رتبه بندی مناطق ناحیه شمال استان اصفهان بر اساس معیارهای اثر گذار برای سرمایه گذاری با کمک رویکرد TOPSIS و AHP فازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار دانشگاه آزاد اسلامی واحد اردستان

2 دانش آموخته کارشناس ارشد مدیریت صنعتی، دانشگاه اصفهان

چکیده

تصمیم‌گیری چندمعیاره  معمولاً برای انتخاب بهترین گزینه ارائه شده استفاده می‌گردد که ممکن است معیارهای آنها با یکدیگر در تعارض باشد و با نتایجی که ارائه می‌دهد فرآیند تصمیم گیری را تسهیل ‌نماید. در این پژوهش هدف آن است که بر اساس اولویت بندی معیار‌های موثر بر سرمایه ‌گذاری در ناحیه شمال استان اصفهان (کاشان , آران و بیدگل، نائین، نطنز و اردستان) اولویت‌بندی صورت گرفته تا مشخص شود از بین مناطق ذکر شده  کدامیک نیازمند بیشترین میزان سرمایه گذاری است. برای دست‌یابی به هدف پژوهش، ابتدا مناطق با استفاده از روش آنتروپی و تاپسیس  فازی وزن دهی گردید و سپس  با استفاده از تحلیل سلسله مراتبی رتبه بندی شد. برای پیشگیری از ابهام ناشی از عدم قطعیت در تصمیم‌گیری در همه مراحل از اعداد فازی مثلثی استفاده گردید. نتایج نشان داد در فاز اول معیار تولید منسوجات با بیشترین وزن در اولویت اول و در ادامه محصولات کانی غیرفلزی، تولید محصولات لاستیکی و پلاستیکی و تولید ماشین‌آلات و تجهیزات به ترتیب در اولویت‌های بعدی قرار گرفته‌اند. در فاز دوم نطنز در اولویت اول و به ترتیب نائین در اولویت دوم، کاشان در اولویت سوم و اردستان در اولویت آخر قرار گرفت.
 

کلیدواژه‌ها


عنوان مقاله [English]

Ranking of North Areas of Isfahan According to Measures Affecting Investment by Fuzzy TOPSIS and AHP Approach

نویسندگان [English]

  • Masoud Hekmatpanah 1
  • Masoud Nasri 1
  • Azar Barati 2
1 Assistant Prof., Ardestan Branch, Islamic Azad University, Ardestan, Iran.
2 MA Industrial Management. University of Isfahan
چکیده [English]

Usually, MCDM for choosing the best-provided option that their criteria may be in conflict with each other and by providing results, it facilitates the decision-making process. In this research, the aim is prioritizing Isfahan North areas(Kashan, Aran, and Bidgol, Nain, Natanz, and Ardestan), based on affecting measure for investors to determine which area requires the greatest amount of investment between mentioned areas. To achieve this aim, weighing the areas is performed by using of fuzzy TOPSIS and entropy methods and finally, it is ranked by AHP. To avoid confusion caused by uncertainty in decision making at all stages, triangular fuzzy numbers used. Results show, in the first phase, textile manufacturing with the most weight was selected as first priority; then, non-metallic mineral products, rubber and plastic products and machinery and equipment products placed accordingly. In the second phase, Natanz was placed in first priority, and Nain, Kashan, and Ardestan were placed at second, third and last priorities.
 

کلیدواژه‌ها [English]

  • effective criteria
  • investment
  • TOPSIS approach
  • Fuzzy AHP
  1. Asgharpoor, M. J. (2006). Multi-criteria decision making, Publications of Tehran University, 196-7
  2. Akbari, N., & Zahedi, K. (2008). Use ranking methods and Multi-criteria decision making, Publications of municipalities.
  3. Dadashiyan saray, M., Dashti, Gh, Hayati, B. A., & Ghahremanzadeh, M. (2015). Using a Combination of AHP and TOPSIS techniques and evaluation criteria for weighting and determining the value of agricultural sustainability (Case Study: Elected East Azerbaijan province), Journal of agricultural science and sustainable production, 25:1.
  4. Ghodsipoor, H. (2011). Analytical Hierarchy Process, Publication Center Amirkabir University of Technology (Tehran Polytechnic).
  5. Kordbacheh, H. (2006). Macroeconomic, Hamedan, Noor Elem, 93.
  6. Abo-Sinna, M. A., & Amer, A. H. (2005). Extensions of TOPSIS for multi-objective large-scale nonlinear programming problems. Applied Mathematics and Computation, 162(1), 243–256.
  7. Chang, C.-W., Wu, C.-R., & Chen, H.-C. (2008). Using expert technology to select unstable slicing machine to control wafer slicing quality via fuzzy AHP. Expert Systems with Applications, 34(3), 2210–2220.
  8. Chang, D. Y. (1996). Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95(3), 649–655.
  9. Chen C-T, Lin C-T, Huang S-F. (2006). A fuzzy approach for supplier evaluation and selection in supply chain management. International Journal of Production Economics; 102:289–301.
  10. Constanta-Zoie, R. and Turek-Rahoveanu, A. (2010). A hybrid multi-criteria method for performance evaluation of Romanian South Muntenia Region in context of sustainable agriculture. Proceedings of the International Conference on Applied Computer Science.
  11. Gums, A. T. (2009). Evaluation of hazardous waste transportation firms by using a two-step fuzzy-AHP and TOPSIS methodology, Expert Systems with Applications, 36 (2009) 4067–4074.
  12. Lee, A. H. I., Chen, W.-C., & Chang, C.-J. (2008). A fuzzy AHP and BSC approach for evaluating performance of IT department in the manufacturing industry in Taiwan. Expert Systems with Applications, 34(1), 96–107.
  13. Saaty, T. & Thomas, L. (2001). Models, Methods, Concepts & Applications of the Analytic Hierarchy Process, with Luis G. Vargas.
  14.  Shih. H-S, Shyur H-J, Lee ES. (2007). an extension of TOPSIS for group decision making. Mathematical and Computer Modelling; 45:801–13.
  15. Sun, C-C. (2010). A performance evaluation model by integrating fuzzy AHP and fuzzy TOPSIS methods, Expert Systems with Applications, 37: 7745–7754.
  16. Yang, T., & Hung, C.-C. (2007). Multiple-attribute decision making methods for play layout design problem. Robotics and Computer-Integrated Manufacturing, 23(1), 126–137.