Uzantı kartı · Tereddütlü
Çift tereddütlü COPRAS (Rani, Mishra ve ark., 2020)
COPRAS'ın, bir hücrede hem destekleyen hem reddeden birden fazla olası derecenin ayrı ayrı kayıtlı tutulduğu durumlar için çalışan biçimidir. Fayda ve maliyet toplamlarını bu çift kümeler üzerinden kurar, sonucu bir göreli önem değeriyle sıralar.
Temel yöntem
COPRAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Tereddütlü (Hesitant) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Dört şey değişir. Karar mantığı aynı kalır.
Hücreler. Düz tereddütlü COPRAS'ta (HF-COPRAS) her hücre tek bir küme, yani birden fazla olası destek derecesi taşır. Çift tereddütlü COPRAS'ta hücre iki kümeden oluşur: bir destek kümesi (h) ve ayrı, bağımsız bir ret kümesi (g). "Bu tedarikçiyi ne kadar destekliyorum" sorusuna birden fazla olası cevap verilebildiği gibi, "ne kadar reddediyorum" sorusuna da ayrı ve bağımsız birden fazla olası cevap verilebilir. İki kümenin en büyük elemanlarının toplamı 1'i aşamaz. Destek kümesi tek başına, ret kümesi boşsa (g=∅), hücre düz tereddütlü COPRAS'takiyle aynı bilgiye iner; çift yapı yalnız ret tarafında da bağımsız bir tereddüt varsa katkı sağlar. Ağırlıklar dışarıdan verilir; DecisionMind bu ailede ağırlıkları kullanıcının kriter sıralamasından SWARA yöntemiyle de türetebilir, ama bu ayrı bir girdi yoludur ve COPRAS'ın kendisini değiştirmez.
Ölçek eşitleme. Kesin COPRAS her sütunu kendi toplamına bölerek paya çevirir. Çift tereddütlü kümelerde ayrı bir sütun-toplamı normalizasyonu yoktur, çünkü değerler zaten 0 ile 1 arasında derecelerdir. Birden fazla uzman görüşü varsa, bu görüşler önce her uzmanın güvenilirliğine göre (uzlaşmazlığı az olan uzmana daha yüksek pay vererek) birleştirilip tek bir kolektif tabloya indirilir.
Uzaklık, skor ve birleştirme. Her seçenek için fayda kriterlerindeki destek-ret çiftleri kendi aralarında, maliyet kriterlerindeki çiftler ayrı olarak, ağırlıklı bir toplama kuralıyla birleştirilir. Bu toplama hâlâ bir destek-ret çifti üretir, henüz tek sayı değildir. Ancak bu çift, kesin COPRAS'ın Q formülüne girmeden önce bir skor fonksiyonuyla tek sayıya indirilir: skor, destek kümesinin ortalamasından ret kümesinin ortalamasının çıkarılmasıdır. Fayda tarafının skoruna, maliyet tarafının skorlarından kurulan bir düzeltme terimi eklenir; bu düzeltmenin fayda ile maliyet arasındaki payını bir γ katsayısı belirler. γ=1 iken yalnız fayda skoru sayılır, γ=0 iken yalnız maliyet dengesi sayılır; DecisionMind varsayılan olarak γ=0,5 kullanır.
Sonuç ve durulaştırma. Durulaştırma iki basamaklıdır. Önce destek-ret çiftleri kriterler boyunca birleştirilir (hâlâ çift kalır), sonra bu birleşik çift γ katsayılı skor fonksiyonuyla tek sayıya iner. Çıktı, kesin COPRAS'takiyle aynı biçimde bir göreli önem değeri ve bundan türetilen bir yüzdedir.
DecisionMind bu ailede destek-ret ortalama farkı skorunu ve γ katsayılı Q formülünü sabit tutar; γ'nın değeri kullanıcı tarafından seçilir ve raporda belirtilmelidir.
Çıktı Nasıl Yorumlanır?
Göreli önem değeri ve yüzde, kesin COPRAS'takiyle aynı okunur: en iyi seçeneğe göre bir pay, mutlak bir başarı yüzdesi değil. Fark şurada: bu pay γ katsayısının seçimine bağlıdır. Aynı tablo, γ=0,5 ile bir sıra, γ farklı bir değere kaydırıldığında başka bir sıra verebilir.
Bu nedenle:
"Çift tereddütlü COPRAS'a göre G2 en iyi tedarikçidir"
yerine:
"γ=0,5 dengesiyle G2 en yüksek göreli öneme sahiptir (θ=0,412); γ fayda tarafından uzaklaşıp maliyet dengesine kaydırıldığında (γ=0,2) birincilik G3'e geçmektedir, dolayısıyla γ'nın seçimi raporda gerekçelendirilmelidir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir kriterde hem destek hem ret, birbirinden bağımsız olarak birden fazla makul dereceyle ifade ediliyorsa bu uzantı uygundur. Örnek: bir uzman panelinin bir kısmı bir tedarikçiyi güçlü biçimde destekliyor, başka bir kısmı aynı tedarikçiye bağımsız gerekçelerle çekince taşıyor ve bu iki görüş grubu tek bir ortak sayıya indirilmeden korunmak isteniyor. Ret tarafında ayrı bir tereddüt yoksa, yani ret her zaman "1 eksi destek" olarak hesaplanıyorsa, düz tereddütlü COPRAS (HF-COPRAS) yeterlidir ve çift yapı ek bir bilgi taşımaz. Kesin COPRAS'ın çıkış koşulu burada da geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.
Bu Uzantıya Özgü Hatalar
γ katsayısını belirtmeden raporlamak. DecisionMind manifestindeki kendi doğrulama örneğinde γ, 0,2 ile 0,3 arasında en üstteki sırayı, 0,7 ile 0,8 arasında ise alt sıraları değiştirebiliyor. Kullanılan γ değeri raporda mutlaka yazılmalıdır.
Ret kümesini destek kümesinden türetmek. g kümesini "1 eksi h" olarak doldurmak, çift yapıyı fiilen düz tereddütlü yapıya indirger ve ret tarafındaki bağımsız bilgiyi siler.
Uzman ağırlıklarını göz ardı etmek. Birden fazla uzmanın kümeleri birleştirilirken her uzmana eşit pay verilmesi, uzlaşmazlığı yüksek bir uzmanın görüşünü gereğinden fazla öne çıkarabilir.
"Daha gelişmiş" yanılgısı. Ret tarafında gerçekten bağımsız bir kaynak yoksa, düz tereddütlü kümeyi çift yapıya açmak bilgi eklemez, yalnız hesabı karmaşıklaştırır.
Temel ilke şudur:
Çift tereddütlü COPRAS, destek ile reddi birbirinden bağımsız iki kaynaktan tutmak içindir; γ katsayısı raporda belirtilmezse aynı veri farklı bir sıralama üretebilir.
Vakalar
Birinci vaka gerçek bir literatür vakasıdır. Rani, Mishra ve arkadaşlarının (2020) makalesindeki sürdürülebilir tedarikçi seçimi örneğidir; bu örnekte ret kümesi boştur (g=∅), yani düz tereddütlü verinin çift yapıdaki özel bir durumudur. İkinci vaka öğretici bir kurgudur.
1. Tedarik zinciri: Sürdürülebilir tedarikçi seçimi (Rani, Mishra ve ark., 2020)
Bir işletme beş tedarikçi (G1-G5) arasından sürdürülebilir tedarik zinciri ortağı seçecektir. Sekiz ölçüt kullanılır: kalite, maliyet (bu ikisi ekonomik), üretim kapasitesi, çevre-dostu tasarım, sürdürülebilir malzeme kullanımı, kirlilik (bu dördü çevresel), sektör itibarı ve iş sağlığı-güvenliği (bu ikisi sosyal). Maliyet ve kirlilik azı iyidir, diğerleri çoğu iyidir. Üç karar uzmanının (tedarik yöneticisi, üretim yöneticisi, kalite kontrol yöneticisi) ayrı ayrı verdiği destek kümeleri, uzlaşmazlığı düşük olana daha yüksek pay veren bir ağırlıklandırmayla (0,343; 0,349; 0,308) tek bir kolektif tabloya birleştirilmiştir. Bu örnekte hiçbir uzman ayrı bir ret kümesi bildirmemiştir; ret kümesi boş kalır (g=∅). Kriter ağırlıkları uzmanların kendi kriter sıralamasından SWARA yöntemiyle türetilmiştir.
| Tedarikçi | Kalite | Maliyet | Kapasite | Eko-tasarım | Sürdürülebilir malzeme | Kirlilik | İtibar | İSG |
|---|---|---|---|---|---|---|---|---|
| G1 | {0,2;0,3;0,7} | {0,5;0,6;0,7} | {0,4;0,5;0,7} | {0,4;0,6;0,8} | {0,3;0,4;0,6} | {0,3;0,5;0,7} | {0,3;0,5;0,8} | {0,1;0,3;0,4} |
| G2 | {0,3;0,4;0,8} | {0,5;0,7;0,8} | {0,7;0,8;0,9} | {0,4;0,8;0,9} | {0,4;0,7;0,9} | {0,1;0,5;0,8} | {0,6;0,7;0,8} | {0,2;0,5;0,8} |
| G3 | {0,4;0,6;0,7} | {0,4;0,5;0,7} | {0,5;0,6;0,9} | {0,1;0,2;0,4} | {0,3;0,6;0,7} | {0,4;0,6;0,7} | {0,3;0,5;0,6} | {0,6;0,7;0,9} |
| G4 | {0,5;0,7;0,9} | {0,5;0,8;0,9} | {0,2;0,6;0,7} | {0,3;0,6;0,8} | {0,4;0,7;0,8} | {0,2;0,5;0,9} | {0,2;0,4;0,8} | {0,3;0,4;0,9} |
| G5 | {0,1;0,4;0,5} | {0,5;0,7;0,9} | {0,3;0,5;0,8} | {0,2;0,5;0,8} | {0,2;0,5;0,6} | {0,2;0,7;0,9} | {0,2;0,3;0,7} | {0,3;0,6;0,8} |
| Yön | çoğu iyi | azı iyi | çoğu iyi | çoğu iyi | çoğu iyi | azı iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,1204 | 0,1264 | 0,1099 | 0,1203 | 0,1130 | 0,1312 | 0,1359 | 0,1429 |
(Her hücrede ret kümesi g=∅; kümeler yalnız destek derecesi h'yi taşır.)
Yöntem fayda ölçütlerindeki kümeleri ağırlıklı birleştirmeyle bir fayda çiftine, maliyet ölçütlerindekileri bir maliyet çiftine indirir, sonra bu çiftleri destek-ret ortalama farkı skoruyla tek sayıya çevirir ve γ=0,5 dengesiyle göreli önemi (θ) kurar.
| Tedarikçi | Göreli önem (θ) | Yararlılık derecesi (λ) | Sıra |
|---|---|---|---|
| G2 | 0,412 | 100% | 1 |
| G3 | 0,378 | 91,58% | 2 |
| G4 | 0,353 | 85,53% | 3 |
| G1 | 0,333 | 80,73% | 4 |
| G5 | 0,296 | 71,76% | 5 |
Sonuç şöyle okunur. G2, kapasite (0,7-0,8-0,9), sürdürülebilir malzeme (0,4-0,7-0,9) ve itibar (0,6-0,7-0,8) ölçütlerinde en yüksek destek kümelerine sahiptir; maliyet ölçütünde en düşük destek görülmesine (yani göreli olarak pahalı olmasına) rağmen bu üstünlükler onu birinci sıraya taşır. G5, kalite ölçütünde en düşük destek kümesine sahiptir (0,1-0,4-0,5) ve son sıradadır.
İşletmenin bir tereddüdü var. γ, fayda tarafından uzaklaşıp maliyet dengesine kaydırılırsa (γ=0,2) ne olur? DecisionMind'ın motoru bağımsız olarak yeniden koşturulduğunda, θ değerleri G1 için 0,298, G2 için 0,310, G3 için 0,316, G4 için 0,257, G5 için 0,233 çıkar. Birincilik G2'den G3'e geçer; G1 de G4'ü geçip üçüncü sıraya yükselir. Yalnızca en alttaki G5 her iki γ değerinde de sonuncudur.
Raporda: "γ=0,5 dengesiyle G2 en yüksek göreli öneme sahiptir (θ=0,412, λ=100%). γ maliyet dengesine kaydırıldığında (γ=0,2) birincilik G3'e geçmektedir (θ=0,316); bu nedenle γ'nın seçimi ve gerekçesi raporda belirtilmelidir."
Kaynak: Rani, Mishra ve ark. (2020), Symmetry dergisi, Tablo 4 (ölçütler), Tablo 7 (SWARA ağırlıkları) ve Tablo 8 (θ ve λ değerleri, γ=0,5). DecisionMind'ın çift tereddütlü COPRAS motoru bu tabloyu, ret kümesi boş (g=∅) özel durumunda, ≤0,004 farkla bağımsız olarak yeniden üretir. γ=0,2 senaryosunun sayıları bu kartın yazarınca aynı motorla ayrıca hesaplanmıştır ve makalenin kendi Tablo 9 duyarlılık analizinde bildirdiği genel eğilimle (düşük γ'da üst sıralarda, yüksek γ'da alt sıralarda yer değişimi) yönü örtüşür.
2. Müzecilik: Bir müzenin eser restorasyon atölyesi seçimi
Bir müze, kırılgan tekstil eserlerinin restorasyonu için üç atölye arasından seçim yapacaktır. Dört ölçüt vardır: konservasyon uzmanlığı, teslim süresi (azı iyi), önceki restorasyonların belgeleme kalitesi ve ücret (azı iyi). Müzenin danışma kurulu her atölye için hem ne kadar güvendiğini hem ayrı bir gerekçeyle ne kadar çekince duyduğunu bildirmiştir; güven ve çekince ayrı üyelerden, ayrı gözlem setlerinden gelir ve birbirinden türetilmemiştir.
Yöntem konservasyon uzmanlığı ve belgeleme kalitesini fayda tarafında, teslim süresi ve ücreti maliyet tarafında birleştirir; her iki tarafı da destek-ret farkı skoruna indirip γ=0,5 dengesiyle göreli önemi kurar. Diyelim ki en deneyimli atölye aynı zamanda en pahalı olandır. Yine de birinci çıkar, çünkü konservasyon uzmanlığının ağırlığı ücretten yüksek tutulmuştur.
Kurulun tereddüdü şudur. Bu atölye hakkındaki çekince kümesi geniştir; bazı üyeler geçmişte bir eserin renk tonunda küçük bir sapma gözlemlemiştir. Bu çekincenin genişliği göreli önem değerinde görünmez. Kurul, kırılgan ve nadir bir eser söz konusu olduğunda yalnız göreli öneme değil, çekince kümesinin kaynağına da bakmalıdır.
Raporda: "Konservasyon uzmanlığına verilen yüksek ağırlıkla en deneyimli atölye en yüksek göreli öneme sahiptir. Bu atölye hakkındaki çekince kümesi geniştir ve kaynağı ayrıca araştırılmalıdır."
3. Yapılmaması Gereken
Öğretici tabloda her hücrenin ret kümesini "1 eksi destek kümesi" olarak doldurmak, örneğin G1'in kalite kümesini {0,2;0,3;0,7} desteğe karşılık {0,3;0,7;0,8} ret olarak eklemek, çift yapıyı fiilen düz tereddütlü COPRAS'a indirger; ret tarafının gerçek katkısı görünmez olur. İkinci yanlış, γ'yı belirtmeden "çift tereddütlü COPRAS G2'yi birinci buldu" diye raporlamaktır; γ=0,2'de birincilik G3'e geçmektedir ve bu duyarlılık gösterilmeden yazılan bir sonuç yanıltıcıdır. Üçüncü yanlış, uzman ağırlıklarını (0,343; 0,349; 0,308) göz ardı edip üç uzmanın kümelerini eşit ağırlıkla ortalamaktır; bu, uzlaşmazlığı yüksek bir uzmanın görüşünü olduğundan fazla öne çıkarabilir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/dhf-copras
Rani, P., Mishra, A. R., Krishankumar, R., Mardani, A., Cavallaro, F., Ravichandran, K. S., & Balasubramanian, K. (2020). Hesitant Fuzzy SWARA-Complex Proportional Assessment Approach for Sustainable Supplier Selection. Symmetry, 12(7), 1152. DOI: 10.3390/sym12071152
Zhu, B., Xu, Z., & Xia, M. (2012). Dual hesitant fuzzy sets. Journal of Applied Mathematics, 2012, 1–13. DOI: 10.1155/2012/879629
Zavadskas, E. K., & Kaklauskas, A. (1996). Determination of an efficient contractor by using the new method of multicriteria assessment. In International Symposium for the Organization and Management of Construction: Shaping Theory and Practice, Vol. 2, 94–104. (DOI yok)
Torra, V. (2010). Hesitant fuzzy sets. International Journal of Intelligent Systems, 25(6), 529–539. DOI: 10.1002/int.20418