و ریسک‌های زیست محیطی رتبه‌بندی شد (مرادی، رجایی، صادقپور حاجی، 2020). پژوهشی دیگر ارزیابی تعداد زیادی از گزینه‌های طراحی را با روش تاپسیس برای چیدمان مناسب کارخانه از نظر کیفی و کمی مورد مطالعه قرار داده و توانست مسئله طراحی چیدمان را با این روش حل کند (یانگ و هانگ⁴ 2007). در مقاله‌ای دیگر با عنوان پیش‌بینی سوپر لیگ کشور پاکستان از روش تاپسیس و تاپسیس فازی با شش گزینه و یازده معیار بر اساس نتایج حاصل شده قبلی مورد مطالعه قرار گرفت و درنتیجه با توجه به سوابق گرد‌آوری‌شده و دیدگاه ریاضی، نتایج نشان می‌دهد که تیم اسلام‌آباد یونایتد به احتمال زیاد، شانسی بیش‌تر برای پیروزی در این مسابقات را دارد (جعفر، فیض الله، نوید 2020). ما نیز در این مقاله، به بررسی جزئیات و کاربردهای روش تاپسیس می‌پردازیم. در بخش نخست، به طور کلی به فلسفه و اصول این روش می‌پردازیم. سپس، روند اجرای الگوریتم TOPSIS و محاسبه‌ نقاط ایده‌آل مطلوب و نامطلوب را بررسی می‌کنیم. در ادامه، بـه مطالعه موردی‌ها و کاربردهای واقعی روش تاپسیس در حوزه‌های گوناگون می‌پردازیم. اهداف اصلی از ارائه این مقاله استفاده از روش تاپسیس بمنظور سنجش عملکرد پرسنل شرکت تولیدی قطعه سازی شایان با توجه به معیارهای رانـدمان، غیبت، تاخیر، مهارت، مدیریت پذیری و تخصص، به جهت رتبه‌بندی می‌باشد. این معیارها به عنوان مؤلفه‌های کلیدی برای اندازه‌گیری کارآیی و عملکرد پرسنل در نظر گرفته می‌شوند و سپس نتایج بدست آمده را تحلیل خواهیم کرد. این تحلیل می‌تواند به مدیران کمک کند تا تصمیماتی مناسب در مورد ارتقاء و بهبود عملکرد پرسنل‌ها اتخاذ کنند و در نهایت، باعث بهبود کارایی و عملکرد کلی شرکت شود. به بیان دیگر، این پژوهش پاسخی برای پرسش‌های زیر می‌باشد.

Ø       اصلی‌ترین و تاثیرگذارترین معیار در رتبه‌بندی پرسنل کدام معیار است؟

Ø       چگونه کارکنان بخش تولید سازمانی را ارزیابی کنیم؟

Ø       چگونه نقاط قوت و ضعف سازمان را در ارتباط با نیروی انسانی مورد نیاز تولید شناسایی کنیم؟

 

 

روش‌شناسی پژوهش

روش پژوهش مجوعه‌ای از قواعد، ابزار و راههای معتبر (قابل اطمینان) و نظام یافته برای بررسی واقعیت‌ها، کشف مجهولات و دست‌یابی به راه حل مشکلات است (خاکی، 1378). بیش‌تر روش‌های چندمعیاره برای ارزیابی اهمیت نسبی معیارهای گوناگون، نیاز به تعریف وزن‌های کمی برای معیارها دارند (اوپریکوویچ و تزنگ⁵ 2004). جامعه آماری این پژوهش به صورت مطالعه موردی شرکت قطعه‌سازان شایان و حجم نمونه جهت انتخاب معیارها از 5 نفر از افراد خبره و جهت رتبه‌بندی از تعداد 78 نفر پرسنل تولیدی که در دامنه همان شرکت می‌باشد، استفاده می‌شود، این پژوهش از نظر هدف، کـاربردي و از نظـر روش، توصـیفی تحلیلـی بـوده که در پرداختن به ادبیات موضوعی روش کتابخانه‌ای و در مرحله عملی از روش گردآوری اطلاعات میدانی شامل مصاحبه و پرسش‌نامه استاندارد خبره است. در شرکت‌های تولیدی، عملکرد بهینه و کارآیی پرسنل در تولید و عملیات روزانه بسیار دارای اهمیت است. برای ارزیابی عملکرد پرسنل و تصمیم‌گیری درباره ترفیع، پاداش، یا نیاز به آموزش و پیشرفت تخصصی، استفاده از روش تصمیم‌گیری چندمعیاره TOPSIS استفاده شده که به شما امکان می‌دهد پرسنل را بر اساس چندین معیار گوناگون ارزیابی و گزینه‌ها را رتبه‌بندی و انتخاب کنیم. در یک بازار رقابتی، شرکتی‌ ماندگار خواهد بود که نیازهای‌ مشتری را بهتر از رقیب تأمین کند (غفاریان وفا و کیانی غلامرضا، 1380). در این پژوهش، با استفاده از روش TOPSIS، عملکرد پرسنل شرکت تولیدی قطعه سازی شایان را با توجه به معیارهایی از قبیل رانـدمان، غیبت، تاخیر، مهارت، مدیریت پذیری و تخصص، ارزیابی کرده ایم. این معیارها به عنوان مؤلفه‌های کلیدی برای اندازه‌گیری کارآیی و عملکرد پرسنل در نظر گرفته می‌شوند. معیار راندمان نشان‌دهنده توانایی پرسنل در اجرای وظایف و تولید با کیفیت و به موقع است. معیار غیبت میزان نظم و حضور و غیاب پرسنل را نمایش می‌دهد و می‌تواند به عنوان یک شاخص مهم در ارزیابی عملکرد استفاده شود. تاخیر که یکی دیگر از معیارهاست، نشان می‌دهد که پرسنل به چه اندازه مسئولیت و تعهد خود را نسبت به وظایف و زمانبندی‌ها رعایت می‌کنند. مهارت، معیاری است که به توانایی فنی و تخصصی پرسنل در انجام وظایف مرتبط با کارهای تولیدی اشاره دارد. معیار مدیریت پذیری، توانایی پرسنل در همکاری با دیگران، مدیریت زمان و تعامل مؤثر با سایر اعضای تیم را سنجیده و ارزیابی می‌کند. و در نهایت، معیار تخصص به توانایی پرسنل در حوزه‌ی خاصی از تخصص و دانش تخصصی اشاره می‌کند. با استفاده از روش TOPSIS، این مقاله به شما امکان می‌دهد تا با ارزیابی جامع و شیوه‌ محور عملکرد پرسنل بر اساس معیارهای گوناگون، بهترین پرسنل را در شرکت تولیدی قطعه سازی شایان شناسایی کنید. این ارزیابی می‌تواند به مدیران و تصمیم‌گیران در اتخاذ تصمیم‌های استراتژیک مربوط به پرسنل، ارتقاء کیفیت و بهره‌وری کارکنان، و بهبود عملکرد سازمان کمک کند.

 

مراحل اجرای الگوریتم TOPSIS:

1.       تعیین معیارها

2.       تعیین درجه اهمیت (وزن) معیارها

3.       ساخت ماتریس ارزیابی (گزینه – معیار)

4.       وزن دهی معیارها

5.       نرمالسازی ماتریس

6.       محاسبه فاصله ایده‌ آل مثبت و منفی از گزینه‌ها

7.       محاسبه معیار رتبه‌بندی 

8.       رتبه‌بندی

    هدف اصلی این پژوهش، ارزیابی تعداد 78 نفر از کارکنان شرکت قطعه‌سازی شایان با معیارهای مشخص شده و استفاده از روش TOPSIS می‌باشد. به این منظور گـام به گـام مراحل اجرایی الگوریتم را پیاده‌سازی می‌کنیم، اما قبل از آن به ویژگی‌های نفرات مورد مطالعه و تعاریف معیارها می‌پردازیم.

    مورد مطالعه 78 نفر از کارکنان مستقیم تولید با سوابق و تجربه‌های متفاوت در پرسکاری و مونتاژ کاری قطعات فلزی می‌باشد و رده سنی آنها از 22 سال تا 45 سال بوده و جنسیت همه آنها مذکر است.

    راندمان: میزان عملکرد پرسنل تولیدی، مطابق برنامه زمان سنجی استاندارد ارائه شده توسط واحد برنامه‌ریزی برای هر فرآیند می‌باشد که توسط همان واحد ثبت، بررسی و انحراف آن اعلام می‌شود. 

    ضایعات: منظور از ضایعات، تعداد قطعات معیوب تولید شده توسط پرسنل به علت خطای انسانی بوده که توسط واحد کیفیت شناسایی، بررسی و اعلام می‌شود.

    تاخیر: بمنظور ایجاد انظباط و نظم در حضور به موقع پرسنل تولید می‌باشد که توسط واحد اداری ثبت، کنترل و گزارش آن ارائه می‌شود.

    غیبت: تعریف غیبت، یعنی عدم حضور پرسنل تولیدی، بدون هماهنگی قبلی با مسئولین مربوطه است که توسط واحد اداری ثبت، کنترل و گزارش آن ارائه می‌شود.

    مهارت: توانایی انجام دادن امور محوله ای که قبلا آموزش داده شده و توسط مافوق تعیین می‌شود که در صورت عدم توانایی با نظر مدیر تولید مطابق دستورالعمل ذیل، امتیاز دهی می‌شود ( ضعیف، متوسط، نسبتا خوب،خوب و عالی) که به ترتیب نمره 6 و 7 و 8 و 9 و 10 امتیاز در سیستم ارزیابی لحاظ می‌شود .این گزارش بصورت مستقیم از مدیر تولید دریافت و در رتبه‌بندی لحاظ می‌شود.

    مدیریت پذیری: شامل تمکین، متابعت، فرمان برداری، خشوع، حرف شنوی از مسئول مربوطه بوده که با نظر مدیر تولید مطابق راهکار زیر، امتیاز دهی می‌شود. ( ضعیف، متوسط، نسبتا خوب، خوب و عالی) که به ترتیب نمره 6 و 7 و 8 و 9 و 10 امتیاز در سیستم ارزیابی لحاظ می‌شود .این گزارش بصورت مستقیم از مدیر تولید دریافت و در رتبه‌بندی لحاظ می‌شود.

    تخصص: میزان آشنایی و توانایی انجام فعالیت‌های گوناگون آموزش داده شده در حوزه‌های گوناگون امور مربوط به تولید می‌باشد که با نظر مدیرکارخانه، مدیرتولید و مدیر برنامه‌ریزی و براساس راهکار مشخص شده، امتیاز‌دهی می‌شود (ضعیف، متوسط، نسبتا خوب، خوب و عالی) که به ترتیب 6 و 7 و 8 و 9 و 10 امتیاز در سیستم ارزیابی لحاظ می‌شود. این گزارش به صورت مستقیم از مدیر کارخانه دریافت و در رتبه‌بندی لحاظ می‌شود.

 

تئوری فازی، عدد فازی و عملگرهای ریاضی در اعداد فازی 

در سال ۱۹۶۵، پروفسور لطفعلی عسگرزاده برای نخستین بار تئوری مجموعه‌های فازی را به طور رسمی مطرح کرد. این تئوری به عنوان راهنمایی برای حل مسائل نامعین، که به دلیل داده‌های غیردقیق بوجود آمده‌اند، استفاده می‌شود. نظریه مجموعه‌های فازی به تصمیم‌گیرندگان اجازه می‌دهد تا ترجیحات خود را با استفاده از اصطلاحات زبانی (مثلاً "بسیار خوب"، "ضعیف") بیان کنند که سپس برای تجزیه و تحلیل به اعداد فازی تبدیل می‌شوند ( کهرمان و سیبی⁶ 2014). با استفاده از مفاهیم مجموعه‌های فازی، امکان ورود ابهامات و احساسات تصمیم‌گیران به متغیرهای بیانی وجود دارد. متغیرهای بیانی متغیرهایی هستند که مقادیر آن‌ها کلمات یا جملاتی هستند که در زبان طبیعی وجود دارند و اعداد نیستند. با استفاده از تئوری مجموعه‌های فازی، می‌توان متغیرهای بیانی را به صورت کمّی مدل‌سازی کرده و استفاده کرد. (سقايي و خليلو، 1391 و غضنفري و رضايي، 1389). عدد فازي استفاده شده در اين نمونه عدد فازي مثلثي است كه به صورت يك مجموعه سه تايي (l,m,u) تعريف مي‌شود كه l حد پايين عدد فازي؛ m حد وسط عدد فازي و u حد بالاي عدد فازي است) غضنفري و رضايي، 1389).

    اگر دو عدد مثلثي M1 = (l1, m1, u1) و  M2 = (l2, m2, u2)را داشته باشيم، عملگرهاي رياضي آن به صورت روابط 1 و 2 و 3 تعريف مي‌شوند (عالم تبريز و باقرزاده، 1388 و غضنفري و رضايي، 1389).

رابطه 1 )

M1 + M2 = ( l1 + l2 , m1 + m2 , u1 + u2 )

رابطه 2 )

M1 × M2 = ( l1 × l2 , m1 × m2 , u1 × u2 )

رابطه 3 )

  

 

روایی و پایایی

روایی و پایایی⁷ هر دو مفاهیمی آماری هستند و اصلاً در حوزه تصمیم‌گیری چندمعیاره راهی ندارند. مقایسات زوجی⁸ فقط یک ماتریس ریاضی است و معنای پرسش‌نامه آماری ندارد و چون پرسش‌نامه نیست روایی و پایایی برای ماتریس مقایسه زوجی معنایی ندارد. برای سنجش منطقی بودن مقایسات زوجی فقط از نرخ ناسازگاری استفاده می‌شود (حبیبی و آفریدی (۱۴۰۱). برای تهیه پرسش‌نامه از روش مقایسه زوجی استفاده می‌شود، یعنی عناصر موجود دو به دو باهم مقایسه می‌شوند. برای این منظور معمولا مقایسه زوجی براساس طیف ۹ درجه ساعتی⁹ انجام می‌شود. اگر دو عنصر هم اهمیت باشند عدد ۱ انتخاب می‌شود. در مقایسه زوجی عناصر قانونی وجود دارد که شرط معکوسی نامیده می‌شود (حبیبی، ایزدیار، سرافرازی (1393). این مقیاس از ۱/۹ برای «کم‌ترین مقدار از»، تا ۱ برای «برابر» و تا ۹ برای «مطلقاً مهم‌تر از» متغیر است که کل طیف مقایسه را پوشش می‌دهد ( وایدیا و کومار 2006). پایایی این پژوهش بر اساس نرخ ناسازگاری بررسی می‌شود که همواره باید از 1/0 کم‌تر باشد. روایی صوری و محتوایی پرسش‌نامه توسط متخصصین تأیید شد و باتوجه به نرخ ناسازگاری پرسش‌نامه (کم‌تر از 1/0)، ابزار پژوهش از اعتبار و پایایی مناسب برخوردار بود.

 

نرخ ناسازگاری

برای حل مدل های سلسله مراتبی و یا شبکه ای، ابتدا باید مقایسات زوجی در قالب یک ماتریس تشکیل شود این مقایسات زوجی بعد از پاسخگویی توسط خبرگان باید از نظر پایایی مورد بررسی قرار گیرند در این روش نرخی بنام نرخ ناسازگاری¹⁰ مطرح می‌شود که این نرخ همواره باید از 1/0 کم‌تر شود این نرخ به صورت محاسبات دستی قابل محاسبه است، اما دو نرم افزار سوپر دسیژن¹¹ و اکسپرت چویس¹² به راحتی این دو نرخ را محاسبه می‌کنند، اما اگر محیط قطعی تبدیل به فازی شود می‌توان با استفاده از الگوریتم گوگوس و بوچر که در سال 1998 ارائه دادند برای محاسبه نرخ ناسازگاری استفاده کرد. در روش فازی ماتریس مقایسات زوجی باید سازگار باشند تا آن مقایسه زوجی قابل قبول باشد. برای محاسبه نرخ ناسازگاری ماتریس‌های مقایسات زوجی فازی از روش گوس و بوچر استفاده کرده‌ایم. نرخ ناسازگاری یکی از پارمترهای مهم در مقایسات زوجی است این نرخ بیان می‌کند که آیا می‌توان به مقایسات اعتماد کرد یا خیر و یا اینکه مقایسات زوجی از اعتباری مناسب برخوردار هستند یا خیر (کاشانی، امینی خوزانی، هاشمی، 1403). این نرخ همواره باید از 1/0 کوچک‌تر باشد. گوگوس و بوچر (1998) پیشنهاد دادند براي بررسی سازگاری، دو ماتريس (عدد مياني و حدود عدد فازي) از هر ماتريس فازي مشتق و سپس سازگاري هر ماتريس بر اساس روش ساعتي محاسبه شود.

روش محاسبه نرخ سازگاری

روشی گوگوس و بوچر (1998) برای محاسبه نرخ ناسازگاری در مقایسات زوجی فازی شامل مراحل زیر می‌باشند:

    گام 1: ابتدا ماتریس فازی اعداد فازی را به دو ماتریس مستقل تبدیل می‌شوند.

    فرض کنید یک عدد فازی به صورت زیر است:

Ai = ( li ,mi ,ui )

 

    ابتدا اعداد میانی در ماتریس فازی را جدا می‌کنیم :

Am = [ aijm ]

    ماتریس Am از مقادیر میانی ترجیحات خبرگان تشکیل می‌شود.

 

    سپس از اعداد پایینی و بالایی ماتریس فازی میانگین هندسی می گیریم:

 

    ماتریس دوم شامل میانگین هندسی حدود بالا و پایین اعداد مثلثی می‌باشد.

 

 

 

    گام2: محاسبه بردار وزن بر اساس روش ساعتی و محاسبه لاندا ماکس

 

    بردار وزن هر ماتریس را با استفاده از روش ساعتی به ترتیب زیر محاسبه می‌کنیم.

 

 

 

    بزرگ‌ترین مقدار ویژه برای هر ماتریس از راه زیر محاسبه می‌شود.

 

 

 

    گام 3: محاسبه شاخص سازگاری (CI): برای هر ماتریس مقدار CI بر اساس رابطه زیر محاسبه می‌شود:

 

      

 

    گام 4: محاسبه نرخ ناسازگاری (CR): برای محاسبه آن شاخص سازگاری بر شاخص مقادیر تصادفی(RI) تقسیم می‌شود:

                          

 

    در پایان دو نرخ ناسازگاری وجود خواهد داشت که با CRm و CRg نمایش داده می‌شود. اگر مقادیر هر دو  کم‌تر از 1/0 بود ماتریس مقایسه زوجی سازگار است. اگر هر دو روش، نرخ ناسازگاری را بالای ۰٫۱ نشان دهد باید با تجدید نظر در نتایج از خبرگان خواسته شود مجدداً ماتریس‌ها را تکمیل کنند. هم‌چنین، حتی اگر یکی از دو مقدار هم از آستانه ۰٫۱ بزرگ‌تر باشد توصیه اکید آن است که مقایسه‌ها از نو انجام شود.

    تعیین معیارها: ابتدا معیارهای ارزیابی مورد نیاز توسط تیم خبرگان که متشکل از مدیر کارخانه، مدیر اداری، مدیر برنامه‌ریزی، مدیر کیفیت و مدیر تولید است تعیین می‌شود و سود و هزینه آن بر اساس ماهیت منفعت و یا زیان مطابق جدول 1 تعیین می‌شود. توجه شود که این معیارها با هدف‌ها و الزامات شرکت همسو می‌باشد.

 

جدول 1. معیارهای سود و هزینه

سود (+)	هزینه (-)	هزینه (-)	هزینه (-)	سود (+)	سود (+)	سود (+)
راندمان	ضایعات	تاخیر	غیبت	مها رت	مديريت پذيری	تخصص

 

تعیین درجه اهیمت (وزن) معیارها: در این مرحله، به هر معیار یک وزن نسبت داده می‌شود که نشان دهنده اهمیتی نسب آن در ارزیابی است. وزن‌دهی معیارها می‌تواند بر اساس تجربه، نظر کارشناسان یا روش‌های تحلیل سلسله‌مراتبی (AHP)¹³ انجام شود. برای اعطای اهمیت نسبی به معیارها، باید وزن‌های آنها را تعیین کنید. وزن‌ها معمولاً بر اساس اهمیت معیارها در تصمیم‌گیری توسط تصمیم‌گیرنده مشخص می‌شوند. برای مثال، اگر معیار راندمان برای شما بسیار مهم‌تر از سایر معیارها باشد، به آن وزنی بیش‌تر اختصاص دهید. در این پژوهش با فرض اينكه ميان معیارهای تعیین شده وابستگي وجود ندارد، معیار ها را از راه مقايسه‌هـاي زوجـي و اعداد فازي (مجموعه متغيرهاي بياني) بر اساس جدول 2 با يكديگر مقايسه و درجه اهميت – وزن هر يك از معیارهـا را بر اساس روش تحليل توسعه‌اي چانگ که در ادامه توضيح داده خواهد شد بدست آوريد.

 

جدول 2. عبارات کلامی و اعداد فازی جهت وزن دهی به معیارها

 

روش تحلیل توسعه ای چانگ¹⁴

این روش یک روش تحلیلی است که برای بدست‌آوردن وزن‌های ماتریس مقایسه‌های زوجی در فرآیند تحلیل سلسله مراتبی معرفی شده است. در سال 1983، دو پژوهشگر هلندی به نام‌های لارهورن و پدریک یک روش برای بدست‌آوردن وزن‌های ماتریس مقایسه‌های زوجی در فرآیند تحلیل سلسله مراتبی ارائه کردند. این روش بر مبنای روش حداقل مجذورهای لگاریتمی بود، اما پیچیدگی محاسباتی آن باعث شد که مورد استفاده چندانی قرار نگیرد. سال‌ها بعد روشی توسط یک پژوهشگر چینی به نام چانگ در سال 1996 ارائه شد. در روش تحلیل توسعه ای چانگ، اعداد مثلثی فازی برای مقایسه گروهها استفاده می‌شوند. این اعداد مثلثی فازی برای نشان دادن درجه اهمیت گروهها و تاثیر آن‌ها در فرآیند تحلیل سلسله مراتبی استفاده می‌شوند. این اعداد مثلثی فازی شامل سه عضو مثلثی است که به ترتیب نشان‌دهنده مقادیر کم، متوسط و زیاد برای درجه اهمیت یک گروه است (عالم تبريز و باقرزاده، 1388).

    روش تحلیل توسعه‌ای چانگ به طور خلاصه به صورت زیر عمل می‌کند:

1. تعیین ماتریس مقایسه‌های زوجی برای گروهها بر اساس دانش و تجربه خود.

2. تبدیل ماتریس مقایسه‌های زوجی به ماتریس ترجیحی فازی با استفاده از اعداد مثلثی فازی.

3. محاسبه بردار وزن‌ها بر اساس روش تحلیل توسعه‌ای چانگ.

4. ارزیابی و تجزیه و تحلیل نتایج حاصل از فرآیند تحلیل سلسله مراتبی.

    مزیت اصلی روش تحلیل توسعه‌ای چانگ نسبت به روش لارسن و پدریک این است که پیچیدگی محاسباتی آن کم‌تر است و در نتیجه می‌تواند برای مسائل بزرگ‌تر و پیچیده‌تری مورد استفاده قرار بگیرد.

 

مراحل روش چانگ

مرحله نخست: در روش تحلیل توسعه ای چانگ، شامل محاسبه مقادیر Sk برای هر یک از سطرهای ماتریس مقایسه‌های زوجی است. مقادیر Sk نیز یک عدد فازی مثلثی هستند و با استفاده از رابطه‌ی 4 محاسبه می‌شوند.

 

    رابطه 4) 

 

 

    ب Kیانگر شماره سطر، j و i به ترتیب نشان دهنده گزینه‌ها (ستون ها) و شاخص‌ها (سطرها) هستند. برای محاسبه Sk عملیات زیر انجام می‌شود:

    رابطه 5 )

 

    رابطه 6)

 

 

    مرحله دوم: در اين مرحله پس از محاسبه  Skها، بايد درجه بزرگي آنها در مقايسه با هم بدست آوریم. به طور كلي اگرM1 وM2 دو عدد فازي مثلثي باشند، درجه بزرگي M1 برM2 با V(M1 ≥ M2) نشان داده مي‌شود و از رابطه 7 بدست مي آيد.

 

 

    رابطه 7)                        

 

    رابطه 8)

 

 

    مقدار بزرگي يك عدد فازي مثلثي از K عدد فازي مثلثي ديگر را می‌توان از رابطه 9 بدست آورد:

 

    رابطه 9)

V(M1 ≥ M2,…MK) = V(M1 ≥ M2),… …, V(M1 ≥ MK)

 

    مرحله سوم: براي به دست آوردن وزن شاخص‌ها در ماتريس مقايسه‌هاي زوجي به صورت رابطه 10عمل مي‌شود:

 

    رابطه 10)

W' (xi) = Min { V(Si ≥ SK) } k = 1,2,..,n k ≠ i

 

    بنابراین، بردار وزن شاخص‌ها از رابطه 11 بدست می‌آید:

 

    رابطه 11)

        W'(xi) = [ W'(c1), W'(c2),… …, W'(cn) ]T 

 

    كه همان بردار ضرايب غيرنرمال فرايند تحليل شبكه اي فازي است و به كمك رابطه 12نتايج غيرنرمال بدست آمده از رابطه 11، نرمال می‌شود.

 

رابطه 12)

 

 

    از اين روش براي به دست آوردن وزن شاخص ها استفاده مي‌شود (ارجينل و سنتورک¹⁵،2011؛ سوكيل و همكاران،2012؛ اوزداگاوغلو¹⁶،2012 ؛ سقايي و خليلو، 1391 و مومني، صفري، ملكي و حسان، 1388).

    برای رسیدن نتيجه نهايي و ميانگين‌گيري از نظرهاي خبرگان و تصميم گيرندگان، از روش ميانگين هندسي رابطه 13 استفاده مي‌شود (عزيزي و روغنيان، 1388) و دوباره مطابق رابطه 12 نتایج نرمالیزه می‌شود.

 

رابطه 13)

 

 

 

 

 

نمونه کاربردی رتبه‌بندی به روش Topsis

گام نخست

پس از بررسی و تشکیل جلسه با حضور خبرگان و با توجه به اهداف شرکت تولیدی قطعه‌سازی شایان، معیارهایی مانند راندمان، غیبت، تاخیر، مهارت، مدیریت پذیری و تخصص به عنوان معیارهای ارزیابی پرسنل در نظر گرفته شد و سود و هزینه آن بر اساس ماهیت منفعت و یا زیان مطابق جدول 1 تعیین شد.

 

گام دوم

تعیین درجه اهمیت (وزن) معیارها معیار ها را با ابزار پرسش‌نامه و از راه مقايسه‌هـاي زوجـي و اعداد فازي (مجموعه متغيرهاي بياني) براساس جدول 2 با يكديگر مقايسه و پس از محاسبه نرخ ناسازگاری هر پرسش‌نامه که میبایست زیر 1/0 باشد، درجه اهميت – وزن هر يك از معیارهـا را بر اساس روش تحليل توسعه‌اي چانگ محاسبه کرده ایم که مطابق جدول 3 می‌باشد.

 

W

جدول 3. درجه اهمیت (وزن) معیارها

متغيرهاي بياني براي مقايسه‌هاي عوامل و زيرعوامل	متغيرهاي بياني براي مقايسه‌هاي آلترناتيوها	مقیاس فازی مثلثی	معکوس مقیاس فازی مثلثی
ترجیح یکسان	يكسان	(1,1,1)	(1,1,1)
ترجیح ضعیف	ضعيف	(,1, )	(, ,2)
ترجیح متوسط	مناسب	(1, ,2)	(, ,1)
ترجیح خوب	خوب	(,2, )	(, , )
ترجیح عالی	عالی	(2, ,3)	(, , )

علائم	معیار	وزن
w1	راندمان	06192834/0
w2	ضایعات	93419569/0
w3	تاخیر	00000011/0
w4	غیبت	00209536/0
w5	مهارت	00000010/0
w6	مدیریت پذیری	00136631/0
w7	تخصص	00041409/0

 

    در این پژوهش نرخ ناسازگاری برای تمام پرسش‌نامه‌ها در مراحل گوناگون انجام شد و مقادیر CRm و CRg کم‌تر از 1/0 بود و تمامی ماتریس های مقایسه زوجی سازگار است.

 

گام سوم

ساخت ماتریس ارزیابی(گزینه – معیار): در این مرحله، نتایج ارزیابی براساس معیارها برای هر پرسنل در یک ماتریس ثبت می‌شوند. این ماتریس شامل امتیازهایی است که نشان‌دهنده عملکرد پرسنل در هر معیار است. سپس داده‌های مربوط به هر پرسنل بر اساس معیارهای تعیین شده مطابق جدول 4 استخراج می‌شود و در یک ماتریس گزینه - معیار قرار می‌گیرد. به علت کوتاه کردن مطلب در اینجا فقط اطلاعات 25 نفر از 78 نفر پرسنل تولیدی ارائه شده است.

 

 

 

 

 

 

 

جدول 1. ماتریس ارزیابی گزینه - معیار

ردیف	علائم	کد پرسنل	نام و نام خانوادگی	راندمان i1	ضایعات i2	تاخیر i3	غیبت i4	مها رت i5	مديريت پذيری i6	تخصص i7
1	j1	16	ت-ي	10	0	0	0	10	10	10
2	j2	199	د-ي	10	0	0	0	10	10	8
3	j3	218	س-ت	10	0	0	0	10	10	8
4	j4	243	م-ي	10	0	0	0	10	10	10
5	j5	262	م-ه	10	0	0	0	0	10	10
6	j6	269	س-ی	10	0	0	0	10	10	10
7	j7	291	ب-ی	10	0	0	0	0	10	9
8	j8	317	م-ي	10	0	0	0	9	10	6
9	j9	445	س-ي	10	0	0	0	9	10	9
10	j10	453	ص-ي	6/8	0	0	0	8	10	7
11	j11	679	ا-ي	10	0	0	0	10	10	8
12	j12	821	ا-ي	8/9	1	0	0	10	10	8
13	j13	823	ح-ي	9/9	0	0	0	7	10	6
14	j14	844	ا-ي	10	0	0	0	10	10	9
15	j15	920	س-ي	5/9	0	0	0	7	10	7
16	j16	934	ب-ر	10	0	0	0	10	10	9
17	j17	1050	م-ی	10	0	0	0	9	10	10
18	j18	1332	ع-ي	10	1	1	0	10	10	9
19	j19	1346	ا-ر	10	0	0	0	10	10	7
20	j20	1375	ک-ه	10	0	0	1	10	10	9
21	j21	1466	م-ي	6/8	0	0	0	10	10	9
22	j22	1520	م-ي	10	0	0	0	8	10	7
23	j23	1543	ح-ي	10	0	0	0	10	10	9
24	j24	1659	ه-ی	10	0	0	0	10	10	10
25	j25	1676	ر-ي	10	0	0	0	10	10	7
جمع				771	1/11	2	1/0	683	751	598

 

گام چهارم

وزن‌دهی معیارها: وزن‌های تعیین شده را با داده‌های در ماتریس ضرب می‌کنیم. این کار باعث می‌شود که معیارهای با اهمیت بیش‌تر در تصمیم‌گیری، بیش‌ترین تأثیر را داشته باشند مطابق جدول 5، قبل از اعمال نرمال سازی، ماتریس ارزیابی در وزن معیارها ضرب می‌شود.

     

                      i = (1, 2,…,n)                                      j = (1, 2,…,m) 

 

 

 

 

 

جدول 5. ماتریس وزن دار شده گزینه - معیار

ردیف	واحد	کد پرسنل	نام و نام خانوادگی	راندمان	ضایعات	تاخیر	غیبت	مها رت	مديريت پذيری	تخصص
1	سبک	16	ت-ي	619/0	0	0	0	0	014/0	004/0
2	مونتاژ	199	د-ي	619/0	0	0	0	0	014/0	004/0
3	مونتاژ	218	س-ت	619/0	093/0	0	0	0	014/0	003/0
4	سبک	243	م-ي	619/0	0	0	0	0	014/0	004/0
5	راننده لیفتراک	262	م-ه	619/0	0	0	0	0	014/0	004/0
6	قالب بند	269	س-ی	619/0	0	0	0	0	014/0	004/0
7	راننده لیفتراک	291	ب-ی	619/0	0	0	0	0	014/0	004/0
8	مونتاژ	317	م-ي	613/0	0	0	0	0	014/0	002/0
9	سبک	445	س-ي	619/0	0	0	0	0	014/0	004/0
10	سبک	453	ص-ي	613/0	868/1	0	0	0	014/0	003/0
11	مونتاژ	679	ا-ي	619/0	0	0	0	0	014/0	003/0
12	سبک	821	ا-ي	619/0	0	0	0	0	014/0	003/0
13	مونتاژ	823	ح-ي	614/0	0	0	0	0	014/0	002/0
14	سنگين	844	ا-ي	619/0	0	0	0	0	014/0	004/0
15	سبک	920	س-ي	595/0	0	0	0	0	014/0	003/0
16	سبک	934	ب-ر	613/0	0	0	0	0	014/0	004/0
17	قالب بند	1050	م-ی	619/0	0	0	0	0	014/0	004/0
18	سبک	1332	ع-ي	607/0	0	0	0	0	014/0	004/0
19	برشکاری	1346	ا-ر	619/0	0	0	0	0	014/0	003/0
20	سنگين	1375	ک-ه	619/0	0	0	0	0	014/0	004/0
21	سبک	1466	م-ي	607/0	0	0	0	0	014/0	004/0
22	مونتاژ	1520	م-ي	619/0	0	0	0	0	014/0	003/0
23	سنگين	1543	ح-ي	619/0	0	0	0	0	014/0	004/0
24	قالب بند	1659	ه-ی	619/0	0	0	0	0	014/0	004/0
25	مونتاژ	1676	ر-ي	619/0	0	0	0	0	014/0	003/0
جمع				74/47	37/10	0000002/0	0002/0	00007/0	026/1	248/0

 

ام پنجم

نرمال‌سازی ماتریس: در این مرحله، ماتریس ارزیابی نرمال‌سازی می‌شود تا باعث از بین بردن تفاوت در مقیاس‌های گوناگون معیارها شود. برای این کار از رابطه زیر استفاده می‌شود که هر عدد تقسیم بر مجموع ستونی می‌شود. سپس با استفاده از روش‌های نرمال‌سازی روش مین‌مکس (Min/Max)¹⁷ یا روش زیبل (Z-score)¹⁸ انجام شود. روشی که در این پژوهش استفاده شده مطابق جدول 6 روش (Min/Max) می‌باشد.

 

 

جدول 6. ماتریس نرمالیز شده گزینه - معیار

ردیف	واحد	کد پرسنل	نام و نام خانوادگی	راندمان	ضایعات	تاخیر	غیبت	مها رت	مديريت پذيری	تخصص
1	سبک	16	ت-ي	0130/0	0	0	0	0146/0	0133/0	0167/0
2	مونتاژ	199	د-ي	0130/0	0	0	0	0146/0	0133/0	0151/0
3	مونتاژ	218	س-ت	0130/0	0090/0	0	0	0146/0	0133/0	0134/0
4	سبک	243	م-ي	0130/0	0	0	0	0146/0	0133/0	0167/0
5	راننده لیفتراک	262	م-ه	0130/0	0	0	0	0132/0	0133/0	0167/0
6	قالب بند	269	س-ی	0130/0	0	0	0	0146/0	0133/0	0167/0
7	راننده لیفتراک	291	ب-ی	0130/0	0	0	0	0132/0	0133/0	0151/0
8	مونتاژ	317	م-ي	0128/0	0	0	0	0132/0	0133/0	0100/0
9	سبک	445	س-ي	0130/0	0	0	0	0132/0	0133/0	0151/0
10	سبک	453	ص-ي	0128/0	1802/0	0	0	0117/0	0133/0	0117/0
11	مونتاژ	679	ا-ي	0130/0	0	0	0	0146/0	0133/0	0134/0
12	سبک	821	ا-ي	0130/0	0	0	0	0146/0	0133/0	0134/0
13	مونتاژ	823	ح-ي	0129/0	0	0	0	0117/0	0133/0	0100/0
14	سنگين	844	ا-ي	0130/0	0	0	0	0146/0	0133/0	0151/0
15	سبک	920	س-ي	0125/0	0	0	0	0117/0	0133/0	0117/0
16	سبک	934	ب-ر	0128/0	0	0	0	0146/0	0133/0	0151/0
17	قالب بند	1050	م-ی	0130/0	0	0	0	0146/0	0133/0	0167/0
18	سبک	1332	ع-ي	0127/0	0	0	0	0146/0	0133/0	0151/0
19	برشکاری	1346	ا-ر	0130/0	0	2500/0	0	0146/0	0133/0	0117/0
20	سنگين	1375	ک-ه	0130/0	0	0	0	0146/0	0133/0	0151/0
21	سبک	1466	م-ي	0127/0	0	0	0	0146/0	0133/0	0151/0
22	مونتاژ	1520	م-ي	0130/0	0	0	0	0117/0	0133/0	0117/0
23	سنگين	1543	ح-ي	0130/0	0	0	0	0146/0	0133/0	0151/0
24	قالب بند	1659	ه-ی	0130/0	0	0	0	0146/0	0133/0	0167/0
25	مونتاژ	1676	ر-ي	0130/0	0	0	0	0146/0	0133/0	0117/0
Ij+   ماکزیمم سود و مینیمم هزینه				0130/0	0	0	0	0150/0	0070/0	0170/0
Ij-   ماکزیمم هزینه و مینیمم سود				009/0	270/0	500/0	000/1	006/0	007/0	008/0

 

·       برای معیارهایی که بار مثبت دارند ایده‌آل مثبت¹⁹ بزرگ‌ترین مقدار آن معیار و ایده‌آل منفی²⁰ کوچک‌ترین مقدار آن معیار است.

·       برای معیارهایی که بار منفی دارند ایده‌آل مثبت کوچک‌ترین مقدار آن معیار و ایده‌آل منفی بزرگ‌ترین مقدار آن معیار است.

 

 

گام ششم

محاسبه فاصله ایده‌ آل مثبت و منفی از گزینه ها : در این مرحله، نقاط ایده‌آل و نامطلوب براساس معیارها و وزن‌هایشان محاسبه و در جدول 7 لحاظ می‌شوند. نقطه آیده‌آل بیانگر مقادیر بیشینه مطلوب هر معیار و نقطه نامطلوب بیانگر مقادیر کمینه نامطلوب است. در این مرحله فاصله هر گزینه از ایده آل مثبت و منفی با رابطه زیر محاسبه می‌شود:

                                

 

 

جدول 7. فاصله هر گزینه تا ایده آل مثبت و منفی

ردیف	واحد	کد پرسنل	نام و نام خانوادگی	di+	di-
1	سبک	16	ت-ي	0	150/1
2	مونتاژ	199	د-ي	002/0	150/1
3	مونتاژ	218	س-ت	010/0	148/1
4	سبک	243	م-ي	0	150/1
5	راننده لیفتراک	262	م-ه	010/0	150/1
6	قالب بند	269	س-ی	0	150/1
7	راننده لیفتراک	291	ب-ی	002/0	150/1
8	مونتاژ	317	م-ي	007/0	150/1
9	سبک	445	س-ي	002/0	150/1
10	سبک	453	ص-ي	180/0	122/1
11	مونتاژ	679	ا-ي	003/0	150/1
12	سبک	821	ا-ي	003/0	150/1
13	مونتاژ	823	ح-ي	007/0	150/1
14	سنگين	844	ا-ي	002/0	150/1
15	سبک	920	س-ي	006/0	150/1
16	سبک	934	ب-ر	002/0	150/1
17	قالب بند	1050	م-ی	0	150/1
18	سبک	1332	ع-ي	002/0	150/1
19	برشکاری	1346	ا-ر	250/0	066/1
20	سنگين	1375	ک-ه	002/0	150/1
21	سبک	1466	م-ي	002/0	150/1
22	مونتاژ	1520	م-ي	006/0	150/1
23	سنگين	1543	ح-ي	002/0	150/1
24	قالب بند	1659	ه-ی	0	150/1
25	مونتاژ	1676	ر-ي	005/0	150/1

 

گام هفتم

محاسبه معیار رتبه‌بندی : در این مرحله، با استفاده از فاصله هر پرسنل تا نقاط آیده‌آل مثبت و منفی، امتیاز نهایی برای هر پرسنل محاسبه می‌شود. عموماً امتیاز نهایی براساس نسبت فاصله پرسنل تا ایده آل منفی به جمع فاصله پرسنل تا ایده‌آل مثبت و منفی براساس رابطه زیر محاسبه می‌شود و سپس معیار رتبه‌بندی برای گزینه‌ها را در جدول 8 نشان می دهد.

 

 

    توجه داشته باشید که همواره  می‌باشد. اگر  باشد در نتیجه  ، یعنی گزینه i -ام روی ایده‌آل منفی قرار دارد و اگر  باشد در نتیجه  یعنی گزینه i -ام روی ایده‎آل مثبت واقع شده است. هرچه قدر η به عدد 1 نزدیک‌تر باشد، رتبه‌ای بهتر دارد.

 

جدول 8. معیار رتبه‌بندی گزینه ها و رتبه هر گزینه

ردیف	واحد	شماره	نام و نام خانوادگی	η	رتبه سازمانی	رتبه در واحد
1	سبک	16	ت-ي	000/1	1	1
2	سبک	243	م-ي	000/1	1	1
3	قالب بند	269	س-ی	000/1	1	1
4	قالب بند	1050	م-ی	000/1	1	1
5	قالب بند	1659	ه-ی	000/1	1	1
6	سنگين	1929	ه-ن	000/1	1	1
7	راننده لیفتراک	262	م-ه	9987/0	2	1
8	مونتاژ	199	د-ي	9985/0	3	1
9	سنگين	844	ا-ي	9985/0	3	2
10	سنگين	1375	ک-ه	9985/0	3	2
11	سنگين	1543	ح-ي	9985/0	3	2
12	سنگين	1896	س-ي	9985/0	3	2
13	سبک	2320	ع-ه	9985/0	3	2
14	سبک	934	ب-ر	9985/0	4	3
15	سبک	2301	م-ي	9985/0	4	3
16	سبک	1332	ع-ي	9985/0	5	4
17	سبک	1466	م-ي	9985/0	5	4
18	سنگين	3091	د-ي	9985/0	5	3
19	سنگين	2388	م-ه	9985/0	6	4
20	راننده لیفتراک	291	ب-ی	9981/0	7	2
21	سبک	445	س-ي	9981/0	7	5
22	سبک	2343	ا-د	9973/0	8	6
23	مونتاژ	679	ا-ي	9971/0	9	2
24	سبک	821	ا-ي	9971/0	9	7
25	سنگين	2152	ح-ي	9971/0	9	5

 

گام هشتم

رتبه‌بندی: گزینه‌ها بر اساس نسبت شباهت بهترین به بدترین، رتبه‌بندی می‌شوند و بهترین گزینه بر اساس این رتبه‌بندی انتخاب می‌شود. (مطابق جدول 8 معیار رتبه‌بندی گزینه‌ها و رتبه هر گزینه).

 

 

نمودار 1. رتبه هر گزینه

یافته‌های پژوهش

مطابق نمودار 1 تعداد شش پرسنل رتبه 1 و یک نفر رتبه 2 و شش نفر بعدی رتبه 3 سازمانی را کسب کرده‌اند. هم‌چنین، می‌توان با تفکیک کردن افراد با مشخصه واحد مورد فعالت رتبه‌های نخست تا سوم مخصوص آن واحد را نیز مشخص کرد، یعنی پرسنلی ممکن است رتبه 1 واحد مربوطه را کسب کند و در رتبه‌بندی سازمانی رتبه 3 باشد. برای مثال، در جدول 8 کد پرسنلی 199 را ملاحظه فرمایید، ایشان در واحد مونتاژ رتبه 1 و در کل سازمان رتبه 3 می‌باشند. این روش جهت تخصیص عادلانه کارانه و پاداش جهت تشویق پرسنل بسیار کارآمد می‌باشد. در جدول 3 با نظر خبرگان وزن تخصیصی هر معیار مشخص شد که بیش‌ترین وزن تاثیرگذار ضایعات تولیدی می‌باشد که پرسنل هم حقوق و دستمزد بابت تولید دریافت کرده و هم راندمان نداشته و مواد اولیه را نیز معیوب کرده، در نتیجه بیش‌ترین زیان را به سازمان متحمل کرده است.

 

بحث و نتیجه گیری

رتبه‌بندی TOPSIS برای هر روش استخراج، یک "ضریب نزدیکی" محاسبه می‌کند که نشان می‌دهد چقدر به راه‌حل ایده‌آل نزدیک است، روشی که بالاترین ضریب را دارد، معمولاً انتخاب می‌شود (عطایی 2016). در مطالعات پیشین از این روش برای ارزیابی ریسک‌های زیست محیطی سد البرز برروی رودخانه بابلرود (رتبه‌بندی براساس درجه اهمیت)، چیدمان مناسب کارخانه از نظر کیفی و کمی، پیش بینی سوپر لیگ کشور پاکستان (رتبه‌بندی بر اساس معیارها) استفاده شده که تماما بیانگر کارا بودن روش تاپسیس جهت رتبه‌بندی می‌باشد. در این پژوهش نیز با بررسی پرسش‌نامه ها و نظر خبرگان و مقایسات زوجی انجام شده به پاسخ سوال نخست پژوهش دست یافته‌ایم که تاثیرگذارترین معیار مورد اهمیت با توجه به وزن تخصیصی، ضایعات و بعد از آن راندمان تولید می‌باشد. هم‌چنین، با روشTOPSIS، ثابت شد که این روش پاسخ نیاز سازمان را جهت ارزیابی کارکنان مرتفع می‌کند. بر این اساس بهترین پرسنل‌ها را در شرکت تولیدی قطعه سازان شایان شناسایی کردیم. این روش به ما امکان داد تا با توجه به معیارهای گوناگون، پرسنل‌هایی را که عملکرد مطلوب تری داشته‌اند، تشخیص دهیم. این ارزیـابی می‌تواند به مدیران شرکت در اتخاذ تصمیم‌های استراتژیک مربوط به پرسنل، ترفیع، پاداش، آموزش و توسعه، و بهبود کارایی و عملکرد کلی سازمان کمک کند. و پاسخ سوال دوم پژوهش را دریافت کرده ایم. پیشنهاد می‌شود که ارزیابی پرسنل به صورت دوره‌ای و منظم انجام شود تا تغییرات در عملکرد و پیشرفت پرسنل را نیز در نظر بگیرد. علاوه بر این، ارزیابی باید به عدالت و شفافیت رعایت شود و به پرسنل امکان داده شود تا نقاط قوت و ضعف خود را دریابند و روی بهبود آن‌ها کار کنند. با استفاده از روش TOPSIS و ارزیابی منظم پرسنل، بهبود کیفیت و عملکرد پرسنل، افزایش بهره‌وری و توانمندی‌های شرکت بهبود داده شد، اما برای دستیابی به پاسخ سوال سوم پژوهش، مراحل بعدی مورد توجه قرار گرفت. ارزیابی و بررسی نتایج: پس از انتخاب بهترین پرسنل، نتایج ارزیابی به دقت بررسی می‌شوند. در این مرحله، نتایج را با هدف‌ها، استراتژی‌ها و نیازهای سازمان مقایسه کرده و تحلیل شد که آیا پرسنل انتخاب شده به درستی با اهداف شرکت هماهنگی دارند یا نیاز به تنظیمات و بهبود دارند. پیشنهاد می‌شود درصورتی که در مرحله قبل متوجه نقاط ضعف یا نیازهای بهبودی شدید، می‌توانید تغییرات و بهبودهای لازم را اعمال کنید. این ممکن است شامل آموزش و توسعه پرسنل، تغییرات در ساختار سازمانی یا تغییرات در فرآیندها و روش‌های کاری باشد. پیگیری و ارزیابی مداوم: ارزیابی پرسنل باید به صورت مداوم و دوره‌ای انجام شود تا بتوانید تغییرات و بهبودهای اعمال شده را پیگیری کنید. در این مرحله، نتایج ارزیابی پرسنل را با نتایج قبلی مقایسه کرده و به تحلیل عملکرد پرسنل و تعیین نیازهای جدید بپردازید. با این حال، لازم به ذکر است که روش‌ها و مراحل ارزیابی پرسنل ممکن است بسته به نیازها و شرایط خاص شرکت متفاوت باشد. بنابراین، توصیه می‌شود که برای پیاده‌سازی مناسب این روش، با مشاوران و متخصصان منابع انسانی همکاری کنید تا بهترین روش برای شرکت خود را انتخاب کنید و از تجربه و دانش آن‌ها بهره‌برداری کنید. هم‌چنین، در نظر داشته باشید که ارزیابی پرسنل تنها یکی از ابزارهای مدیریت منابع انسانی است و باید با سایر فعالیت‌ها و سیستم‌های مدیریتی سازمان هماهنگی داشته باشد تا به نتایجی بهتر دست پیدا کند.

 

منابع

حبیبی، آرش.، و آفریدی، صنم. (1401). تصمیم‌گیری چندشاخصه (قطعی و فازی)، چاپ اول، انتشارات نارون،

حبیبی، آرش.، ایزدیار، صدیقه.، و سرافرازی، اعظم. (1393). تصمیم‌گیری چندمعیاره فازی، چاپ اول، انتشارات کتیبه

خاکی، غلامرضا. (1378). آشنایی با مدیریت بهره‌وری (تجزیه و تحلیل آن در سازمان)، چاپ دوم،تهران: انتشارات درایت.

سقایی، عباس.، و خلیلو، علی. (1391). به كارگيري فرايند تحليل شبكه ای و تئوری فازی در آنالیز SWOT فصلنامه مدیریت، 26 (9)،14-1.

عالم تبريز، اکبر.، و باقرزاده، محمد. (1388). تلفيقANP فازي و TOPSISتعديل شـده بـراي گـزينش تـأمين كننـده راهبـردي.پژوهشهاي مديريت،2 (3)149-181.

غفاریان، وفا.، و کیانی، غلامرضا.، (1380). استراتژی اثر بخش، تهران، نشر فردا

غضنفري، مهدی.، رضايی، محمود. (1389). مقدمه اي بر نظريه مجموعه هاي فازي. (چاپ دوم) تهـران: انتشـارات دانشـگاه علـم و صنعت ايران.

کاشانی، محمد.، امینی خوزانی، محسن.، هاشمی، سید فرزاد. (1403). بررسی میزان تاثیر تغییر استراتژی تولید بر عملکرد مالی و توانایی رقابت اقتصادی در صنعت قطعه سازی خودرو (مطالعه موردی شرکت قطعه سازان شایان)، مقطع کارشناسی ارشد، دانشگاه آزاد اسلامی واحد شهر قدس

 

Ataei, M., (2016). Mining Method Selection by TOPSIS Approach. Symposium of Earth Sciences.

Hassanpour, M. (2019). Evaluation of Iranian Automotive Industries, International Journal of Research in Industrial Engineering 2019, 2(8) 115-139

Jafar, M., Faizullah, F., & Naveed, A. (2020). Prediction of Pakistan Super League-2020 Using TOPSIS and Fuzzy TOPSIS Methods. Journal of Fuzzy Extension and Applications, 2(1) 104-114

12- Kahraman, C., & Cebi, S. (2014). A comparative analysis for multi attribute selection among renewable energy alternatives using fuzzy axiomatic design and fuzz analytic hierarchy process. Energy, 34(10) 1603-1617.

Moradi, L., Rajaee, T., Sadeghpoor, M. (2020). Environmental risk assessment of Alborz Dam using TOPSIS and Fuzzy TOPSIS methods. Amirkabir Journal of Civil Engineering, 12(52) 3108-3091

Opricovic, T. (2004). Compromise solution by MCDM methods: A comparative analysis of Vikor and TOPSIS. European Journal of Operational Research, 156(2), 445-455.

Vaidya, K. (2006). Analytic Hierarchy Process: An Overview of Applications. European Journal of Operational Research, 169(1), 1-29

Yang T., & Hung, C. (2007). Multipleattribute decision making methods for plant layout design problem. Robotics and Computer-Integrated Manufacturing, 23(1), 126–137

 

 

---

[1] . Technique for Order Preference by Similarity to Ideal Solution

[2] . Herberta Razgi

[3] . Charles Clarkson

[4] . Taho Yang and Chih-Ching Hung

[5] . Opricovic, Tzeng

[6] . Kahraman,Cebi

[7] . Validity & Reliability

[8] . Pairwise Comparison

[9] . Saaty

[10] . Consistency Ratio

[11] . Super Decision

[12] . Expert Choice

[13] . Analytical Hierarchy process

[14] . Chang's Extension Analysis

[15] . Ergine & Şentürk

[16] . Özdağoğlu

[17] . maximum and minimum

[18] . z-score: z = data point − mean standard deviation

[19] . positive ideal solution

[20] . negative ideal solution

 

Ranking of Production Personnel Using the Fuzzy TOPSIS Method in the Automotive Parts Manufacturing Industry (Case Study of Shayan Parts Manufacturing Company)

 

Mohammad Kashani1*, Mahnaz ahadzadeh namin2 

 

Abstract	Article Info
The process of identifying and ranking personnel working in the organization is important for continuous improvement of the quality and quantity of production. Determining the correct criteria for selecting individuals, growth and advancement of organization members, training specialized and capable multi-skilled forces, creativity, and creating a competitive environment also play an important role in the organization. Therefore, it is better to consider a scientific method that, in addition to identifying efficient individuals, leads to increased employee efficiency and also creates a competitive advantage among them. The method of closest approach to the ideal answer was used to measure performance, the results of which can be used to identify good employees, create an identity within the organization, keep the values and goals of the group alive, create opportunities for promotion and effort, create a sense of competition among individuals, and also the level of employee satisfaction. Identifying the strengths and weaknesses of personnel and evaluating criteria. An organization that clearly and clearly specifies reward criteria for determining the points and ranking of its personnel with the support of scientific management and specialized methods as well as emphasizing collective interests also brings the highest level of job satisfaction. By observing these steps and using the TOPSIS method, we were able to identify the best personnel and develop motivation and competition. Also, with regular evaluation and continuous follow-up, you can make necessary improvements and align personnel towards the organization's goals and strategies.	Article type: Research Article
Ranking, Topsis, Skill, Performance, Efficiency	Keywords

 

 

Publisher: Islamic Azad University Qods Branch

Corresponding Author: Mohammad Kashani

Email: [e-mail]

 

 

1. Senior Expert, Department of Financial Management, Quds City Branch, Islamic Azad University, Tehran, Iran (Corresponding Author)

2. Assistant Professor, Department of Mathematics, Quds City Branch, Islamic Azad University, Tehran, Iran

 

 

 

 

 

 

 

 

 

مدیریت نوآفرینی / دانشگاه آزاد اسلامي واحد شهرقدس / سال چهارم / شماره سوم/ پاییز ۱۴۰3

---