نرم افزار1

روشی برای اختصاص دادن  وزن ها با استفاده از مقایسه رتبه بندی و غیر سلسله مراتبی

خلاصه

فرآیند تحلیل سلسله مراتبی (AHP) دارای مزایایی است که می توان تعداد کل مقایسه ها را از طریق یک ساختار سلسله مراتبی کاهش داد و سازگاری پاسخ ها را از طریق یک نسبت سازگاری تأیید کرد. با این حال، در عین حال، ای اچ پی  دارای معایبی است که مقدارها با توجه به شکل ساختار سلسله مراتبی گوناگون است و نگه داری ثبات خود در بین پاسخ ها دشوار است. اگر بتوان تعداد مقایسه‌ها را کاهش داد، مقایسه در یک سطح مطلوب  است و اگر بتوان مقایسه کرد در حالی که اولویت بین موجودیت‌ها حفظ می‌شود، هماهنگی نیز ممکن است به طور اتوماتیک حفظ شود. بنابراین، در این مطالعه، ما روشی برای اختصاص دادن  وزن‌ها پیشنهاد می‌کنیم که ساختار سلسله مراتبی AHP و مقایسه زوجی را اجرا می‌کند اما معایب انجام پروژه با AHP را تکمیل می‌کند. این روش دارای مزایایی است که می‌توان تعداد مقایسه‌ها را کاهش داد و همچنین از طریق تعیین اولویت‌ها ابتدا روی چندین نهاد و مقایسه‌های بعدی بین موجودیت‌ها با اولویت‌های الحاقی، سازگاری به‌طور خودکار حفظ می‌شود

  1. مقدمه

درست مانند  “خود زندگی پر از انتخاب است”، و ما هر لحظه  در دنیای واقعی انتخاب های متعددی انجام می دهیم. در میان آنها، زمانی که مقایسه بین گزینه هایی که ویژگی ها برای آنها ساده است و تعداد مقایسه ها کم است، اولویت ها را می توان به راحتی انجام  داد، ممکن است تحلیل  روشنی برای تصمیم ارائه شود، و سفسطه های  منطقی نیز نسبتاً بسیار کم است. با این حال، در مورد چند ویژگی یا تعداد زیاد مقایسه، افراد ویژگی ها را ساده می کنند یا با حذف بخشی از آنها  در مورد آنها قضاوت می کنند  یا تلاش شناختی را در مقابل دقت تصمیم قرار می دهند که در نتیجه دقت تصمیم گیری را کاهش می دهد. . از آنجایی که بسیاری از مشکلاتی که در واقعیت با آن روبرو می‌شوند، پیچیده و درای  چند ویژگی هستند، روش‌های تصمیم‌گیری برای به حداقل رساندن خطا در انجام این کار که  موضوع بسیاری از مطالعات بوده است. شناخته شده ترین و ساده ترین روش تصمیم گیری چند معیاره WSM (مدل جمع وزنی) است. اگر گزینه ها و معیارهایی وجود داشته باشد، بهترین جایگزین آن است که عبارت زیر را تایید کند:

 

awsmامتیاز WSM بهترین جایگزین، تعداد معیارهای تصمیم گیری، مقدار واقعی گزینه سوم بر حسب معیار و وزن معیار است. مقادیر مربوطه و وزن های نسبی به صورت زیر فرض می شود:

 

هنگامی که فرمول بر روی داده ها اجرا  می شود، امتیاز گزینه۱۶ a=20 , a=15 , a= . بنابراین بهترین جایگزین  است و نتیجهa1>a>a2 رتبه بندی بوجود می آید . علاوه بر این، راه‌های دیگری مانند WPM (مدل محصول وزن‌دار)، تاپسیس (تکنیک اولویت سفارش بر اساس شباهت به راه‌حل مطلوب)، AHP (فرایند سلسله مراتبی تحلیلی)، و روش‌های  ای اچ پی  تجدیدنظر شده وجود دارد. مدل محصول وزنی مشابه مدل جمع وزنی است. تفاوت اصلی این است که به جای جمع در مدل، ضرب وجود دارد. روش تاپسیس از مفهوم اساسی استفاده می کند که جایگزین انتخاب شده باید کمترین فاصله را از راه حل مطلوب و دورترین فاصله را از راه حل منفی مطلوب در مفهوم هندسی داشته باشد. فرآیند تحلیل سلسله مراتبی (AHP) چندین صفت را به سلسله مراتب یا گروه ها با توجه به موجودیت ها و شخصیت هایشان تجزیه و تحلیل  می کند و آنها را با هم مقایسه می کند. بنابراین در کاهش خطاهای شناختی تأثیر دارد و می تواند سازگاری پاسخ دهنده را با توجه به اهمیت  مسئله تأیید کند. یکی از پرکاربردترین روش ها در این میان، فرآیند تحلیل سلسله مراتبی است  بیشتر از همه،  ای اچ پی  این مزیت را دارد که ویژگی های کیفی را می توان  به عدد تبدیل  کرد، که منجر به کاربردهای مختلف آن در حوزه های اجتماعی، آموزشی، سیاسی و مهندسی می شود . با این حال، ای اچ پی  دارای نقاط ضعف مختلفی از جمله سوالات مبهم، مقیاس های اندازه گیری ثابت، و نتایج گوناگون است، بسته به شکل ساختار سلسله مراتبی علیرغم اینکه خود ویژگی ها بدون تغییر هستند. با این وجود، ای اچ پی  به عنوان یک روش جامع ومنظم  برای انتخاب بهترین جایگزین تحت محدودیت زمانی و منابع به طور بسیار زیاد  مورد استفاده قرار می گیرد و مطالعات مختلفی برای تکمیل نقاط ضعف آن انجام شده است. با این حال، در میان چنین مطالعات متعدد، مطالعه تکمیلی برای نقاط ضعف ساختار سلسله مراتبی نادر است. اگر سلسله مراتب شکل نگیرد و بتوان مقایسه زوجی در یک سطح را انجام داد، مشکلات ناشی از ساختار سلسله مراتبی ممکن است به راحتی حل شود، اما مشکل دشواری در نگه داری ثبات تصمیم گیری با مقایسه زوجی در یک سطح منفرد همراه است. افزایش بیش از حد در تعداد مقایسه ها. بنابراین، در این مطالعه، ما روشی برای تخصیص وزن‌ها پیشنهاد می‌کنیم که ساختار سلسله مراتبی ای اچ پی  و مقایسه زوجی را اجرا می‌کند اما معایب ای اچ پی  را کامل  می‌کند.

نکته:جهت انجام پروژه اکسپرت چویس خود نیازمند آن هستید که آموزش کافه پروژه  را از ابتدا ملاحظه نمایید لذا جهت مشاهده و آموزش های مرتبط با این نرم افزار لازم است کلمه آموزش اکسپرت چویس را در بخش جستجو وارد نمایید و اینتر بزنید

  1. پس زمینه

انتخاب بین گزینه هایی با ویژگی های گوناگون در تصمیم گیری بسیار دشوار است. به‌ویژه، زمانی که داده‌های گزینه‌ها نامشخص، نادقیق و ذهنی باشند، تصمیم‌گیری دشوارتر می‌شود . روش های تصمیم گیری چند ویژگی بر اساس نوع داده ای که استفاده می کنند، تعداد تصمیم گیرندگان و نوع اطلاعات طبقه بندی می شوند. همانطور که روش ها را بر اساس نوع داده ها طبقه بندی می کنیم،  در روش های تصمیم گیری، چند ویژگی قطعی، تصادفی، فازی داریم. ما همچنین تصمیم گیری های تک و تصمیم گیری گروهی را با توجه به تعداد تصمیم گیرندگان تقسیم بندی می کنیم. در نهایت، روش‌های WSM، WPM، AHP، اصلاح‌شده تحلیل سلسله مراتبی و تاپسیس را داریم. در مسئله بهینه سازی چند معیاره، پرکاربردترین روش، فرآیند تحلیل سلسله مراتبی (تحلیل سلسله مراتبی) است، اگرچه روش های گوناگونی  از جمله تحلیل چند معیاره ، روش وزن دهی و اختصاص دادن  وزن ها با استفاده از قضاوت مقایسه زوجی فازی ارائه شده است. .

تحلیل سلسله مراتبی روشی  است که با شناسایی اهداف یا اهمیت ویژگی ها به صورت سلسله مراتبی، اولویت ها را برای هر جایگزین  مشخص  می کند  . ساعتی از معرفی فرضیات  مختلف به منظور ساده سازی وظایف تصمیم گیری پیچیده انتقاد کرد و استدلال کرد که مسائل پیچیده باید همان طور که هستند پذیرفته شوند ودر  تحلیل سلسله مراتبی روابط پیچیده، باید تلاش شود. این یکی از فرآیندهای تصمیم گیری چند معیاره است که در مطالعه عملیات شروع شده است و روشی است که از اصل “تفرقه و تسلط” بر روی یک مسئله استفاده می کند . ای اچ پی  خطاهای شناختی را با ساده‌ سازی، تقسیم‌بندی و مقایسه چند ویژگی به کمترین  حالت می‌رساند و به‌ویژه می‌تواند نه تنها شاخص‌های عددی، بلکه شاخص‌های غیر عددی را نیز مقایسه کند. بنابراین، به طور بسیار زیادی در زمینه های گوناگونی  از جمله انتخاب، ارزیابی، اختصاص دادن  منابع، حل اختلافات، اولویت و رتبه بندی و مطلوب سازی کاربرد دارد.

روش کلی ای اچ پی  به شرح زیر است.  یک مشکل بیان می شود و یک هدف به دست می آید.  معیارها و زیرمعیارها با تجزیه ویژگی های مورد نیاز برای رسیدن  به هدف شناسایی می شوند.  ساختار سلسله مراتبی از سطوح پایین به بالا بر اساس معیارها و زیرمعیارها بوجود آمده  است. در اینجا، سلسله مراتب به شکل خاصی از یک سیستم اشاره دارد، که در آن هر عاملی که سیستم را تشکیل می‌دهد، مجموعه‌های تقسیم‌بندی شده را بر اساس موجودیت‌ها و کاراکترهای خود تشکیل می‌دهد. یک مجموعه تنها بر روی یکی از مجموعه‌های دیگر تأثیر می‌گذارد و تنها تحت تأثیر دسته  دیگری از متغیرها قرار می‌گیرد. هر مجموعه یک سطح نامیده می شود. شکل ۱ نمونه ای از تشکیل یک ساختار سلسله مراتبی را پس از انتخاب ۵ معیار، از جمله پیشرفت تکنولوژیک برای هدف انتخاب هلیکوپتر تهاجمی نشان می دهد.

شکل ۱

مدل ساختار ارزیابی سه هلیکوپتر تهاجمی

در مرحله بعد، ماتریسی بین مجموعه ای از معیارها ایجاد می شود و مقایسه ها انجام می شود. علاوه بر این، وزن ها با مقایسه بین گزینه ها برای هر معیار محاسبه می شوند. جدول ۱ نمونه ای از محاسبه وزن در میان سه گزینه برای پیشرفت فناوری است.

نکته: یک دیگر از نرم افزارهایی که می تواند در  رابطه با تحلیل داده ها به شما کمک کند لیزرل است که جهت سفارش پروژه لیزرل خود نیازمند آموزش کافه پروژه از ابتدا ملاحظه نمایید جهت مشاهده و آموزش های مرتبط با این نرم افزار لازم است کلمه آموزش lisrel را در بخش جستجو وارد نمایید و اینتر بزنید

مقایسه ها با جفت کردن دو عامل بر اساس برتری های  نسبی ۱-۹، همانطور که در جدول ۲ نشان داده شده است، انجام می شود، و از آنجایی که فرض می شود شرایط متضاد برآورده می شود، زمانی که تعداد گزینه ها برابر باشد، مجموع مقایسه ها انجام می شود. به عنوان مثال، اگر جایگزین ۱ سه برابر جایگزین ۲ مهم باشد، به طور خودکار به این معنی است که جایگزین ۲ ۱/۳ برابرجایگزین ۱ اهمیت دارد و متعاقباً، یک مقایسه اضافی حذف می شود.

(۵) در نهایت، نسبت سازگاری (CR) به منظور تأیید سازگاری پاسخ ها محاسبه می شود. مقدار CR از یک بردار اولویت استفاده می‌کند و ساعتی تأکید کرد که قابلیت اطمینان پاسخ‌ها تنها زمانی می‌تواند حفظ شود که نسبت سازگاری ۰.۱۰ یا کمتر باشد. از آنجایی که محاسبه وزن‌ها و مقادیر CR توسط یک ماتریس در بسیاری از مقالات در زمینه AHP [14] یافت می‌شود، در این مطالعه مورد بحث قرار نخواهند گرفت و با معرفی اخیر نرم‌افزارهای تجاری حرفه‌ای (به عنوان مثال، Expert Choice)، آن‌ها محاسبات را می توان به راحتی انجام داد.

تحلیل سلسله مراتبی چهار فرض زیر را مطرح می کند. اول متقابل است. وقتی این دو عامل با هم جفت می شوند و با هم مقایسه می شوند، ارزش اولویت باید شرایط متضاد را تامین کند. به عنوان مثال، اگر بارها به اندازه ی مهم باشد، ۱/ برابر مهمتر است یا برعکس. دوم همگنی است. اهمیت با یک مقیاس محدود در یک محدوده محدود نشان داده می شود. سوم وابستگی است. عناصر موجود در یک سطح باید به عناصر موجود در سطح بالایی وابسته باشند. چهارمین و آخرین فرض، انتظارات است. این فرض می کند که اهداف تصمیم گیری به طور کامل در سطح مربوطه آورده شده است.

با این حال، تحلیل سلسله مراتبی نقاط ضعف زیر را در کاربرد واقعی خود نشان می دهد. اول از همه، هنگامی که موجودیت های جدید برای مقایسه به تحلیل سلسله مراتبی اضافه می شوند، ممکن است اولویت ها تغییر کنند . به عنوان مثال، اگر اولویت ها با مقایسه A، B، و C مشخص شوند، مقدارهای  اهمیت A، B و C باید حفظ شوند، حتی اگر D برای مقایسه اضافه شود، اما از آنجایی که اولویت ها بین A، B، و C به دلیل افزودن D تغییر می کند، بنابراین قابلیت اطمینان نتیجه کاهش می یابد. دوم، از آنجایی که مقدار اهمیت یک سطح خاص در یک ساختار سلسله مراتبی از مجموع مقادیر اهمیت بسیاری از سطوح فرعی تشکیل شده است، اگر مقدار اهمیت سطح بالایی به اشتباه محاسبه شود، سطح های  فرعی آن دارای خطاهای شدیدتری خواهند بود . به عبارت دیگر فرض بر این است که عناصر موجود در سطوح فرعی به عناصر موجود در سطح بالایی در تحلیل سلسله مراتبی وابسته هستند و اگر ساختار سلسله مراتبی این فرض را تامین  نکند، در نتیجه خطا ایجاد می شود. سوم، از آنجایی که مقایسه ها در تحلیل سلسله مراتبی فقط با استفاده از مقیاس اعداد صحیح ۱-۹ و اعداد متقابل آنها انجام می شود، تناسب بین مقادیر اهمیت عوامل همیشه برآورده نمی شود. به عنوان مثال، زمانی که A نسبتاً به B برتری  داده می شود، و بنابراین اولویت ۳: ۱ اختصاص داده می شود، وزن ها ۰.۷۳ : ۰.۲۵ است که یک تخمین بیش از حد است. به عبارت دیگر، بین وزن‌های تحلیل سلسله مراتبی و وزن‌های ذهنی ناسازگاری وجود دارد. در نهایت، در تحلیل سلسله مراتبی، یک مقدار CR برای حفظ ثبات پاسخ ها پیشنهاد می شود، اما نتیجه تنها زمانی قابل اعتماد است که مقدار آن ۰.۱ یا کمتر باشد. با این حال، اگر تعداد موجودیت‌های مقایسه در حال افزایش باشد، حفظ مقدار CR در ۰.۱ دشوار است. از آنجایی که اولویت‌ها برای ارزش CR استفاده می‌شود، در برخی از روش‌ها، اولویت‌ها در بین موجودیت‌ها قبل از انجام مقایسه‌ها از پیش مشخص می‌شوند تا ارزش CR کمتر از ۰.۱ برآورده شود.

پیشنهاد لینک : اگر دنبال انجام پروژه spss خود توسط یک مجری متخصص هستید و قیمت برایتان خیلی مهم است به شما فریسلنرهای spss سایت کافه پروژه را پیشنهاد میکنیم.جهت سفارش پروژه spss ثبت نام نمایید.

مطالعات گوناگونی برای تکمیل نقاط ضعف تحلیل سلسله مراتبی انجام شده است. مطالعه ای برای افزایش نسبت سازگاری در نتیجه برای رسیدگی به مشکل دشواری در حفظ مقدار CR [17] انجام شد، در حالی که یک روش وزن متغیر زبانی برای تکمیل ابهام سؤالات مقایسه زوجی پیشنهاد شد. اینها از جمله مطالعات تکمیل کننده نقاط ضعف در کاربرد تحلیل سلسله مراتبی بودند. همچنین، بهبودهایی برای تکمیل خود تحلیل سلسله مراتبی پیشنهاد شده است که همه آنها تحلیل سلسله مراتبی و نظریه فازی را ترکیب کرده اند، از جمله تحلیل سلسله مراتبی فازی، روش تحلیل گستره فازی ، مطالعه ای برای تکمیل مسئله معیاری که وزن صفر در فازی داشت. روش تجزیه و تحلیل وسعت ، یک مدل برنامه ریزی هدف-تحلیل سلسله مراتبی برای حل مسائل فازی ، و استفاده از تحلیل سلسله مراتبی فازی برای پروژه تحقیق و توسعه تحت حمایت دولت

با این حال، مطالعات در مورد مشکل ناشی از خود ساختار سلسله مراتبی نادر است، و بنابراین این مطالعه بر روی چنین مشکلی متمرکز شده است. مشکل ناشی از ساختار سلسله مراتبی را می توان به راحتی از طریق مثال زیر درک کرد. شکل ۲ بخشی از معیارهای ارزیابی برای پیشنهاد تحقیق و توسعه سیستم تسلیحاتی را نشان می دهد که اداره برنامه اکتساب دفاعی (DAPA، کره) برای انتخاب یک شرکت توسعه اعمال می کند. دو نوع سلسله مراتب با استفاده از ۱۰ ویژگی یکسان تشکیل شد. نوع A برای داشتن یک معیار “طرح آرایش برای کمبود فناوری” به عنوان زیر ویژگی یک معیار “برنامه توسعه” تشکیل شده بود در حالی که این معیار زیر ویژگی “توانایی شرکت” در نوع B بود. دلیل این تنظیمات اگر خصیصه «فقدان فناوری»، برنامه‌ای را برای فناوری‌ای که فاقد آن است، اعلام کند، آنگاه این ویژگی به «برنامه توسعه» تبدیل می‌شود، اما اگر به معنای وضعیت فعلی باشد که فناوری فاقد آن است، پس این ویژگی ممکن است یکی از ویژگی های فرعی «توانایی شرکت» باشد.

شکل ۲

سلسله مراتب دو نوع برای انتخاب شرکت.

از ۳۰ نفر از کارکنانی که در مدیریت پروژه تجربه داشته اند خواسته شد تا وزن هر معیار ارزیابی را با استفاده از این دو ساختار سلسله مراتبی متفاوت محاسبه کنند، که برای آنها نسبت سازگاری ۰.۱ یا کمتر تعیین شده است. نتایج در جدول ۳ نشان داده شده است. در جدول ۳، اگر معیار “طرح آرایش” در زیر “برنامه توسعه” قرار گیرد و مقایسه شود، وزن آن ۰.۰۳۲ است. اما اگر تحت معیار «توانایی شرکت» باشد و مقایسه شود، وزن آن به ۰.۰۴۷ تغییر می کند. همچنین اولویت آن از رتبه هفتم از مجموع ۱۰ معیار در تیپ الف به رتبه نهم در تیپ B می رسد و اولویت های ۵ معیار از ۱۰ معیار تغییر می کند.

این اتفاق می‌افتد زیرا در صورتی که موجودیت‌های مقایسه در یک گروه گوناگون  باشند، وزن‌ها با اهمیت نسبی تغییر می‌کنند. اگر وزن ها بسته به نحوه تقسیم بندی معیارها تغییر کنند، حتی اگر ویژگی های خود معیار یا کل معیارهای مقایسه تغییر نکنند، این وزن ها نمی توانند معقول تلقی شوند. در مرحله بعد، از آنجایی که وزن یک سطح بالا بر سطح های  فرعی آن در ای اچ پی تأثیر می گذارد، وزن سطح بالایی باید با در نظر گرفتن تمام ویژگی های زیرسطوح آن محاسبه شود. با این حال، مشاهده می‌شود که صرف نظر از اینکه ویژگی «طرح آرایش» به زیرسطح «طرح توسعه» یا «توانایی شرکت» متعلق است ، وزن‌های محاسبه‌شده در Lv. 2 تفاوت اساسی ندارند (جدول ۳ را ببینید). همانطور که در این مورد، اگر یک سطح بالا ویژگی های سطح های  فرعی خود را در نظر نگیرد، نمی توان قابلیت اطمینان را برای وزن کل این  ویژگی ها که از ضرب وزن های هر سطح به دست می آید، ضمانت کرد. به عبارت دیگر، این نشان می دهد که AHP در ساختار سلسله مراتبی ضعف دارد. از آنجایی که شرکت کنندگان در این تحلیل سلسله مراتبی  کارکنانی با تجربه در مدیریت پروژه تحقیق و توسعه بودند، معنی هر معیار را آشکارا درک کردند. به‌علاوه، می‌توان فرض کرد که آنها درک بالایی از تحلیل سلسله مراتبی داشتند، زیرا آنها چندین بار در طول کار خود تحلیل سلسله مراتبی را تمرین کرده بودند. با این حال، اگر وزن ها بر اساس تعداد اشیاء مورد مقایسه و تغییرات در معیارهای مقایسه بسته به ساختار سلسله مراتبی و طبقه بندی تغییر کنند، حتی اگر ویژگی ها تغییر نکنند، قابلیت اطمینان وزن ها توسط تحلیل سلسله مراتبی کاهش می یابد و در نهایت پایایی تصمیم گیری کاهش می یابد. ساخت بر اساس آن تحلیل سلسله مراتبی تایید نخواهد شد.

همانطور که در مثال فوق مشاهده می شود، مشکل ساختار سلسله مراتبی این است که مقادیر بسته به نحوه طبقه بندی ویژگی ها گوناگون  است و مقدارهای زیر ویژگی ها بسته به ویژگی بالای آنها تغییر می کند. اگر سطوح طبقه بندی نشوند و کل صفات موجود در زیرسطح به صورت زوجی مقایسه شوند، مشکل به راحتی حل خواهد شد. به عبارت دیگر، اگر کل ۱۰ ویژگی (شکل ۲) به طور همزمان با هم مقایسه شوند، مشکل ناشی از ساختار سلسله مراتبی حل می شود . با این حال، ساعتی پیشنهاد کرد که موجودیت‌های مورد مقایسه در ای اچ پی  نباید از ۹  موجودیت تجاوز کند، زیرا تعداد مقایسه‌هایی که فرد می‌تواند انجام دهد و بدون خطا قضاوت کند، ۲±۷ بود که بر اساس آزمایش روان‌شناختی میلر بود ، و بنابراین با افزایش تعداد مقایسه ها، حفظ مقدار CR در ۰.۱ بسیار دشوار می شود. از آنجایی که تعیین مقدار مقایسه ها  بر اساس نمودارهای اولویت است، در صورتی که اولویت از قبل تعیین شده باشد، می توان هماهنگی  بین مقایسه ها را حفظ کرد در حالی که اگر تعداد موجودیت های مقایسه در حال افزایش باشد، مشخص کردن  اولویت غیرممکن است. همچنین، با افزایش تعداد مقایسه ها، تعداد بیش از حد مقایسه مورد نیاز است. از این رو، اگر سازگاری حفظ شود و بتوان تعداد مقایسه ها را کاهش داد در حالی که مقایسه زوجی در همان سطح انجام شود، مسئله  ناشی از ساختار سلسله مراتبی  ای اچ پی حل می شود. بنابراین، در این مطالعه، روشی را پیشنهاد می‌کنیم که اولویت‌ها را از پیش تعیین می‌کند تا ثبات را حفظ کند و بتواند وزن‌ها را مشخص  کند و تعداد مقایسه‌ها را کاهش دهد.

ممنون از اینکه آموزش های ما را دنبال می کنید این بخش از آموزش نرم افزار اکسپرت چویس به اتمام رسید به زودی آموزش قسمت بعدی نرم افزار بر روی سایت منتشر می شود

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *