یک وزن، با توجه به اهمیت مورد نظر تصمیم گیرنده، این کار را صورت میدهد. از نقاط ضعف و محدودیتهای فرآیند تحلیل سلسله مراتبی میتوان موارد زیر را نام برد [63] :
در روش فرآیند تحلیل سلسله مراتبی به دلیل مقایسات دودویی عوامل حیاتی موفقیت در صورت زیاد بودن تعداد عوامل تعداد محاسبات خیلی زیاد خواهد شد که در نهایت به رتبهبندی عوامل حیاتی موفقیت منجر خواهد شد.
تناقضهای ممکن در جوابهای افراد مصاحبه شده، ممکن است به محاسبهی غلط وزنهای عوامل حیاتی موفقیت منتهی شوند.
2-6-3- پویاییهای سیستم
پویاییهای سیستم17 روششناسی مطالعه و مدیریت سیستم‌های بازخوری پیچیده مانند سیستم‌های موجود در حوزه کسبوکار و سایر سیستم‌های اجتماعی است. در واقع میتوان گفت از این روششناسی برای بررسی و مطالعه تمامی انواع سیستم‌های بازخوری استفاده شده است. اگر چه واژه «سیستم» در مورد بسیاری از وضعیت‌ها به کار رفته است اما «بازخور» در این زمینه، صفتی مشخصه محسوب میشود. مسائل موجود در سیستم از دو ویژگی (1) پویایی و (2) ساختار بازخوردی برخوردارند. رویکرد پویاییهای سیستم ]64[ :
ابتدا مسأله‌ای را شناسایی میکند.
فرضیه‌ای پویا که علت وقوع مسأله را تشریح میکند، شکل میدهد.
یک مدل شبیهسازی رایانهای از سیستم نهفته در ریشه مسأله ایجاد میکند.
مدل را به منظور حصول اطمینان از باز تولید رفتار مشاهده شده در دنیای واقعی مورد بررسی و آزمایش قرار میدهد.
سیاست‌های بدیل مختلف که می‌توانند مسأله را بهبود دهند، طراحی و آزمایش میکند.
و در نهایت راه‌حل برگزیده را به اجرا می‌گذارد.
این روششناسی نخستین بار توسط فارستر18 ابتدا در دهههای1940 و 1950 مطرح و بررسیهایی بر روی آن انجام شد. نخستین حوزه کاربرد پویاییهای سیستم، مدیریت راهبردی مسائل صنعتی بود. نتیجه اصلی این پژوهش، انتشار کتاب پیشگامانه «پویاییهای صنعتی» در سال ۱۹۶۱ بود که متدلوژی جدیدی را در حوزه مسائل صنعتی/ کسبوکار معرفی می‌کرد و به تصویر می‌کشید. از زمان انتشار این کتاب دامنه کاربردهای این روششناسی به شدت توسعه یافته و در حال حاضر حوزه‌های زیادی را تحت پوشش قرار میدهد [65].
2-7- منطق و تفکر فازی
در زندگي روزانه ما كلمات و مفاهيمي به کار مي‌روند كه مراتب و درجات دارند و نسبي هستند و نمي‌توان به صورت منطق دو ارزشي19 كه فقط حكم “هست و نيست” را صادر ميكند، با آنها رفتار كرد. مثالي كه تبديل به مبناي ادراکي براي اين بحث شده است، مثال رنگ خاكستري است. رنگ خاكستري، سفيد است يا سياه؟ رنگ خاكستري، تا حدودي سفيد است و تا حدودي سياه و هر چه ميزان سفيدي آن افزايش يابد خاكستري کم رنگ‌تر به دست ميآيد و هر چه ميزان سياهي افزايش يابد خاكستري پررنگ‌تر حاصل مي‌شود. براي قضاوت درباره رنگ خاكستري در فضاي سياه و سفيد، بايد از درصد استفاده كرد مثلاً: 20% سفيد و 80% سياه. [5] فرض كنيد از تعدادي دانشجويان سئوال شده است دانشگاه چگونه مكاني است؟ و پاسخهاي زير داده شده است:
1) عالی است. 2) خوب است. 3) تقریباً خوب است. 4) بد نیست. 5) بد است.
بديهي است كه نمي‌توان گروه سئوال شدگان را به دو دسته تقسيم كرد. افرادي كه گفته‌اند خوب است و افرادي كه گفته‌اند بد است (منطق بولي) بلكه شامل 5 رده هستيم يعني چنانچه پاسخ عالي است (متغير لفظي) داراي ارزش 1 (مقدار عددي) و پاسخ بد است داراي ارزش 0 باشد آنگاه 3 گزاره خوب است، تقریباً خوب است و بد نيست نيز داراي ارزش‌اند كه مقداري بين 0 و 1 خواهد بود (عدد حقيقي). اين گونه بيانها در زبان محاوره‌اي است كه فلاسفه از ديرباز به نقص منطق دو ارزشي پي برده بودند و هم اكنون منطق فازي20 است كه براي فرموله كردن اينگونه بيانها و تعيين ارزش براي هر گزاره ادعاهایی دارد. بنابراين اگر به جاي مجموعه دو عضوي {0,1} از بازه [0,1] يعني {x∈R:0≤x≤1} استفاده كنيم توسعه منطق بولي به منطق فازي را انجام داده‌ايم اينجاست كه گوییم منطق بولي زيرمجموعه‌اي از منطق فازي است و يا منطق فازي ابر مجموعه منطق بولي (دودویی ـ دو ارزشي) است. منطق فازی فناوری جدیدی است که شیوه‌هایی را که برای طراحی و مدلسازی یک سیستم نیازمند ریاضیات پیچیده و پیشرفته است، با استفاده از مقادیر زبانی و دانش فرد خبره جایگزین میسازد.
تلاش براي تبيين دقيق موقعيت‌هاي موجود در دنياي واقعي كه به دلیل تشكيكي بودن، داراي مراتب و درجات هستند و منحصر به دو حالت بود و نبود نيستند، سبب تولد منطق و تفكري به نام “فازي” شد. تفكر فازي، به دنبال توصيف مجموعه‌ها و پديده‌هاي غيرقطعي و نامشخص و طيف‌دار هستند. منطق فازي با متغيرهاي زباني21 سروكار دارد. علم بشري نياز به شیوه‌ای از تفكر دارد كه بتواند به شکل سيستماتيك و دقيق، پديده‌هاي غیر دقیق را فرموله كند تا به درستی آنها را بشناسد و به درستی از آنها استفاده نمايد. “درجات و مراتب”، كلمات حياتي تفكر فازي هستند [5]. منطق فازی روشی است که ظرفیت و تفکر انسانها را جهت استدلال نادقیق و تقریبی مدل میکند. مفهوم منطق فازی توسط پروفسور لطفی عسگرزاده ارائه گردید. زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم مدل کند. استفاده از نظریه فازی میتواند اطلاعات نادقیق و مبهم تصمیم‌گیران را وارد مدل کند. منطق فازي طیف وسیعی از تئوري‌ها و تکنیک‌ها را شامل میشود که اساساً بر پایه 4 مفهوم بنا شده است [66]: مجموعه‌هاي فازي، متغیرهاي کلامی، توزیع احتمال فازی (تابع عضویت) و قوانین اگر – آنگاه فازي.
2-7-1- پیشینه منطق فازی
تاریخچه کاربرد فازی اولین مرتبه به سال 1926 توسط یکی از فلاسفه بنام کریستین اسمالز22 برمیگردد که در کتاب فلسفه کلیت و فرضیه، مسیر تکامل را در رابطه با مفاهیم مبهم و غیر دقیق ارائه نموده است. پس از آن در سال 1937 توسط ماکس بلک23 فیلسوف کوانتوم مقالهای تحت عنوان ابهام منتشر گردید که برای اولین بار منجر به تعریف منحنی عضویت شد. در سال 1965پرفسور لطفی عسگرزاده استاد ایرانیالاصل دانشگاه برکلی کالیفرنیا اولین مقاله خود را تحت عنوان “مجموعههای فازی، اطلاعات و کنترل” منتشر کرد. هدف اولیه او در آن زمان، توسعه مدلی كارآمدتر برای توصیف فرآیند پردازش زبان‌های طبیعی بود. او مفاهیم و اصطلاحاتی همچون مجموعههای فازی، رویدادهای فازی، اعداد فازی و فازی‌سازی را وارد علوم ریاضیات و مهندسی نمود. ایده نظریه مجموعه فازی با این عبارت توسط پرفسور لطفیزاده مطرح شد: “ما نیازمند یک نوع دیگری از ریاضیات هستیم تا بتوانیم ابهامات و عدم دقت رویدادها را مدلسازی نماییم، مدلی که متفاوت از نظریه احتمالات است” [5].
نظريه منطق فازي پيشرفت قابل توجهي داشته و در حوزههاي بسياري از جمله سیستم‌های خبره و تصميمگيري، مهندسي كنترل و غيره مورد استفاده بوده است [10]. مجموعههای فازی به دلیل انعطافپذیری، شبیهسازی استدلال انسان را در قالبی که روی رایانههای رقمی قابل اجراست، میسر میسازند. منطق فازی استفاده از متغیرهای لغوی را در الگوریتمها و برنامهها ممکن میسازد. مثلاً برنامه نویس میتواند صفات کمی نا دقیقی چون بسیار یا کم را در برنامه رایانهای به کار برد. چنین امکانی، به ویژه در کاربردهای هوش مصنوعی و برنامههای کنترل (تنظیم و نظارت بر) فرآیندها، از اهمیت خاصی برخوردار است. انجام این کار با استفاده از منطق فازی آسان است. حال آنکه بیان این قواعد با روابط دقیقی ریاضی مانند معادلات دیفرانسیل (به دلیلی حجم فوقالعاده زیاد آنها) کاری دشوار و گاه ناممکن است.
2-7-2- منطق فازی و روابط علی
کریستین اسماتز در 1926 میگوید: علم در قرن 19 همانند فلسفه و اخلاق و تمدن آن قرن به وسیله حدود مشخصی، شاخصهای معین و محدودهای دقیق، مرزبندی شده است. جنبههای مختلف یک موضوع که شامل اجزای دقیق از یک سو و غیر دقیق از سوی دیگر است به طور کامل مورد بحث قرار نمیگرفت و صرفاً تجزیه و تحلیل درباره نقاط واضح، برجسته و درخشان انجام میشد [5].
همچنین در بررسی روابط علت و معلولی، تمامی شاخصهای آنها مورد توجه قرار نمیگرفت. یعنی “علت” هرگز به عنوان یک حالت جامع که در مرحلهای مشخص با حالت جامع دیگری به نام معلول مرتبط میشود، تحلیل نمیشود، بلکه برجستهترین و مهم‌ترین مشخصه حالت اول از آن مجزا و مجرد میشد و به عنوان “علت” نامیده میشد. همچنین برجستهترین مشخصه حالت دوم به عنوان “معلول” شناخته میشد و روابط علت و معلولی تنها بین این برجستهترین مشخصههای دو حالت بیان میشد. هر چیزی که بین این علت و معلول قرار داشت به دور افکنده میشد. به این ترتیب، “علت” عبارت بود از مشخصههای بارز یک خالت و “معلول” عبارت بود از مشخصه بارز حالت دیگر و تنها همین مشخصههای برجسته به عنوان علت و معلول در کلیه شرایط در مقابل هم قرار میگرفتند. در چنین منطقی قسمت اعظم شرایط علت و معلولی نادیده گرفته میشد و درک چگونگی عبور از یک حالت به حالت دیگر در شرایط واقعی علت و معلولی ناممکن میشد [5].
2-7-5- سيستم‌هاي فازي
سيستم‌هاي فازي، مدل‌سازي در قالب كلمات را ممكن مي‌سازند. سيستم‌هاي فازي بر انگيزانندهی قوانين و معادلات هستند اما هر يك از تا حدودي، و در نهایت ميانگين آنها خروجي سيستم خواهد بود. سيستم‌هاي فازي، سيستم‌هاي مبتني بر قاعده “اگر- آنگاه” فازي هستند. مثلاً اگر سرعت ماشين بالا برود، آنگاه نيروي كمتري به پدال گاز وارد كنيد. اگر سرعت متوسط است نيروي متعادلي وارد كنيد و اگر سرعت كم است نيروي بيشتري وارد كنيد. كلمات كم، زياد، متوسط، متعادل به صورت يك طيف تعريف ميشوند مثلاً كم يعني از صفر تا بيست، زياد يعني از هفتاد تا صد و متوسط يعني از سي تا هفتاد كه نقطه ثقل آن پنجاه است. به عبارت دیگر سيستم‌هاي فازي امكان تحليل “چه مي‌شود اگر اينگونه بشود؟” را مشخص‌تر و دقيق‌تر مي‌دهند. سيستم‌هاي فازي بر اساس تعيين موقعيت‌هايي كه در نوسان هستند و درجات و مراتب دارند، استراتژي مناسبي را براي عملكردِ سيستم انتخاب مي‌كنند. در سيستم‌هاي فازي، طيفي از استراتژي‌ها بايد تعريف و تعيين شوند كه هر كدام براي تأثیرگذاری در محدوده‌اي خاص مناسب ميباشند. بر اساس ادراك فازي، تصوير از پديده‌ها ترسيم مي‌شود كه حقايق، اشياء و فرآيندها را به ارزش‌ها، سياست‌ها و اهداف ارتباط ميدهد و به شما اجازه ميدهد تا چگونگي اعمال متقابل و نحوه عملكرد حوادث پيچيده را پيش‌بيني كنيد [5].
منطق فازی را از طریق قوانینی كه عملگرهای فازی نامیده می‌شوند، میتوان به‌كار گرفت. این قوانین معمولاً بر اساس مدل زیر تعریف می‌شوند:
IF variable IS set THEN action
پارادایم حاكم بر یك كنترلر فازی به این ترتیب است كه متغیرهای دنیای واقعی به عنوان ورودی دریافت می‌شوند. قوانین فازی آنها را به متغیرهای معنایی تبدیل می‌كند. فرآیند فازی این ورودی را می‌گیرد و خروجی معنایی تولید می‌كند و سرانجام خروجی‌ها به زبان دنیای واقعی ترجمه می‌شوند. یک سیستم استنتاج فازی شامل چهار مرحله به صورت زیر است [67] :
فازي كردن: در اين مرحله واقعيات بر اساس سيستم فازي تعريف ميشوند. ابتدا بايد ورودي و خروجي سيستم معرفي شده، سپس قوانين اگر – آنگاه مناسب به كار گرفته شوند. براي ساخت تابع عضويت بايستي از دادههاي خام استفاده شود. حال سيستم براي اعمال منطق فازي آماده است.
استنتاج: هنگامي كه وروديها به سيستم ميرسند استنتاج، همه قوانين اگر – آنگاه موجود را مورد ارزيابي قرار ميدهد و درجه درستي آنها را مشخص ميكند. اگر يك ورودي به طور صريح با يك قانون اگر – آنگاه مشخص نشده باشد، آنگاه تطابق بخشي مورد استفاده قرار ميگيرد تا جوابي مشخص شود. راههاي متعددي براي پيدا كردن پاسخ بخشي وجود دارد كه البته فراتر از حد اين تحقیق ميباشند.
ساخت: در اين قسمت براي بدست آوردن يك نتيجه كلي، تمامي مقادير بدست آمده از قسمت استنتاج با هم تركيب ميشوند. قوانين فازي مختلف نتايج مختلفي خواهند داشت. بنابراين ضروري
