طراحی مدل ریاضی تعیین مکان بهینه ی استقرار شعب شرکت بیمه با استفاده از ترکیب روش های تصمیم گیری چند معیاره ی فازی

محورهای موضوعی : آمار

منصور صوفی ¹ ( عضو هیات علمی دانشگاه آزاد اسلامی واحد رشت )
فاطمه دین آرا ² ( دانش آموخته کارشناسی ارشد، گروه مدیریت بازرگانی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران )

تاریخ دریافت : 1396/05/02 تاریخ پذیرش : 1398/11/16 تاریخ انتشار : 1401/10/01

کلید واژه: Fuzzy PROMETHEE, Location Problem, Fuzzy LLSM, Fuzzy Delphi, Fuzzy AHP,

چکیده مقاله :

انتخاب مکان استقرار شعبه و یا دفتر بیمه، به عنوان مساله‌ی اصلی شرکت مادر، همواره مورد توجه بوده است. هدف این تحقیق تعیین محل استقرار شعبه جدید بیمه البرز در استان گیلان با استفاده از ترکیب چند مدل تصمیم‌گیری چند معیاره با داده‌های فازی است. در مدل طراحی شده، پنج معیار و شش گزینه (مکان) وجود دارد. برای حل مساله‌ی اولویت‌بندی مکان در این پژوهش هفت گام اصلی برداشته شده است: 1) تعیین مکان‌های پیشنهادی و انتخاب خبرگان توسط مدیران شعبه، تعریف متغیرهای کلامی و تعیین اعداد فازی مربوط ؛ 2) انتخاب چند شاخص موثر از بین شاخص‌های مختلف با استفاده از تکنیک دلفی فازی؛ 3) مقایسه‌ی زوجی شاخص‌ها و گزینه‌ها با استفاده از تکنیک تحلیل سلسله‌مراتبی فازی؛ 4) محاسبه‌ی میانگین وزنی شاخص‌ها برای هر یک از خبرگان با استفاده از تکنیک کمترین مجذورات لگاریتمی فازی؛ 5) تشکیل ماتریس تصمیم جامع؛ 6) تشکیل تابع ترجیح فازی، ماتریس ترجیح کل، محاسبه‌ی جریان‌های مثبت و منفی، محاسبه‌ی جریان خالص با پرومته‌ی فازی و دیفازی کردن اعداد با روش چن؛ 7) تعیین درجه‌ی امکان و در نتیجه وزن هر گزینه. در نهایت با توجه به امتیاز هر گزینه، مکان 3 به عنوان اولویت اول و به ترتیب مکان‌های 4، 5، 6، 1 و 2 در اولویت‌های بعدی قرار گرفتند. در این پژوهش برای اجرای مدل‌ها از نرم‌افزارهای اکسل و لینگو استفاده شده است.

چکیده انگلیسی:

Selecting location of an insurance branche often has been considered as a main problem of parent company. This research aims to deal with location problem of a new branch of Alborz insurance Co. in Guilan province based on the combination of several multi-criteria decision making models with fuzzy data. In the proposed model, there are five criteria and six alternatives (locations). To solve a location prioritization problem four steps are defined in this research: 1) Determination of proposed locations and selection of experts by branches managers, definition of linguistic variables and their corresponding fuzzy numbers, 2) Selection of some effective criteria among different criteria using fuzzy delphi method, 3) Pairwise comparison of the criteria and alternatives using fuzzy analytical hierarchy process method, 4) computation of mean wight of criteria for each of experts and using fuzzy logarithmic least square method, 5) Definition of a comprehensive decision matrix, 6) Definition of a fuzzy preference function, total preference matrix, calculation of positive and negative flow, calculation of net flow and defuzzification of fuzzy numbers using Chen method, 7) Determination of possibility degree and weight of each alternative. Finally, regarding to the score of each alternative, place 3 selected as the first priority and places 4, 5, 6, 1 and 2 determined as the next priorities, respectively. In this research Excel and LINGO softwares are used to run models.

منابع و مأخذ:

[1] A. Trivedi and A. Singh, “A hybrid multi-objective decision model for emergency shelter location-relocation projects using fuzzy analytic hierarchy process and goal programming approach,” Int. J. Proj. Manag., 2017.

 

]2[ احمد. جعفرنژاد،"مدیریت تولید و عملیات نوین". دانشگاه تهران، موسسه انتشارات، 1392.

 

]3[ احمد. ﺟﻌﻔﺮﻧﮋاد، داوود. دﺳﺘﺠﺮدی، غلامرضا. ﻓﻮﻻدوﻧﺪی و مریم. یگانه، "اراﺋﻪ ﯾﮏ ﻣﺪل ﺗﺼﻤﯿﻢﮔﯿﺮی ﭼﻨﺪ ﻣﻌﯿﺎره ﺑﺮای اﻧﺘﺨﺎب ﻣﮑﺎن ﺑﻬﯿﻨﻪ اﺳﺘﻘﺮار ﻧﻤﺎﯾﻨﺪﮔﯽﻫﺎی ﺷﺮﮐﺖﻫﺎی ﺑﯿﻤﻪ در ﺷﻬﺮ ﺗﻬﺮان". فصلنامه صنعت بیمه، شماره (3). صفحات (123-95). 1388.

 

]4[ منصور. مومنی، احمد. جعفرنژاد و شکوفه. صادقی, "ﺟﺎﻳﺎﺑﻲ ﺑﻬﻴﻨﻪ ﻣﺮاﻛﺰ ﺗﻮزﻳﻊ در ﻓﺮآﻳﻨﺪ ﺑﺎزارﻳﺎﺑﻲ ﺑﺎ اﺳﺘﻔﺎده از روش رﻳﺎﺿﻲ".مدیریت صنعتی، شماره (3). صفحات (148-129). 1390.

 

[5] P. Gupta, M. K. Mehlawat, and N. Grover, “Intuitionistic fuzzy multi-attribute group decision-making with an application to plant location selection based on a new extended VIKOR method,” Inf. Sci. (Ny)., vol. 370–371, no. 1, pp. 184–203, 2016.

 

[6] S. T. Li and W. C. Chou, “Power planning in ICT infrastructure: A multi-criteria operational performance evaluation approach,” Omega (United Kingdom), vol. 49, pp. 134–148, 2014.

 

[7] A. Antunes and D. Peeters, “On solving complex multi-period location models using simulated annealing,” Eur. J. Oper. Res., vol. 130, pp. 190–201, 2001.

 

[8] D. Ben-Arieh, “Sensitivity of multi-criteria decision making to linguistic quantifiers and aggregation means”. Comput. Ind. Eng., vol. 48, no. 2, pp. 289–309, 2005.

 

[9] H. Safari, M. Soufi, and E. Aghasi, “Select a Hypermarket Location Based on Fuzzy Multi Criteria Decision Making (F-Mcdm) Techniques”.Journal of Business and Management Review, vol. 4, no. 1, pp. 76–95, 2014.

 

[10] S.Anilkumar and N.Suresh, "Operation Management.", New Age International (P) Ltd, 2009.

 

[11] C.Macharis, A.De Witte, &L.Turcksin, The Multi-Actor Multi-Criteria Analysis (MAMCA) application in the Flemish long-term decision making process on mobility and logistics. Transport Policy, 17(5), 303–311, 2010.

 

[12] G. Rybarczyk&C.Wu, "Bicycle facility planning using GIS and multi-criteria decision analysis".Applied Geography, 30(2), 282–293.2010.

 

[13] K. D. Maniya and M. G. Bhatt, “An alternative multiple attribute decision making methodology for solving optimal facility layout design selection problems,” Comput. Ind. Eng., vol. 61, no. 3, pp. 542–549, 2011.

 

[14] H.Moheb-Alizadeh, S.M. Rasouli, &R.Tavakkoli-Moghaddam. The use of multi-criteria data envelopment analysis (MCDEA) for location-allocation problems in a fuzzy environment. Expert Systems with Applications, 38(5), 5687–5695.2011.

 

[15] D. Choudhary and R. Shankar, “An STEEP-fuzzy AHP-TOPSIS framework for evaluation and selection of thermal power plant location: A case study from India,” Energy, vol. 42, no. 1, pp. 510–521, 2012.

 

[16] M. C. Ruiz, E. Romero, M. A. Pérez& Fernández, I. Development and application of a multi-criteria spatial decision support system for planning sustainable industrial areas in Northern Spain. Automation in Construction, 22, 320–333. 2012.

 

[17] J. M. Sánchez-Lozano, J. Teruel-Solano, P. L. Soto-Elvira, &M.Socorro García-Cascales, "Geographical Information Systems (GIS) and Multi- Criteria Decision Making (MCDM) methods for the evaluation of solar farms locations: Case study in south-eastern Spain". Renewable and Sustainable Energy Reviews, 24, 544–556. 2013.

 

[18] E. S. Chung, &, Y.Kim,. Development of fuzzy multi-criteria approach to prioritize locations of treated wastewater use considering climate change scenarios. Journal of Environmental Management, 146, 505–516.2014.

 

[19] G. Kabir and R. S. Sumi, “Power substation location selection using fuzzy analytic hierarchy process and PROMETHEE: A case study from Bangladesh,” Energy, vol. 72, pp. 717–730, 2014.

 

[20] S. Guo and H. Zhao, “Optimal site selection of electric vehicle charging station by using fuzzy TOPSIS based on sustainability perspective,” Appl. Energy, vol. 158, pp. 390–402, 2015.

 

[21] J. Qin and X. Liu, “Multi-attribute group decision making using combined ranking value under interval type-2 fuzzy environment,” Inf. Sci. (Ny)., vol. 297, pp. 293–315, 2015.

 

[22] J. Vargas Florez, M. Lauras, U. Okongwu, and L. Dupont, “A decision support system for robust humanitarian facility location,” Eng. Appl. Artif. Intell., vol. 46, pp. 326–335, 2015.

 

[23] Vuijak, B., Pai, M., & Zorlak, A. (2015). Use of multi-criteria decision aid methods for selection of the best alternative for the highway tunnel doors. Procedia Engineering, 100(January), 656–665.

 

[24] G. T. Temur, “A novel multi attribute decision making approach for location decision under high uncertainty,” Appl. Soft Comput. J., vol. 40, pp. 674–682, 2016.

 

[25] A. Chauhan and A. Singh, “A hybrid multi-criteria decision making method approach for selecting a sustainable location of healthcare waste disposal facility,” J. Clean. Prod., vol. 139, pp. 1001–1010, 2016.

 

[26]      B. Dey, B. Bairagi, B. Sarkar, and S. K. Sanyal, “Group heterogeneity in multi member decision making model with an application to warehouse location selection in a supply chain,” Comput. Ind. Eng., vol. 105, pp. 101–122, 2017.