Uzantı kartı · Gri
Gri COPRAS (Zavadskas, Kaklauskas, Turskis ve Tamošaitienė, 2009)
Grey COPRAS, kriter değerleri yalnız alt ve üst sınırla bilindiğinde, yani gri olduğunda kullanılan COPRAS biçimidir. DecisionMind her aralığı ortasına indirir, yani beyazlaştırır; sonra COPRAS'ın fayda/maliyet oranı hesabını bu tek sayılar üzerinde olduğu gibi yürütür.
Temel yöntem
COPRAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Gri (Grey) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Üç şey değişir; fayda/maliyet oranı mantığı değişmez.
Hücreler. Kesin COPRAS'ta her hücre tek sayıdır. Burada her hücre bir aralıktır: alt sınır ve üst sınır (⊗[alt, üst]). Kriter ağırlıkları kesin (tek sayı) olarak girilir; gri olan yalnız karar matrisidir, ağırlıklar değil.
Ölçek eşitleme. DecisionMind önce her gri hücreyi ortasına indirir. Beyazlaştırma, alt ile üst sınırın ortalamasıdır ve hesabın ilk adımıdır. Aralık, normalizasyondan ve ağırlıklamadan önce tek sayıya iner. Ardından kesin COPRAS'ın sütun toplamına bölme normalizasyonu bu beyazlatılmış sayılar üzerinde, olduğu gibi çalışır.
Uzaklık / skor / birleştirme. Beyazlatılmış ve ağırlıklandırılmış değerler, kesin COPRAS'taki gibi fayda toplamı ve maliyet toplamına ayrılır; göreli önem değeri (Q) aynı oranla kurulur. Bu adımdan sonra hesap, aralığın genişliğinden tamamen bağımsızdır.
Sonuç ve durulaştırma. Ayrı bir durulaştırma adımına gerek yoktur, çünkü durulaştırma (beyazlaştırma) zaten en baştaki adımda yapılmıştır. Çıktı doğrudan kesin COPRAS'takiyle aynı biçimde tek bir fayda derecesidir (en iyi seçenek 100).
DecisionMind bu ailede beyazlaştırmayı ortanoktayla ve hesabın en başında, tek seferde sabit tutar. Aralığın alt ve üst sınırının ayrı ayrı taşındığı, sonunda birleştirildiği bir hesap yolu izlenmez. Bu, "gri sayı hesap boyunca aralık olarak taşınır" beklentisiyle çelişebilir. DecisionMind'da aralık, normalizasyondan önce tek noktaya iner.
Çıktı Nasıl Yorumlanır?
Çıktı kesin COPRAS'takiyle aynı biçimde bir fayda derecesi ve sıradır, okunması da aynıdır. En iyi seçenek 100 alır, diğerleri ona göre bir yüzde alır.
Bu puan, aralığın ortasına dayanır ve aralığın genişliği hakkında hiçbir şey söylemez. İki seçenek arasındaki dar bir fark, geniş aralıklı bir veriden mi yoksa dar aralıklı bir veriden mi geldiğine göre farklı bir güvenle okunmalıdır. DecisionMind bu genişliği puana taşımadığı için raporun kendisi aralıkların ne kadar geniş olduğunu ayrıca belirtmelidir.
Bu nedenle:
"Grey COPRAS aralığı hesaba kattığı için sonuç daha güvenilirdir"
yerine:
"Sınırlar bilinen tek bilgi olduğu için ortanoktaları alınmış, aralığın genişliği fayda derecesine yansımamıştır; A2 100,00 ile öndedir ve bu üstünlük ağırlık C2 lehine belirgin biçimde kaydırılana kadar korunmaktadır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriterler hakkında yalnız alt ve üst sınır biliniyorsa, aradaki bir "en olası değer" iddia edilemiyorsa. Ölçülmüş tek bir değeri iki yanına pay ekleyerek aralığa açmak gerekmez; DecisionMind tek veri türü istediğinden ölçülmüş kriter aynı matriste alt ve üst sınırı eşit bir aralık olarak yazılır, bu genişlik sıfırdır ve bilgi eklemez.
Kesin COPRAS'ın çıkış koşulu burada da aynen geçerlidir. Bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir, eşik altını elemez. Sınırların içinde bir en olası değer biliniyorsa gri değil bulanık yapı, sınırlar bir dağılımın uçlarıysa olasılıksal yapı daha uygundur.
Bu Uzantıya Özgü Hatalar
Değer aralığı ihlali. Her hücrenin alt sınırının üst sınırdan küçük veya eşit olması gerekir; bu sıra bozulursa hesap anlamsızlaşır.
Beyazlaştırma yönteminin gizli bir varsayım olduğunu unutmak. DecisionMind ortanoktayı (alt+üst)/2 kullanır; bu kanonik seçimdir ama tek yol değildir. Aralığın ortasını değil, örneğin yalnız üst sınırı (iyimser) ya da yalnız alt sınırı (kötümser) esas alan bir beyazlaştırma farklı bir sıra ve farklı puanlar üretir. Kullanılan kural raporda belirtilmelidir.
Beyazlaştırmanın en başta yapıldığını bilmemek. DecisionMind aralığı hesabın sonuna kadar taşımaz; ilk adımda ortanoktaya indirir. "Gri yöntem aralığı sona kadar korur" varsayımıyla ara sonuçları yorumlamak yanlıştır.
Aralığın ortasını en olası değer sanmak. Beyazlaştırılmış sayı bir hesap adımıdır, "ortadaki değer daha olasıdır" anlamına gelmez; gri sayı zaten sınırların içinde hiçbir noktayı diğerinden daha olası saymaz.
Temel ilke şudur:
Grey COPRAS, sınırlardan başka bilgi olmadığında dürüst kalmak içindir; beyazlaştırma kuralı ne olursa olsun raporda açıkça yazılmalı, aralığın ortası hiçbir zaman "en olası değer" gibi sunulmamalıdır.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: gri COPRAS ailesi için ortak kabul görmüş, sayfa numarasıyla izlenebilir tek bir literatür örneği yoktur; bu yüzden manifest üç seçenekli, üç kriterli, elle izlenebilir bir sentetik tablo kullanır. İkinci vaka öğretici kurgudur.
1. Öğretici örnek: Üç seçenek, üç kriter (DecisionMind doğrulama örneği)
Üç seçenek üç kriterde değerlendirilmiştir; ilk iki kriter "çoğu iyi", üçüncüsü "azı iyi" (maliyet) türündendir. Puanlar gri sayı olarak ⊗[alt, üst] verilmiştir.
| Seçenek | C1 | C2 | C3 (maliyet) |
|---|---|---|---|
| A1 | ⊗[0,65; 0,75] | ⊗[0,45; 0,55] | ⊗[0,55; 0,65] |
| A2 | ⊗[0,75; 0,85] | ⊗[0,55; 0,65] | ⊗[0,35; 0,45] |
| A3 | ⊗[0,55; 0,65] | ⊗[0,65; 0,75] | ⊗[0,45; 0,55] |
| Yön | çoğu iyi | çoğu iyi | azı iyi |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem her hücreyi ortanoktasına indirir. Örneğin A1-C1 için (0,65+0,75)/2 = 0,70 olur. Sonra sütun toplamına göre normalize eder, ağırlıkla çarpar. Fayda ve maliyet toplamlarını bulur, göreli önem değerini (Q) hesaplar ve en yükseğe bölüp yüzdeye çevirir.
| Seçenek | Fayda derecesi | Sıra |
|---|---|---|
| A2 | 100,00 | 1 |
| A3 | 92,75 | 2 |
| A1 | 85,23 | 3 |
Sonuç şöyle okunur. A2, en ağırlıklı kriter olan C1'de en yüksek ortanoktaya (0,80) ve C3'te en düşük maliyet ortanoktasına (0,40) sahiptir; C2'de A3'ün gerisinde kalması (0,60'a karşı 0,70) bu iki üstünlüğü kapatmaya yetmez. A1, C1'de en düşük ve C3'te en pahalı olduğu için son sıradadır.
Kararın tereddüdü: C1 ağırlığı 0,40'tan 0,30'a indirilip C2 ağırlığı 0,35'ten 0,45'e çıkarılırsa (C3 sabit 0,25) A2 yine 100,00 ile birinci kalır, ama A3 98,18'e yükselir. Fark 1,82 puana iner. Ağırlık bir adım daha C2 lehine kaydırılıp C1 0,20'ye, C2 0,55'e çekilirse A3 100,00 ile öne geçer, A2 96,33'e düşer. Sıra tersine döner. Bu, C1 ile C2'nin göreli ağırlığının sırayı ne kadar belirlediğini gösterir.
Raporda: "Verilen ağırlıklarla (C1=0,40, C2=0,35, C3=0,25) A2 en yüksek fayda derecesine (100,00) sahiptir; A3 (92,75) ile arasındaki fark, C2'nin ağırlığı C1'in önüne geçecek ölçüde artırılırsa (C1=0,20, C2=0,55) kapanır ve sıra tersine döner."
Kaynak: DecisionMind Grey COPRAS manifesti, doğrulama örneği; adımlar Zavadskas, Kaklauskas, Turskis ve Tamošaitienė'nin (2009) gri sayılarla COPRAS tanımının izinden gider. Fayda dereceleri ve duyarlılık senaryolarının sayıları, DecisionMind motorunun bu manifestteki adımları bağımsız olarak yeniden çalıştırılmasıyla elde edilmiştir.
2. Enerji: Yeni güneş paneli tedarikçisi seçimi
Bir enerji şirketi, bir çatı üstü santral projesi için üç panel tedarikçisi arasında seçim yapacaktır. Kriterler: beklenen yıllık enerji verimi, panel ömrü boyunca bakım maliyeti (bu sonuncusu "azı iyi") ve teslim süresi (bu da "azı iyi"). Şirket henüz saha denemesi yapmadığı için hiçbir tedarikçi için "en olası" bir değer veremiyor; her tedarikçinin teknik föyünden ve iki pilot kurulumdan yalnız alt ve üst sınırlar okunabiliyor.
Yöntem üç tedarikçinin her kriterdeki aralığını ortanoktasına indirir, sütun toplamına göre normalize eder, ağırlıklarla çarpar. Verim ağırlıklı değerini fayda toplamında, bakım ve teslim süresini maliyet toplamında biriktirir. Sonra tek bir fayda derecesine iner. Diyelim ki en yüksek verim aralığına sahip tedarikçi aynı zamanda en geniş bakım maliyeti aralığına sahiptir ve yine de birinci çıkar, çünkü verim ağırlığı bakımdan yüksek tutulmuştur.
Şirketin tereddüdü: bakım maliyeti aralığı geniş olan tedarikçi için ortanokta iyimser bir tahmin olabilir. Aralığın üst ucu gerçekleşirse toplam maliyet üstünlüğü tersine döner mi? Bu soru yalnız fayda derecesine bakılarak yanıtlanamaz. Şirket ortanokta yerine üst sınırla da bir kontrol hesabı yapmadan sözleşmeye geçmemelidir.
Raporda: "Beklenen verime verilen yüksek ağırlıkla en verimli panel en yüksek fayda derecesine ulaşmaktadır; bakım maliyeti aralığının geniş olması nedeniyle bu üstünlük yalnız ortanokta senaryosuna dayanmaktadır ve üst sınır senaryosuyla ayrıca sınanmalıdır."
3. Yapılmaması Gereken
Öğretici örnekte C3 (maliyet) "çoğu iyi" işaretlenseydi, en pahalı seçenek fayda toplamına dahil edilirdi; sıra değişmez, ama puanlar 100,00 / 99,41 / 98,46 gibi birbirine yapışır ve A2'nin gerçek üstünlüğü (100,00 / 92,75 / 85,23) gizlenir. İkinci yanlış, aralığın ortası yerine yalnız üst sınırı (iyimser) "gerçek değer" gibi kullanıp öyle kesinleştirmektir. Bu örnekte A1'in fayda derecesi 85,23'ten 81,93'e, A3'ünki 92,75'ten 90,28'e düşer; sıra değişmez, ama sonuç hangi sınırın seçildiğine bağlı hale gelir ve bu seçim raporda gizlenmemelidir. Üçüncü yanlış, bir hücrede alt sınırın üst sınırdan büyük yazılması ya da sınırların hiçbir kaynağa dayanmadan, örneğin ölçülmüş bir sayının çevresine yüzde eklenerek uydurulmasıdır. Bu durumda sütun toplamına bölme adımı anlamsız sonuç üretir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/grey-copras
Zavadskas, E. K., Kaklauskas, A., Turskis, Z., & Tamošaitienė, J. (2009). Multi-attribute decision-making model by applying grey numbers. Informatica, 20(2), 305–320. DOI: 10.15388/informatica.2009.252
Zavadskas, E. K., & Kaklauskas, A. (1996). Determination of an efficient contractor by using the new method of multicriteria assessment. In International Symposium for the Organization and Management of Construction: Shaping Theory and Practice, Vol. 2, 94–104. (DOI yok)
Deng, J. L. (1982). Control problems of grey systems. Systems & Control Letters, 1(5), 288–294. DOI: 10.1016/S0167-6911(82)80025-X
Liu, S., & Lin, Y. (2011). Grey Systems: Theory and Applications. Understanding Complex Systems. Springer. DOI: 10.1007/978-3-642-16158-2