Fuzzy ROV

Üç şey değişir. ROV'un iyimser ve kötümser puanı ortalama alma fikri aynen kalır.

Hücreler. Kesin ROV'da her hücre tek sayıdır. Burada her hücre üç sayıdan oluşur: en düşük, en olası, en yüksek. Kriter ağırlıkları da üçgen olarak dışarıdan gelebilir, tek bir kesin sayı olarak da verilebilir. Fuzzy ROV kendi ağırlığını üretmez.

Ölçek eşitleme. Kesin ROV her kriteri kendi en küçük ve en büyük değeri arasında 0 ile 1'e yerleştirir. Fuzzy ROV aynı işlemi üçgenin üç bileşeninde birden yapar. Maliyet kriterlerinde bileşenler ters çevrilir, en düşük bileşen en yüksek bileşenin yerine geçer. Böylece üçgenin sıralaması, yani en düşüğün en olasıdan küçük olması, korunur.

Puan ve birleştirme. Yöntem normalize edilmiş üçgenleri ve ağırlık üçgenlerini önce durulaştırır, yani üç bileşenin ortalamasını alır. Sonra bu kesin sayılarla fayda kriterlerinden en-iyi-durum puanını, maliyet kriterlerinden en-kötü-durum puanını hesaplar. DecisionMind burada durulaştırmayı normalizasyondan hemen sonra yapar, üçgenleri sona kadar taşımaz.

Sonuç. İki puanın ortalaması kesin ROV'daki gibi tek bir sayıdır.

DecisionMind bu uzantıda normalizasyon sırasını ve durulaştırma noktasını sabit tutar. Ağırlık dışarıdan gelir, tek sayı ya da üçgen olabilir.

Puanın okunuşu kesin ROV'la aynıdır. Puan yalnız bu seçenek kümesi ve bu ağırlıklarla anlamlıdır. Bkz. ROV kartı.

Fark şurada: normalizasyon adımı üçgenin üç köşesinde ayrı ayrı çalışır, ama durulaştırma bu adımdan hemen sonra yapılır. Bu yüzden nihai puan, girdideki belirsizliği yalnız normalizasyon aşamasında taşır. İki seçeneğin puanı yakınsa, bu yakınlık girdi üçgenlerinin genişliğine ne kadar duyarlı olduğu ayrıca kontrol edilmelidir.

Bu nedenle:

"Fuzzy ROV analizi K seçeneğini en iyi buldu"

yerine:

"K seçeneği, bu ağırlıklar ve bu seçenek kümesiyle en yüksek puanı almıştır. Komşu sıradaki seçeneklerle arasındaki fark, kriter ağırlıklarındaki bir değişiklikle kapanabilir"

biçiminde yazmak doğrudur.

Kriterler sözel ya da yaklaşık puanlanıyorsa ve telafi kabul ediliyorsa Fuzzy ROV tercih edilir. Ölçülmüş bir kriteri sonradan üçgene açmak bilgi katmaz. Bulanık veri türü kartı bu ayrımı ayrıntılı anlatır.

DecisionMind tek tür veri ister. Kesin ROV'un çıkış koşulu burada da geçerlidir: bir kriter sütunu sabitse normalizasyon tanımsız kalır, bu kriter ya çıkarılmalı ya farklı ölçülmelidir. Bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edici olduğu için uygun değildir.

Kriter yönünü yanlış işaretlemek. Bir maliyet kriteri fayda olarak işaretlenirse üçgenin bileşenleri yanlış yönde ters çevrilir ve sıra bozulur.

Durulaştırmayı normalizasyondan önce yapmak. Üçgenleri normalizasyondan önce tek sayıya indirip kesin ROV koşturmak Fuzzy ROV değildir. Belirsizlik daha ilk adımda kaybolur.

Sabit bir kriter sütununu fark etmeden hesaba sokmak. Üç seçenekte de aynı üçgeni taşıyan bir kriter varsa normalizasyon paydası sıfır olur ve hesap tanımsız kalır.

Manifestin ortak uyarısı da geçerlidir: hücrelerin l küçük eşit m küçük eşit u sırasına uyması gerekir. Durulaştırma yöntemi seçimi sonucu etkiler, DecisionMind burada üç bileşenin ortalamasını sabit kullanır.

Temel ilke şudur:

Fuzzy ROV, normalizasyonu üçgenin üç köşesinde yapıp hemen ardından durulaştırmaktır. Girdi belirsizliğinin puana ne kadar yansıdığını göstermeyen bir uygulama, yöntemin gerçek davranışını gizler.