Uzantı kartı · Bulanık
Fermatean bulanık CoCoSo (Senapati ve Yager'in 2020 temeline dayanır)
Fermatean bulanık CoCoSo, kriter değerlendirmelerinin bir yargıya verilen destek ve ret dereceleriyle ifade edildiği durumlar için kullanılan CoCoSo biçimidir. Buradaki kısıt, bu iki derecenin toplamı değil KÜPLERİNİN toplamıdır ve bu toplam 1'i aşamaz. Her hücre önce tek bir Fermatean skoruna indirilir; geri kalan hesap kesin CoCoSo ile birebir aynı yürür.
Temel yöntem
CoCoSo →
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?
İki şey değişir, beş adımlı iskelet ve karar mantığı değişmez.
Hücreler. Kesin CoCoSo'da her hücre tek sayıdır. Burada her hücre bir yargıya verilen destek (μ) ve ret (ν) derecesi çiftidir. Sezgisel bulanıktan farkı kısıttadır: sezgisel bulanıkta μ+ν≤1 iken burada μ³+ν³≤1'dir. Küp toplamı kare toplamından daha yavaş büyür. Bu yüzden bu kısıt, sezgisel bulanığın izin vermediği bazı çiftlere (örneğin ikisi de 0,8 gibi yüksek olan bir çift) izin verir. Kriter ağırlıkları kesin sayı olarak dışarıdan alınır; μ/ν çifti değildir.
Durulaştırma noktası. Burada da durulaştırma en baştadır. Her (μ, ν) çifti, hesabın ilk adımında Fermatean skor fonksiyonuyla (s = μ³ − ν³) tek bir sayıya indirilir; DecisionMind bu skoru 1 ekleyerek pozitif bir aralığa kaydırır. Bu skor, kesin CoCoSo'nun beklediği "kriter değeri" sayısıyla aynı rolü üstlenir; önce sütun bazında yön-duyarlı min-max ile 0-1 aralığına ölçeklenir (fayda kriterinde en düşük değere göre, maliyet kriterinde ters çevrilerek). Ardından ağırlıklı toplam ve ağırlıklı kuvvet-toplamı ölçüleri hesaplanır, üç uzlaşma stratejisi uygulanır ve nihai K skoru bulunur; bütün bu adımlar kesin CoCoSo'nun formülleriyle birebir aynı işler. Fermatean bulanık yapı yalnız GİRDİYİ, yani skora nasıl inildiğini, belirler; ÇIKIŞ mekaniği kesin yöntemle aynıdır.
DecisionMind bu uzantıda Fermatean skor fonksiyonunu (μ³ − ν³) durulaştırma kuralı olarak sabit tutar; üçüncü uzlaşma stratejisindeki denge katsayısını (λ=0,5) da sabit tutar. Ağırlıklar dışarıdan alınır; yöntem kendisi ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Kesin CoCoSo'daki gibi K skoru da yalnız bu seçenek kümesi içinde bir sıralamadır; 1'in üzerine çıkabilir, yüzde ya da olasılık değildir. Üç uzlaşma stratejisinin (paylaşım, en-kötüye-göre, dengeli) ayrı ayrı verdiği sıraların ne kadar örtüştüğü, sonucun ne kadar sağlam olduğunu gösterir.
Fark şurada: μ ve ν, sezgisel bulanıktaki gibi ayrı ayrı bilgi taşır, ama küp kısıtı sayesinde daha geniş bir alana yayılabilir. İki alternatif aynı μ³−ν³ skoruna çok farklı (μ, ν) çiftleriyle ulaşabilir; biri güçlü destek ve güçlü ret ile, diğeri ölçülü destek ve ölçülü ret ile aynı farka gelmiş olabilir. Bu bilgi, skor hesaplandığı andan itibaren kaybolur ve K skorunda ayırt edilemez.
Bu nedenle:
"Fermatean bulanık CoCoSo, sezgisel bulanığın izin vermediği daha uç yargılara da izin verdiği için daha güvenilirdir"
yerine:
"Küp kısıtı yalnız daha geniş bir (destek, ret) alanına izin verir; bu, sonucun otomatik olarak daha doğru olduğu anlamına gelmez. Sonucun sağlamlığı hâlâ ayrıca (üç strateji hemfikir mi, bir yargı bir basamak değişince sıra bozuluyor mu) sınanmalıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriterler bir ölçümden değil bir yargıdan geliyorsa ve uzmanın hem destek hem ret derecesi sezgisel bulanığın izin verdiğinden daha yüksek düzeylerde ifade edilmek isteniyorsa Fermatean bulanık kullanılır. Yani μ+ν>1 olup sezgisel bulanık geçersiz kaldığında bu uzantıya geçilir. μ+ν≤1 sınırı zaten yeterliyse sezgisel bulanık CoCoSo yeterlidir; gereksiz bir karmaşıklık eklenmemelidir.
Kesin yöntemin çıkış koşulları burada da geçerlidir: matrisin tek türde olması şarttır ve kriter yönünün (çoğu iyi ya da azı iyi) doğru işaretlenmesi gerekir.
Bu Uzantıya Özgü Hatalar
μ³+ν³>1 olan geçersiz bir çifti fark etmeden hesaba sokmak. Bu, Fermatean bulanık kümenin tanımını çiğner ve skor anlamsızlaşır.
Skor fonksiyonunu sessizce değiştirmek. μ³−ν³ burada sabit kuraldır. Başka bir durulaştırma, örneğin yalnız μ'yu kullanmak ya da bir doğruluk fonksiyonu (μ³+ν³) eklemek, farklı bir sıra üretebilir; bu değişiklik raporda belirtilmeden yapılmamalıdır.
Fermatean'ı sezgisel bulanığın "daha gelişmiş hâli" gibi sunmak. Küp kısıtı yalnız daha geniş bir (μ,ν) alanına izin verir; hangi kısıtın kullanılacağı verinin doğasına bağlıdır, "daha iyi" ya da "daha kötü" bir seçim değildir.
Bir sütunda tüm skorların eşit çıkması. Bu, kesin CoCoSo'dan miras kalan bir durumdur; min-max normalizasyon paydası sıfırlanır ve hesap tanımsızlaşır.
Temel ilke şudur:
Fermatean bulanık CoCoSo, destek ve ret derecelerini yalnız hesabın en başında, tek bir skora kadar taşır. Skor hesaplandıktan sonra sıralamayı taşıyan artık kesin CoCoSo'nun kendisidir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Fermatean bulanık kümeler ailesi için literatürde sayfa ve tabloyla izlenebilir, paylaşılmış bir CoCoSo uygulama örneği yoktur. Bu yüzden DecisionMind, F.steps formüllerini esas alan 3×3'lük sentetik bir tablo kurmuş ve kernel bu sayıları Python ile bağımsız olarak yeniden hesaplayıp doğrulamıştır. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek (DecisionMind'ın doğrulama örneği): Üç tedarikçinin üç kriterde Fermatean bulanık puanlanması
Bir firma üç tedarikçiyi (A1, A2, A3) üç kriterde değerlendiriyor ve puanları destek/ret çiftleriyle veriyor (üçüncü kriter maliyet, azı iyi).
| Tedarikçi | Kriter 1 | Kriter 2 | Kriter 3 (Maliyet) |
|---|---|---|---|
| A1 | (0,7; 0,4) | (0,5; 0,5) | (0,6; 0,5) |
| A2 | (0,8; 0,3) | (0,6; 0,4) | (0,4; 0,6) |
| A3 | (0,6; 0,5) | (0,7; 0,4) | (0,5; 0,5) |
| Yön | çoğu iyi | çoğu iyi | azı iyi |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem her çifti μ³−ν³ skoruna indirir, sütunları yön-duyarlı min-max ile ölçekler, ağırlıklı toplam (P) ile ağırlıklı kuvvet-toplamı (R) ölçülerini hesaplar, üç uzlaşma stratejisiyle (paylaşım, en-kötüye-göre, dengeli; λ=0,5) birleştirip nihai k skorunu kurar.
| Tedarikçi | k skoru | Sıra |
|---|---|---|
| A2 | 4,873 | 1 |
| A3 | 2,864 | 2 |
| A1 | 1,211 | 3 |
Sonuç şöyle okunur: A2, birinci kriterde en yüksek destek/en düşük ret çiftine, ikinci kriterde ikinci en iyi çifte ve maliyette de en düşük (en iyi) çifte sahiptir; A2 üç kriterde de diğer iki tedarikçiye üstündür. Üç uzlaşma stratejisi de (paylaşım, en-kötüye-göre, dengeli) AYNI sırayı verir (A2, A3, A1). Bu sonuç Python ile ayrı ayrı hesaplanarak doğrulanmıştır.
Firmanın tereddüdü: A2'nin üç kriterde birden üstün olması, bu sıranın ağırlık değişikliklerine ne kadar dayanıklı olduğunu merak ettiriyor. İkinci kriterin ağırlığı 0,35'ten 0,65'e çıkarılıp diğer iki ağırlık orantılı düşürüldüğünde (0,20/0,65/0,15), A2 hâlâ önde kalır (k≈8,41), A3 ikinciliğini korur (k≈7,94); bu iki tedarikçinin farkı daralır ama sıra bozulmaz. Ama ikinci kriterin ağırlığı 0,70'e çıkarıldığında (0,05/0,70/0,25), A3 öne geçer (k≈14,45), A2 ikinci sıraya düşer (k≈13,33). Bu iki sınama da Python ile bağımsız olarak hesaplanmıştır.
Raporda: "Mevcut ağırlıklarla (0,40/0,35/0,25) A2 en yüksek k skorunu almaktadır (4,873) ve üç uzlaşma stratejisi de bu sırada hemfikirdir. Bu üstünlük orta düzey ağırlık değişikliklerine dayanıklıdır; ikinci kritere verilen ağırlık %65'e çıksa bile A2 önde kalmaktadır. Ancak ikinci kritere ağırlığın büyük çoğunluğu (%70) verilirse A3 öne geçmektedir."
Kaynak: DecisionMind'ın Fermatean bulanık CoCoSo doğrulama örneği; literatürde paylaşılan, sayfa/tablo ile izlenebilir bir uygulama bulunmadığından F.steps formülleri esas alınarak sentetik kurulmuştur (bkz. onay notları). Skorlar ve duyarlılık senaryoları kernel mantığının Python ile bağımsız yeniden hesaplanmasıyla elde edilmiştir.
2. Balıkçılık: Yeni bir balıkçı teknesi yatırımı için model seçimi
Bir su ürünleri kooperatifi, yeni bir balıkçı teknesi yatırımı için üç tekne modelinden (A1, A2, A3) birini seçecektir. Üç kriter kullanılır: yakıt verimliliği, yük kapasitesi, bakım maliyeti (azı iyi). Modellerden ikisi henüz piyasada yenidir. Bu yüzden teknik uzmanlar, bu modellerin performansına hem güçlü bir beklenti hem de güçlü bir çekince taşımaktadır. Bazı değerlendirmelerde destek ve ret derecelerinin toplamı sezgisel bulanığın izin verdiği sınırı (μ+ν≤1) aşar, ama küp toplamı (μ³+ν³≤1) hâlâ geçerli kalır.
Yöntem her modeli üç kriterde Fermatean skoruna indirir, ölçekler, toplamsal ve çarpımsal ölçüleri hesaplar, üç uzlaşma stratejisiyle birleştirir. Diyelim ki yakıt verimliliği en yüksek olan model, bakım maliyeti de en düşük olduğu için önde çıktı, ama yük kapasitesi en düşük modeldi.
Kooperatifin tereddüdü: üç uzlaşma stratejisi burada aynı sırayı vermiyor. Paylaşım ve dengeli stratejiler yakıt-verimli modeli öne çıkarırken, en-kötüye-göre stratejisi yük kapasitesi en yüksek modeli öne çıkarıyor. Bu anlaşmazlık, nihai k skorunun toplulaştırma seçimine duyarlı olduğunu gösteriyor; kooperatif kararını yalnız birleşik skora değil, hangi stratejinin kendi önceliğine (yakıt tasarrufu mu, taşıma hacmi mi) daha yakın olduğuna bakarak desteklemelidir.
Raporda: "Birleşik skora göre yakıt-verimli model öndedir; ancak üç uzlaşma stratejisi bu sırada tam hemfikir değildir, bu yüzden sonuç kooperatifin yakıt tasarrufunu mu taşıma hacmini mi önceliklendirdiğine bağlı olarak yeniden değerlendirilmelidir."
3. Yapılmaması Gereken
Birinci yanlış, öğretici örnekteki üçüncü kriterin (maliyet) yönünü "çoğu iyi" işaretlemektir; bu durumda en pahalı tedarikçi avantajlı gösterilir ve sıra anlamsızlaşır. İkinci yanlış, A2'nin üç kriterde birden üstün olduğunu fark etmeden yalnız nihai k skorunu (4,873 gibi) raporlayıp bu üstünlüğün ne kadar sağlam olduğunu (ağırlık %65'e kadar dayanıklı, %70'te bozuluyor) hiç sınamamaktır. Üçüncü yanlış, k skorunu (1'in üzerindeki bir değeri) bir yüzde ya da olasılık gibi okumak ve bunu başka bir analizin skoruyla karşılaştırmaktır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/ff-cocoso
Senapati, T., & Yager, R. R. (2020). Fermatean fuzzy sets. Journal of Ambient Intelligence and Humanized Computing, 11, 663–674. DOI: 10.1007/s12652-019-01377-0
Yazdani, M., Zarate, P., Zavadskas, E. K., & Turskis, Z. (2019). A combined compromise solution (CoCoSo) method for multi-criteria decision-making problems. Management Decision, 57(9), 2501–2519. DOI: 10.1108/MD-05-2017-0458
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. DOI: 10.1016/S0019-9958(65)90241-X