Fuzzy SMART

Burada önemli bir kapsam farkı var, sıradan bir hesap farkı değil. Temel SMART kartı yöntemi baştan sona anlatır. Önce her kriterin en kötü ve en iyi ucu belirlenir. Sonra alternatifler bu uca göre 0 ile 1 arasına yerleştirilir. Ardından önem puanları ağırlığa çevrilir ve sonunda alternatiflerin fayda puanı hesaplanıp sıralanır.

DecisionMind'ın bu uzantısı yalnız üçüncü adımı bulanık hale getirir. Bu, önem puanlarını ağırlığa çevirme adımıdır.

Girdi. Bu uzantıya bir alternatif tablosu girilmez. Girdi yalnız kriter listesi ve her kritere verilen önem puanıdır. Her önem puanı üç sayıdan oluşur: en az, en olası, en çok.

Ağırlık türetme. Kesin SMART'ta karar verici her kritere bir önem puanı verir, bu puanlar toplamı 1 olacak şekilde normalize edilir. Fuzzy SMART aynı normalize etme işlemini üç bileşende ayrı ayrı yapar. En düşük puanlardan bir ağırlık vektörü, en olası puanlardan bir ağırlık vektörü, en yüksek puanlardan bir ağırlık vektörü çıkar. Bu üç vektör kriter kriter ortalanır ve toplamı yeniden 1'e normalize edilir.

Sonuç. Çıktı bir ağırlık vektörüdür, bir sıralama değildir. Alternatiflerin puanlanması ve sıralanması bu uzantının kapsamında yoktur, temel SMART kartındaki dördüncü adıma karşılık gelir ve burada çalıştırılmaz.

DecisionMind bu uzantıda, ortalanmış ağırlık ile yalnız en olası bileşenden çıkan ağırlık arasındaki farkı da hesaplar. Bu fark, uzmanın verdiği belirsizlik payının ağırlığı ne kadar değiştirdiğini gösterir. Üç bileşenin ürettiği ağırlıklar birbirinin aynıysa bu bir uyarı olarak işaretlenir.

Çıktı, kriterlerin göreli önemini gösteren bir ağırlık vektörüdür. En yüksek ağırlığı alan kriter, karar vericinin oranlı puanlamada en önemli bulduğu kriterdir. Bu ağırlık, hangi alternatifin öne çıktığını söylemez, çünkü bu uzantı alternatifleri hiç görmez.

Fark şurada: ağırlık artık üç ayrı puan bandından, en az, en olası ve en çoktan, çıkmıştır. Üç bant aynı ağırlığı veriyorsa uzmanın belirsizliği ağırlığı etkilememiş demektir. Üç bant farklı ağırlık veriyorsa hangi bandın ağırlığı sürüklediği raporda gösterilmelidir.

Bu nedenle:

"Fuzzy SMART analizi K1'in en önemli kriter olduğunu gösterdi"

yerine:

"K1, en az, en olası ve en çok puan bantlarının üçünde de en yüksek ağırlığı almıştır. Bu üç bant birbirine yakın çıktığı için ağırlık, karar vericinin verdiği puan aralığının genişliğine duyarlı değildir"

biçiminde yazmak doğrudur.

Karar verici kriterlere önem puanı verirken tek bir sayı yerine bir aralık düşünebilir. Örneğin "bu kritere en az 50, en olası 60, en çok 70 puan veririm" diyorsa Fuzzy SMART tercih edilir. Önem puanı zaten tek bir kesin sayıysa bulanıklaştırmanın bir katkısı olmaz, temel SMART yeterlidir.

Bu uzantı yalnız ağırlık üretir. Alternatifleri puanlayıp sıralamak isteniyorsa bu ağırlıklar temel SMART'ın ya da başka bir sıralama yönteminin girdisi olarak kullanılmalıdır. Bir kriterde taviz kabul edilmiyorsa ağırlıklandırma yerine önce eleme yapılmalıdır.

Bu uzantıya bir alternatif tablosu vermeye çalışmak. Girdi yalnız kriter başına bir önem puanı üçlüsüdür. Alternatif tablosu buraya girmez, temel SMART'ın kendisine girer.

Orantılı bulanıklaştırmayı fark etmemek. Her kritere aynı oranla genişlik eklenmişse, örneğin tüm puanlar aynı katsayıyla büyütülüp küçültülmüşse, üç bant birebir aynı ağırlığı verir. Bu bir hata değildir ama fark edilmezse "üç bant da ayrı ayrı hesaplandı" yanılgısına yol açar.

Ağırlığı nesnel bir sonuç gibi sunmak. Ağırlık, karar vericinin öznel oranlı puanlamasından çıkar. DecisionMind bu puanları üretmez, yalnız bulanık biçimde ağırlığa çevirir.

Puan bandını gerekçesiz genişletmek. Tek bir kesin puanı sonradan üç sayıya açmak bilgi katmaz, yalnız görünürde bir belirsizlik uydurur.

Temel ilke şudur:

Fuzzy SMART, karar vericinin önem puanlarındaki yaklaşıklığı ağırlık vektörüne taşımak içindir. Bu ağırlığı bir sıralama sonucuymuş gibi sunan ya da öznel kaynağını gizleyen her uygulama yöntemin kapsamını yanlış temsil eder.