Uzantı kartı · Bulanık
Bulanık FMEA DEA (Adesina, Yazdi, Zarei ve Pouyakian, 2022)
Bu, uzmanların bir arızanın şiddetini, görülme sıklığını ve fark edilebilirliğini sözel olarak puanladığı, bu puanlardan klasik risk büyüklüğünü (RPN) türettiği ve düzeltici eylemlerin maliyet-süre etkinliğini DEA ile karşılaştırdığı bir hibrit yöntemdir. Çıktı hem bir risk büyüklüğü hem bir DEA verimlilik puanıdır.
Temel yöntem
DEA →
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?
Hücreler. Klasik DEA'da girdi ve çıktı sütunları doğrudan kesin sayıdır. Burada girdi tarafındaki üç ölçüt (şiddet S, görülme sıklığı O, fark edilebilirlik D) uzmanlardan üçgen bulanık sayı olarak alınır; her uzman bu üç ölçütü "çok düşük" ile "çok yüksek" arasında önceden ilan edilmiş bir sözel ölçekle puanlar, ölçek her terimi bir üçgene çevirir. Düzeltici eylemin maliyeti ve süresi ise doğrudan kesin sayı olarak girer; bulanıklaştırılmaz.
Ölçek eşitleme / durulaştırma. Birden fazla uzman varsa puanlar önce ağırlıklı toplamla (her uzmanın kendi güvenilirlik ağırlığıyla) birleştirilir; DecisionMind bu ağırlıkları dışarıdan bir girdi olarak alır. Sonra bu birleşik üçgen, alan ağırlık merkezi (CoA) yöntemiyle tek bir kesin sayıya indirilir ve FMEA'nın standart 1-10 ölçeğine taşınır. Bu durulaştırma, DEA adımından önce, hesabın ortasında yapılır; Fuzzy DEMATEL'deki gibi en baştan değil, RPN hesaplanmadan hemen önce.
Uzaklık / skor / birleştirme. Durulaştırılmış S, O, D değerlerinden klasik FMEA çarpımıyla risk büyüklüğü (RPN = S×O×D) hesaplanır. Sonra her arıza türü bir DEA birimi (DMU) sayılır: girdiler S, O, D ve RPN'nin tersi; çıktılar düzeltici eylemin maliyetinin ve süresinin tersidir. Klasik girdi-yönlü DEA (CCR) burada, "bu arıza türünün düzeltici eylemi, diğer arıza türlerine göre kaynağını (maliyet, süre) ne kadar verimli kullanıyor" sorusuna cevap verir.
Sonuç ve durulaştırma. Çıktı tek bir sayı değil, iki ayrı bilgidir: RPN (risk büyüklüğü, durulaştırılmış S,O,D'den) ve DEA verimlilik puanı theta (düzeltici eylemin kaynak etkinliği). DecisionMind ikisini yan yana raporlar; theta=1 olan arıza türleri düzeltici eylem açısından etkindir, ama bu onların risksiz olduğu anlamına gelmez.
Çıktı Nasıl Yorumlanır?
RPN, klasik FMEA kartındaki gibi okunur: yüksek RPN, yüksek risk demektir, ama tek başına bir sıralama aracı değildir. DEA'nın theta değeri ise DEA kartındaki gibi okunur: 1, bu arıza türünün düzeltici eyleminin kaynak kullanımında sınırda olduğunu gösterir.
Fark şurada: bu iki sayı farklı sorulara cevap verir ve birbirinin yerine geçmez. Yüksek RPN'li bir arıza türü aynı zamanda DEA-etkin (theta=1) çıkabilir; bu, "riski yüksek ama düzeltici eylemi ucuz ve hızlı" demektir. Düşük RPN'li bir arıza türü de DEA-etkin olmayabilir; bu, "riski düşük ama düzeltici eylemi pahalı ve yavaş" demektir.
Bu yüzden:
"Bu arıza türü DEA'da etkin çıktı, demek ki önceliğimiz değil"
yerine:
"Bu arıza türünün düzeltici eylemi kaynak kullanımında etkindir (θ=1), ama RPN'i yüksekse risk önceliği hâlâ yüksektir; iki bilgi birlikte okunmalıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Arıza türlerinin şiddet, görülme sıklığı ve fark edilebilirlik puanları uzmanlardan sözel ya da yaklaşık olarak alınıyorsa ve aynı zamanda düzeltici eylemlerin maliyet-süre etkinliğini karşılaştırmak gerekiyorsa bu uzantı kullanılır. S, O, D zaten kesin sayılarla (örneğin geçmiş arıza kayıtlarından hesaplanmış oranlarla) veriliyorsa bulanıklaştırmak gereksizdir; klasik FMEA'nın RPN'i doğrudan kesin DEA'ya girdi yapılabilir. DEA'nın çıkış koşulu burada da geçerlidir: arıza türü sayısı, girdi (dört: S,O,D,1/RPN) ve çıktı (iki: 1/maliyet,1/süre) toplamına göre yeterli olmalıdır; DecisionMind en az altı arıza türü önerir.
Bu Uzantıya Özgü Hatalar
DEA etkinliğini risk düzeyiyle karıştırmak. Manifestin de işaret ettiği gibi, düzeltici eylem açısından etkin (θ=1) bir arıza türü hâlâ yüksek RPN'e sahip olabilir; öncelik kararı ikisini birlikte gerektirir.
Arıza türü sayısının girdi+çıktı toplamına göre yetersiz olması. Dört girdi, iki çıktı varsa güvenilir bir ayrım için en az altı arıza türü gerekir; bu koşul sağlanmazsa neredeyse her arıza türü DEA-etkin çıkar ve ayrım gücü kaybolur.
Sözel ölçeği ilan etmemek ya da uzmandan uzmana değiştirmek. "Yüksek" gibi bir terimin karşılığı analiz öncesi sabitlenir, raporda yazılır, tüm uzmanlara aynı uygulanır.
Efektif arıza türleri arasındaki sırayı yalnız θ'ya bakarak, RPN'i hiç dikkate almadan kurmak. DecisionMind'ın mevcut motoru, eşit θ değerine sahip arıza türlerini girdi sırasına göre listeler; bu sıra otomatik olarak RPN büyüklüğünü yansıtmaz. Aşağıdaki öğretici örnekte bu ayrım açıkça görülür ve nihai öncelik kararı verilirken RPN sütunu ayrıca okunmalıdır.
Temel ilke şudur:
RPN risk büyüklüğünü, DEA theta'sı düzeltici eylemin kaynak verimliliğini ölçer; bu ikisi aynı anda yüksek ya da aynı anda düşük çıkmak zorunda değildir ve öncelik kararı ikisine birden bakılarak verilir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Adesina, Yazdi, Zarei ve Pouyakian'ın (2022) uçak iniş sistemi uygulaması yalnızca nihai sıralamayı yayımlar; uzman S/O/D puanları ile maliyet-süre verileri makalede yer almaz. Bu yüzden J bloğu, yöntemin adımlarını (TFN birleştirme, CoA durulaştırma, RPN, DEA CCR) uçtan uca sınayan, dört arıza türlü ve el hesabıyla izlenebilir bir öğretici örnektir; makalenin kendi tablosu değildir. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: Dört arıza türünün risk ve düzeltici eylem etkinliği (DecisionMind'ın doğrulama örneği)
Bir ekip, dört arıza türünü (FM1-FM4) şiddet (S), görülme sıklığı (O) ve fark edilebilirlik (D) açısından değerlendirmiştir. Bu örnekte iki uzmanın puanları aynı olduğundan (üzerinde anlaştıkları) bulanık üçgenler kesinleşmiş biçimde (l=m=u) girilmiştir; gerçek uygulamada bu üçgenler genellikle uçları farklı, gerçek bir belirsizlik taşır.
| Arıza türü | S | O | D | RPN (S×O×D) | Maliyet | Süre |
|---|---|---|---|---|---|---|
| FM1 | 2 | 3 | 2 | 12 | 10 | 2 |
| FM2 | 5 | 5 | 5 | 125 | 200 | 15 |
| FM3 | 8 | 8 | 8 | 512 | 1000 | 50 |
| FM4 | 5 | 5 | 5 | 125 | 500 | 30 |
| Girdi/Çıktı | Girdi | Girdi | Girdi | Girdi (1/RPN) | Çıktı (1/Maliyet) | Çıktı (1/Süre) |
(DEA ailesinde "Ağırlık" satırı yoktur.)
Yöntem önce S, O, D'yi durulaştırır (bu örnekte üçgenler zaten kesinleşmiş olduğundan durulaştırma sayıyı değiştirmez), RPN'i çarpımla bulur, sonra her arıza türünü bir DEA birimi olarak DEA CCR'ye sokar.
| Arıza türü | DEA verimlilik (θ) |
|---|---|
| FM1 | 1,000 |
| FM2 | 1,000 |
| FM3 | 1,000 |
| FM4 | 0,500 |
Sonuç şöyle okunur: FM2 ve FM4'ün şiddet, görülme sıklığı ve fark edilebilirlik puanları birebir aynıdır (RPN=125), ama FM4'ün düzeltici eyleminin maliyeti ve süresi FM2'nin tam iki katıdır. DEA bu farkı yakalar: FM2 düzeltici eylem açısından etkin (θ=1) çıkarken FM4 etkin değildir (θ=0,5). FM1 (RPN=12, en düşük risk) ve FM3 (RPN=512, en yüksek risk) da düzeltici eylem açısından etkindir.
Ekibin tereddüdü şudur: θ'ya göre FM1, FM2 ve FM3 eşit derecede etkin görünür, ama risk büyüklükleri (12, 125, 512) çok farklıdır. DecisionMind'ın mevcut motoru bu üç arıza türünü girdi sırasıyla (FM1, FM2, FM3) listeler; bu sıra RPN büyüklüğünü yansıtmaz. Ekip, öncelik kararını yalnız θ sırasına değil, RPN sütununa da bakarak vermelidir: en yüksek riskli ve aynı zamanda düzeltici eylemi etkin olan FM3, θ eşitliğine rağmen ilk incelenmesi gereken arıza türüdür.
Raporda: "FM1, FM2 ve FM3 düzeltici eylem açısından etkindir (θ=1,000); FM4 etkin değildir (θ=0,500), çünkü FM2 ile aynı risk profiline sahip olsa da düzeltici eylemi iki kat daha pahalı ve yavaştır. Etkin üç arıza türü arasında öncelik, motor sırasına değil RPN büyüklüğüne göre verilmelidir: FM3 (RPN=512) ilk sırada incelenmelidir."
Kaynak: Bu, DecisionMind'ın FUZZY-FMEA-DEA (Adesina, Yazdi, Zarei ve Pouyakian, 2022) motoru için el ile kurulmuş, sentetik ve el hesabıyla izlenebilir bir doğrulama örneğidir; makalenin kendi vaka çalışmasının (uçak iniş sistemi) sayıları değildir, çünkü makale yalnız nihai sıralamayı yayımlamaktadır. RPN ve theta değerleri bu kartın yazarınca Python ile bağımsız olarak yeniden hesaplanmış, DecisionMind manifestindeki iç denetim kaydıyla birebir doğrulanmıştır.
2. Tekstil: Bir üretim hattının dikiş kalitesi arıza türleri değerlendirmesi
Bir tekstil fabrikası, dikiş hattındaki arıza türlerini (kumaş kopması, dikiş atlaması, ölçü sapması, boya lekesi) hem risk hem düzeltici eylem etkinliği açısından değerlendirecektir. Kalite ekibi, her arıza türü için şiddet, görülme sıklığı ve fark edilebilirliği sözel ölçekle puanlamış; her düzeltici eylemin tahmini maliyetini ve uygulama süresini de kaydetmiştir.
Yöntem önce puanları durulaştırıp RPN'i hesaplar, sonra DEA ile düzeltici eylemlerin kaynak etkinliğini karşılaştırır. Diyelim ki kumaş kopmasının RPN'i en yüksek çıkıyor ama düzeltici eylemi (hat hızını azaltmak) ucuz ve hızlı olduğu için DEA-etkin; ölçü sapmasının RPN'i daha düşük ama düzeltici eylemi (yeni ölçüm ekipmanı) pahalı ve yavaş olduğu için DEA-etkin değil.
Fabrikanın tereddüdü şudur: kaynak kısıtlıysa önce hangisine yatırım yapılmalı? Yalnız RPN'e bakılırsa kumaş kopması öne çıkar, ama bu zaten ucuz bir düzeltmesi olan bir sorundur. Yalnız DEA'ya bakılırsa ölçü sapması göz ardı edilir, oysa bu sorunun düzeltilmesi pahalı olsa da risk hâlâ orta düzeydedir. Karar iki bilgiyi birlikte gerektirir.
Raporda: "Kumaş kopması en yüksek risk büyüklüğüne (RPN) sahiptir ve düzeltici eylemi kaynak açısından etkindir; öncelik burada açıktır. Ölçü sapmasının riski daha düşük olsa da düzeltici eylemi kaynak açısından etkin değildir; bu yatırım kararı ayrı bir maliyet değerlendirmesi gerektirir."
3. Yapılmaması Gereken
Birinci yanlış, öğretici örnekte FM1, FM2 ve FM3'ün hepsinin θ=1 olmasını "üçü de eşit öncelikli" diye yorumlamaktır; RPN'leri (12, 125, 512) çok farklıdır ve öncelik kararı bu farkı görmezden gelemez. İkinci yanlış, FM4'ün θ=0,5 çıkmasını "FM4'ün riski FM2'den yüksek" diye okumaktır; FM4'ün S,O,D puanları FM2 ile birebir aynıdır, fark yalnız düzeltici eylemin maliyet-süresindedir. Üçüncü yanlış, sözel ölçeği durulaştırmadan önce, uzmanlar arasında ortalama almadan, tek bir uzmanın puanını "grup görüşü" gibi RPN'e sokmaktır; birden fazla uzman varsa ağırlıklı birleştirme adımı atlanamaz.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/fuzzy-fmea-dea
Adesina, K. A., Yazdi, M., Zarei, E., & Pouyakian, M. (2022). Smart decision fuzzy-based data envelopment model for failure modes and effects analysis. In M. Yazdi (Ed.), Linguistic Methods Under Fuzzy Information in System Safety and Reliability Analysis (Studies in Fuzziness and Soft Computing, Vol. 414, pp. 151–168). Springer. DOI: 10.1007/978-3-030-93352-4_7
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444. DOI: 10.1016/0377-2217(78)90138-8
Buckley, J. J. (1985). Fuzzy hierarchical analysis. Fuzzy Sets and Systems, 17(3), 233–247. DOI: 10.1016/0165-0114(85)90090-9
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. DOI: 10.1016/S0019-9958(65)90241-X