Ayırma Teknolojisi (5) - Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri
Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi, Ayırma Teknolojisi Ödevi Yaptırma, Ayırma Teknolojisi Proje Yaptırma, Ayırma Teknolojisi Tez Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Ayırma Teknolojisi Danışmanlık, Ayırma Teknolojisi Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Su, içinde bir tanecikli kum ve antrasit yatağından geçirilir, burada poresisin çapı 100-10.000 kat daha büyük, asılmış parçacıkların çaplarıdır. 4 Taneciklerin, yatağın gözenek boyutuna göre boyutlarına göre belirlenen mekanik olarak kesilmesi, elektrostatik ve Londodvan der Waals çekici kuvvetler nedeniyle kesişme de gerçekleşir. İkinci mekanizma, daha ince işlemler için baskındır. Akış, sırasıyla 40 ve 15 m / sa tipik sıvı hızlarıyla aşağı veya yukarı doğru yönlendirilebilir. Süzülme sırasında filtre yatağı, € filtrelenmiş maddelerle kirlenir. Sabit zamanlarda, filtre su ile ters akışta temiz bir şekilde durulanmalıdır (geri yıkama); filtre yatağı, ikincisi tarafından akışkanlaştırılır ve bu sırada biriken parçacıkları hızla serbest bırakır. Tanecikli yatak filtreleri tarafından mekanik olarak yakalanan parçacıkların boyutu tahmin edilebilir. Boyut, filtre yatağı malzemesinin en küçük boyutuna ve oluşan filtre kekinin gözenek boyutuna bağlıdır. Oluşumun ilk aşamalarında, filtre keki oluşmadığında, en ince filtre yatağının orta gözenek çapının 1 / 3'ünden daha büyük orta çapa sahip parçacıkların köprü oluşturması ve yüzeyinde bir dış kek oluşturması beklenebilir. Filtre. Filtre yatağı gözenek boyutunun 1 / 3'ünden küçük ancak 1 / 7'sinden daha büyük parçacıklar bir iç kek oluşturacak, daha küçük parçacıklar ise filtreden geçecek veya yüzey kuvvetleri tarafından tutulacaktır. Derin granüler malzeme katmanlarında suyun arıtılması kapsamlı bir şekilde çalışılmıştır ve bu yüksek kapasiteli ünitelerin tasarımı ve optimizasyonu için yöntemler mevcuttur. Derin yatak filtresinin muazzam kapasitesi, katılar (kum, antrasit, çakıl) ve akan sıvı arasındaki geniş yüzeyle ilgilidir. Çıkarılan maddeler (kum, yosun, kil, vb.) Akışa karşı artan bir dirence neden olur; Sınırlı bir sıvı basıncının mevcut olduğu sistemlerde, bu tıkanma akış hızındaki kademeli düşüşle kendini gösterir. Sıvının önemli bir basınç altında pompalandığı durumlarda, birikme, basınç altında kademeli bir basınç birikimine neden olur, katı cisimlere veya kuma doğru ilerlemesine neden olabilir. Optimizasyon tasarım prosedürleri, kirletici maddelerin atılımının, bir üst, sınırlayıcı mevcut basınç değerine ulaşılmasıyla aynı zamana denk gelmesi gerektiği modeline dayandırılmıştır. Bu, sıvıdaki değişen konsantrasyon ve basınç artışlarının eşzamanlı olarak hesaplanmasını içerir; bu konular 6. Bölümde geliştirilmiştir. Tasarımlar geçersizdir ve özel fihrasyon problemine el ile ilişkilendirilmelidir. Kartuş filtreler, sıvıların arıtılmasında proses endüstrilerinde yaygın olarak kullanılmaktadır. Kullanılan ortamlar şunları içerir: iplikler, kağıtlar, keçeler, bağlayıcı elyaflı ve reçineli ateşler, sentetik elyaflar, dokuma teller, sinterlenmiş metalik teller ve ateşler, seramikler vb. Membranlı malzemelerin kartuş yapımına dahil edilmesi, Bölüm 10, bu her yerde bulunan elemanların uygulama aralığını genişletti, böylece yaklaşık 500 pm'den 0.1 pm'ye kadar parçacıklar ayrıldı. Bu filtre elemanları, Şekil 1.10'da gösterildiği gibi genellikle bu formda oluşturulur. Tekli veya çoklu kartuş içerebilen filtre yuvaları, ortamın sızdırmazlığına ve filtrede "ölü noktalardan" kaçınılmasına özellikle dikkat edilerek tasarlanmalıdır. Sonuncusunda biriken katılar, ani akış veya basınç değişiklikleriyle kendiliğinden boşaltılabilir. Ortamın performansını, filtrelenmiş sıvıdan beyan edilen boyuttaki partikülleri uzaklaştırma kapasitesinde garanti etmek için kartuş hazırlama ve test etme sırasında büyük özen gösterilir. Kartuşlar, parçacıkları çıkarmak için kapasite aralıkları ile doldurulmuştur; bu ayarlar, Bölüm 6'da tartışıldığı gibi "absohte" veya "hominal" olabilir. Parçacıkların süzgeçten geçmesi "kanama" olarak bilinir; kartuşlar, belirli bir boyuttan büyük katıların kanamasını önlemek için garanti edilir. Lifli ortamlarda, lif dökülmesinin önlenmesine eşdeğer bir ilgi gösterilir. Kötü hazırlanmış ortamlarda, filtrasyon sırasında sıvı sürükleme Bölümü altında lifler kartuştan kopabilir. Bunu, kötü sızdırmaz bir düzeneğin kanamalarla benzer problemlere yol açacağı sonucu çıkar. Daha ince ortamlardan bazıları, örn. kağıt, dokuma kumaşlar, vb. medim üzerinde katıları ayırmak için tasarlanabilir. Bu tür filtreler, kartuş başına mevcut filtre alanını artırmak ve bu nedenle, kartuşun "katı tutma kapasitesini" artırmak için genellikle kıvrılır. Derinlik kartuşları, radyal varyasyon mf r e yoğunluğu ile sabitlenebilir; böylece filtreleme derinliği boyunca gerçekleşir. Partikül uzaklaştırma verimliliği, diğerlerinin yanı sıra, Bölüm 6'da tartışıldığı gibi, partiküllerin ve fiberlerin nispi boyutlarına bağlıdır. Partikül yakalamayı geliştirmek için sıklıkla, değişen çaplarda, m karışık fiberler kullanılır. Kartuşa adsorptif özellik katan aktif karbon, renk giderme ve koku kontrolü için yaygın kullanım alanı bulur. Kartuştan sıvı akışı, bir. filtre boyunca basınçlı diferansiyel AP; Bu fark, filtre direncini artırarak filtredeki gözenekleri tıkama eğiliminde olan partiküllerin birikmesiyle artar. Katıların çökelmesi, kabul edilebilir bir AP'ye kadar devam eder, ardından kartuş atılır ve değiştirilir.  40 cm uzunluğundaki kartuş başına 20 gr, bu tür filtrelerin önemli bir tasarım özelliğidir. Yüksek katı içerikli yüklemelerde 7? le paralel birimler. Kartuş değiştirme sıklığı t%), karşılık gelen küçük hacimde (100 1) filtrat ile beslemedir. Bu nedenle filtre testi şu noktalara odaklanır: (1) iiker bütünlüğü; (2) basınç farkı-zaman ilişkileri (katı madde yükleme kapasitesi): ve (3) partikül uzaklaştırma oranı. Filtre bütünlüğü spesifikasyonları sızdırmazlığı etkilemenin mevcudiyetine ve yeniden dökülmenin olmamasına göre değişir. Medyanın büyük basınç farklılıklarına ve yüksek sıcaklığa dayanma yeteneği de bazı endüstriler için önemlidir, örn. polimer işleme. Burada, çok yüksek viskozite ve sıcaklığa sahip erimiş polimer, son derece yüksek AP'de işlenmelidir. Bunu, ilaçlı yapıların gerekli olduğu, örneğin, yukarıda belirtilen aralanmış metal yarı-elyaf toz ortamı takip eder. Bu tip kartuşlar oldukça pahalıdır ve tek kullanımlık olarak kabul edilemez. Bu tür birimler titiz bir temizlikten sonra sık sık geri dönüştürülür. Yeni veya geri dönüştürülmüş filtreler fiziksel tahribatsız test, ör. geçirgenlik ve kabarcık-pomt testlerini içerir. İkincisinde7, kartuş bir "ıslatma sıvısı" içine daldırılırken hava kabarcıklarının iiker içinden geçişine neden olmak için gereken gösterge basıncı ölçülür, örn. izopropil alkol kullanılır. Bu ölçüm, gözenekli filtre çapını hesaplamak için kullanılabilir, ölçülen basınç burada y "bahis" sıvısının yüzey gerilimi ve k, gözenek şekline bağlı olan bir sabittir. Bu ölçüm ve S filtre sorusunun kabul edilebilir standartlarıyla karşılaştırıldığında, Bölüm 6'da açıklandığı gibi, partikül yakalama verimlilikleri, standart partiküllerden akan fhidlerin uzaklaştırılmasını içeren "yıkıcı7" akış testleri ile belirlenir. Bu testler, bakteri tutulmasını, materyallerin salınımını (ekstrakte edilebilirler) ve kimyasal uyumluluğu ölçmek için başkalarına eşlik edebilir. Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi, Ayırma Teknolojisi Ödevi Yaptırma, Ayırma Teknolojisi Proje Yaptırma, Ayırma Teknolojisi Tez Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Ayırma Teknolojisi Danışmanlık, Ayırma Teknolojisi Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

Ayırma Teknolojisi (5) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri

  Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi,…

Okumaya Devam EtAyırma Teknolojisi (5) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri
Ayırma Teknolojisi (4) - Katı Sıvı Ayırma Teknolojisi - Kimya Mühendisliği - Ayırma Teknolojisi Ödevleri - Kimya Mühendisliği Ödev Yaptırma - Kimya Ödev Yaptırma Ücretleri
Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi, Ayırma Teknolojisi Ödevi Yaptırma, Ayırma Teknolojisi Proje Yaptırma, Ayırma Teknolojisi Tez Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Ayırma Teknolojisi Danışmanlık, Ayırma Teknolojisi Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Ön İşlem Teknikleri Çok küçük partiküllerle uğraşan sedimantasyon sistemlerinde, tek başına yerçekiminin etkisi, rapor edildiği gibi aşırı derecede uzun çökelme sürelerine yol açabilir. Koloidal malzemelerin p e n t süspansiyonu, çekirdek parçacıkları üzerinde elektrik yüklü iyonların varlığını izler. Bu, emilmiş bir çözelti olabilir veya d c e parçacığının kısmen çözülmesiyle üretilebilir. Parçacıkları 1 pn m'den küçük olan kolloidler, geniş yüzey alanı-kütle (veya hacim) oranlarına sahiptir. Bu özellik, yüklü parçacıkların karşılıklı itilmesini artırır ve çökelmeyi önler. Bu sistemlerde katıların yüzeyinde çekim kuvvetleri de mevcuttur. Bunlar elektrostatik yapıdadır ve çok kısa mesafelerde partikülün etkisi altında hareket eder. Stabilizasyon, su molekülleri tarafından bombardımana neden olan rastgele Brownian hareketlerine rağmen, parçacıkların çekici kuvvetlerin çalışabilir olması için yeterince yaklaşmasını engellemede itici kuvvetlerin hareketini takip eder. İtme kuvvetlerinin ortadan kaldırılması ve koloidal süspansiyonun "dengesizleşmesi" belirli kimyasalların eklenmesi ile sağlanabilir. Bu tür işlemler, Şekil 1.4'te gösterilen tipte çökeltme ekipmanı içeren belediye ve endüstriyel su arıtma tesislerinde çok büyük önem taşımaktadır. Çökelmeye ek olarak, istikrarsızlaştırılmış bir sistem genellikle gelişmiş filtreleme özelliklerine sahip olacaktır. Bu iyileştirmeler, parçacıkların "kümeleri" veya "yüzenlerinin" üretilmesiyle artan parçacık çarpışması olasılığını takip eder. Kümeler daha büyük bir etkili çapa sahiptir. x küme çapı olduğunda, efektif çapın ikiye katlanması sedimantasyon hızını dört katına çıkaracaktır. Kararsızlaştırma süreci, koagülasyon olarak bilinir. Kararsızlaştırma üretmek için kullanılan kimyasallar, potansiyel yüklerin terepülsiv potansiyelini azaltmak için hareket eden birincil koagülasyon olarak adlandırılır. Genel sonuç, zayıf filtrasyon özelliklerine sahip küçük bir küme. Pıhtılaşma süreci, Şekil 1.8'de gösterilen tipteki sentetik uzun zincirli, yüksek moleküler ağırlıklı polielektrolitlerin etkisiyle geliştirilebilir. Bunlar, pıhtılaşmış kümelerin boyutunu artırarak, süspansiyonun sedimantasyon hızlarını ve filtrasyon hızlarını artırma görevi görür. Nişasta, sakızlar, vb. gibi doğal olarak oluşan poli-elektrolitlerin kullanımıyla da benzer eylem gerçekleştirilebilir. Küme büyümesi ilk olarak “perikinetik” flokülasyon ile ilerler. Bu, oldukça küçük türlere, mikrometre altı çapa ve Brownian hareketi ile kesişmeye neden olur. Daha sonra, akışkan hareketinin neden olduğu, karıştırma etkisiyle oluşan “orto & c” çarpışmaları daha önemli hale gelir. Stabil kümelerin üretimi için indüklenmiş kesme, m pratik flokülasyon cihazlarının önemi, m pıhtılaşma ve flokülasyonda farklı moleküler mekanizmalarla birlikte 5. Bölümde tartışılmıştır. Kısaca, itici kuvvetlerin etkili aralığının m pıhtılaşması, yük nötralizasyonu ve sıkıştırılması, p silt değeri ve iyonik bileşim gibi faktörlerle ilgilidir. Flokülasyonda, uzun zincirli polielektrolitin bir kısmının fiziksel olarak bağlanmasının, ardından diğer partiküllere daha fazla bağlanmasının, partikülden partikül haline bir köprüleme etkisine neden olduğuna inanılmaktadır. Etkili olabilmesi için, polimerin flokülasyon adımı sırasında m uzunluğunda uzatılması gerekir. Köprülemeden sonra, polimer birbirine sarılır ve böylece daha büyük bir partikül ve birkaç Ü birim üretir. Yukarıda değinilen indirgeme direnci, besleme süspansiyonuna belirli bir miktarda filtre edici parçacıkların eklenmesi ile de elde edilebilir. Filtre yardımcıları, akışkanlara düşük dirençle karakterize edilen diatomlu topraklar (kizelgur), perlitler (volkanik kül), selüloz ve karbon gibi doğal olarak oluşan malzemelerdir. Bu tür maddelerden üretilen filtre kekleri açık, yüksek geçirgenliğe sahip gözenekli yapılardır. Filtre kekleri olarak biriktirildiğinde mikrometre altı partiküllerin tutulması için gereken en iyi derecelere sahip çeşitli filtre yardımcıları mevcuttur Netleştirme Filtrasyonu Belki de filtre yardımcılarının en yaygın uygulaması, değerli sıvı ürünlerin, küçük miktarlarda asılı saf olmayan maddelerle kirlendiği durumlarda, kaplanmasıdır. Bu nedenle içecek ürünlerinde, sheglife ve ürün görünümü, ürün netliğinin sıkı kontrolünü gerektirecektir. Burada filtre yardımcısı, gıda ürünlerinde kullanım için kimyasal ve fiziksel olarak uygun olmalıdır. Filtre yardımcıları iki şekilde uygulanır: (a) ince (yaklaşık 2 m) yardım tabakası, filtrasyon başlamadan önce filtre ortamı üzerine veya (b) yem suyuna belirli bir miktar yardımın eklendiği bir "vücut yemi yüzdesi" olarak bırakılır. İkinci prosedür, asılı katıların zayıf filtrelenebilirliğe sahip olduğu ve filtre ortamının yüzeyinde geçirgen bir katman oluşturduğu ve hatta filtre yardımcı ön kaplaması oluşturduğu durumlarda benimsenir. Birleştirilmiş filtre yardımcısı tortusu ve asılı kirlilik, çok daha düşük bir filtrasyon direncine sahiptir. Genel olarak maliyet açısından optimum bir vücut yemi dozajı aranmaktadır. Sıvıların arıtılması, genellikle derinlik filtreleme ekipmanının kullanılmasını gerektirir. Kullanılan işlem teknikleri ve derinlemesine filtrelerde geliştirilmiş filtreleme mekanizmaları, kum filtreleri ve kartuşlar hakkında bilgi içeren 6. Bölümde ana hatlarıyla belirtilmiştir. Basit kum filtresinin etkinliği, kum tabakasının yüzeyine bir antrasit tabakası yerleştirilerek iyileştirilebilir. Bu, bir çift antrasit tabakasının bir basınç kabında bulunduğu Şekil 1.9'da kesilmiştir. Kumdan daha iri olan antrasit parçacıkları, kum yüzeyinde yüzey birikintilerinin oluşumunu önlemeye hizmet eder. Düşük basınçlı sistemlerde, bu birikintilerin önlenmesi daha uzun çalışma döngülerine yol açar. Bazı durumlarda, yoğun katılar, örneğin alümina, kumun altında yer alan üçüncü bir katman olarak kullanılacaktır. Bu filtrelerin performansına ilişkin genel bir kılavuz, Tablo 1.3'de verilmiştir. Kartuşlu ve diyatomeli toprak ön kaplama filtreleri, genellikle kum çakıl ünitelerinin akış aşağısında ikinci aşama parlatma ateşleri olarak kullanılır. Bilgi m Tablo 1.3 yalnızca genel bir kılavuz olarak alınmalıdır çünkü belirli ayrımlar oldukça farklı kaynakları içerebilir; Aşağıdaki veriler deniz suyunun temizlenmesi ile ilgilidir. Bazı durumlarda, yukarıdaki durultucular, beslemelerden daha büyük kalıntıları gidermek için tasarlanmış yukarı akış ızgaraları veya süzgeçler tarafından desteklenir. Tarama işlemlerine ilişkin bazı açıklamalar 6. Bölümde açıklanmıştır. Düşük konsantrasyonda bulunan küçük partiküllerin uzaklaştırılmasında derin yataklı filtrelerin nispeten yüksek etkinliği, askıda kalan morganların su ıslahı veya cilalama alanının temel bir sorun olduğu en mütevazı endüstriyel süreçler üretmiştir. Örneğin, elektrolizden önce askıdaki tuzların tuzlu sudan uzaklaştırılması klor üretiminde önemli bir özelliktir; Fabrika çıktılarından askıda katı maddelerin azaltılması kanalizasyon maliyetlerini düşürür ve bazı durumlarda prosese geri dönüşüm suyu sağlar. İkinci durumda, fabrikaya sağlanan suyun azalması daha fazla ekonomi sağlar. Modem kum filtresinde mevcut olan yüksek kapasite, özellikle yakalamayı artırmak için polielektrolitler kullanıldığında, geleneksel ekipmanın bir ayırma üretemediği veya çok pahalı olacağı durumlarda kullanım imkanı sunar. Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi, Ayırma Teknolojisi Ödevi Yaptırma, Ayırma Teknolojisi Proje Yaptırma, Ayırma Teknolojisi Tez Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Ayırma Teknolojisi Danışmanlık, Ayırma Teknolojisi Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

Ayırma Teknolojisi (4) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri

  Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi,…

Okumaya Devam EtAyırma Teknolojisi (4) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri

Ayırma Teknolojisi (3) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri

  Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi,…

Okumaya Devam EtAyırma Teknolojisi (3) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri
Ayırma Teknolojisi (2) - Katı Sıvı Ayırma Teknolojisi - Kimya Mühendisliği - Ayırma Teknolojisi Ödevleri - Kimya Mühendisliği Ödev Yaptırma - Kimya Ödev Yaptırma Ücretleri
Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi, Ayırma Teknolojisi Ödevi Yaptırma, Ayırma Teknolojisi Proje Yaptırma, Ayırma Teknolojisi Tez Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Ayırma Teknolojisi Danışmanlık, Ayırma Teknolojisi Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Vakumlu filtreler endüstrinin birçok alanındaki uygulamaları ve laboratuar testlerinde yaygın olarak kullanılmaktadır; ikincisi, süspansiyonun filtrelenebilirliğini ve bir filtre ortamının uygunluğunu değerlendirmek için gereklidir. SLS işleminin tam bir kantitatif açıklaması daha sonra açıklanacak olsa da, bu aşamada akışkanın akış hızının, farklı bir özel basınçta farklı parçacıkların akışkan akışına karşı dirence ve filtre ortamına bağlı olacağını kaydetmek gerekir.  Akış, süspansiyonun çalıştırılmasıyla da oluşturulabilir, böylece sistemde bir merkez kuvveti yaratılabilir. Bu nedenle, uygun filtre ortamıyla donatılmış merkezi filtreler, yiyecek, içecek ve ilaç endüstrilerinde birçok uygulamada bulunur. Filtrasyon Temelleri SLS'de başvurulan fiziksel mekanizmaların anlaşılması, mevcut makinelerde geliştirilen sorunları çözmek için veya yeni tesis seçerken büyük zorluklardan kaçınmak için çok önemlidir. Yıllarca süren koşullu uygulama [satın alma, 19871 m bu alan, likör akış hızı ve viskozite partikül boyutu ve konsantrasyonu gibi değişkenler arasındaki sağlam nicel ilişkilerin değerinin, filtre ortamının gözenek derecelendirmesinin ve bunların tihasyon sürecindeki etkilerinin farkına varılmasına yol açar. Önceki bölümde bahsedildiği gibi, ayırma aşaması nadiren izolasyon gerektirir ve bunu genellikle gözenekli tortuların kurutulması veya susuzlaştırılması ve veya geri kazanılan katıların yıkama yoluyla saflaştırılması izler. Flokülasyon, pıhtılaşma ve sıvı ekspresyonu gibi re ve muamele sonrası prosesler, genel ayırma prosesi süresinin belirlenmesinde, bazen kontrol edilmesinde eşit ağırlık prosesi önemine sahip olabilir. Olası darboğazları belirlemek için bir ayırmada başlatılan çeşitli aşamaların işlem süresi gereksinimlerini belirlemek hayati önem taşır. Proses spesifikasyonlarının karşılanmasının imkansız olduğu kurulu filtrelere ilişkin birçok örnek verilebilir ve bu kısmen katı susuzlaştırma ve yıkama gereksinimleri olan sistemler için geçerlidir. Bu, tesis seçiminden önce, tercihen ilgilenilen makinenin küçük ölçekli bir versiyonunda iyi tasarlanmış pilot mer denemelerine olan ihtiyacı işaret eder. Belki de bu tür bir hzformatonun mevcut olmaması talihsizdir ve seçimin nispeten yetersiz verilerle ilerlemesi gerekir. Başarılı bir seçim prosedürü, ayırmada kullanılacak ortamın doğru seçimiyle yakından bağlantılıdır. Şekil 1.3'te gösterildiği gibi, endüstriyel ölçekli işlem zorluklarının büyük bir kısmı, imphghg partikülleri ile daha fdter ortamdaki gözenekler arasındaki etkileşimle ilgilidir. Tüm ayrılmış partiküllerin bir ortamın yüzeyinde tutulduğu ideal durum genellikle gerçekleştirilmez; kumaş veya membran gözeneklerine partikül penetrasyonu, ortamın tihat akışına direncinde bir artışa neden olur. Bu işlem, sistemin toplam tıkanma seviyesine kadar çıkabilir. Ortamdaki gözeneklerin tümü, aşağıda tartışıldığı gibi, karışımda işlenen en küçük partikülden daha küçükse, bu tür zorluklardan kaçınılabilir. Etkili SLS için gerekli teorik ve pratik hususlar, bu kitabın çeşitli bölümlerinde ayrıntılı olarak açıklanmıştır. Bölüm 2'de sunulan temel hususlar özellikle önemlidir. Burada, "yüzey biriktirme" modu Şekil 1'de tasvir edilmektedir. 3 B, akış için iki seri dirençle tanımlanır: a) Filtre ortamının direnci  b) Partikül tabakasının direnci (R) Temiz fdter ortam boyunca fdtrat hızı v, bana uygulanan basınç farkı AP ile orantılıdır - hız, akan  viskozitesi ve ortamın direnci ile ters orantılıdır. Bu ilişkiler matematiksel olarak şu şekilde ifade edilebilir: v, = MIpR, Aynı genel basınç altında, filtrat hızı ve parçacıkların birikimi v e düşer, burada: vf = AP / p (Rc + R,) Bu basit ifadeler, diğerlerinin yanı sıra, partikül konsantrasyonu etkileri, filtre keki sıkıştırması vb. Dahil olmak üzere Bölüm 2'de daha da geliştirilmiştir. Yukarıdaki denklemler, orta direncin işlem sırasında değişmediği varsayımına dayanmaktadır. Bu varsayım, filtre ortamının hfhmce'sinin açıklandığı m derinlik olarak kabul edilir. Genellikle R, açık, kaba ortam için düşük alınır. Örneğin dokuma ekranlar; en büyük ortam dirençleri, m membranlar, kullanılan mikro gözenekli filtrasyon, ultra Utrasyon ve ters osmozdur. Filtre ortamı dirençleri m, ikincisi, bu karakter kg açık ekranlardan bir milyon kat daha fazla olabilir. Çok yüksek partikülleri uzaklaştırmak için kullanılabilen bu ortamın doğal özellikleri, membran teknolojisi hakkında ayrıntılı olarak Bölüm 6 ve 10'da ele alınır.. Filtre keki dirençleri geniş bir aralıkta değişir, kum benzeri partikülleri yüksek ve dirençli kanalizasyon çamurlarına filtre eder. Genel olarak, partikül ne kadar büyükse, kek direnci o kadar yüksek olacaktır. İkincisi, konsantrasyon, akışkan hızı, akışkan basıncı, sıcaklık vb. Süreç değişikliklerine duyarlıdır. Bu etkiler, SLS sürecinin fiziksel ve matematiksel modellerinin geliştirilmesinde çok dikkat çekmiştir. Yukarıda bahsedildiği gibi, filtre keklerinin muamele sonrası ıslatılması ve yıkanması, büyük önem taşıyan SLS operasyonlarıdır. Bu konular, Bölüm 9'da ayrıntılı olarak tartışılmaktadır. Islak keklerin ıslatılmasında en önemli olan, termal ve mekanik yöntemlerle katıların kurutulması arasındaki ekonomik değerdir. Kurutma maliyetleri, mekanik susuzlaştırmadan kaynaklanan maliyetlerden çok daha fazla (20-30 kat) olabilir. Susuzlaştırılmış katılar, ıslak çamurlara göre daha kolay işlenir; bu, atık su arıtma proseslerinde özellikle önemlidir. Suyu alınmış filtre kekinde yüksek bir katılık, işleme maliyetlerini azaltabilir ve sürekli işlem olasılığını artırabilir. Filtre keki yıkamada, önemli bir husus, artık safsızlıkları gidermek için gereken zamandır (veya yıkama). Bölüm 9'da tartışıldığı gibi, çoğu zaman, yıkama genel fdtrasyon döngülerini kontrol eden adım olabilir. Sedimantasyon İşlemleri Belirli durumlarda, işlem koşulları katı-sıvı karışımı ayırmanın bir yolu olarak doğrudan filtrasyon kullanma olasılığını ortadan kaldırır. Ön işlem veya yemin konsantrasyonu olmadan partiküllerin serbestleştirilmesi veya partikülün ekonomik boyutlarda aşırı hassaslığı, empoze edilebilir. Açıktır ki, nispeten küçük bir maliyetle, beslemedeki mutlak sıvı miktarını azaltan herhangi bir cihaz, büyük tonajlar içeren uygulama süreçlerini bulur. Bu nedenle, seyreltik yemlerdeki katı konsantrasyonunu artırmak için kullanılan her yerde bulunan koyulaştırıcı, proses endüstrisinin hemen hemen her bölümünde bulunur. Burada, katılar ve sıvılar arasında bir m yoğunluk farkı içeren yerçekimi sedimantasyonu, esasen net bir sıvı taşması ve karışımın konsantre bir alt akışını üretmek için kullanılır. en sonuncusu artık daha fazla filtrelenebilir olabilir veya imha için uygun bir koşul olabilir. Koyulaştırıcılar, hidro-metalurjik uygulamalarda, tek başına veya  karşı akım durultma (yıkama) tesisleri vardır. Yerçekimi kuvvetlerinin aşırı derecede uzun çökelme sürelerine yol açtığı durumlarda, ikincisi kimyasal işlemle, yani flokülasyon ve pıhtılaşma tartışma konusudur. Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi, Ayırma Teknolojisi Ödevi Yaptırma, Ayırma Teknolojisi Proje Yaptırma, Ayırma Teknolojisi Tez Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Ayırma Teknolojisi Danışmanlık, Ayırma Teknolojisi Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

Ayırma Teknolojisi (2) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri

  Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi,…

Okumaya Devam EtAyırma Teknolojisi (2) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri
Ayırma Teknolojisi (1) Katı Sıvı Ayırma Teknolojisi - Kimya Mühendisliği - Ayırma Teknolojisi Ödevleri - Kimya Mühendisliği Ödev Yaptırma - Kimya Ödev Yaptırma Ücretleri
Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi, Ayırma Teknolojisi Ödevi Yaptırma, Ayırma Teknolojisi Proje Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Ayırma Teknolojisi Danışmanlık, Ayırma Teknolojisi Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Katı Sıvı Ayırma Teknolojisi Bir tür katı-gizli ayırma içermeyen büyük ölçekli bir endüstriyel süreci tanımlamak zordur. Bütünüyle, ikinci etkinlik çok çeşitli teknikler ve makineler içerir. Bu yazı dizisi, bu teknolojik çeşitliliğin yalnızca katı-sıvı ayrımı (SLS) ile ilgili kısımlarıyla ilgilidir. M - SLS sistemlerinde kullanılan çeşitli süreç ve makineleri kataloglamak için girişimlerde bulunulmuştur, bunlar genellikle iki temel ayırma moduna dayanmaktadır: 1. Katı-sıvı karışımının bir “ortama” (elek, kağıt, dokuma kumaş, membran vb.) yönlendirildiği filtrasyondur. Sıvı faz veya süzüntü ikincisinden akarken katılar yüzeyde veya ortam içinde tutulur. 2. Sedimantasyon veya Çöktürme Yoluyla Ayırma Kuvvet alanında (yerçekimi, santrifüj) katı ve sıvı arasındaki faz yoğunluklarındaki farklılıklardan yararlanılır. Katıya izin verilen, kontrol altında olmayan koşullar oluşturur. Partiküllerin doğal veya indüklenmiş düşük "katı" yoğunluğu nedeniyle sıvı boyunca yükselmesinin tersine çevrilmesidir. Aşağıda gösterilen geniş makine yelpazesi, özellikle bu m küçük parçacık boyutu aralıkları olmak üzere katıların işlenmesine eklenen belirsizliği yansıtmaktadır. Bu tür karışımların filtrelenebilirliği ve sedimantasyon hızı, süspansiyonun dağılma durumuna bağlıdır; m dönüş, ikincisi, karışımın stabilitesini ve partikül partikül temasının genel sonucunu yöneten katı-sıvı yüzey koşullarından güçlü bir şekilde etkilenir. Bu tür sistemlerin özellikleri aynı zamanda zamana bağlı olabilir, Hterabilite ve çökelme hızı süspansiyon geçmişinin bir fonksiyonu olabilir. Bu sistemlerde bulunan dağıtıcı ve aglomeratif kuvvetler, sıcaklık, çalkalama, pompalama koşulları, vb. İşlevleridir ve bunların tümü durumu karmaşıklaştırır ve süspansiyon özelliklerinin tek başına hidrodinamik terimlerle açıklanamayacağı sonucunu verir. Bu müthiş sorunlara rağmen, modern filtreleme ve ayırma teknolojisi, görünüşte zor durumda olan durumlar için ayırmalar üretmeye ve SLS aşamasının "küçük boyun" özelliğini birçok işlemde ortadan kaldırmaya devam ediyor. Bu tür sorunların rasyonelleştirilmesinin ilk adımı, en uygun teknoloji filtrasyonunu, sedimantasyonu veya bu iki işlemin bir kombinasyonunu seçmektir. Genel olarak, sedimantasyon teknikleri, mobil filtrasyondan daha ucuzdur; yerçekimi ile çökeltme kullanımı, özellikle büyük, sürekli sıvı akışları söz konusu olduğunda, kişi,  ilk olarak kabul edilecektir. Katı ve sıvı fazlar arasındaki küçük bir yoğunluk farkı, yoğunluk farkı artırılmadıkça veya yerçekimi kuvvet alanı santrifüj etkisiyle artırılmadıkça, olasılıkla çökelmeyi ortadan kaldıracaktır. Sedimantasyonu artırmaya yönelik bu tür teknikler, yerçekimi ayrımının imkansız olduğu ve partidatların doğasının Wation yapacak şekilde olduğu durumlarda bir olasılık olarak korunacaktır. Atık su ve diğer sularda karşılaşılan tipte küçük, mikron altı malzeme veya yumuşak, sıkıştırılabilir katı maddelerle uğraşırken son durum ortaya çıkacaktır. Bazı ayırmalar, sedimantasyon ve filtrasyon süreçlerinin kombinasyonunu gerektirir; Katıların önceden konsantre edilmesi, filtrelenecek sıvı miktarını ve dolayısıyla ayırma için gereken filtre boyutunu azaltacaktır. Genel ayırma yöntemine karar verdikten sonraki aşama, iki alanda bulunan çeşitli ayırma tekniklerini dikkate almaktır. Bu operasyon modları şu şekilde listelenebilir: A Sedimantasyon: yerçekimi; merkezkaç, elektrostatik; manyetik B Filtreleme: yerçekimi; vakum; basınç; centrihgal Bir başka ciddi husus da Şekil 1'i göstermektedir. Ayırma işleminin sürekli veya kesintili olarak gerçekleştirilmesinin sağlanmasıdır; ikinci yöntem "0atch" işleme olarak bilinir. Bu durumda ayırıcı, doldurma ve boşaltma aşamaları arasında aralıklı olarak hareket eder. Katıların konsantrasyonu besleme karışımında ve birim zaman başına ayrılacak miktarlar da seçim prosedürünü etkileyen faktörlerdir. Bu etkinlik, ayrılma aşamasının nadiren tek başına durması gerçeğiyle daha karmaşık hale gelir. Şekil 1.2 [Tiller, 19741, tüm SLS sürecinde gerekli olabilecek çeşitli ön ve son işlem aşamalarını içerir. Bu nedenle, bir süspansiyonun çökelme hızı veya filtrelenebilirliği, kimyasal veya fiziksel yöntemler kullanılarak ön işlemle iyileştirme gerektirebilir. Daha fazla ıslak katılar üretilir ve bunlar, filtre kekini eritmek (kurutmak) için M e r işlemeyi gerektirebilir; Bazı durumlarda, ana ürün olan ikincisi, temiz sıvıyla yıkanarak arıtma gerektirir. Aşağıdakiler için tipik bir sürecin geliştirilmesinde açıkça görülecektir: (a) adhte beslemesinin katı konsantrasyonunun arttırılması, ayırma özelliklerini geliştirmek için ön işlem, (b) katıların ayrılması, c) yıkama, birçok makine ve teknik kombinasyonu mümkündür. Bu taramalardan bazıları, soruna optimal değilse bile yeterli bir çözüm sağlayabilir. Tam optimizasyon, endüstriyel bir ihtiyaç olarak imkansız değilse de, kaçınılmaz olarak zaman alıcı ve pahalı olacaktır. Filtre seçiminin belirli yönleri, bu bölümün sonunda ve Bölüm 11'de basınçlı filtre işlemi hesaplamaları üzerinde ele alınmaktadır. Filtrasyon Süreci Yukarıda belirtildiği gibi, kaba malzemelerin ağzı için tipik bir ortam, elek yüzeyinde belirli partikülleri tutacak bir dokuma tel ağdır. Partiküllerin boyutu küçüldükçe, diğer "ekranlar" gereklidir, ör. dokuma kumaşlar, zarlar, vb; bunlar gittikçe daha küçük açıklıklar veya gözeneklerle yapılır. Böyle bir sistemden akış kesilir m Şekil 1.3. Basınçların aşırı derecede küçük ve düşük konsantrasyonda olduğu yerlerde, çökelme, kum filtreleri ile su arıtımı gibi ortamın derinliklerini aşabilir.  Filtrasyon ortamı, birkaç modda çalıştırılabilen çeşitli ekipman biçimlerine takılabilir. Böylece, pompalama yoluyla sıvı basıncını yükselterek akış oluşturan tesis veya eşdeğer bir cihaz mevcuttur.  Bu tür "basınç" filtreleri, atmosfer basıncının üzerindeki basınç seviyelerinde çalışır; ortam boyunca oluşturulan basınç farkı, ekipman boyunca sıvı akışına neden olur. Bu tip tesis, sabit basınçta farklı veya sabit debide çalıştırılabilir. İkinci durumda, basınç farkı zamanla artarken sabit basınçta, sıvı akış hızı zamanla azalır. Subatmosferik işlem veya vakum, çok sayıda uygulamada kullanılır. Bu filtrelerde, filtre ortamının çıkışındaki mutlak basınç, vakum pompaları tarafından düşük, kontrollü bir seviyede tutulur. Filtreye sağlanan süspansiyon, esas olarak atmosferik basınçta verilir; bu süreç, "sabit basınçlı diferansiyel" filtrelemenin bir örneğidir. Vakum işlemi elbette özel bir basınçlı filtrasyon durumudur. Burada nispeten küçük bir basınç farkı mevcuttur ve basınç kayıplarına dikkat edilmelidir, örneğin m ilişkili boru ve bağlantı elemanlarının neden olduğu işle ilgili etkiler. Düşük basınç koşulları, akışkan, çözünmüş gazların veya buhar kabarcıklarının sıvıya bırakıldığı "kavitasyon" fenomenine yol açabilir. Bu tür karışımların bir aşağı akış yüksek basınç bölgesinden geçişi, ör. bir pompanın çıkışında, kabarcıkların çökmesine ve pompada maddi hasara neden olur. Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi, Ayırma Teknolojisi Ödevi Yaptırma, Ayırma Teknolojisi Proje Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Ayırma Teknolojisi Danışmanlık, Ayırma Teknolojisi Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

Ayırma Teknolojisi (1) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri

  Ödevcim Online, Katı Sıvı Ayırma Teknolojisi, Kimya Mühendisliği, Kimya Mühendisliği Nedir, Ayırma Teknolojisi Ödevleri, Kimya Mühendisliği Ödev Yaptırma, Kimya Ödev Yaptırma Ücretleri, Organik Kimya Ödev Yaptırma, Ayırma Teknolojisi Ödevi,…

Okumaya Devam EtAyırma Teknolojisi (1) – Katı Sıvı Ayırma Teknolojisi – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (57) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. SONUÇLAR Bu bölümde sunulan analizler, dört bulanık MCDM yönteminden hiçbirinin hem bulanık değerlendirme kriteri açısından tamamen mükemmel olmadığını ortaya koymaktadır. Bu bulanık MCDM yöntemleri iki değerlendirme kriterine göre test edildiğinde farklı çelişki oranları ortaya çıkmaktadır. Bulanık WSM, tek boyutlu karar verme problemlerini çözmek için en basit yöntem olabilir. Ancak diğer daha sistematik yaklaşımlar; bulanık AHP, bulanık revize edilmiş RAHP, bulanık WPM ve bulanık TOPSIS, karmaşık MCDM problemleri düşünüldüğünde, bir insanın belirsizlik değerlendirmesini daha iyi yakalayabilir. Bu doğrudur çünkü ikili karşılaştırmalar gerçek hayat verilerini barındırmak için esnek ve gerçekçi bir yol sağlar. Deneysel sonuçlar, bulanık revize edilmiş (ideal mod) AHP'nin önceki iki bulanık değerlendirme kriteri açısından diğer yöntemlerden daha iyi olduğunu ortaya koymaktadır. Burada, bu bulanık MCDM yöntemlerinin karar araçları olarak kullanılmasının en iyisi olduğu vurgulanmalıdır. Bireysel karar vericiler, herhangi birini uyguladıktan sonra kendi çözümlerine ulaşabilirler. Bu çalışma, belirli durumlarda farklı yöntemlerin yalnızca genel bir görünümünü sağlamıştır. Gerçek hayattaki bulanık MCDM problemlerini çözmede başarılı bir başarı için yöntemlerin özelliklerinin daha geniş bir şekilde anlaşılması ve bulanık değerlendirme kriterleri gereklidir. GELECEKTEKİ ARAŞTIRMALAR İÇİN SONUÇLAR VE TARTIŞMA MCDM YÖNTEMLERİNİN İNCELENMESİ: GELECEK TRENDLERİ Günümüzde, insanların her zaman iyi çalışılmış normatif teorilerin davranmaları gerektiğini söylediği şekilde davranmadıkları kabul edilmektedir. Birçok karar teorisi (özellikle oyun teorileri) karar vericilerin her zaman tamamen rasyonel olduğunu varsayar. Bununla birlikte, çoğu zaman, önemli kararlar bilimsel olmayan ipuçlarına dayanır. İyi tanımlanmış klasik istatistik çıkarım prosedürleri bile sınırlı fayda sağlayabilir çünkü girdi olasılıklarının tahmin edilmesi zordur veya temeldeki varsayımlar belirli bir durumda geçerli değildir veya uygun şekilde doğrulanamazlar. Yukarıdaki konular, yakın zamanda Raiffa [1994] tarafından ifade edildiği gibi, araştırma ve uygulamanın geleceği ile ilgili üç ana endişeyi oluşturmaktadır. Yukarıdaki sorunlara bir panzehir olarak [1994] Raiffa, karar verme çalışmasına kuralcı yönelim adını verdiği yeni bir yönelim önermiştir. Bu yönelime göre, insanlar süper akılcı bireyler olarak görülmemelidir. Bunun yerine yeni yöntemler, karar verirken sistematik ve akıllıca bir yaklaşım oluşturmaya çalışmalıdır. Raiffa ayrıca karar verme çalışmasının normatif teorileri gerçek hayatta karar vermede yer alan bilişsel ve davranışsal yönlerin derinlemesine anlaşılmasıyla birleştirmesi gerektiğini öne sürdü. ALINAN DERSLER Bu yazı dizisinde incelenen MCDM yöntemleri çoğunlukla belirleyicidir ve karar vericinin belirli bir MCDM probleminde yer alan bilgiler hakkında neredeyse mükemmel bir bilgiye sahip olduğunu varsayar. Yani, eldeki MCDM sorununun ana bileşenlerini tanımlayan tüm ilgili alternatifleri ve karar kriterlerini bilir. Dahası, karar verici bu tür bir karar probleminin çözümünde yer alan sayısal verileri bilir veya tatmin edici bir şekilde değerlendirebilir. Önceki bölümler, birMCDM sorunu çözmek için tüm adımları ele almak için en yaygın olarak kullanılan yöntemlerden bazılarını sundu. Nitel verilerin nicelleştirilmesinden son sayısal verilerin işlenmesine kadar her şey ele alınır. Bununla birlikte, karar vericinin rasyonel bir kişi olduğu ve ilgili bilgilerin mükemmel bir şekilde bilindiği şeklindeki en olumlu varsayım altında bile, yine de farklı yöntemlerin aynı sorun için farklı sonuçlara yol açabileceğini keşfettik. Bu durum, daha da fazla bu tür yöntemlerin uygulanmasını teşvik etmeye devam ediyor. Bu, halihazırda bu tür rakip yöntemlerin bolluğunun uygulayıcılarda neden olduğu sorunları artırabilir. Bu yazı dizisinde sunulan karşılaştırmalı çalışmanın ana sonucu, girdi verilerinde ve MCDM probleminin yapısında mükemmel bilgi varsayılsa bile, belirli problemler için en iyi kararın ne olduğunu asla bilemeyeceğidir. Dahası, her zaman en iyi kararı verebilecek tek bir MCDM yöntemi olmayabilir. İncelenen tüm yöntemler, bu kitapta bildirilen araştırmalarda dikkate alınan bazı değerlendirme kriterleri açısından başarısız oldu. Bununla birlikte, bazı yöntemler diğerlerinden daha çarpıcı biçimde başarısız oldu. "En iyi" MCDM yöntemini bulmak çok zor bir hedeftir [Zimmermann ve Gutsche, 1991] ve bu arayış asla cevaplanamayabilir. Öte yandan, bazı problemler için alternatiflerin sıralaması doğru olabilir. Bu, alternatiflerin en ayrımcı karar kriterleri açısından ne kadar baskın olduğuna bağlıdır. İronik olarak, bu tür problemler için çoğu yöntem herhangi bir şekilde aynı nihai sonuca işaret edebilir. Alternatifleri ayırt etmek ve sıralamak zor olduğunda durum bulanıklaşır. Bu, karar vericinin bir MCDM yönteminin sonuçlarını kabul etmeden önce daima tetikte olması gerektiğini göstermektedir. Sonuçlar belirli bir alternatifin en iyisi olduğunu kuvvetle gösteriyorsa ve bu sonucu çıkarmak için kullanılan yöntemin burada açıklanan değerlendirmeler açısından esnek olduğu saptanmışsa, o zaman bu muhtemelen doğru sonuçtur. Bu noktada, alternatiflerin türetilmiş sıralamasının doğru olmasını sağlayabilecek tek bir MCDM yönteminin asla olamayacağı makul olarak iddia edilebilir. En iyi alternatifi belirleme sorunu, doğası gereği kötü tanımlanmış bir sorundur. Giriş verilerinin mükemmel bilgisi altında bile en iyi çözümü bilmek zordur. Bununla birlikte yapılabilecek şey, sayısal yöntemlerin davranışını, yaygın olarak kabul edilen mantıksal kararlılık kavramları tarafından motive edilen belirli değerlendirme kriterleri altında analiz etmektir. Bu, bu yazı dizisinde  sunulan tedavilerde yapıldı. MCDM yöntemlerinin başarılı bir şekilde araştırılması ve uygulanması için, hem ilgili yöntemlerin saf sayısal özelliklerinin hem de karar verme sürecinin bilişsel ve davranışsal yönlerinin derinlemesine anlaşılması gerekir. Çok kriterli karar verme, genellikle bir problemin ölçülmesi zor yönlerinin işlenmesini içerir. Bu çalışma, en yaygın kullanılan MCDM yöntemlerinden bazılarının araştırılması ve uygulanmasında yer alan sayısal yönleri ve bazı bilişsel ve davranışsal sorunları incelemiştir. Bu tür yöntemlerin daha fazla araştırılması ve uygulanması gelecekte kesinlikle takip edilecektir. Bu çalışmanın mevcut ve hatta gelecekteki MCDM yöntemlerini değerlendirmek ve daha iyi anlamak için sistematik bir metodoloji sağladığını umuyoruz. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (57) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (57) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (56) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. İkinci Bulanık Değerlendirme Kriterini Kullanarak Yöntemleri Test Etme Önceki bölümde açıklanan gelişmelere benzer şekilde, ikinci bulanık değerlendirme ölçütünün kullanımı en iyi açıklayıcı bir örnekle gösterilmektedir. Örnek 13-7: Önceki sayısal örnekte olduğu gibi, bir kararın dört kriter ve üç alternatifli problem aşağıdaki karara sahiptir. Yine, bu değerlerin karar tarafından bilinmediği varsayılmaktadır. Daha önce olduğu gibi bulanık üçgen sayılar oluşturulduğunda ve önceki örnekteki gibi ilerlediğinde, karşılık gelen bulanık karar matrisinin (karar vericinin bu problem için türetebileceğini varsayıyoruz) aşağıdaki gibi olduğu kolayca gösterilebilir: Ayrıca, üç alternatifin nihai öncelik puanları PI•, 'P2 • ve P3 • aşağıdaki gibi gösterilebilir: PI = (0.073, 0.361, 1.889), P2 = (0.073, 0.355, 1.824), = (0.061, 0.2 ~ 4, 1.388). Görünüşe göre, bulanık alternatif A1 en iyisidir. Daha sonra, orijinal matristeki net alternatif A3 (en iyisi değildir), orijinal A3'ten daha kötü olan A / ile değiştirilir • A / performans değerleri, üçüncü alternatifin dışında orijinal alternatif A3'tekiyle aynıdır. Kriter C3 açısından değer 8.501, en az bir 1.064 ile ikame edilir. Böylece, net sayıların orijinal matrisi değiştirilir. Bulanık AHP yönteminin kararlılığını test etmek için, yukarıdaki prosedürün aynısı, en iyi alternatifi belirlemek için tekrarlanır. Yeni bulanık karar matrisi aşağıdaki gibi gösterilebilir. Daha önce olduğu gibi çalışarak, son bulanık öncelik puanlarının artık şu hale geldiği görülebilir: = (0.040, 0.205, 1.082). = (0.077, 0.377, 1.872), P2 = (0.092, 0.418, 2.030), Yukarıdaki bulanık puanlara bakıldığında, şu anda en iyi bulanık alternatifin A2 olduğu açıktır. Bu sonuç, daha önceki sonuçla, yani en iyi bulanık alternatifin yapay zeka olmasıyla çelişmektedir. Bu analiz, bulanık AHP (orijinal versiyon) kullanıldığında ve optimum olmayan bir alternatifin daha kötü bir alternatifle değiştirildiğinde bir çelişkinin ortaya çıkabileceğini göstermektedir. Benzer bir şekilde, ideal mod (revize edilmiş) AHP, WPM ve TOPSIS yöntemlerinin de benzer bir şekilde test edildiklerinde başarısız olabileceği gösterilebilir. HESAPLAMALI DENEYLER Önceki bulanık MCDM yöntemleri, Örnek 13-6 ve 13-7'deki problemler olarak ele alınan test problemleri oluşturularak ve ardından çelişki oranları kaydedilerek değerlendirildi. Bu deneyler, daha önce bahsedilen bulanık MCDM yöntemlerinin performansını iki bulanık değerlendirme kriteri açısından incelemek amacıyla yapılmıştır [Triantaphyllou ve Lin, 1996]. Bu nedenle, bu hesaplama deneylerinde dikkate alınan üç çelişki oranı şu şekilde özetlenmiştir: Rll: Bulanık WSM ve başka bir bulanık yöntemin en iyi alternatifin gösterilmesinde uyuşmazlık oranıdır. R12: Bulanık WSM ile başka bir bulanık yöntemin, alternatiflerin tüm sıralaması üzerinde uyuşmazlık oranıdır. R21: Optimal olmayan bir alternatif daha kötü bir alternatifle değiştirildiğinde, bir yöntemin en iyi alternatifin göstergesini değiştirme oranıdır. Bu deneysel çalışma için bilgisayar programı FORTRAN'da yazılmıştır ve bir IBM 3090 ana bilgisayar bilgisayarında çalıştırılmıştır. 3,5,7 ..., 19,21 alternatifli ve 3,5,7, ..., 19 numaralı toplam 400 (yani 10 alternatif x 10 kriter x 4 yöntem) vaka incelendi.  Her vaka için (önceki üç tanıma göre) her vaka için 500 rastgele tekrarla çalıştırılarak her vaka için üç tür çelişki oranı kaydedildi. Önceki bölümlerde de belirtildiği gibi, bu ampirik çalışmada, karar vericinin, karar kriterleri açısından alternatiflerin gerçek değerlerini veya karar kriterlerinin önem ağırlıklarını bilmediği varsayılmıştır. Bu simülasyonların amacı doğrultusunda, alternatiflerin karar kriterleri açısından orijinal önem ölçüleri [9, 1] (orijinal Saaty ölçeğine göre değerlerin aralığı) aralığında rastgele oluşturulmuştur. Bulanık AHP (orijinal ve revize edilmiş), WPM ve TOPSIS yöntemleri daha sonra Örnek 13-6 ve 13-7'de açıklanan prosedürlere benzer bir şekilde iki bulanık değerlendirme kriteri açısından incelenmiştir. Hesaplama sonuçları gösterilmiş ve ayrıca aşağıdaki iki alt bölümde tartışılmıştır. Hesaplamalı Sonuçların Açıklaması Şekil 13-4 ila 13-8'de bulanık AHP, bulanık revize edilmiş AHP, bulanık WPM ve bulanık TOPSIS yöntemleri sırasıyla F-AHP, F-RAHP, F-WPM ve F-TOPSIS olarak belirtilmiştir. Hesaplama sonuçları, alternatiflerin sayısı arttıkça Rll çelişki oranının arttığını göstermektedir. Daha şeffaf bir açıklama için, Şekil 13-4 ve 13-5, yalnızca alternatiflerin sayısının sırasıyla 3 ve 21'e eşit olduğu durumlar için sonuçları göstermektedir. Bu sonuçlar, hangi yöntem kullanılırsa kullanılsın, alternatiflerin sayısı arttıkça en iyi alternatifin göstergesinin değişme oranının arttığını ortaya koymaktadır. Ancak burada kriter sayısı önemli görünmüyor. Optimal olmayan bir alternatif daha kötü bir alternatifle değiştirildiğinde en iyi alternatifin değişikliklerini gösteren çelişki oranı R21 için, bulanıklığın revize edildiği Şekil 13-5 ve 13-6'daki grafiklerden görülebilir (yani ideal mod) AHP diğer yöntemlerden biraz daha iyidir. Benzer şekilde, bulanık WSM ve diğer yöntemler arasındaki alternatiflerin tüm sıralamasındaki değişiklikleri gösteren R12 çelişki oranı da benzer bir davranış göstermektedir. Bu durumda, yalnızca 3'e eşit alternatiflerin sayısı için sonuçlar gösterilir (Şekil 13-7'de). Bunun nedeni, bulanık alternatiflerin sayısı 21 olduğunda R12 oranı için sonuçların hemen hemen her zaman% 100'e eşit olmasıdır. Karar verme problemleri daha karmaşık hale geldiğinde bu bulanık yöntemlerin artan yanlışlığına rağmen, bu grafiklerden bulanık revize edilmiş AHP'nin çoğu durumda diğer bulanık MCDM yöntemlerinden daha iyi olduğu görülebilir. Bu sonuç, orijinal olarak [Triantaphyllou ve Mann, 1989] 'da (aynı sorunları net bir ortamda inceleyen) bildirilen ve Bölüm 9'da da açıklanan sonuçlarla uyumlu olduğu ortaya çıkıyor. Ancak şimdi bulanık WPM en kötü yöntem haline geliyor.  Hesaplamalı Sonuçların Analizi Hesaplamalı deneylerden elde edilen sonuçlar bazı ilginç gözlemlere yol açmaktadır. Birincisi, bu çalışmada incelenen bulanık MCDM yöntemlerinden hiçbiri, her iki bulanık değerlendirme kriteri açısından mükemmel bir şekilde etkili değildir. Sonuçlar, her yöntemin farklı çelişki oranları verdiğini göstermektedir. İkinci olarak sonuçlar, alternatiflerin sayısı arttıkça çelişki oranlarının da arttığını ortaya koymaktadır. Yani, MCDM sorunları daha karmaşık hale geldiğinde yöntemler daha az doğrudur. Son olarak, bazı durumlarda performanstaki fark küçük olsa da, bulanık revize edilmiş AHP'nin çoğu durumda en iyi bulanık MCDM yöntemi olduğu görülmektedir. Bu sonuçlardan, bulanık revize edilmiş AHP, her iki bulanık değerlendirme kriteri açısından en küçük çelişki oranlarına sahiptir. Bir önceki bölümde de belirtildiği gibi bu sürpriz olmamalıdır. Bu noktada [Triantaphyllou ve Lin, 1996] 'da benzer deneylerde ikili karşılaştırmaları ölçmek için daha fazla ölçek kullanıldığı belirtilmelidir. Özellikle, Lootsma [1988] tarafından sunulan ve gama (y) parametresinin 0.50 ve 1.00'e eşit olduğu iki geometrik ölçeği dikkate aldık. Bununla birlikte, türetilen çelişki oranları Saaty ölçeği kullanıldığında elde edilenlerden önemli ölçüde daha yüksekti ve bu nedenle bu sonuçlar grafiğe dökülmedi. Özetle, bu çalışmanın bulguları, yöntemlerin hiçbiri tam olarak doğru olmasa da, bazı bulanık MCDM yöntemlerinin bazı durumlarda diğerlerinden daha iyi olduğunu ortaya koymaktadır. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (56) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (56) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (55) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Bununla birlikte, bulanık bir ortamda, bulanık WSM'nin sonucunu WPM, AHP ve TOPSIS yöntemlerinin bulanık sürümlerini uygulayarak elde edilenlerle karşılaştırarak yukarıdaki değerlendirme kriterini uygulamak isteyebilir. Bu ilk bulanık değerlendirme ölçütüdür. Bulanık WSM ve diğer yöntemlerden herhangi biri kullanılarak elde edilen sıralamayı karşılaştırırken, iki çelişki oranı belirlenebilir. Birincisi, en iyi alternatifin her iki yöntemle de aynı olduğu oranı kaydetmektir. İkinci çelişki oranı, iki sıralamanın herhangi bir (yani sadece en iyi değil) alternatif açısından farklı olduğu zamanları kaydetmektir. Bölüm 9'daki ikinci değerlendirme kriteri, optimal olmayan bir alternatif daha kötü bir alternatifle değiştirildiğinde bir yöntemle türetilen sonuçlar. Mükemmel doğrulukta bir yöntem, optimum olmayan bir alternatifin daha kötü bir alternatifle değiştirilmesinden sonra bile (ve verilerin geri kalanının aynı kaldığını varsayarak) bazı alternatifleri en iyi olarak derecelendirmelidir. Bu nedenle, ikinci bulanık değerlendirme kriteri, bulanık bir MCDM yönteminin, optimal olmayan bir alternatifin daha kötü bir alternatifle değiştirildiği zaman, en iyi alternatifin göstergesini değiştirmemesi gerektiği önermesini dikkate alır. Ayrıca, RCP (Gerçek ve Sürekli İkili) ve CDP (En Yakın ve Kesikli İkili) matrislerinin kavramları, bu bulanık yöntemlerin ampirik bir çalışmasını gerçekleştirmek için burada buna göre bulanıklaştırılacaktır. Bu matrisler, bu kitapta bir karar vericinin mümkün olduğunca doğru olduğu varsayımı altında ikili karşılaştırmasını taklit etmek için kullanılır. Bu matrislerin kavramı, bulanık uzantıları ile birlikte, önceki iki bulanık değerlendirme kriterinin uygulanmasını gösteren aşağıdaki örneklerde tartışılmaktadır. Yöntemleri İlk Bulanık Değerlendirme Kriterini Kullanarak Test Etme Aşağıdaki örnek, ilk bulanık değerlendirme kriterini kullanarak bulanık karar verme yöntemlerini test etme prosedürünü göstermektedir. Örnek 13-6: Bir karar probleminin dört karar kriterini ve üç alternatifini sunar. Tüm verilerin aynı ölçü birimi cinsinden ifade edilmesine izin verin (ör. Dolar, zaman veya ağırlık, vb.). Aşağıdaki karar matrisinin bu sorun için gerçek (ve dolayısıyla karar vericinin bilmediği) net verileri gösterdiğini varsayalım. Karar vericinin bu verileri bilmediği varsayılır. Daha sonra, alt, modal ve üst değerlerin kümenin üyeleri olduğu üçgen bulanık sayılar kullanması istenir: {9, 8, 7, ... 2,1,112, ... 117, 118, 1I9 }. İkili karşılaştırmaları nicelleştirmek istendiğinde bunlar Saaty ölçeği [1994] tarafından da önerilen değerlerdir. Burada ayrıca karar vericinin olabildiğince doğru olduğu varsayılmaktadır. Örneğin, karar verici ilk alternatifin performansını birinci kriter açısından tahmin etmeye çalıştığında, bulanık sayı (3, 4, 5) kullanılır. Şimdi, bu sayının modsal değerinin, yukarıdaki sayı kümesinden gerçek değer olan 4,454'e en yakın sayı olduğu gözlemlenebilir. Ayrıca, bu bulanık sayının alt ve üst değerlerinin bir birim ayrı olduğu varsayılır. Benzer bir şekilde geri kalan girişler tahmin edilir ve bu nedenle aşağıdaki bulanık karar matrisinin karar verici tarafından elde edildiği de varsayılır. Bu nedenle, bulanık alternatiflerin nihai bulanık öncelik puanları şu şekilde hesaplanır: = (5,6,7) x (3,4,5) + (5,6,7) x (2,3,4) + (7,8,9) x (3,4,5) + ( 5,6,7) x (5,6,7) = (71, 105, 157). Benzer şekilde, aşağıdaki iki bulanık öncelik değeri türetilir: = (58,5, 92, 135), = (82, 124, 174). Burada Bölüm 12.4'te tartışılan sıralama prosedürü kullanıldığında, en iyi bulanık alternatifin A3 olduğu ve üç alternatifin şu şekilde sıralandığı kolaylıkla belirlenebilir: A3> A}> A2. Aşağıdaki paragraflarda karar vericinin bulanık AHP yöntemini kullandığı varsayılmaktadır. Karar verici orijinal net karar matrisinde gösterilen gerçek verileri biliyorsa, dört karar kriteri birbiriyle karşılaştırıldığında gerçek ikili karşılaştırmaların matrisi (örn. Matris ex) aşağıdaki gibi olacaktır ( karşılık gelen değerler bu şu şekildedir) Örneğin, 12 = 1.09 = 6.015 / 5.526 girişi. Bununla birlikte, gerçekte karar verici, ikili karşılaştırmaların gerçek değerlerini asla bilemez. Bu noktada, karar vericinin olabildiğince doğru olduğu ve bulanık üçgen sayıları kullanması istendiğinde, aşağıdaki matrisi (diyelim ki en yakın matris (3)) belirleyebildiği varsayılır. bulanık ikili karşılaştırmalar (bu, karşılık gelen bulanık CDP matrisidir): Örneğin, {332 = (1, 2, 3) değeri, 1.52'nin Saaty'nin orijinal skalasından 2 değeriyle mutlak minimum farka sahip olduğu a32'den (= 1.52) türetilmiştir. Bu nedenle, {332'nin modal değeri 2'ye eşit olacak şekilde ayarlanmıştır ve {332'nin üst ve alt değerleri, sırasıyla modal değerden bir birim ayrı olan 1 ve 3'e eşittir. Benzer şekilde, her bir karar kriteri açısından üç alternatifin bulanık ikili karşılaştırmaları (yani karşılık gelen bulanık CDP matrisleri) Saaty ölçeğine göre türetilmiştir ve aşağıdaki gibi değerlendirilmiştir. Daha sonra, dört karar kriterinin önem ağırlıkları ile birlikte kriterler açısından alternatiflerin göreli tercih değerlerini türetmek için yukarıdaki bulanık karşılıklı matrisler üzerine yaklaşık özvektör yaklaşımı ve normalizasyon prosedürü daha önce olduğu gibi uygulanır. Bu nedenle, türetilen bulanık karar matrisi (karar vericinin tahmin ettiğini varsayıyoruz) verilir. Son bulanık öncelik puanları, üç bulanık, PI p ve pII alternatifler daha önce belirtildiği gibi benzer bir şekilde türetilir ve aşağıdaki gibidir: = (0.09,0.26,0.72) x (0.12,0.28,0.66) + (0.08, 0.22, 0.60) x (0.09, 0.16, 0.34) + (0.11, 0.30, 0.72) x (0.28, 0.54, 0.97) + ( 0.08, 0.22, 0.60) x (0.22, 0.45, 0.90) = (0.070, 0.384, 1.946). Benzer şekilde, aşağıdaki iki belirsiz öncelik türetilmiştir: = (0.045, 0.245, 1.376) ve = (0.063, 0.371, 1.914). Bu öncelik puanları daha önce olduğu gibi sıralandığında, üç bulanık alternatif şu şekilde sıralanır: "C> A3> A2. Yani, bulanık alternatif A1 şimdi en iyisi olarak ortaya çıkıyor. Açıkçası, bu sonuçlarla çelişiyor. Bu açıklayıcı örneğin başında bulanık WSM uygulandığında türetilmiştir. Aynı zamanda, bulanık WSM ve bulanık AHP tarafından türetilen bulanık alternatiflerin tüm sıralamasının da değiştiği (yani: A3> A1> A2'den A1> A3 olarak değiştiği de gözlemlenebilir. > A2). Bu nedenle, biri üç alternatifin tüm sıralama sıralarını karşılaştırdığında, bulanık WSM ile bulanık AHP arasında bir çelişki ortaya çıkar. Bu açıklayıcı örnek için bulanık WSM ve diğer bulanık yöntemlerden türetilen en iyi alternatifin aynı olması mümkündür, ancak kalan alternatifler sıralarını değiştirir. Revize edilmiş (yani ideal mod) AHP, WPM ve TOPSIS yöntemleri yukarıdaki gibi incelenebilir ve benzer şekilde, tek boyutlu bir ortam varsayıldığında ve norm olarak bulanık WSM kullanıldığında da çelişkiler ortaya çıkardıkları gösterilebilir. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (55) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (55) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (54) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. BULANIK WPM YÖNTEMİ Bu modelin gevrek versiyonunun en iyi alternatifi denklem (2-2) 'yi karşılayandır. Bu modelin bulanık versiyonu için karşılık gelen formül şöyle olur: "o'Kj 'o'lj ve Wj", Afuzzy üçgen sayılarıdır. Kesin olarak net bir şekilde, bulanık alternatif Ax, ancak ve ancak denklem (13-2) içindeki payın değeri paydasından büyükse, bulanık alternatif AL'yi domine eder. Formül (13-2) 'nin uygulaması aşağıdaki örnekte de gösterilmektedir: Örnek 13-2: Örnek 13-1'de kullanılan veriler de burada kullanılmaktadır. Bu nedenle, (13-2) ilişkisi uygulandığında, aşağıdaki oranlar elde edilir: [(3.00,4.00,5.00) (· 13, .20, .31) X (5.00,6.00,7.00) (· 08, .15, .25) XX (5.00,6.00,7.00) (· 29, .40 , .56) X (2.00,3.00,4.00) (· 17, .25, .38)] / [(6.00,7.00,8.00) (· 13, .20, .31) x (5.00,6.00,7.00) (· 08, .15, .25) XX (0.50,1.00,2.00) (· 29, .40 , .56) X (4.00,5.00,6.00) (· 17, .25, .38)] _ (2.355, 4.652, 13.516) / (1.473, 2.887, 9.008). Önceki hesaplamalarda yaklaşıklık sembolü kullanıldı, çünkü Bölüm 12.2'deki karşılık gelen formül de bir yaklaşım kullanıyor. Sonra, benzer bir şekilde şunu elde ederiz: R (A / AJ - (2.355, 4.652, 13.516) / (3.099, 6.348, 19.649) ve R (A / AJ - (1.473, 2.887, 9.008) / (3.099, 6.348, 19.649). Ayrıca, formül (12-2) 'ye göre ilgili eij katsayıları aşağıdaki gibidir: e3l = e32 = en = 1 ve e13, e23, e2l, Q'dan küçüktür (= 0.90). Açıktır ki, bulanık alternatif A3, diğer tüm alternatiflere hakimdir. Öncelik değerleri (bulanık sayılar olarak ifade edilir) gösterilmektedir. Bulanık WSM ve bulanık WPM yaklaşımlarına göre en iyi alternatifin aynı olduğu (bu sayısal örnekte) fark edilebilir, ancak bulanık WPM nihai sonuçlara ulaşmak için daha karmaşık işlemler gerektirir. BULANIK AHP YÖNTEMİ AHP'nin bulanık bir varyantı [Laarhoven ve Pedrycz, 1983] ve [Boender, vd., 1989] 'da sunulmuştur. Bu yaklaşım bundan sonra aşağıdaki sayısal örnekte bulanık üçgen sayılar kullanılarak gösterilecektir. Örnek 13-3: Dört bulanık karar kriteri ve üç bulanık alternatifli bir karar problemi düşünün. Şimdi ikili karşılaştırmalar, bulanık üçgen sayıların oranları olarak temsil edilmektedir. Daha sonra, karar vericiden bulanık ikili karşılaştırmalar kullanarak üç belirsiz alternatifi birinci bulanık kriter açısından karşılaştırması istendiğinde, aşağıdaki karşılıklı değerlendirme matrisinin türetildiğini varsayalım: Burada, bir alternatifin kendisi ile kıyaslandığında, net sayı 1 yerine bulanık üçgen sayısının (1, 1, 1) kullanıldığına dikkat edilmelidir. Daha sonra, yukarıdaki matrisin bulanık özvektörü tahmin edilir. Keskin bir karşılıklı matris verildiğinde, Saaty'ye göre matrisin sağ ana özvektörünün alternatiflerin önemini ifade ettiğini hatırlayın. Saaty'nin özvektör yaklaşım yöntemini (ayrıca bkz. Bölüm 4.2) önceki bölümde açıklanan bulanık aritmetik işlemlerle birleştirdiğimizde, üç alternatifin (bulanık üçgen sayılar olarak ifade edilir) aşağıdaki anlamlarını elde ederiz: [(1, 1, 1) x (116, 112, 2) x (1110, 114, 2/3)] 1/3 _ (0.25, 0.50, 1.10), [(112, 2, 6) x (1, 1, 1) x (118, 113, 1)] 1/3 _ (0.40, 0.87, 1.82), [(3/2, 4, 10) x (1, 3, 8) x (1, 1, 1)] 1/3 _ (1.14, 2.29, 4.31). Daha önce olduğu gibi, önceki hesaplamalarda yaklaşıklık sembolü "==" kullanıldı, çünkü Bölüm 12.2'deki karşılık gelen formül de bir yaklaşım kullanıyor. Daha sonra, önceki vektör, orijinal net AHP'deki benzer gerekliliğe göre normalize edilir. Normalleştirilmiş vektör, her girişin vektördeki girişlerin toplamına bölünmesiyle elde edilir. Normalleştirilmiş öncelik vektörünün aşağıdaki gibi olduğu kolayca doğrulanabilir: (0.02, 0.14, 0.99) (0.06, 0.24, 1.02) (0.16, 0.62, 2.41) Bu noktada, üç alternatif, geri kalan karar kriterleri açısından her biri açısından karşılaştırıldığında, ikili karşılaştırmaların bulanık özvektörlerinin yaklaşıklığının da benzer bir şekilde türetildiğini varsayalım. Aynısı, dört bulanık kriterin önem ağırlıkları için de yapılır. Bu veriler artık vektörleri aşağıdaki bulanık karar matrisinde oluşturmak için kullanılmaktadır: Üçgen bulanık sayıları sıralamak için Bölüm 12.3'te açıklanan prosedür PI 'P2  ve P3'e uygulandığında bulanık alternatif A3'ün en iyisi olduğu kolayca gösterilebilir.  BULANIK REVİZE EDİLMİŞ ANALİTİK HİYERARŞİ SÜRECİ Bölüm 2.4'te bahsedildiği gibi, Belton ve Gear [1983] tarafından önerilen AHP'nin revize edilmiş versiyonu (Le., "İdeal mod" AHP [Saaty, 1994]), alternatiflerin göreceli performans ölçülerini terimlerle normalize etmektir. Değerleri en büyük olana bölerek her bir kriterin Orijinal AHP yönteminden tek farkı budur. Revize edilmiş AHP'nin bulanık versiyonu en iyi, son örnekle aynı sayısal verileri kullanan aşağıdaki örnekte gösterilmektedir. Örnek 13-4: Bu örnekte, Örnekteki bulanık karar matrisindeki vektörler 13-1, bu vektördeki en büyük girdiye bölünür. Bu şekilde aşağıdaki bulanık karar matrisi elde edilir: Orijinal AHP'de kullanılana benzer bir şekilde, üç bulanık alternatifin nihai bulanık tercih puanları şu şekilde hesaplanır: (0.08, 0.18, 0.46) x (0.01, 0.21, 9.90) + (0.08, 0.16, 0.39) x (0.44, 1.00, 2.29) + (0.17,0.40,0.86) x (0.41,0.69, 1.26) + (0.11 , 0.26, 0.61) x (0.26, 0.50, 1.26) = (0.130, 0.605, 2.923). BULANIK TOPSİS YÖNTEMİ TOPSIS yönteminin bulanık versiyonu en iyi aşağıdaki sayısal örnekte gösterilmektedir. Örnek 13-5: Bu örnekte, netlik için adımların bulanık versiyonlarını takip ediyoruz. Adım 1. Bulanık Uygulanmamış Karar Matrisinin Oluşturulması Dört kriterli ve üç alternatifli bir karar problemi düşünüldüğünde, aşağıdaki bulanık karar matrisinin türetildiğini varsayalım. Adım 2. Bulanık Ağırlıklı Normalize Karar Matrisinin Oluşturulması Önceki bulanık normalleştirilmiş karar matrisi verildiğinde, karşılık gelen bulanık ağırlıklı normalleştirilmiş matris şöyledir: Adım 3. Bulanık İdeal ve Bulanık Negatif İdeal Çözümü Belirleyin Bölüm 2.2.6'daki (2-12) ve (2-13) denklemlerinin bulanık versiyonuna göre, bulanık ideal çözüm j * ve bulanık negatif ideal çözümj- aşağıdaki gibidir: j * = {(0.03, O.20, O.96), (0.02,0.14,0.74), (0.18,0.59,1.91), (0.04,0.25, 1.15)}. ve j - = {(0.01, O.05, O.29), (0.01,0.02,0.22), (0.01,0.02.0.05), (0.02,0.06, O.35)}. Adım 4. Bulanık Ayırma Ölçüsünün Hesaplanması Denklemlerin (2-14) ve (2-15) (Bölüm 2.2.6'da) bulanık versiyonu kullanıldığında, her bulanık alternatif ile bulanık ideal / negatif ideal çözümler arasındaki aşağıdaki bulanık ayırma mesafeleri türetilir: Adım 5. Bulanık İdeal Çözüme Görece Yakınlığın Hesaplanması Üç alternatifin ideal çözüme göreceli yakınlığı, aşağıdaki gibi (2-16) denkleminin bulanık versiyonu ile tanımlanır: - (0.09, 0.39, 1.41) / [(0.09, 0.39, 1.41) + (0.09, 0.28, 1.04)] = (0.04, 0.42, 5.83). Benzer şekilde, aşağıdaki değerler türetilir. Burada Bölüm 12.3'te açıklanan sıralama prosedürü uygulandığında, önceki yakınlık ölçütlerinin aşağıdaki gibi sıralandığı kolayca gösterilebilir: * == (0,06, 0,79, 10,42). alternatifler: 13> 1J> 12, Yani, en iyi alternatif 13'tür. BULANIK MCDM YÖNTEMLERİ İÇİN İKİ BULANIK DEĞERLENDİRİCİ KRİTERİ Önceki dört bulanık MCDM yöntemi, tek bir karar vericiyi içeren bulanık MCDM problemlerinde kullanılabilir. Bununla birlikte, bu yöntemler aynı problem için farklı yanıtlar türetebilir. Hangi yöntem kullanılırsa kullanılsın en iyi alternatifin aynı olması gerektiğinden, bu yöntemlerin doğruluğu ve tutarlılığının incelenmesi oldukça arzu edilir. Bu nedenle, Bölüm 9'da açıklanan değerlendirme prosedürlerine benzer şekilde, bu bulanık MCDM yöntemlerinin performansını incelemek için bu bölümde iki bulanık değerlendirme kriteri de sunulmuştur. Bölüm 9'da belirtildiği gibi, canlı ve tek boyutlu bir ortamda WSM en makul sonuçları verir. Bu nedenle, net bir tek boyutlu problemde, WPM, AHP ve TOPSIS sonuçlarını WSM kullanılarak elde edilen sonuçlarla karşılaştırmak isteyebilir. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (54) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (54) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (53) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Zhu ve Lee'ye [1991] göre bu sıralama yöntemi daha az karmaşıktır ancak yine de etkilidir. Karar vericinin bunu zorlanmadan ve yorumlama kolaylığı ile uygulamasına izin verir. Bu nedenle, bu kitapta bulanık üçgen sayıları sıralamak için bu yöntemi kullanıyoruz. Bununla birlikte, belirli bir problem herhangi bir nedenle farklı bir yöntemi gerektiriyorsa, başka bir yöntem kullanılmalıdır. Üçgen bulanık sayıları sıralamak için yukarıdaki prosedür aşağıdaki gibi kullanılır. I '.-; (x) bulanık fl.i sayısı için üyelik fonksiyonunu gösterelim. Ardından şunları tanımlıyoruz: eij = max {min (Il / X), Il / Y))}, x ~ y i, j = 1,2,3, ..., m için. Ardından; egemen olduğu (veya üstün olduğu) itj, olduğu gibi yazılır; > itj, ancak ve ancak eij = 1 ve ej; <Q, burada Q, 1'den küçük bazı sabit pozitif fraksiyonlardır. 0.70, 0.80 veya 0.90 gibi değerler Q için uygun olabilir ve Q değeri analist tarafından ayarlanmalı ve muhtemelen bir duyarlılık analizi için değiştirilmelidir. Bir sonraki bölümde bildirilen hesaplama deneylerinde Q'nun değeri 0,90'a eşit olarak ayarlandı. Yukarıdaki kavramlar, aşağıdaki açıklayıcı örnekte en iyi şekilde açıklanmıştır. Örnek 12-1: İki bulanık alternatif A] ve A2'nin öneminin şu olduğunu varsayalım: it] = (0.20, 0.40, 0.60) ve it2 = (0.40,0.70,0.90) olmak üzere iki bulanık üçgen sayı ile temsil edilir. Daha sonra, 1= 1andel2 = 0.40 A2 ve en iyi (bulanık) alternatif A] 'dır. Saaty'nin AHP yönteminde bulanık üçgen sayıların kullanım uygulamaları [Laarhoven, vd., 1983] ve [Lootsma, 1989; ve 1997]. Buradaki amaçlardan biri, ikinci bölümde anlatılan net ve deterministik MCDM yöntemlerini [Lootsma, 1989] 'da kullanılana benzer bir şekilde bulanıklaştırmaktır. Böylece, önceki kavramlar ve tanımlar, bir sonraki bölümde sunulan analizlerin temelini oluşturur. BULANIK ÇOK KRİTERLİ KARAR VERME ARKA PLAN BİLGİLERİ Bu bölümde, ikinci bölümde sunulan dört deterministik MCDM yöntemi bulanıklaştırılmıştır. Bunlar WSM, WPM, AHP (orijinal ve ideal mod) ve TOPSIS yöntemidir. ELECTRE incelenmemiştir (TOPSIS yöntemi ondan daha üstün göründüğü için). Çarpımsal AHP (Bölüm 11.4'te açıklandığı gibi), WPM modeliyle aynı sayısal özelliklere sahip olduğundan incelenmemiştir.  Keşfedeceğimiz metodoloji, önceki üç referansta sunulan yöntemlerden farklıdır. Bu bölümde, yalnızca bir karar vericinin dahil olduğu varsayımı altında net MCDM yöntemlerini bulanıklaştıracağız. Bu bölümde sunulan gelişmeler [Triantaphyllou ve Lin, 1996] 'da bildirilen çalışmaya dayanmaktadır. Bu bölümde, bu türden en iyi yöntemi bulma girişiminde bulanık MCDM yöntemlerinin performansını incelemek için iki bulanık değerlendirme kriteri kullanılmıştır. Bu iki bulanık değerlendirme kriteri, net MCDM yöntemleri için Bölüm 9.2'de sunulanlara benzerdir. Lütfen net durum için ilk değerlendirme kriterinin, çok boyutlu problemlerde doğru olması gereken bir yöntemin tek boyutlu problemlerde de doğru olup olmadığını görmek olduğunu hatırlayın. Bu nedenle, ilk bulanık değerlendirme kriteri, bulanık MCDM yöntemlerinin geri kalanını değerlendirmede standart olarak bulanık WSM'nin sonuçlarını kullanır. Benzer şekilde, ikinci bulanık değerlendirme kriteri, doğru bir bulanık MCDM yönteminin, optimal olmayan bir alternatif daha kötü bir alternatifle değiştirildiğinde (her bir karar kriterinin önemi değişmeden kaldığı sürece) en iyi alternatifin göstergesini değiştirmemesi gerektiğini varsayar. Keskin durumda olduğu gibi, bu makul bir varsayımdır, çünkü sezgisel olarak gerçekten en iyi alternatif, hangi optimum olmayan alternatifin yerini daha kötü bir alternatifle değiştirirse alsın aynı kalmalıdır. Bu iki bulanık değerlendirme kriteri hakkında daha fazla bilgi Bölüm 13.6'da açıklanmaktadır. Bu bölümde iki ana araştırma hedefi takip edilmektedir. İlk amaç, önceki dört gevrek MCDM yöntemini, göstermektedir. Bu bulanıklaştırılmış MCDM yöntemleri daha sonra önceki iki değerlendirme kriteri açısından değerlendirilir. Bu, farklı ölçeklerin nihai sonuçlara etkisini incelemek için Saaty ölçeği ve Lootsma ölçeği kullanılarak yapılır. En iyi bulanık MCDM yöntemini belirlemek, bu bölümün ikinci ana amacıdır. Bu bölüm bağlamında, karar vericinin bulanık bir MCDM probleminde karar kriterleri açısından alternatiflere atadığı değerlerin, net sayılar yerine bulanık üçgen sayılar olduğu varsayılmaktadır. Bu bulanık üçgen sayılar fl = (I, m, u) olarak gösterilecektir, burada  5; m! 5; u ve I, m, U yine sırasıyla fl'nin alt, modal ve üst değeridir. Burada m parametresi (modal değer), bu yazı dizisinde daha önce m olarak belirtilen alternatiflerin sayısı ile karıştırılmamalıdır. Aşağıdaki bölümlerde Laarhoven ve diğerleri tarafından uygulanan prosedürler. , [1983] ve Boender, vd., [1989] ikinci bölümde tanıtılan gevrek MCDM yöntemlerinde kullanılacaktır. Genelde olduğu gibi, bu bölümdeki anahtar kavramların daha iyi bir açıklamasını elde etmek için bazı sayısal örnekler de analiz edilecektir. BULANIK WSM YÖNTEMİ Keskin WSM yöntemine göre ikinci bölümde belirtildiği gibi en iyi alternatif denklem (2-1) 'i karşılayandır. Şimdi, i-inci alternatifinin j-inci kriteri açısından performans değeri, flij = (aijl 'aijm, aiju) olarak belirtilen bulanık bir üçgen sayıdır. Benzer şekilde, karar vericinin kriterlerin önem ağırlıklarını ifade etmek için bulanık üçgen sayıları kullanacağı varsayılmaktadır. Böylece, bu ağırlıklar şu şekilde gösterilecektir: Wj = (wjl, Wjm, wju). Ayrıca, ağırlıkların toplamının bire kadar (canlı bir ortamda) olması gereken temel gereksinimle tutarlı olmak için, şimdi wjm değerlerinin toplamının (yani, bulanık üçgen sayıların temsil eden modal değerlerinin) kriter ağırlıkları) 1'e eşit olmalıdır. Bölüm 9.2'deki tartışmaya ve yukarıdaki hususlara benzer şekilde, bulanık WSM (F-WSM olarak belirtilir) altında en iyi alternatifin aşağıdaki ilişkiyi sağlayan alternatif olduğu anlaşılır (burada m alternatiflerin sayısıdır): Örnek 13-1: CI, C Dört bulanık karar kriteri 2, C3, C4 ve üç bulanık alternatif AI 'A2 ve A3 üzerinde bir karar problemi tanımlansın. Ardından, bu probleme ilişkin verilerin aşağıdaki bulanık karar matrisinde verildiğini varsayalım. Şekil 13-1, bu nihai sonuçların üyelik işlevlerini göstermektedir. Her bir alternatifin karar kriterlerini karşılama kabiliyetinin bir ölçüsü olarak yorumlanabilirler. Bu şekil ve eij katsayısının (12-2) (Bölüm 12.3) ile verilen tanımından şu açıktır: eJI = eJ2 = e] 2 = 1 ve eIJ,  e2J ve e2I Q'dan küçüktür (= 0,90). Bu nedenle, Bölüm 12.3'te tartışılan sıralama prosedürüne göre, bulanık alternatif AJ en çok tercih edilenidir. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (53) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (53) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (52) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Şu anda, gittikçe artan sayıda araştırmacı, verilerinin veya arka plan bilgilerinin bulanık olması sorunuyla karşı karşıyadır. Bu, uzman sistemler ve karar destek sistemleri oluşturan kişiler için özellikle kritiktir, çünkü uğraştıkları bilgiler neredeyse her zaman belirsiz kavramlar ve yargısal kurallarla doludur. Bulanık küme teorisinin herhangi bir uygulamasındaki en kritik adım, ilgili verileri (yani üyelik değerleri) etkin bir şekilde tahmin etmektir. Bu temel bir sorun olmasına rağmen, bulanık bir kümedeki üyelik değerlerini belirlemenin benzersiz bir yolu yoktur. Bu, temel olarak farklı araştırmacıların bu sorunu algılama biçiminden kaynaklanmaktadır. Yukarıdaki sorunlar ve zorluklar, birçok MCDM probleminde özellikle yaygındır. Çoğunlukla MCDM problemlerinde veriler kesin değildir ve belirsizdir. Örneğin, çevresel etki kriteri açısından j'inci alternatifin değeri nedir? Bir karar verici, bu tür dilbilimsel ifadelerin belirlenmesinde güçlükle karşılaşabilir, böylece bunlar deterministik karar vermede kullanılabilir. Bu nedenle, karar verirken bulanık verileri kullanan karar verme yöntemlerinin geliştirilmesi ve karşılaştırılması da arzu edilir. Bu bulanık MCDM yöntemlerinin performansını değerlendirmek de çok önemlidir. Lootsma [1989'da; ve 1997] Saaty's'in bu konuda belirsiz bir versiyonunu sundu.  AHP yöntemi. Onun yaklaşımında, karar kriterlerinin önem ağırlıklarını hesaplamak için ikili karşılaştırmalarla üçgen bulanık sayılar kullanılmıştır. Benzer şekilde, her bir karar kriteri açısından alternatiflerin bulanık performans değerleri de üçgen bulanık sayılar kullanılarak hesaplanmıştır. Lootsma tarafından kullanılan bulanık işlemler, bir sonraki bölümde, dört karar verme yöntemini daha bulanıklaştırmak için uygulandı. Bu dört yöntem, Bölüm 2'de kapsamlı bir şekilde sunulmuştur ve bunlar: ağırlıklı toplam modeli (WSM), ağırlıklı ürün modeli (WPM), gözden geçirilmiş analitik hiyerarşi süreci (RAHP) (Belton ve Gear [1983] tarafından önerildiği gibi) ve TOPSIS yöntemi [Hwang ve Yoon, 1981]. Bu yöntemler, aşağıdaki bölümde açıklanan bulanık işlemlere göre Bölüm 13'te açıklanmıştır. BULANIK İŞLEMLER Fiziksel dünyadaki karar alma sürecinin çoğu, ilgili verilerin ve olası eylemlerin sıralarının tam olarak bilinmediği bir durumda gerçekleşir. Bu nedenle, karar verme problemlerinde bu tür durumları ifade etmek için bulanık verileri benimsemek çok önemlidir. Önceki dört net karar verme yöntemini bulanıklaştırmak için, bulanık işlemlerin bulanık sayılarda nasıl kullanıldığını bilmek önemlidir. Bulanık operasyonlar ilk olarak [Dubois ve Prade, 1979; ve 1980]. Laarhoven ve Pedrycz [1983], Buckley [1985] ve Boender, ve diğerleri [1989] gibi diğer yazarlar, Dubois ve Prade tarafından sunulan bulanık işlemleri kullanarak AHP'nin bulanık bir versiyonunu ele aldılar. Karar verici m alternatifleri AI 'A2,  Am n kriterlerine göre C .. C2,.  Cn' sıralama problemini düşündüğünde, karar verici sayıları atamada büyük zorluk hissedebilir veya sayıların bu kriterler açısından alternatiflere oranları. Bu nedenle, daha önce açıklanan ve analiz edilen net MCDM yöntemleri, bulanık bir ortamda doğrudan uygulanamayabilir. Şu andan itibaren bulanık alternatifler, onları Ai olarak belirtilen net versiyon muadillerinden ayırt etmek için AI olarak gösterilecektir. Bulanık alternatifler, ilgili bilgilerin yalnızca bulanık sayılarla ifade edilebildiği ayrı alternatiflerdir. Benzer ifadeler, Ci olarak belirtilen bulanık karar kriterleri ve Ci olarak belirtilen net emsalleri arasında da geçerlidir. Bulanık bir yaklaşım kullanmanın faydası, net sayılar kullanmak yerine alternatiflerin ve kriterlerin göreli önemlerini bulanık sayılarla ifade etmektir. Bulanık sayılar için üçgen bulanık kullanacağız. sayılar (yani, alt, modal ve üst değerlere sahip bulanık sayılar, sonraki tanıma da bakın) çünkü daha karmaşık yamuk bulanık sayılarla karşılaştırıldığında daha basittirler. Bulanık üçgen bir sayı resmi olarak şu şekilde tanımlanır: Yukarıdaki ilişkide (12-1) I ::: ;; m ::: ;; u, I ve u, sırasıyla, bulanık sayı M'nin desteğinin alt ve üst değerini ve modal değer için m'yi temsil eder. Denklem (12-1) ile ifade edildiği gibi bulanık bir üçgen sayı (I, m, u) olarak gösterilecektir. Laarhoven ve Pedrycz [1983], Buckley [1985] ve Boender, vd. [1989], Canlı sayıları üçgen bulanık sayılarla değiştirerek Saaty'nin AHP yönteminde bulanık sayı işlemlerini tanıttı. Buckley'in yönteminin Boender'ın yönteminden farkı, bir karar verme probleminin bulanık çözümünün bulanık üçgen sayılarla yaklaşıklaştırılmasına gerek olmamasıdır. Bununla birlikte, bulanık işlemlerin üçgen yaklaştırması, bir karar verme probleminin örtük çözümünü bulanıklaştırmak için makuldür ve Buckley'in yönteminden çok daha küçük bir yayılımla bulanık çözümler sağlar [Boender, et al., 1989]. Ayrıca Boender ve diğerleri, bir insanın karşılaştırmalı yargılarının derecelendirmelerini ölçmek için orijinal Saaty eşit uzaklık ölçeğinin aksine bir geometrik oran ölçeğinin kullanılmasını önermiştir. [Laarhoven ve Pedrycz, 1983] te geliştirilen ve kullanılan bulanık üçgen sayıların temel işlemleri şu şekilde tanımlanmaktadır: Burada "=:" yaklaşıklığı belirtir ve fl.] = (nu, n] m> n] u) ve fl.2 = (n2f, n2m> n2u), alt, modal ve üst değerleri olan iki bulanık üçgen sayıyı temsil eder. Bulanık bir üçgen sayının başka bir bulanık üçgen sayının kuvvetine yükseltilmesi özel durumu için aşağıdaki yaklaşım kullanıldı: n] = \ nlf 'n] m, n] u Lütfen bu formülün yalnızca bulanık WPM'nin geliştirilmesinde kullanıldığını unutmayın. BULANIK SAYILARIN SIRALAMASI Bulanık sayıları sıralama problemi literatürde çok sık görülmektedir. Örneğin, farklı sıralama yaklaşımlarının karşılaştırılması ve değerlendirilmesi [McCahon ve Lee, 1988] ve [Zhu ve Lee, 1991] 'de açıklanmıştır. Bulanık sayıları derecelendirmenin her yöntemi, belirli durumlarda diğerlerine göre avantajlara sahip olduğundan, hangi yöntemin en iyi olduğunu belirlemek çok zordur. Belirli bir durum için hangi sıralama yönteminin en uygun olduğuna karar vermede bazı önemli faktörler, algoritmanın karmaşıklığı, esnekliği, doğruluğu, yorumlama kolaylığı ve kullanılan bulanık sayıların şeklini içerir. Bulanık sayıları karşılaştırmak için yaygın olarak kabul gören bir yöntem ilk olarak [Baas ve Kwakernaak, 1977] 'de tanıtıldı. [Tong ve Bonissone, 1981] 'de baskınlık ölçüsü kavramı tanıtıldı ve Baas ve Kwakernaak'ın sıralama ölçüsüne eşdeğer olduğu kanıtlandı. Bu yöntem daha sonra Buckley [1985] tarafından da benimsenmiştir. Daha sonra Tong ve Bonnisone [1984] ilginç bir gözlem ortaya koydu. Yani, MCDM yöntemlerinin çoğu, kalite ölçüsü olarak ayrımcılık derecesini kullanıyor ve insan karar vericileri modellemek istendiğinde bunun geçerli bir ölçü olup olmadığını merak ediyorlar. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (52) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (52) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (51) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Bu doğal olarak bekleniyordu çünkü [Triantaphyllou, 2000] 'de kanıtlandığı gibi, bu bölümde incelenen tüm sıralama anormallikleri AHP'nin tavsiye edilen çarpımsal versiyonu kullanıldığında mümkün değildir. Açıktır ki, bir sıralama düzensizliğinin meydana geldiği Örnek 11-3'te durum böyle değildi (burada Örnek 11-3'ün başlangıcında önerilen sıralamanın Az> Al> A3 olduğunu hatırlamakta fayda var). Ardından, önceki üç alternatifin dört karar kriteri açısından göreceli performans değerlerinin mevcut olduğunu varsayalım. Yani, aşağıdaki karar matrisinin bilindiği varsayılır: Formül (11-1) önceki karar matrisine uygulandığında, türetilen öncelik değerleri (normalleştirmeden önce): PI = 0.735, Pz = 0.742 ve P3 = 0.754. Bu nedenle, üç alternatifin sıralaması şöyledir: A3> Az> AI ', daha önce bulunanla aynı sonuçları bulmuştuk. (olması gerektiği gibi).  İKİ GERÇEK HAYATTAN KARŞILAŞTIRMALI SONUÇLAR VAKA ÇALIŞMALARI Önceki ampirik analizler, sıralama anormalliklerinin simüle edilmiş problemlerde sıklıkla meydana gelebileceğini ortaya koymuştur. Bu noktada ortaya çıkan soru, aynı şeyin gerçek hayat problemleri için de geçerli olup olmadığıdır. Bu bölüm, gerçek verilerle ilgili sorunların neler olduğunu kısaca açıklamaktadır. Bu iki problem literatürden rastgele toplanmıştır.  "Köprü Değerlendirme" Probleminin Sıralama Analizi "Köprü Değerlendirme" problemi [Saaty, 1994, s. 90] 'da anlatılmaktadır. Bu problemde alternatifler Pittsburgh, PA'daki yedi köprüdür. Bu köprüler yedi karar kriterine göre değerlendirilir. İlgili veriler şu şekilde özetlenebilir: Orijinal AHP, ideal mod AHP ve çarpımsal AHP önceki verilere uygulandığında, Tablo ll'de gösterilen öncelikler ve sıralamalar türetilir. Bu tablodan, orijinal ve ideal mod AHP'nin aynı sıralamaları türettiği, çarpımsal AHP tarafından türetilen sıralama üçüncü ve ikinci pozisyonda farklılık gösterir. Tüm alternatifler aynı anda değerlendirildiğinde, türetilen sıralama şu şekildedir: Al> Az> A3> A4> A5> A6> A7 • Bununla birlikte, Az ve A3 alternatif çifti dikkate alındığında, AHP ve ideal mod AHP türetilmiş sıralama şöyledir: A2 A2> A3> A4> A5> A6> A7 • Ancak, A3 ve A2 alternatifleri aşağıdaki gibi karşılaştırıldığında bir çift ve AHP yöntemi kullanılır, ardından bunların sıralaması A3> A2 olur. Diğer tüm alternatif çiftleri, orijinal olanla tutarlı sıralamalar verir. Aynı fenomen, bu verilere ideal AHP modu uygulandığında da ortaya çıkar. Son olarak, burada belirtilmelidir ki, bu tür daha pek çok vaka incelemesi [Triantaphyllou, 2000] 'de bulunabilir. SONUÇLAR Bu bölümde sunulan anormalliklerin derecelendirilmesine ilişkin analizler, anormalliklerin sıralanması üzerine yapılan diğer çalışmalarla birlikte, birçok karar analisti arasında AHP veya bazı ilave varyantları kullanıldığında anormallikleri derecelendirmenin kaçınılmaz olduğuna dair artan bir inancı yeniden güçlendirmektedir. Bu fenomen, farklı birimler üzerinde tanımlanan kriterlerle ilgilenildiğinde kalıtsal bir zorluk gibi görünmektedir. Bu bölüm, bazı sayısal örnekler yoluyla, veriler mükemmel bir şekilde bilindiğinde (ve dolayısıyla mükemmel bir şekilde tutarlı olduğunda) bile sıralama anormalliklerinin mümkün olduğunu göstermiştir. Bu nedenle, orijinal AHP veya bunun mevcut katkı varyantları kullanıldığında, karar vericinin belirli bir MCDM problemindeki alternatiflerin tam sıralamasını asla bilemeyeceği çok iyi bir durum olabilir. Hesaplamalı çalışma, [Triantaphyllou, 2000] 'de bildirilen bazı ek analizlerle birlikte, bu tür sıralama anormalliklerinin dramatik olarak çok sık meydana gelebileceğini göstermektedir. AHP'nin [Barzilai ve Lootsma, 1994] ve [Lootsma, 1999] 'da tarif edildiği gibi çarpımsal bir varyantı da bu bölümde savunulmaktadır. AHP'nin bu çarpımsal varyantı, karar matrisinin işlendiği AHP'nin son adımında iyi bilinen ağırlıklı ürün modelinin (WPM) [Miller ve Starr, 1969] ve [Chen ve Hwang, 1992] doğrudan bir uyarlamasıdır. ve alternatiflerin nihai sıralaması belirlenir. Bu şekilde, bu bölümde açıklanan türden artık sıralama anormallikleri mümkün değildir. Bu noktada, önerilen çarpımsal AHP'nin bu bölümde incelenen sıralama anormalliklerinden hiçbirine sahip olmaması gerçeğinin, bu yöntemin mükemmel olduğunu garanti etmediği (yani, elde edilen sıralamalar her zaman doğru olanlardır) vurgulanmalıdır. Ancak, ters argümanın her zaman doğru olması gerektiği açıktır. Yani, mükemmel bir MCDM yöntemi, bu bölümde incelenen sıralama anormalliklerinin hiçbirine asla sahip olmamalıdır. Burada ayrıca WPM'nin bulanık bir versiyonunun Bölüm 13'te açıklanan ampirik çalışmada kötü performans gösterdiğini belirtmek önemlidir (özellikle Bölüm 13.7.1'e bakınız). Lütfen Bölüm 9'da incelendiği gibi WSM ve WPM yöntemleri (canlı ortamlarda) arasındaki çelişki oranlarını da hatırlayın.  FUZZY SETLER VE İŞLEMLERİ ARKA PLAN BİLGİLERİ Uzun zamandır birçok gerçek yaşam fiziksel durumunun tam olarak tanımlanmasının neredeyse imkansız olabileceği kabul edilmiştir. Bunun nedeni, gerçek dünyadaki durumlardaki yüksek derecede belirsizliktir. Zadeh, ufuk açıcı makalelerinde [Zadeh, 1965; ve 1968], bulanık küme teorisini kötü konulmuş problemlerde mevcut olan doğal bulanıklığı ölçmek için bir araç olarak önermişlerdir (birçok açıklamaya göre karar vermedeki gerçek hayat problemlerinin çoğu budur). Bulanıklık, üyelikten üyeliksizliğe keskin bir geçişin olmadığı setlerle ilişkilendirilebilecek bir tür belirsizliktir [Bellman ve Zadeh, 1970]. Bulanık kümelerin örnekleri, büyük, küçük, ciddi, basit, yaklaşık vb. Sıfatlarla karakterize edilen nesne (varlık) sınıflarıdır. Bulanık küme teorisinin mühendislik ve bilimsel problemlerdeki öneminin kapsamlı bir açıklaması, en iyi [Chang, 1971], [Dubois ve Prade, 1980], [Gupta, Ragade ve Yager, 1979] 'da verilen 1.800'den fazla referansta da gösterilmektedir. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (51) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (51) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (50) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. BAZI HESAPLAMALI SONUÇLAR Önceki açıklayıcı örnekler, AHP veya bazı ilave varyantları kullanıldığında belirli sıralama anormalliklerinin meydana gelebileceğini açıkça göstermektedir. Rastgele test problemlerinde bu tür anormalliklerin ne sıklıkla meydana gelebileceği konusunda daha derin bir anlayış kazanmak için, bir hesaplama çalışması yapılmıştır. Veriler [9, 1] aralığından rastgele sayılardı (Saaty ölçeğinin sayısal özellikleriyle uyumlu olması için). Bu test problemlerinde alternatif sayısı şu 10 farklı değere eşitti: 3, 5, 7, ..., 21. Benzer şekilde, kriter sayısı 3, 5, 7, ..., 21'e eşitti. Böylece, her vaka başına 10.000 tekrar (istatistiksel olarak anlamlı sonuçlar elde etmek için) ile toplam 100 (= 10x 10) farklı vaka incelendi. Her rastgele problem, orijinal ve ideal AHP modu kullanılarak çözüldü. Test problemleri, önceki açıklayıcı örnekler (yani, Örnek 11-1 ila 11-3) olarak ele alındı. Herhangi bir sıralama düzensizliği kaydedildi. Şekil 11-1 ila 11-6 bu sonuçları özetlemektedir. Şekil 11-1 ve 11-2, tüm alternatifler aynı anda düşünüldüğünde ve çiftler halinde düşünüldüğünde en iyi alternatifin göstergesinin ne sıklıkla farklı olduğunu gösterir (yani, Örnek 11-1 ve 11-2'deki analize benzer, sırasıyla). Şekil 11-1 orijinal AHP'nin kullanımına atıfta bulunurken, Şekil 11-2 ideal AHP modunun kullanımına atıfta bulunmaktadır. Farklı eğriler, farklı sayıda alternatif içeren sorunlara karşılık gelir. Bu rakamlardan da görülebileceği gibi, az alternatifli problemler daha düşük çelişki oranlarına sahipti. Bir problemdeki karar kriterlerinin sayısı önemsiz bir rol oynuyor gibi görünüyordu. Ayrıca, bu rakamlar AHP'nin iki versiyonu için benzer çelişki oranları göstermektedir. Öte yandan, Şekil 11-3 ve 11-4, herhangi bir alternatifin sıralamasındaki çelişkileri göstermektedir. Şimdi, alternatiflerin sayısı belirleyici bir rol oynar, oysa karar kriterlerinin sayısı önemli değildir. Dahası, çelişki oranları önemli ölçüde daha dramatiktir. Örneğin, beş alternatifli problemlerde, çelişki oranları neredeyse% 50'dir. Daha önce olduğu gibi, orijinal veya ideal mod AHP kullanıldığında elde edilen sonuçlar arasında çok fazla fark yoktur. Beklendiği gibi, Şekil 11-3 ve 114'teki çelişki oranları, Şekil 11-1 ve 11-2'dekilerden çok daha yüksektir. İlk iki şekildeki çelişki durumları doğal olarak Şekil 11-3'ün sonuçlarına dahil edildiği için bu bekleniyordu. Şekil 11-5 ve 11-6, alternatifler bir seferde iki kez karşılaştırılır ve mantıksal tutarsızlık durumları bulunur (Örnek11-3'te olduğu gibi). Seçenek sayısı ve karar kriterlerinin sayısı eskisi gibi benzer. Bununla birlikte, şimdi ideal AHP modu, orijinal AHP'den önemli ölçüde daha kötü performans gösteriyor. Tüm bu sonuçlarda, daha az alternatifli problemler, daha fazla alternatifli problemlere göre daha az sıralama çelişkisine yol açmıştır. Belirli bir vaka için dikkate alınacak alternatif çiftlerin sayısı, problemdeki alternatiflerin sayısı ile doğrudan ilişkili olduğu için bu bekleniyordu. Aslında alternatiflerin sayısı m'ye eşitse, dikkate alınacak çiftlerin sayısı m (m-l) / 2'ye eşittir. Böylece mantıksal bir tutarsızlık bulma şansı buna göre artar. Açıklayıcı örneklerden de görülebileceği gibi, kriter sayısı temel bir rol oynamadı. Bu, neredeyse yatay eğrilerle hesaplama sonuçlarında da belirgindir. AHP'NİN ÇOK YÖNLÜ BİR SÜRÜMÜ Önceki tüm sorunlu durumlara, gerekli normalleştirme (elemanların toplamına bölünerek veya bir vektördeki maksimum değere bölünerek) ve nihai tercih değerlerini türetmek için karar matrisinin verileri üzerinde ek bir fonksiyonun kullanılması neden olur. alternatiflerin. Karar kriterleri farklı birimler (asdollar, dakika, pound vb.) tanımlandığında mutlak veriler kullanılamaz. Bu nedenle, ilgili verileri bir şekilde normalize etmek gerekir. Ne yazık ki, bu normalleştirme adımı ve ilave fonksiyonların kullanımı, önceki sayısal örneklerde olduğu gibi sonuçsuz ve hatalı sonuçlara yol açabilir. Önceki paragrafta belirtildiği gibi, karar verici niteliksel verilerle veya birden fazla ölçü birimiyle ilgileniyorsa, o zaman bir tür göreceli verileri kullanmak zorundadır. Yani, aij verileri ya o vektördeki girişlerin toplamına ya da maksimum değere bölünerek ya da başka bir yolla normalize edilmelidir. Bununla birlikte, bir katkı işlevinin kullanılması kolayca önlenebilir. Bu, örneğin Bölüm 2.2.2'de açıklanan ağırlıklı ürün modelindeki (WPM) durumdur. Karar vermede göreli önceliklerin türetilmesinde çarpımsal formüllerin kullanımı yeni değildir [Lootsma, 1991]. Kritik bir gelişme, performans değerleri aij ile kriter ağırlıkları wj bir araya getirildiğinde çarpımsal formülasyonların kullanılması gibi görünmektedir • Bu, WPM yöntemindeki temel adımdır. Barzilai ve Lootsma [1994] ve daha sonra [1999] da Lootsma, grup karar vermede güç ilişkilerini modellemek için AHP'nin çarpımsal bir varyantını kullanmayı önerdiler. Lütfen Bölüm 2.2.2'den hatırlayın ki, örneğin Al ve A2 gibi iki alternatif karşılaştırıldığında, aşağıdaki ilişki doğruysa alternatif Al, alternatif A2'den (Le., Al> A2) daha çok tercih edilir: Burada son iki ürünün, WPM yöntemi altında karşılık gelen iki alternatifin öncelik değerlerini ifade ettiği fark edilebilir. Bu öncelik değerleri normalleştirilebilir ve / veya sıralanabilir ve böylece bir dizi alternatifin sıralamasını türetebilir. [Triantaphyllou, 2000] 'de AHP'nin bu çarpımsal varyantının bazı ilginç özelliklere sahip olduğu kanıtlanmıştır. Özellikle, bu bölümde incelenen sıralama anormalliklerinin bu yöntem altında oluşamayacağı teorik olarak kanıtlanmıştır. Örnek 11-5: Çarpımlı AHP Uygulaması Örnek 11-3'te kullanılan verileri dikkate alıyoruz. İdeal mod AHP uygulandığında, aynı anda iki alternatif düşünüldüğünde elde edilen sıralamada bazı iç çelişkiler vardı. Ardından bu verilere çarpımsal formül (11-1) uygulanır. Dikkate alınması gereken ilk çift, alternatifler Al ve A2'dir.  Bu nedenle bu alternatifler şu şekilde sıralanmıştır: A2> AI 'Burada parantez içindeki verilerin herhangi bir şekilde normalleştirilebileceği ancak oranların değerlerinin değişmeden kalacağı gözlemlenebilir. Ardından, A2 ve A3 çifti de kabul edilir. Yukarıdakine benzer şekilde, bu alternatifler şu şekilde sıralanır: A3>A2 Son iki sıralamadan, aşağıdaki sıralama üç alternatifin tümü için türetilmiştir: A3> A2> AI . Son çift Al ve A3 düşünüldüğünde, türetilen sıralamanın her zaman önceki küresel sıralama ile mükemmel uyum içinde olduğunu gözlemleyin. üç alternatiften. Al ve A3 çifti için ilgili hesaplamalar farklılaşır. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (50) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (50) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (49) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Örnek 11-2: İdeal Mod AHP Durumu Önceki örnekle benzer şekilde, ideal mod AHP durumu en iyi bir örnekle açıklanır. Aşağıdakinin, üç kriter ve üç alternatif AI 'A2 ve A) ile basit bir problemin karar matrisi olduğunu varsayalım. Daha önce olduğu gibi, yukarıdaki verilerin de çift yönden karşılaştırmalarla mükemmel tutarlılık gösteren yargı matrislerinden türetildiği varsayılır. İdeal mod AHP yukarıdaki karar matrisine uygulandığında, üç alternatifin "Birleşik Öncelikler" vektörü altında gösterilen öncelik değerlerine sahip olduğu kolayca görülebilir. Bu nedenle, maksimizasyon durumunda, yukarıdaki birleşik öncelikler, üç alternatifin aşağıdaki gibi sıralandığını gösterir: A2> A3> AI ' Örnek 11-1'deki tartışmaya benzer şekilde, sonraki üç alternatifler ikili bir şekilde karşılaştırılır. Yani, asıl sorun, her biri iki alternatife sahip üç küçük soruna bölünmüştür. Bu türden ilk problem (A2 ve A alternatif çiftini dikkate alır) aşağıdaki karar matrisi ile açıklanmıştır. Şimdi yukarıdaki matristeki sütunlar, AHP ideal modunun öngördüğü şekilde normalize edilmiştir (yani, her vektördeki elemanlar o vektördeki en büyük değere bölünmüştür). Benzer şekilde, bu tür ikinci problem (Al ve A2 alternatiflerinin çiftini dikkate alan) aşağıdaki karar matrisi ile açıklanmaktadır. Önceki sonuçlar, birlikte ele alındığında, üç alternatifin sıralamasının şu olması gerektiğini göstermektedir: A3> A2> AI İlk örnekte olduğu gibi, bu sıralama, tüm alternatifler aynı anda düşünüldüğünde elde edilenden farklıdır (yani: A2> A3> AI) Önceki açıklayıcı örnekte olduğu gibi, aşağıdaki ilişkilerin doğru olması gerektiği gözlemlenebilir.  Bu ikili karşılaştırmalar, aşağıdaki ikili karşılaştırma matrisinin kullanılmasına ve ardından ekteki birleşik önceliklere götürür: Bu birleşik öncelik değerleri (şimdi bire kadar eklenir), üç alternatifin sıralamasının şu olması gerektiğini gösterir: A2> A3> AI 'Bununla birlikte, önceki matristeki ikili karşılaştırmalar tek tek ele alındığında, türetilmiş sıralama farklı. Yani bu sıralama: A3> A2> AI'dır. Bu sıralama (tanım gereği), daha küçük üç alt problemin çözülmesinden ve daha sonra kısmi çözümlerin birleştirilmesinden elde edilen sıralamayla aynıdır. Yani, bu durumda, birleştirilmiş ikili matristen türetilen sıralama, daha küçük üç problem dikkate alındığında elde edilen sıralamadan farklıdır. Açıkça, Örnek 11-1'deki durum bu değildi. Önceki sıralama anormallik kategorilerinin yanı sıra, farklı türde bir sıralama anormalliği ortaya çıkabilir ve sonraki bölümde tartışılacaktır. ALTERNATİFLER BİR KEZ İKİ VE AYRICA GRUP OLARAK KARŞILAŞTIRILDIĞINDA SIRALAMA ANORMALİTELERİ Önceki tartışmalar, orijinal veya ideal mod AHP kullanıldığında, bazen doğru sıralamanın ne olduğu çok açık olmayabilir. Tüm alternatifler ve karar kriterleri kullanıldığında elde edilen sıralama kabul edilmeli mi? Ya da iki alternatifi (ve tüm kriterleri bir arada) dikkate alan daha küçük problemlerin çözümlerinin birleştirilmesinden elde edilen sıralama kabul edilmeli mi? Birleştirilmiş ikili karşılaştırmalar içeren matris düşünüldüğünde de, önceki iki sıralamadan farklı olan üçüncü bir sıralama elde edilebilir. Yukarıdaki senaryolar orijinal veya ideal mod AHP kullanıldığında mümkündür. Burada, karar vericinin önceki senaryolarda olduğu gibi sorunlu bir durumla karşılaştığında, nihai sonuçları kabul ederken daha dikkatli olması gerektiği tartışılabilir. Sorunun özelliklerinin yeniden değerlendirilmesi (özellikle yeni karar kriterleri getirilebilirse), daha az belirsiz sonuçlara yol açabilecek daha sağlam verilerle sonuçlanabilir. Bununla birlikte, önceki bölümlerde tartışılan iki sayısal örneğin gösterdiği gibi, tüm ikili karşılaştırmalar (yani, alternatif çiftlerini tek bir kriter açısından değerlendirenler) mükemmel bir şekilde tutarlı olduğunda bile sonuçsuz sonuçlara ulaşmak mümkündür. Bu örneklerdeki karar matrislerindeki verilerde durumun gerçekte böyle olduğunu hatırlayın. Bu nedenle cevaplanması gereken ilk soru, alternatiflerin doğru sıralamasıdır. Hangisinin doğru sıralama olduğuna karar vermek açık uçlu bir soru olabilir. Doğru sıralamanın, tüm alternatifler ve karar kriterleri aynı anda değerlendirildiğinde elde edilen sıralama olduğu iddia edilebilir. Bununla birlikte, daha küçük sorunların çözümlerinin daha güvenilir olduğu da iddia edilebilir, çünkü bunlar daha basit (bir seferde sadece iki alternatif dikkate alınır) karar problemleri içerir. Daha basit sorunların daha güvenilir çözümlere yol açtığı varsayımı kabul edilirse, kabul edilmesi gereken bir sonraki ifade, daha küçük sorunların kısmi sıralamalarının birleştirilmesiyle elde edilen sorunun en güvenilir olanıdır. Son nedenin yanı sıra, neden daha küçük problemlerden elde edilen sıralamanın, tüm alternatifler tüm kriterler açısından aynı anda düşünüldüğünde elde edilen sıralamadan daha güvenilir olabileceği ikinci bir argüman vardır. Bu bölümün başında ve diğer bölümlerde de bahsedildiği gibi, hem orijinal hem de ideal mod AHP, bir karar probleminde yeni veya mevcut alternatiflerin kopyaları sunulduğunda alternatiflerin sıralaması değişebileceği için sert bir şekilde eleştirilmiştir.  Bu gözlemler, AHP yönteminin geçerliliği ile ilgili bilimsel ve uygulayıcı topluluklarda birçok tartışmalı anlaşmazlığın temelini oluşturdu. Karar verici, daha küçük sorunların çözümlerini tarayarak elde edilen sıralamayı kabul ettiğinde, önceki anormallikler meydana gelemez. Bu açıkça doğrudur çünkü alternatiflerin sıralaması, o anda iki olarak değerlendirildiklerinde nasıl sıralandıklarına bağlıdır. Yeni alternatifler sunulduğunda, mevcut alternatiflerin karşılaştırılmasının sonuçları, yeni alternatiflerin tanıtılmasından önce aynı kalır. Bu nedenle, eski alternatiflerin göreceli sıralaması, ek alternatifler getirilmesi sonucunda asla değişmeyecektir. Bununla birlikte, daha küçük problemlerin bir önceki sekansının yine de aşırı derecede anormalliklere yol açması mümkündür. Daha spesifik olarak, iki alternatifi aynı anda karşılaştırmak için orijinal veya ideal mod AHP kullanıldığında, yeni bir sıralama çelişkisine ulaşmak mümkündür. Bu, aşağıdaki örnekte en iyi şekilde gösterilmiştir. Örnek 11-3: İdeal Mod AHP Vakası Önceki açıklayıcı örneklerde olduğu gibi, dört kriterli ve üç alternatifli bir sorun ele alınmıştır. A i j verileri, sürekli aralıktaki [9, 1] gerçek (normalleştirilmemiş) sayılardır. İdeal mod AHP'yi kullandığını varsayalım. AI ve Az alternatifleri önceki iki örnekteki gibi karşılaştırıldığında, şu türetilir: Az> AI. Benzer şekilde, alternatifler AI ve AJ karşılaştırıldığında, daha sonra şunu ortaya çıkardı: AI> AJ. Yani bu ilişkiler, üç alternatifin sıralamasının aşağıdaki gibi olması gerektiğini göstermektedir: Az> Al> A3. Bununla birlikte, iki alternatif A3 ve Az karşılaştırıldığında, elde edilen sıralama şöyledir: A3> Az. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (49) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (49) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (48) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Sıralamanın tersine çevrilmesi konusu sıcak ve tartışmalı olmaya devam ediyor.  Bu konu aynı zamanda Dyer ve Ravinder [1983] ve Dyer ve Wendell [1985] tarafından incelenmiştir. Saaty, [1983] ve [1987] 'de bu eleştirilere bazı aksiyomlar ve kılavuzlarla yanıt vermiştir. Yakın bir kopyanın orijinal bir alternatife rütbenin tersine dönmesine neden olmadan ne kadar yakın olabileceğine dair bazı aksiyomlar ve yönergeler verilmiştir. Karar vericinin, alternatifleri başka bir alternatifin% 10'u içinde bu puanı dikkate almaktan çıkarması gerektiğini ileri sürdü. Bu öneri daha sonra Dyer [1990a] tarafından sert bir şekilde eleştirildi. Dyer, [1990a; ve 1990b], orijinal AHP'nin, özdeş alternatifler düşünülmediğinde bile keyfi sıralamalarla sonuçlanabileceğini iddia etti. Ayrıca, bazı durumlarda AHP'nin tutarlı bir karar vericinin gerçek performanslarıyla yüksek oranda ilişkili olabilecek sonuçlar verebileceğini ve hatta diğer özel durumlarda alternatiflerin doğru bir sıralamasını sağlayabileceğini iddia etti. Ancak aynı yazar, genel olarak bunun a priori garanti edilemeyeceğini iddia etti. Dyer, bu sorunu AHP'deki ana varsayımlardan biri olan hiyerarşik kompozisyon ilkesine bağladı. Bu ilke, kriterlerin ağırlıklarının değerlendirilen alternatiflere bağlı olmadığını varsayar. Dyer, alternatif bir yaklaşım olarak AHP'nin fayda teorisi ile birleştirilmesini önerdi. Dyer tarafından hazırlanan bu makale Saaty [1990] ve Harker ve Vargas [1990] 'ın bazı eleştirel yanıtlarını uyandırdı. Winkler'in [1990] ilgili bir teknik notta belirttiği gibi, çok özellikli fayda teorisi (MAUT) her derde deva değildir. Okuyucuyu alternatif teorileri kabul ederken dikkatli olması konusunda uyarıyor. Açıkçası, bu sorunlar hala tartışmalı bir karar teorisidir. Bölüm 9 ve 10'da verilenonların ötesinde bazı ek tartışmalar, bu gerçekten önemli konularla ilgili Bell ve Farquhar [1986], Hogarth ve Reder [1986], Weber ve Camerer [1987], Munier [1988], Fishburn ve LaValle [1989] ve Sarin [1989]. Önceki tüm analizlerin aksine, bu bölümde açıklanan yeni sıralama anormallikleri, herhangi bir yeni alternatifin tanıtılmasını içermez. Yeni türdeki sıralama anormallikleri, bir MCDM problemini daha küçük problemlere ayırmaya dayanmaktadır. Bu tür sorunların her biri, bir çift alternatif üzerinde tanımlanır. Burada sayısal verilerde hiçbir değişikliğin varsayılmadığını belirtmek önemlidir. Daha sonra, daha küçük problemlerden elde edilen sıralamalar, tüm alternatifler aynı anda düşünüldüğünde elde edilen sıralamalarla karşılaştırılır. Yukarıdakiler, aşağıdaki açıklayıcı örnekler açısından en iyi şekilde açıklanmaktadır. ALTERNATİFLER BİR DEFA İKİ KARŞILAŞTIRILDIĞINDA SIRALAMA ANORMALİTELERİ Bu bölümdeki ana fikirler en iyi iki açıklayıcı örnekle açıklanmıştır. İlk örnek orijinal AHP ile ilgilidir ve bir sonraki adımda sunulmuştur. Örnek 11-1: Orijinal AHP Vakası Aşağıdakinin basit bir problemin karar matrisi olduğunu varsayalım, üç kriter ve üç alternatif AI 'A2 ve A3 ile belirtilir. Yukarıdaki verilerin, ikili karşılaştırmalara sahip mükemmel tutarlı karar matrislerinden türetildiği varsayıldığına dikkat edin. Bu, karar kriterlerinin her biri açısından alternatifler arasındaki tutarsız ikili karşılaştırmalar nedeniyle herhangi bir etkiyi bloke etmek için varsayılmıştır. Orijinal AHP yukarıdaki karar matrisine uygulandığında, üç alternatifin "Birleşik Öncelikler" vektörü altında gösterilen öncelik değerlerine sahip olduğu kolayca görülebilir. Örneğin, alternatif A l için birleşik öncelik 0.305'tir, çünkü: (9/19) X (2/7) + (2/12) X (2/7) + (2/7) x (37) = 0.305 . Bu nedenle, maksimizasyon durumunda, yukarıdaki birleşik öncelikler, üç alternatifin aşağıdaki gibi sıralandığını gösterir: Aj> A z> A l (burada ">" simgesi daha önce olduğu gibi "daha iyidir" anlamına gelir). Aşağıdaki paragraflarda, üç alternatif ikili bir şekilde karşılaştırılmaktadır. Yani, asıl sorun, her biri iki alternatife sahip üç küçük soruna bölünmüştür. Bu tür ilk problem (A2 ve A3 alternatif çiftini dikkate alır) aşağıdaki şekilde tanımlanmıştır. Yukarıdaki matristeki sütunlar, orijinal AHP'nin temel gereksinimi ile tutarlı olması için tekrar normalize edilmiştir (vektörlerin toplamının bire kadar olmasını gerektirir). Benzer şekilde, bu tür ikinci problem (A] ve A2 alternatif çiftini dikkate alır) karar matrisi ile tanımlanır. Son olarak, üçüncü ve son problem (A ve A J alternatiflerini dikkate alır) karar matrisi ile tanımlanmıştır. Önceki sonuçlar, birlikte ele alındığında, üç alternatifin sıralamasının şu olması gerektiğini göstermektedir: Al> A2> A3. Yani, bu sıralama, tüm alternatifler aynı anda düşünüldüğünde elde edilenden farklıdır (yani: A3> A2> AI). Aslında, ikinci sıralama birincinin tam tersidir! Dolayısıyla bu noktada doğal olarak gündeme gelen sorular: "En iyi sıralama hangisi?" ve "Üç alternatifin doğru birleşik öncelikleri nelerdir?" Bu soruları yanıtlamaya geçmeden önce, bu açıklayıcı örnek üzerinde daha fazla ayrıntı sunuyoruz. Üç alternatifin birleşik önceliklerinin genellikle sırasıyla PI 'P2 ve P3 olarak gösterildiğini varsayalım.  Yukarıdaki ilişkilerde eşitlik yerine yaklaşım sembolü kullanılır. Bu gereklidir, çünkü bunlar eşitlikler olsaydı, o zaman bariz bağıntıdan: (P / P2) x (P / Pj) = P / Pj, o zaman aşağıdaki bağıntının da doğru olması gerekirdi: (1.070393) X (1.058884) = 1.088911. Ancak, sol taraftaki çarpım 1.133422'ye eşit olduğu için bu doğru değildir. Bununla birlikte, önceki üç ikili karşılaştırma, aşağıdaki ikili karşılaştırma matrisinin kullanılmasına yol açmıştır. Yukarıdaki birleşik öncelikler, önceki karşılıklı matrisin sağ ana özvektörünü tahmin etmeye yönelik Saaty yaklaşımı uygulanarak önceki ikili karşılaştırmalardan türetilmiştir. Bu yaklaşım, her satırdaki öğeleri çarparak ve ardından n'inci kökü (yani, bu örnekte üçüncü kök) [Saaty, 1980]  alarak yapılır. Bu şekilde elde edilen değerler daha sonra normalize edilir ve "Birleşik Öncelikler" vektörü elde edilir. Şimdi, bu matriste alternatiflerin birleştirilmiş üç kriterin tümü açısından karşılaştırıldığı fark edilebilir. Geleneksel olarak AHP bağlamında alternatifler bir seferde tek bir karar kriteri açısından karşılaştırıldığı için bu yeni bir adımdır. Bu noktada, son birleşik önceliklerin ima ettiği üç alternatifin sıralamasının: Al> A2> A3 olduğu ortaya çıkar. Yine, bu sıralama, tüm alternatifler aynı anda düşünüldüğünde elde edilen sıralamadan farklıdır (aslında tersidir). Bu noktada doğal bir düşünce, önceki örnekte olduğu gibi bir AHP probleminin her zaman analiz edilip edilmeyeceğidir. Bu sorunun cevabı olumsuz. Bunun nedeni, bazen son ikili matristen elde edilen sıralamanın, bireysel ikili karşılaştırmaların ima ettiği sıralamayla çelişiyor olabilmesidir. Bu durum, bir sonraki sayısal örnekte daha da gösterilmektedir. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (48) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (48) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (47) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Burada, bu simülasyon deneylerinde karar vericinin olabildiğince doğru olduğu varsayıldığına dikkat edilmelidir. Bu varsayım, CDP matrisleri kavramının tanıtılmasıyla ortaya konmuştur (Bölüm 3.3.1'de daha ayrıntılı olarak açıklandığı üzere). Açıkçası, bu iki yöntem lehine çalışan bir varsayımdır. Karar vericinin kendi yargılarında her zaman bu kadar etkili olamayacağı varsayımı kabul edilirse, gerçek hayattaki uygulamalarda iki yöntemin başarısızlıklarının bu bölümde bildirilenden daha sık ve yoğun bir şekilde meydana geldiği anlaşılır. Yukarıdaki gözlemlerden, en iyi alternatifi seçmek için AHP'yi veya revize edilmiş AHP'yi kullanırsa, bunun yerine en iyi olmayan bir alternatif seçebileceği sonucuna varılabilir. Benzer şekilde, alternatiflerin nispi ağırlıklarının belirlenmesi ile ilgilenilirse, hesaplanan ağırlıklarda bozulmalar mümkündür. Burada bildirilen sayısal anormalliklerin ciddi olup olmadığı kritik sorunun cevabı, incelenen belirli uygulamaya bağlıdır ve hiçbir genelleme yapılamaz. Optimal olmayan bir alternatif seçmenin etkisi o kadar şiddetli değilse, karar vericinin çok fazla endişelenmemesi gerekir. Ancak, başvuru çok kritik ise, bu durumda mevcut soruşturma, nihai karara varmadan önce bir uyarı olarak hizmet edebilir. Mevcut araştırma, bugün pek çok uygulayıcının, MCDM yöntemlerinin yalnızca karar destek araçları olarak kullanılması ve tam anlamıyla kullanılmaması gerektiğine olan inancına bazı ek kanıtlar sağlamaktadır. SONUÇLAR Bu bölümde, MCDM problemlerine girdi olarak Saaty ikili karşılaştırma matrisleri kullanıldığında oluşan alternatif sıralamadaki tersine dönüşleri inceledik. Saatipairwise karşılaştırma matrisleri, bir çok gerçek dünya karar verme durumunda veri toplamak için başarılı bir araç olarak görülmüştür (ayrıca bkz. AHP ve bazı varyantları, gerçek hayattaki birçok mühendislik, bilim ve ekonomik uygulamaya yaklaşmada önemli bir çekicilik buldu. Bölüm 10.1'de bahsedildiği gibi, uygulamalarını gerçek hayattaki problemlere otomatikleştirmek için birçok bilgisayar paketi geliştirilmiştir (örneğin, Uzman Seçimi veya Kriter Kararı Plus paketleri). Bu bölümde açıklanan ileri hata analizi, AHP veya revize edilmiş AHP yöntemleri, girdi verilerini işlemek için özdeğer yaklaşımı ile birlikte kullanıldığında, bazı ciddi alternatif sıralama hatalarının mümkün olduğunu ortaya koymaktadır. Bu başarısızlıklar, alternatiflerin sayısı arttıkça daha dramatiktir. Bununla birlikte, birkaç alternatifli karar sorunları için bile sıralama değişiklikleri olasılığı önemli ölçüde yüksektir. Kullanılan karar kriterlerinin veya MCDM yönteminin sayısı (yani AHP veya revize edilmiş AHP), yukarıdaki oranlarda herhangi bir özel etkiye sahip değil gibi görünmektedir. Bu nedenle, bu sonuçlar, bu yöntemleri gerçek hayattaki sorunlara uygularken karar vericiye doğru bir şekilde rehberlik etmek için kullanılabilir. Bu bölüm, AHP'nin (veya revize edilmiş AHP ve belki de tüm diğer MCDM yöntemlerinin) uygulamasının neden bazı şüphelerle ele alınması ve sonuçlarının tam anlamıyla alınmaması gerektiğine dair ek bir gerekçe sağlar. Bu değerlendirme, geçmişte diğer birçok araştırmacı tarafından ifade edilen endişelerle senfonide gelir (bkz., Örneğin, [Belton ve Gear, 1983], [Dyer, 1990a; ve 1990b], [Dyer ve Ravinder, 1983], [Dyer ve Wendell, 1985], [Winkler, 1990]). Bununla birlikte, karar vericinin yargılarını (yani, CDP matrisleri kavramı) türetmede mümkün olduğunca doğru olduğu varsayımı ve MCDM yöntemlerini değerlendirmeye yönelik uygulaması çok yeni ve güçlü bir varsayımdır. Mükemmel olmayan koşullar altında gerçek başarısızlık oranlarının daha da dramatik olabileceğini burada vurgulamak gerekir. Mevcut araştırmanın, alternatifleri karar kriterleri açısından değerlendirmeye yönelik gerçek verilerin sürekli değerler aldığı varsayımına (oldukça makul) dayandığı da unutulmamalıdır. Bu nedenle, önceki sonuçlar bu süreklilik varsayımına tabidir. Son olarak, aynı araştırmanın, diğer (şimdiki veya gelecekteki) MCDM modellerini test etmek için bir mekanizma olmasının yanı sıra, bu MCDM modelleri sınıfında açık bir problem olduğunu ve bu konuda daha fazla araştırmaya ihtiyaç olduğunu ortaya koyduğu belirtilmelidir.  BAZI MCDM YÖNTEMLERİ KULLANILDIĞINDA DAHA FAZLA SIRALAMA ANORMALİTESİ DURUMU ARKA PLAN BİLGİLERİ Bölüm 9, iki değerlendirme kriteri açısından AHP, revize edilmiş AHP, WPM ve TOPSIS yöntemlerinin bir değerlendirmesini sundu. AHP ve revize edilmiş AHP yöntemleri için Bölüm 10'da başka bir değerlendirme sunulmuştur. MCDM yöntemlerinin değerlendirilmesi konusu, karar analizi / karar alma topluluklarında tartışmalı bir konudur. Bu bölüm, kısmen [Triantaphyllou, 2000] 'de sunulan ve MCDM yöntemlerinin değerlendirilmesiyle ilgili bazı yeni gelişmelere dayanmaktadır. Bu bölüm aynı konu üzerinde devam etmekte ve AHP ve bazı varyantları kullanıldığında bazı yeni sıralama anormallikleri sunmaktadır. AHP geliştirilmesinin ilk günlerinden itibaren Bölüm 2'de de (Bölüm 2.2.4) bahsedildiği gibi, belirli sıralama anormalliklerinin meydana gelebileceği gözlemlenmiştir. Belton ve Gear [1983], bir MCDM probleminde mevcut alternatiflerin özdeş kopyaları sunulduğunda, AHP'nin alternatiflerin sıralamasını değiştirmesinin mümkün olduğunu fark ettiler. Bu olguyu, AHP'de alternatiflerin göreceli performans değerlerinin karar matrisindeki her bir karar kriteri açısından normalize edilerek toplamları bire ulaşmasına bağladılar. Bu nedenle, bu değerlerin karar matrisinin her sütununun en büyük girdisine bölünmesiyle normalleştirilmesini önerdiler. Bu değişiklik takip edildiğinde, önceki türden sıralama tersine çevrilmesi gerçekleşmez. Bu, Bölüm 2.2.4'te daha ayrıntılı olarak açıklandığı gibi, revize edilmiş AHP'nin özüdür. Saaty, bu tür bir sıralama tersine çevirmenin kabul edilebilir olabileceğini ileri sürdü. Şapka almak isteyen bir bayan örneğini kullandı. İlk seçimini yapıyor, ancak mağazada çok daha fazla kopyası olduğu için en iyi seçiminin çok yaygın olduğunu keşfediyor. Bu keşif sonucunda fikrini değiştirir ve şimdi en iyisi olarak başka bir şapka seçer. Bu örnek gerçekçi bir durumu yakalayabilse de, önceki tipteki sıralama anormalliklerini gerekçelendirmede ikna edici olamaz. Saaty'nin masalında hanımefendi tercihlerini değiştirir ve bu da ilk kararının değişmesine neden olur. Belton ve Gear tarafından kullanılan örnekte, bununla birlikte, sayısal verilerde herhangi bir değişiklik varsayılmamaktadır. Bununla birlikte, bir sıralama değişikliği meydana gelir. Saaty, AHP yaklaşımındaki herhangi bir değişikliği kabul etmekte çok tereddüt etse de, daha sonra AHP'nin önceki varyantını kabul etti ve şimdi buna ideal mod AHP de deniyor. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (47) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (47) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (46) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Bu bölüm kapsamlı olarak RCP (Gerçek ve Sürekli İkili) ve CDP (En Yakın Ayrık İkili) matrislerinin (Bölüm 3.3'te tanımlanan ve analiz edilen) kavramlarını kullanır. Bu bölümde incelenen problem en iyi bir sonraki bölümde sunulan sayısal örnekle açıklanmaktadır. Bu sayısal örnekte, üç alternatif ve dört kriter içeren bir karar verme problemindeki gerçek göreceli değerlerin bilindiği varsayılmaktadır. AHP ve revize edilmiş AHP bu gerçek verilere uygulanır ve her alternatifin göreceli ağırlığı ve sıralaması bu iki MCDM yönteminin her birine göre türetilir. Daha sonra, test problemlerinde gerekli olan ayrık verileri elde etmek için RCP ve CDP matrislerinin kavramlarını kullanacağız. Bu ayrık veriler, bir karar vericinin gerçek (ve dolayısıyla bilinmeyen) ikili karşılaştırmalara en yakın tahminlerde bulunabilmesi durumunda sahip olabileceği verilerdir. Yine, bu çok elverişli bir varsayımdır çünkü gerçekte tüm ikili karşılaştırmalar için bu en yakın tahminlere ulaşılabileceğine dair bir kesinlik yoktur. Aşağıdaki sayısal örnek, AHP ve revize edilmiş AHP yönteminin, süreklilik varsayımı kullanıldığında ve karar verici olabildiğince doğru olsa bile alternatiflerin sıralamasını koruyamamasının mümkün olduğunu ortaya koymaktadır. GENİŞ BİR SAYISAL ÖRNEK Üç alternatifli ve dört kriterli bir MCDM probleminin gerçekte gerçek nispi ağırlıklarla karar matrisi olarak aşağıdaki matrise sahip olduğunu varsayalım. Yani, dört kriterin gerçek nispi ağırlıkları: (0.1325 0.0890 0.5251 0.2533). İlk kriter açısından üç alternatifin göreli önemi şunlardır: (0.5008 0.3785 0.1207). Yukarıdaki değerler, aşağıdaki 1 + 4 = 5 mükemmel tutarlı Rep matrislerinin temel sağ özvektörleri olarak da görülebilir. Dört kriterin durumu için elimizde veriler mevcuttur. Örneğin, önceki matriste (1, 2) girişi 1.4890'a eşittir çünkü karşılık gelen ikili karşılaştırma: 0.1325 / 0.0890 (= 1.4890). Kalan kayıtlar için de benzer yorumlar geçerlidir. Dört alternatifin her biri açısından sahip olduğumuz üç alternatif için karar kriterleri belirlenir. AHP'yi ve revize edilmiş AHP'yi uygulayarak (uygun formüller için sırasıyla Bölüm 2.2.3 ve 2.2.4'e bakınız) sonuçların elde edildiği gösterilebilir: Gerçekte ise karar verici önceki gerçek değerleri bilmiyor. Bunun yerine, şu kümeden girişler içeren matrisler kullanılmalıdır: {9, 8, ..., 2, 1, 1/2, ..., 118, 1/9} (yani, içinde sunulan ölçeği kullanmak için Bölüm 3.2.1'deki Tablo 3-1). Önceki beş RCP matrisine en iyi yaklaşan COP matrisleri aşağıda gösterilmiştir. Dört karar kriteri durumunda karşılık gelen COP matrisi ve karşılık gelen nispi ağırlıkları (yaklaşık özvektör): Örneğin, önceki matristeki (1, 2) girişi 1.5000'e eşittir çünkü RCP matrisindeki karşılık gelen giriş 1.4890'dır ve 1.5000 değeri izin verilen değerlere en yakın değerdir (Tablo 3-1'de gösterilen ölçek Bölüm 3.2.1 kullanılmıştır). Kalan kayıtlar için de benzer yorumlar geçerlidir. Yukarıdakine benzer şekilde, dört karar kriterinin her biri açısından üç alternatif için COP matrisleri ve bunlara karşılık gelen nispi ağırlıkları farklıdır. Yani, mevcut sorun için karar vericide mevcut olduğu varsayılan verileri gözetilir. Benzer şekilde, bu örneğin ilk bölümünde olduğu gibi, AHP ve revize edilmiş AHP sonuçları verir. Bu bulgular, bu analizin ilk bölümünde bulunan sonuçlarla açıkça çelişmektedir. Bu sayısal örnekte, iki alternatif Az ve A3'ün ağırlıkları, gerçek verilere AHP uygulandığında (sırasıyla, 0.3982 ve 0.3945) hemen hemen aynıdır. Ancak, orijinal Saaty ölçeği kullanıldıktan ve karar vericinin olabildiğince doğru olduğu varsayımı yapıldıktan sonra, AHS, A2 ve A3 alternatifleri için sırasıyla 0,3875 ve 0,4074 ağırlıklarını verir. Başka bir deyişle, AHP iki alternatifin çok farklı görünmesine neden olurken de gerçekte neredeyse aynıdır. Örnekleme amacıyla alternatiflerin finanse edilecek projeleri temsil ettiği düşünülürse, AHP A3 projesinin A2 projesinden% 5,14 (yani (0,4074 - 0,3875) x 100 I 0,3875) daha fazla finanse edilmesini önerirken, gerçekte proje A3, Az projesinden neredeyse% 1.0 daha az finanse edilmelidir. Yani, AHP veya revize edilmiş AHP uygulandıktan sonra, gerçekte neredeyse aynı olan alternatiflerin oldukça farklı görünmesi muhtemeldir. Tersi durum da mümkündür. BAZI HESAPLAMALI DENEYLER Önceki sayısal örnekte hem AHP hem de revize edilmiş AHP aynı alternatif sıralamayı verir. Ancak, genel olarak bu her zaman böyle değildir. AHP'nin doğru alternatif sıralamayı ve revize edilmiş AHP'yi yanlış veya tam tersi vermesi mümkündür. İki yöntemin performansını derinlemesine incelemek için bir simülasyon yaklaşımı izlenmiştir. Farklı sayıda karar kriteri ve alternatifi olan rastgele problemler de oluşturulmuş ve daha sonra önceki kapsamlı sayısal örnekteki gibi ele alınmıştır. Bu tür rastgele problemlerin her biri için, önceki sayısal örnekte olduğu gibi gerçek nispi ağırlıklar varsayılmıştır. Bununla birlikte, Saaty matrisleri kümedeki değerleri kullandığı için: {9, 8, ..., 2, 1, 112, ..., 2/8, 2/9} yalnızca Rep matrisleriyle ilişkili rastgele problemler sürekli aralıktaki [9, 119] girişler dikkate alındı. Her test problemi, önceki örnekteki gibi ele alınmıştır. AHP veya revize edilmiş AHP, gerçek veriler kullanıldığında elde edilenden farklı bir sıralama verdiyse, vaka bir başarısızlık olarak kaydedildi. Tablo 10-1 ve 10-2, farklı boyutlardaki rastgele problemler için bu simülasyon yaklaşımının sonuçlarını göstermektedir. Tablo 10-1, AHP ile ve Tablo 10-2, revize edilmiş AHP ile ilgilidir. Şekil 10-1 ve 10-2, sırasıyla Tablo 10-1 ve 10-2'de sunulan sonuçları grafiksel olarak göstermektedir. Simülasyon programı FORTRAN'da yazılmış ve IMSL alt rutin kitaplığı kullanılarak rastgele sayılar da oluşturulmuştur. Bulgular, bir karar problemindeki alternatif sayısının çok kritik olduğunu ortaya koymaktadır. Alternatiflerin sayısı arttıkça, AHP'nin ve revize edilmiş AHP'nin başarısızlık oranı da artmaktadır. [Triantaphyllou ve Mann, 1990] 'da ikili şekilde karşılaştırılacak varlıkların sayısının doğru varlık derecelendirmelerinin türetilmesinde özdeğer yaklaşımının performansını dramatik bir şekilde etkileyebileceği keşfedildiğinden bu bekleniyordu. Bununla birlikte, bu araştırmada başarısızlık oranları [Triantaphyllou ve Mann, 1990] 'da bildirilenlerden çok daha yüksektir. Burada [Triantaphyllou ve Mann, 1990] 'da rapor edilen testlerde, revize edilmiş AHP'nin, orijinal AHP'den önemli ölçüde daha iyi performans gösterdiğini belirtmekte fayda var. Bu bulgular ayrıca, karar kriterlerinin sayısının nihai sonuçlar üzerinde herhangi bir özel etkiye sahip olmadığını da göstermektedir. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (46) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (46) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (45) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. SONUÇLAR Önceki analizler, gözden geçirilen MCDM yöntemlerinden hiçbirinin her iki değerlendirme kriteri açısından da mükemmel şekilde etkili olmadığını açıkça ortaya koymaktadır. Yöntemlerin Bölüm 9.2'de açıklanan iki değerlendirme kriteri kullanılarak test edilmesiyle elde edilen sonuçlar, MCDM yöntemlerinin farklı çelişki oranları verdiğini göstermektedir. Analizlerin bulguları Tablo 9-8'de özetlenmiştir. Bu tablo, tipik MCDM yönteminin ilgilendiği tipik karar verme probleminin yapısını sunar ve ayrıca bir karar verme paradoksunu gösterir. Bu tabloda, MCDM yöntemleri alternatif olarak ve iki değerlendirme kriteri sorunun karar kriteri olarak ele alınmıştır. İki değerlendirme kriteri 3 alternatifli ve 3 kriterli, 3 alternatifli ve 5 kriterli, 3 alternatifli ve 7 kriterli vakalar açısından değerlendirildi. Böylece kriter başına 100 (= 10 X 10) alt kriter oluşturulmuştur. WI = 1,2,3, ...,% 100 olan WI ve w2 = 100 - WI> sayılarının, iki değerlendirme kriterinin nispi ağırlıkları olduğu varsayılmıştır. İlk 100 alt kriterin nispi ağırlıklarının WI / 100'e eşit olduğu ve son 100 alt kriter için W2 / 100'e eşit olduğu varsayılmıştır. Hangi yöntemin en iyisi olduğu net olmadığından, en iyi karar verme yöntemini seçme sorunu, art arda WSM, AHP ve revize edilmiş AHP yöntemi kullanılarak [Triantaphyllou ve Mann, 1989] 'da çözüldü. Tablo 9-6'da sıfırların ortaya çıkması, WPM'nin uygulanabilirliğini olanaksız hale getirmiştir (sıfırlarla bölünmeler nedeniyle). Bu nedenle, WPM, önceki karar problemini çözmek için düşünülmemiştir. Şekil 9-8WI ve w2 ağırlıkları için farklı değerler için sonuçları göstermektedir • Tablo 9-6'da tüm değerler aynı birimde sunulduğundan (bu sayıların yüzdeleri temsil ettiğini hatırlayın), WSM, en güvenilir cevabı verecek yöntemdir.  Şekil 9-8'in grafiğindeki ilk sütun, WSM kullanılarak elde edilen değerlendirmeyi temsil etmektedir. Bu çizelge, revize edilmiş AHP'nin, çok çeşitli farklı ağırlık kombinasyonları WI ve w2 üzerinde en iyi yöntem olarak göründüğünü göstermektedir • Yalnızca yüzde 10'un altındaki WI için revize edilmiş AHP en iyi yöntem değildir. % 10'dan az ve% 3'ün üzerindeki WI için AHP diğerlerinden daha üstün görünürken, WI için% 3'ten az WPM en iyi yöntem haline gelir. Şekil 9-8'den genel olarak WI arttıkça WPM'nin AHP ile değiştirildiği ve daha sonra revize edilmiş AHP'nin en iyi yöntem olduğu sonucuna varılabilir. Bunun nedeni muhtemelen her iki yöntemin de 100 kriter ve 3 alternatifli problemler için aynı şekilde davranmasıdır (Tablo 9-6'da olduğu gibi). Ancak, her iki yöntem de WPM'nin kendileri değil en iyisi olmasını önerir! Ayrıca, revize edilmiş AHP'nin en iyi ikinci yaklaşım olmasını tavsiye ederken, orijinal AHP, WI ve W2 ağırlık kombinasyonlarının çok küçük bir kısmı için en iyisidir. Şekil 9-8'de özetlenen bulgularla bir önceki çalışma, en iyi ÇKKY yöntemini tam olarak belirlemenin imkansız olduğunu göstermektedir, çünkü bunu yapmak için en iyi ÇKKY yöntemini kullanmak gerekir. En iyi MCDM yöntemini bulma sorunu her zaman bir karar verme paradoksuna ulaşır ve bu da bu sorunu çözme girişimlerini sınırlı başarıya götürür. Bununla birlikte, bu bölümdeki sonuçlar, iki değerlendirme kriterinin farklı ağırlıktaki vakalarının çoğu için, revize edilmiş AHP'nin, bu iki değerlendirme kriteri açısından incelenen dördü arasında en iyi karar verme yöntemi olarak göründüğünü, orijinal AHP ise, Önceki iki değerlendirme kriteri dikkate alındığında en yanlış olanı gibi görünmektedir. ORİJİNALİN VE REVİZE EDİLEN AHP'NİN BİLGİSAYARLI DEĞERLENDİRMESİ ARKA PLAN BİLGİLERİ Bölüm 1'de bahsedildiği gibi, AHP tarafından incelenen tipik sorun, bir dizi alternatif ve bir dizi karar kriterinden oluşur. Bu problem birçok mühendislik, bilim ve ekonomik uygulamada çok yaygın olduğu için AHP çok popüler bir karar aracı olmuştur. AHP'nin bu tür uygulamalarda yaygın kullanımına katkıda bulunan bir diğer neden, Expert Choice yazılımının geliştirilmesidir. Ayrıca, birçok başka bilgisayar paketi de geliştirilmiştir ve AHP'nin ilkelerine dayanmaktadır. En iyi örnek, Info Harvest, Inc. tarafından hazırlanan Criterium Decision Plus paketidir. Bu paketin mükemmel bir açıklaması için, ilgilenen okuyucu [Haerer, 2000] 'deki incelemeyi okumak isteyebilir. AHP ve varyantlarının mühendislik ve bilim uygulamalarından bazıları, teknoloji yatırım kararlarının değerlendirilmesinde entegre imalat [Putrus, 1990] ve [Falkner ve Benhajla, 1990] kullanımını içerir (yani, [Swann ve O'Keefe , 1990], [Roper-Lowe ve Sharp, 1990], [Finnie, 1988] ve [Boucher ve McStravic, 1991]), esnek imalat sistemlerinde [Wabalickis, 1988], yerleşim tasarımı [Cambron ve Evans, 1991], ve ayrıca diğer karar problemlerinde (bakınız, örneğin [Wang ve Raz, 1991] ve [Arbel ve Seidmann, 1984]) revize edilmiş AHP, orijinal AHP'nin bir çeşididir ve Belton ve Gear [1983] tarafından önerilmiştir (ayrıca bkz. Bölüm 2.2.4) ve daha sonra Saaty tarafından "ideal mod" AHP olarak benimsenmiştir. Bu iki yöntem günümüzde yaygın olarak bilindiğinden, bunlar bu bölümde araştırılacak ve karşılaştırılacak iki MCDM yöntemidir. Bu bölümde tartışılan sayısal araştırmalar [Triantaphyllou ve Mann, 1990] 'da sunulana benzer bir yaklaşımı izler. Bir AHP karar verme problemi bir dizi karşılıklı (yargı) matris içerdiğinden, [Triantaphyllou ve Mann, 1990] 'da geliştirilen test stratejisi birkaç kez tekrarlanacaktır. Verilen bir karar probleminde yer alan karşılıklı matrislerin her biri için bir kez. Bir problem m alternatifler ve n karar kriterleri üzerinde tanımlanmışsa, o zaman m X m mertebesinde n X n ve n mertebesinde matrislerin böyle bir matrisi olduğunu hatırlayın. [Triantaphyllou ve Mann, 1990] 'da, göreceli ağırlıkları elde etmek için özdeğer yöntemi kullanıldığında, bazı varlıkların (Le., Karar kriterleri veya alternatifler) gerçekte farklıyken aynı sıraya sahip olmasının mümkün olduğu bulunmuştur. Bununla birlikte, bu bölümün ampirik analizleri, gerçekte diğerlerinden daha az önemli olan alternatiflerin, AHP veya revize edilmiş AHP kullanıldıktan sonra daha önemli görünmesinin mümkün olduğunu göstermektedir. Dahası, bu derece tersine çevirme sorunu mevcut araştırmada daha ciddidir. Ayrıca, mevcut bulgular, alternatiflerin sayısı arttıkça sıra tersine dönme oranının önemli ölçüde arttığını ortaya koymaktadır. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (45) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (45) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (30) – PROBLEM AÇIKLAMASI – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. PROBLEM AÇIKLAMASI Bu bölümde incelenen ana sorun, en iyi şekilde açıklayıcı bir örnekle açıklanmaktadır. Karar vericinin ikili karşılaştırmaları kullanarak göreceli ağırlıklarını bulmak istediği, örneğin AI 'A2, A3, A4 ve As gibi beş varlık olduğunu varsayalım. Bu varlıklar bir MCDM sorununun alternatifleri olabilir ve karar verici tek bir karar kriteri açısından göreceli ağırlıklarını (veya önceliklerini) bulmak ister. Ayrıca, bu beş varlık aşağıdaki gibi dört ve üç üyeli iki alt kümede gruplandırıldığında karar vericinin ikili karşılaştırmalara sahip olduğunu varsayalım: İlk alt küme: {At, A2, A3, A4} iken, ikinci alt küme: {A3 'A4, As} olur. Aşağıdaki iki matris Ml ve Ml, sırasıyla önceki iki alt küme için ikili karşılaştırmalara sahip karşılıklı matrisler olsun. Bu bölümde, matristen bağımsız olarak aynı varlık çifti için ikili karşılaştırmaların her zaman aynı olduğu varsayılır. Bu, A3 ve A4 öğeleri arasındaki karşılaştırmanın hem Ml hem de Ml matrislerinde aynı (yani, 0.333'e eşit) olmasının nedenidir. Önceki matrislerin her ikisinin de tatmin edici bir şekilde tutarlı olduğu (yani, CI değerlerinin 0.10'dan düşük olduğu) doğrulanabilir ve bu nedenle, iki eleman grubunun göreli önceliklerini türetmek için kullanılabilirler. [Saaty, 1980] 'de veya Bölüm 4.2'de, karşılıklı matrislerden göreli önem ağırlıklarını tahmin etmenin etkili bir yolu açıklanmaktadır. Bu prosedüre göre, kişi önce her sıranın geometrik ortalamasını hesaplamak ve sonra bu araçları normalleştirerek toplamı 1 olmalıdır. Bu prosedür önceki iki Ml ve M2 matrisine uygulandığında, ardından takip eden iki PI ve P2 vektörü göreceli öncelikler sırasıyla türetilir. Birinci vektörden A3 ve A4 elemanlarının göreli önceliklerinin oranının 0.3488'e (= 0.1855 / 0.5318) eşit olduğu, ikinci vektörden ise aynı oranın 0.3028'e (= 0.1634 / 0.5396) eşit olduğu görülmektedir. . Bu nedenle, bu örnekte cevaplamaya çalıştığımız soru, beş unsurun tümü birlikte düşünüldüğünde göreli öncelikler nelerdir? Önceki iki matris, beş öğenin tamamında tanımlanan daha büyük bir matrisin parçaları olarak görüntülenebilir. Ml ve Ml matrisleri birleştirildiğinde, aşağıdaki 5 x 5 matris M türetilir (burada "*", belirsiz bir karşılaştırmayı belirtir): Diğer bir deyişle, yalnızca iki çift {At> As} ve {A2 'As} için karşılaştırmalar eksiktir. Daha sonra, matrisi n elementleri için tüm olası karşılaştırmalarla ele alıyoruz. Daha sonra yukarıdaki hususlardan, karar vericinin aşağıdaki karşılaştırmaları sunduğu anlaşılmaktadır: aij 'fori, j = 1,2,3, ..., nt> ve aij için i, j = liz, (nz + l), (lIz + 2), ..., n. i = (nl + 1), (nl + 2), ..., n, ve j = 1,2,3, ..., (nz-l) belirsizdir (aj i = 11aij olduğunu hatırlayın). Başka bir deyişle, n (n - 1) / 2 karşılaştırmalı n x n matrisinin daha önce gösterildiği gibi alt matrislere bölündüğü görülebilir. Sonraki bölümde eksik karşılaştırmaları tahmin etmek için iki prosedür geliştirildi. İlk prosedür basit ve anlaşılırken, ikinci prosedür bir hata minimizasyon stratejisi dener ve doğrusal bir programlama (LP) formülasyonuna dayanır.  İKİ ÇÖZÜM YAKLAŞIMI Basit Bir Yaklaşım Bölüm 4'te bahsedildiği gibi, ikili karşılaştırmalara sahip mükemmel tutarlı karşılıklı matrisler aşağıdaki ilişkiyi sağlar: aij = aik x ajk, i, j, k = 1,2,3, ..., n için. İlişkiden (6-1), mükemmel tutarlı durumda, eksik karşılaştırmalar (burada Xij olarak belirtilmiştir) aşağıdaki gibi belirlenebilir. Tutarsız durumlarda, önceki ilişki (6-2) her zaman doğru değildir. Ancak bilinmeyen terimler Xij'in aik X ajk ürünlerine olabildiğince yakın olması beklenebilir. Bu nedenle, bilinmeyen Xij terimlerini tüm olası ürünlerin (aritmetik) ortalamaları olarak belirlemek mantıklıdır. Diğer bir deyişle, Xij terimlerini aşağıdaki gibi hesaplamanın basit bir yolu vardır. Bu ortalamalar hesaplandıktan sonra tüm matrisin eksik girdileri tahmin edilmiştir. Daha sonra, özvektör yaklaşımı (veya Bölüm 4'te tartışılanlar gibi herhangi bir ilgili yaklaşım) tam matrise uygulanabilir ve böylece n öğenin nihai ağırlıkları tahmin edilebilir. Yukarıdaki ortalamalar basit bir şekilde hesaplanabilmesine rağmen, yukarıdaki yaklaşım aşağıdaki ilişki için gereksinimi yakalayamamaktadır (6-4). (6-4) ilişkisinin, herhangi bir i için,} = 1,2,3, .. "n, au = lIaji olgusundan doğrudan kaynaklandığına dikkat edilmelidir. Doğrusal Programlama Yaklaşımı Önceki yaklaşım değiştirilebilir ve daha sofistike bir prosedüre dönüştürülebilir, ne zaman ilişkiyi dahil etmek istiyorsa (6-4), o zaman ilişki (6-3) bir eşitlik olarak geçerli olmayabilir. Yani, şimdi sol taraf yaklaşık olarak sağ tarafa eşittir, (6-5) ilişkisinin eşit olmasını istiyorsak, o zaman eu 'olarak belirtilen bir hata terimi tanıtılmalıdır.  Benzer şekilde, ilişki (6-4) bir eşitliğe dönüştürülebilir. e / i 'olarak belirtilen bir hata terimini aşağıda ele aldık. İlişkiler (6-6) ve (6-7), eksik girişleri tahmin etme (ve dolayısıyla nihai nispi ağırlıkları belirleme) problemine makul bir muamelenin, önceki tüm hata terimlerinin toplamını en aza indirmeye çalışmak olduğunu göstermektedir. Karar vericinin yargılarında olabildiğince tutarlı olmaya çalıştığına dair örtük varsayıma uygun olarak, Hatalar olumlu veya olumsuz olabileceğinden, mutlak değerlerinin toplamını en aza indirmek istiyoruz, Dolayısıyla bu düşünce, aşağıdaki DP formülasyonu daha farklı olacaktır. Önceki DP modelindeki mutlak değerler şu şekilde elimine edilebilir: Kısıtlar gövdesine aşağıdaki dönüşümlerin tanıtılması gerekir. (yani, önceki iki girdi setinin n1 ve ~ olarak gösterilen kardinalite değerleri). Yukarıdaki kısıt dönüşümlerine benzer şekilde, önceki amaç fonksiyonu aşağıdaki gibi değiştirilebilir. Bu doğrudur, çünkü eğer eij 'fiili teriminin negatif olması gerekiyorsa, Pij değişkeninin değerinin sıfıra eşit olacağı kolaylıkla görülebilir (yeni kısıtların sütunlarındaki doğrusal bağımlılıklardan) temel olmayan değişken) nij değişkeni sıfırdan büyük olacaktır. Başka bir deyişle: Yukarıdaki formülasyonlar ve değişkenlerin tanımlarından, önerilen DP modelinin (nn,) (n-n2) [3 + 2 (nn,) (n-n2)] sürekli değişkenler ve (nn,) (nn 2 ) [1 + (nn,) (nn 2)] kısıtlamalar. Ayrıca, giriş ikili karşılaştırmalarının (yani n ve n2 üyelerinden oluşan iki alt grupta tanımlananlar) mükemmel bir şekilde tutarlı olması durumunda, optimal olarak önceki DP probleminin amaç fonksiyonunun değerinin sıfıra eşittir (yani, tüm hatalar kaybolur). Ayrıca, Xii değişkenlerinin optimal çözümü, oldukça basit ilişkiler (6-3) (Le., Aritmetik ortalama hesaplamaları) ile verilmektedir. Önceki kavramlar, aşağıdaki kapsamlı örnekte ayrıca açıklanmaktadır. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (44) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (44) – HESAPLAMALI SONUÇLARIN ANALİZİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Çok Amaçlı Karar Verme (59) – Grup için DEMATEL Yönteminin Genişletilmesi – Çok Amaçlı Karar Verme Nedir – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma
Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz. Hem yorumlayıcı yapısal modelleme (ISM) hem de DEMATEL digraflara dayanmaktadır. Bir digraf, bir sistemin elemanları arasındaki bağlamsal bir ilişkiyi tasvir eder ve bu ilişkiye göre bir sistemin görünür bir yapısal modeline dönüştürülebilir (Warfield 1974). İkili veriler kullanılarak geliştirilen ISM'nin aksine, DEMATEL derecelendirme değerleri ile uygulanır. Bir ISM uygulamasının somut ürünü, hiyerarşi gibi çok seviyeli bir yapı olan “harita” olarak adlandırılan yapısal bir modeldir (Warfield 1977). Hiyerarşiler, birçok karmaşık sistem türünün incelenmesinde temeldir. Buna karşılık, bir DEMATEL uygulamasının somut ürünü, alt sistemleri neden grubu ve sonuç grubuna ayırabilen bir “nedensel diyagram” olarak görünen yapısal bir modeldir. Özellikle, DEMATEL yalnızca alt sistemlerin yönlendirilmiş ilişkilerini göstermekle kalmaz, aynı zamanda alt sistemler arasındaki etkileşimlerin derecesini de netleştirebilir. Bu nedenle, karmaşık bir sistemi analiz etmeye doğru, alt sistemler arasındaki neden-sonuç ilişkisini yakalamak istiyorsak, DEMATEL görünüşe göre ISM'den daha yararlıdır. Battelle Memorial Institute, DEMATEL yöntem projesini Cenevre Araştırma Merkezi aracılığıyla gerçekleştirdi. Orijinal DEMATEL, dünya toplumlarının parçalanmış ve uzlaşmaz fenomenlerini hedefliyordu ve entegre çözümler aradı. Son yıllarda, DEMATEL yöntemi Japonya'da çok popüler hale geldi, çünkü digraflarla karmaşık nedensel ilişkilerin yapısını görselleştirmek özellikle pragmatik. Digraph, bir rakamın etkinin gücünü temsil ettiği, sistemin unsurları arasındaki bağlamsal bir ilişkiyi gösterir. Böylelikle DEMATEL yöntemi, kriterlerin nedenleri ve etkileri arasındaki ilişkiyi sistemin anlaşılır bir yapısal modeline dönüştürebilir. DEMATEL yöntemini sorunsuz bir şekilde uygulamak için Hori ve Shimizu (1999) tarafından kullanılan versiyonu geliştirdik ve aşağıdaki gibi temel tanımları yaptık. Tanım 20.1 İkili karşılaştırma ölçeğinde, 0, 1, 2 ve 3 puanlarının sırasıyla "Etki yok", "Düşük etki", "Yüksek etki" ve "Çok yüksek etki" yi temsil ettiği dört belirlenmiş seviye olabilir. Tanım 20.2 İlk doğrudan ilişki matrisi z, kriterler arasındaki etki ve yönler açısından ikili karşılaştırmalarla elde edilen bir n × n matristir; burada zij, i kriterinin j kriterini etkileme derecesi olarak gösterilir. Tanım 20.3 Normalleştirilmiş doğrudan ilişki matrisi X, tüm ana köşegen elemanların sıfıra eşit olduğu Denklem 20.1 ve 20.2 ile elde edilebilir. Tanım 20.4 Toplam ilişki matrisi T, I'in özdeşlik matrisi olarak belirtildiği Denklem 20.3 kullanılarak elde edilebilir. T = X (I − X) −1 Tanım 20.5 Satırların toplamı ve sütunların toplamı, Denklemler 20.4 ile 20.6 arasındaki toplam ilişki matrisi T içinde vektör d ve vektör r olarak ayrı ayrı gösterilir. T = (tij) n × n, i, j = 1,2, ..., n d = (d1, ..., di, ..., dn), Burada vektör d ve vektör r sırasıyla toplam ilişki matrisinden T sıralarının toplamını ve sütunların toplamını belirtir. Tanım 20.6 Bir nedensel diyagram, (di + ri, di - ri) veri setini eşleyerek elde edilebilir, burada yatay eksen (di + ri) di'ye di eklenerek yapılır ve dikey eksen (di - ri) tarafından yapılır. ri'den di çıkarması yapılır. Bulanık Grup Karar Verme Problem çözme için bir çözüm bulmak amacıyla, grup karar verme (GDM) her organizasyon için önemlidir, çünkü GDM genellikle organizasyonel performansı etkileyen kararları etkiler. GDM, çeşitli deneyimlerden, fikirlerden, fikirlerden ve motivasyonlardan yararlanmanın bir yoludur. Geniş bir bilgi kaynağı yelpazesi için kendi algıları açısından öğrenmeyi kolaylaştırabilir ve ayrıca değişkenleri, sorunları ve hipotezleri belirlemede yardımcı olabilir. Özellikle, GDM, birden fazla bireyin tepkisine dayanan bir fikir birliğine varma sürecidir ve bu grup etkileşiminde haklı olan, fikir ve bilgi alışverişini kolaylaştırarak kabul edilebilir bir yargıya varılabilir. Bununla birlikte, çoğu durumda, karar vermeye yönelik yargılar genellikle net değerlerle verilir, ancak net değerler durumsal belirsizliğin yetersiz bir yansımasıdır. Gerçek dünyada, hedefler, kısıtlamalar ve olası eylemler kesin olarak bilinmediğinden birçok karar belirsizlik içerir. Bulanık bir ortamda karar verirken, karar vermenin sonucu, belirsiz ve kesin olmayan öznel yargılardan büyük ölçüde etkilenir. Belirsizliğin kaynakları arasında kesin olmayan bilgiler, eksik bilgiler, elde edilemeyen bilgiler ve kısmi cehalet yer alır. Bu tür kesin olmayan problemi çözmek için, bulanık küme teorisi ilk olarak Zadeh (1965) tarafından karar vermede belirsizliği temsil etmenin ve ele almanın matematiksel bir yolu olarak tanıtıldı. Bulanık küme teorisi, etkinliklerin veya ifadelerin tanımlarının kesin olmadığı problemleri çözmek için geliştirilmiştir. Bulanık mantık, insan muhakemesine benzeyen, kesin akıl yürütmeden ziyade yaklaşık mantığıdır. Bulanık mantıkta, 0 ile 1 arasındaki her sayı kısmi bir gerçeği gösterirken, net kümeler ikili mantığa karşılık gelir: 0 veya 1. Dolayısıyla, bulanık mantık, belirsiz veya kesin olmayan yargıları matematiksel olarak ifade edebilir ve işleyebilir. Karar vericiler, geçmiş deneyimlerine ve bilgilerine dayalı değerlendirmeler yapma eğilimindedir ve ayrıca tahminleri genellikle belirsiz dilsel terimlerle ifade edilir. Karar verirken insan düşüncesi ve ifadesinin belirsizliğiyle başa çıkmak için bulanık küme teorisi çok yardımcı olur. Özellikle, dilbilimsel tahmin sürecindeki belirsizliklerin üstesinden gelmek için, bu dilbilimsel terimleri bulanık sayılara dönüştürmek daha iyidir. Bulanık kümelerin tanımına dayanarak, dilsel değişkenler kavramı, tipik olarak bir insan uzman tarafından benimsenen bir dili temsil etmek için tanıtıldı. Dilsel değişken, değerleri (yani dilsel değerler) doğal bir dilde kelime öbekleri veya cümleler biçiminde olan bir değişkendir (von Altrock 1996). Eksik bilgiden kaynaklanan belirsizliği ve insan yargılarındaki belirsizliği verimli bir şekilde çözmek için dil ölçeği kullanmak gerekir. Bu nedenle, bulanık bir ortamdaki GDM sorunları, bulanık mantık kullanma ve bulanık GDM problemleriyle başa çıkmak için etkili bulanık toplama yöntemleri gerektirme ihtiyacı yaratmıştır. Aşağıda, bulanık mantığın bazı temel tanımlarını kısaca gözden geçireceğiz. Tanım 20.7 Bulanık bir küme Ã, bir sıralı çiftler kümesi olan ve bir eşleme μÃ: X → [0,1] 'i temsil eden bir üyelik fonksiyonu μà (x) ile karakterize edilen X söyleminin bir alt kümesidir. Bulanık küme à için μà (x) 'in fonksiyon değeri, Ã' deki x'in üyelik değeri olarak adlandırılır ve bu, x'in bulanık kümenin bir öğesi olduğu doğruluk derecesini temsil eder. Μà (x) ∈ [0,1] olduğu varsayılır, burada μà (x) = 1, x'in tamamen Ã'ya ait olduğunu gösterirken, μà (x) = 0, x'in bulanık kümeye ait olmadığını gösterir. A = (x, μ􏰧 (x)), x∈X, μà (x) üyelik işlevidir ve X = {x}, x öğelerinin bir koleksiyonunu temsil eder. Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

ÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (43) – PERFORMANSIN EN KRİTİK ÖLÇÜSÜNÜN BELİRLENMESİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma

  Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı…

Okumaya Devam EtÇOK KRİTERLİ KARAR VERMEYE GENEL BİR BAKIŞ (43) – PERFORMANSIN EN KRİTİK ÖLÇÜSÜNÜN BELİRLENMESİ – Çok Amaçlı Karar Verme Nedir? – Çok Amaçlı Karar Verme Yöntemleri – Çok Amaçlı Karar Verme Analizi Yaptırma