شناسایی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان مگاپروژه‌های ماژولار از منظر پایداری با رویکرد SF-CIMAS

۱- مقدمه

با گسترش سریع اقتصاد جهانی، سرمایه‌گذاری در پروژه‌های عظیم در سطح جهان، طی چند دهۀ گذشته به‌طور چشمگیری افزایش یافته است (Wang et al., 2024). پروژه‌هایی با هزینه‌ای برابر یا بیش از یک میلیارد دلار،‏ مگاپروژه شناخته می‌شوند (Flyvbjerg, 2014). این پروژه‌ها نقش کلیدی را در کشورهای توسعه‌یافته و در حال توسعه ایفا می‏کنند و بر پویایی‌های سیاسی، آثار اجتماعی و نتایج اقتصادی تأثیرگذارند (Jin, 2025). مگاپروژه‌ها به‏دلیل ارتباط ذاتی با رشد، توسعه و رقابت‌پذیری، به‌عنوان زیرساخت‌های جهانی‌شدن عمل می‌کنند (Ashkanani & Franzoi, 2023).

مگاپروژه‌ها هزینۀ زیادی دارند و ریسک‌های بسیاری‏ باعث تأخیر یا شکست در طول اجرای آن می‏شوند (Tshidavhu & Khatleli, 2020)؛(Ibrahim et al., 2025). در عمل، دو چالش رایج عبارت‌اند از افزایش هزینه نسبت‏به بودجۀ مصوب و انحراف از برنامۀ زمان‌بندی (Aljohani et al., 2017.Famiyeh et al.,2017; ). «قانون آهنین مگاپروژه‌ها» بر گرایش این پروژه‌ها به عبور از بودجه، ‏تحقق‏نیافتن زمان‌بندی و ارائۀ مزایای کمتر از انتظار دلالت دارد (Flyvbjerg, 2021). خانۀ اپرای سیدنی، نمونه‌ای بارز است که با ده سال تأخیر و ۱۴۰۰درصد افزایش هزینه نسبت‏به برآورد اولیه تکمیل شد. تکمیل این مگاپروژه ده سال بیش از زمان برنامه‌ریزی‌شده به طول انجامید و هزینۀ ساخت آن ۱۴۰۰درصد بیش از بودجۀ برنامه‌ریزی‌شده بود (Flyvbjerg, 2014). تنها خانۀ اپرای سیدنی نیست و مگاپروژه‌های بسیاری، افزایش هزینه نسبت‏به بودجۀ برنامه‌ریزی‏شده و افزایش زمان نسبت‏به برنامۀ زمان‌بندی را تجربه می‌کنند (Flyvbjerg, 2021). زمانی که زیرساخت به پایان عمر خود می‌رسد (مثلاً به دلایل اقتصادی، قانونی یا عملکردی)، برخی اجزا هنوز‏ عمر باقی‌مانده‌ای دارند که معمولاً هدر می‌رود. ماژولار‌سازی‏ با استفادۀ مجدد از کل ماژول‌ها (یا اجزای آنها) و حفظ کارایی آنها در دیگر زیرساخت‌ها، امکان استفاده از این اجزایی را فراهم می‏آورد که به پایان عمر خود نرسیده‌اند (Mignacca & Locatelli, 2021)؛ بنابراین، ماژولار‌سازی یک محرک کلیدی برای کاهش زمان و هزینۀ مگاپروژه‌هاست (Flyvbjerg, 2021). با ماژولار‏شدن مگاپروژه‌ها، ارزیابی و انتخاب تأمین‌کنندگان از اهمیت ویژه‌ای برخوردار خواهد بود. شواهد این مطلب، از مطالعۀ ژائو و همکاران[i] (۲۰۱۹) استخراج می‏شود که اظهار داشته‌اند ارزیابی و انتخاب تأمین‌کننده، تأثیر مستقیمی بر عملکرد مگاپروژه‌های ماژولار دارد.

حال این سؤال مطرح می‌شود که چگونه‏ تأمین‌کنندگان، مگاپروژه‌های ماژولار را در بلندمدت و هم‏زمان با کاهش تأخیرات پروژه ارزیابی می‌کنند؟ مطالعۀ حاضر بر این موضوع حیاتی متمرکز شده است که به مدیران پروژه و مگاپروژه با در نظر گرفتن دیدگاه توسعۀ پایدار کمک می‏کند. در گام اول، جمع‌آوری معیارهای اساسی از ابعاد مختلف نظیر اقتصادی، محیط‏زیستی و اجتماعی برای ارزیابی تأمین‌کنندۀ پایدار ضروری است و سپس با بهره‌گیری از یک روش‌های تصمیم‌گیری چندمعیاره، درجۀ اهمیت این معیار‌ها‏ تعیین می‏شود و سپس تأمین‌کنندگان‏ ارزیابی و اولویت‌بندی می‏شوند. مسئلۀ ارزیابی تأمین‌کنندگان، از‏جمله مسائل پیچیده است و در تمامی ابعاد پایداری (اقتصادی، محیط‏زیستی و اجتماعی)، شامل عدم قطعیت است (شکل ۱) (Elkington & Rowlands, 1999; Nadeem et al., 2020; Jin, 2025).

                                                              i.            شکل ۱- ابعاد پایداری و عدم قطعیت (Mahmoudi et al., 2021)

1. Fig. 1- Dimensions of sustainability and uncertainty (Mahmoudi et al., 2021)

نظریۀ مجموعه‌های فازی را لطفی^[ii] (۱۹۶۵) معرفی کرد تا ابهام و عدم ‌قطعیت را در مسائل پیچیده برطرف کند. از آن زمان تاکنون، مجموعه‌های فازی در بسیاری از حوزه‌های پژوهشی کاربرد یافته‌اند (Hosseini et al., 2021; Memarpour Ghiaci et al., 2025) و این نظریه برای ارائۀ نتایجی مطمئن‏تر، گسترش یافته است. در مطالعه‌ای دیگر، زاده^[iii] (۱۹۷۵) مجموعه‌های فازی نوع ۲ را معرفی کرد. مجموعه‌های فازی نوع ۲ در مقایسه با تابع عضویت مجموعه‌های فازی نوع ۱ که دو بعدی و ثابت است، دارای تابع عضویت سه‌بعدی فازی‏اند که آزادی بیشتری را به تصمیم‌گیرندگان در فرایند تصمیم‌گیری می‌بخشند (Memarpour Ghiaci et al., 2024). مجموعه‌ها‌ی فازی شهودی، ساختاری دو‌بعدی است که هم درجۀ عضویت و هم درجۀ عدم‌ عضویت را تعریف می‌کند. آتاناسوف و آتاناسوف^[iv] (۱۹۹۹) با معرفی نماگرهای درجۀ عضویت (µ(x)) و درجۀ عدم‌ عضویت (ʋ(x))، مجموعه‌ها‌ی فازی شهودی را توسعه داد؛ به‌طوری که 0 ≤ µ(x) + ʋ (x) ≤ 1 برقرار باشد. یاگر^[v] (۲۰۱۳) مجموعه‌ها‌ی فازی فیثاغورسی را توسعه داد، به‌گونه‌ای که 0 ≤ (x) + (x) ≤ 1 برقرار باشد؛ این مجموعه تعمیمی بر مجموعه‌ها‌ی فازی شهودی است (Ghiaci & Ghoushchi, 2023). در‏نهایت، مجموعۀ فازی کروی را کوتلو گوندوغلو و کهرمان^[vi] (۲۰۱۹) پیشنهاد داد که شکل تعمیم‌یافتۀ مجموعه‌های فازی نوتروسوفیک و فیثاغورسی است (Memarpour Ghiaci et al., 2022). درجۀ تردید در مجموعه‌های‌ فازی کروی، یک مؤلفۀ مستقل در نظر گرفته می‌شود و نسبت‏به مجموعه‌های فازی فیثاغورثی، آزادی بیشتری به تصمیم‌گیرندگان در فرآیند تصمیم‌گیری می‌بخشد (Jafarzadeh Ghoushchi et al., 2022). شکل ۲، تفاوت بین مجموعه‌های فازی شهودی، فازی فیثاغورثی، نوتروسوفیک و فازی کروی را در فضای سه‌بعدی نشان می‌دهد.

            ii.            شکل ۲- نمایش هندسی مجموعه‌های فازی شهودی، فازی فیثاغورثی، نوتروسوفیک و فازی کروی در فضای سه‌بعدی (Kahraman & Gundogdu, 2021)

1. Fig. 2- Geometric representations of intuitionistic fuzzy, pythagorean fuzzy, neutrosophic and spherical fuzzy sets in 3D space (Kahraman & Gundogdu, 2021)

۲- پیشینۀ پژوهش

‏۲-۱- ارزیابی تأمین‌کنندگان با استفاده از روش‌های تصمیم‏گیری چند‏معیاره

یکی از مهم‌ترین مسائل در مدیریت مگاپروژه‌ها، شناسایی شاخص‌هایی برای ارزیابی تأمین‌کنندگان است. در جدول ۱، شاخص‌های ارزیابی تأمین‌کنندگان مگاپروژه‌های ماژولار ازنظر پایداری‏ ارائه شده است.

                                                               iii.            جدول ۱- شاخص‌های ارزیابی تأمین‌کنندگان ازنظر پایداری

1. Table 1. The sustainable criteria for supplier selection

روش‌های تصمیم‌گیری چندمعیاره، کاربرد گسترده‌ای در مسائل مربوط به ارزیابی تأمین‌کنندگانی دارند که شامل شاخص‌های چندگانه و اغلب متضادند (Memari et al., 2019).

امین‌دوست و همکاران^[xviii] (۲۰۱۲) با بهره‌گیری از نظریۀ مجموعه‌های فازی‏، مسئلۀ انتخاب تأمین‌کنندۀ پایدار را بررسی و روش رتبه‌بندی نوینی را مبتنی بر سیستم استنتاج فازی ارائه کردند. مانی و همکاران^[xix] (۲۰۱۴) بر ابعاد اجتماعی پایداری در مسئلۀ انتخاب تأمین‌کنندۀ پایدار تمرکز و با استفاده از روش AHP، تأمین‌کنندۀ مناسب را در میان گروهی از تأمین‌کنندگان شناسایی کردند؛ این رویکرد در صنایع مختلفی همچون سیمان، برق و خودرو به‌ کار گرفته شد. لوترا و همکاران (۲۰۱۷)، مدل‏‏ یکپارچه‏ای را در سه بعد اساسی پایداری (اقتصادی، محیط‌زیستی، اجتماعی) ارائه کردند و با ترکیب روش‌های AHP و VIKOR، بهترین تأمین‌کننده را بر‏اساس ۲۲ معیار برگزیدند. جوهار و پنت^[xx] (۲۰۱۷) رویکردی مبتنی بر تحلیل پوششی داده‌ها (DEA) را برای مسئلۀ انتخاب تأمین‌کنندۀ پایدار پیشنهاد کردند. ژو و می^[xxi] (۲۰۱۷) مرور جامعی را بر پایداری اجتماعی در مگاپروژه‌ها انجام دادند و توصیه‌هایی برای پژوهشگران علاقه‌مند به مسئولیت اجتماعی در این حوزه ارائه کردند. چراغعلی‌پور و فرساد^[xxii] (۲۰۱۸)، روش بهترین-بدترین (BWM) را برای وزن‌دهی معیارها مناسب دانستند و سپس با مدل برنامه‌ریزی خطی عدد صحیح مختلط (MILP)، تلاش کردند امتیاز کل تأمین‌کنندگان را بیشینه و هزینۀ کل را بر‏اساس رویکرد پایداری کمینه کنند. خان و همکاران^[xxiii] (۲۰۱۸) روش‏ مبتنی بر چشم‌اندازهای پایداری را ارائه کردند؛ سپس با استفاده از روش آنتروپی شانون، وزن معیارها را تعیین و با سیستم استنتاج فازی، تأمین‌کنندگان را رتبه‌بندی کردند. رشیدی و کولینان^[xxiv] (۲۰۱۹) روش‌های TOPSIS فازی و DEA فازی را در زمینۀ انتخاب تأمین‌کنندۀ پایدار مقایسه کردند. لیو و همکاران^[xxv] (۲۰۱۹) یک مدل یکپارچۀ مبتنی بر BWM را در محیط فازی شهودی بازه‌ای ارائه دادند. یاداوالی و همکاران^[xxvi] (۲۰۱۹) با به‌کارگیری تئوری اعداد Z، روش TOPSIS توسعه‌یافته را برای حل مسئلۀ سنتی انتخاب تأمین‌کننده به ‌کار گرفتند و همچنین مدل‏ دودسته‌ای را با برنامه‌ریزی آرمانی حل کردند تا موازنۀ میان حداکثرسازی پایداری و کمینه‌سازی هزینه‌ها را برقرار کنند. یو و همکاران^[xxvii] (۲۰۱۹) چارچوب نوینی را مبتنی بر تصمیم‌گیری گروهی ارائه کردند و از گروه TOPSIS برای تصمیم‌گیری جمعی و از رویکرد فازی فیثاغورسی برای مدیریت عدم قطعیت بهره جستند. زو و همکاران^[xxviii] (۲۰۱۹) از روش AHP در محیط فازی نوع-۲ بازه‌ای استفاده کردند و آن را در مطالعۀ موردی انتخاب تأمین‌کنندۀ مواد پایدار آزمودند. معماری و همکاران (۲۰۱۹) با در نظر گرفتن ۹ معیار و ۳۰ زیرمعیار، از TOPSIS فازی شهودی برای رتبه‌بندی تأمین‌کنندگان بر‏اساس شاخص‌های پایداری استفاده کردند. هی و همکاران^[xxix] (۲۰۱۹) رابطۀ میان عملکرد پروژه و مسئولیت اجتماعی را در مگاپروژه‌ها بررسی کردند و نشان دادند مسئولیت اجتماعی، عملکرد پروژه را به‏طور مستقیم تحت تأثیر قرار می‏دهد. تیرکلائی و همکاران^[xxx] (۲۰۲۰) به ترتیب از ANP فازی برای رتبه‌بندی معیارها، DEMATEL فازی برای شناسایی روابط میان معیارها و TOPSIS فازی برای رتبه‌بندی تأمین‌کنندگان بهره بردند. هندیانی و همکاران^[xxxi] (۲۰۲۰) چارچوب سلسله‌مراتبی تصمیم‌گیری را برای انتخاب تأمین‌کنندۀ پایدار پیشنهاد و از BWM فازی با توابع عضویت ذوزنقه‌ای استفاده کردند. محمودی و همکاران (۲۰۲۱) از رویکرد توسعه‏یافتۀ OPA برای انتخاب تأمین‌کنندۀ پایدار در مگاپروژه‌ها استفاده کردند. فلاح‌پور و همکاران (۲۰۲۱) با توسعۀ یک مدل ترکیبی شامل روش‌های FDEMATEL، FBWM، FANP و FIS، مسئلۀ ارزیابی و انتخاب تأمین‌کنندگان را بر‏اساس ۳۰ معیار در سه بعد عمومی، پایداری و تاب‌آوری بررسی کردند. حسینی و همکاران^[xxxii] (۲۰۲۱) از مدل ترکیبی روش BWM فازی و سیستم استنتاج فازی برای انتخاب تأمین‌کنندۀ پایدار بهره بردند. در فاز اول پس از تعیین ۱۹ معیار، وزن نهایی معیار‌ها استفاده از رویکرد BWM فازی محاسبه می‌شود؛ در فاز دوم، با اجرای سیستم استنتاج فازی موزون، پایدارترین تأمین‌کننده انتخاب شده است. اونال و تمور^[xxxiii] (۲۰۲۱) از روش AHP توسعه‌یافته بر‏اساس مجموعه‌های فازی کروی برای ارزیابی چهار معیار اقتصادی، کیفیت، اجتماعی و زیست‌محیطی در مسئلۀ انتخاب تأمین‌کنندۀ پایدار استفاده کردند. شانگ و همکاران^[xxxiv] (۲۰۲۲) از روش ترکیبی BWM، آنتروپی شانون فازی و MULTIMOORA فازی برای انتخاب تأمین‌کننده پایدار استفاده کردند. آنها وزن‌ معیار‌ها را با استفاده از روش‌های BWM، آنتروپی شانون فازی محاسبه ‏و پس از ترکیب وزن‌های به دست آمده از این دو روش، تأمین‌کنندگان را با استفاده از روش MULTIMOORA ارزیابی و اولویت‌بندی کردند. سو و همکاران^[xxxv] (۲۰۲۲) با استفاده از روش آنتروپی، وزن معیار‌های ارزیابی تأمین‌کنندگان را تعیین و سپس تأمین‌کنندگان امنیت با استفاده از روش TODIM، سامانه‌های صنعتی را ارزیابی و اولویت‌بندی کردند. لیانگ و همکاران^[xxxvi] (۲۰۲۳) از تکنیک TOPSIS فازی شهودی در مسئلۀ ارزیابی و انتخاب تأمین‌کنندگان پایدار قطعات پیش‌ساخته استفاده کردند. حاجی‌آقایی کشتلی و همکاران^[xxxvii] (۲۰۲۳) از روش TOPSIS توسعه‌یافته بر‏اساس مجموعه‌های فازی فیثاغورثی برای ارزیابی و انتخاب تأمین‌کننده در صنعت غذا استفاده کردند. لین و همکاران^[xxxviii] (۲۰۲۴) از رویکرد ترکیبی مبتنی بر روش‌های تصمیم‌گیری چند‌معیاره برای ارزیابی تأمین‌کنندگان خانه‌های پیش‌ساخته استفاده کردند. آنها با استفاده از روش آنتروپی، ۱۹ شاخص ارزیابی را وزن‌دهی و سپس تأمین‌کنندگان را با روش VIKOR ارزیابی کردند. دنگ و همکاران^[xxxix] (۲۰۲۴) از یک چارچوب تصمیم‌گیری ترکیبی بهبود‌یافته‌ مبتنی بر اصول ناب، AHP و VIKOR برای انتخاب تأمین‌کننده و خطوط تولید قطعات پیش‌ساخته استفاده کردند. هلاک^[xl] (۲۰۲۴) در مسئلۀ ارزیابی و انتخاب تأمین‌کننده برای مگاپروژه‌های ساخت‌و‌ساز در مناطق آسیب‌دیده از بحران‌های انسانی و طبیعی، از رویکرد مبتنی بر AHP فازی استفاده کرد. کریستانتو و همکاران^[xli] (۲۰۲۵) از روش‌های MOORA فازی و VIKOR فازی برای ارزیابی و انتخاب تأمین‌کننده استفاده کردند. موروگان و ونگ^[xlii] (۲۰۲۵) از روش BWM توسعه‏یافته در محیط فازی برای ارزیابی و انتخاب تأمین‌کنندۀ پایدار بهره بردند. آنها از روش BWM فازی برای وزن‌دهی به معیار‌های ارزیابی و همچنین اولویت‌بندی تأمین‌کنندگان برچسب بطری استفاده کردند. در جدول ۲، خلاصۀ مطالعات مرتبط در پیشینۀ ارزیابی تأمین‌کنندگان ارائه شده است.

                                                         iv.            جدول ۲- خلاصۀ مطالعات مرتبط در پیشینۀ ارزیابی تأمین‌کنندگان

1. Table 2. A review on supplier evaluation

۲-۲- شکاف دانش

در بخش مرور پیشینه، برخی از مقالات مرتبط با مسئلۀ ارزیابی تأمین‌کنندگان و همچنین اهمیت این مسئله در مدیریت مگاپروژه‌ها‏ بررسی شده است. پژوهش حاضر قصد دارد برای اولین بار، از روش توسعه‌یافتۀ SF-CIMAS در مسئلۀ شناسایی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان استفاده کند. این روش قادر است هم‌زمان با عدم قطعیت و تصمیم‌گیری گروهی مقابله کند. در این پژوهش برای اولین بار، مسئلۀ شناسایی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان مگاپروژه بر‏اساس ابعاد پایداری‌ در محیط فازی کروی انجام می‌شود. مجموعه‌های‌ فازی کروی بر خلاف مجموعه‌های فازی فیثاغورثی، درجۀ تردید را یک مؤلفۀ مستقل در نظر می‌گیرد و آزادی بیشتری به تصمیم‌گیرندگان در فرآیند تصمیم‌گیری می‌بخشد (Jafarzadeh Ghoushchi et al., 2022). برخی از نوآوری‌های مطالعۀ حاضر عبارت‏اند از:

- شناسایی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان مگاپروژه‌های ماژولار با استفاده از روش CIMAS؛

-  در نظر گرفتن ابعاد اصلی پایداری (اقتصادی، محیط‏زیستی و اجتماعی) در مسئلۀ شناسایی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان مگاپروژه‌های ماژولار؛

-  در نظر گرفتن عدم قطعیت موجود در مسئلۀ ارزیابی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان بر‏اساس مجموعه‌های فازی کروی با استفاده از رویکرد توسعه‌یافته SF-CIMAS

۳- روش‌‌تحقیق

روش تحقیق حاضر از نوع کیفی – کمی است. در مرحلۀ اول از جنبۀ کیفی، معیار‌های ارزیابی تأمین‌کنندگان شناسایی و پس از تعیین مجموعه معیار‌های ارزیابی، تیم تصمیم‌گیری شامل تعدادی از خبره‌های حوزه، تشکیل می‌شود. داده‌های کیفی حاصل از قضاوت‌های تیم تصمیم‌گیری، به‏صورت متغیر‌های زبانی و بر‏اساس مجموعه‌های فازی کروی گردآوری می‌شوند. در ادامه و با ارزیابی معیار‌های شناسایی‏شده، محاسبۀ وزن معیار‌ها با استفاده از روش SF-CIMAS و با استفاده از داده‌های کمی انجام می‌شود. از‏نظر میزان کاربرد پژوهشی، پژوهش حاضر کاربردی – توسعه‌ای به شمار می‌رود؛ زیرا به‏دنبال توسعۀ رویکرد علمی و نوین برای شناسایی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان در مگاپروژه‌های ماژولار است. مجموعه مقالات‏ بررسی‏شده در مرحلۀ اول پژوهش شامل کلیۀ پژوهش‌های منتشر‏شده در پایگاه‌های علمی معتبر مرتبط با مسئلۀ ارزیابی تأمین‌کنندگان، تا زمان انجام این پژوهش است. اطلاعات کیفی از‏طریق جلسات نیمه‌ساخت‌یافته و پرسش‌نامه‌های زبانی جمع‌آوری‏ و قضاوت‌های تیم تصمیم‌گیری در قالب مجموعه‌های فازی کروی صورت‌بندی شد. استفاده از تصمیم‌گیری گروهی، به کاهش سوگیری‌های شناختی نظیر لنگر‏انداختن منجر می‌شود؛ زیرا هر‏یک از اعضای تیم، نقاط مرجع متفاوتی را مدنظر قرار می‌دهند. با استفاده از روش نمونه‌گیری هدفمند، تیم تصمیم‌گیری از ۷ خبرۀ دارای تجربه و تخصص در زمینه‌های مشاور پیاده‌سازی سیستم‌های مدیریتی، مهندسی و مدیریت پروژه و مگاپروژه تشکیل شده است. اطلاعات مربوط به اعضا، نشان می‌دهد اکثریت تیم خبره بین ۶ تا ۱۱ سال سابقه کار دارند. در جدول ۳، مشخصات مرتبط با تیم خبره آمده است.

                                                                                           v.            جدول ۳- مشخصات تیم خبره

1. Table 3. Information of decision making team

۳-۱- مقدمه‌ای بر مجموعه‌های فازی کروی

مفهوم مجموعۀ فازی کروی، یکی از جدیدترین محیط‌های عدم قطعیت است که‏ کوتلو گوندوغلو و کهرمان (۲۰۱۹) آن را پیشنهاد کرده‏اند. این بخش، برخی از ویژگی‌ها و عملیات حسابی مجموعه‌های فازی کروی را ارائه می‏دهد.

تعریف ۱: مجموعۀ فازی کروی  در فضای  به‏صورت رابطۀ (۱) نمایش داده می‌شود.

که در آن:

برای هر ، اعداد ،  و  به ترتیب نشان‌دهندۀ درجۀ عضویت، درجۀ عدم عضویت و‏ تردید است. همچنین رابطۀ (۲) همواره برقرار است.

تعریف ۲: اگر و  دو فازی کروی باشند و  یک عدد ثابت بزرگ‏تر از 0 باشد، عملیات ریاضی به‏صورت روابط (۳-۶) می‌شود.

تعریف ۳: مقدار امتیاز و تابع دقت عدد به ترتیب با استفاده از روابط (۷) و (۸) محاسبه می‌شود.

تعریف ۴: میانگین حسابی کروی وزن‏دار (SWAM) با توجه به ، با استفاده از رابطۀ (۹) محاسبه می‌شود.

۳-۲- روش SF-CIMAS

این بخش مراحل پیاده‌سازی رویکرد پیشنهادی را ارائه می‌دهد. CIMAS یک روش تصمیم‌گیری چندمعیارۀ جدید است که ‏بوزکویچ و همکاران ^[xliii] (۲۰۲۳) آن را معرفی کردند. روش CIMAS در مسائل مختلف تصمیم‌گیری نظیر ارزیابی عملکرد وبسایت (Kara et al., 2024)، ارزیابی عملکرد مالی شرکت‌ها (Kara et al., 2024) و اولویت‌بندی ریسک (Švadlenka et al., 2024) پیاده‌سازی شده است. این روش با استفاده از نظر تیم خبره، درجۀ اهمیت معیارهای ارزیابی را در یک فرایند تصمیم‌گیری‏ تعیین می‏کند. جریان روش‏شناسی رویکرد پیشنهادی در شکل ۳ نشان داده شده است.

شکل۳- رویکرد پیشنهادی براساس روش SF-CIMAS

2. Fig. 3- Proposed approach based on SF-CIMAS method

گام ۱) تعریف مجموعه معیارهای ارزیابی

در اولین گام از فرایند تصمیم‌گیری، معیارهایی مشخص می‌شود که باید اهمیت آنها ارزیابی شود‏. این معیارها‏ از مباحث نظری استخراج و یا با مشورت مستقیم از متخصصان تعیین می‏شوند.

گام ۲) تعیین تعداد خبره‌ها و تشکیل تیم تصمیم‌گیری

در این گام، تعداد خبره‌ها برای تشکیل تیم تصمیم‌گیری تعیین و اطلاعات مربوط به سوابق آنها در حوزۀ مرتبط گردآوری می‌شود.

گام ۳) تعیین اهمیت نظر هر خبره بر‏اساس متغیر‌های زبانی فازی کروی

اهمیت نظر هر خبره بر‏اساس دانش و تجربۀ فعالیت در حوزۀ مرتبط هر خبره بر‏اساس متغیر‌های زبانی فازی کروی تعیین می‌شود.

گام ۴) محاسبۀ درجۀ اهمیت نظر هر خبره

در این گام، متغیر‌های زبانی فازی کروی با استفاده از جدول ۴ به اعداد فازی کروی تبدیل‏ و پس از محاسبۀ تابع امتیاز ماتریس، درجۀ اهمیت نظر هر خبره با استفاده از رابطۀ (۱۰) محاسبه می‌شود.

گام ۵) تشکیل ماتریس داده‌های ورودی ارزیابی تیم تصمیم‌گیری بر‏اساس متغیر‌های زبانی فازی کروی

در این گام، متخصصان بر‏اساس متغیر‌های زبانی فازی کروی، اهمیت هر معیار را ارزیابی می‏کنند و به این ترتیب ماتریس داده‌های ورودی با استفاده از  معیار به ارزیابی  گزینه تشکیل می‌شود.

                                                              vi.            جدول ۴- متغیرهای زبانی و اعداد فازی کروی مربوط با آنها

1. Table 4. Linguistic terms and their corresponding spherical fuzzy numbers

گام ۶) تبدیل ماتریس داده‌های ورودی به اعداد فازی کروی

با توجه به ماتریس تشکیل‌شده در گام قبل، درایه‌های ماتریس با استفاده از جدول ۱، به اعداد فازی کروی تبدیل می‏شود و ماتریس رابطۀ (۱۱) با درایه‌های اعداد فازی کروی به دست می‌آید.

گام ۷) محاسبۀ تابع امتیاز ماتریس داده‌های ورودی

در این گام، تابع امتیاز ماتریس داده‌های ورودی با استفاده از رابطۀ (۱۲) محاسبه می‌شود.

گام ۸) نرمال‌سازی ماتریس داده‌های ورودی

پس از محاسبۀ تابع امتیاز ماتریس داده‌های ورودی، نرمال‌سازی این ماتریس با استفاده از رابطۀ (۱۳) انجام می‌شود.

گام ۹) محاسبۀ ماتریس موزون

در این گام، مقادیر نرمال‌شده با اوزان متخصصان ضرب می‌شوند و به این ترتیب ماتریس موزون بر‏اساس حاصل‏ضرب مقادیر نرمال‌شده با درجۀ اهمیت نظر هر خبره (محاسبه‏شده در گام چهارم) و با استفاده از رابطۀ (۱۴) محاسبه می‌شود.

گام ۱۰) تعیین مقادیر حداکثر و حداقل هر معیار

در این گام، مقادیر حداکثر ( ) و حداقل ( ) هر معیار به ترتیب با استفاده از روابط (۱۵) و (۱۶) تعیین می‌شوند.

گام ۱۱) محاسبۀ اختلاف بین مقادیر حداکثر و حداقل

اختلاف بین مقادیر حداکثر و حداقل هر معیار ( ) با استفاده از رابطۀ (۱۷) به دست می‌آید.

گام ۱۲) محاسبۀ درجۀ اهمیت و اولویت‌بندی معیار‌ها

در گام آخر، درجۀ اهمیت معیارها با استفاده از رابطۀ (۱۸) محاسبه و سپس اولویت‌بندی معیار‌ها بر‏اساس وزن‌های به دست ‌آمده انجام می‌شود.

۴- مطالعۀ موردی و یافته‌ها

در راستای بررسی قابلیت رویکرد پیشنهادی در این تحقیق، سعی بر آن است تا ارزیابی و اولویت‌بندی تأمین‌کنندگان مگاپروژه‌های ماژولار با استفاده از این رویکرد انجام شود. در این مطالعه درجۀ اهمیت ۳۱ شاخص ارزیابی تأمین‌کنندگان مگاپروژه‌های ماژولار صنعت دریایی تعیین می‌شوند. معیار‌های ارزیابی تأمین‌کنندگان بر‏اساس ابعاد پایداری در شکل ۴ ارائه شده است.

                                                     vii.            شکل ۴- معیار‌های ارزیابی تأمین‌کنندگان در مگاپروژه‌های ماژولار

1. Fig. 4. Suppliers evaluation criteria in modular megaprojects

در این بخش، نتایج حاصل از پیاده‌سازی رویکرد پیشنهادی در مسئلۀ تعیین درجۀ اهمیت و اولویت‌بندی شاخص‌های ارزیابی‏ تأمین‌کنندگان مگاپروژه‌های ماژولار بررسی می‌شود. ابتدا پس از شناسایی و تعیین معیار‌های ارزیابی، تیم تصمیم‌گیری تشکیل می‌شود. در ادامه، اهمیت نظر هر خبره بر‏اساس دانش و تجربۀ فعالیت او در حوزۀ ارزیابی تأمین‌کنندگان در مگاپروژه‌های ماژولار بر‏اساس مجموعه‌های فازی کروی تعیین می‌شود. روند و نتایج محاسبۀ درجۀ اهمیت نظر هر خبره در جدول ۵ ارائه شده است.

                                                                          viii.            جدول ۵- محاسبۀ درجۀ اهمیت نظر هر خبره

1. Table 5- Calculation of the importance of each experts’ opinion

سپس، ارزیابی هر معیار را تیم تصمیم‌گیری‏ بر‏اساس متغیر‌های زبانی فازی کروی انجام می‌‏دهد. با توجه به‏ عدم قطعیت موجود در معیار‌های ارزیابی مسئله، از مجموعه‌های فازی کروی برای مقابله با عدم ‌قطعیت استفاده شده است. مقادیر متغیر‌های زبانی اهمیت معیار‌های ارزیابی بر‏اساس نظرات تیم تصمیم‌گیری، در جدول ۶ ارائه شده است.

                                                    ix.            جدول ۶- ماتریس داده‌های ورودی در قالب متغیرهای زبانی فازی کروی

1. Table 6- Input data matrix based on spherical fuzzy linguistic terms

 در ادامه، مقادیر متغیر‌های زبانی اهمیت معیار‌های ارزیابی ارائه‌شده در گام قبل‏ با استفاده از جدول 4، به اعداد فازی کروی تبدیل می‌شوند و بعد تابع امتیاز ماتریس داده‌های ورودی با استفاده از رابطۀ (۱۲) محاسبه می‌شود. ماتریس داده‌های ورودی بر‏اساس اعداد فازی کروی در جدول ۷ ارائه شده است.

                                                              x.            جدول ۷- ماتریس داده‌های ورودی در قالب اعداد فازی کروی

1. Table 7- Input data matrix based on spherical fuzzy linguistic numbers

بر‏اساس گام هشتم از این روش، نرمال‌سازی ماتریس داده‌های ورودی با استفاده از رابطۀ (۱۳) انجام می‌شود. ماتریس نرمال‌شده در جدول ۸ ارائه شده است.

                                                                            xi.            جدول ۸- ماتریس داده‌های ورودی نرمال‌شده

1. Table 8- Normalized input data matrix

سپس، ماتریس موزون بر‏اساس حاصل‏ضرب مقادیر نرمال‌شده با درجۀ اهمیت نظر هر خبره و با استفاده از رابطۀ (۱۴) محاسبه می‌شود. ماتریس موزون در جدول ۹ ارائه شده است.

                                                                                             xii.            جدول ۹- ماتریس موزون

1. Table 9- Weighted matrix

سپس در این مرحله، مقادیر  و  به ترتیب با استفاده از روابط (۱۵) و (۱۶) به دست می‌آیند. در ادامه، مقدار ( ) با استفاده از رابطۀ (۱۷) برای هر معیار محاسبه می‌شود. در آخر، با محاسبۀ مقدار  با استفاده از رابطۀ (۱۸)، درجۀ اهمیت هر معیار محاسبه می‏شود و سپس معیار‌ها به‏‏‏‏‏‏‏‏‏صورت نزولی اولویت‌بندی می‌شوند. روند محاسبات و نتایج روش SF-CIMAS در جدول ۱۰ آمده است.

                                                                       xiii.            جدول ۱۰- محاسبات و نتایج روش SF-CIMAS

1. Table 10- Calculations and results of the SF-CIMAS method

با توجه به جدول ۱۰، مشاهده می‌شود که بر‏اساس رویکرد پیشنهادی معیار‌های C4 (هزینه)، C1 (استراتژی و سازمان‏دهی) و C21 (میزان پسماند تولیدی) به ترتیب با در اولویت‌های اول الی سوم قرار گرفته‏اند.

۵- بحث

۵-۱- تحلیل حساسیت

در این بخش، برای سنجش پایداری روش پیشنهادی، تحلیل حساسیت در قالب چند سناریو طراحی شد. این سناریوها ‏ رابطۀ بین نتایج حاصل از پیاده‌سازی رویکرد پیشنهادی را در شرایط متفاوت و یافته‌های تحقیق بررسی می‏کند. روند تغییرات وزن معیار‌ها با تغییر اهمیت نظر هر خبره در سناریو‌های تحلیل حساسیت‏، بررسی‏ شده‏اند. در این راستا، پنج سناریو در نظر گرفته شد که در آنها تغییرات درجۀ اهمیت و اولویت معیار‌های ارزیابی‏، بررسی شد. متغیر‌های زبانی در نظر گرفته شده برای میزان اهمیت نظر هر خبره، در فرآیند تعیین وزن و اولویت‌بندی معیار‌ها برای هر سناریو در جدول ۱۱ ارائه شده است.

                                  xiv.            جدول ۱۱- تحلیل حساسیت بر‏اساس سناریو‌های مختلف برای میزان اهمیت نظر هر خبره

1. Table 11- Sensitivity analysis based on various scenarios for the importance of each experts’ opinion

بر‏اساس جدول ۱۱، روند تغییرات وزن معیار‌ها با تغییر اهمیت نظر هر خبره ‏بررسی می‏شود؛ برای مثال‏ در سناریوی سوم، شرایطی در نظر گرفته می‌شود که درجۀ اهمیت نظرات تمام اعضای تیم تصمیم‌گیری در فرآیند تعیین وزن و اولویت‌بندی معیار‌ها یکسان است. در ادامه، شکل ۵ تغییرات وزن معیار‌های ارزیابی تأمین‌کنندگان را در مگاپروژه‌های ماژولار بر‏اساس سناریو‌های مختلف تحلیل حساسیت نشان می‌دهد. همچنین شکل ۶ اولویت‌بندی معیار‌های ارزیابی تأمین‌کنندگان در مگاپروژه‌های ماژولار را بر‏اساس سناریو‌های مختلف تحلیل حساسیت مقایسه می‌کند. بر این اساس اگرچه تغییرات درجۀ اهمیت نظر هر خبره باعث ایجاد تغییر در وزن معیار‌ها و همچنین اولویت‌بندی برخی معیار‌ها می‌شود،‏ این تغییرات از‏نظر آماری معنادار نیستند و موجب تغییر بااهمیت‌ترین معیار نمی‌شوند؛ بنابراین، نتایج نشان می‌دهد که انحراف درخور ‌توجهی در رتبه‌بندی گزینه‌ها رخ نمی‌دهد.

شکل۵- تغییرات وزن معیار‌های ارزیابی تأمین‌کنندگان در مگاپروژه‌های ماژولار بر‏اساس سناریو‌های مختلف تحلیل حساسیت

2. Fig. 5- Variations of suppliers evaluation criteria weights in modular megaprojects based on various scenarios of the sensitivity analysis

شکل۶- مقایسۀ اولویت‌بندی معیار‌های ارزیابی تأمین‌کنندگان در مگاپروژه‌های ماژولار بر‏اساس سناریو‌های مختلف تحلیل حساسیت

3. Fig. 6- Comparison of suppliers evaluation criteria in modular megaprojects prioritization based on various scenarios of the sensitivity analysis

شکل ۷ نقشۀ حرارتی درجۀ همبستگی زوجی نتایج بر‏اساس سناریو‌های مختلف تحلیل حساسیت را نشان می‌دهد. تمامی همبستگی‌ها در بازه‌ای بالا قرار دارند که همگرایی قوی را در رتبه‌بندی‌های ارائه‌شده از سوی رویکرد پیشنهادی در سناریو‌های مختلف تصمیم‌گیری‏ منعکس می‌کند؛ بنابراین‏ نتایج رویکرد پیشنهادی، پایداری و قابلیت اعتماد آن را در سناریوهای پیچیدۀ تصمیم‌گیری نشان می‌دهد.

                                 xv.            شکل۷- نقشۀ حرارتی همبستگی زوجی نتایج بر‏اساس سناریو‌های مختلف تحلیل حساسیت

1. Fig. 7- Pairwise correlation heat map based on the results of various scenarios of the sensitivity analysis

۵-۲- تحلیل مقایسه‌ای

در این بخش، به‏منظور نشان‏دادن اعتبار و کارایی روش پیشنهادی و صحت خروجی‌های به دست آمده، این روش با روش‌های CIMAS و F-CIMAS (روش توسعه‌یافته CIMAS در محیط فازی) مقایسه می‌شود (جدول ۱۲).

 xvi.            جدول ۱۲- نتایج ارزیابی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان در مگاپروژه‌های ماژولار بر‏اساس روش‌های SF-CIMAS، F-CIMAS و CIMAS

1. Table 12- Results of evaluation and prioritization of suppliers evaluation cirteria in modular megaprojects based on SF-CIMAS, F-CIMAS and CIMAS methods

با توجه به جدول ۱۲، مشاهده می‌شود که بر‏اساس روش CIMAS، معیار‌های C4 (هزینه) و C1 (استراتژی و سازمان‏دهی) به ترتیب در اولویت‌های اول و دوم قرار گرفته اند. از طرفی برخی معیار‌ها در اولویت‌های مشترک قرار گرفته‏اند. برای مثال معیار‌های C10 (انعطاف‌پذیری) و C21 (میزان پسماند تولیدی) به‏طور مشترک در جایگاه چهارم، C9 (بهره‌وری خدمات) و C19 (انتشار گاز‌های گلخانه‌ای) به‏طور مشترک در جایگاه ششم، C5 (وضعیت مالی، ‏سودآوری‏) و C7 (تولید و لجستیک) به‏طور مشترک در جایگاه نهم قرار گرفته‏اند. قرار‏گرفتن معیار‌ها در اولویت‌های مشترک، موجب سردرگمی تصمیم‏گیرندگان در تعیین میزان اهمیت این معیار‌ها می‌شود. این ضعف در روش F-CIMAS با توجه به در نظر گرفتن شرایط عدم قطعیت بر طرف شده است. بر‏اساس اولویت‌بندی حاصل از روش F-CIMAS، معیار‌های C4 (هزینه) و C1 (استراتژی و سازمان‏دهی) به ترتیب در اولویت‌های اول و دوم قرار گرفته‏اند. در ادامه و بر‏اساس نتایج حاصل از روش SF-CIMAS، معیار‌های C4 (هزینه) و C1 (استراتژی و سازمان‏دهی) به ترتیب در اولویت‌های اول و دوم قرار گرفته‏اند. مقایسۀ اولویت‌بندی معیار‌ها بر‏اساس نتایج روش‌های CIMAS، F-CIMAS و SF-CIMAS در شکل ۸ نشان داده شده است. پیاده‌سازی رویکرد پیشنهادی با روش F-CIMAS در اولویت‌بندی علل شکست، تقریباً مشابه عمل‏ می‏کند و نتایج ضریب همبستگی ۹۸۵/۰ را نشان می‌دهد؛ بنابراین‏ نتیجه گرفته می‏شود که روش توسعه‌یافتۀ پژوهش بر‏اساس مجموعه‌های فازی کروی، با در نظر گرفتن درجۀ تردید به‏عنوان یک مؤلفه مستقل برای مقابله با عدم قطعیت موجود در مسئله، مطمئن‏تر و معتبرتر است.

 xvii.            شکل۸- اولویت‌بندی معیار‌های ارزیابی تأمین‌کنندگان در مگاپروژه‌های ماژولار بر‏اساس روش‌های SF-CIMAS، F-CIMAS و CIMAS

1. Fig. 8- Suppliers evaluation criteria prioritization in modular megaprojects based on SF-CIMAS, F-CIMAS and CIMAS methods

۵-۳- بینش‌های عملیاتی و مدیریتی

انتخاب تأمین‌کنندۀ مناسب در مدیریت مگاپروژه‌های ماژولار، یک تصمیم استراتژیک با آثار کلان است. مدیر مگاپروژه باید همسویی اهداف کلان پروژه و فرایند ارزیابی تأمین‌کنندگان را بررسی و در قراردادها، به شاخص‌های کلیدی عملکرد نظیر تحویل به‌موقع و مدیریت پسماند تولیدی اشاره کند. جایگاه بالای معیار میزان پسماند تولیدی در نتایج حاصل از وزن‌دهی به معیار‌ها، بر‏اساس روش SF-CIMAS در این پژوهش، نیاز به تمرکز مدیریتی ویژه بر اقدامات مرتبط با پایداری را نشان می‌دهد. مدیر مگاپروژه باید برنامه‌های مشترک کاهش ضایعات را با تأمین‌کنندگان‏ توسعه دهد، اهداف واضحی را در قراردادها تعیین ‏و از نوآوری در بهره‌وری مواد و پیاده‌سازی اصول اقتصاد چرخشی حمایت کند. در آخر، بازبینی دوره‌ای معیارها و محاسبۀ وزن‌ معیار‌ها با داده‌ها و نظرات جدید و همچنین ارزیابی دوره‌ای تأمین‌کنندگان، تضمین می‌کند که شبکۀ تأمین‌کنندگان همواره با اهداف مگاپروژه همگام باشد.

۶- نتیجه‏گیری

در عصر حاضر، اهمیت مگاپروژه‌ها در تأمین زیرساخت‌های جهانی، تسریع رشد اقتصادی و شکل‌دهی چشم‌انداز جوامع ‏ انکارنشدنی است؛ اما با این حال، پیچیدگی و مقیاس ذاتی این پروژه‌ها، آنها را در معرض چالش‌هایی چون تأخیر زمانی و افزایش هزینه‌ها قرار می‌دهد. ماژولارسازی،‏ یکی از راهکارهای مؤثر در مدیریت مگاپروژه‌ها، مستلزم هماهنگی دقیق زیرسیستم‌ها و ادغام منسجم ماژول‌هاست؛ از این ‌رو، ارزیابی تأمین‌کنندگان نقش‏ کلیدی در تضمین موفقیت مگاپروژه‌های ماژولار دارد. پژوهش حاضر به‌منظور شناسایی و اولویت‌بندی شاخص‌های ارزیابی تأمین‌کنندگان مگاپروژه‌های ماژولار، رویکرد‏ نوینی را معرفی کرده ‌است؛ از این ‌رو، فهرست جامعی از معیارهای پایداری برای ارزیابی تأمین‌کنندگان مگاپروژه‌های ماژولار شناسایی شده است؛ سپس درجۀ اهمیت این معیار‌ها با استفاده از رویکرد توسعه‏یافتۀ مبتنی بر روش SF-CIMAS، بر‏اساس مجموعه‌های فازی کروی تعیین شده‏اند. در این رویکرد، پس از تعیین معیار‌های ارزیابی تأمین‌کنندگان، تعداد خبره‌ها مشخص و تیم تصمیم‌گیری تشکیل می‌شود؛ سپس با تعیین اهمیت نظر هر خبره براساس دانش و تجربۀ فعالیت در حوزۀ مرتبط بر‏اساس متغیر‌های زبانی فازی کروی، درجۀ اهمیت نظر خبره مشخص می‌شود؛ سپس با پیاده‌سازی مراحل روش توسعه‏یافته CIMAS بر‏اساس مجموعه‌های فازی کروی، وزن هر معیار تعیین می‌‏شود. بر‏اساس نتایج این روش هزینه، استراتژی و سازمان‏دهی به ترتیب دارای بیشترین درجۀ اهمیت میان معیار‌های ارزیابی هستند. در راستای سنجش پایداری روش پیشنهادی، تحلیل حساسیت در قالب چند سناریو طراحی شد. در این بخش، روند تغییرات وزن معیار‌ها با تغییر اهمیت نظر هر خبره در ۵ سناریو‌ مختلف بررسی شد. بر این اساس تغییر در درجۀ اهمیت نظر خبرگان باعث ایجاد تغییر در وزن معیار‌ها و همچنین اولویت‌بندی برخی معیار‌ها می‌شود؛ اما این تغییرات ازنظر آماری معنادار نیستند و موجب تغییر بااهمیت‌ترین معیار نمی‌شوند و نتایج، انحراف درخور ‌توجهی را در رتبه‌بندی گزینه‌ها‏ نشان نمی‌دهد. همچنین با انجام مقایسات زوجی، همبستگی نتایج بر‏اساس سناریو‌های مختلف تحلیل حساسیت، تمامی همبستگی‌ها در بازه‌ای بالا قرار دارند که همگرایی قوی را در رتبه‌بندی‌های ارائه‌شده از سوی رویکرد پیشنهادی در سناریو‌های مختلف تصمیم‌گیری‏ منعکس می‌کند. تعداد محدود خبرگان در حوزۀ مدیریت مگاپروژه‌ها و همچنین‏ در نظر نگرفتن وزن‌های عینی در فرآیند اولویت‌بندی شاخص‌های ارزیابی، از‏جمله محدودیت‌های این پژوهش است. استفاده از روش‌های محاسبۀ وزن‌های عینی معیار‌ها نظیر LOPCOW، MEREC، CRITIC و غیره در کنار وزن‌های ذهنی معیار‌ها با هدف کاهش آثار احتمالی وقوع سوگیری‌های شناختی در نظرات خبرگان در فرایند تصمیم‌گیری و همچنین توسعه و مقایسۀ روش‌های ‌‌تصمیم‌گیری ‌‌چند‌معیاره در محیط‌های عدم قطعیت نظیر فازی فیثاغورثی، q-rung، فازی کروی و فازی فرماتین و مقایسۀ نتایج آن‌ با روش‌های توسعه‌یافته در پژوهش حاضر از‏‏جمله پیشنهادها برای پژوهش‌های آتی است. فارغ از مسئلۀ استفاده‏شده برای پیاده‌سازی رویکرد پیشنهادی این پژوهش، این رویکرد در سناریو‌های مختلف اولویت‌بندی و تعیین درجۀ اهمیت شاخص‌ها در مسائل تصمیم‌گیری‏ اجرایی خواهد بود. ما در آینده تحقیقات خود را در راستای ارزیابی و اولویت‌بندی تأمین‌کنندگان مگاپروژه‌های ماژولار،‌ با به‌کارگیری شاخص‌ها و اولویت‌بندی ارائه‏شده برای درجۀ اهمیت آ‌نها در این پژوهش، گسترش خواهیم داد.

[i] Zhao et al.

[ii] Lotfi

[iii] Zadeh

[iv] Atanassov and Atanassov

[v] Yager

[vi] Kutlu Gündoğdu and Kahraman

[vii] Mahmoudi et al.

[viii] Singh et al.

[ix] Varchandi et al.

[x] Ahmadi and Amin

[xi] Alikhani et al.

[xii] Fallahpour et al.

[xiii] Luthra et al.

[xiv] Sithi et al.

[xv] Alavi et al.

[xvi] Memari et al.

[xvii] Sharma et al.

[xviii] Amindoust et al.

[xix] Mani et al.

[xx] Jauhar and Pant

[xxi] Zhou and Mi

[xxii] Cheraghalipour and Farsad

[xxiii] Khan et al.

[xxiv] Rashidi and Cullinane

[xxv] Liu et al.

[xxvi] Yadavalli et al.

[xxvii] Yu et al.

[xxviii] Xu et al.

[xxix] He et al.

[xxx] Tirkolaee et al.

[xxxi] Hendiani et al.

[xxxii] Hoseini et al.

[xxxiii] Unal and Temur

[xxxiv] Shang et al.

[xxxv] Su et al.

[xxxvi] Liang et al.

[xxxvii] Hajiaghaei-Keshteli et al.

[xxxviii] Lin et al.

[xxxix] Dang et al.

[xl] Hallak

[xli] Christanto et al.

[xlii] Murugan and Wong

[xliii] Bošković et al.