Robustness of sustainable aviation fuel supplier rankings under alternative fuzzy representations and MCDM methods
تؤكد هذه الدراسة متانة تصنيف SAF1 كأفضل مورد لوقود الطيران المستدام عبر مختلف التمثيلات الضبابية وطرق اتخاذ القرار متعدد المعايير، مع تسليط الضوء على أنه على الرغم من ثبات المرشح الرائد، فإن الترتيب الكامل للموردين يتفاوت ويجب التعامل معه كأولوية لإجراء مزيد من العناية الواجبة بدلاً من كونه اختياراً تلقائياً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك قبطان لأسطول طيران ضخم، ومهمتك هي الانتقال من حرق الوقود الأحفوري الملوث إلى بديل أنظف وأكثر رفقاً بالبيئة يسمى "وقود الطيران المستدام" (SAF). ولكن، إليك العقبة: لا يمكنك ببساطة اختيار مورد وقود بشكل عشوائي. بل عليك اختيار الأفضل من بين مجموعة من الخيارات، وعليك موازنة عشرات العوامل المختلفة في وقت واحد. بعض هذه العوامل تتعلق بالمال (كم تبلغ التكلفة؟)، وبعضها يتعلق بالكوكب (كم مقدار التلوث الذي ستوفره؟)، وبعضها الآخر يتعلق بالخدمات اللوجستية (هل يمكنهم التسليم في الوقت المحدد؟). هذه هي مشكلة "اتخاذ القرار متعدد المعايير" الكلاسيكية، وهي مجرد طريقة معقدة لقول: "كيف تتخذ القرار المثالي عندما يكون لكل خيار نقاط قوة ونقاط ضعف؟"
في العالم الحقيقي، نادراً ما نملك أرقاماً مثالية وواضحة تماماً. غالباً ما يتعين علينا الاعتماد على خبراء بشريين يقولون أشياء مثل "مرتفع"، "متوسط"، أو "مرتفع جداً" بدلاً من مبالغ مالية دقيقة. وللتعامل مع هذا الغموض، يستخدم العلماء أدوات رياضية خاصة تسمى "المنطق الضبابي" (fuzzy logic) و"تحليل عدم اليقين". فكر في هذه الأدوات كوسيلة لتحويل التخمينات الغامضة إلى نطاق من الاحتمالات، مثل رسم هدف باستخدام قلم عريض بدلاً من نقطة صغيرة. السؤال الكبير لشركات الطيران هو: إذا غيرنا طريقة رسم ذلك الهدف، أو إذا غيرنا القواعد الخاصة بكيفية حساب النقاط، فهل سيبقى اختيارنا لـ "أفضل" مورد كما هو، أم سينقلب رأساً على عقب؟
هذا هو بالضبط ما تبحث فيه دراسة بوشرا ألتنكايناك (Büşra Altınkaynak). تأخذ المؤلفة تصنيفاً تم نشره سابقاً لثلاثة موردين لوقود الطيران المستدام — لنسمّهم SAF1 و SAF2 و SAF3 — وتضعهم تحت اختبار "إجهاد" صارم. تخيل أن لديك وصفة لصنع كعكة يتفق الجميع على أنها الأفضل. ولكن ماذا لو غيرت نوع الدقيق، أو طريقة خلط العجين، أو درجة حرارة الفرن؟ هل ستظل الكعكة بنفس المذاق، أم ستتحول إلى حلوى مختلفة تماماً؟
في هذه الدراسة، "الوصفة" هي النموذج الرياضي المستخدم لاختيار الفائز. كانت الدراسة الأصلية (التي أجراها إيسر وآخرون - Ecer et al.) قد اختارت بالفعل فائزاً، لكن ألتنكايناك أرادت معرفة ما إذا كان هذا الفائز قوياً حقاً أم أنه كان مجرد ضربة حظ بسبب الرياضيات المستخدمة تحديداً. لقد أعادت تشغيل عملية الاختيار بأكملها باستخدام نسخ مختلفة من الرياضيات "الضبابية"، وطرق مختلفة لوزن أهمية المعايير، وخوارزميات ترتيب مختلفة.
إليك ما وجدته:
أولاً، تغير "الفائز" فعلياً على الفور. قالت الدراسة الأصلية إن SAF2 هو الأفضل. ومع ذلك، بمجرد أن قامت ألتنكايناك بتغيير الرياضيات إلى نوع مختلف من الأرقام الضبابية (تحويل المصطلحات الغامضة مثل "مرتفع" و"منخفض" إلى أشكال مثلثية محددة) وحللت عدم اليقين، أعلنت الرياضيات الجديدة أن SAF1 هو الفائز. حدث هذا في الخطوة الأولى تماماً من إعادة حساباتها.
بمجرد أن استولى SAF1 على المركز الأول، ظل ثابتاً عليه. فمهما عدلت في الأجزاء الأخرى من الرياضيات — سواء استخدمت طريقة مختلفة لحساب أهمية المعايير (بالانتقال من طريقة إلى أخرى تسمى MEREC) أو استخدمت صيغ ترتيب مختلفة (مثل MARCOS أو CRADIS أو TOPSIS أو COPRAS) — ظل SAF1 هو الخيار رقم واحد.
ومع ذلك، تصبح القصة أكثر تعقيداً عند النظر إلى الوصيفين. فبينما اتفق الجميع على أن SAF1 هو الأفضل، اختلفت الطرق في تحديد من جاء في المركز الثاني والثالث.
- اتفقت طريقتان (MARCOS و CRADIS) تماماً على القائمة بأكملها: SAF1، ثم SAF2، ثم SAF3.
- اتفقت طريقة أخرى (TOPSIS) على أن SAF1 هو الأول، لكنها قلبت ترتيب الاثنين الآخرين، واضعةً SAF3 قبل SAF2.
- عادت طريقة رابعة (COPRAS) إلى الترتيب الأصلي: SAF1، ثم SAF2، ثم SAF3.
كما اختبرت الدراسة مدى "صلابة" هذه التصنيفات. فقد قامت بمحاكاة تغييرات صغيرة في أهمية المعايير (مثل القول بأن "التكلفة أكثر أهمية بنسبة 10% من المعتاد") لمعرفة ما إذا كانت التصنيفات ستنهار. وأظهرت النتائج أن ترتيب الموردين كان مستقراً للغاية؛ فلم تتقلب التصنيفات لمجرد تغير الأوزان قليلاً.
إذاً، ماذا يعني هذا لقبطان شركة الطيران؟ تشير الدراسة إلى أن SAF1 هو مرشح قوي جداً ويجب أن يكون هو الأولوية لمزيد من البحث والتحري. فالرياضيات متسقة بشكل مدهش حول كون SAF1 هو الأفضل، حتى عندما تتغير قواعد اللعبة. ومع ذلك، تحذر الدراسة أيضاً من أننا لا ينبغي أن نكون واثقين جداً بشأن الترتيب الدقيق للثاني والثالث. فـ "ضبابية" البيانات واختيار طريقة الرياضيات يمكن أن يغير من يحل في المركز الثاني.
باختاختصار، تخلص الورقة البحثية إلى أنه بينما يبدو SAF1 كمرشح أمامي واضح، لا ينبغي لشركات الطيران توقيع عقد فوراً بناءً على تصنيف حاسوبي واحد. بدلاً من ذلك، يجب عليهم التعامل مع SAF1 كخيار أول للبحث والتحري، مع إبقاء SAF2 و SAF3 في المنافسة حتى تتوفر لديهم بيانات أكثر واقعية وملموسة لاتخاذ القرار بينهما. تثبت الدراسة أنه بينما يمكن أن يكون الخيار "الأفضل" قوياً وثابتاً، فإن الخيار "الثاني الأفضل" غالباً ما يكون مسألة وجهة نظر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.