Uzantı kartı · Z-Sayı
Karmaşık bulanık Z-sayı WASPAS (Shahid ve ark., 2026)
WASPAS'ın, kriter değerlerinin hem bir genlik-faz çifti olarak hem de bu çiftin ayrı bir güvenilirlik derecesiyle birlikte verildiği durumlar için biçimidir. Çıktı yine bir birleşik puan ve sıradır.
Temel yöntem
WASPAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Z-Sayı (Z-Number) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Dört şey değişir; toplam ile çarpımı bir katsayıyla harmanlayan WASPAS mantığı değişmez.
Hücreler. Kesin WASPAS'ta her hücre tek sayıdır. Burada her hücre dört sayıdan oluşur: bir genlik (σ) ve bir faz oranı (τ). Bunlara bir güvenilirlik genliği (ϖ) ve bir güvenilirlik faz oranı (R) eşlik eder. σ ve τ yargının kendisini taşır; ϖ ve R bu yargının ne kadar güvenilir olduğunu, yani Z-sayının B bileşenini taşır. Dördü de 0 ile 1 arasındadır. Ağırlıklar kesin sayı olarak dışarıdan alınır; yöntem ağırlık üretmez.
Ölçek eşitleme. Kesin WASPAS her sütunu en iyi değere bölerek eşitler. Burada bu bölme dört bileşenin (σ, τ, ϖ, R) her birinde ayrı ayrı yapılır. Fayda sütununda her bileşen kendi sütun en büyüğüne bölünür, maliyet sütununda kendi sütun en küçüğüne bölünür. Değer ile güvenilirlik böylece birbirinden bağımsız iki ayrı ölçeklemeden geçer.
WSM ve WPM bileşenleri. Kesin WASPAS'ın ağırlıklı toplamını burada, eşitlenmiş dört bileşenin kriterler boyunca ayrı ayrı toplanması karşılar; kesin WASPAS'ın ağırlıklı çarpımını ise dört bileşenin ayrı ayrı çarpılması karşılar. İkisi de tek bir sayı değil, dört sayılık bir sonuç üretir; hesap bu adımda henüz durulaştırılmaz.
Birleşim ve durulaştırma. Kesin WASPAS'ta WSM ve WPM puanları zaten birer sayıdır; λ ile harmanlanır ve iş biter. Burada önce dört sayılık WSM sonucu ile dört sayılık WPM sonucu, DecisionMind'ın ϒ adını verdiği aynı λ katsayısıyla harmanlanır; bu harman da dört sayı olarak kalır. Tek bir puana ancak son adımda, genlik ile güvenilirlik genliğinin çarpımı ve faz oranı ile güvenilirlik faz oranının çarpımının ortalaması alınarak inilir. Yani kesin WASPAS'ta durulaştırma yoktur (zaten tek sayıdır); burada durulaştırma en sonda, tek bir adımda olur ve buraya kadar hem değer hem güvenilirlik dört sayı içinde taşınır.
ϒ (WASPAS katsayısı) burada kullanıcıya kapalıdır. Kurucu makale (Shahid ve ark., 2026), Tablo 7'yi ϒ=1 ile üretir; bu, saf ağırlıklı toplama (çarpım bileşeninin hiç katkı yapmadığı) bir seçimdir ve makale bunu metinde açıkça yazar. Bu kartın yazarınca DM3 manifesti okunduğunda, ϒ altı parametreden biri olarak listelenir ama hepsi "kullanıcı seçemez" (user_selectable: false) olarak işaretlidir; arayüzde bir kaydırıcı ya da giriş kutusu yoktur. Kernel kodu ise, bir dış girdi verilmezse ϒ için 0,5'i varsayılan alır. Yani makalenin kullandığı değer (1) ile motorun kodda yazılı varsayılanı (0,5) birbirinden farklıdır ve hangisinin hangi hesapta kullanıldığı kullanıcıya görünmez. Bu kartın yazarınca kernel doğrudan çalıştırılarak doğrulanmıştır (bkz. Vaka 1 ve Vaka 2).
DecisionMind bu uzantıda ölçek eşitlemeyi, dört-bileşenli WSM/WPM toplulaştırmasını ve son adımdaki skor fonksiyonunu sabit tutar. Ağırlıklar dışarıdan gelir.
Çıktı Nasıl Yorumlanır?
Birleşik puan kesin WASPAS'taki gibi okunur: bu seçenek kümesindeki diğerlerine göre bir konumdur, yüzde ya da olasılık değildir (bkz. WASPAS kartı). Fark şurada: bu puan hem yargının kendisini hem yargıyı verenin güvenilirliğini taşır. İki seçeneğin aynı yargı değerine (σ, τ) sahip olması aynı puana sahip olacakları anlamına gelmez; güvenilirlik farkı bu iki seçenek arasında farklıysa devreye girer.
Bu nedenle:
"Karmaşık bulanık Z-sayı WASPAS'ta güvenilirlik yalnız gösterge amaçlıdır, sonucu değiştirmez"
yerine:
"Güvenilirlik yalnız seçenekler arasında aynıysa etkisizdir; farklı seçenekler farklı güvenilirlikte kaynaklara dayanıyorsa bu fark birleşik puana ve sıraya gerçekten yansır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir yargının hem genlik-faz çifti hem de bu çiftin güvenilirliği ayrı ayrı biliniyorsa ve bu güvenilirlik seçenekler arasında farklılaşıyorsa bu uzantı düşünülür. Tipik durum, bir kısmı doğrulanmış ölçüme, bir kısmı uzman tahminine dayanan yargıların aynı tabloda birleştirildiği durumlardır. Tüm hücrelerin güvenilirliği aynıysa (hepsi aynı kaynaktan geliyorsa) bu ek boyutun katkısı olmaz; kardeş uzantı Karmaşık bulanık Z-sayı MARCOS da aynı veri yapısını farklı bir toplulaştırmayla işler. Kesin WASPAS'ın çıkış koşulu burada da geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.
Bu Uzantıya Özgü Hatalar
ϒ'yi arayüzde sabit sanıp hangi değerin kullanıldığını sormamak. Literatürün kullandığı değer (1, saf toplam) ile kernel'in dış girdi verilmediğinde düştüğü varsayılan (0,5) farklıdır; hangisinin hesaplandığı raporda açıkça belirtilmelidir.
Tüm hücrelere aynı güvenilirliği yazıp "Z-sayı kullandık" demek. Güvenilirlik seçenekler arasında hiç farklılaşmıyorsa ölçek eşitleme ve toplulaştırma bu sabiti her seçenekte aynı oranda taşır; bu kartın yazarınca kernel ile doğrulanmıştır (bkz. Vaka 1).
Değer ile güvenilirliği ayrı ayrı toplama sokmak. Son adımdaki skor fonksiyonu genliği güvenilirlik genliğiyle, faz oranını güvenilirlik faz oranıyla çarpar; ikisini ayrı ayrı toplamak ya da ortalamak farklı ve manifestte tanımlanmayan bir sonuç verir.
Ara toplamların 0 ile 1 aralığını aşabileceğini unutmak. Manifest, makalenin kendi Tablo 5'inde WSM adımından sonra faz oranının 1,35'e kadar çıktığını bildirir. Yani ilan edilen [0,1] kısıtı bu adımda aşılmaktadır. Bu, toplamanın normalize edilmeden yapılmasının doğal bir sonucudur; ara adımların hâlâ [0,1] içinde olduğu varsayılıp yorumlanmamalıdır.
Erken durulaştırmak. Dört sayılık WSM ve WPM sonuçlarını normalize edilmiş bir bileşene indirip kesin WASPAS gibi tek sayı üzerinden toplamak, güvenilirliğin değerle nasıl çarpıldığını gizler.
Temel ilke şudur:
Güvenilirlik, ancak seçenekler arasında gerçekten farklılaştığında birleşik puanı değiştirir; ϒ hangi değerle çalıştırıldıysa raporda açıkça yazılmalıdır, çünkü arayüz bunu kullanıcıya göstermez.
Vakalar
Birinci vaka Shahid, Ashraf ve Chohan'ın (2026) artırılmış gerçeklik karar verme vaka çalışmasına çıpalıdır; aynı girdi tablosu kardeş [CFZN-MARCOS kartında](../cfzn-marcos.md) da kullanılmıştır. Bu kartın yazarı motoru bağımsız çalıştırdığında hem büyüklükler hem sıralamanın alt iki basamağı makalenin Tablo 7'siyle tam örtüşmemektedir; bu fark aşağıda açıkça bildirilmiştir. İkinci vaka öğretici kurgudur.
1. Öğretici örnek (kaynağa çıpalı): Dört artırılmış gerçeklik platformunun karşılaştırılması (Shahid ve ark., 2026)
Makalede dört artırılmış gerçeklik (AR) platformu (U1-U4) dört ölçütte (Y1-Y4, hepsi çoğu iyi) karşılaştırılmıştır. Her hücre bir karmaşık bulanık Z-sayısıdır: bir genlik (σ), bir faz oranı (τ), bir güvenilirlik genliği (ϖ) ve bir güvenilirlik faz oranı (R). Ağırlıklar makalede belirtilmediği için eşit (0,25) alınmıştır. Makale ϒ=1 kullanır; bu kartın yazarı motoru ϒ=1 ile çalıştırmıştır.
| Platform | Y1 (σ; τ; ϖ; R) | Y2 | Y3 | Y4 |
|---|---|---|---|---|
| U1 | 0,3; 0,6; 0,3; 0,6 | 0,1; 0,5; 0,7; 0,2 | 0,1; 0,5; 0,2; 0,3 | 0,2; 0,5; 0,4; 0,2 |
| U2 | 0,2; 0,3; 0,2; 0,4 | 0,8; 0,7; 0,2; 0,9 | 0,5; 0,6; 0,6; 0,4 | 0,3; 0,6; 0,4; 0,2 |
| U3 | 0,6; 0,8; 0,1; 0,1 | 0,7; 0,1; 0,1; 0,7 | 0,3; 0,4; 0,8; 0,6 | 0,1; 0,2; 0,1; 0,7 |
| U4 | 0,2; 0,7; 0,5; 0,2 | 0,9; 0,6; 0,1; 0,4 | 0,3; 0,6; 0,4; 0,3 | 0,1; 0,2; 0,4; 0,9 |
Yöntem her sütunda dört bileşeni ayrı ayrı eşitler, WSM ve WPM bileşenlerini dört sayı olarak kurar, ϒ=1 ile harmanlar (yani burada çarpım bileşeni hiç katkı yapmaz) ve son adımda genlik×güvenilirlik-genliği ile faz×güvenilirlik-faz-oranının ortalamasını alarak tek bir puana iner.
| Platform | Birleşik puan | Sıra |
|---|---|---|
| U2 | 0,515 | 1 |
| U4 | 0,405 | 2 |
| U1 | 0,322 | 3 |
| U3 | 0,317 | 4 |
Sonuç şöyle okunur. U2, Y2 ve Y3 ölçütlerinde hem yüksek değere hem yüksek güvenilirliğe sahiptir ve birinci sıradadır. U4 ikinci, U1 ile U3 ise birbirine çok yakın çıkar; aradaki fark 0,005'tir.
Burada önemli bir bildirim gerekir: yukarıdaki puanlar (0,515; 0,405; 0,322; 0,317) DecisionMind motorunun bu tabloyu bugün ϒ=1 ile bağımsız olarak yeniden hesaplamasıyla elde edilmiştir. Motorun birinci ve ikinci sırası (U2, U4) makalenin Tablo 7'sindeki sırayla örtüşür. Ancak makale U3'ü üçüncü, U1'i dördüncü sırada verir (Tablo 7: U2=0,50; U4=0,38; U3=0,30; U1=0,25); motorun bugünkü çıktısı bu ikisinin yerini değiştirmektedir (U1=0,322 önde, U3=0,317 son sırada) ve büyüklükler de makaleninkinden farklıdır. Bu, ayrı bir bulgu olarak kayıt altına alınmıştır (bkz. onay notları); manifest bu tabloya 0,02'lik bir tolerans tanımlamıştır ama fark bu toleransı aşmaktadır.
Kurulun tereddüdü: U3'ün Y1 kriterindeki güvenilirliği (ϖ=0,1; R=0,1) düşük tutulmuştur. Bu güvenilirlik 0,9'a yükseltilirse ne olur? Bu senaryo Python ile motorun aynı algoritmasıyla yeniden hesaplanmıştır. U3'ün yalnız Y1'deki güvenilirliği 0,1'den 0,9'a çıkarıldığında U3'ün puanı 0,317'den 0,441'e yükselir ve U3 son sıradan ikinci sıraya çıkar (yeni sıra U2, U3, U4, U1). Buna karşılık ϒ'yi 0'a (saf çarpım) ya da 0,5'e çekmek bu örnekte U2'nin ve U4'ün sırasını değiştirmez; U1 ile U3 her üç ϒ değerinde de üçüncü-dördüncü basamakta kalır.
Raporda: "Motorun bugünkü hesaplamasına göre U2 en yüksek puana sahiptir (0,515); bu, makalenin sırasıyla örtüşür. Ancak U1 ile U3'ün sırası ve tüm puanların büyüklüğü makalenin Tablo 7 sayılarıyla tam örtüşmemektedir, bu fark ayrıca bildirilmelidir. U3'ün son sırada kalması yalnız değerinden değil, Y1 kriterindeki düşük güvenilirlikten de kaynaklanmaktadır; güvenilirlik yükseltilirse U3 ikinci sıraya çıkmaktadır."
Kaynak: Shahid, A., Ashraf, S., & Chohan, M. S. (2026), Spectrum of Operational Research, 3(1), Tablo 1 (girdi) ve Tablo 7 (çıktı). Sıralamanın ilk iki basamağı makaleyle örtüşür; alt iki basamak ve puan büyüklükleri DecisionMind'ın güncel motor çıktısıyla makalenin yayımladığı sayılar arasında fark taşır (ayrıntı onay notlarında). Güvenilirlik duyarlılık senaryosu bu kartın yazarınca bağımsız olarak hesaplanmıştır.
2. Huzurevi: Bir bakım ekipmanı tedarikçisinin seçimi
Bir huzurevi işletmesi, yeni hasta kaldırma ekipmanı için üç tedarikçi arasında seçim yapacaktır. Üç ölçüt vardır, üçü de çoğu iyi: hizmet kalitesi, kullanım kolaylığı ve bakım desteği. İşletme müdürü tedarikçilerden birinin (V2) bakım desteği bilgisini yalnız tedarikçinin kendi beyanından almıştır; bu yüzden bu hücrenin güvenilirliği (ϖ, R) düşük tutulmuştur. Diğer hücreler saha ziyaretiyle doğrulanmış, güvenilirlikleri daha yüksektir. Ağırlıklar 0,45; 0,35; 0,20'dir.
Yöntem her sütunu dört bileşende eşitler, WSM ve WPM'yi kurar ve motorun dış girdi verilmediğinde kullandığı varsayılan ϒ=0,5 ile harmanlar.
| Tedarikçi | Birleşik puan (ϒ=0,5) | Sıra |
|---|---|---|
| V1 | 0,666 | 1 |
| V3 | 0,658 | 2 |
| V2 | 0,598 | 3 |
Sonuç şöyle okunur. V1 ile V3 arasındaki fark küçüktür (0,008); V2 bakım desteği kriterindeki düşük güvenilirlikli beyanı yüzünden geride kalır.
İşletmenin tereddüdü şudur: ϒ arayüzde kullanıcıya açık bir alan değildir; hangi değerle çalışıldığı görünmeden değişebilir. Bu tabloyu ϒ=0 (saf çarpım) ile Python'da yeniden hesapladığımızda sıra tersine döner: V3 birinci, V1 ikinci olur. Yani V1 ile V3 arasındaki üstünlük, kullanıcının göremediği bir katsayı seçimine bağımlıdır. Ayrıca V2'nin bakım desteği tedarikçi beyanı yerine bağımsız bir teknik servis raporuyla doğrulanır ve güvenilirliği yükseltilirse (0,2'den 0,8'e), V2 son sıradan birinci sıraya çıkmaktadır; bu da hesaplanmıştır.
Raporda: "Motorun varsayılan ϒ=0,5 ile hesabında V1 en yüksek puana sahiptir (0,666); V3 ile farkı küçüktür (0,008) ve bu fark ϒ katsayısı 0'a çekildiğinde tersine dönmektedir. İşletme sözleşmeden önce hangi ϒ değeriyle çalışıldığını netleştirmeli ve V2'nin bakım desteği beyanını bağımsız bir kaynakla doğrulamalıdır."
3. Yapılmaması Gereken
Öğretici örnekte ϒ'yi hiç belirtmeden "motorun varsayılanını kullandık" demek: kernel'in kod içi varsayılanı (0,5) ile makalenin kullandığı değer (1) farklıdır ve rapor hangisinin çalıştığını söylemelidir. İkinci yanlış, makalenin Tablo 7 sayılarını (U1=0,25 gibi) motorun bugünkü çıktısıymış gibi yazmaktır; motorun sırası ve büyüklükleri makaleden farklıdır ve bu fark gizlenmemelidir. Üçüncü yanlış, huzurevi örneğindeki gibi tüm tedarikçilerin bakım desteği güvenilirliğini tek bir sabite eşitleyip "güvenilirlik yükseldi, sonuç değişti" diye raporlamaktır; sabit ve tek tip bir değişim sonucu hiç değiştirmez, oysa yalnız bir seçenekteki güvenilirlik değiştiğinde sonuç değişir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/cfzn-waspas
Shahid, A., Ashraf, S., & Chohan, M. S. (2026). Complex Fuzzy MARCOS and WASPAS Approaches with Z-Numbers for Augmented Reality Decision Making. Spectrum of Operational Research, 3(1), 40–62. DOI: 10.31181/sor31202637
Zavadskas, E. K., Turskis, Z., Antuchevičienė, J., & Zakarevičius, A. (2012). Optimization of weighted aggregated sum product assessment. Elektronika ir Elektrotechnika, 122(6), 3–6. DOI: 10.5755/j01.eee.122.6.1810
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
Zadeh, L. A. (2011). A note on Z-numbers. Information Sciences, 181(14), 2923–2932. DOI: 10.1016/j.ins.2011.02.022