Uzantı kartı · Bulanık
Karmaşık bulanık EDAS
EDAS'ın, bir yargıya verilen destek ve ret derecelerinin her birinin genlik VE faz olmak üzere iki bileşenle taşındığı durumlar için biçimidir. Bu iki bileşen tek bir skorda birleşir, geri kalan hesap kesin EDAS ile birebir aynı yürür.
Temel yöntem
EDAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Bulanık (Fuzzy) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Üç şey değişir; altı adımlı iskelet ve karar mantığı değişmez.
Hücreler. Kesin EDAS'ta her hücre tek sayıdır. Burada her hücre dört sayıdan oluşur: destek genliği r_μ ve destek fazı ω_μ, ret genliği r_ν ve ret fazı ω_ν. Genlikler 0 ile 1 arasında, fazlar 0 ile 2π arasında bir açıdır. Genlik, sezgisel bulanıktaki destek ve ret derecesiyle aynı şeyi ölçer: bir yargıya ne kadar katılıyorum, ne kadar katılmıyorum. Faz ise ayrı bir boyuttur; yargının hangi döngüsel ya da ikinci bir eksende konumlandığını taşır, örneğin bir değerlendirmenin hangi mevsimsel evrede en güçlü olduğu gibi. Kriter ağırlıkları kesin sayı olarak dışarıdan alınır.
Durulaştırma noktası. Bu dört sayı, hesabın ilk adımında tek bir skora iner: s = ((r_μ − r_ν) + (ω_μ − ω_ν)/(2π)) / 2. Bu skorun yarısı genlik farkından, yarısı faz farkından gelir; ikisi eşit ağırlıkla katkı yapar. Skor hesaplandıktan sonra geri kalan her şey kesin EDAS'ın kendisidir: sütun ortalaması alınır, her hücrenin bu ortalamaya göre lehte ve aleyhte sapması ölçülür, ağırlıklarla toplanır, normalize edilir ve tek bir değerlendirme puanında birleştirilir.
Fazın katkısı yalnız bağımsız verildiğinde gerçektir. Faz, genlikten bağımsız bir bilgi taşıdığında skoru genlikten ayrı biçimde etkiler; bu kartın yazarınca kernel doğrudan çalıştırılarak doğrulanmıştır: aynı genlik çiftiyle (r_μ=0,70, r_ν=0,20) ama farklı fazlarla (ω_μ=3,0 ve ω_μ=5,5) skor 0,409'dan 0,608'e değişmektedir. Ama faz, genlikle orantılı verilirse (ω=2π·r kuralı gibi), formül cebirsel olarak sadeleşir ve skor tam olarak r_μ−r_ν'ye iner; yani karmaşık yapı sezgisel bulanık EDAS'tan hiçbir fark üretmez. DecisionMind'ın kendi doğrulama örneği (aşağıdaki Vaka 1) tam olarak bu ikinci durumu kullanır: fazlar genliklerle orantılıdır ve bu örnekte fazın katkısı sıfırdır. Bu, motorun genel bir sınırı değildir; yalnız bu örneğin veri seçiminden kaynaklanır.
DecisionMind bu uzantıda skor fonksiyonunu ve genlik-faz ağırlığının eşit (yarı yarıya) olmasını sabit tutar. Ağırlıklar dışarıdan alınır; yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Değerlendirme puanı kesin EDAS'taki gibi okunur: kümenin kendi ortalamasına göre bir konumdur, yüzde ya da olasılık değildir. Fark şurada: bu puanın yarısı genlikten, yarısı fazdan gelir. İki seçeneğin aynı genlik farkına sahip olması, aynı puana sahip olacakları anlamına gelmez; faz farkı da devreye girer. Faz neyi temsil ettiği açıkça tanımlanmamışsa, bu ikinci katkı okuyucuya "nereden geldiği belirsiz bir tekrar puan" gibi görünür.
Bu nedenle:
"CF-EDAS bu seçeneği en avantajlı bulduğu için seçildi"
yerine:
"Bu puan, hem destek/ret genliğindeki hem faz açısındaki farkı eşit ağırlıkla taşır; faz burada şunu temsil eder (X), bu tanım olmadan puanın yarısı okunaksız kalır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir yargıya verilen destek ya da ret gerçekten iki bağımsız boyuttan geliyorsa bu uzantı düşünülür. Örneğin bir değerlendirmenin hem ne kadar güçlü olduğu (genlik) hem hangi döngüsel evrede ya da hangi ikinci ölçütte geçerli olduğu (faz) ayrı ayrı biliniyor olabilir. Bu iki boyut gerçekten bağımsız değilse, yani faz genlikten türetiliyorsa, karmaşık yapı sezgisel bulanığa hiçbir şey katmaz ve yalnız modeli açıklaması daha zor hale getirir. Ölçülmüş bir kriteri genlik-faz çiftine çevirmek belirsizlik modellemek değil belirsizlik üretmektir. Kesin EDAS'ın çıkış koşulu burada da geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez.
Bu Uzantıya Özgü Hatalar
Fazı genlikle orantılı ya da keyfi vermek. Faz genlikten türetilirse (ω=2π·r gibi) skor cebirsel olarak r_μ−r_ν'ye iner ve karmaşık yapı hiçbir ek bilgi katmaz; bu kartın yazarınca kernel ile doğrulanmıştır. Faz kendi bağımsız kaynağından gelmelidir.
Faz açısını derece sanıp radyan girmemek. Motor ω'yi 0 ile 2π arasında radyan bekler; 0-360 derece ölçeğinde bir değer doğrudan girilirse değer alanı ihlal edilir ve hesap hata verir.
Değer alanı ihlali. Her genlik r_μ, r_ν ∈ [0,1] olmalıdır; bu kontrol edilmeden hesaba girmek yöntemi geçersiz kılar.
Fazın ne temsil ettiğini raporda söylememek. Skorun yarısı fazdan geldiği için, faz hangi ikinci boyutu ölçtüğü açıklanmadan sunulan bir puan yarı yarıya açıklanamaz kalır.
Temel ilke şudur:
Karmaşık bulanık EDAS'ın fazı, ancak genlikten gerçekten bağımsız bir kaynaktan geldiğinde bir şey katar; genlikle orantılı ya da keyfi bir faz, sezgisel bulanık EDAS'tan farksız bir sonuç üretir ve rapor bunu gizlememelidir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir; manifestteki sentetik 3x3 tablo formüllere sadık biçimde kurulmuştur, literatür sayfası taşımaz ve fazlar genlikle orantılı (ω=2π·r) verilmiştir. İkinci vaka öğretici kurgudur.
1. Öğretici örnek (DecisionMind'ın doğrulama örneği): Kampanya zamanlama stratejisi seçimi
Bir e-ticaret şirketi üç kampanya zamanlama stratejisini üç ölçütte karşılaştırır: beklenen dönüşüm oranı (çoğu iyi), marka algısı puanı (çoğu iyi), iptal/iade oranı (azı iyi). Her stratejinin her ölçütteki desteği ve reddi genlik-faz çiftiyle verilmiştir; bu örnekte fazlar genliklerle orantılıdır (ω=2π·r), yani faz genliğin taşıdığından fazladan bir bilgi eklemez.
| Strateji | Dönüşüm oranı (r_μ; r_ν) | Marka algısı (r_μ; r_ν) | İptal oranı (r_μ; r_ν, azı iyi) |
|---|---|---|---|
| S1 | (0,85; 0,15) | (0,65; 0,15) | (0,75; 0,15) |
| S2 | (0,85; 0,05) | (0,75; 0,15) | (0,55; 0,15) |
| S3 | (0,75; 0,15) | (0,85; 0,15) | (0,65; 0,15) |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem her hücrenin skorunu hesaplar; bu örnekte s = r_μ − r_ν'ye eşittir, çünkü faz genlikle orantılıdır. Sonra sütun ortalamasını bulur, her stratejinin bu ortalamaya göre lehte ve aleyhte sapmasını ölçer, ağırlıklarla toplar ve tek bir değerlendirme puanında birleştirir.
| Strateji | Değerlendirme puanı | Sıra |
|---|---|---|
| S2 | 1,000 | 1 |
| S3 | 0,508 | 2 |
| S1 | 0,000 | 3 |
Sonuç şöyle okunur. S2, en ağırlıklı ölçüt olan dönüşüm oranında ortalamanın üstünde ve iptal oranında (azı iyi) ortalamanın altında, yani lehte konumdadır; yalnız marka algısında ortalamanın altında kalır. S1 tam tersi konumdadır ve son sırada kalır.
Şirketin tereddüdü, marka algısına verilen ağırlığa duyarlıdır. Dönüşüm ve iptal oranı ağırlıkları oranlı biçimde küçültülüp marka algısı ağırlığı 0,35'ten yaklaşık 0,60'a çıkarılırsa S3 öne geçer (S3=0,8655, S2=0,8297); marka algısı ağırlığı 0,55'in altında kaldığı sürece S2 önde kalır (0,55'te S2=0,9046, S3=0,8434). Bu, S2-S3 sırasının marka algısı ağırlığına oldukça duyarlı olduğunu gösterir.
Raporda: "Verilen ağırlıklarla (dönüşüm 0,40, marka algısı 0,35, iptal 0,25) S2 kümenin ortalamasına göre en avantajlı konumdadır (1,000); marka algısı ağırlığı yaklaşık 0,60'a çıkarıldığında S3 öne geçmektedir, bu yüzden sıra bu ağırlığa duyarlıdır. Bu örnekte faz genlikle orantılı verildiğinden puanın tamamı genlik farkından gelmektedir."
Kaynak: DecisionMind'ın CF-EDAS doğrulama örneği. Skor fonksiyonu ve EDAS iskeleti manifestteki formüllere dayanır; karmaşık sezgisel bulanık yapı Alkouri ve Salleh (2012)'nin tanımına, karmaşık bulanık kümenin temel fikri Ramot ve arkadaşlarının (2002) çalışmasına dayanır. Değerlendirme puanları ve ağırlık takası senaryosu bu kartın yazarınca kernel doğrudan çalıştırılarak bağımsız olarak hesaplanmıştır.
2. Siber Güvenlik: Bir şirketin tehdit istihbaratı sağlayıcısı seçimi
Bir şirketin güvenlik operasyon merkezi, üç tehdit istihbaratı sağlayıcısından biriyle anlaşacaktır. Üç ölçüt vardır: tespit doğruluğu, yanlış alarm oranı (azı iyi) ve entegrasyon kolaylığı. Merkez her sağlayıcıyı iki ayrı eksende değerlendirir: verdiği uyarının ne kadar güçlü bir kanıta dayandığı (genlik) ve bu uyarının saldırı döngüsünün hangi evresine (keşif, sızma, veri sızdırma) işaret ettiği (faz). Bu iki eksen gerçekten bağımsızdır, çünkü aynı güçte bir kanıt saldırının erken ya da geç evresine işaret edebilir.
Yöntem her ölçütte genlik ve faz farkını eşit ağırlıkla birleştiren skoru hesaplar. Sütun ortalamasına göre lehte ve aleyhte sapmayı ölçer ve tek bir değerlendirme puanında birleştirir. Diyelim ki iki sağlayıcı aynı kanıt gücüne sahipken, biri saldırının daha geç bir evresini işaret ettiği için farklı bir puan aldı; bu fark yalnız kanıt gücü karşılaştırmasıyla görünmezdi.
Merkezin tereddüdü şudur: faz burada "hangi saldırı evresi" bilgisini taşıdığı açıkça tanımlanmadıkça, puan farkının yarısı ekibe açıklanamaz kalır. Merkez, faz açısının neyi temsil ettiğini ve nasıl ölçüldüğünü raporda ayrıca belirtmelidir; aksi hâlde analistler "bu sağlayıcı neden daha yüksek puan aldı" sorusuna cevap veremez.
Raporda: "Değerlendirme puanının yarısı uyarının kanıt gücünden, yarısı işaret ettiği saldırı evresinden gelmektedir; ikinci bileşen keşif/sızma/veri sızdırma döngüsünü temsil eder ve bu tanım olmadan puan tam okunamaz."
3. Yapılmaması Gereken
Öğretici örnekte fazları genlikten bağımsızca uydurmak, örneğin S1'e rastgele ω=1,0 yazmak: bu, skorun kaynağını belirsizleştirir ve tekrarlanabilir olmayan bir sonuç üretir. İkinci yanlış, faz açısını derece cinsinden (örneğin 180) doğrudan girip radyan sanmaktır; motor 0 ile 2π arasında bir değer bekler. Üçüncü yanlış, S2'nin 1,000 puanını "yüzde yüz uygun" diye okumaktır; puan yalnız bu üç strateji arasında kümenin kendi ortalamasına göre bir kıyastır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/cf-edas
Alkouri, A. M. J. S., & Salleh, A. R. (2012). Complex intuitionistic fuzzy sets. AIP Conference Proceedings, 1482(1), 464–470. DOI: 10.1063/1.4757515
Ramot, D., Milo, R., Friedman, M., & Kandel, A. (2002). Complex fuzzy sets. IEEE Transactions on Fuzzy Systems, 10(2), 171–186. DOI: 10.1109/91.995119
Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87–96. DOI: 10.1016/S0165-0114(86)80034-3
Keshavarz Ghorabaee, M., Zavadskas, E. K., Olfat, L., & Turskis, Z. (2015). Multi-criteria inventory classification using a new method of evaluation based on distance from average solution (EDAS). Informatica, 26(3), 435–451. DOI: 10.15388/Informatica.2015.57