Uzantı kartı · Bulanık
Fuzzy PROMETHEE (Goumas ve Lygerou, 2000)
Fuzzy PROMETHEE, kriter puanları üçgen bulanık sayılarla verildiğinde kullanılan PROMETHEE biçimidir. İkili farkı önce tek bir gerçek sayıya indirger, tercih fonksiyonunu ve giren/çıkan akışları bu sayı üzerinden kurar, sonucu yine tek bir net akışla sıralar.
Temel yöntem
PROMETHEE →
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; tercih fonksiyonunun ve akışların mantığı değişmez.
Hücreler. Kesin PROMETHEE'de her hücre tek sayıdır. Burada her hücre üç sayıdır: en düşük, en olası, en yüksek. Ağırlıklar kesin kalır ve dışarıdan, toplamı 1 olacak biçimde alınır; yöntem ağırlık üretmez. Bu giriş grup kararını ayrı bir mekanizmayla desteklemez: birden fazla uzmanın puanı varsa önce tek bir üçgene birleştirilir, hesaba tek matris olarak girer.
Farkın tek sayıya indirgenmesi. Kesin PROMETHEE'de iki seçeneğin bir kriterdeki farkı doğrudan çıkarmadır. Burada önce her üçgen kendi ağırlık merkeziyle, yani en düşük, en olası ve en yüksek değerin ortalamasıyla tek bir sayıya indirilir; fark bu indirgenmiş sayılar arasında alınır. Bu adım, TOPSIS'teki sütun ölçeklemesine karşılık gelir: tercih fonksiyonunun eşik değerleriyle (kayıtsızlık eşiği q, tercih eşiği p) karşılaştırılabilecek tek bir gerçek sayı üretir. DecisionMind bu indirgemeyi ağırlık merkeziyle ve erken, yani daha ilk adımda yapar.
Bu erken indirgeme, Goumas ve Lygerou'nun (2000) orijinal makalesindeki sıradan basitleştirilmiştir: makale tercih derecesini bulanık farkın kendisi üzerinden tanımlar, DecisionMind ise önce ağırlık merkeziyle durulaştırıp sonra kesin PROMETHEE'nin aynı hesabını yürütür. İki yol matematiksel olarak özdeş değildir; DecisionMind bunu bir mühendislik seçimi olarak kaydeder ve bu kart bunu gizlemez.
Tercih fonksiyonu ve akışlar. İndirgenmiş fark, kesin PROMETHEE'deki aynı tercih fonksiyonundan (varsayılan: eşikli doğrusal, kayıtsızlık eşiği 0, tercih eşiği 1) geçirilir, kriter ağırlığıyla çarpılıp toplanır; giren akış (φ⁺) ve çıkan akış (φ⁻) aynı ortalama tanımıyla hesaplanır. Bulanıklık akışın kendisine değil, akışı besleyen farkın nasıl elde edildiğine karışmıştır ve bu adımdan sonra iz bırakmaz.
Sonuç ve durulaştırma. Çıktı, kesin PROMETHEE'deki gibi doğrudan tek bir net akış sayısıdır (φ⁺ − φ⁻); belirsizlik durulaştırma adımında tüketilmiştir, sonuca bulanık biçimde taşınmaz. DecisionMind bu girişte ağırlık merkezi durulaştırmasını ve eşikli doğrusal tercih fonksiyonunu (varsayılan q=0, p=1) sabit tutar; farklı bir durulaştırma kuralı (yalnız en olası değer, en kötümser uç) ya da farklı bir tercih fonksiyonu ailesi seçilebilir ama seçim raporda belirtilmelidir.
Çıktı Nasıl Yorumlanır?
Net akış, kesin PROMETHEE'deki gibi −1 ile +1 arasında bir değerdir ve okunması aynıdır: giren ve çıkan akışla birlikte değerlendirilir, başka bir yöntemin puanıyla karşılaştırılmaz.
Fark şurada: bu net akış, kriter puanlarındaki üç köşeli belirsizliği ilk adımda tek noktaya indirmiştir. İki seçeneğin net akış farkı, üçgenlerin genişliğine göre anlamlı ya da anlamsız olabilir; genişlik ne kadar büyükse ağırlık merkezinin temsil ettiği tek sayı o kadar kaba bir özettir. Bu yüzden raporda yalnız net akış değil, üçgenlerin genişliği ve ağırlık takasının sırayı değiştirip değiştirmediği de gösterilir.
Bu nedenle:
"Fuzzy PROMETHEE'ye göre A2 nettir çünkü belirsizlik hesaba katılmıştır"
yerine:
"Kriter puanları üçgen bulanık sayı olarak verilmiş, ağırlık merkeziyle tek sayıya indirilmiş ve PROMETHEE'nin aynı tercih fonksiyonuyla işlenmiştir; A2'nin net akışı en yüksektir ve bu sıra ağırlık takasına duyarlıdır"
biçiminde yazmak doğrudur. Üçgenin ağırlık merkezi, üçgenin genişliğini değil yalnız merkezini taşır; genişlik raporda ayrıca söylenmelidir.
Ne Zaman Temel Yöntem Yerine Bu?
Kriterler sözel ya da yaklaşık puanlanıyorsa ve bu puanları tek sayıya indirmek yapay bir kesinlik yaratacaksa. Goumas ve Lygerou'nun (2000) kendi uygulama alanı budur: enerji projelerinde "çevresel etki", "sosyal kabul" gibi doğrudan ölçülemeyen kriterlerin uzman yargısıyla puanlanması. Tedarikçi değerlendirmesi, yatırım ve proje sıralaması gibi PROMETHEE'nin zaten sık kullanıldığı alanlarda kriterlerden biri veya birkaçı yaklaşık puanlanıyorsa da uygundur.
Temel yöntemde kalınması gereken durum: kriterler ölçülmüşse. Ölçülmüş bir maliyeti ya da süreyi 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 PROMETHEE'nin çıkış koşulları burada da aynen geçerlidir: seçenek sayısı elliyi aşıyorsa ikili karşılaştırma yükü büyür, tam sıra değil dürüst bir kısmi ilişki gerekiyorsa PROMETHEE I'in okuması ya da ELECTRE ailesi düşünülmelidir.
Bu Uzantıya Özgü Hatalar
Üç bileşeni eşit üçgenleri "belirsizlik taşındı" diye raporlamak. Bir üçgenin en düşük, en olası ve en yüksek değeri aynıysa (genişlik sıfır) hesap kesin PROMETHEE'den farksızdır; rapor bunu "fuzzy sonuç" diye sunmamalı, girdinin aslında kesin olduğunu söylemelidir.
Eşik değerlerini (q, p) üçgenlerin gerçek ölçeğine bakmadan varsayılana bırakmak. Varsayılan eşik 0 ile 1 arasındadır. Üçgenler 0-1 dışında bir ölçekte, örneğin bin TL'lik bir maliyet aralığında verilmişse, varsayılan eşikle hemen her fark "tam tercih" sayılır ve tercih fonksiyonu fiilen en yalın (mutlak) fonksiyona döner; bu, kademeli tercih fikrinin tek katkısını siler.
Ağırlık merkezi yerine yalnız en olası değeri (m) durulaştırma sayısı olarak kullanmak. Bu, üçgenin uçlarındaki bilgiyi sessizce atar; DecisionMind'ın sabit tuttuğu kural üç bileşenin ortalamasıdır ve farklı bir kural kullanılacaksa raporda belirtilir.
Temel ilke şudur:
Fuzzy PROMETHEE'nin katkısı, kriter puanlarındaki yaklaşıklığı ağırlık merkezine kadar dürüstçe taşımaktır; girdi zaten kesinse ya da eşikler girdinin ölçeğine göre kalibre edilmemişse, taşınacak bir belirsizlik kalmaz.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: manifestin kendi notuna göre bu, Goumas ve Lygerou'nun (2000) makalesinden alınmış bir tablo değil, motor ile kernel'in tutarlılığını sınamak için üretilmiş sentetik bir 3×3 üçgen bulanık sayı sabitidir. İkinci vaka öğretici kurgudur.
1. Öğretici örnek (DecisionMind'ın doğrulama örneği): üç seçenek, üç kriter
Üç seçenek (A1, A2, A3) üç kriterde (C1, C2 "çoğu iyi", C3 "azı iyi") üçgen bulanık sayılarla puanlanmıştır. Bu doğrulama tablosunda her üçgenin üç bileşeni birbirine eşittir; yani girdi aslında kesindir, yalnız üçgen biçiminde yazılmıştır.
| Seçenek | C1 | C2 | C3 |
|---|---|---|---|
| A1 | (3,000; 3,000; 3,000) | (4,833; 4,833; 4,833) | (4,000; 4,000; 4,000) |
| A2 | (4,833; 4,833; 4,833) | (3,000; 3,000; 3,000) | (2,000; 2,000; 2,000) |
| A3 | (4,000; 4,000; 4,000) | (4,000; 4,000; 4,000) | (3,000; 3,000; 3,000) |
| Yön | çoğu iyi | çoğu iyi | azı iyi |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem her üçgeni ağırlık merkeziyle tek sayıya indirir (genişlik sıfır olduğundan sayı değişmez), eşikli doğrusal tercih fonksiyonuyla (kayıtsızlık eşiği 0, tercih eşiği 1) ikili farkları değerlendirir, ağırlıklarla birleştirip giren ve çıkan akışları hesaplar.
| Seçenek | Net akış (φ) | Sıra |
|---|---|---|
| A2 | 0,267 | 1 |
| A3 | 0,063 | 2 |
| A1 | -0,329 | 3 |
Sonuç şöyle okunur. A2, en ağır iki kritere (C1 ve C2 birlikte 0,75 ağırlık) rakiplerine göre güçlü puanlarla giriyor; C3'te en iyi (en düşük maliyet) değeri de A2'nin. A1 en düşük net akışa sahiptir çünkü C1'de en zayıf, C3'te en pahalı seçenektir.
Kurul burada tereddüt yaşayabilir. Ağırlık C2'ye kaydırılıp C1 düşürülseydi (C1=0,20, C2=0,55, C3=0,25 olarak, bağımsız Python ile aynı algoritma koşturularak hesaplandı), net akışlar A3 için 0,063, A1 için 0,054, A2 için -0,117 çıkar ve sıra tamamen tersine döner: A3 birinci, A1 ikinci, A2 üçüncü olur. Bu, üç seçenek arasındaki farkın ağırlık dağılımına son derece duyarlı olduğunu gösterir.
Raporda: "Kriter puanları üçgen bulanık sayı olarak girilmiş, ağırlık merkeziyle tek sayıya indirilip PROMETHEE'nin tercih fonksiyonuyla işlenmiştir. Mevcut ağırlıklarla A2, net akışı 0,267 ile birinci sıradadır; ağırlık C2'ye kaydırıldığında sıra tamamen değişmektedir, bu nedenle ağırlık dağılımı ayrıca gerekçelendirilmelidir."
Kaynak: Bu tablo DecisionMind'ın Fuzzy PROMETHEE (Goumas-Lygerou 2000) doğrulama sabitidir; manifestin kendi notuna göre Goumas ve Lygerou'nun (2000) makalesinden transkribe edilmemiştir ve yalnız motor-kernel tutarlılığını gösterir, makaleye sadakati garanti etmez. Üçgenlerin üçü de eşit bileşenlidir (genişlik sıfır), bu yüzden sonuç kesin PROMETHEE'nin sonucuyla birebir örtüşür. Ağırlık değişikliği senaryosunun sayıları bu kartın yazarınca aynı algoritmayla bağımsız olarak yeniden hesaplanmıştır.
2. Lojistik: Yeni bir bölge deposu için üç aday alan
Bir dağıtım şirketi yeni bölge deposu için üç aday alan arasında seçim yapacaktır. Kriterler: ana yollara erişim kolaylığı, çevredeki iş gücü uygunluğu (ikisi de "çoğu iyi") ve genişleme kısıtı riski ("azı iyi"). Erişim ve iş gücü ölçülebilir olsaydı da şirket bu kararı saha ziyaretinden edinilen uzman yargısıyla veriyor; her aday alan her kriterde yedi terimli sözel ölçekle puanlanmış ve önceden ilan edilmiş bir üçgene çevrilmiştir.
Yöntem üç alanı ikişer ikişer karşılaştırır, her üçgeni ağırlık merkeziyle indirger, eşikli tercih fonksiyonuyla farkları değerlendirir ve net akışları bulur. Diyelim ki erişimi "çok yüksek" olan alan aynı zamanda genişleme riski "yüksek" çıkmıştır ve net akışta yine de birinci sıradadır, çünkü erişim ağırlığı risk ağırlığından fazladır; iş gücü uygunluğu en iyi olan alan ikinci, erişimi en zayıf olan alan üçüncü kalır.
Şirket burada tereddüt yaşayabilir. Genişleme riski kriterinin ağırlığı düşük tutulduğu için birinci alanın riski net akışta yeterince görünmüyor olabilir. Şirket bu ağırlığı artırıp yeniden hesaplamadan karar vermemeli; ayrıca erişim kriterindeki "çok yüksek" puanının komşu bir terime ("yüksek") inmesi durumunda sıranın değişip değişmediği ayrıca sınanmalıdır.
Raporda: "Erişim kolaylığına verilen ağırlıkla birinci alan net olarak öne çıkmaktadır; genişleme riski ağırlığı düşük tutulduğundan bu kriterin payı sınırlıdır ve ağırlık artırılırsa sıra değişebilir."
3. Yapılmaması Gereken
Öğretici örnekteki üçgenlerin üçü de eşit bileşenlidir; bunu "Fuzzy PROMETHEE belirsizliği hesaba kattı" diye raporlamak yanlıştır, çünkü girdi zaten kesindir ve hesap kesin PROMETHEE'den farksızdır. İkinci yanlış, eşik değerlerini (kayıtsızlık 0, tercih 1) tablo 0-10 gibi geniş bir ölçekteyken değiştirmeden kullanmaktır; bu durumda neredeyse her fark "tam tercih" sayılır ve kademeli tercih fikri ortadan kalkar. Üçüncü yanlış, ağırlık merkezi yerine yalnız en olası değeri (A1'in C2'sinde 4,833 yerine yalnızca ortanca bileşeni almak gibi) durulaştırma sayısı olarak kullanmak ve bunu raporda belirtmemektir; bu, DecisionMind'ın sabit tuttuğu kuraldan sessizce sapmaktır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/fuzzy-promethee
Goumas, M., & Lygerou, V. (2000). An extension of the PROMETHEE method for decision making in fuzzy environment: Ranking of alternative energy exploitation projects. European Journal of Operational Research, 123(3), 606–613. DOI: 10.1016/S0377-2217(99)00093-4
Brans, J. P., & Vincke, Ph. (1985). A preference ranking organisation method (The PROMETHEE method for multiple criteria decision-making). Management Science, 31(6), 647–656. DOI: 10.1287/mnsc.31.6.647
Brans, J. P., Vincke, P., & Mareschal, B. (1986). How to select and how to rank projects: The PROMETHEE method. European Journal of Operational Research, 24(2), 228–238. DOI: 10.1016/0377-2217(86)90044-5
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. DOI: 10.1016/S0019-9958(65)90241-X