Uzantı kartı · Bulanık
Fermatean bulanık CODAS
Fermatean bulanık CODAS, uzman bir kriteri hem ne kadar desteklediğini hem ne kadar reddettiğini birlikte verdiğinde kullanılan CODAS biçimidir. Bu çift, sezgisel bulanıktan daha geniş bir bölgede geçerli sayılır ve sonucu yine tek bir değerlendirme puanıyla sıralar.
Temel yöntem
CODAS →
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?
Dört şey değişir. İki uzaklıklı karşılaştırma mantığı değişmez.
Hücreler. Kesin CODAS'ta her hücre tek sayıdır. Burada her hücre bir destek ve bir ret derecesinden oluşan bir çifttir. Küplerinin toplamı birden büyük olamaz. Kriter ağırlıkları kesin sayı olarak kalır. Yöntem grup kararını doğrudan desteklemez.
Ölçek eşitleme. Kesin CODAS her hücreyi sütunun en büyüğüne ya da en küçüğünün oranına böler. Burada böyle bir bölme yoktur, çünkü destek ve ret dereceleri zaten 0 ile 1 arasındadır. Maliyet kriterinde önce destek ile ret yer değiştirir. Ardından her çift, kriterin ağırlığıyla, Fermatean cebrisine özgü bir kuvvet işlemiyle doğrudan ölçeklenir. Bu işlem destek ve ret derecelerini birlikte küçültür ve küp kısıtını korur.
Uzaklık. Kesin CODAS'ta negatif-ideal noktaya iki uzaklık hesaplanır: Öklid ve Taksi. Burada önce her kriterde, ölçeklenmiş çiftlerin en düşük destek ve en yüksek ret değerinden bir negatif-ideal çift kurulur. Her seçeneğin bu noktaya uzaklığı, destek ve ret derecelerinin küpleri ile üçüncü bir bileşen olan belirsizlik derecesi üzerinden hesaplanır. Belirsizlik derecesi, bir çiftin küp kısıtına ne kadar yaklaştığını gösterir. DecisionMind bu uzantıda ağırlığı hem ölçekleme adımında hem de uzaklıkların toplanma adımında kullanır; bu, klasik CODAS'ın tek katmanlı ağırlıklamasından farklıdır.
Sonuç ve durulaştırma. Değerlendirme puanı, kesin CODAS ile aynı ikili karşılaştırma kuralıyla (eşik τ, önce Öklid, yetmezse Taksi) kurulur ve zaten tek bir sayıdır. Ayrı bir durulaştırma adımı yoktur, çünkü destek ve ret dereceleri uzaklık hesabına girene kadar hep çift olarak kalır ve tek sayıya ancak bu adımda iner.
DecisionMind, klasik Fermatean bulanık CODAS'ta skor fonksiyonunu (destek küpü eksi ret küpü) ve eşik değerini (τ=0,02) sabit tutar. Farklı bir skor kuralı seçilirse bu raporda bildirilir.
Çıktı Nasıl Yorumlanır?
Değerlendirme puanı, kesin CODAS'takiyle aynı şekilde okunur. Göreli bir konum ölçüsüdür, yüzde değildir, başka bir analizle karşılaştırılmaz. Fark şurada: puan, destek ve ret derecelerinin küpünden geldiği için küçük bir derece değişikliği, doğrusal bir değişiklikten daha büyük bir etki yaratabilir. Bu yüzden bir seçeneğin puanı, tek bir kriterdeki destek ya da ret derecesi az değişse bile gözle görülür biçimde kayabilir.
Bu nedenle:
"Fermatean bulanık CODAS iki derece taşıdığı için sonuç kesin CODAS'tan daha güvenilirdir"
yerine:
"Kriter puanları destek ve ret derecesiyle verildiği için belirsizlik küp kuvvetiyle taşınmış, ardından negatif-ideale uzaklıkla tek sayıya indirilmiştir; sıra bu ağırlıklamaya göre raporlanmalıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzman bir kriteri hem ne kadar desteklediğini hem ne kadar reddettiğini ayrı ayrı veriyorsa bu uzantı kullanılır. Bu iki derece, sezgisel bulanığın izin verdiğinden daha güçlü biçimde aynı anda yüksek olabilir. Ölçülmüş kriterler bu uzantıya taşınmamalıdır. Matris tek türde olmak zorundaysa ölçülmüş bir değer, destek ve ret derecesi buna göre kurularak (örneğin destek 1, ret 0) yazılır. Temel CODAS'ın çıkış koşulu burada da aynen geçerlidir. Bir kriterde taviz kabul edilmiyorsa telafi edici bir yöntem zaten uygun değildir.
Bu Uzantıya Özgü Hatalar
Kriter yönünü yanlış işaretlemek. Bir maliyet kriterini fayda sanıp destek-ret yer değiştirmesini atlamak negatif-ideal noktayı yanlış kurar. Aşağıdaki öğretici örnekte bu hata en zayıf ile en güçlü ikinci seçeneğin yerini değiştirir.
Geçersiz bir destek-ret çifti girmek. Destek ve ret küplerinin toplamı birden büyükse çift geçersizdir. Motor bu durumda hata vermez, belirsizlik derecesini sıfır sayar. Bu, girilen değerin kısıtı ihlal ettiğini gizler; kullanıcı ihlali kendisi kontrol etmelidir.
Skor fonksiyonunu sorgusuzca değiştirmek. Destek küpü eksi ret küpü kuralı yaygın kabul görür, ama tek seçenek değildir. Farklı bir skor kuralı aynı çiftlerden farklı bir sıralama üretebilir.
Ağırlığın iki kez uygulandığını unutmak. Bu uzantıda ağırlık hem ölçekleme adımında hem uzaklık toplanırken kullanılır. Ağırlığı yalnız bir kez uyguladığını varsayarak elle doğrulama yapmak yanlış sayı verir.
Temel ilke şudur:
Fermatean bulanık CODAS, destek ve ret derecesini birlikte, küp kısıtına uygun biçimde taşımak içindir; kısıt ihlal edilirse ya da skor kuralı gerekçesiz değiştirilirse görünürdeki hassasiyet bozulur.
Vakalar
Birinci vaka, DecisionMind'ın doğrulama örneğidir. Motorun kendi ürettiği, formüle sadık, üç seçenekli üç kriterli küçük bir tablodur. Manifestin kendi kaydı, Fermatean bulanık CODAS için ortak biçimde paylaşılan bir literatür örneği bulunmadığını belirtir. Bu yüzden Vaka 1 öğretici bir doğrulama örneğidir, literatür vakası değildir. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: Üç seçenek, üç kriter (DecisionMind doğrulama örneği)
Üç seçenek üç kriterde destek ve ret dereceleriyle değerlendirilmiştir. İlk iki kriter "çoğu iyi", üçüncüsü "azı iyi" (maliyet) türündendir. Eşik değeri τ=0,02'dir.
| Seçenek | C1 (destek; ret) | C2 (destek; ret) | C3, maliyet (destek; ret) |
|---|---|---|---|
| A1 | 0,70; 0,40 | 0,50; 0,50 | 0,60; 0,50 |
| A2 | 0,80; 0,30 | 0,60; 0,40 | 0,40; 0,60 |
| A3 | 0,60; 0,50 | 0,70; 0,40 | 0,50; 0,50 |
| Yön | çoğu iyi | çoğu iyi | azı iyi |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem önce C3'te destek ile reti yer değiştirir. Her çifti kriter ağırlığıyla ölçekler, en düşük destekli ve en yüksek retli çiftten negatif-idealı kurar. Her seçeneğin bu noktaya Öklid ve Taksi uzaklığını hesaplar ve ikili karşılaştırmaları toplar.
| Seçenek | Değerlendirme puanı | Sıra |
|---|---|---|
| A2 | 0,3965 | 1 |
| A3 | -0,1672 | 2 |
| A1 | -0,2293 | 3 |
Sonuç şöyle okunur. A2, en ağırlıklı kriter olan C1'de en yüksek desteğe (0,80) ve maliyet kriteri C3'te en düşük (en iyi) desteğe sahiptir. Bu iki üstünlük, C2'deki görece zayıflığını fazlasıyla telafi eder. A3 ile A1 arasındaki fark küçüktür ve A3'ün C2'deki üstünlüğüyle A1'in C1'deki üstünlüğü birbirini büyük ölçüde dengeler.
Kararın ne kadar sağlam olduğunu görmek için ağırlıklar değiştirilip yeniden hesaplanmıştır. C2'nin ağırlığı 0,35'ten 0,63'e çıkarılmış, C1 0,12'ye düşürülmüş, C3 0,25 sabit bırakılmıştır. Bu durumda A3 öne geçer (0,2067), A2 ikinciliğe düşer (0,2054). Aradaki fark yalnızca 0,0013'tür. Bu, A2'nin birinciliğinin C2 ağırlığına orta düzeyde duyarlı olduğu anlamına gelir.
Raporda: "Verilen ağırlıklarla (C1=0,40, C2=0,35, C3=0,25) ve τ=0,02 eşiğiyle A2 en yüksek değerlendirme puanına (0,3965) sahiptir; C2'nin ağırlığı yaklaşık 0,63'e çıkarıldığında A3 öne geçmektedir (0,2067 / 0,2054), bu nedenle A2'nin birinciliği C2 ağırlığına duyarlıdır."
Kaynak: DecisionMind FF-CODAS motorunun doğrulama fixture'ıdır. Adımlar Senapati ve Yager'ın (2020) Fermatean bulanık küme tanımına ve Keshavarz Ghorabaee ve ark.'nın (2016) CODAS'taki iki uzaklıklı karşılaştırma mantığına dayanır. Bu ikisini birleştiren, ayrı bir adı taşıyan tek bir kurucu makale doğrulanamamıştır; ayrıntı onay notlarındadır. Tüm sayılar bu kartın yazarınca bağımsız olarak yeniden hesaplanmış ve motor çıktısıyla doğrulanmıştır.
2. Lojistik: Bir e-ticaret şirketinin son kilometre kargo dağıtım ortağı seçimi
Bir e-ticaret şirketi, yoğun sezon öncesinde üç dağıtım firmasından biriyle son kilometre teslimat sözleşmesi yapacaktır. Kriterler şunlardır: teslimat hızı, hizmet kapsama alanının genişliği ve birim gönderi maliyeti (bu sonuncusu "azı iyi" türündendir). Şirketin operasyon ekibi, firmaları daha önce küçük ölçekte denediği için her kriteri hem ne kadar güçlü bulduğunu hem ne kadar zayıf bulduğunu ayrı ayrı puanlamıştır.
Yöntem üç firmanın çiftlerini ölçekler, negatif-ideali kurar ve iki uzaklığı hesaplar. Diyelim ki en hızlı teslimat yapan firma aynı zamanda en pahalı firmadır. Buna rağmen birinci çıkar, çünkü hız kriterinin ağırlığı maliyetten fazladır. İkinci ve üçüncü firma arasındaki Öklid farkı ise eşiğin altında kalmıştır. Bu yüzden aralarındaki sıra Taksi uzaklığıyla belirlenmiştir.
Şirketin tereddüt ettiği nokta şudur. En pahalı firmanın seçilmesi, yoğun sezonda maliyet artışı olarak üst yönetime savunulmalıdır. Ayrıca ikinci ve üçüncü firma arasındaki sıranın Taksi uzaklığından geldiği, eşik değiştirilirse bu ikisinin yer değiştirebileceği raporda ayrıca belirtilmelidir.
Raporda: "Teslimat hızına verilen yüksek ağırlıkla en hızlı firma en yüksek değerlendirme puanına ulaşmaktadır; ikinci ve üçüncü firma arasındaki sıra eşik değerine duyarlıdır ve bu firmaların destek-ret puanlarının kaynağı raporda ayrıca belirtilmelidir."
3. Yapılmaması Gereken
Öğretici örnekte C3 yanlışlıkla fayda sayılsaydı, yani destek-ret yer değiştirmesi atlansaydı, negatif-ideal yanlış kriterden kurulurdu. Bu durumda A1 ikinciliğe çıkar, A3 sonuncu olur; sıra A2, A1, A3'e döner. Doğru sırada ise A3 ikincidir. İkinci yanlış, destek ve ret küplerinin toplamı birden büyük olan bir çifti fark etmeden girmektir. Motor bunu hata olarak göstermez, belirsizliği sıfır sayar ve ihlali gizler. Üçüncü yanlış, ağırlığın bu uzantıda hem ölçeklemede hem uzaklık toplamında kullanıldığını unutup sonucu elle, tek katmanlı ağırlıkla doğrulamaya çalışmaktır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/ff-codas
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
Keshavarz Ghorabaee, M., Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2016). A new combinative distance-based assessment (CODAS) method for multi-criteria decision-making. Economic Computation and Economic Cybernetics Studies and Research, 50(3), 25–44. (DOI yok. Bu makale Crossref'te kayıtlı değildir; bkz. CODAS temel kartının kaynaklar bölümü.)
Keshavarz Ghorabaee, M., Amiri, M., Zavadskas, E. K., Hooshmand, R., & Antucheviciene, J. (2017). Fuzzy extension of the CODAS method for multi-criteria market segment evaluation. Journal of Business Economics and Management, 18(1), 1–19. DOI: 10.3846/16111699.2016.1278559
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. DOI: 10.1016/S0019-9958(65)90241-X