Applying new hybrid method of analytical hierarchy process, Monte Carlo Simulation and PROMETHEE to prioritize and selecting appropriate target market

Authors

Abstract

Making decision to choose the appropriate target market is one of the key decisions in the success of firms, which has direct effect in the amount of their profits. The aim of this paper is to introduce and use of new hybrid method of AHP, Monte Carlo simulation and PROMETHEE to prioritize cities to establish retailers, considering different indices. The problem of this study is related to a factory, constructing premade pieces of buildings, that to introduce and distribute its new products is searching the new retailers in different cities. To prioritize cities, with the interview with experts and the studying of the previous works the indices have been determined and the hierarchy pattern has been made. Then using the hybrid method of AHP and Monte Carlo simulation the weights of the indices have been determined and then using PROMETHEE method the best city has been chosen and the other ones have been prioritized. From the benefits of the new introduced hybrid method with respect to other ways of selecting target markets is decreasing the risk and increasing the power of decision making.

Keywords


مقدمه

در چند دهه گذشته، مدیران با تغییرات شگرف جهانی، به واسطه پیشرفت در تکنولوژی، جهانی شدن بازارها و شرایط جدید اقتصاد سیاسی مواجه شده اند. بارشد روز افزون تعداد رقبا در بازار جهانی، سازمان‌ها مجبور شدند که سریعاً فرآیندهای سازمانی خود را برای نجات سازمان و باقی ماندن در صحنه رقابت، بهبود بخشند. موضوع مهمی که در سال‌های اخیر در مدیریت عملیات بسیار مورد بحث قرار گرفته، رویکرد مدیریت زنجیـره تامین است. زنجیره تامین، شبکه ای از تسهیلات و مراکز توزیع است که وظایف تهیه و تدارک مواد خام، تبدیل آن به محصولات واسطه ای و نهایی و توزیع این محصولات به مشتریان را انجام می‌دهد. به طور خلاصه می توان گفت که مدیریت زنجیره تامین شامل سه بخش عمده؛ یعنی تهیه و تدارک، تولید و توزیع است.انتخاب مناسب تامین کننده، توزیع کننده و بازار مناسب از جمله مباحثی است که همواره در بحث کاهش هزینه و افزایش بهره وری مورد توجه تولیدکنندگان بوده است (کپرا و میدل[1]، 2004). امروزه اغلب واحدهای تجاری برای ورود به یک بازار با دشواری‌های فراوانی روبرو هستند. فرصت‌ها وتهدیدها، ارزیابی رقبا، توانایی تولید،کیفیت و قیمت فاکتور‌هایی هستند که یک معمای پیچیده را در برابر مدیران بوجود می آورند. نکته مهم این است که در این تصمیم گیری شاید جایی برای ورود سعی و خطا وجود نداشته باشد، چرا که شکست در یک بازار ممکن است به ورشکسته شدن و ازبین رفتن منجر شود. در مجموع، فضای بوجود آمده مدیران را مجبورکرده تا از روش‌های پیچیده در آنالیز همزمان فاکتورهای مختلف استفاده نمایند (رزمی، 1383).

انتخاب بازار مناسب برای متخصصان بازار، همواره به عنوان یک مساله اساسی در تصمیم گیری تلقی شده است. کوپر (1993) معتقد است بازار مناسب بازاری است که رقابت در آن ضعیف و تعداد رقبا کم باشد، قابلیت رشد وجود داشته باشد و نیاز مشتری به کالای مورد نظر برآورده شود و این بدان معناست که تصمیمات درباره انتخاب بازار جذاب باید با توجه به عوامل محیطی، موقعیت رقابتی و منابع موجود اتخاذ گردد. نتایج حاصل از پژوهش‌های صورت گرفته در زمینه استراتژی‌های انتخاب بازار، نشان می‌دهد که سازمان‌ها به تدریج متوجه شدند که در صورت استفاده مناسب از مدل‌های انتخاب بازار، به مزیت رقابتی پایدار دست خواهند یافت (هو و همکاران، 2006).

انتخاب بازار در طول زنجیره تامین معمولا به توزیع کننده واگذار می‌شود و تمایل توزیع کننده به فعالیت در بازار فعلی و عدم آگاهی از شرایط سایر بازار‌ها باعث می‌شود تا توزیع کننده فقط حیطه کاری محدودی که در آن فعالیت می‌کند را در نظر بگیرد. از طرفی کاهش هزینه و افزایش شهرت واعتبار از جمله عواملی است که تولید کننده را تحریک می‌کند تا خود وظیفه توزیع محصولاتش را بر عهده بگیرد،که انجام موفقیت آمیز این حلقه از زنجیره تامین،در وهله اول نیازمند شناسایی و انتخاب بازار مناسب است. از آنجا که هدف ما در این پژوهش اولویت بندی و انتخاب بازار (شهر) مناسب جهت ایجاد نمایندگی و توزیع محصولات با لحاظ کردن کاهش ریسک در تصمیم‌گیری است، از روش ترکیبی شبیه سازی مونت کارلو وAHP یعنیMCAHP[2] استفاده خواهیم کرد چراکه ترکیب شبیه سازی با تحلیل سلسله مراتبی، باعث افزایش دقت در تصمیم گیری می‌شود.اوزان معیار‌های مورد نیاز این مساله که از بین فاکتور‌های موجود برای انتخاب بازار در پیشینه پژوهش و همچنین با استفاده از نظرات کارشناسان بدست آمده توسط روش مذکور مشخص گردید و سپس با استفاده از این معیار‌ها و روش پرامتی بازار‌های کاندید شده رتبه بندی شدند. در ادامه مقاله به بررسی پیشینه پژوهش می‌پردازیم و سپس مساله مورد نظر در این پژوهش را در معرفی خواهیم کرد. بعد از آن به چگونگی بکارگیری روش MCAHP و پرامتی پرداخته ودر نهایت در بخش نتیجه گیری، نتایج بدست آمده ارایه خواهد شد.

 

پیشینه پژوهش

امروزه مدیران برای انجام بهتر فعالیت‌های بازاریابی با فشارهای بیشتری از گذشته همراه هستند (بارویز و فارلی، 2004) لذا اهمیت بازاریابی و عملکرد مطلوب آن و همچنین ارزشی که در حال حاضر برای شرکت‌ها یافته است، باعث شده تا مفاهیم جدیدی به آن وارد شوند (ام اس ای، 2008). بررسی نظام بازاریابی در شرکت‌ها، اخیراً مورد توجه مدیران و متخصصان دانشگاهی در زمینه بازاریابی قرار گرفته است. طبق نظر مدیران سازمان‌ها عملکرد این سیستم از طریق میزان بازگشت سرمایه گزاری‌های انجام شده بر روی آن قابل سنجش است (سگیه و دیگران، 2007). از سوی دیگر آمبلر (2000) معتقد است که: مطالعات آکادمیک بر برنامه‌های نظام بازاریابی از طرح‌ریزی تا کنترل، تأکید می‌ورزد. از آنجا که هدف از این پژوهش انتخاب بازار مناسب با شیوه‌های تصمیم گیری کمی است در ادامه، برای آشنایی با مطالعات قبلی صورت گرفته، ابتدا موضوع زنجیره تامین مطرح شده است، سپس انتخاب بازار و در ادامه استفاده از روش تحلیل سلسله مراتبی، روش ترکیبیMCAHP و روش پرامتی در پژوهش‌های مشابه پیشین آورده شده است.

 

زنجیره تامین

امروزه در کشور‌های توسعه یافته، سازمان‌های صنعتی و خدماتی می‌دانندکه سود بلندمدت آنها در گرو تعادل و یکپارچگی اجزا و کارکرد صحیح کل زنجیره تأمین است و دیگر سیاست مبتنی بر روش‌های سنتی کارگر نیست (مورگان و همکاران، 2002).

زنجیره تامین از یک سو به تامین کنندگان مربوط می‌شود و از طرف دیگر به توزیع کنندگان متصل می‌گردد. انتخاب بهینه تامین کنندگان و توزیع کنندگان، کاهش چشمگیر هزینه‌ها و افزایش سود را در پی خواهد داشت. در مورد انتخاب تامین کننده گان در زنجیره تامین مطالعات بسیاری صورت گرفته است که از جمله آنها می‌توان به کار‌های عمید و قدسی پور (2006)، چن و هوانگ[3](2007)، میشلی[4](2008) و کارتر و همکارانش[5] (2010)، اشاره کرد، اما در مورد چگونگی انتخاب توزیع کنندگان نسبت به انتخاب تامین کنندگان، تجربیات و مطالعات کمتری موجود است که من جمله می‌توان پژوهش‌های صورت گرفته توسط فرام[6] (1992) و فونسون و زینلدین[7] (2003) را برشمرد، اما همانطور که پیشتر نیز گفته شد هنگامی که تولید کننده، خود، وظیفه توزیع محصولاتش را برعهده بگیرد، دیگر نیازی به انتخاب توزیع کننده نیست و تولیدکننده باید به دنبال انتخاب بازار مناسب باشد.

 

 

انتخاب بازار

مطالعاتی که در زمینه انتخاب بازار صورت گرفته نشان می‌دهد که مهمترین علت شکست شرکت‌ها در صحنه رقابت، انتخاب بازار نامتناسب بوده است(کاواسگیل، 1985 و گلایستر، 1993). این اشتباه بیشتر از آن جهت رخ می‌دهد، که سازمان‌ها با ارزیابی ناکافی یا ناکارآمد به انتخاب بازارهای نامناسب اقدام کنند،که هزینه این اشتباه بسیار سنگین‌تر از هزینه ارزیابی نظام‌مند بازارها و انتخاب بازار مناسب جهت ورود به آن است. از آنجا که هدف از هر کار تولیدی یا خدماتی کسب رضایت مشتری است، انتخاب بازار به عنوان بخشی از زنجیره تامین که بطور مستقیم با مشتریان در تماس است از اهمیت خاصی برخوردار است. ویند8 در مقاله خود در سال 1987 بیان می‌کند که تقریباً اکثر مدیران فرایند انتخاب بازار را به عنوان بخشی از فرایند مدیریت پذیرفته‌اند. همچنین انتخاب بازار، در مواجهه با بحران‌ها، به عنوان یک فرایند حیاتی محسوب می‌شود (بروکس بانک،2003).

تصمیم گیری پیرامون انتخاب بازار مناسب برای ایجاد نمایندگی، یک مساله تصمیم گیری چند معیاره است. اکثر معیارهای مکان یابی که تاکنون مورد مطالعه قرار گرفته اند وابسته به شرایط موجود، دسترسی به منابع موجود در کشور و همچنین بر اساس نوع صنعت متفاوت بوده است (آتهیراونگ و مک کارتی، 2002).به علت آنکه هدف نهایی هر زنجیره تأمین،کسب رضایت مشتری است، لذا انتخاب بازار به عنوان یکی از اعضای زنجیره تأمین دارای اهمیت خاصی است و یکی از مهمترین تصمیمات در تمام سازمان‌هایی است که با مقوله ی بازاریابی و برنامه ریزی راهبردی سروکار دارند (مک دونالد، 1995).

دویل[8] در مقاله مهم خود درباره بازاریابی در هزاره سوم، ترکیبی از وظایف جدید و سنتی بازاریابان در حال و آینده را ارایه می‌دهد. تعیین جذابیت‌های بازار یا به گفته دویل " انتخاب استراتژیک بازارها و بخش‌هایی که میدان رقابت شرکت‌هاست" یکی از این وظایف است (دویل، 1995).

با وجود دیدگاه‌های متفاوت در مورد ویژگی‌های بازار جذاب، رابطه بین جذابیت بازار و موفقیت در تجارت بر کسی پوشیده نیست. مطالعه چندلر و هنکس[9] (1994) بر روی 800 شرکت تولیدی در ایالات متحده، نیز دلیلی بر درستی این ادعاست. این بررسی که وجود رابطه مثبت بین جذابیت بازار و رشد تجارت را نشان می‌دهد، شش عامل را در تعیین جذابیت بازار موثر میداند. این عوامل عبارتند از:

توانایی در ارایه خدمات به مشتریان و رویکرد‌های بازار یابی، تفاوت در تامین کالا و خدمات بین شرکت‌های مختلف، تعداد رقبای اصلی با موقعیت رقابتی یکسان، میزان رشد صنعت مورد نظر، تعداد شرکت‌های رقیب با سابقه طولانی، نیاز اساسی بازار به کالاهایی که هنوز برآورده نشده است.

 

معیار‌های انتخاب بازار

در انتخاب بازار متغییر‌های بسیاری دخیل اند و اختلاف نظر بسیاری بین صاحب نظران موجود است، در اینجا بر خی از این متغییر‌ها را که بیشتر مورد تاکید قرار گرفته‌اند، آورده ایم:

الف) اندازه بازار: تخمین اندازه بازار یکی از مهمترین عوامل تصمیم گیری است (چندلر و هنکس، 1994). متغیر‌هایی که به تخمین اندازه بازار کمک میکنند عبارتند از: ویژگی‌های جغرافیایی، جمعیتی و اقتصادی.

ب)محیط: با توجه به پژوهش‌های انجام گرفته در زمینه شناسایی مؤلفه­های انتخاب بازار، مشخص می‌شود که سازمان‌ها در محیط­های مختلف از روش­های متفاوتی برای این منظور استفاده می­کنند (میرابی و همکاران، 1382).

ج) هزینه: در این قسمت باید به هزینه‌هایی چون هزینه بدست آوردن قسمتی از بازار و هزینه‌های حمل و نقل توجه کرد. برای بدست آوردن قسمتی از بازارکه از نظر فعالیت‌های بازار یابی قابل دسترس نیست، نباید اقدامی صورت گیرد (روستا و همکاران، 1383).

د) پیش بینی میزان سود نسبت به حجم سرمایه گذاری: نسبت سود به حجم سرمایه گزاری باید آنقدر زیاد باشد تا بتواند اولاً مقدار سود دهی مورد انتظار شرکت را پوشش دهد و ثانیا ریسک‌های پیش بینی نشده احتمالی را جبران نماید (میرابی و همکاران، 1382).

هنگامی که تولید کننده به دنبال شهر و بازار جدیدی برای عرضه محصولات جدید است، باید عوامل مختلفی را در نظر بگیرد. به عنوان مثال یکی از این عوامل، مخارج مصرفی جمعیت منطقه مورد نظر است. همچنین ممکن است مردم یک منطقه از سطوح درآمدی مختلفی برخوردار باشند و فرهنگ مصرف آنها با هم متفاوت باشد (انوت و افتندیجیل[10]، 2010).

داگلاس[11] و همکارانش (1982) اندازه بازار، میزان رشد بالقوه، میزان رقابت، میزان ریسک در ارتباط با هر بازار، معیارهای مرتبط با هزینه هر بازار ومعیارهای در ارتباط با کانال‌های توزیع را ملاک ارزیابی و انتخاب بهترین بازار می‌دانند. برور[12] (2001) در پژوهش‌های خود، میزان یکپارچگی و رابطه با بازار مقصد به عنوان یک شریک، میزان پتانسیل بالقوه بازار، تجارب، برنامه‌های اقتصادی مربوطه و میزان رابطه کاری قبلی (اعتباری که در نتیجه انجام درست کار‌های گذشته صورت گرفته است) را به عنوان ملاک‌های انتخاب بازار معرفی می‌کند (برور، 2001). اندازه و میزان رشد بازار از جمله عواملی هستند که در گذشته بیشتر مورد تاکید محققان بوده است (سملی[13]، 1977) اما امروزه بیشتر بر روی معیارهای اقتصادی، فرهنگی، سیاسی، مزیت‌های رقابتی، ظرفیت‌های تجاری، هزینه، ساختار بازار و استراتژ یهای مربوط به بازار درارتباط با رقبا تاکید می‌شود (رحمان[14]، 2003). اما در این میان نکته قابل توجه این است که اولویت بندی معیار‌ها و تعیین وزن آنها نیازمند استفاده از روش‌های تصمیم گیری چند معیاره(MCDM[15]) است (توپکو و بورناز[16]، 2006).

 

روش پژوهش

همانطور که درجدول 1 دیده می‌شود فرایند روش پژوهش در این مطالعه شامل چهار مرحله می‌شود. ابتدا مسأله مورد نظر مطرح می‌شود و سپس با استفاده از نظرات کارشناسان و پژوهش‌های پیشین معیار‌های مناسب تعیین می‌شود. اوزان این معیار‌ها با جمع‌آوری نظرات کارشناسان توسط روش MC_AHP بدست می‌آید و در نهایت بازار‌ها با استفاده از معیار‌های وزن‌دار در فرایند پرامتی رتبه بندی می‌شوند.

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول 1-گام‌های حل مساله

فرایند

مرحله

بیان مساله و تعیین معیار‌ها

گام 1:

جمع آوری داده‌ها

گام2:

MC-AHP وزن دهی معیار‌ها با روش ترکیبی

گام3:

انتخاب گزینه‌ها با استفاده از معیار‌های وزن دار در فرایند پرامتی

گام4:

 

 

این پژوهش به دنبال راه حلی برای انتخاب بازار مناسب برای توزیع محصولات یک کارخانه تولید قطعات پیش ساخته ساختمان است. بدین منظور با توجه به نظر کار شناسان بخش بازاریابی کارخانه و محدودیت‌های موجود مانند مجوز حمل و نقل فقط تا مسافت 200 کیلومتر به دلیل شزایط فنی بتن، چهار شهر بزرگ کاندید شدند تا بر حسب اولویت در برنامه استراتژیک شرکت، جهت ایجاد کارگاه، شعبه فروش و توزیع محصولات مورد نظر، قرار گیرند. هرکدام از این شهر‌ها بیانگر یک بازار با ویژگی‌های مربوط به خودش است. بعد از بررسی‌های انجام شده بر روی کار‌های مشابه و استفاده از نظر کارشناسان ذی صلاح چهار معیار اصلی مشخص شدند:

اندازه بازار (چندلر و هنکس، 1994)، هزینه (روستا و همکاران، 1383)، سود پیشبینی شده نسبت به حجم سرمایه‌گذاری (روستا و همکاران، 1383)، محیط (میرابی و همکاران، 1382) و سپس به همراه زیرمعیار‌ها و گزینه‌ها به صورت درخت تصمیم گیری که در شکل 1 نشان داده شده است، تعیین شده‌اند.

 

 

 

شکل1 - معیار‌های انتخاب بازار از دید کارخانه تولید قطعات پیش ساخته ساختمان

 

 


روش ترکیبی تحلیل سلسله مراتبی (AHP) و شبیه سازی مونت کارلو

به عنوان یک روش تصمیم گیری چند معیاره، AHP بیشترین کاربرد را در حل مسایل پیشرفته بامعیار‌های پیچیده، داشته است. استفاده زیاد از این روش در حل مسائل مختلف نشان دهنده قابلیت و عملکرد بالای این روش است (ساعتی،[17] 1980). به منظور افزایش توانایی بررسی و غربال گری بهتر گزینه‌ها، روزن بلوم پیشنهاد داد که مدل شبیه سازی مونت کارلو به روشAHP سنتی اضافه شود(روزنبلوم[18]،‌1996). این مدل، ریسک تصمیم گیری را کاهش و نتایج قابل قبول تری ارایه می‌دهد. همچنین به تصمیم گیرنده کمک می‌کند تا بصورت منعطف تری نسبت به روش معمولی AHP، تصمیم گیری نماید. در این روش هنگامی که تصمیم گیرنده، در باره تصمیم خود مطمئن نیست از توزیع مثلثی استفاده می‌شود که سه نقطه مینیمم، ماکسیمم و نقطه دارای بیشترین احتمال را مشخص می‌کند. اگرچه مدت زیادی از پیدایش این مدل ترکیبی نمی‌گذرد، اما پژوهشگران زیادی از آن در فرایند تصمیم گیری، استفاده کرده اند، ازجمله میتوان به کارهای بانوئل و انتونی[19](2004)، هسو و پن[20] (2009) ممانی و احمد[21](2011) شولیان و جیم ژنگ[22] (2009) و کلیجا و همکارانش[23] (2003) اشاره کرد.

 

 

بکار گیری روش MCAHP در جهت تعیین وزن معیار‌ها

همانطور که پیشتر گفته شد در این پژوهش به منظور حد اقل سازی ریسک تصمیم گیری، از روش ترکیبی تحلیل سلسله مراتبی و شبیه سازی مونت کارلو برای تعیین اوزان معیار‌ها استفاده می‌شود. در این روش پس از اینکه درخت سلسله مراتبی تصمیم گیری رسم شد، با استفاده از پرسشنامه‌های مربوط به مقایسه‌ زوجی، داده‌های مربوط به عناصر تصمیم گیری بصورت متغییر‌های تصادفی جمع آوری می‌گردند. قابل ذکر است که مقایسه زوجی در روش AHP معمولی به صورت یک عدد قطعی تعیین می‌شوند، ولی در این روش، مقایسه زوجی، متغییر‌های تصادفی هستند که از توزیع مثلثی پیروی می‌کنند.

اساس روش شبیه سازی مونت کارلو، نمایش ترکیبات تصادفی حالات ممکنه از عدم قطعیت‌هایی است که در یک پروژه رخ می‌دهند. دراین روش از قدرت و سرعت رایانه جهت نمایش حالات مختلفی که برای عدم قطعیت‌ها رخ می‌دهند، استفاده می‌شود. در روش شبیه سازی مونت کارلو درگام اول تابع توزیع احتمال عدم قطعیت‌هایی که در مراحل قبلی مدیریت ریسک شناسایی شده‌اند، توسط کارشناسان تیم مدیریت پروژه و گاهاً تجربیات پروژه‌های گذشته تعیین می‌گردند. در اینجا ما برای مقایسه زوجی که در واقعیت از دید کارشناسان نمی‌توانند دارای یک عدد قطعی معین باشند از متغیر‌های تصادفی با تابع توزیع مثلثی استفاده کرده‌ایم. بدین صورت که از کارشناس خواسته می‌شود تا با سه دیدگاه خوشبینانه، بسیار محتمل و بدبینانه مقایسه زوجی را انجام دهد، بنابراین برای هر جفت مقایسه سه عدد به دست می‌آید.

در مرحله دوم از مراحل اجرای شبیه سازی مونت کارلو، تعداد اجراهای شبیه سازی تعیین می‌گردند که تعداد آنها بسته به پیچیدگی و ابعاد پروژه و اهمیت ریسک‌های مورد بررسی در پروژه مشخص می‌شود.

در روش شبیه سازی مونت کارلو، در هر اجرا برای هریک از عدم قطعیت‌ها یک مقدار تصادفی و بر اساس توزیع مثلثی بین حد پایین و بالای عدم قطعیت‌های مربوطه تولید می‌شود که فراوانی آن، از تابع توزیع احتمالات آن عدم قطعیت‌ها پیروی می‌کند. بدین طریق در هر اجرا، یک مجموعه جواب که در تناظر یک به یک با عدم قطعیت‌هاست، تولید می‌شود که بیانگر یکی از حالات ممکن مطلوبیت است.در روش بکار رفته در این پژوهش، هر بار که شبیه سازی اجرا می‌شود، یک عدد تصادفی با تابع توزیع احتمال مثلثی، که کران‌های آن از پیشنهادات تصمیم گیرنده تعیین شده است، به مقایسه زوجی تخصیص داده و سازگاری آن بررسی می‌شود سپس توسط روش AHP،گزینه‌ها رتبه بندی می‌شوند. این فرایند هزار بار تکرار می‌شود تا ریسک ناشی از تصمیم گیری براساس سه دیدگاه بد بینانه، بیشتر محتمل و خوشبینانه به حداقل برسد.درواقع، به منظور مقایسه بین معیار‌ها از طیف ساعتی که در جدول 2 آمده استفاده شده است.

 

 

جدول2- جدول امتیاز بندی ترجیح‌های ساعتی (1980)

امتیاز

تعریف

1

اهمیت برابر

3

اهمیت بیشتر

5

اهمیت خیلی بیشتر

7

اهمیت به شدت بیشتر

9

اهمیت خیلی خیلی بیشتر

 

 

در مقایسه زوجی معیار‌ها و مقایسه‌های مربوط به گزینه‌ها با استفاده از توزیع مثلثی و در فاصله 1419">  تا 9 انجام گرفت.پس از جمع آوری اطلاعات با استفاده از نرم افزار EXCEL، شبیه سازی مونت کارلو، 1000 بار تکرار می‌شود وهر بار، نتایج حاصل وارد فرایند AHP می‌شود تا وزن هرکدام از معیار‌ها مشخص شود. درواقع فرایند شبیه سازی بدین صورت است که در هر تکرار از بین سه عدد ورودی کارشناس تصمیم گیری برای هر جفت مقایسه زوجی (خوشبینانه، بسیار محتمل، بدبینانه)، تنها یک عدد را به صورت تصادفی انتخاب می‌کند با این شرط که احتمال نزدیکی آن به عدد وسط بیشتر است. این فرایند شبیه آن است که از هزار نفر خواسته شود تا مقایسه زوجی را انجام دهند.

 

پرامتی

پرامتی یک روش ساده برای رتبه­بندی مجموعه محدودی از گزینه­هاست (بوژانویچ[24] و همکاران، 2012).‌هالوانی[25] و همکاران (2009)، بیان می­کنند که روش­های پرامتی، شامل PROMETHEE-I (رتبه بندی جزئی) و PROMETHEE-II (رتبه بندی کامل)، توسط برنز در سال 1982 توسعه یافته است این روش که در تجزیه و تحلیل مسائل چند معیاره بکار می­رود از نظر مفهومی و کاربردی در مقایسه با روش­های دیگر ساده­تر می­باشد (البدوی[26] و همکاران، 2007).

چند سال بعد نسخه­های گوناگون روش­های پرامتی از قبیل PROMETHEE-III برای رتبه­بندی مبتنی بر فاصله و PROMETHEE-IV برای رتبه­بندی نسبی یا کامل گزینه­ها هنگامی که مجموعه­ای از راه­حل­ها بصورت پیوسته هستند، توسعه یافتند. همچنین PROMETHEE-V برای مسائلی با محدودیت­، PROMETHEE-VI برای بازنمایی مغز انسان، PROMETHEE GDSS برای تصمیم­گیری گروهی و ماژول [27]GAIA برای ارایه گرافیکی جهت کمک به راه­­حل­های تصمیم­گیری پیچیده­تر ارایه گردیده‌اند (بهزادیان و همکاران، 2010).

 

استفاده از پرامتی به منظور اولویت بندی گزینه‌ها با اوزان بدست آمده از MC-AHP

پیاده­سازی پرامتی نیازمند دو نوع اطلاعات اضافی است. دسته اول، اطلاعاتی در مورد اهمیت نسبی (یعنی وزن­های) معیارهای مورد بررسی است و دیگری اطلاعاتی در مورد تابع ارجحیت تصمیم گیرنده است که هنگام مقایسه سهم هر گزینه از نظر هر معیار، به صورت جداگانه مورد استفاده قرار می­گیرد (صفاری و همکاران، 2012). هنگامی که دو معیار 14a,b∈A">  را مقایسه می­کنیم باید نتایج این مقایسه‌ها را بر اساس یک ارجحیتی بیان کنیم (ماخاریس و همکاران[28]، 2004). در روش پرامتی، تابع ارجحیت هر معیار غالباً از طریق ماهیت هر معیار و دیدگاه تصمیم­گیرنده تعیین می­شود (البدوی و همکاران، 2007).

تابع ارجحیت تفاوت بین مقادیر دو گزینه a و b را در یک معیار ویژه به درجه ارجحیتی تبدیل می­کند که از 0 تا 1 تغییر می­کند (صفاری و دیگران، 2012).

14Pja,b=Fjdja,b ∀ a,b∈A">  

که در آن

14dja,b=fja-fjb">  

140≤Pj(a,b)≤1">  

است. شش نوع تابع از پیش تعریف شده برای تابع 14Fjdja,b ">  وجود دارد که اکثر کاربردها را پوشش می­دهند و عبارتند از: معیار معمولی عادی، معیار گوسی، معیار خطی (V شکل)، معیار هم سطح، معیار با ارجحیت خطی و ناحیه بی­تفاوتی و معیار بخشی (U شکل) (البدوی و همکاران، 2007). هر شکلی از تابع ارجحیت، به دو مقدار آستانه­ای q و p وابسته است. مقدار q آستانه بی­تفاوتی است که بیانگر بزرگترین انحرافی است که می­تواند نادیده گرفته شود و آستانه p بیانگر کوچکترین انحرافی است که به عنوان ترجیح قطعی قلمداد می­شود. p نمی­تواند کوچکتر از q باشد. همچنین آستانه گوسی s یک مقدار میانی است که تنها می­تواند با تابع ارجحیت گوسی مورد استفاده قرار گیرد.

در مرحله بعدی شاخص ارجحیت کل به صورت زیر محاسبه می­گردد.

14د€a,b=j=1kPja,b.wj">

که در آن 14د€a,b">  عبارت است از جمع موزون 14P(a,b)">  برای هر معیار و 14wj">  وزن مرتبط با j امین معیار می­باشد (بهزادیان و دیگران، 2010).

و جریان مثبت (خروجی) ارجحیت به صورت زیر محاسبه می­شود:

14+(a)=1m-1x∈Aد€(a,x)">

جریان منفی (ورودی) ارجحیت نیز از رابطه زیر حاصل می­شود:

14-(a)=1m-1x∈Aد€(a,x)">

روش پرامتی1 رتبه­بندی جزئی گزینه­ها را فراهم کرده و درحالیکه روش پرامتی2 رتبه­بندی کامل گزینه­ها را با محاسبه جریان خالص بیان می­کند برای محاسبه جریان خالص از رابطه زیر استفاده می­شود:

14a=+a--(a)">  

برخی از اطلاعات در مورد گزینه­های غیر قابل مقایسه متقابل در حالت پرامتی2 از بین می­رود (بوژانویچ و دیگران، 2012). هرچه جریان خروجی بیشتر و جریان ورودی کمتر باشد، فعالیت بهتر خواهد بود. مقایسه جریان­های غیر رتبه­ای برای پرومته 1 از راه زیر محاسبه می­شود:

14aPIb ط§ع¯ط±+a>+b and -(a)<-(b)+a>+b and -a=-(b)+a=+b and -(a)<-(b)aIIb ط§ع¯ط±+a>+b and -a=-(b)aRIb ط§ظٹظ†طµظˆط±طھ ط؛ظٹط± ط¯ط±">

14 PI"> ، 14II"> ، 14RI">  به ترتیب عبارتند از ارجحیت، بی‌تفاوت، غیرقابل مقایسه.

سپس این پیش­ترتیب جزئی در اختیار تصمیم­گیرنده قرار می­گیرد تا در مورد مسئله تصمیم­گیری کند. در صورتی که تصمیم­گیرنده نیاز به ترتیب کلی داشته باشد، از روش رتبه­بندی کامل (پرومتی2) استفاده می­گردد. این روش می‌تواند به سادگی رتبه­بندی فعالیت­ها را صورت دهد (برنز و همکاران، 1986).

a نسبت به b ارجحیت دارد اگر 14 a>b">
a نسبت به b غیر قابل مقایسه است اگر 14a=b">

 

پیاده سازی روش ترکیبی در مورد مطالعه

پس از تعیین معیار‌ها، زیر معیار‌ها و گزینه‌های درخت تصمیم، با استفاده از مقایسه زوجی و فن شبیه سازی مونت کارلو به صورتی که توضیح داده شد، اوزان معیار‌ها وزیر معیار‌ها بدست می‌آید. جهت روشن تر شدن مطلب، بخشی از این فرایند در ادامه آمده است.به عنوان مثال از خبرگان خواسته شد تا وزن معیار‌های اصلی را با استفاده از طیف ساعتی و بصورت مقایسه زوجی مشخص کنند که در جدول 3 نشان داده شده است.

 

جدول 3- مقایسه زوجی

سود

هزینه

محیط

اندازه بازار

انتخاب بازار

6/0

5/0

2/0

3

5/2

1

4

3

1

1

1

1

اندازه بازار

4/0

25/0

21/0

70/0

5/0

33/0

1

1

1

1

33/0

25/0

محیط

50/0

25/0

20/0

1

1

1

03/3

2

43/1

1

4/0

33/0

هزینه

1

1

1

5

4

2

76/4

4

5/2

5

2

67/1

سود

 

 

همانظور که از جدول 3 پیداست برای هر مقایسه زوجی از سه عدد استفاده شده است که به ترتیب نشان دهنده مقایسه زوجی بدبینانه، مقایسه محتمل و مقایسه خوشبینانه است. بنابر این می‌توان گفت فرد خبره نظر خود را به صورت یک توزیع مثلثی بیان می‌کند (شکل 2).

 

 

 

 

 

 

شکل 2- بیان نظر فرد خبره بصورت توزیع مثلثی

 

 

سپس از نرم افزار اکسل خواسته می‌شود تا با استفاده از این توزیع، عددی را بصورت تصادفی انتخاب کند که بین حدپایین و حد بالای این توزیع باشد و احتمال انتخاب عددی که به عدد وسط (عدد بسیار محتمل) نزدیک تر است، بیشتر باشد(این عمل با استفاده ازافزونه simtools.xls درنرم افزار Excel صورت می‌گیرد). در مرحله بعد اعدادی که بصورت تصادفی از این توزیع انتخاب شدند، در جدول مقایسه زوجی قرار می‌گیرند.

 

 

جدول 4- مقایسه زوجی

سود

هزینه

محیط

اندازه بازار

 

536/0

680/2

445/3

1

اندازه بازار

346/0

613/0

1

290/0

محیط

412/0

1

632/1

373/0

هزینه

1

425/2

891/2

866/1

سود

 

 

اطلاعات این جدول به عنوان ورودی فرایند AHP وارد می‌شوند و به راحتی اوزان هر یک از معیار‌های اصلی بدست می‌آید:

 

 

جدول 5- اوزان معیار‌های اصلی

سود

هزینه

محیط

اندازه بازار

 

412/0

154/0

109/0

325/0

وزن معیار‌ها

 

گام بعدی تعیین سازگاری یا عدم سازگاری مقایسه زوجی است. بدین منظور، همانظور که قبلا توضیح داده شد با استفاده از روابط زیر می‌توان نرخ سازگاری را محاسبه کرد.

 

14CI=خ»max-n/(n-1)">  

14CR=CI/RI">  

مقدار n برابر است با تعداد معیار‌هایی که مقایسه می‌شوند؛ مقدار RI نیز تابع مقدار n است، که از جدول RI بدست می‌آید.

با توجه به مقدار RI، نرخ سازگاری را برای مقایسه‌های مربوط معیار‌های اصلی محاسبه می‌کنیم:

 

 

جدول6- محاسبه نرخ سازگاری

083/4

λ max=

AX

028/0

Ci=

334/1

031/0

Cr=

440/0

Cr<=1/0

: ملاک سازگاری

623/0

سازگار

: نتیجه

707/1

 

 

بنابراین، نرخ سازگاری برای این ماتریس، 031/0 بدست آمد که کمتر از 1/0 است و لذا اعداد آن قابل استناد هستند. اگر چه سازگاری ماتریس مقایسه زوجی تعیین می‌شود، اما هنوز ریسک تصمیم گیری، کاهش نیافته است، چرا که در تکرار دیگر ممکن است اوزان تغییر کند بدین منظور این فرایند را بار دیگر برای جدول 4 تکرار می‌کنیم اوزان بدست آمده عبارتند از:


 

جدول 7- اوزان بدست آمده برای معیار‌های اصلی در دو تکرار

سود

هزینه

محیط

اندازه بازار

شماره تکرار

412/0

154/0

109/0

325/0

1

326/0

180/0

150/0

344/0

2

369/0

167/0

129/0

334/0

میانگین

 

 

ملاحظه می‌شود که در تکرار بعدی اوزان معیار‌ها تغییر کرده و ترتیب اولویت معیار‌ها در تکرار یک با تکرار دو متفاوت است. برای دست یابی به اوزان قابل اتکا، از میانگین اوزان بدست آمده در تکرار‌ها استفاده می‌کنیم و این فرایند را آنقدر تکرار میکنیم تا پارامتر میانگین بدست آمده، با دقت سه رقم اعشار ثابت بماند و تغییر نکند. قابل ذکر است که فقط از اوزانی که سازگاری آن‌ها در مرحله قبل توسط نرم افزار تایید شده است در این فرایند استفاده می‌شود که نتایج این بخش در جدول 8 نشان داده شده است.

 

 

 

 

جدول 8- وزن معیار‌های اصلی و زیر معیار‌ها

وزن

زیر معیار‌ها

وزن

معیار‌های اصلی

62/0

1.شرایط آب و هوایی(S1)

28/0

اندازه بازار(S)

23/0

2. جمعیت(S2)

16/0

3. اقتصاد منطقه(S3)

64/0

1. وجود رقبا(I1)

14/0

محیط(I)

36/0

2.اخلاق تجاری در بازار(I2)

22/0

1.هزینه ورود به بازار(C1)

19/0

هزینه(C)

65/0

2. هزینه حمل و نقل(C2)

14/0

3. هزینه نیروی انسانی(C3)

35/0

1.رشد مورد انتظار بازار(B1)

39/0

سود پیش بینی شده نسبت به حجم سرمایه گذاری(B)

20/0

2.میزان ریسک سرمایه گذاری(B1)

45/0

3.درآمد نسبت به حجم سرمایه گذاری(B2)

 

 

حال با توجه به اوزان بدست آمده از معیار‌ها برای رتبه بندی گزینه‌ها جهت انتخاب مناسب ترین بازار سرمایه گذاری، از روش پرامتی استفاده می‌شود، چرا که پرامتی دقت انتخاب را افزایش می‌دهد. بمنظور تسریع در انجام محاسبات و افزایش دقت از نرم افزار visiual promethee استفاده می‌شود. از آنجا که در روش پرامتی فقط یک سطح از معیار‌ها در نظر گرفته می‌شود، باید اوزان معیار‌های فرعی را در اوزان معیار‌های اصلی ضرب کنیم.

 

 

جدول 9- معیار‌های نهایی برای استفاده در پرامتی

سطح معیار‌ها

معیار‌ها

وزن نهایی برای ورود به نرم افزار پرامتی

معیار‌های نهایی

S1

1736/0

S2

0644/0

S3

0448/0

I1

0896/0

I2

0504/0

C1

0418/0

C2

1235/0

C3

0266/0

B1

1365/0

B2

0780/0

B3

1755/0

 

 

 

 

 

 

 

سپس این داده‌ها وارد نرم افزار پرامتی می‌شود و با اجرای آن در نرم افزار رتبه بندی شهر‌ها بدست می‌آید:

 

 

شکل3- رتبه بندی حاصل از اجرای روش پرامتی

 

 

همانطور که ملاحظه می‌شود ابتدا شهر 1، شهر 3،شهر2 و سپس شهر چهار اولویت بندی شده اند.

 

نتیجه گیری

در این مقاله ابتدا معیار‌های انتخاب بازار با استفاده از پیشینه ادبیات و نظرات خبرگان بدست آمد و سپس یک مدل ترکیبی از روش شبیه سازی مونت کارلو، تحلیل سلسله مراتبی و پرامتی به منظور انتخاب بازار مناسب ارایه گردید. قابل ذکر است که مدل ترکیبی حاضر برای اولین بار است که در ادبیات مساله معرفی میگردد و از مزایای آن افزایش دقت تصمیم در تصمیم گیریهای چند شاخصه است.

در ادامه چهار معیار اصلی انتخاب بازار( اندازه بازار،محیط،هزینه، سود پیش بینی شده نسبت به حجم سرمایه گذاری) با نظر خبرگان به عنوان ملاک‌های انتخاب بازار، تعیین شدند.که در این بین " سود پیش بینی شده نسبت به حجم سرمایه گذاری" بیشترین وزن را در میان معیار‌های اصلی به خود اختصاص داد و این نتیجه با نظر مک دنالد (1995) مطابقت دارد که معتقد بود" انتخاب بازار مناسب، سود سازمان را تضمین می‌کند و به همین خاطر آن را در زمره مهمترین تصمیم‌های سازمان بر می‌شمرد" یعنی بازار را بر مبنای سود بیشتر انتخاب می‌کنند. در این رابطه مارکویتز[29] (1952) پیشهاد می‌کند که سرمایه گذاران برای انتخاب بازار برمبنای سود پیشبینی شده برنامه ریزی کنند.

 لونچ[30] و همکارانش (2002) میزان ریسک سرمایه گذاری در بازار را به عنوان یکی از مهمترین عوامل انتخاب بازار میدانند.اگر چه این معیار از زیر معیار‌های " سود پیش بینی شده نسبت به حجم سرمایه گذاری" است(که در اینجا مهم ترین عامل محسوب می‌شود)، اما نسبت به سایر زیر معیار‌های این بخش، اهمیت آن کمتر است.

بنابر این استفاده از این روش تصمیم گیری در مواقعی که با ریسک بالا سرو کار داریم مانند تصمیم گیری در مورد سرمایه گذاری‌های کلان، خرید یا انتقال تکنولوژی، انتخاب محل کارخانه و... توصیه می‌گردد. همچنین برای مطالعات بیشتر در آینده پیشنهاد می‌شود این مدل ترکیبی با اطلاعات حاصل از نرم افزار GIS تجمیع شود تا تصمیم گیری به صورت کامل تر صورت گیرد. همچنین ترکیب شبیه سازی مونت کارلو با دیگر روشهای تصمیم گیری چند شاخصه برای افزایش دقت در تصمیم گیری پیشنهاد می‌گردد.



[1] Chopra and Meidl

[2] Monte carlo AHP

[3] Chen and Huang

[4] Micheli

[5] Carter et. al.

[6] Fram

[7] Fonsson and Zineldin

[8] Doyle

[9] Chandler and Hanks

[10] Önüt and Efendigil

[11] Douglas

[12] Berwer

[13] Samli

[14] Rahman

[15] Multiple Criteria Decision Making

[16] Topcu, Y. I., & Burnaz

[17] Saati

[18] Rosenbloom

[19] Banuelas, and Antony

[20] Hsu and Pan

[21] Momani and Ahmed

[22] Shuliang, L., Jim Zheng

[23] Kleija et. al.

[24] Bogdanovic

[25] Halouani

[26] Albadavi

[27] Geometrical Analysis for Interactive Aid

[28] Macharis

[29] Markowitz

[30] Lonch et. al.

منابع
1- رزمی، جعفر؛ ‌اکبری جوکار، ‌محمد رضا، کرباسیان، ‌سعید (1383)، ارایه یک مدل نوین پشتیبانی تصمیم گیری جهت برنامه ریزی، ارزیابی و انتخاب بازار در زنجیره تأمین، پژوهش نامه بازرگانی، شماره30 صفحات 119 تا 142.
2- روستا، احمد و دیگران(1383)، مدیریت بازاریابی، انتشارات سمت، چاپ هشتم، تهران
3- میرابی، وحید رضا، سرمد سعیدی، سهیل (1382)، مدیریت بازاریابی بین الملل در هزاره سوم، انتشارات اندیشه‌های گهر بار، چاپ اول، تهران.
4- Albadavi, A., Chaharsooghi, S.K., Esfahanipour, A., (2007), Decision making in stock trading:An application of PROMETHEE, European Journal of Operational Research, 177(2), 673–683.
5- Ambler, T., & Riley, D., (2000), Marketing Metrics: A Review of Performance Measures in Use in the U.K. and Spain, Draft report, London Business School, 130.
6- Amid, A., Ghodsypour, S. H., O’Brien, C., (2006), Fuzzy multi objective linear model for supplier selection in a supply chain, International Journal of Production Economics, 104(2), 394-407.
7- Atthirawong, W., MacCarthy, B., (2002), an application of analytical hierarchy process to international location decision making, 7th Cambridge Research Symposium on International Manufacturing, Centre for International Manufacturing, Cambridge university.
8- Banuelas, R., Antony, J., (2004), Modified analytic hierarchy process to incorporate uncertainty and managerial aspects, International Journal of Production Research, 42(18), 3851-3872.
9- Barwise, P., & Farely, J., (2004), Marketing Metrics: Status of Six Metrics in Five Countries, European Management Journal, 22, 257-262.
10- Behzadian, M., Kazemzadeh, R.B., Albadvi, A., Aghdasi, M., (2010), PROMETHEE: A Comprehensive literature review on methodologies and applications, European Journal of Operational Research, 200(1), 198–215.
11- Brewer, P., (2001), International market selection: developing amodel from Australian case studies, Journal of International Business Review, 10,155-174.
12- Bogdanovic, D., Nikolic, D., & Ilic, I, (2012), Mining method selection by integrated AHP and PROMETHEE method, Anais da Academia Brasileira de Ciencias, 84(1), 219-233.
13- Brans, J.P., Vincke, P., Mareschal, B., (1986), How to select and how to rank projects: The PROMETHEE method, European Journal of Operational Research, 24(2), 228-238.
14- Brooksbank, R., Kirby, D., Tompson, G., & Taylor, D., (2003), Marketing as a determinant of long-run competitive success in medium-sized UK manufacturing firms, Small Business Economics, 20, 259–272.
15- Carter, J. R., Maltz, A., Maltz, E., Goh, M., & Yan, T., (2010), Impact of culture on supplier selection decision making, International Journal of Logistics Management, 21(3), 353 - 374.
16- Cavusgil, S., (1985), Guidelines for export market research, Business Horizons, 27-33.
17- Chandler, G.N., Hanks, S.H., (1994), Market attractiveness, resource-based capabilities, venture strategies and venture performance, Journal of Business Venturing, 9(4), 331-49.
18- Chen, Y. M., Huang, P.-N., (2007), Bi-negotiation integrated AHP in suppliers selection, InternationalJournal of Operations & Production Management, 27(11), 1254 - 1274.
19- Chopra, S, Meidl, P., (2004), Supply chain mangment: Strategy,planning, and opration, 4-16, 52-63.
20- Cooper, R.G., (1993), Winning at New Products: Accelerating the Process from Idea to Launch, Addison-Wesley, Reading, MA.
21- Douglas, S. P.,Craig, C. S.,Keegan, W. J., (1982), Approaches for assessing international marketing opportunities for small and medium-sized companies, Columbia Journal of World Business,17, 26–32.
22- Doyle, P., (1995), Marketing in the new millennium, European Journal of Marketing, 29(13), 23-41.
23- Fonsson, P., Zineldin, M., (2003), achieving high satisfaction in supplier–dealer working relationships, Supply Chain Management: An International Journal, 8, 224–240.
24- Fram, E. H., (1992), We can do a better job of selecting international distributors, Journal of Business and Industrial Marketing, 7, 61–70.
25- Glaister, K., & Thwaites, D., (1993), Managerial perception and organizational strategy. Journal of General Management, 13(4).
26- Halouani, N., Chabchoub, H., & Martel, J.M., (2009), PROMETHEE-MD-2T method for project Selection, European Journal of Operational Research, 195(3), 841–849.
27- Ho, K., Ong, S., & Sing, T., (2006), Asset allocation: International real estate investment strategy under a workable analytic hierarchy process (AHP), Journal of Property Investment and Finance, 24(4), 324-342.
28- Hsu, T., Pan, F. F. C., (2009), Application of Monte Carlo AHP in ranking dental quality attributes, Expert Systems with Applications, 36, 2310-2316.
29- Kleija, C. S. v. d., Hulschera, S. J. M. H., Loutersb, T., (2003), Comparing uncertain alternatives for a possible airport island location in the North Sea.Ocean & Coastal Management, 46, 1031-1047.
30- Lonch, L., Eusebio, R., & Ambler, T., (2002), Measures of Marketing Success: A Comparison, European Management Journal of Business and Industrial Marketing, 20(47), 414-422.
31- Macharis, C., Springael, J., Brucker, K.D., & Verbeke, A., (2004), PROMETHEE and AHP: The design of operational synergies in multicriteria analysis, strengthening PROMETHEE with ideas of AHP, European Journal of Operational Research, 153(2), 307–317.
32- Markowitz, H., (1952), Portfolio selection. The Journal of Finance, 7(1), 77-91.
33- McDonald, M., (1989 and 1995), Marketing Plans, Butterworth-Heinemann, Oxford.
34- Micheli, G. J. L., (2008), A decision-maker-centred supplier selection approach for critical supplies, Management Decision, 46(6), 918 - 932.
35- Momani, A. M., Ahmed, A. A., (2011), Material Handling Equipment Selection using Hybrid Monte Carlo Simulation and Analytic Hierarchy Process. World Academy of Science, Engineering and Technology, 59.
36- Morgan, N. A., Clark, B. H., Gooner, R., (2002), Marketing productivity, marketing audits, and systems for marketing performance assessment Integrating multiple perspectives, International Marketing Review, 22, 363– 375.
37- MSI (2008), 2008–2010 Guide to MSI Research Programs and Procedures, (http://www.msi.org/pdf/MSI_RP0810.pdf).
38- Önüt, S., Efendigil, T., Kara, S.S., (2010). A combined fuzzy MCDM approach for selecting shopping center site: An example from Istanbul, Turkey, Expert Systems with Applications, 37(3), 1973–1980.
39- Rahman,S. H., (2003), Modelling of international market selection process: A qualitative study of successful; Australian international businesses, 6,119-132.
40- Rosenbloom, E. S., (1996), A probabilistic interpretation of the final rankings in AHP. European Journal of Operational Research, 96(2), 371–378.
41- Saaty, T. L., (1980), the Analytic Hierarchy Process. New York: McGrawHill.
42- Saaty, T. L., Vargas, L. G., (1982), Assessing attribute weights by ratios. Omega, 11(1), 9–13.
43- Saffari, H., Fagheyi, M.S., Ahangari, S.S., & Fathi, M.R., (2012), Applying PROMETHEE Method based on Entropy Weight for Supplier Selection, Business management and strategy, 3(1), 97-106.
44- Samli, A.C., (1977), An Approach for Estimating Market Potential in East Europe, Journal of International Business Studies, 8 , 49-53.
45- Seggie, A., Cavusgil, B., & Phelan, E., (2007), Measurement of return on marketing investment: A conceptual framework and the future of marketing metrics. Industrial Marketing Management, 36 834-841.
46- Shuliang, L., Jim Zheng, L., (2009) Hybridising human judgment, AHP, simulation and a fuzzy expert system for strategy formulation under uncertainty. Expert Systems with Applications, 36 (3, part 1), 5557-5564.
47- Topcu, Y. I., Burnaz, S., (2006), A multiple criteria decision making approach for the evaluation of retail location, In MCDM, Chania, Greece, June 19–23.  
48- Usable M.A., (2002), Applications to risk theory of a monte carlo multiple integration method. Insurance mathematics and economics, 23, 71-83.