Fuzzy EDAS

Üç şey değişir; karar mantığı değişmez.

Hücreler. Kesin EDAS'ta her hücre tek sayıdır. Burada her hücre üç sayıdır: en düşük, en olası, en yüksek. Kriter ağırlıkları da aynı biçimde üçgen olarak alınabilir. DecisionMind bu uzantıda ağırlığı tek sayıya indirirken üç bileşenin ağırlıklı ortalamasını (ağırlık merkezini) kullanır ve sonra normalize eder. Bunun nedeni, EDAS'ın ortalama-çözüm mantığının ağırlıkları kriterler arası kıyaslarken tek bir ölçekte tutmayı gerektirmesidir.

Ortalama çözüm ve sapmalar. Kesin EDAS'ta ortalama çözüm her sütunun tek sayı ortalamasıdır ve pozitif/negatif sapma bu tek sayıya göre ölçülür. Burada ortalama, üç bileşenin (en düşük, en olası, en yüksek) her biri için ayrı ayrı alınır. Yöntem pozitif ve negatif sapmayı da her bileşende kendi ortalamasına göre hesaplar; yön kuralı kesin EDAS'takiyle aynıdır, fayda kriterinde ortalamanın üstü lehte sayılır, maliyet kriterinde ortalamanın altı lehte sayılır. Böylece üç paralel EDAS hesabı yürür: biri en düşük değerler üzerinde, biri en olası değerler üzerinde, biri en yüksek değerler üzerinde.

Sonuç ve durulaştırma. Yöntem her bileşende kendi ağırlıklı toplamına, kendi en büyüğüne bölünen normalizasyonuna ve kendi değerlendirme puanına ulaşır; üç bileşenin puanı hesabın son adımında ortalanarak (sadeleştirilmiş ağırlık merkezi) tek bir sayıya iner. Kesin EDAS zaten tek sayı üretir ve durulaştırmaya ihtiyaç duymaz. Burada durulaştırma tek adımdır ve en sonda yapılır; hesabın ortasında bir bileşen diğerine karışmaz.

DecisionMind bu uzantıda üç bileşenin ayrı ayrı normalize edilmesini (her bileşen kendi en büyüğüne bölünür, birbirine karışmaz) ve son adımda basit ortalamayla durulaştırmayı sabit tutar; ağırlıklar dışarıdan ve üçgen ya da kesin olarak alınır, yöntem ağırlık üretmez.

Çıktı kesin EDAS'taki gibi bir değerlendirme puanı ve sıradır; okunması da aynıdır: 0,76 puan "yüzde 76 iyi" demek değildir, kümenin kendi ortalamasına göre bir konumdur ve başka bir analizle karşılaştırılamaz.

Ama puanın altında üç ayrı EDAS hesabı yatar; bu hesaplar en düşük, en olası ve en yüksek değerler üzerinden yapılır, son ortalama ise bunu gizler. İki seçeneğin puan farkı, üç bileşenin ne kadar birbirine yakın sonuç verdiğine göre sağlam ya da kırılgan olabilir. Üç bileşen aynı sırayı veriyorsa fark sağlamdır, bileşenler farklı sıralar veriyorsa tek puan bu çelişkiyi örter.

Bu nedenle:

"Fuzzy EDAS belirsizliği hesaba kattığı için sonuç daha güvenilirdir"

yerine:

"Kriter puanları sözel olduğu için belirsizlik üç bileşende ayrı ayrı taşınmış ve sonda ortalanmıştır; A2 1,00 ile öndedir, A3 0,51 ile arkasındadır ve bu sıra ağırlıkların bir kritere kayması durumunda değişebilir"

biçiminde yazmak doğrudur.

Kriterler uzman yargısıyla sözel ya da yaklaşık puanlanıyorsa ve bu puanları tek sayıya indirmek yapay bir kesinlik yaratacaksa. Ölçülmüş kriterler için kesin EDAS yeterlidir; ölçülmüş bir değeri üçgene açmak belirsizlik modellemek değil belirsizlik üretmektir. Tablo karışıksa DecisionMind tek veri türü ister; ölçülmüş kriter de üçgene yazılır ve üç bileşeni aynı sayı olur, genişlik sıfırdır.

Kesin EDAS ile aynı çıkış koşulu geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez; kriterlerin çoğu ortalamaya çok yakınsa (bileşenlerin hepsinde) o kriterin ayırt ediciliği burada da zayıflar.

Önce durulaştırıp sonra kesin EDAS koşturmak. Üçgenleri baştan tek sayıya indirip kesin yöntemi uygulamak Fuzzy EDAS değildir; belirsizlik ilk adımda silinir ve üç bileşenin birbirinden ne kadar uzaklaştığı hiç görülmez.

Ortalama çözümü bileşenler arası karıştırmak. En düşük değerin ortalamasını en olası değerin sapmasıyla kıyaslamak (bileşenleri çapraz eşlemek) yöntemi bozar; her bileşen yalnız kendi ortalamasına göre hesaplanır ve yalnız kendi en büyüğüne bölünerek normalize edilir.

Ağırlıkları kesin, puanları bulanık vermek. Ağırlık üçgen verilecekse üç bileşeni ayrı ayrı gerekçelendirilir; kesin ağırlık verilecekse bu raporda belirtilir.

Bölme sıfırı görmezden gelmek. Bir kriterde bileşen ortalaması sıfır ya da negatifse (fayda kriterinde beklenmeyen bir durum) hesap durur; veri kontrol edilmeden devam edilmez.

Temel ilke şudur:

Fuzzy EDAS, kriter puanlarındaki yaklaşıklığı üç bileşende ayrı ayrı sona kadar taşımak içindir; girdiyi baştan kesinleştiren ya da bileşenleri birbirine karıştıran her uygulama, yöntemin tek katkısını yok eder.