Veri türleri
Kaba Küme (Rough)
Bir değerlendirmenin, eldeki ayırt edici bilgiyle kesin belirlenemediği durumda, "kesinlikle böyle" ile "böyle olabilir" sınırlarını birlikte koruyan veri yapısıdır.
Örnek hücre: 3, 5
Nedir?
Kaba küme (rough) veri yapısı, bir alternatifin bir kriterdeki değerlendirmesini tek bir sayı yerine iki yaklaşımla ifade eder: alt yaklaşım, mevcut bilgiyle kesinlikle söylenebilen kısmı; üst yaklaşım, mevcut bilgiyle dışlanamayan kısmı gösterir. İkisinin arasındaki bölge, eldeki bilginin ayırt edemediği "sınır bölgesi"dir.
Karar analizinde bu yapı çoğunlukla kaba sayı (rough number) biçiminde kullanılır. Bir grup uzman aynı alternatifi puanladığında her puan için alt sınır, o puandan küçük ya da eşit puanların ortalamasıdır; üst sınır, o puandan büyük ya da eşit puanların ortalamasıdır. Böylece her uzman puanı, grubun geri kalanıyla ilişkisine göre bir [alt, üst] aralığına dönüşür. Aralık, uzmanın kendi belirsizliğinden değil, grup içindeki anlaşmazlıktan türetilir.
Ne Zaman Kullanılır?
Birden fazla uzmanın aynı alternatifi puanladığı ve uzmanlar arasındaki anlaşmazlığın kendisinin karar için önemli olduğu durumlarda kullanılır. Tasarım kavramı değerlendirme, tedarikçi seçimi, kalite fonksiyon göçerimi gibi grup kararlarında; uzman puanlarını ortalamaya indirmenin anlaşmazlığı sildiği her problemde yararlıdır.
Buna karşılık tek bir uzman varsa ya da uzmanlar birbirine yakın puan veriyorsa kaba sayı dar bir aralığa iner ve kesin yapıdan farklı bir şey söylemez. Aralığın kaynağı grup anlaşmazlığı değil de uzmanın kendi tereddüdüyse tereddütlü ya da bulanık yapı daha uygundur.
Crisp Veriden Kaba Veri Oluşturulabilir mi?
Evet; bu yapının olağan kaynağı zaten kesin uzman puanlarıdır. İki adım gerekir.
Birincisi, değerin neyi temsil ettiğini belirlemektir: bir ölçüm mü, yoksa bir grubun ayrı ayrı verdiği yargılar mı? Tek bir ölçüm kaba yapıya taşınmaz. Birden fazla uzmanın aynı kriter için verdiği kesin puanlar kaba sayıya dönüştürülebilir.
İkincisi, alt ve üst sınırı yalnız grubun puanlarından türetmektir: alt sınır, ilgili puandan küçük ya da eşit olan puanların ortalaması; üst sınır, büyük ya da eşit olanların ortalaması. Sınırlar dışarıdan girilmez, hesaplanır; bu nedenle keyfi değildir ve aynı puan kümesi her zaman aynı aralığı verir.
Yapılmaması gereken, tek bir uzmanın puanına ya da tek bir ölçüme "belirsizlik olsun" diye elle sınır yazmaktır. 140 mmHg'yi [135, 145] diye yazmanın kaba küme mantığıyla ilgisi yoktur.
Kaba Sayı ile Gri Sayı Aynı Şey Değildir
İkisi de iki sınırla yazılır; fark sınırların nereden geldiğindedir. Gri sayıda sınırlar bir kaynaktan okunur ya da uzman tarafından "en az, en çok" olarak verilir. Kaba sayıda sınırlar verilmez, türetilir: grubun puan dağılımından hesaplanır ve grup değişirse sınırlar da değişir.
Bu nedenle:
"Uzmanlar farklı puan verdi, en düşük ve en yüksek puanı alt-üst sınır yaparım"
yerine:
"Her uzmanın puanı, grubun o puandan aşağı ve yukarı kalan kısmının ortalamalarıyla bir aralığa dönüştürülür; sınır bölgesi anlaşmazlığın ölçüsüdür"
yaklaşımı daha doğrudur. En düşük ve en yüksek puanı almak uç değerlere aşırı ağırlık verir; kaba sayı, her puanı grubun tamamına göre konumlandırır.
Güçlü Yanları
Kaba sayının en önemli avantajı, uzmanlar arasındaki anlaşmazlığı önceden tanımlı bir üyelik fonksiyonu ya da dağılım varsayımı olmadan yakalamasıdır. Bulanık yapıda üçgenin biçimi analist tarafından seçilir; kaba sayıda aralık tamamen verinin kendisinden çıkar. Bu, öznel bir ölçek varsayımı eklemeden grup belirsizliğini taşımanın yoludur.
Ayrıca aralık genişliği doğrudan yorumlanabilir: geniş aralık, uzmanların bu kriterde anlaşamadığını; dar aralık, görüş birliğini gösterir. Bu bilgi karar raporunda kendi başına değerlidir.
Sınırlılıkları
Kaba sayı grubun puanlarına bağlı olduğundan az sayıda uzmanla kararsız davranır: iki ya da üç uzmanla sınırlar tek bir puanın değişmesiyle büyük ölçüde kayar. Uç puan veren tek bir uzman sınır bölgesini gereksiz genişletebilir.
Her hücre bir aralığa dönüştüğünden sonraki hesap adımları aralık aritmetiğiyle yapılır ve genişlik büyür. Sıralama için aralıkların tek değere indirilmesi ya da aralık karşılaştırma kuralı gerekir; kural seçimi sonucu etkileyebilir. Yapı, uzmanın kendi içindeki tereddüdü taşımaz; yalnız uzmanlar arası farkı taşır.
Aralık-Değerli Kaba Sayı Ne Zaman Kullanılır?
Uzmanlar puanlarını tek sayı yerine aralık olarak veriyorsa ("6 ile 8 arası") ve grup anlaşmazlığı da ayrıca korunacaksa, her aralığın alt ucundan ve üst ucundan ayrı ayrı kaba sayı türetilir. Sonuç, sınırları da aralık olan bir yapıdır (interval rough number).
Bu yapı, hem uzman içi tereddüdün hem uzmanlar arası anlaşmazlığın aynı anda önemli olduğu problemlerde kullanılır; değerlendirme yükü ve hesap karmaşıklığı buna göre artar.
Sık Yapılan Hatalar
En yaygın hata, sınırları elle girmektir. Kaba sayının sınırları hesaplanır; elle girilen sınır gri ya da aralık sayıdır, kaba sayı değildir.
İkinci yaygın hata, tek uzmanla ya da tek ölçümle kaba sayı kurmaya çalışmaktır; grup yoksa türetilecek anlaşmazlık da yoktur. Üçüncüsü, uzmanların önce ortalamasını alıp sonra kaba sayı türetmektir; ortalama alındığı anda anlaşmazlık silinmiştir ve kaba sayının koruyacağı bilgi kalmamıştır.
Temel ilke şudur:
Kaba sayının sınırları, aynı kriter için verilmiş grup puanlarından hesaplanır; sınır bölgesi uzmanlar arası anlaşmazlığın ölçüsüdür ve dışarıdan girilmez.
Örnekler
Her örnek herkesin bildiği tek bir kesin sayıdan başlar ve aynı sayının hangi koşulda, hangi adımlarla kaba yapıya geçtiğini gösterir.
1. İşletme: Beş uzmanın tedarikçi puanı 6, 7, 7, 8, 9
Kesin sayı. Bir satın alma kurulundaki beş uzman aynı tedarikçiyi "teknik yeterlilik" kriterinde 1-9 ölçeğinde puanlıyor: 6, 7, 7, 8, 9. Her puan tek başına kesin bir sayıdır; ortalaması 7,4'tür.
Adım 1: Değer neyi temsil ediyor? Bunlar bir ölçüm değil, beş ayrı yargıdır ve uzmanlar arasındaki fark karar için önemlidir. Ortalama alınırsa 6 ile 9 arasındaki anlaşmazlık silinir; kaba sayı bu anlaşmazlığı korur.
Adım 2: Sınırları grubun puanlarından türetin. 7 puanı için alt sınır, 7'den küçük ya da eşit puanların ortalaması: (6 + 7 + 7) / 3 = 6,67. Üst sınır, 7'den büyük ya da eşit puanların ortalaması: (7 + 7 + 8 + 9) / 4 = 7,75. Aynı işlem 6 için [6, 7,4], 8 için [7, 8,5], 9 için [7,4, 9] verir.
Kaba hâli. Beş aralığın alt sınırlarının ortalaması 6,75, üst sınırlarının ortalaması 8,08; tedarikçinin grup değerlendirmesi [6,75, 8,08]. Sınırlar elle girilmemiş, beş puandan hesaplanmıştır; aynı puanlar her zaman aynı aralığı verir.
Aynı sayı, farklı durum. Beş uzman da 7 vermişse her aralık [7, 7]'ye iner; anlaşmazlık yoktur ve kaba yapı kesin yapıdan farklı bir şey söylemez. Tek uzman varsa kaba sayı kurulamaz.
2. Eğitim: Jüri puanları 70, 80, 85, 90
Kesin sayı. Bir proje yarışmasında dört jüri üyesi aynı projeyi 100 üzerinden 70, 80, 85, 90 olarak puanlıyor.
Adım 1: Değer neyi temsil ediyor? Dört ayrı yargı; jüri üyelerinin ne kadar anlaştığı, sıralamada eşit puanlı projeleri ayırt etmek için önemli.
Adım 2: Sınırları grubun puanlarından türetin. 80 puanı için alt sınır (70 + 80) / 2 = 75, üst sınır (80 + 85 + 90) / 3 = 85 → [75, 85]. Diğerleri: 70 → [70, 81,25]; 85 → [78,33, 87,5]; 90 → [81,25, 90].
Kaba hâli. Projenin grup değerlendirmesi [76,14, 85,94]. Gri sayıdan farkı şudur: gri sayıda alt ve üst sınırı uzman kendisi verir; kaba sayıda sınırlar yalnız jürinin puanlarından hesaplanır, keyfi değildir.
Aynı sayı, farklı durum. Aynı ortalamaya (81,25) 78, 80, 82, 85 puanlarıyla ulaşan ikinci bir proje daha dar bir aralık alır; iki proje ortalamada eşitken kaba sayıda ayrışır, jürinin hangisinde daha çok anlaştığı görünür.
3. Kamu: Bölgenin işsizlik oranı %14
Kesin sayı. Bir bölgenin işsizlik oranı %14. Ölçülmüş bir istatistiktir; kaba olmaz.
Adım 1: Değer neyi temsil ediyor? Karar dört bölge arasında yatırım önceliği, kriter "kalkınma önceliği". Altı uzman işsizlik oranını ve diğer göstergeleri birlikte değerlendirip önceliği 1-9 ölçeğinde puanlıyor: 3, 5, 5, 6, 8, 8. İşsizlik oranı yargıya girdi olmuştur.
Adım 2: Sınırları grubun puanlarından türetin. 5 puanı için alt sınır (3 + 5 + 5) / 3 = 4,33; üst sınır (5 + 5 + 6 + 8 + 8) / 5 = 6,4 → [4,33, 6,4]. 8 puanı için alt sınır (3 + 5 + 5 + 6 + 8 + 8) / 6 = 5,83; üst sınır 8 → [5,83, 8].
Kaba hâli. Uzmanların 3 ile 8 arasına yayılan puanları, bölgenin önceliği konusunda gerçek bir anlaşmazlık olduğunu gösterir; kaba sayı bu anlaşmazlığı geniş bir sınır bölgesi olarak taşır ve rapor bunu kendi başına bir bulgu olarak sunar.
Aynı sayı, farklı durum. Uzmanlar puan yerine "en az 5, en çok 7" gibi kendi aralıklarını veriyorsa bu gri ya da aralık yapısıdır; kaba sayı yalnız kesin puanlardan hesaplanır.
4. Mühendislik: Dört mühendisin tasarım puanı 4, 6, 7, 9 (Kaba Sayının Doğal Örneği)
Kesin sayı. Dört mühendis bir tasarım kavramını "üretilebilirlik" kriterinde 1-9 ölçeğinde puanlıyor: 4, 6, 7, 9.
Adım 1. Kriter bir uzman yargısıdır; dört ayrı puan vardır ve mühendisler arasındaki fark karar için önemlidir.
Adım 2. 6 puanı için alt sınır (4 + 6) / 2 = 5, üst sınır (6 + 7 + 9) / 3 = 7,33; 7 için [5,67, 8]; 4 için [4, 6,5]; 9 için [6,5, 9].
Kaba hâli. Kavramın grup değerlendirmesi [5,29, 7,71]. Geniş sınır bölgesi, üretilebilirlik konusunda mühendislerin anlaşamadığını gösterir; ortalama 6,5 bu bilgiyi vermezdi. Üç kavram aynı biçimde karşılaştırılır; sistem kaba yapıya uygun yöntemi önerir.
5. Yapılmaması Gereken
Tek bir jüri puanına ya da ölçülmüş işsizlik oranına elle sınır yazmak: 70 → [65, 75], %14 → [12, 16]. Bunlar kaba sayı değildir; sınırlar hesaplanmamış, uydurulmuştur. Aynı şekilde beş uzmanın puanlarının önce ortalamasını (7,4) alıp sonra çevresine sınır koymak da yanlıştır; ortalama alındığı anda anlaşmazlık silinmiştir.
Örneklerdeki sayılar kurgusaldır; gerçek veri değildir.
Kısa karar kuralı
Tek ve savunulabilir sayı → Kesin (Crisp)
Birden fazla uzmanın kesin puanı, anlaşmazlık korunacak → Kaba sayı (Rough)
Uzmanlar aralık veriyor ve anlaşmazlık da korunacak → Aralık-değerli kaba sayı
Sınırlar bir kaynaktan okunuyor, hesaplanmıyor → Gri (Grey) ya da Aralık (Interval)
Uzmanın kendi tereddüdü, tek uzman → Tereddütlü (Hesitant) ya da Bulanık (Fuzzy)
Temel kaynaklar
Pawlak, Z. (1982). Rough sets. International Journal of Computer & Information Sciences, 11(5), 341–356. DOI: 10.1007/BF01001956
Greco, S., Matarazzo, B., & Słowiński, R. (2001). Rough sets theory for multicriteria decision analysis. European Journal of Operational Research, 129(1), 1–47. DOI: 10.1016/S0377-2217(00)00167-3
Zhai, L.-Y., Khoo, L.-P., & Zhong, Z.-W. (2008). A rough set enhanced fuzzy approach to quality function deployment. The International Journal of Advanced Manufacturing Technology, 37(5-6), 613–624. DOI: 10.1007/s00170-007-0989-9
Song, W., Ming, X., & Wu, Z. (2013). An integrated rough number-based approach to design concept evaluation under subjective environments. Journal of Engineering Design, 24(5), 320–341. DOI: 10.1080/09544828.2012.732994