Fuzzy CoCoSo

Dört şey değişir. Beş adımlı iskelet ve karar mantığı değişmez.

Hücreler. Kesin CoCoSo'da her hücre tek sayıdır. Burada her hücre üçgen bulanık sayıdır; en düşük, en olası ve en yüksek olmak üzere üç değerden oluşur ve ölçülmemiş, yargıya ya da tahmine dayanan kriterler için kullanılır. Kriter ağırlıkları da üçgen olarak girilebilir. Ama DecisionMind bu uzantıda ağırlık üçlüsünü hesabın en başında merkez değerine indirger. Bu değer, üç sayının ortalamasıdır: (en düşük + en olası + en yüksek) / 3. Sonra bu değeri normalize eder, böylece ağırlık artık tek bir crisp sayı olur. Bu, uzantının önemli bir sınırıdır: hücrelerdeki belirsizlik korunur, ağırlıklardaki belirsizlik korunmaz.

Ölçek eşitleme. Kesin CoCoSo her sütunu kendi en iyi ve en kötü değerine göre 0-1 aralığına çeker. Burada da yöntem aynı min-max mantığını üç köşeye ayrı ayrı uygular: fayda kriterinde üç köşeyi de sütunun en küçük alt değerine göre ölçekler, maliyet kriterinde ise üç köşeyi önce ters çevirip sütunun en büyük üst değerine göre ölçekler. Ters çevirme şarttır, yoksa maliyet kriterinde köşelerin sırası (en düşük ≤ en olası ≤ en yüksek) bozulur.

Toplamsal ve çarpımsal ölçü. Kesin yöntem S ve P'yi doğrudan normalleştirilmiş sayılardan hesaplar. Burada ise araya bir adım girer: yöntem ölçeklenmiş her üçgeni önce merkez değerine indirir (üç köşenin ortalaması), sonra S ve P'yi bu tek sayı üzerinden hesaplar. Yani belirsizlik yalnızca ölçek eşitleme adımına kadar taşınır. S, P ve bunlardan türeyen üç uzlaşma stratejisi (paylaşım, en-kötüye-göre, dengeli) baştan sona crisp sayılarla ilerler. Bu, Fuzzy TOPSIS'in (Chen, 2000) köşe uzaklığını son adıma kadar taşımasından farklıdır. Burada durulaştırma çok daha erken olur.

Sonuç ve durulaştırma. Çıktı tek bir crisp K skorudur, bulanık bir aralık değildir. Durulaştırma, S ve P hesaplanmadan ÖNCE, yalnız normalizasyon çıktısı üzerinde gerçekleşir. K'nin kendisi zaten crisp sayıların birleşimidir. Bu yüzden ayrıca durulaştırılacak bir şey kalmaz.

DecisionMind bu uzantıda üç şeyi sabit tutar: durulaştırma yöntemi olarak merkez değerini (centroid), yani üç köşenin ortalamasını kullanır; üçüncü uzlaşma stratejisinde denge katsayısını λ=0,5 alır; ve ağırlık üçlüsünü hesabın başında merkez değerine indirir. Ağırlıklar dışarıdan gelir. Yöntem kendisi ağırlık üretmez.

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 stratejisi (paylaşım, en-kötüye-göre, dengeli) ayrı ayrı bir sıra verir; bu sıraların birbirine ne kadar yakın olduğu, sonucun ne kadar sağlam olduğunu gösterir.

Fark şurada: girdideki üçgen genişliği K skoruna DOĞRUDAN yansımaz. Belirsizlik yalnız normalizasyon adımında köşeleri kaydırarak dolaylı bir iz bırakır. S ve P'den itibaren her şey crisp sayıdır. Bu yüzden "girdi bulanıktı, öyleyse skor da belirsizliği taşıyor" demek yanlıştır. Skorun kendisi tek bir sayıdır. Genişliğin etkisini görmek isteyen kullanıcı ayrıca bir duyarlılık sınaması yapmalıdır: bir köşeyi ya da ağırlığı değiştirip sıranın kayıp kaymadığına bakar.

Bu nedenle:

"Girdiler bulanık olduğu için K skoru da belirsizliği taşır"

yerine:

"Girdideki üçgen genişliği yalnız normalizasyon adımında kullanılmıştır; K skorunun kendisi crisp bir sayıdır, sonucun sağlamlığı köşe ya da ağırlık değiştirilerek ayrıca sınanmalıdır"

biçiminde yazmak doğrudur.

Kriterler uzman yargısından ya da tahminden geliyorsa ve bu yargıyı tek sayıya indirmek yapay bir kesinlik yaratacaksa, Fuzzy CoCoSo'yu kullanın. Ölçülmüş bir kriteri, örneğin fiyatı ya da süreyi, üçgene açmak belirsizlik modellemek değil belirsizlik üretmektir. Böyle ölçülmüş bir değeri matriste üç bileşeni aynı olan bir üçgen olarak yazarsınız.

Bilerek seçin: bu uzantıda belirsizlik yalnız hücrelerde taşınır, ağırlıklarda taşınmaz ve S/P hesabına gelmeden merkez değerine indirilir. Ağırlıklardaki belirsizliğin de sonuca yansımasını istiyorsanız, seçtiğiniz uzantının bunu yapmadığını bilmeniz ve raporda söylemeniz gerekir. Kesin yöntemin çıkış koşulu burada da aynen geçerlidir: tek türde matris şartı aranır, maliyet/fayda yönü doğru işaretlenmelidir.

Ağırlık üçlüsünün baştan indirgendiğini fark etmemek. Kriter ağırlığını (0,35; 0,40; 0,45) gibi üçgen olarak girseniz bile motor bunu hemen 0,40'a indirger. "Ağırlık belirsizliği de hesaba katıldı" diye raporlamak yanlıştır.

Önce merkez değerine indirip sonra kesin CoCoSo koşturmak. Aşağıdaki öğretici örnekte bu yol sırayı değiştirmez (A2, A3, A1). Ama K skorlarını 1,68 / 2,88 / 2,21'den 1,22 / 4,71 / 2,94'e çeker. A2'nin farkı olduğundan büyük görünür, çünkü normalizasyon crisp merkez değerler üzerinde farklı bir aralık üretir.

Değerleri l ≤ m ≤ u sırasına koymadan girmek. Maliyet kriterinde ters çevirmeyi atlarsanız köşe sırası bozulur, normalizasyon tanımsız hale gelir.

K skorunu yüzde ya da olasılık gibi okumak. Bu, kesin CoCoSo'dan miras kalan bir hatadır. Bulanık girdi "daha kapsamlı" göründüğü için bu yanılgıya düşmek burada daha kolaydır.

Temel ilke şudur:

Fuzzy CoCoSo'da belirsizlik yalnız normalizasyona kadar taşınır; S, P ve nihai K skoru crisp sayılardır. Girdinin bulanık olması, çıktının da belirsizlik taşıdığı anlamına gelmez.