شکل ۲- ۵- مدل زنجیره ارزش پورتر(ونکاتارامان و پینتو ، ۲۰۰۸)
فعالیت­های پشتیبانی که با هر یک از این فعالیت­های اساسی پیوند دارند، کمک می­ کنند تا کارایی و تاثیرگذاری آن­ها بهبود یابد (ونکاتارامان و پینتو^[۱۰۶]، ۲۰۰۸).

۲-۵-۱-۱- بررسی کاربرد تحلیل زنجیره ارزش در مطالعات کارت امتیازی متوازن

فرآیندها در BSC نقش مهمی را ایفا می‏کنند. اهمیت استراتژیک وجه فرآیندهای داخلی برای کسب و نگهداری مزیت رقابتی پایدار در تحلیل زنجیره ارزش پورتر اثبات و تشریح شده است(امینی اصل^[۱۰۷]، ۲۰۱۴).

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

اما مجموعه‏ای از فرآیندهای داخلی بهتر، سریع‏تر و ارزان‏تر نمی‏تواند استراتژی را پیش ببرد. کاپلان و نورتون (۲۰۰۸) در بررسی همسویی مدیریت فرآیندها با استراتژی سازمان، بر بهبود فرآیندهایی تاکید دارند که بیشترین سهم را در موفقیت استراتژی شرکت دارند.
مطالعات دربرگیرنده BSC و زنجیره ارزش پورتر بیش‏تر در باب بررسی اهم فرآیندها در پیاده‏سازی استراتژی و نقش مدل پورتر به‌عنوان یکی از تکنیک‏های مؤثر مدل‌سازی فرآیندهای کسب‏وکار بکار می‏رود(واسکنسلوس^[۱۰۸] و همکاران، ۲۰۰۱ الف، ب، کاپلان و نورتون، ۲۰۰۸).
پژوهش حاضر نیز از نقشه فرآیندی مبتنی بر مدل زنجیره ارزش پورتر در شکل‏دهی مدل مفهومی همسویی خود بهره برده است. نقش این زنجیره در گام‏های مدل مفهومی همسویی در فصل سوم بحث می‏شود.

۲-۵-۲- تکنیک‏های تصمیم‏ گیری چندمعیاره^[۱۰۹]

۲-۵-۲-۱- تحلیل سلسله‌مراتبی^[۱۱۰]

روش تحلیل سلسله‌مراتبی در تصمیم‏ گیری چندمعیاره کاربرد گسترده‌ای دارد. این روش را ساتی^[۱۱۱] )۱۹۸۰( ابداع نمود. روش AHP از طریق چهار مرحله به راهکار بهینه می‌رسد: تجزیه، مقایسه دوبه‌دو، ایجاد بردار اولویت^[۱۱۲] و ترکیب (ساتی، ۱۹۸۰).
باوجوداینکه روش AHP برای حل مسائل MCDM کاربرد فراوانی دارد، اما برخی از صاحب‌نظران به دلیل کاستی‌های زیر این روش را نمی‌پسندند (چنگ^[۱۱۳] و همکاران،۱۹۹۹؛ چان^[۱۱۴]، ۲۰۰۳)
این روش سنجه نامتقارنی را برای تخمین و ارزیابی‏ها بکار می‌بندد؛
درروش AHP، ریسک و عدم اطمینان متغیرهای عملکرد تحت بررسی، در نظر گرفته نمی‏شوند،
تصمیم‌گیری ذهنی، انتخاب و عملکرد تصمیم‌گیران باعث تاثیرپذیری بسیار می‌گردد،
… .
به همین دلیل پژوهش حاضر تئوری مجموعه فازی را با پروسه AHP ترکیب نموده است تا برخی از مشکلات و کاستی‌های فوق را در مدلی که ارائه خواهد شد رفع نماید. در بخش بعدی تئوری فازی معرفی می‏شود و سپس در مورد روش تحلیل سلسله‌مراتبی فازی^[۱۱۵] بحث خواهد شد.

۲-۵-۲-۲- تئوری مجموعه‌های فازی^[۱۱۶]

برای بررسی مسائلی که با پیچیدگی‌های تفکر و تصمیم‌گیری انسانی مربوط هستند، زاده^[۱۱۷] (۱۹۶۵) برای اولین بار، تئوری مجموعه‌های فازی را ارائه نمود. بلمن و زاده^[۱۱۸] (۱۹۷۷) روش تصمیم‌گیری در محیط فازی را ارائه نمودند. یک عدد فازی مثلثاتی به‌صورت (l,m,u) نشان داده می‌شود. نشانه ~ در بالای یک علامت، نظیر  ، نشان‌دهنده یک مجموعه فازی می‏باشد. پارامترهای l، m و u به ترتیب، نشان‌دهنده کمترین ارزش ممکن، محتمل‌ترین ارزش ممکن و بزرگ‌ترین ارزش ممکن که یک رویداد فازی را تشریح می‌کند، می‌باشد. هنگامی‌که l = m = u باشد، آن عدد غیر فازی است.
شکل ۲- ۶- نمایش اعداد فازی مثلثی
فرض کنید که  یک عدد فازی مثلثی با سه‌گانه (L, M, U) است. عضویت را می‌توان به‌صورت رابطه ۲-۱ در زیر تعریف نمود:
(۲-۱)

۲-۵-۲-۳- انجام عملیات ریاضی روی اعداد فازی مثلثی

فرض کنید کهM=(l₁, m₁, u₁) و N=(l₂, m₂, u₂) دو عدد مثبت فازی مثلثی هستند؛ عمل‏های اصلی ریاضی روی این اعداد به‌صورت زیر انجام می‌گیرند (قهرمان^[۱۱۹] و همکاران، ۲۰۰۴):
(۲-۲)
(۲-۳)
(۲-۴)
(۲-۵)
(۲-۶)
(۲-۷)

۲-۵-۲-۴- متغیرهای کلامی^[۱۲۰]

اگر مقدار یک متغیر بتواند با کلمه‌ای بیان شود، آن را متغیر کلامی می‏خوانند. متغیرهای کلامی اساسی‌ترین عناصر در تبیین دانسته‌های انسان هستند (لی و همکاران، ۲۰۰۸).

۲-۵-۲-۵- روش تحلیل سلسله‌مراتبی فازی

برای بهبود و کاستن معایب روش AHP (در بخش ۲-۵-۲-۱ نیز به آن‏ها اشاره شد)، برخی از محققین تلاش نمودند تا با بهره گرفتن از منطق فازی، که توانایی بالایی برای حل مسائل این چنینی را دارد، با روش مقایسه دوبه‌دو، روش AHP را به شرایط واقعی نزدیک کنند. درنتیجه روش AHP، دارای شاخه‌ای شد که روش تحلیل سلسله‌مراتب فازی^[۱۲۱] نامیده می‌شود و از آن برای حل مسائل سلسه مراتبی و MCDM استفاده می‌شود.

۲-۵-۲-۶- گسترش روش تحلیل سلسله‌مراتبی فازی و شکل‏گیری روش تحلیل توسعه‏ای^[۱۲۲]

چنگ^[۱۲۳] (۱۹۹۶) روش جدیدی برای حل مسائل AHP با بهره گرفتن از اعداد فازی مثلثی ارائه نمود. در این روش از اعداد مثلثی برای مقایسه دوبه‏دوی FAHP استفاده شده است و از روش تحلیل توسعه‏ای برای مقادیر ترکیبی^[۱۲۴] مقایسه دوبه‏دو استفاده می‌کند.
روش تحلیل توسعه‌ای برای درنظر‏گرفتن وسعت یک شئ^[۱۲۵] که باید یک هدف^[۱۲۶] را ارضا نماید، مورداستفاده قرار می‌گیرد که این همان میزان توسعه ارضاشده می‌باشد. در این روش، “میزان توسعه^[۱۲۷]” با بهره گرفتن از اعداد فازی، کمی می‌شود.
فرض کنید X={x₁, x₂, …. , x_n} نشان‌دهنده گزینه‌های یک مجموعه شئ ‌می‌باشد و U={u₁, u₂, ……, u_n} نشان‌دهنده معیارهای انتخاب گزینه‏ها به‌عنوان یک مجموعه هدف باشد. بر طبق روش تحلیل توسعه‏ای چنگ (۱۹۹۶)، هر یک از شئ‏ها انتخاب‌شده و بعدازآن، تحلیل توسعه‌ای برای هر هدف g_i اجرا می‌شود. بنابراین ارزش‌های تحلیل توسعه‌ای m برای هر شئ با رابطه ۲-۸ نشان داده می‏شود:
(۲-۸)
بطوریکه تمامی M^j_gi(j=2,….,m) ها، اعداد فازی مثلثاتی هستند.
گام‌های روش تحلیل توسعه‌ای چنگ در ادامه ارائه می‏گردد (قهرمان و همکاران، ۲۰۰۴):
گام ۱٫ ارزش وسعت ترکیبی فازی با توجه به شئ به‌صورت زیر تعریف می‌شود:
(۲-۹)
برای محاسبه  ، m عملیات مقدار تحلیل توسعه‏ای برای ماتریس مدنظر به شکل زیر حساب می‏شود:
(۲-۱۰)
و برای محاسبه  به شکل زیر عمل می‏شود:
(۲-۱۱)
گام ۲٫ درجه احتمال M₂ = (l₂, m₂, u₂) ≥ M₁ = (l₁, m₁, u₁) به‌صورت زیر تعریف می‌شود:
(۲-۱۲)
و یا می‌تواند به‌صورت زیر بیان شود:
(۲-۱۳)
بطوریکه d عرض از مبدا بالاترین نقطه تقاطع D بین Mµ_۱ و Mµ_۲ است.
برای مقایسه M₁ و M₂، نیاز به محاسبه هر دو ارزش V(M₁≥M₂) و V(M₂≥M₁) می‏باشد.