اولویت‌بندی ریسک‌های زیست‌محیطی گردشگری با رویکرد تصمیم‌گیری چندمعیاره مبتنی بر اعداد  Z

نویسندگان

  • Shakiba Shabani گروه مهندسی صنایع، دانشگاه صنعتی ارومیه، ارومیه، ایران.
  • فرید ممیزی * گروه مهندسی صنایع، دانشگاه صنعتی ارومیه، ارومیه، ایران. https://orcid.org/0000-0001-8074-6504
  • سعید جعفرزاده قوشچی گروه مهندسی صنایع، دانشگاه صنعتی ارومیه، ارومیه، ایران. https://orcid.org/0000-0003-3665-9010

https://doi.org/10.22105/msda.v4i1.143

چکیده

هدف: گسترش فعالیت‌های گردشگری، علاوه بر آثار اقتصادی و اجتماعی، می‌تواند پیامدهای قابل‌توجهی برای محیط‌زیست به همراه داشته باشد. شناسایی و اولویت‌بندی ریسک‌های زیست‌محیطی ناشی از گردشگری، پیش‌نیاز تدوین سیاست‌ها و اقدامات موثر برای توسعه پایدار این صنعت است. با این حال، ارزیابی این ریسک‌ها معمولا با عدم‌قطعیت و ابهام در قضاوت‌های کارشناسی همراه است و روش‌های متعارف ارزیابی ریسک توانایی محدودی در مدیریت این شرایط دارند. در پاسخ به این چالش، پژوهش حاضر با هدف ارزیابی و اولویت‌بندی ریسک‌های زیست‌محیطی فعالیت‌های گردشگری در شهر ارومیه با بهره‌گیری از یک چارچوب تصمیم‌گیری چندمعیاره مبتنی بر اعداد Z انجام شد.

روش‌شناسی پژوهش: این پژوهش از نوع کاربردی بوده و یک رویکرد یکپارچه مبتنی بر تحلیل حالات و اثرات شکست و روش‌های تصمیم‌گیری چندمعیاره ارایه می‌کند. ابتدا ریسک‌های زیست‌محیطی فعالیت‌های گردشگری از طریق مطالعات میدانی و نظر خبرگان شناسایی شدند. سپس معیارهای شدت، احتمال وقوع و قابلیت تشخیص برای هر ریسک تعیین گردید. در ادامه، اهمیت معیارها با استفاده از روش Z-SWARA و با در نظر گرفتن عدم‌قطعیت و قابلیت اعتماد قضاوت‌های کارشناسان محاسبه شد. در مرحله بعد، ریسک‌ها از طریق روش Z-MABAC رتبه‌بندی شدند. همچنین برای ارزیابی اعتبار و پایداری نتایج، یافته‌ها با روش‌های FMEA، F-MABAC، Z-TOPSIS و Z-ARAS مقایسه و تحلیل حساسیت نیز انجام شد.

یافته‎ها: نتایج پژوهش منجر به شناسایی 31 ریسک زیست‌محیطی مرتبط با فعالیت‌های گردشگری در شهر ارومیه شد. بر اساس نتایج روش پیشنهادی، ریسک‌های برهم خوردن تعادل اکولوژیکی محیط، کاهش گونه‌های جانوری و تهدید حیات‌وحش و از دست دادن تنوع زیستی در اولویت‌های نخست قرار گرفتند. مقایسه نتایج با سایر روش‌ها نشان داد رویکرد پیشنهادی توانسته است رتبه‌بندی کامل و متمایزی برای تمامی ریسک‌ها ارایه دهد، درحالی‌که برخی روش‌های متداول با مشکل رتبه‌های تکراری مواجه بودند. همچنین ضرایب همبستگی بالا با روش‌های Z-TOPSIS و Z-ARAS و پایداری نتایج در تحلیل حساسیت، قابلیت اعتماد چارچوب پیشنهادی را تایید کرد.

اصالت/ارزش‌افزوده علمی: نوآوری اصلی این پژوهش در تلفیق تحلیل حالات و اثرات شکست با روش‌های Z-SWARA و Z-MABAC برای مدیریت هم‌زمان عدم‌قطعیت و قابلیت اعتماد قضاوت‌های کارشناسی است. برخلاف رویکردهای سنتی که معمولا وزن یکسانی برای معیارهای ارزیابی در نظر می‌گیرند و در رتبه‌بندی کامل ریسک‌ها با محدودیت مواجه‌اند، چارچوب پیشنهادی امکان وزن‌دهی واقع‌بینانه معیارها و اولویت‌بندی دقیق ریسک‌ها را فراهم می‌کند. نتایج پژوهش می‌تواند به مدیران و سیاست‌گذاران حوزه گردشگری و محیط‌زیست در تخصیص موثر منابع، طراحی اقدامات پیشگیرانه و تدوین راهبردهای توسعه پایدار گردشگری کمک کند.

کلمات کلیدی:

گردشگری، تحلیل حالات و اثرات شکست، شهر ارومیه، ریسک‌های زیست‌محیطی، روش سورا-ماباک، محیط z-numbe

مراجع

  1. [1] Tavakolnia, M. R., & Akbarian, M. A. (2011). Globalization, opportunity or threat to the environment? Strategic Studies of Public Policy Making, 2(5), 86-118. (In Persian). https://www.noormags.ir/view/fa/articlepage/1790090/
  2. [2] Sharif, A., Godil, D. I., Xu, B., Sinha, A., Khan, S. A. R., & Jermsittiparsert, K. (2020). Revisiting the role of tourism and globalization in environmental degradation in China: Fresh insights from the quantile ARDL approach. Journal of Cleaner Production, 272, 122906. https://doi.org/10.1016/j.jclepro.2020.122906
  3. [3] El Fadli, K. I., Cerveny, R. S., Burt, C. C., Eden, P., Parker, D., Brunet, M., ..., & Pace, M. B. (2013). World Meteorological Organization assessment of the purported world record 58 C temperature extreme at El Azizia, Libya (13 September 1922). Bulletin of the American Meteorological Society, 94(2), 199–204. https://doi.org/10.1175/BAMS-D-12-00093.1
  4. [4] Ebadi, A. G., Toughani, M., Najafi, A., & Babaee, M. (2020). A brief overview on current environmental issues in Iran. Central Asian Journal of Environmental Science and Technology Innovation, 1(1), 1–11. http://dx.doi.org/10.22034/CAJESTI.2020.01.08
  5. [5] Tidwell, T. L. (2016). Nexus between food, energy, water, and forest ecosystems in the USA. Journal of Environmental Studies and Sciences, 6(1), 214–224. https://doi.org/10.1007/s13412-016-0367-8
  6. [6] Alizadeh-Choobari, O., Ahmadi-Givi, F., Mirzaei, N., & Owlad, E. (2016). Climate change and anthropogenic impacts on the rapid shrinkage of Lake Urmia. International Journal of Climatology, 36(13), 4276–4286. https://doi.org/10.1002/joc.4630
  7. [7] Baghery, M., Yousefi, S., & Rezaee, M. J. (2018). Risk measurement and prioritization of auto parts manufacturing processes based on process failure analysis, interval data envelopment analysis and grey relational analysis. Journal of Intelligent Manufacturing, 29(8), 1803–1825. https://doi.org/10.1007/s10845-016-1214-1
  8. [8] Yousefi, S., Alizadeh, A., Hayati, J., & Baghery, M. (2018). HSE risk prioritization using robust DEA-FMEA approach with undesirable outputs: A study of automotive parts industry in Iran. Safety Science, 102, 144–158. https://doi.org/10.1016/j.ssci.2017.10.015
  9. [9] Paramati, S. R., Shahbaz, M., & Alam, M. S. (2017). Does tourism degrade environmental quality? A comparative study of Eastern and Western European Union. Transportation Research Part D: Transport and Environment, 50, 1–13. https://doi.org/10.1016/j.trd.2016.10.034
  10. [10] Ozturk, I., Al-Mulali, U., & Saboori, B. (2016). Investigating the environmental Kuznets curve hypothesis: The role of tourism and ecological footprint. Environmental Science and Pollution Research, 23(2), 1916–1928. https://doi.org/10.1007/s11356-015-5447-x
  11. [11] Sivakumar, V. L., Krishnappa, R. R., & Nallanathel, M. (2021). Drought vulnerability assessment and mapping using Multi-Criteria decision making (MCDM) and application of analytic hierarchy process (AHP) for namakkal district, tamilnadu, India. Materials Today: Proceedings, 43, 1592–1599. https://doi.org/10.1016/j.matpr.2020.09.657
  12. [12] Mokarram, M., Pourghasemi, H. R., Hu, M., & Zhang, H. (2021). Determining and forecasting drought susceptibility in southwestern Iran using multi-criteria decision-making (MCDM) coupled with CA-Markov model. Science of the Total Environment, 781, 146703. https://doi.org/10.1016/j.scitotenv.2021.146703
  13. [13] Zarrineh, N., & Abad, M. A. N. (2014). Integrated water resources management in Iran: Environmental, socio-economic and political review of drought in Lake Urmia. International Journal of Water Resources and Environmental Engineering, 6(1), 40–48. https://doi.org/10.5897/IJWREE2012. 0380
  14. [14] Rezaee, M. J., Yousefi, S., Valipour, M., & Dehdar, M. M. (2018). Risk analysis of sequential processes in food industry integrating multi-stage fuzzy cognitive map and process failure mode and effects analysis. Computers & Industrial Engineering, 123, 325–337. https://doi.org/10.1016/j.cie.2018.07.012
  15. [15] Spreafico, C., Russo, D., & Rizzi, C. (2017). A state-of-the-art review of FMEA/FMECA including patents. Computer Science Review, 25, 19–28. https://doi.org/10.1016/j.cosrev.2017.05.002
  16. [16] Liu, H. C. (2016). FMEA using uncertainty theories and MCDM methods. In FMEA using uncertainty theories and MCDM methods (pp. 13-27). Singapore: Springer Singapore. https://doi.org/10.1007/978-981-10-1466-6_2
  17. [17] Bevilacqua, M., & Braglia, M. (2000). The analytic hierarchy process applied to maintenance strategy selection. Reliability Engineering & System Safety, 70(1), 71–83. https://doi.org/10.1016/S0951-8320(00)00047-8
  18. [18] Seyed-Hosseini, S. M., Safaei, N., & Asgharpour, M. J. (2006). Reprioritization of failures in a system failure mode and effects analysis by decision making trial and evaluation laboratory technique. Reliability Engineering & System Safety, 91(8), 872–881. https://doi.org/10.1016/j.ress.2005.09.005
  19. [19] Rau, H., Liao, C. P., Shiang, W. J., & Lin, C. H. (2007). Using fuzzy theory for packaging attribute deployment for new notebook computer introduction. In international conference on industrial, engineering and other applications of applied intelligent systems (pp. 250–259). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-73325-6_25
  20. [20] Zammori, F., & Gabbrielli, R. (2012). ANP/RPN: A multi criteria evaluation of the risk priority number. Quality and Reliability Engineering International, 28(1), 85–104. https://doi.org/10.1002/qre.1217
  21. [21] Sharma, R. K., & Sharma, P. (2012). Integrated framework to optimize RAM and cost decisions in a process plant. Journal of Loss Prevention in the Process Industries, 25(6), 883–904. https://doi.org/10.1016/j.jlp.2012.04.013
  22. [22] Liu, H. C., Liu, L., Liu, N., & Mao, L. X. (2012). Risk evaluation in failure mode and effects analysis with extended VIKOR method under fuzzy environment. Expert Systems with Applications, 39(17), 12926–12934. https://doi.org/10.1016/j.eswa.2012.05.031
  23. [23] Maheswaran, K., & Loganathan, T. (2013). A novel approach for prioritization of failure modes in FMEA using MCDM. International Journal of Engineering Research and Applications, 3(4), 733–739. https://www.ijera.com/papers/Vol3_issue4/DT34733739.pdf
  24. [24] Das Adhikary, D., Kumar Bose, G., Bose, D., & Mitra, S. (2014). Multi criteria FMECA for coal-fired thermal power plants using COPRAS-G. International Journal of Quality & Reliability Management, 31(5), 601–614. https://doi.org/10.1108/IJQRM-04-2013-0068
  25. [25] Aleksić, A., Tadić, D., Komatina, N., & Nestić, S. (2025). Failure mode and effects analysis integrated with multi-attribute decision-making methods under uncertainty: A systematic literature review. Mathematics, 13(13), 2216. https://doi.org/10.3390/math13132216
  26. [26] Beiranvand, B. (2024). Development of modified fuzzy FMEA method in environmental risk assessment of earth dams. Scientific Reports, 14(1), 17585. https://doi.org/10.1038/s41598-024-68217-w
  27. [27] Mileusnić Škrtić, M., Tišma, S., & Grgurević, D. (2024). Conservation under siege: The intersection of tourism and environmental threats in Croatian protected areas. Land, 13(12), 2114. https://doi.org/10.3390/land13122114
  28. [28] Chang, K. H., Fang, T. Y., & Li, Z. S. (2025). Using a flexible risk priority number method to reinforce abilities of imprecise data assessments of risk assessment problems. Electronics, 14(3), 518. https://doi.org/10.3390/electronics14030518
  29. [29] Eftekharzadeh, S. S., Ghoushchi, S. J., & Momayezi, F. (2024). Enhancing safety and risk management through an integrated spherical fuzzy approach for managing laboratory errors. Decision Science Letters, 13(3). https://doi.org/10.5267/j.dsl.2024.5.006
  30. [30] Kolour, H. R., Momayezi, V., & Momayezi, F. (2026). Enhancing supplier selection in public manufacturing: A hybrid multi-criteria decision-making approach. Spectrum of Decision Making and Applications, 3(1), 1–20. https://doi.org/10.31181/sdmap31202629

دانلود

چاپ شده

2026-03-30

شماره

دوره 4 شماره 1 (2026): علوم مدیریت و تحلیل تصمیم

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

Shabani, S., ممیزی ف., & جعفرزاده قوشچی س. (2026). اولویت‌بندی ریسک‌های زیست‌محیطی گردشگری با رویکرد تصمیم‌گیری چندمعیاره مبتنی بر اعداد  Z. علوم مدیریت و تحلیل تصمیم , 4(1), 1-13. https://doi.org/10.22105/msda.v4i1.143
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.