Partner selection for automobile manufacturing enterprises with a q-rung orthopair fuzzy double normalizaion-based multi-aggregation method

Abstract

Practical multi-criterion decision-making problems about partner selection are usually composed of both quantitative and qualitative criteria. To solve such problems, this paper develops a ranking method, named the q-ROF-DNMA method, based on the double normalization-based multiaggregation (DNMA) method and a distance measure of q-rung orthopair fuzzy numbers (q-ROFNs). The values of quantitative criteria are expressed as numerical numbers, while the information on qualitative criteria is described by the q-rung orthopair fuzzy set (q-ROFS) which can describe inaccurate and uncertain information effectively. A distance measure is proposed to process the q-ROF information such that both quantitative and qualitative data can be integrated in a collective decision matrix. In addition, we combine three aggregation techniques with two target-based normalization methods to develop three subordinate utility functions under the q-rung orthopair environment. Next, an integration method is introduced to aggregate the utility values and subordinate ranks of alternatives to measure their comprehensive performances. Finally, the superiority of the proposed method is illustrated by comparative analysis based on a case study concerning the partner selection in an automobile manufacturing enterprise.

Įprastai praktinės daugiakriterių sprendimų priėmimo problemos, susijusios su partnerių atranka, susideda iš kiekybinių ir kokybinių kriterijų. Siekiant išspręsti tokias problemas, šiame darbe sukurtas reitingavimo metodas, pavadintas q-ROF-DNMA metodu, pagrįstu dvigubu normalizavimu paremto daugialypio sujungimo (angl. DNMA) metodu ir atstumo tarp q pakopų orto narių neapibrėžtų skaičių (angl. q-ROFS) matavimo metodu. Kiekybinių kriterijų reikšmės yra perteiktos skaitmenimis, o informacija apie kokybinius kriterijus yra aprašyta q pakopos orto narių neapibrėžta aibe (angl. q-ROFS), kuri gali veiksmingai pateikti netikslią ir neapibrėžtą informaciją. Q-ROF informacijai apdoroti siūlomas atstumo matas, kad tiek kiekybinius, tiek kokybinius duomenis būtų galima integruoti į kolektyvinio sprendimo matricą. Be to, sujungiami trys agregavimo metodai su dviem tiksliniais normalizavimo metodais, siekiant sukurti tris pavaldžias naudingumo funkcijas q pakopų orto narių aplinkoje. Toliau pristatomas integravimo metodas, norint sujungti naudingumo reikšmes ir pavaldžių pasirinkimų grupes, siekiant įvertinti jų visapusį veiksmingumą. Galiausiai siūlomo metodo pranašumą iliustruoja lyginamoji analizė, pagrįsta partnerių parinkimo automobilių gamybos įmonėje pavyzdžiu.