Uzantı kartı · Bulanık
Fermatean bulanık MABAC
Fermatean bulanık MABAC, uzman bir kriteri hem ne kadar desteklediğini hem ne kadar reddettiğini birlikte verdiğinde kullanılan MABAC biçimidir. Bu çift, sezgisel bulanıktan daha geniş bir bölgede geçerli sayılır ve seçenekleri yine hayali bir sınır bölgesine olan uzaklığına göre sıralar.
Temel yöntem
MABAC →
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; sınır bölgesine göre karşılaştırma mantığı değişmez.
Hücreler. Kesin MABAC'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 ve sınır yaklaşım alanı. Kesin MABAC her sütunu min-maks ile 0-1 aralığına yerleştirir, ağırlıkla çarpıp "+1" ile kaydırır ve geometrik ortalamayla sınır değerini kurar. Bu "+1" kaydırması, geometrik ortalamanın sıfır ya da negatif değerle çalışamamasından kaynaklanır. Burada böyle bir kaydırmaya gerek yoktur. Maliyet kriterinde önce destek ile ret yer değiştirir. Sonra her çift, Fermatean cebrisine özgü bir kuvvet işlemiyle kriterin ağırlığıyla doğrudan ölçeklenir; bu işlem küp kısıtını korur. Ardından her ölçeklenmiş çiftin skoru (destek küpü eksi ret küpü) hesaplanır ve sınır değeri, bu skorların seçenekler arasındaki aritmetik ortalaması olarak kurulur. Kesin MABAC'ın geometrik ortalamaya ve "+1" kaydırmasına ihtiyacı burada yoktur, çünkü skor zaten tek bir sayıya inmiştir ve negatif olabilir.
Sonuç ve durulaştırma. Kesin MABAC'ta her seçeneğin sınıra uzaklığı toplanır ve toplam zaten tek sayıdır. Burada da aynı toplama yapılır, ama durulaştırma bu adımdan önce, sınır değeri kurulurken gerçekleşir: destek-ret çifti skor fonksiyonuyla tek sayıya iner, sınır bu tek sayılardan kurulur, sonra sınıra uzaklıklar toplanır. Bu, belirsizliğin en son adıma değil, sınır kurulmadan hemen önceki adıma kadar taşındığı anlamına gelir; MABAC'ın kesin biçiminde zaten durulaştırma yoktur, bu uzantıda ise durulaştırma erken bir adımda, ama uzaklık toplanmadan önce gerçekleşir.
DecisionMind klasik Fermatean bulanık MABAC'ta skor fonksiyonunu (destek küpü eksi ret küpü) sabit tutar. Farklı bir skor kuralı seçilirse bu raporda bildirilir.
Çıktı Nasıl Yorumlanır?
MABAC puanı, kesin MABAC'takiyle aynı okunur: bir seçeneğin bu kümenin ortalama performans sınırına göre net konumudur. Pozitif puan "iyi", negatif puan "kötü" anlamına gelmez; yalnız bu seçenek kümesi içindeki göreli konumu gösterir.
Fark şurada: puan, destek ve ret derecelerinin küpünden geldiği için küçük bir derece değişikliği, doğrusal bir değişiklikten daha büyük bir etki yaratabilir. Sınır değeri de bu küp skorlarının ortalamasıdır; bir seçeneğin eklenmesi ya da çıkarılması sınırı değiştirir.
Bu nedenle:
"Fermatean bulanık MABAC iki derece taşıdığı için sonuç kesin MABAC'tan daha güvenilirdir"
yerine:
"Kriter puanları destek ve ret derecesiyle verildiği için belirsizlik küp kuvvetiyle taşınmış, skor fonksiyonuyla erken bir adımda tek sayıya indirilmiş, ardından sınır yaklaşım alanına uzaklıkla toplanmıştır; 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 MABAC'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, o kriterdeki skorların işaretini ve dolayısıyla sınır değerini yanlış kurar.
Geçersiz bir destek-ret çifti girmek. Destek ve ret küplerinin toplamı birden büyükse çift geçersizdir; bu ihlal girilen değerin kısıtı çiğnediğini gösterir ve kullanıcı bunu analiz öncesi kendisi kontrol etmelidir.
Skor fonksiyonunu sorgusuzca değiştirmek. Destek küpü eksi ret küpü kuralı yaygın kabul görür, ama tek seçenek değildir. Farklı bir skor kuralı, sınır değerini ve dolayısıyla bütün sırayı değiştirebilir.
Sınır değerini kesin MABAC'taki gibi geometrik ortalamayla kurmaya çalışmak. Bu uzantıda sınır, ölçeklenmiş çiftlerin skorlarının aritmetik ortalamasıdır; kesin MABAC'ın "+1" kaydırmalı geometrik ortalaması burada uygulanmaz, çünkü skorlar zaten negatif olabilen tek sayılardır.
Temel ilke şudur:
Fermatean bulanık MABAC, destek ve ret derecesini küp kısıtına uygun biçimde taşıyıp erken bir adımda skora indirir; kısıt ihlal edilirse ya da skor kuralı gerekçesiz değiştirilirse görünürdeki hassasiyet bozulur.
Vakalar
Birinci vaka, DecisionMind'ın doğrulama örneğidir. Manifestin kendi kaydı, Fermatean bulanık MABAC için ortak biçimde paylaşılan bir literatür örneği bulunmadığını belirtir; web taramasında da yönteme özgü, MCDM uygulaması içeren tek bir kurucu makale doğrulanamamıştır. 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.
| 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 ve skorunu (destek küpü eksi ret küpü) hesaplar. Bu skorların her kriterdeki ortalaması sınır değerini verir (C1: -0,169; C2: -0,328; C3: -0,552). Her seçeneğin skoru bu sınırdan çıkarılıp kriterler boyunca toplanır.
| Seçenek | MABAC puanı | Sıra |
|---|---|---|
| A2 | 0,3176 | 1 |
| A3 | -0,1013 | 2 |
| A1 | -0,2162 | 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; her üç kriterde de sınırın üzerindedir, en güçlüsü C1 (+0,183) ve C3'te (+0,108), C2'de daha ince bir farkla (+0,027). A1 ise her üç kriterde de sınırın altındadır; en belirgin zayıflığı C2'de (-0,110) ve C3'te (-0,097), bu yüzden sonuncudur.
Kararın ne kadar sağlam olduğu ağırlık değiştirilerek sınanmıştır. C2'nin ağırlığı 0,35'ten 0,90'a çıkarılıp C1 ve C3 oranları sabit tutularak yeniden ölçeklendiğinde bile A2 önde kalır (0,093'e karşı A3'ün 0,076); yalnızca C2'nin ağırlığı 0,95'e çıkarıldığında A3 öne geçer (0,104'e karşı 0,053). A2'nin birinciliği bu örnekte oldukça sağlamdır, yalnızca C2'ye neredeyse tüm ağırlığın verildiği aşırı bir durumda bozulur.
Raporda: "Verilen ağırlıklarla (C1=0,40, C2=0,35, C3=0,25) A2 en yüksek MABAC puanına (0,3176) sahiptir; bu sıra C2'nin ağırlığı yaklaşık yüzde 90'a çıkarılsa bile korunmaktadır, yalnızca C2'ye neredeyse tüm ağırlık verilen aşırı bir senaryoda A3 öne geçmektedir."
Kaynak: DecisionMind FF-MABAC motorunun doğrulama fixture'ıdır (SYNTHETIC_VERIFIED). Adımlar Senapati ve Yager'ın (2020) Fermatean bulanık küme tanımına ve Pamučar ve Ćirović'in (2015) MABAC'taki sınır yaklaşım alanı mantığına dayanır. Bu ikisini birleştiren, ayrı bir adı taşıyan tek bir kurucu makale ne manifest kaydında ne de web taramasında doğrulanabilmiştir; ayrıntı onay notlarındadır. Tüm sayılar bu kartın yazarınca bağımsız olarak yeniden hesaplanmış ve motor çıktısıyla (1e-9 toleransla) doğrulanmıştır.
2. Balıkçılık: Bir su ürünleri kooperatifinin soğuk zincir işleme tesisi teklifi seçimi
Bir su ürünleri kooperatifi, yeni bir soğuk zincir işleme tesisi kurmak için üç yüklenici teklifi arasında seçim yapacaktır. Kriterler şunlardır: soğutma kapasitesinin yeterliliği, hijyen sertifikasyon kapsamının genişliği ve kurulum birim maliyeti (bu sonuncusu "azı iyi" türündendir). Kooperatif yönetimi, teklifleri saha ziyaretlerinden sonra her kriteri hem ne kadar güçlü bulduğunu hem ne kadar zayıf bulduğunu ayrı ayrı puanlamıştır.
Yöntem üç teklifin çiftlerini ölçekler, skorlarını hesaplar, sınır değerini kurar ve her teklifin sınıra uzaklığını toplar. Diyelim ki en yüksek soğutma kapasitesine sahip teklif aynı zamanda en pahalı tekliftir. Buna rağmen birinci çıkar, çünkü kapasite kriterinin ağırlığı maliyetten fazladır.
Kooperatifin tereddüt ettiği nokta şudur. En pahalı teklifin seçilmesi üyelere maliyet gerekçesiyle savunulmalıdır. Ayrıca sınır değerinin üç teklifin ortalama skorundan kurulduğu, dördüncü bir teklif eklenirse sınırın da değişeceği ve sıranın buna göre yeniden hesaplanması gerektiği raporda belirtilmelidir.
Raporda: "Soğutma kapasitesine verilen yüksek ağırlıkla en yüksek kapasiteli teklif en yüksek MABAC puanına ulaşmaktadır; bu teklifin maliyet dezavantajı kapasitedeki üstünlükle telafi edilmiştir ve sınır değeri yalnızca bu üç teklifin karşılaştırmasına özgüdür."
3. Yapılmaması Gereken
Öğretici örnekte C3 yanlışlıkla fayda sayılsaydı, yani destek-ret yer değiştirmesi atlansaydı, sıra aynı kalır (A2, A3, A1) ama A3 ile A1 arasındaki fark 0,115'ten 0,0016'ya küçülür; ikinci ve üçüncü sıra neredeyse birbirine yapışır ve aradaki gerçek fark gizlenir. İkinci yanlış, destek ve ret küplerinin toplamı birden büyük olan bir çifti fark etmeden girmektir; bu, girilen değerin kısıtı ihlal ettiğini gizler. Üçüncü yanlış, sınır değerini "en iyi teklifin skoru" gibi sunmaktır; sınır, üç teklifin skorlarının ortalamasıdır, en iyisinin değeri değil.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/ff-mabac
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
Pamučar, D., & Ćirović, G. (2015). The selection of transport and handling resources in logistics centers using Multi-Attributive Border Approximation area Comparison (MABAC). Expert Systems with Applications, 42(6), 3016–3028. DOI: 10.1016/j.eswa.2014.11.057
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. DOI: 10.1016/S0019-9958(65)90241-X
Torkayesh, A. E., Tirkolaee, E. B., Bahrini, A., Pamucar, D., & Khakbaz, A. (2022). A Systematic Literature Review of MABAC Method and Applications: An Outlook for Sustainability and Circularity. Informatica, 34(4), 899–929. DOI: 10.15388/23-INFOR511