Mô hình ahp là gì? Các bài nghiên cứu khoa học liên quan

Khái niệm mô hình AHP

Mô hình AHP (Analytic Hierarchy Process) là một phương pháp phân tích định lượng và định tính trong ra quyết định đa tiêu chí (MCDM – Multi-Criteria Decision Making), do giáo sư Thomas L. Saaty phát triển vào thập niên 1970. AHP cho phép chia nhỏ một bài toán phức tạp thành một hệ thống phân cấp gồm mục tiêu, các tiêu chí đánh giá và các phương án lựa chọn, sau đó thực hiện so sánh cặp để xác định mức độ ưu tiên của từng yếu tố.

AHP đặc biệt hữu ích trong các tình huống khi thông tin không đầy đủ, đánh giá chủ quan là cần thiết và các yếu tố so sánh có tính chất khác nhau về đơn vị đo lường hoặc bản chất (định tính và định lượng). Phương pháp này được ứng dụng trong nhiều lĩnh vực như quản trị chiến lược, hậu cần, quy hoạch đô thị, đánh giá rủi ro, lựa chọn nhà cung cấp, và nhiều ngành công nghiệp khác.

Một số điểm nổi bật của mô hình AHP:

Phân rã vấn đề phức tạp thành cấu trúc phân cấp rõ ràng
Kết hợp định lượng và định tính trong quá trình ra quyết định
Cho phép so sánh các yếu tố không đồng nhất (ví dụ: chi phí so với uy tín)
Đánh giá mức độ nhất quán trong các đánh giá của người ra quyết định

Cấu trúc phân cấp trong AHP

Mô hình AHP bắt đầu bằng việc xây dựng một hệ thống phân cấp gồm ba hoặc nhiều cấp. Ở cấp cao nhất là mục tiêu tổng quát của bài toán ra quyết định. Các cấp tiếp theo là các tiêu chí, tiêu chí phụ (nếu có), và ở cấp thấp nhất là các phương án cần lựa chọn hoặc đánh giá. Việc tổ chức phân cấp này giúp người ra quyết định dễ dàng hình dung cấu trúc logic của vấn đề và mối quan hệ giữa các thành phần.

Ví dụ, trong một bài toán lựa chọn nhà cung cấp, cấu trúc phân cấp có thể được xây dựng như sau:

Cấp độ	Nội dung
Cấp 1	Lựa chọn nhà cung cấp tốt nhất (Mục tiêu)
Cấp 2	Chi phí, chất lượng, thời gian giao hàng, độ tin cậy (Tiêu chí)
Cấp 3	Nhà cung cấp A, B, C (Phương án)

Sự phân rã rõ ràng này giúp người dùng tập trung vào từng cấp riêng biệt khi đưa ra đánh giá và giảm thiểu sai sót trong quá trình so sánh. Mỗi cấp độ được đánh giá độc lập bằng so sánh cặp, sau đó kết quả được tổng hợp để đưa ra quyết định cuối cùng.

So sánh cặp và ma trận đánh giá

So sánh cặp (pairwise comparison) là bước trung tâm trong phương pháp AHP. Người đánh giá sẽ so sánh hai yếu tố cùng cấp độ (ví dụ: giữa “chi phí” và “chất lượng”) để xác định yếu tố nào quan trọng hơn và mức độ quan trọng là bao nhiêu. Thang đo so sánh cặp được Saaty đề xuất là thang điểm từ 1 đến 9, trong đó:

Giá trị	Ý nghĩa
1	Hai yếu tố quan trọng như nhau
3	Một yếu tố hơi quan trọng hơn
5	Một yếu tố quan trọng hơn rõ ràng
7	Một yếu tố rất quan trọng hơn
9	Một yếu tố tuyệt đối quan trọng hơn
2, 4, 6, 8	Giá trị trung gian giữa hai mức gần nhất

Từ các đánh giá này, một ma trận vuông được hình thành, gọi là ma trận so sánh cặp. Ma trận này có các đặc tính:

Đường chéo chính luôn bằng 1
Phần tử đối xứng: nếu a_ij = x thì a_ji = 1/x

Ma trận được sử dụng để tính trọng số tương đối của từng yếu tố.

Tính toán vector trọng số và giá trị riêng

Sau khi hoàn thiện ma trận so sánh cặp, bước tiếp theo là tính toán trọng số tương đối (còn gọi là priority vector) cho mỗi tiêu chí hoặc phương án. Có nhiều phương pháp tính, nhưng phổ biến nhất là phương pháp giá trị riêng (Eigenvalue Method), trong đó vector trọng số là nghiệm chính của phương trình ma trận:

$Aw = \lambda_{\text{max}} w$ trong đó $A$ là ma trận so sánh cặp, $w$ là vector trọng số, và $\lambda_{\text{max}}$ là giá trị riêng lớn nhất.

Quy trình tính toán có thể tóm tắt:

Chuẩn hóa từng cột của ma trận so sánh
Tính trung bình hàng → ra vector trọng số
Tính giá trị riêng để kiểm tra tính nhất quán

Trong thực tế, phần lớn người dùng sử dụng phần mềm hoặc công cụ tính toán (như Excel hoặc phần mềm chuyên dụng) để tính các vector trọng số thay vì thực hiện thủ công, đặc biệt khi ma trận có kích thước lớn.

Chỉ số nhất quán và kiểm tra tính hợp lý

Một trong những tính năng quan trọng nhất của mô hình AHP là khả năng đánh giá mức độ nhất quán trong các đánh giá của người ra quyết định. Việc đưa ra các so sánh cặp chủ quan rất dễ dẫn đến mâu thuẫn logic (inconsistency), đặc biệt khi số lượng tiêu chí tăng lên. Để phát hiện và định lượng điều này, mô hình sử dụng Chỉ số nhất quán (CI) và Tỷ lệ nhất quán (CR).

Chỉ số nhất quán (Consistency Index) được tính bằng công thức: $CI = \frac{\lambda_{\text{max}} - n}{n - 1}$ với $\lambda_{\text{max}}$ là giá trị riêng lớn nhất của ma trận và $n$ là số tiêu chí. Tiếp theo, CR được tính bằng: $CR = \frac{CI}{RI}$ trong đó $RI$ là chỉ số ngẫu nhiên (random index), được xác định trước theo số hàng (n).

Bảng giá trị RI theo số tiêu chí:

Số tiêu chí (n)	RI
1	0.00
2	0.00
3	0.58
4	0.90
5	1.12
6	1.24
7	1.32
8	1.41

Nếu $CR < 0.1$ , mức độ nhất quán được chấp nhận. Nếu lớn hơn 0.1, người đánh giá nên xem lại các so sánh cặp để điều chỉnh. Điều này giúp đảm bảo rằng các kết luận từ AHP không dựa trên dữ liệu sai lệch do thiếu nhất quán nội tại.

Ưu điểm và hạn chế của AHP

Mô hình AHP được đánh giá cao vì khả năng tích hợp cả dữ liệu định tính và định lượng trong một hệ thống logic, minh bạch và có thể lặp lại. Các ưu điểm chính bao gồm:

Giúp phân tích rõ ràng các yếu tố cấu thành quyết định
Cho phép kết hợp nhiều tiêu chí không đồng nhất
Hệ thống kiểm tra tính nhất quán giúp tăng độ tin cậy
Dễ hiểu và có thể ứng dụng ngay cả khi không có dữ liệu chính xác

Tuy nhiên, AHP cũng tồn tại một số nhược điểm:

Khó áp dụng khi số tiêu chí hoặc lựa chọn quá lớn (ma trận quá phức tạp)
Có thể bị ảnh hưởng bởi thiên kiến chủ quan của người đánh giá
Không phản ánh mối liên kết giữa các tiêu chí (nếu có)
Tính toán thủ công dễ gây sai sót nếu không có công cụ hỗ trợ

Ứng dụng của mô hình AHP

AHP đã được ứng dụng rộng rãi trong các ngành công nghiệp và lĩnh vực nghiên cứu khác nhau. Một số lĩnh vực ứng dụng tiêu biểu:

Quản lý chuỗi cung ứng: lựa chọn nhà cung cấp, tuyến vận tải
Kế hoạch chiến lược: phân tích SWOT định lượng
Đánh giá rủi ro trong dự án và xây dựng
Quy hoạch sử dụng đất, môi trường và phát triển đô thị
Giáo dục và y tế: đánh giá chương trình đào tạo, lựa chọn phương pháp điều trị

Một nghiên cứu điển hình là việc sử dụng AHP để lựa chọn vị trí nhà máy tại Malaysia, trong đó các tiêu chí như chi phí, tiếp cận thị trường, lao động và hạ tầng được phân tích để đưa ra quyết định tối ưu. Tham khảo: European Journal of Operational Research.

Các phần mềm hỗ trợ AHP

Để hỗ trợ quá trình xây dựng mô hình, tính toán trọng số và kiểm tra tính nhất quán, nhiều phần mềm và công cụ đã được phát triển. Một số phần mềm nổi bật:

Super Decisions – phần mềm chính thức do nhóm của Saaty phát triển, hỗ trợ cả AHP và ANP
Expert Choice – công cụ trực quan, thân thiện với người dùng
AHP Calculator (BPMSG) – công cụ trực tuyến miễn phí cho tính toán AHP cơ bản
MATLAB, R, Python (với thư viện như ahpy, pyahp) – hỗ trợ xử lý linh hoạt, đặc biệt với bài toán quy mô lớn

Các phần mềm này cho phép người dùng tạo cây phân cấp, nhập ma trận so sánh, tính vector trọng số, đánh giá chỉ số CR và xuất báo cáo kết quả một cách trực quan, chính xác.

So sánh AHP với các phương pháp ra quyết định khác

AHP chỉ là một trong nhiều phương pháp trong nhóm MCDM (Multi-Criteria Decision Making). Việc lựa chọn phương pháp phù hợp phụ thuộc vào bản chất của vấn đề và yêu cầu phân tích. Một số phương pháp khác thường được so sánh với AHP gồm:

TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)
ANP (Analytic Network Process – phần mở rộng của AHP)
ELECTRE và PROMETHEE – phương pháp ra quyết định dựa trên quan hệ thứ bậc

Bảng so sánh đặc điểm giữa AHP và một số phương pháp khác:

Phương pháp	Có so sánh cặp	Kiểm tra nhất quán	Xử lý mối liên kết tiêu chí
AHP	Có	Có	Không
ANP	Có	Có	Có
TOPSIS	Không	Không	Không

ANP phù hợp khi các tiêu chí không độc lập, trong khi TOPSIS thường dùng khi có dữ liệu định lượng rõ ràng và muốn so sánh với phương án lý tưởng.