Các phương pháp ra quyết định đa thuộc tính với thông tin mờ

Mục tiêu của đề tài Đề tài tập trung nghiên cứu các phương pháp ra quyết định đa thuộc tính với thông tin mờ và ứng dụng các phương pháp này vào bài toán đánh giá, xếp hạng phòng giao

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

-

VŨ THỊ THÙY NHƯ

CÁC PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA THUỘC TÍNH

VỚI THÔNG TIN MỜ

Chuyên ngành : Công nghệ thông tin

LUẬN VĂN THẠC SĨ KỸ THUẬT

Công nghệ thông tin

NGƯỜI HƯỚNG DẪN KHOA HỌC :

PGS.TS Trần Đình Khang

Hà Nội – Năm 2015

MỤC LỤC

MỤC LỤC 2

LỜI CẢM ƠN 4

LỜI CAM ĐOAN 5

DANH MỤC THUẬT NGỮ - VIẾT TẮT 6

DANH MỤC HÌNH VẼ, ĐỒ THỊ 7

DANH MỤC BẢNG 8

MỞ ĐẦU 9

1 Lý do chọn đề tài 9

2 Mục tiêu của đề tài 9

3 Đối tượng và phạm vi nghiên cứu 10

4 Phương pháp nghiên cứu 10

5 Kết quả dự kiến 11

6 Ý nghĩa khoa học và thực tiễn 11

CHƯƠNG 1 CƠ SỞ LÝ THUYẾT 13

1.1 RA QUYẾT ĐỊNH ĐA THUỘC TÍNH 13

1.1.1 Khái niệm 13

1.1.2 Các đặc điểm của bài toán ra quyết định đa thuộc tính 13

1.1.3 Phân loại các phương pháp ra quyết định đa thuộc tính 14

1.1.4 Một số phương pháp ra quyết định đa thuộc tính phổ biến 14

1.2 TẬP MỜ CẢM NHẬN 18

1.2.1 Định nghĩa về tập mờ cảm nhận 18

1.2.2 Các phép toán trong tập mờ cảm nhận 19

1.2.3 Khoảng cách giữa 2 tập mờ cảm nhận 19

1.3 CÁC PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA THUỘC TÍNH SỬ

DỤNG TẬP MỜ CẢM NHẬN 20

1.3.1 Phương pháp TOPSIS 20

1.3.2 Phương pháp ELECTRE 23

CHƯƠNG 2 BÀI TOÁN ĐÁNH GIÁ, XẾP HẠNG PHÒNG GIAO DỊCH TRONG HỆ THÔNG NGÂN HÀNG 28

2.1 ĐẶT VẤN ĐỀ 28

2.2 MÔ HÌNH HÓA BÀI TOÁN 31

CHƯƠNG 3 KẾT QUẢ ĐẠT ĐƯỢC 34

3.1 PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG 34

3.1.1 Biểu đồ phân rã chức năng 34

3.1.2 Biểu đồ Use Case 35

3.1.3 Danh sách các Use Case 36

3.2 THIẾT KẾ CƠ SỞ DỮ LIỆU 44

3.2.1 Mô tả chi tiết các bảng 45

3.3 CÔNG NGHỆ SỬ DỤNG 53

3.4 KẾT QUẢ ĐẠT ĐƯỢC 54

3.4.1 Giao diện phần mềm 54

3.5 NHẬN XÉT 60

CHƯƠNG 4 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 61

4.1 KẾT QUẢ 61

4.2 HẠN CHẾ 61

4.3 HƯỚNG PHÁT TRIỂN 62

TÀI LIỆU THAM KHẢO 63

LỜI CẢM ƠN

Đầu tiên, em muốn gửi lời biết ơn chân thành tới PGS.TS Trần Đình Khang, người trực tiếp hướng dẫn và tạo điều kiện cho em về thời gian, những sự giúp đỡ tận tình về kiến thức, sự chỉ dẫn, định hướng và tài liệu tham khảo quý báu

Tiếp theo, em xin cảm ơn các thầy cô trong Viện Công nghệ thông tin và Truyền thông – Đại học Bách khoa Hà Nội đã giảng dạy, truyền đạt kiến thức cho

em trong suốt thời gian qua

Tôi cũng xin cảm ơn gia đình, bạn bè đã chia sẻ, giúp đỡ tôi trong học tập và thời gian thực hiện nghiên cứu đề tài này

Trong báo cáo này chắc chắn không tránh khỏi những chỗ thiếu sót, em mong nhận được những lời góp ý, chỉ bảo từ các thầy cô để có thể hoàn thiện đề tài của mình tốt hơn

Hà Nội, ngày 18 tháng 12 năm 2014

Người thực hiện

Vũ Thị Thùy Như

LỜI CAM ĐOAN

Luận văn Thạc sĩ “Các phương pháp ra quyết định đa thuộc tính với thông tin mờ”, chuyên ngành Công nghệ thông tin là công trình của cá nhân tôi Các nội dung nghiên cứu và kết quả trình bày trong luận văn là trung thực rõ ràng Các tài liệu tham khảo, nội dung trích dẫn đã ghi rõ nguồn gốc

Ngày 18 tháng 12 năm 2014

Tác giả luận văn

Vũ Thị Thùy Như

DANH MỤC THUẬT NGỮ - VIẾT TẮT

1 PGD Phòng Giao Dịch

2 MADM Multi-attribute Decision Making Ra quyết định đa

thuộc tính

3 IFS Intuitition Fuzzy Set Tập mờ cảm nhận

4 ELECTRE Elimination Et Choice Translating

Reality

5 TOPSIS Technique for order preference by

similarity to an ideal solution

6 AHP Analytic Hierarchy Process

7 SAW Simple Additive Weighting

DANH MỤC HÌNH VẼ, ĐỒ THỊ

Hình 1 Biểu đồ phân rã chức năng 34

Hình 2 Biểu đồ Use Case 35

Hình 3 Danh sách bảng và mối quan hệ 44

Hình 4 Danh sách bảng hệ thống sinh ra trong quá trình tính toán 45

Hình 5 Màn hình đăng nhập 54

Hình 6 Màn hình danh sách người quản lý 55

Hình 7 Màn hình tạo phòng giao dịch 55

Hình 8 Màn hình tạo tiêu chí 56

Hình 9 Màn hình quản lý tầm quan trọng của chuyên gia và thuộc tính 56

Hình 10 Màn hình quản lý mức độ đánh giá 57

Hình 11 Màn hình tạo kỳ đánh giá 58

Hình 12 Màn hình đánh giá tầm quan trọng của tiêu chí 59

Hình 13 Màn hình đánh giá chất lượng phòng giao dịch 59

Hình 14 Màn hình kết quả đánh giá, xếp hạng 60

DANH MỤC BẢNG

Bảng 1 So sánh các phương pháp ra quyết định đa thuộc tính 18

Bảng 2.Mức độ quan trọng theo số mờ cảm nhận 32

Bảng 3 Mức độ đánh giá theo số mờ cảm nhận 33

Bảng 4 Danh sách các Use Case 36

Bảng 5 Bảng đặc tả Use Case 43

Bảng 6 Mô tả chi tiết bảng User 46

Bảng 7 Mô tả chi tiết bảng Branch 46

Bảng 8 Mô tả chi tiết bảng Criteria 47

Bảng 9 Mô tả chi tiết bảng Importance 47

Bảng 10 Mô tả chi tiết bảng Rating 48

Bảng 11 Mô tả chi tiết bảng Evaluation 48

Bảng 12 Mô tả chi tiết bảng Evuluation_Criteria 49

Bảng 13.Mô tả chi tiết bảng Evaluation_Branch 49

Bảng 14 Mô tả chi tiết bảng Evaluation_Result 50

Bảng 15 Mô tả chi tiết bảng Province 50

Bảng 16Mô tả chi tiết bảng District 50

Bảng 17 Mô tả chi tiết bảng Evaluation_Weight_User 51

Bảng 18 Mô tả chi tiết bảng Evaluation_Branch_Criteria 51

Bảng 19 Mô tả chi tiết bảng Evaluation_Weight_Criteria 52

Bảng 20 Mô tả chi tiết bảng Evaluation_Branch_Criteria_Re 52

Bảng 21 Bảng lưu giá trị tốt nhất và tồi nhất 53

MỞ ĐẦU

1 Lý do chọn đề tài

Trong cuộc sống hàng ngày của mỗi người, trong sản xuất kinh doanh hay trong quản lý nói chung…, chúng ta luôn phải lựa chọn giữa các phương án khác nhau Việc đánh giá các phương án thường dựa trên nhiều tiêu chí khác nhau

2 Mục tiêu của đề tài

Đề tài tập trung nghiên cứu các phương pháp ra quyết định đa thuộc tính với thông tin mờ và ứng dụng các phương pháp này vào bài toán đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng

Để đạt được các mục tiêu trên, đề tài tập trung vào các nhiệm vụ cụ thể sau:

- Tìm hiểu các phương pháp ra quyết định đa thuộc tính với thông tin mờ Trong phạm vi luận văn này, tác giả tập trung vào 2 phương pháp phổ biến là TOPSIS và ELECTRE

- Phân tích bài toán đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng, phân tích các tiêu chí đánh giá phòng giao dịch

- Ứng dụng phương pháp TOPSIS vào bài toán đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng

- Thiết kế hệ thống và xây dựng ứng dụng

- Phân tích, đánh giá kết quả đạt được khi thực hiện hệ thống với các bộ dữ liệu thử

3 Đối tượng và phạm vi nghiên cứu

Nghiên cứu về tập mờ cảm nhận, bài toán ra quyết định đa thuộc tính và các phương pháp TOPSIS, ELECTRE trong bài toán ra quyết định đa thuộc tính sử dụng tập mờ cảm nhận

Ứng dụng các phương pháp ra quyết định đa thuộc tính với thông tin mờ vào bải toán đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng

4 Phương pháp nghiên cứu

a Phương pháp nghiên cứu lý thuyết

- Nghiên cứu tài liệu, ngôn ngữ và công nghệ liên quan

- Tổng hợp các tài liệu lý thuyết về tập mờ cảm nhận, các phương pháp ra quyết định đa thuộc tính và áp dụng tập mờ cảm nhận trong các phương pháp này

- Biểu diễn bài toán đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng sử dụng tập mờ cảm nhận

- Áp dụng các phương pháp TOPSIS để đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng

b Phương pháp nghiên cứu thực nghiệm

- Phân tích, thiết kế hệ thống theo quy trình xây dựng phần mềm

- Xây dựng hệ thống đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng

- Thử nghiệm hệ thống và đánh giá kết quả dựa trên bộ dữ liệu thử

5 Kết quả dự kiến

- Nhận thức đầy đủ về thế mạnh của việc kết hợp tập mờ cảm nhận và các phương pháp ra quyết định đa thuộc tính trong các bài toán đánh giá, xếp hạng và ra quyết định

- Đề ra được giải pháp và ứng dụng các phương pháp ra quyết định đa thuộc tính với thông tin mờ để giải quyết bài toán đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng

6 Ý nghĩa khoa học và thực tiễn

- Áp dụng các phương pháp ra quyết định đa thuộc tính với thông tin mờ gắn liền với những bài toán ra quyết định trong thực tế

- Kết quả của đề tài là hệ thống phần mềm đánh giá, xếp hạng phòng giao dịch trong hệ thống ngân hàng có tính dễ sử dụng, tính tuỳ biến cao, đáp ứng tốt nhu cầu người sử dụng

- Hệ thống có thể chạy tốt với bộ dữ liệu thực tế tại các ngân hàng

Bố cục của luận văn

Bố cục của luận văn được chia thành 4 chương như sau:

Chương 1 Cơ sở lý thuyết

Chương 1 tập trung vào giới thiệu các khái niệm về ra quyết định đa thuộc tính, tập mờ cảm nhận và các phương pháp ra quyết định đa thuộc tính sử dụng tập

Chương 3: Kết quả đạt được

Chương 3 trình bày phân tích, thiết kế và kết quả đạt được của phần mềm được cài đặt với các bộ dữ liệu thử nghiệm

Chương 4: Kết luận và hướng phát triển

Chương 4 bàn về những vấn đề đã giải quyết được và những vấn đề còn chưa giải quyết được trong phạm vi của đề tài và đề xuất hướng phát triển tiếp theo cho

đề tài

CHƯƠNG 1 CƠ SỞ LÝ THUYẾT

1.1 RA QUYẾT ĐỊNH ĐA THUỘC TÍNH

1.1.1 Khái niệm

Quá trình ra quyết định là một dãy các bước: xác định bài toán, xây dựng trọng số , đánh giá các lựa chọn và xác định lựa chọn tốt nhất (Simon 1977; Keendy and Raiffa 1993; Kleindorfer, Kunreuther, and Schoemaker 1993)

Ra quyết định đa thuộc tính (MADM – Multi Attribute Decision Making) là đưa ra các quyết định dựa trên các thuộc tính, thường là xung đột với nhau (Hwang & Yoon, 1981)

1.1.2 Các đặc điểm của bài toán ra quyết định đa thuộc tính

Các bài toán ra quyết định đa thuộc tính đều có các đặc điểm chung sau:

 Có một lượng xác định các lựa chọn, các phương án cần được đánh giá, xếp hạng

 Có nhiều thuộc tính để xem xét, đánh giá

 Mỗi thuộc tính có một đơn vị đo lường riêng

 Các thuộc tính được xếp hạng, đánh độ ưu tiên bởi người ra quyết định hoặc bởi một vài phương pháp nào đó

 Mỗi bài toán ra quyết định đa thuộc tính đều được biểu diễn dưới dạng ma trận quyết định, có hàng là các lựa chọn/phương án, cột là các thuộc tính

Chương này sẽ trình bày các vấn đề sau:

 Ra quyết định đa thuộc tính

 Tập mờ cảm nhận

 Các phương pháp ra quyết định đa thuộc tính sử dụng tập mờ cảm nhận

1.1.3 Phân loại các phương pháp ra quyết định đa thuộc tính

Các phương pháp ra quyết định đa thuộc tính được phân loại theo loại thông tin nhận được từ người ra quyết định: Không có thông tin, thông tin từ môi trường hoặc thông tin từ các thuộc tính

Nếu không có thông tin từ người ra quyết định, ta có phương pháp Dominance

Đối với thông tin từ môi trường, ta có phương pháp Maximin và Maximax

Đối với thông tin từ các thuộc tính, ta có phương pháp: Conjunctive, Disjuctive, Lexicographic, Elimination by Aspects, SAW (Simple Additive Weighting), WP (Weighted Product), TOPSIS, ELECTRE, Median Ranking và AHP

1.1.4 Một số phương pháp ra quyết định đa thuộc tính phổ biến

 AHP (Analytic Hierarchy Process)

Phương pháp AHP được phát triển bởi Thomas Saaty vào những năm 1970 AHP cho phép cấu trúc bài toán theo phân cấp và đánh giá các thành phần bằng cách so sánh từng cặp Bài toán được chia thành nhiều thành phần nhỏ và được cấu trúc theo phân cấp tuyến tính với cấp độ xác định Trong phân cấp, các mục tiêu được thiết kế ở cấp độ cao, trong khi đó các tiêu chí và tiêu chí con ở cấp độ trung Các lựa chọn ở cấp độ thấp nhất So sánh tầm quan trọng của từng cặp thuộc tính và hiệu năng của từng cặp phương án với hệ số tỷ lệ từ 1 tới 9 Trọng số của các thuộc tính được xác định và kết hợp để đạt được trọng số chung cho tất cả các lựa chọn Ma trận so sánh theo cặp của n thuộc tính C với 1 cấp độ được cho sẵn được biểu diễn như sau:

ELECTRE là phương pháp được nghiên cứu rộng rãi và cũng sử dụng so sánh từng cặp bằng cách dung chỉ số tương thích và đối nghịch Chỉ số tương thích xác định phương án A tốt như phương án B ít nhất bao nhiêu Chỉ số đối nghịch xác định mức độ mà B chắc chắn được thích hơn A

Chỉ số tương thích Cik giữa phương án Ai và Ak được định nghĩa như sau:

- Trong đó 𝑊𝑗 là trọng số của thuộc tính thứ j

 SAW (Simple Additive Weighting)

Phương pháp này được phát triển bởi MacCrimon vào năm 1968 SAW được biết như là một phương pháp tính điểm kết hợp tuyến tính trọng số hoặc tổng trọng số SAW sử dụng nguyên lý trọng số trung bình Phương pháp này rất đơn giản, trong đó giá trị tỷ lệ được cho với mỗi lựa chọn bởi 1 thuộc tính Giá trị tỷ lệ sau đó được nhân với trọng số riêng biệt của người ra quyết định

𝐴𝑗 = 𝑀𝑎𝑥 ∑ 𝑎𝑖𝑗𝑤𝑗

𝑗

𝑖=1Trong đó 𝐴𝑗là điểm của lựa chọn, 𝑎𝑖𝑗 là giá trị thực tế của lựa chọn thứ i với thuộc tính thứ j và 𝑤𝑗 là trọng số của thuộc tính thứ j Kết quả tổng của tất cả các giá trị đạt được cùng với trọng số thuộc tính, và điểm cao nhất là lựa chọn tốt nhất

 TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution)

TOPSIS được giới thiệu đầu tiên bởi Yoon và Hwang vào những năm 1980 TOPSIS áp dụng khái niệm đơn giản về khoảng cách giữa các phương án Phương

án được lựa chọn phải gần nhất với phương án lý tưởng và xa nhất với phương án tồi nhất Gọi S* , S- tương ứng là khoảng cách với phương án lý tưởng và phương

án tồi nhất Chúng được xác định theo công thức sau:

𝑣𝑗−tương ứng là giá trị tốt nhất và tồi nhất của thuộc tính thứ j

 So sánh các phương pháp

Các phương pháp trên, với các nguyên lý khác nhau đã được áp dụng trong các bài toán ra quyết định Ta sẽ thực hiện so sánh các phương pháp này dựa trên các khía cạnh sau: về mô hình, nguyên lý tính toán, tính nhất quán, cấu trúc bài toán và kết quả cuối cùng

 Về mô hình

AHP, ELECTRE, SAW và TOPSIS cho phép cân bằng các yếu tố giữa các thuộc tính để đạt được sự kết hợp tốt nhất Tức là, một thuộc tính có thể bù đắp bởi việc đối nghịch với những thay đổi trong các thuộc tính khác Tuy nhiên, mỗi phương pháp đều sử dụng một khái niệm riêng cho sự cân bằng này AHP và SAW tập trung vào mô hình mà từ đó một vecto điểm chung được đạt được bằng các thuộc tính cạnh tranh ELECTRE thì theo mô hình tương thích, trong đó dựa vào độ yêu thích hơn để đo độ tương thích TOPSIS lại theo mô hình thỏa hiệp với ý tưởng là không có giải pháp lý tưởng, nhưng giải pháp với các giá trị tối ưu trên tất cả các thuộc tính sẽ được lựa chọn

 Nguyên lý tính toán

AHP sử dụng nguyên lý phân cấp và các ma trận so sánh từng cặp để chọn xếp hạng các phương án ELECTRE tập trung vào nguyên lý so sánh từng cặp bằng

cách sử dụng các chỉ số tương thích và đối nghịch SAW áp dụng nguyên lý trọng

số trung bình bằng cách gán giá trị tỷ lệ cho mỗi phương án TOPSIS tính toán khoảng cách ngắn nhất của 1 phương án với phương án tốt nhất và khoảng cách dài nhất với phương án tồi nhất

 Tính nhất quán

AHP cung cấp tính nhất quán trong việc xem xét, đánh giá Chỉ số nhất quán được tính toán trước khi tạo các ma trận so sánh từng cặp Ví dụ Phương án A được thích hơn phương án B, phương án B được thích hơn phương án C thì phương án A được thích hơn phương án C ELECTRE cũng có tính nhất quán thông qua các giá trị ngưỡng được tạo qua các chỉ số Tuy nhiên TOPSIS và SAW không có tính nhất quán bởi vì chúng không có chỉ số so sánh

 Cấu trúc bài toán

Việc ra quyết định sẽ trở nên dễ dàng hơn nếu ta chọn đúng phương pháp ra quyết định đối với một bài toán nhất định Cấu trúc bài toán bao gồm các thuộc tính và các phương án được lựa chọn trong bài toán ra quyết định AHP sử dụng cấu trúc phân cấp bằng cách so sánh từng cặp Vì thế, phương pháp này trở nên phức tạp đối với cấu trúc bài toán có nhiều thuộc tính hoặc nhiều phương án lựa chọn, bởi vì số lượng phép toán so sánh tăng lên nhiều ELECTRE dựa trên logic mờ 1 chiều, không chú ý tới số lượng thuộc tính và phương án TOPSIS và SAW có thể giải quyết bài toán lựa chọn Tuy nhiên, do tính toán đơn giản nên hỗ trợ tốt đối với những bài toán với số lượng lớn thuộc tính và phương án lựa chọn

 Kết quả cuối cùng

Kết quả cuối cùng chỉ ra xếp hạng cuối cùng của các phương án dưới các phương pháp khác nhau Các phương pháp AHP, TOPSIS, SAW đều cho ra kết quả lựa chọn cuối cùng trong bài toán ra quyết định Còn phương pháp ELECTRE chỉ cho

ra kết quả một phần do sử dụng chỉ số ngưỡng tương thích và đối nghịch

Kết quả so sánh 4 phương pháp này có thể tổng hợp lại như bảng dưới đây:

AHP ELECTRE SAW TOPSIS

Mô hình Mô hình tính

điểm

Mô hình tương thích

Mô hình tính điểm

Mô hình thỏa hiệp Nguyên lý tính

toán

Nguyên lý phân cấp

Nguyên lý so sánh từng cặp

Nguyên lý trung bình trọng số

Nguyên lý khoảng cách

Cấu trúc bài

toán

Ít thuộc tính và phương án

Nhiều thuộc tính

Nhiều thuộc tính và nhiều phương án

Nhiều thuộc tính và nhiều phương án

Kết quả cuối

cùng

Bảng 1 So sánh các phương pháp ra quyết định đa thuộc tính

Dựa vào so sánh trên ta thấy, phương pháp TOPSIS có thể áp dụng với bài toán nhiều thuộc tính và nhiều phương án lựa chọn, thực hiện tính toán đơn giản và nhanh hơn so với các phương pháp còn lại Phương pháp ELECTRE tuy không cho

ra kết quả cuối cùng nhưng nhờ tính năng có thể loại bỏ đi các phương án không có khả năng được lựa chọn nên rất hữu ích khi dùng trước khi áp dụng một phương pháp ra quyết định đa thuộc tính khác Vì thế, đề tài sẽ tập trung nghiên cứu áp dụng tập mờ cảm nhận với 2 phương pháp này

1.2 TẬP MỜ CẢM NHẬN

1.2.1 Định nghĩa về tập mờ cảm nhận

Cho E là một tập xác định Tập mờ cảm nhận A trong tâp E là một tập được xác định như sau :

1.2.3 Khoảng cách giữa 2 tập mờ cảm nhận

Có nhiều công thức để tính khoảng cách giữa 2 tập mờ cảm nhận 2 trong số các công thức tính khoảng cách hay được sử dụng là khoảng cách Hamming và khoảng cách Euclid

Công thức tính khoảng cách Hamming giữa 2 tập mờ cảm nhận :

𝑑𝑖𝑠1(𝐴, 𝐵) = 1

2𝑛∑(|𝜇𝐴(𝑥𝑗) − 𝜇𝐵(𝑥𝑗)| + |𝜗𝐴(𝑥𝑗) − 𝜗𝐵(𝑥𝑗)|

𝑛

𝑗=1+ |𝜋𝐴(𝑥𝑗) − 𝜋𝐵(𝑥𝑗)|) Công thức tính khoảng cách Euclid giữa 2 tập mờ cảm nhận :

𝑑𝑖𝑠2(𝐴, 𝐵) = √1

2𝑛∑ ((𝜇𝐴(𝑥𝑗) − 𝜇𝐵(𝑥𝑗))2+ (𝜗𝐴(𝑥𝑗) − 𝜗𝐵(𝑥𝑗))2+ (𝜋𝐴(𝑥𝑗) − 𝜋𝐵(𝑥𝑗))2)𝑛

Cho 𝐴 = {𝐴1, 𝐴2, … 𝐴𝑚} là tập các lựa chọn và X= {𝑋1, 𝑋2, … 𝑋𝑛} là tập các thuộc tính

Phương pháp TOPSIS sử dụng tập mờ cảm nhận được biểu diễn như sau:

Bước 1: Xác định trọng số của người ra quyết định

Giả sử có 1 nhóm l người ra quyết định Tầm quan trọng của người ra quyết định được xác định trên các term ngôn ngữ được biểu diễn dưới dạng các số mờ cảm nhận Cho 𝐷𝑘 = [𝜇𝑘, 𝜗𝑘, 𝜋𝑘] là một số mờ cảm nhận về tầm quan trọng của người

ra quyết định thứ k

Trọng số của người ra quyết định thứ k được xác định như sau:

Ta có ∑𝑙𝑘=1𝜆𝑘 = 1

Bước 2: Xây dựng ma trận quyết định tích hợp mờ cảm nhận dựa trên đánh giá của người ra quyết định

Cho 𝑅𝑘 = (𝑟𝑖𝑗(𝑘))

𝑚×𝑛 là ma trận mờ cảm nhận của người đánh giá thứ k, trong đó là

𝑟𝑖𝑗(𝑘) là số mờ cảm nhận đánh giá của người thứ k đối với lựa chọn i và thuộc tính j

Kết quả đánh giá tổng hợp cuối cùng từ l người ra quyết định đối với lựa chọn i và thuộc tính j được xác định như sau

𝑟𝑖𝑗 = 𝜆1𝑟𝑖𝑗(1)⊕ 𝜆2𝑟𝑖𝑗(2)⊕ … 𝜆𝑙𝑟𝑖𝑗(𝑙)

Bước 3: Xác định trọng số của các thuộc tính

Gọi W là véc tơ xác định độ quan trọng của các thuộc tính Đối với mỗi người đánh giá, độ quan trọng của các thuộc tính là khác nhau

Cho 𝒘𝒋(𝒌) = [𝝁𝒋(𝒌), 𝝑𝒋(𝒌), 𝝅𝒋(𝒌)] là số mờ cảm nhận đánh giá độ quan trọng của thuộc tính 𝑿𝒋 của người đánh giá thứ k

𝑅′ = [

Bước 5 : Xác định phương án tốt nhất và tồi nhất

Cho 𝐽1, 𝐽2 tương ứng là thuộc tính lợi nhuận và chi phí A*

và 𝐴− tương ứng là phương án tốt nhất và tồi nhất

𝐴∗ = (𝜇𝐴∗ 𝑊(𝑋𝑗), 𝜗𝐴∗ 𝑊(𝑋𝑗))

𝐴− = (𝜇𝐴− 𝑊(𝑋𝑗), 𝜗𝐴− 𝑊(𝑋𝑗)) Trong đó :

𝜇𝐴∗ 𝑊(𝑋𝑗) = ((𝑚𝑎𝑥𝑖𝜇𝐴𝑊(𝑋𝑗)|𝑗 ∈ 𝐽1) (𝑚𝑖𝑛𝑖𝜇𝐴𝑊(𝑋𝑗)|𝑗 ∈ 𝐽2))

𝜗𝐴∗ 𝑊(𝑋𝑗) = ((𝑚𝑖𝑛𝑖𝜗𝐴𝑊(𝑋𝑗)|𝑗 ∈ 𝐽1) (𝑚𝑎𝑥𝑖𝜗𝐴𝑊(𝑋𝑗)|𝑗 ∈ 𝐽2))

𝝁𝑨− 𝑾(𝑿𝒋) = ((𝒎𝒂𝒙𝒊𝝁𝑨𝑾(𝑿𝒋)|𝒋 ∈ 𝑱𝟐) (𝒎𝒊𝒏𝒊𝝁𝑨𝑾(𝑿𝒋)|𝒋 ∈ 𝑱𝟏))

𝝑𝑨− 𝑾(𝑿𝒋) = ((𝒎𝒊𝒏𝒊𝝑𝑨𝑾(𝑿𝒋)|𝒋 ∈ 𝑱𝟐) (𝒎𝒂𝒙𝒊𝝑𝑨𝑾(𝑿𝒋)|𝒋 ∈ 𝑱𝟏))

Bước 6 : Tính toán độ khác biệt giữa các phương án so với phương án tốt nhất

và tồi nhất

Có nhiều công thức tính khoảng cách như công thức khoảng cách Hamming, khoảng cách Euclid Ở đây ta sử dụng khoảng cách Euclid để tính khoảng cách giữa các phương án với phương án tốt nhất và tồi nhất

Bước 7 : Tính khoảng cách tương đối gần nhất so với phương án lý tưởng

Khoảng cách tương đối của lựa chọn 𝑨𝒊 so với phương án lý tưởng được định nghĩa như sau :

𝑪𝒊∗ = 𝑺𝒊−

𝑺𝒊∗ + 𝑺𝒊−Trong đó 𝟎 ≤ 𝑪𝒊∗ ≤ 𝟏

Bước 8 : Xếp hạng các phương án lựa chọn

Sắp xếp các khoảng cách tính được ở bước 7 theo thứ tự giảm dần Phương án tốt nhất là phương án có 𝑪𝒊∗ lớn nhất

1.3.2 Phương pháp ELECTRE

Phương pháp ELECTRE (Elimination Et Choice Translating REality) được Roy (1968) và Benayoun (1966) đưa ra, sử dụng khái niệm về mối quan hệ cấp cao hơn (outranking) Phương pháp này sử dụng 2 chỉ số là chỉ số tương thích và chỉ số đối nghịch Chỉ số tương thích C(a,b) xác định lựa chọn a tốt như lựa chọn b ít nhất bao nhiêu Chỉ số đối nghịch D(a,b) xác định mức độ mà b chắc chắn được thích hơn a

Các bước thực hiện trong phương pháp ELECTRE:

Bước 1: Xác định ma trận quyết định

Cho 𝑋𝑖𝑗 = (𝜇𝑖𝑗, 𝜗𝑖𝑗, 𝜋𝑖𝑗), trong đó 𝜇𝑖𝑗 là độ phụ thuộc của lựa chọn thứ i với th là

độ không chắc chăuộc tính j, 𝜗𝑖𝑗 là độ không phụ thuộc của lựa chọn i với thuộc tính j và 𝜋𝑖𝑗 là độ không chắc chắn của lựa chọn i với thuộc tính j

W là tập các trọng số của các thuộc tính mà người ra quyết định đưa ra

𝑤𝑖 là trọng số của thuộc tính 𝑋𝑖

Ta có ∑𝑛𝑖=1𝑤𝑖= 1

Bước 2: Xác định các tập tương thích và đối nghịch

Ở bước này, ta sử dụng khái niệm quan hệ trong tập mờ cảm nhận để xác định tập tương thích và đối nghịch Ví dụ, ta có thể chia thành các loại tương thích mạnh, tương thích trung bình, tương thích yếu

Tập tương thích mạnh 𝐶𝑘𝑙 của lựa chọn 𝐴𝑘 và 𝐴𝑙 là tập tất cả các thuộc tính trong đó lựa chọn 𝐴𝑘 được thích hơn lựa chọn 𝐴𝑙

Biểu diễn dưới dạng công thức như sau:

𝐶𝑘𝑙 = {𝑗|𝜇𝑘𝑗 ≥ 𝜇𝑙𝑗, 𝜗𝑘𝑗 < 𝜗𝑙𝑗, 𝜋𝑘𝑗 < 𝜋𝑙𝑗}

𝐶′𝑘𝑙 = {𝑗|𝜇𝑘𝑗 ≥ 𝜇𝑙𝑗, 𝜗𝑘𝑗 < 𝜗𝑙𝑗, 𝜋𝑘𝑗 ≥ 𝜋𝑙𝑗}

𝐶′′𝑘𝑙 = {𝑗|𝜇𝑘𝑗 ≥ 𝜇𝑙𝑗, 𝜗𝑘𝑗 ≥ 𝜗𝑙𝑗} Tập đối nghịch mạnh 𝐷𝑘𝑙, tập đối nghịch trung bình 𝐷′𝑘𝑙, tập đối nghịch yếu

𝐷′′𝑘𝑙được định nghĩa như sau:

𝐷𝑘𝑙 = {𝑗|𝜇𝑘𝑗 < 𝜇𝑙𝑗, 𝜗𝑘𝑗 ≥ 𝜗𝑙𝑗, 𝜋𝑘𝑗 ≥ 𝜋𝑙𝑗}

𝐷′𝑘𝑙 = {𝑗|𝜇𝑘𝑗 < 𝜇𝑙𝑗, 𝜗𝑘𝑗 ≥ 𝜗𝑙𝑗, 𝜋𝑘𝑗 < 𝜋𝑙𝑗}

𝐷′′𝑘𝑙 = {𝑗|𝜇𝑘𝑗 < 𝜇𝑙𝑗, 𝜗𝑘𝑗 < 𝜗𝑙𝑗} Người ra quyết định đưa ra tập các trọng số cho các tập tương thích và đối nghịch này 𝑤𝐶, 𝑤𝐶′, 𝑤𝐶′′, 𝑤𝐷, 𝑤𝐷′, 𝑤𝐷′′ tương ứng là trọng số của các tập

𝐶𝑘𝑙, 𝐶′𝑘𝑙, 𝐶′′𝑘𝑙, 𝐷𝑘𝑙, 𝐷′𝑘𝑙, 𝐷′′𝑘𝑙

Bước 3: Tính ma trận tương thích

Gía trị tương đối của các tập tương thích được tính theo chỉ số tương thích Chỉ số tương thích là tổng các trọng số kết hợp với các thuộc tính với các thành phần trong tập tương thích Chỉ số tương thích 𝑐𝑘𝑙 giữa 𝐴𝑘 và 𝐴𝑙 được xác định như sau:

𝑑𝑖𝑠(𝑋𝑘𝑗, 𝑋𝑙𝑗) = √1

2((𝜇𝑘𝑗 − 𝜇𝑙𝑗)2+ (𝜗𝑘𝑗 − 𝜗𝑙𝑗)2+ (𝜋𝑘𝑗 − 𝜋𝑙𝑗)2)

𝑤𝐷∗ tương ứng với 𝑤𝐷 , 𝑤𝐷′, 𝑤𝐷′′

Bước 5: Xác định mà trận ưu thế tương thích

Ma trận này được tính toán dựa trên chỉ số tương thích Lựa chọn 𝐴𝑘 có ưu thế hơn

so với lựa chọn 𝐴𝑙 nếu chỉ số tương thích 𝑐𝑘𝑙 ≥ 𝑐̅ , trong đó:

𝑚 𝑙=1,𝑙≠𝑘

𝑚 𝑘=1,𝑘≠𝑙

𝑚 × (𝑚 − 1)Sau đó, ta xây dựng ma trận F kiểu Boolean biểu diễn độ ưu tiên của 1 lựa chọn này

so với 1 lựa chọn khác, trong đó, các phần tử dược định nghĩa như sau:

{𝑓𝑘𝑙 = 1 𝑛ế𝑢 𝑐𝑘𝑙 ≥ 𝑐̅

𝑓𝑘𝑙 = 0 𝑛ế𝑢 𝑐𝑘𝑙 < 𝑐̅

Bước 6: Xác định ma trận ưu tiên đối nghịch G

Ma trận này được xây dựng tương tự với ma trận F dựa trên giá trị ngưỡng 𝑑̅

𝑚 𝑙=1,𝑙≠𝑘

𝑚 𝑘=1,𝑘≠𝑙

𝑚 × (𝑚 − 1)

Ma trận G biểu diễn mối quan hệ ưu tiên giữa 2 lựa chọn, trong đó các phần tử của

ma trận được xác định như sau:

{𝑔𝑘𝑙 = 1 𝑛ế𝑢 𝑑𝑘𝑙 ≤ 𝑑̅

𝑔𝑘𝑙 = 0 𝑛ế𝑢 𝑑𝑘𝑙 > 𝑑̅

Bước 7: Xác định ma trận ưu tiên kết hợp

Bước này để tính giao giữa 2 ma trận ưu tiên tương thích F và ma trận ưu tiên đối nghịch G Ma trận ưu tiên kết hợp E có các phần tử được định nghĩa như sau:

𝑒𝑘𝑙 = 𝑓𝑘𝑙× 𝑔𝑘𝑙

Bước 8: Loại bỏ các lựa chọn ít được thích hơn

Nhìn vào ma trận E ta thấy, nếu 𝑒𝑘𝑙 = 1, điều đó có nghĩa là 𝐴𝑘 được thích hơn 𝐴𝑙

kể cả về tiêu chí tương thích và đối nghịch, nhưng vẫn có thể có tiêu chí khác được thích hơn 𝐴𝑘 Vì vậy, điều kiện để không có tiêu chí khác được thích hơn 𝐴𝑘 là: ít nhất có 1 𝑒𝑘𝑙 = 1 với l = 1, 2, …, m, k≠ 𝑙 và 𝑒𝑖𝑘 = 0 ∀ 𝑖 = 1, 2, … , 𝑚, 𝑖 ≠ 𝑘, 𝑖 ≠ 𝑙

Phương pháp xếp hạng với chỉ số TOPSIS

Vì phương pháp ELECTRE không xếp hạng các lựa chọn nên ta sử dụng chỉ số TOPSIS để xếp hạng chúng

Bước 5b Xác định ma trận ưu tiên tương thích:

Giả sử 𝑐∗ là giá trị ln nhất trong ma trận tương thích Ta sử dụng công thức sau để xác định các giá trị trong ma trận ưu tiên tương thích C’

𝑐𝑘𝑙′ = 𝑐∗− 𝑐𝑘𝑙

Bước 6b Xác định ma trận ưu tiên đối nghịch D’

Giả sử 𝑑∗ là giá trị lớn nhất trong ma trận đối nghịch Ta sử dụng công thức sau để xác định các giá trị trong ma trận ưu tiên đối nghịch D’

𝑑𝑘𝑙′ = 𝑑∗− 𝑑𝑘𝑙

Bước 7b Xác định ma trận ưu tiên kết hợp P

Phần tử 𝑝𝑘𝑙 của ma trận P được xác định như sau:

𝐴∗= 𝑚𝑎𝑥{𝑝̅̅̅} 𝑘

Và các lựa chọn được sắp xếp theo tứ tự tăng dần của 𝐴𝑗

CHƯƠNG 2 BÀI TOÁN ĐÁNH GIÁ, XẾP HẠNG PHÒNG GIAO DỊCH

TRONG HỆ THÔNG NGÂN HÀNG

2.1 ĐẶT VẤN ĐỀ

Hiện nay, trong môi trường cạnh tranh đầy khốc liệt, chất lượng dịch vụ luôn là mối quan tâm hàng đầu của các đơn vị kinh doanh Để đánh giá thực trạng cũng như nâng cao chất lượng dịch vụ, nhiều đơn vị đã sử dụng dịch vụ Khách hàng bí mật Dịch vụ Khách hàng bí ẩn/ Khách hàng bí mật (Mystery Shopping) là một chương trình kiểm soát chất lượng phục vụ, kỹ năng bán hàng, cách thức người nhân viên trò chuyện với khách trực tiếp và qua điện thoại, đồng thời cũng là công cụ trợ giúp đắc lực trong việc đánh giá chất lượng sản phẩm, không gian giao dịch của Ngân hàng thương mại (NHTM) nhằm tăng hiệu quả kinh doanh Đây là hoạt động nghiên cứu thị trường bằng cách cử những khách hàng bí mật trà trộn trong số khách hàng thực sự đến các quầy giao dịch, quỹ tiết kiệm hoặc văn phòng của NHTM để tìm hiểu trực tiếp Dịch vụ này bao gồm sự đánh giá khách quan thông qua các tiêu chí đã được xây dựng với các thang điểm cụ thể Chính vì thế Mystery Shopping luôn được những người làm công tác marketing và quản lý nhân sự coi là một công cụ trợ giúp đắc lực trong việc đánh giá chất lượng nguồn nhân lực, đánh giá chỉ số cạnh tranh, giám sát chất lượng dịch vụ, tổ chức điểm giao dịch và rất nhiều yếu tố khác trong kinh doanh

Chương này sẽ trình bày các vấn đề sau:

 Đặt vấn đề

 Mô hình hóa bài toán

Thông như những nghiên cứu khảo sát thông thường, kết quả của dịch vụ “khách hàng bí ẩn” được xem là khá khách quan Kết quả này được tổng hợp thành những báo cáo cụ thể với nhiều lợi ích:

- Giúp nhà quản lý đánh giá trong nội bộ NHTM về tính tự giác, tính trung thực; điểm yếu trong giao tiếp, điểm yếu trong kiến thức chuyên môn và mức độ nhiệt tình của nhân viên đối với các chủ trương của ngân hàng đề ra;

- Đo lường hiệu suất thực hiện các chương trình PR, quảng cáo, khuyến mại… tại các điểm giao dịch;

- Cập nhật thông tin của đối thủ (những thông tin chung, thông tin về các

sự kiện hoặc chương trình khuyến mại của ngân hàng đối thủ);

- Tạo cho nhân viên tính cẩn thận và phải chăm sóc khách hàng tốt hơn khi

họ tiếp xúc giao dịch

Những thông tin từ Mystery Shopping là những bằng chứng hữu ích để phục vụ công tác quản lý nhân sự và đào tạo nguồn nhân lực tại ngân hàng

Mystery Shopping là một dịch vụ mới mẻ ở Việt Nam Một số NHTM Việt Nam đã bắt đầu sử dụng Mystery Shopping, có NHTM cử cán bộ của mình đóng vai “khách hàng bí ẩn”, nhưng cũng có NHTM thuê ngoài (Outsoursing) Các công ty thực hiện dịch vụ này có đội ngũ nhân viên được huấn luyện chuyên để đóng làm khách hàng có nhu cầu sử dụng các sản phẩm dịch vụ của ngân hàng, bảo đảm tính khách quan hơn

Các nhân viên đóng làm “khách hàng bí ẩn” đòi hỏi phải tiến hành giao dịch thật về sản phẩm dịch vụ nào đó, có khả năng diễn xuất và xử lý tình huống tốt Những giao dịch đánh giá phải đảm bảo tính bí mật tuyệt đối, tức là nhân viên ngân hàng không bao giờ biết được vị khách này đang đánh giá mình Mọi giao dịch đánh giá nếu bị nhân viên ngân hàng phát hiện đều phải hủy bỏ và thay thế bằng một khách hàng đánh giá mới với kịch bản hoàn toàn khác

Trên cơ sở những kịch bản đã xây dựng sẵn, nhóm “khách hàng bí ẩn” sẽ tiến hành khảo sát một loạt tiêu chí, qua số mẫu gồm: X giao dịch viên và Y nhân viên tư vấn tín dụng, tại N PGD của NHTM (hoặc thêm một vài PGD của ngân hàng đối thủ) Các tiêu chí, số lượng mẫu đều tùy thuộc vào sự “đặt hàng” của các NHTM tại từng thời điểm cụ thể Nhưng về cơ bản, các NHTM thường quan tâm tới một số mảng chính như: đánh giá thái độ và cách phục vụ của nhân viên ngân hàng; Đánh giá trình độ hiểu biết, tư vấn của nhân viên ngân hàng và đánh giá không gian bên trong, bên ngoài NHTM

Ngoài ra, Mystery Shopping cũng chia ra làm 2 nhóm đối tượng là khách hàng cá nhân và khách hàng doanh nghiệp Theo đó, ở vai “khách hàng cá nhân bí ẩn” sẽ đến giao dịch tại một phòng giao dịch nào đó mà NHTM đã thỏa thuận với công ty dịch vụ Các kịch bản được xây dựng tương đối đa dạng Chẳng hạn như tiến hành

mở tài khoản và nhờ tư vấn các gói tiền gửi (chưa đề cập số tiền định gửi, thời hạn định gửi, thời gian cần rút tiền ra); hoặc yêu cầu nhân viên tư vấn về các gói tiết kiệm và gửi tiền tiết kiệm; tiến hành yêu cầu rút tiền tiết kiệm,.v.v

Ở vai “khách hàng doanh nghiệp bí ẩn”, những nhân viên đóng vai sử dụng một số kịch bản như: có nhu cầu tư vấn gói cho vay và thủ tục cho vay; hoặc đóng vai khách hàng hỏi về gói vay, có nhu cầu gấp song thiếu vài báo cáo tài chính để xem người nhân viên tín dụng xử lý các tình huống này như thế nào,

Đối với không gian bên trong, Mystery Shopping tập trung vào các yếu tố như: sạch

sẽ, gọn gàng, thoáng mát Ngoài ra, một số các NHTM cũng yêu cầu đánh giá bổ sung thêm về nhân viên bảo vệ, thái độ bảo vệ và bãi giữ xe được tổ chức ra sao,

Tất cả những báo cáo của các nhân viên trong vai “khách hàng bí ẩn” đều được ghi chép cẩn thận dựa trên khả năng quan sát, kết hợp với những đoạn ghi âm, chụp ảnh hay video có thể đối chứng Sau đó kết quả sẽ được tổng hợp, so sánh và phân tích bằng những phần mềm thống kê chuyên biệt để đưa ra các tiêu chí đánh giá, phân loại nhân viên, phân loại phòng giao dịch… từ đó có những báo cáo nhận định

cụ thể và hướng phát triển trong giai đoạn tiếp theo gửi về cho Lãnh đạo chi nhánh, các Phòng, Ban liên quan tại Trụ sở chính

Là một ngân hàng TMCP hàng đầu tại Việt Nam, Vietinbank luôn phấn đấu để nâng cao chất lượng dịch vụ một cách tốt nhất tới khách hàng Việc áp dụng các thông tin trong chương trình Khách hàng bí mật trong việc đánh giá, xếp hạng phòng giao dịch luôn được ưu tiên hàng đầu Và phương pháp đánh giá dựa trên các phương pháp ra quyết định đa thuộc tính với thông tin mờ là một phương pháp tốt và chính xác

2.2 MÔ HÌNH HÓA BÀI TOÁN

Hiện nay, Vietinbank đang thực hiện đánh giá các phòng giao dịch dựa theo các tiêu chí sau:

- Cảnh quan phòng giao dịch

- Thái độ của giao dịch viên

- Trình độ tư vấn của giao dịch viên

- Thái độ của nhân viên bảo vệ

Tầm quan trọng của các tiêu chí này được chia thành 9 mức: Rất rất cao, Rất cao, Cao, Khá Cao, Trung Bình, Khá Thấp, Thấp, Rất thấp, Rất rất thấp

Đội ngũ cán bộ, chuyên gia thực hiện đánh giá bao gồm các cán bộ được giao nhiệm vụ thuộc phòng ISO, khối bán lẻ, khối khách hàng doanh nghiệp

Tầm quan trọng của các cán bộ này hiện chia thành 9 mức: Rất rất cao, Rất cao, Cao, Khá Cao, Trung Bình, Khá Thấp, Thấp, Rất thấp, Rất rất thấp

Dựa trên các thông tin được thu thập qua chương trình khách hàng bí mật như ảnh, đoạn băng ghi âm, video, … nhóm cán bộ trên thực hiện đánh giá các phòng giao dịch thông qua các tiêu chí trên Mức độ đánh giá các tiêu chí này được chia thành 9 mức: Rất rất tốt, Rất tốt, Tốt, Khá, Trung Bình,Khá Kém, Kém, Rất Kém, Rất rất kém

Bài toán được mô tả lại như sau:

𝐴 = {𝐴1, 𝐴2, … 𝐴𝑚} : Tập các lựa chọn: m PGD được chọn để đánh giá

X= {𝑋1, 𝑋2, … 𝑋𝑛} Tập các thuộc tính Ở đây n = 4 với

𝑋 : Cảnh quan phòng giao dịch

𝑋2 : Thái độ của giao dịch viên

𝑋3 : Trình độ tư vấn của giao dịch viên

𝑋4 : Thái độ của nhân viên bảo vệ

Bảng biểu diễn tầm quan trọng của người đánh giá và độ quan trọng của các thuộc tính theo số mờ cảm nhận