فرآیند تحلیل سلسله مراتبی (AHP): چارچوبی نظام مند برای تبدیل قضاوت های انسانی به تصمیم های قابل دفاع در مسائل پیچیده مدیریتی

چکیده

تصمیم گیری در سازمان های امروزی به دلیل افزایش پیچیدگی محیط کسب وکار، تعدد ذی نفعان، محدودیت منابع و وجود معیارهای متعارض، دیگر نمی تواند صرفا بر اساس یک شاخص منفرد مانند هزینه یا زمان انجام شود. بسیاری از مسائل مدیریتی و مهندسی ماهیتی چندمعیاره دارند؛ به این معنا که تصمیم گیرنده باید میان عواملی مانند کیفیت، هزینه، ریسک، انعطاف پذیری، پایداری و قابلیت اجرا تعادل ایجاد کند. دشواری اصلی در این شرایط، تنها کمبود اطلاعات نیست، بلکه تبدیل دیدگاه ها و قضاوت های متفاوت متخصصان به یک تصمیم منسجم و قابل دفاع است.

فرآیند تحلیل سلسله مراتبی (Analytic Hierarchy Process: AHP) که توسط توماس ال. ساعتی توسعه یافت، یکی از شناخته شده ترین روش های تصمیم گیری چندمعیاره است که با هدف ساختاربندی مسائل پیچیده و تبدیل قضاوت های انسانی به اولویت های کمی ارائه شد. این روش با تجزیه مسئله به سطوح هدف، معیارها و گزینه ها، استفاده از مقایسه های زوجی و ارزیابی سازگاری قضاوت ها، امکان تصمیم گیری نظام مند در شرایط پیچیده را فراهم می کند.

این یادداشت علمی ضمن بررسی مبانی نظری AHP، فلسفه شکل گیری آن، کاربردهای صنعتی و مدیریتی، محدودیت های روش و مسیرهای توسعه آن در قالب مدل های فازی و ترکیبی را تحلیل می کند و جایگاه آن را در عصر تصمیم گیری داده محور و هوش مصنوعی.

۱. مقدمه: چرا تصمیم های سازمانی به مدل های تحلیلی نیاز دارند؟

یکی از ویژگی های اصلی سازمان های امروزی، افزایش تعداد تصمیم هایی است که مدیران باید در شرایط عدم قطعیت اتخاذ کنند. در محیط های ساده، ممکن است انتخاب یک گزینه بر اساس یک معیار مشخص مانند کمترین هزینه امکان پذیر باشد؛ اما در سازمان های صنعتی و خدماتی، تصمیم ها معمولا با مجموعه ای از معیارهای هم زمان و گاهی متضاد روبه رو هستند.

برای نمونه، یک شرکت تولیدکننده تجهیزات صنعتی را در نظر بگیریم که قصد دارد تامین کننده یک قطعه حساس را انتخاب کند. در نگاه نخست، پایین ترین قیمت پیشنهادی می تواند جذاب ترین گزینه باشد، اما تجربه صنایع مختلف نشان داده است که هزینه واقعی تامین فقط شامل قیمت خرید نیست. تاخیر در تحویل، افزایش دوباره کاری، عدم انطباق محصول، توقف خط تولید و هزینه های ناشی از اصلاح مشکلات کیفیت، می توانند اثر اقتصادی بیشتری از تفاوت قیمت اولیه داشته باشند.

در چنین شرایطی، تصمیم گیرنده باید مجموعه ای از پرسش های پیچیده را پاسخ دهد:

آیا کیفیت مهم تر از قیمت است؟
چه میزان ریسک تامین قابل پذیرش است؟
آیا همکاری بلندمدت با یک تامین کننده ارزش بیشتری از کاهش هزینه کوتاه مدت دارد؟

این مثال نشان می دهد که بسیاری از مسائل مدیریتی، مسئله انتخاب «بهترین گزینه مطلق» نیستند؛ بلکه مسئله انتخاب گزینه ای هستند که در مجموع معیارهای مورد نظر، بیشترین تناسب را با اهداف سازمان داشته باشد.

روش های تصمیم گیری چندمعیاره (Multi Criteria Decision Making) برای پاسخ به همین نیاز توسعه یافتند. این روش ها تلاش می کنند فرآیند تصمیم گیری را از یک فعالیت صرفا شهودی به یک فرآیند ساختاریافته و قابل تحلیل تبدیل کنند. در میان این روش ها، فرآیند تحلیل سلسله مراتبی یا AHP یکی از پرکاربردترین رویکردها در حوزه مهندسی، مدیریت و تصمیم های سازمانی محسوب می شود.

۲. شکل گیری AHP؛ تلاش برای ایجاد ارتباط میان قضاوت انسانی و تحلیل ریاضی

فرآیند تحلیل سلسله مراتبی در دهه ۱۹۷۰ توسط توماس ال. ساعتی، استاد دانشگاه پیتسبورگ، توسعه یافت. هدف اصلی ساعتی ایجاد روشی بود که بتواند تصمیم های پیچیده انسانی را به شکلی ساختاریافته تحلیل کند؛ تصمیم هایی که در آن ها اطلاعات کمی و قضاوت های کیفی هم زمان نقش دارند.

نقطه آغاز تفکر AHP یک مشاهده ساده اما مهم بود: انسان ها معمولا در مقایسه نسبی عملکرد بهتری نسبت به ارزیابی مطلق دارند.

برای مثال، اگر از یک مدیر پرسیده شود:

«بین کیفیت و هزینه، کدام یک برای انتخاب تامین کننده اهمیت بیشتری دارد؟»

احتمالا پاسخ قابل قبولی ارائه خواهد کرد.

اما اگر همان مدیر مجبور شود بیان کند:

«کیفیت دقیقا چند درصد مهم تر از هزینه است؟»

فرآیند تصمیم گیری دشوارتر می شود.

AHP این ویژگی شناختی انسان را در ساختار خود به کار می گیرد. به جای اینکه از تصمیم گیرنده بخواهد ارزش دقیق هر معیار را تعیین کند، از او می خواهد معیارها را به صورت زوجی مقایسه کند. سپس این مقایسه ها با استفاده از یک مدل ریاضی به وزن های نسبی تبدیل می شوند.

به همین دلیل، AHP را می توان پلی میان تجربه انسانی و تحلیل کمی دانست. این روش قصد ندارد جایگزین مدیر یا متخصص شود، بلکه تلاش می کند قضاوت متخصص را سازمان دهی کرده و امکان بررسی منطقی آن را فراهم کند.

۳. منطق اصلی AHP؛ ساختاربندی مسئله پیش از تصمیم گیری

یکی از مهم ترین دستاوردهای روش AHP این است که پیش از ورود به مرحله انتخاب، مسئله تصمیم را ساختاربندی می کند. بسیاری از خطاهای تصمیم گیری نه به دلیل ضعف تحلیل، بلکه به دلیل تعریف نادرست مسئله رخ می دهند. زمانی که تصمیم گیرنده معیارهای اثرگذار، ارتباط میان آن ها و گزینه های موجود را به درستی شناسایی نکرده باشد، حتی دقیق ترین محاسبات نیز نمی تواند به تصمیم مناسبی منجر شود.

AHP بر این باور است که مسائل پیچیده را می توان به اجزای کوچک تر تقسیم کرد تا تحلیل آن ها امکان پذیر شود. در این روش، تصمیم معمولا در قالب یک ساختار سلسله مراتبی نمایش داده می شود که شامل سه سطح اصلی است.

در سطح نخست، هدف تصمیم قرار دارد. هدف باید به شکلی مشخص تعریف شود تا مسیر تحلیل روشن باشد. برای مثال، «انتخاب بهترین تامین کننده قطعات استراتژیک»، «اولویت بندی پروژه های سرمایه گذاری» یا «انتخاب مناسب ترین فناوری تولید» می تواند به عنوان هدف تصمیم تعریف شود.

در سطح دوم، معیارهایی قرار می گیرند که بر تصمیم اثرگذار هستند. این معیارها می توانند کمی یا کیفی باشند. برای مثال، در انتخاب تامین کننده، عواملی مانند کیفیت، قیمت، زمان تحویل، توان فنی و قابلیت همکاری بلندمدت ممکن است مورد توجه قرار گیرند.

در سطح سوم، گزینه های تصمیم قرار دارند؛ یعنی انتخاب هایی که باید با یکدیگر مقایسه شوند.

اهمیت این ساختار در آن است که تصمیم گیرنده را مجبور می کند پیش از انتخاب، درباره ماهیت مسئله، عوامل اثرگذار و اولویت های واقعی خود تفکر کند. در واقع، بخش مهمی از ارزش AHP نه در مرحله محاسبات، بلکه در فرآیند شفاف سازی مسئله ایجاد می شود.

۴. مقایسه زوجی؛ تبدیل قضاوت های کیفی به اولویت های کمی

مهم ترین بخش روش AHP، مقایسه زوجی معیارها و گزینه ها است. این مفهوم یکی از تفاوت های اصلی AHP با بسیاری از روش های سنتی رتبه بندی محسوب می شود.

در بسیاری از تصمیم های سازمانی، مدیران می دانند که برخی عوامل مهم تر از عوامل دیگر هستند، اما تعیین مقدار دقیق اهمیت آن ها دشوار است. برای مثال، مدیر یک کارخانه ممکن است بداند کیفیت محصول برای او مهم تر از قیمت خرید است، اما احتمالا نمی تواند با اطمینان بیان کند که کیفیت دقیقا چند درصد اهمیت بیشتری دارد.

AHP این مشکل را با مقایسه های دو به دو کاهش می دهد. تصمیم گیرنده به جای تعیین وزن مستقیم، پاسخ می دهد که یک معیار نسبت به معیار دیگر تا چه اندازه اهمیت بیشتری دارد.

برای مثال، در انتخاب یک پیمانکار پروژه صنعتی، ممکن است این پرسش مطرح شود:

«توان فنی پیمانکار نسبت به قیمت پیشنهادی چقدر اهمیت دارد؟»

یا:

«سابقه اجرای پروژه های مشابه نسبت به سرعت انجام کار چه میزان اهمیت دارد؟»

این مقایسه ها در نهایت به یک مدل ریاضی تبدیل می شوند که وزن نسبی معیارها و اولویت گزینه ها را مشخص می کند.

اهمیت این رویکرد در این است که با نحوه طبیعی قضاوت انسان هماهنگی بیشتری دارد. انسان ها معمولا درک بهتری از مقایسه نسبی دارند تا تعیین مقادیر مطلق.

۵. بررسی سازگاری؛ آیا تصمیم اتخاذشده از منطق کافی برخوردار است؟

یکی از ویژگی های متمایز AHP، توجه به مسئله سازگاری در قضاوت های انسانی است. در بسیاری از روش های تصمیم گیری، نظر خبرگان مستقیما وارد مدل می شود، بدون اینکه بررسی شود آیا این نظرات از انسجام منطقی برخوردار هستند یا خیر.

اما در AHP فرض بر این است که اگرچه تصمیم های انسانی ممکن است با عدم قطعیت همراه باشند، اما نباید دارای تناقض های جدی باشند.

برای درک این موضوع، فرض کنید مدیری در ارزیابی سه فناوری تولید چنین قضاوت هایی داشته باشد:

فناوری A از فناوری B بهتر است.

فناوری B از فناوری C بهتر است.

اما فناوری C از فناوری A بهتر است.

این نوع قضاوت نشان دهنده یک تناقض منطقی است.

AHP با محاسبه شاخص های سازگاری تلاش می کند میزان هماهنگی میان قضاوت های انجام شده را بررسی کند. اگر میزان ناسازگاری بیش از حد قابل قبول باشد، تصمیم گیرنده باید ارزیابی های خود را بازنگری کند.

این ویژگی اهمیت زیادی دارد، زیرا در بسیاری از سازمان ها تصمیم های مهم بر اساس نظر گروهی از مدیران و متخصصان اتخاذ می شوند. وجود یک سازوکار برای بررسی انسجام این نظرات، می تواند کیفیت فرآیند تصمیم گیری را افزایش دهد.

۶. کاربرد AHP در انتخاب تامین کننده؛ نمونه ای از تصمیم چندمعیاره در صنعت

انتخاب تامین کننده یکی از حوزه هایی است که بیشترین استفاده از روش های تصمیم گیری چندمعیاره در آن مشاهده می شود. دلیل این موضوع روشن است: عملکرد تامین کنندگان مستقیما بر عملکرد تولید، کیفیت محصول نهایی و رضایت مشتری اثر می گذارد.

در بسیاری از صنایع، به ویژه صنایع ساخت تجهیزات، ماشین آلات و محصولات پیچیده، انتخاب تامین کننده صرفا یک تصمیم خرید نیست؛ بلکه یک تصمیم مرتبط با مدیریت ریسک زنجیره تامین است.

برای مثال، یک شرکت تولیدکننده تجهیزات صنعتی ممکن است برای خرید یک قطعه حساس با سه تامین کننده مواجه باشد.

تامین کننده اول قیمت پایین تری ارائه می دهد، اما سابقه تاخیر در تحویل دارد.

تامین کننده دوم قیمت بالاتری دارد، اما کیفیت محصول و قابلیت اطمینان آن بهتر است.

تامین کننده سوم انعطاف پذیری بیشتری دارد، اما ظرفیت تولید محدودی دارد.

در چنین شرایطی، انتخاب صرفا بر اساس قیمت می تواند سازمان را با هزینه های پنهان مواجه کند.

AHP کمک می کند معیارهایی مانند کیفیت، هزینه، زمان تحویل، قابلیت فنی، سابقه همکاری و ریسک تامین کننده به صورت هم زمان بررسی شوند.

نتیجه چنین تحلیلی ممکن است نشان دهد گزینه ای که بیشترین قیمت اولیه را دارد، در مجموع بهترین انتخاب برای سازمان است؛ زیرا هزینه های ناشی از خرابی، تاخیر و عدم اطمینان را کاهش می دهد.

این کاربرد نشان می دهد که AHP می تواند نگرش سازمان را از «خرید ارزان تر» به «انتخاب ارزشمندتر» تغییر دهد.

۷. کاربرد AHP در مدیریت کیفیت و بهبود عملکرد سازمان

مدیریت کیفیت نیز یکی از حوزه هایی است که تصمیم گیری چندمعیاره در آن اهمیت زیادی دارد. سازمان ها معمولا با مجموعه ای از مشکلات و فرصت های بهبود مواجه هستند، اما منابع کافی برای اجرای هم زمان همه اقدامات ندارند.

برای مثال، یک شرکت تولیدی ممکن است با مشکلات زیر روبه رو باشد:

افزایش ضایعات تولید، کاهش رضایت مشتری، خطاهای طراحی، ضعف کنترل فرآیند و مشکلات تامین مواد اولیه.

مدیران باید تصمیم بگیرند کدام اقدام اصلاحی بیشترین اثر را خواهد داشت.

در این شرایط، انتخاب اقدام مناسب فقط بر اساس هزینه اجرا منطقی نیست. ممکن است یک اقدام کم هزینه اثر محدودی داشته باشد، در حالی که یک سرمایه گذاری بزرگ تر بتواند ریشه اصلی مشکل را برطرف کند.

AHP می تواند معیارهایی مانند:

• میزان کاهش خطا؛
• اثر بر رضایت مشتری؛
• هزینه اجرا؛
• زمان دستیابی به نتیجه؛
• تاثیر بلندمدت بر عملکرد سازمان

را در فرآیند تصمیم وارد کند.

به عنوان نمونه، سازمانی که با افزایش دوباره کاری مواجه است، ممکن است تصور کند خرید تجهیزات جدید بهترین راه حل است؛ اما تحلیل چندمعیاره نشان دهد اصلاح فرآیند طراحی یا آموزش کارکنان اثر بیشتری دارد.

در اینجا AHP نقش یک ابزار تصمیم یار را ایفا می کند و به سازمان کمک می کند منابع خود را روی اقداماتی متمرکز کند که بیشترین ارزش ایجاد می کنند.

۸. کاربرد AHP در مدیریت پروژه؛ تصمیم گیری میان زمان، هزینه، کیفیت و ریسک

پروژه ها از جمله محیط هایی هستند که تصمیم گیری چندمعیاره در آن ها نقش تعیین کننده ای دارد. برخلاف بسیاری از فعالیت های تکرارشونده سازمانی، پروژه ها معمولا با شرایطی مانند محدودیت زمانی، عدم قطعیت، منابع محدود و تغییرات مداوم مواجه هستند. در چنین محیطی، مدیر پروژه نمی تواند تنها بر اساس یک شاخص تصمیم گیری کند؛ زیرا بهبود یک معیار ممکن است باعث تضعیف معیار دیگری شود.

برای مثال، افزایش سرعت اجرای پروژه ممکن است نیازمند افزایش هزینه یا استفاده از منابع بیشتر باشد. کاهش هزینه نیز ممکن است کیفیت یا سطح کنترل پروژه را تحت تاثیر قرار دهد. بنابراین مدیر پروژه همواره با نوعی مسئله تعادل میان اهداف مختلف روبه رو است.

یکی از کاربردهای مهم AHP در مدیریت پروژه، اولویت بندی ریسک ها است. در پروژه های صنعتی، همه ریسک ها اهمیت یکسانی ندارند. برخی ریسک ها اگرچه احتمال وقوع کمتری دارند، اما در صورت وقوع می توانند پیامدهای بسیار سنگینی ایجاد کنند.

فرض کنید یک پروژه ساخت تجهیزات صنعتی با ریسک هایی مانند:

• تاخیر در تامین مواد و قطعات؛
• تغییرات طراحی؛
• ضعف عملکرد پیمانکار؛
• کمبود نیروی متخصص؛
• محدودیت های مالی

مواجه باشد.

مدیر پروژه باید مشخص کند کدام ریسک نیازمند توجه فوری تر است. در این شرایط، معیارهایی مانند احتمال وقوع، شدت اثر، هزینه پیامد و امکان کنترل ریسک می توانند وارد مدل AHP شوند.

نتیجه تحلیل ممکن است نشان دهد عاملی مانند «تغییرات طراحی» نسبت به «تاخیر تامین» اولویت بیشتری دارد، زیرا اثر آن بر هزینه، زمان و کیفیت پروژه گسترده تر است.

این نوع تحلیل باعث می شود مدیریت پروژه از واکنش های روزمره فاصله گرفته و به سمت مدیریت پیشگیرانه حرکت کند.

۹. کاربرد AHP در انتخاب فناوری و تصمیم های تحول سازمانی

انتخاب فناوری یکی از تصمیم هایی است که اثرات آن معمولا برای سال ها در سازمان باقی می ماند. تصمیم اشتباه در این حوزه می تواند هزینه های سنگینی در زمینه آموزش، نگهداری، اصلاح فرآیندها و تغییر زیرساخت ها ایجاد کند.

در شرایط کنونی، سازمان ها با گزینه های متنوعی مانند اتوماسیون صنعتی، سیستم های هوشمند تولید، نرم افزارهای سازمانی، راهکارهای تحلیل داده و فناوری های مبتنی بر هوش مصنوعی مواجه هستند.

اما انتخاب فناوری مناسب صرفا یک تصمیم فنی نیست.

برای مثال، ممکن است یک فناوری از نظر قابلیت های فنی بسیار پیشرفته باشد، اما به دلیل پیچیدگی زیاد یا نیاز به مهارت های جدید، برای یک سازمان خاص انتخاب مناسبی نباشد.

در چنین تصمیمی، معیارهایی مانند:

• هزینه سرمایه گذاری؛
• قابلیت توسعه در آینده؛
• سازگاری با فرآیندهای موجود؛
• نیاز آموزشی کارکنان؛
• امنیت اطلاعات؛
• بازگشت سرمایه

باید هم زمان بررسی شوند.

AHP در این شرایط کمک می کند تصمیم گیرنده میان جذابیت فناوری و تناسب واقعی آن با شرایط سازمان تمایز قائل شود.

این موضوع در دوره تحول دیجیتال اهمیت بیشتری پیدا کرده است؛ زیرا بسیاری از شکست های پروژه های فناوری نه به دلیل ضعف خود فناوری، بلکه به دلیل انتخاب نامناسب، نبود آمادگی سازمانی یا نادیده گرفتن عوامل انسانی رخ می دهند.

۱۰. محدودیت های AHP؛ ضرورت استفاده آگاهانه از ابزارهای تصمیم گیری

با وجود کاربرد گسترده AHP، این روش یک ابزار کامل و بدون محدودیت نیست. استفاده صحیح از آن نیازمند شناخت دقیق نقاط قوت و ضعف آن است.

یکی از مهم ترین محدودیت های AHP، وابستگی آن به قضاوت خبرگان است. اگرچه این ویژگی یکی از مزایای روش محسوب می شود، اما می تواند منبع خطا نیز باشد.

برای مثال، در انتخاب تامین کننده، اگر گروه ارزیابی تحت تاثیر تجربه های شخصی، روابط سازمانی یا ترجیحات فردی قرار گیرد، وزن های به دست آمده ممکن است بازتاب دهنده واقعیت سازمان نباشند.

بنابراین کیفیت نتایج AHP به عواملی مانند:

• انتخاب صحیح خبرگان؛
• شفافیت معیارها؛
• روش جمع آوری نظرات؛
• میزان آشنایی افراد با مسئله

وابسته است.

محدودیت دوم به فرض استقلال معیارها در نسخه کلاسیک AHP مربوط می شود.

در بسیاری از مسائل واقعی، معیارها کاملا مستقل نیستند. برای مثال، در ارزیابی عملکرد یک پیمانکار، کیفیت اجرا، تجربه کارکنان، توان مالی و قابلیت مدیریت پروژه ممکن است بر یکدیگر اثر متقابل داشته باشند.

در چنین شرایطی، تحلیل یک رابطه ساده سلسله مراتبی ممکن است بخشی از پیچیدگی واقعی سیستم را نادیده بگیرد.

به همین دلیل روش هایی مانند ANP (Analytic Network Process) توسعه یافتند تا روابط شبکه ای و وابستگی میان معیارها را بهتر مدل سازی کنند.

محدودیت دیگر AHP مربوط به افزایش حجم مقایسه ها در مسائل بزرگ است.

هرچه تعداد معیارها و گزینه ها افزایش یابد، تعداد مقایسه های زوجی نیز بیشتر می شود. در مسائل کوچک، این موضوع مشکلی ایجاد نمی کند، اما در تصمیم های گسترده سازمانی ممکن است فرآیند ارزیابی برای خبرگان زمان بر و خسته کننده شود.

این موضوع یکی از دلایلی است که پژوهشگران به سمت مدل های ترکیبی حرکت کرده اند؛ مدل هایی که تلاش می کنند از قابلیت های AHP استفاده کنند و هم زمان محدودیت های آن را کاهش دهند.

۱۱. Fuzzy AHP؛ توسعه AHP برای شرایط عدم قطعیت

یکی از مهم ترین مسیرهای توسعه AHP، ترکیب آن با منطق فازی است.

در بسیاری از مسائل مدیریتی، تصمیم گیرنده با اطلاعات ناقص یا مفاهیم مبهم مواجه است. مدیران معمولا نمی گویند یک معیار دقیقا ۵/۲ برابر مهم تر از معیار دیگر است؛ بلکه از عباراتی مانند «تا حد زیادی مهم تر»، «تقریبا برابر» یا «اهمیت بسیار بالا» استفاده می کنند.

منطق فازی تلاش می کند این نوع بیان انسانی را به شکل ریاضی مدل کند.

برای مثال، در ارزیابی یک فناوری جدید که سابقه عملیاتی محدودی دارد، ممکن است اطلاعات کافی برای مقایسه دقیق هزینه، ریسک و قابلیت اطمینان وجود نداشته باشد. در چنین شرایطی، Fuzzy AHP می تواند عدم قطعیت موجود در قضاوت متخصصان را بهتر منعکس کند.

به همین دلیل، این روش در سال های اخیر در حوزه هایی مانند:

• مدیریت زنجیره تامین؛
• ارزیابی ریسک؛
• انتخاب فناوری های نوظهور؛
• مدیریت پروژه های پیچیده

کاربرد گسترده ای پیدا کرده است.

۱۲. مدل های ترکیبی AHP؛ حرکت از یک روش منفرد به چارچوب های تصمیم گیری جامع

روند پژوهش های جدید در حوزه تصمیم گیری چندمعیاره نشان می دهد که استفاده از یک روش منفرد، در بسیاری از مسائل پیچیده کافی نیست.

به همین دلیل، مدل های ترکیبی توسعه یافته اند.

یکی از شناخته شده ترین ترکیب ها، AHP-TOPSIS است.

در این ترکیب، AHP برای تعیین اهمیت معیارها و TOPSIS برای رتبه بندی گزینه ها استفاده می شود.

به عنوان مثال، در انتخاب تامین کننده:

AHP مشخص می کند کیفیت، هزینه و زمان تحویل چه اهمیتی نسبت به یکدیگر دارند.

سپس TOPSIS مشخص می کند کدام تامین کننده با توجه به این اولویت ها، فاصله کمتری از وضعیت ایده آل دارد.

ترکیب دیگر، استفاده از AHP همراه با DEMATEL است. در این حالت، DEMATEL برای شناسایی روابط علت و معلولی میان معیارها استفاده می شود و AHP برای تعیین اولویت آن ها به کار می رود.

این رویکرد در مسائل مدیریتی پیچیده اهمیت زیادی دارد، زیرا بسیاری از مشکلات سازمانی ناشی از یک عامل منفرد نیستند، بلکه حاصل تعامل چندین عامل هستند.

۱۳. جایگاه AHP در عصر هوش مصنوعی و تصمیم گیری داده محور

گسترش هوش مصنوعی این پرسش را ایجاد کرده است که آیا روش هایی مانند AHP در آینده همچنان اهمیت خواهند داشت؟

بررسی روندهای پژوهشی نشان می دهد که نقش این روش ها در حال تغییر است، اما حذف نشده است.

هوش مصنوعی در تحلیل داده های گسترده، شناسایی الگوها و پیش بینی عملکرد سیستم ها بسیار توانمند است؛ اما بسیاری از تصمیم های مدیریتی صرفا مسئله پیش بینی نیستند، بلکه شامل انتخاب میان اولویت ها و ارزش های مختلف هستند.

برای مثال، یک الگوریتم می تواند احتمال تاخیر یک تامین کننده را پیش بینی کند، اما تصمیم گیرنده باید تعیین کند که آیا کاهش ریسک مهم تر است یا کاهش هزینه.

این همان حوزه ای است که روش هایی مانند AHP همچنان نقش مهمی دارند.

آینده تصمیم گیری سازمانی احتمالا در ترکیب سه عنصر شکل خواهد گرفت:

داده های واقعی و تحلیل های هوشمند؛
مدل های ریاضی تصمیم گیری؛
تجربه و قضاوت انسانی.

در چنین چارچوبی، AHP نه جایگزین هوش مصنوعی، بلکه مکمل آن خواهد بود.

۱۴. جمع بندی نهایی یادداشت

فرآیند تحلیل سلسله مراتبی (AHP) را می توان یکی از مهم ترین تلاش ها برای ایجاد ارتباط میان تفکر انسانی، تجربه خبرگان و مدل سازی کمی در فرآیند تصمیم گیری دانست. اهمیت این روش صرفا در یک الگوریتم ریاضی یا محاسبه وزن معیارها خلاصه نمی شود، بلکه در رویکردی است که برای ساختاربندی مسائل پیچیده و تبدیل قضاوت های پراکنده به تصمیم های منسجم ارائه می دهد.

در محیط های سازمانی امروز، تصمیم گیری به ندرت با یک معیار مشخص انجام می شود. مدیران در حوزه هایی مانند انتخاب تامین کننده، مدیریت پروژه، ارزیابی فناوری، مدیریت کیفیت و برنامه ریزی راهبردی، همواره با شرایطی مواجه هستند که چندین عامل به صورت هم زمان بر نتیجه اثر می گذارند. در چنین شرایطی، روش هایی مانند AHP کمک می کنند معیارهای مختلف شناسایی، اولویت آن ها تعیین و فرآیند تصمیم گیری از حالت شهودی صرف خارج شود.

با این حال، ارزش واقعی AHP زمانی آشکار می شود که به عنوان یک ابزار تصمیم یار مورد استفاده قرار گیرد، نه به عنوان جایگزینی برای تفکر مدیریتی. این روش نمی تواند کیفیت تصمیم را بهتر از کیفیت اطلاعات، تجربه خبرگان و تعریف درست مسئله تضمین کند. اگر معیارها به درستی انتخاب نشوند یا افراد مشارکت کننده شناخت کافی از موضوع نداشته باشند، حتی دقیق ترین محاسبات نیز ممکن است به نتیجه ای نامناسب منجر شود.

یکی از مهم ترین تحولات سال های اخیر، حرکت از AHP کلاسیک به سمت مدل های توسعه یافته مانند Fuzzy AHP، AHP-TOPSIS، AHP-DEMATEL و سایر چارچوب های ترکیبی تصمیم گیری چندمعیاره است. این روند نشان می دهد که پژوهشگران دیگر به دنبال استفاده از یک روش واحد برای حل همه مسائل نیستند؛ بلکه تلاش می کنند با ترکیب روش های مختلف، پیچیدگی واقعی سیستم های سازمانی را بهتر مدل سازی کنند.

از سوی دیگر، ظهور هوش مصنوعی و تحلیل داده های بزرگ، جایگاه روش هایی مانند AHP را از بین نبرده، بلکه نقش آن ها را تغییر داده است. در سازمان های آینده، تصمیم گیری موثر نیازمند ترکیب توانایی ماشین در پردازش داده ها با توانایی انسان در درک زمینه، ارزش ها و اولویت های راهبردی خواهد بود. هوش مصنوعی می تواند الگوها را شناسایی و پیش بینی انجام دهد، اما انتخاب میان گزینه هایی که هر کدام پیامدها و ارزش های متفاوتی دارند، همچنان نیازمند چارچوب های تصمیم گیری انسانی است.

از دیدگاه مهندسی صنایع، اهمیت AHP در این است که تصمیم گیری را به عنوان یک فرآیند مهندسی شده نگاه می کند. همان گونه که یک فرآیند تولید برای دستیابی به عملکرد پایدار نیازمند طراحی، اندازه گیری و کنترل است، فرآیند تصمیم گیری نیز نیازمند ساختار، منطق و ارزیابی است. AHP با فراهم کردن چنین ساختاری، به سازمان ها کمک می کند تصمیم هایی اتخاذ کنند که نه تنها قابل اجرا، بلکه قابل توضیح و دفاع نیز باشند.

در نهایت، می توان گفت AHP پاسخی به یک مسئله بنیادی در مدیریت است: چگونه می توان پیچیدگی دنیای واقعی را بدون حذف نقش قضاوت انسانی، به یک تصمیم منطقی و قابل تحلیل تبدیل کرد؟ پاسخ این روش، ایجاد تعادل میان تحلیل کمی و دانش انسانی است؛ تعادلی که در محیط های پیچیده و پرریسک امروزی بیش از گذشته اهمیت دارد.

منابع

1. Saaty, T. L. (1980). The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. New York: McGraw-Hill.
2. Saaty, T. L. (1990). How to make a decision: The Analytic Hierarchy Process. European Journal of Operational Research, 48(1), 9–26.
3. Saaty, T. L. (2008). Decision making with the analytic hierarchy process. International Journal of Services Sciences, 1(1), 83–98.
4. Vaidya, O. S., & Kumar, S. (2006). Analytic hierarchy process: An overview of applications. European Journal of Operational Research, 169(1), 1–29.
5. Ho, W. (2008). Integrated analytic hierarchy process and its applications – A literature review. European Journal of Operational Research, 186(1), 211–228.
6. Ishizaka, A., & Labib, A. (2011). Review of the main developments in the Analytic Hierarchy Process. Expert Systems with Applications, 38(11), 14336–14345.
7. Mardani, A., Jusoh, A., Nor, K. M. D., Khalifah, Z., Zakwan, N., & Valipour, A. (2015). Multiple criteria decision-making techniques and their applications – A review of the literature from 2000 to 2014. Economic Research-Ekonomska Istraživanja, 28(1), 516–571.
8. Zavadskas, E. K., Turskis, Z., & Kildienė, S. (2016). State of art surveys of overviews on MCDM/MADM methods. Technological and Economic Development of Economy, 22(5), 682–706.
9. Ghorabaee, M. K., Amiri, M., Zavadskas, E. K., & Turskis, Z. (2020). A new hybrid fuzzy MCDM approach for 

10 . Ragazou, K., Garefalakis, A., Pardalos, P. M., Zopounidis, C., et al. (2026).

A hybrid DEMATEL–Fuzzy AHP–MARCOS framework for evaluating digital servitization strategies in supply chains.
Annals of Operations Research.evaluation of alternatives under uncertainty. Applied Soft Computing.

11 . The m-polar fuzzy TOPSIS hybrid method for manufacturing decisions.
Scientific Reports, 16, Article 4479.