Uzantı kartı · Gri
Gri PROMETHEE (Kuang, Kilgour ve Hipel, 2015)
Gri PROMETHEE, kriter puanları yalnız alt ve üst sınırla verildiğinde kullanılan PROMETHEE biçimidir. Her sınır çiftini ortasıyla (beyazlaştırma) tek sayıya indirger, tercih fonksiyonunun eşiğini o kriterin seçenekler arası aralığından otomatik türetir.
Temel yöntem
PROMETHEE →
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; tercih fonksiyonunun ve akışların mantığı değişmez.
Hücreler. Kesin PROMETHEE'de her hücre tek sayıdır. Burada her hücre iki sayıdır: alt sınır, üst sınır. Ortada bir en olası değer iddia edilmez. Ağırlıklar kesin kalır ve dışarıdan, toplamı 1 olacak biçimde alınır; yöntem ağırlık üretmez ve bu girişte grup kararı ayrı bir mekanizmayla desteklenmez.
Beyazlaştırma (farkın tek sayıya indirgenmesi). Kesin PROMETHEE'de fark doğrudan çıkarmadır. Burada önce her gri sayı alt ve üst sınırının ortasıyla (beyazlaştırma) tek bir sayıya indirilir, fark bu beyazlaştırılmış sayılar arasında alınır. Bu ortanın "en olası değer" olduğu iddia edilmez; yalnız hesap için seçilmiş bir temsilci sayıdır. Gri sistem yöntemlerinde bu adıma karşılık gelen literatür ayrı bir aile kurar; DecisionMind'ın bu girişi için doğrudan paylaşılan, kağıttan alınmış bir örnek tablo bulunmadığından kartın doğrulama örneği tümüyle sentetiktir.
Tercih fonksiyonu ve eşik. Kesin PROMETHEE'de tercih eşiği (p) ve kayıtsızlık eşiği (q) genelde elle belirlenir. Burada DecisionMind bu eşiği elle belirlemez: her kriter için p eşiğini, o kriterde seçenekler arasında gözlenen en büyük farka, yani sütunun beyazlaştırılmış değerlerinin aralığına (en büyük eksi en küçük) eşitler ve kayıtsızlık eşiğini sıfırda tutar. Fark bu aralığa bölünüp 1 ile sınırlanarak [0, 1] aralığındaki bir tercih derecesi elde edilir.
Akışlar. İndirgenmiş ve eşiklenmiş tercih dereceleri kriter ağırlığıyla çarpılıp toplanır; giren akış (φ⁺) ve çıkan akış (φ⁻) kesin PROMETHEE'deki aynı ortalama tanımıyla hesaplanır, net akış farkları alınır ve sıralama aynı kuralla yapılır.
DecisionMind bu girişte beyazlaştırmayı ortayla ve eşiği sütun aralığıyla otomatik türetmeyi sabit tutar. Bu otomatik eşik, seçenek kümesine bağlıdır: kümeye yeni bir seçenek eklenip çıkarılınca aralık ve dolayısıyla eşik de değişir; bu, kesin PROMETHEE'de elle sabitlenmiş bir eşikle çalışırken görülmeyen bir ek duyarlılık kaynağıdır.
Çıktı Nasıl Yorumlanır?
Net akış, kesin PROMETHEE'deki gibi bir değerdir ve okunması aynıdır: giren ve çıkan akışla birlikte değerlendirilir, başka bir yöntemin puanıyla karşılaştırılmaz.
Fark şurada: bu net akış hem sınırların ortasına (beyazlaştırma) hem de sütun aralığından türetilen otomatik eşiğe dayanır. İki seçeneğin net akış farkı, sınırların genişliğine ve o an masadaki seçenek kümesinin aralığına göre anlamlı ya da anlamsız olabilir. Bu yüzden raporda net akışın yanında sınırların genişliği ve seçenek kümesi değişince (yeni bir aday eklenince) sıranın sağlam kalıp kalmadığı da gösterilir.
Bu nedenle:
"Gri PROMETHEE'ye göre A2 nettir çünkü az veriyle de çalışır"
yerine:
"Kriterler yalnız alt ve üst sınırla girilmiş, sınırların ortasıyla tek sayıya indirilip PROMETHEE'nin tercih fonksiyonuyla işlenmiştir; A2'nin net akışı en yüksektir ve eşik bu seçenek kümesinin aralığından otomatik türetildiği için yeni bir aday eklenirse yeniden sınanmalıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Elde kriter hakkında yalnız alt ve üst sınır varsa ve sınırların içinde hiçbir değer diğerinden daha olası sayılmıyorsa: az veriyle çalışılan yeni pazar, yeni tedarikçi ya da yeni proje değerlendirmeleri; uzmanın "en az, en çok" diyebildiği ama "en olası" diyemediği yargılar.
Sınırların içinde bir en olası değer biliniyorsa gri değil bulanık PROMETHEE tercih edilmelidir; gri yapı bu bilgiyi siler. Temel yöntemde kalınması gereken durum: kriterler ölçülmüşse. Ölçülmüş bir sayının çevresine kaynağı olmayan bir pay ekleyip gri sayı kurmak belirsizlik modellemek değil, belirsizlik üretmektir. Tablo karışıksa DecisionMind tek veri türü ister; ölçülmüş kriter de gri yazılır ve alt sınır üst sınıra eşit olur. 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
Beyazlaştırılmış ortayı "en olası değer" gibi yorumlamak. Bir gri sayının ortası ⊗[30, 50] için 40 gibi hesaplanır ama bu, 40'ın diğer değerlerden daha olası olduğu anlamına gelmez; sınırların içinde tanımlı bir en olası nokta yoktur, orta yalnız hesabın ihtiyaç duyduğu bir temsilcidir.
Ölçülmüş bir sayının çevresine kaynağı olmayan sınır ekleyerek gri sayı kurmak. 2.450 TL'yi ⊗[2.400, 2.500] diye yazmanın hiçbir kaynağı yoktur; sınırların bir kaynağı (sözleşme, geçmiş kayıt, uzman beyanı) olmalıdır.
Otomatik türetilen p eşiğini sabit bir parametre gibi ele almak. Bu eşik, o kriterde o an masadaki seçenekler arasında gözlenen aralıktan hesaplanır; yeni bir seçenek eklenip aralık genişlediğinde ya da daraldığında eşik de değişir. Bunu fark etmeden "eşik hep aynıydı" varsaymak, seçenek eklenince sıranın neden değiştiğini (rank reversal) açıklayamamaya yol açar.
Temel ilke şudur:
Gri PROMETHEE'nin katkısı, sınırların içinde bilinmeyen hiçbir şeyi (en olası değer, dağılım) var saymadan dürüstçe hesap yapmaktır; ortayı en olası değer sanmak ya da eşiğin seçenek kümesine bağlı olduğunu unutmak bu dürüstlüğü bozar.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: manifestin kendi notuna göre gri PROMETHEE ailesi için ortak, kağıttan alınmış bir örnek tablo bulunmadığından bu tablo tümüyle sentetiktir ve yalnız formüllerin tutarlılığını sınamak için üretilmiştir. 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") yalnız alt ve üst sınırla puanlanmıştır.
| Seçenek | C1 | C2 | C3 |
|---|---|---|---|
| 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 sınır çiftini ortasıyla tek sayıya indirir (A1: 0,70 / 0,50 / 0,60; A2: 0,80 / 0,60 / 0,40; A3: 0,60 / 0,70 / 0,50), her kriter için sütun aralığını (üçünde de 0,20) tercih eşiği olarak alır, farkları bu eşiğe bölüp ağırlıklarla birleştirir ve akışları hesaplar.
| Seçenek | Net akış (φ) | Sıra |
|---|---|---|
| A2 | 0,488 | 1 |
| A3 | -0,038 | 2 |
| A1 | -0,450 | 3 |
Sonuç şöyle okunur. A2, en ağır iki kriterde (C1 ve C2, birlikte 0,75 ağırlık) en yüksek beyazlaştırılmış değerlere sahip ve C3'te (maliyet) en düşük değeri taşıyor; üç kriterde de ya en iyi ya da rakiplerine yakın olduğu için net akışı açık farkla birinci.
Kurul burada tereddüt yaşayabilir. Ağırlık C2'ye kaydırılıp C1 düşürülseydi (C1=0,10, C2=0,60, C3=0,30 olarak, bağımsız Python ile aynı algoritma koşturularak hesaplandı), net akışlar A3 için 0,375, A2 için 0,300, A1 için -0,675 çıkar ve A2 ile A3 yer değiştirir: A3 birinci, A2 ikinci olur. Bu, A2'nin üstünlüğünün C1 ve C2'ye verilen ağırlığa bağlı olduğunu, C2 öne çıkınca A3'ün öne geçtiğini gösterir.
Raporda: "Kriterler yalnız alt ve üst sınırla girilmiş, sınırların ortasıyla tek sayıya indirilip PROMETHEE'nin tercih fonksiyonuyla işlenmiştir. Mevcut ağırlıklarla A2 net akışı 0,488 ile birinci sıradadır; ağırlık C2'ye kaydırıldığında A3 öne geçmektedir, bu nedenle ağırlık dağılımı ayrıca gerekçelendirilmelidir."
Kaynak: Bu tablo DecisionMind'ın Gri PROMETHEE doğrulama sabitidir; manifestin kendi notuna göre gri PROMETHEE ailesi için literatürden paylaşılan ortak bir örnek tablo yoktur, bu yüzden 3×3 gri aralık tablosu sentetik üretilmiştir ve yalnız formül tutarlılığını gösterir, belirli bir makaleye sadakati garanti etmez. Ağırlık değişikliği senaryosunun sayıları bu kartın yazarınca aynı algoritmayla bağımsız olarak yeniden hesaplanmıştır.
2. Tarım: Yeni bir tohum çeşidi için üç tedarikçi arasında seçim
Bir kooperatif yeni bir tohum çeşidi için üç tedarikçi arasında seçim yapacaktır. Kriterler: dekar başına beklenen verim ve çimlenme oranı ("çoğu iyi"), teslimat gecikmesi riski ("azı iyi"). Çeşit bu bölgede yalnız bir-iki deneme parselinde ekilmiş; kooperatifin elinde her tedarikçi için yalnız gözlenen en düşük ve en yüksek değerler var, bir en olası değer yok.
Yöntem üç tedarikçiyi karşılaştırır, her kriterin sınırlarını ortasıyla indirger, sütun aralığını eşik alıp tercih derecelerini hesaplar ve net akışları bulur. Diyelim ki verimi en yüksek tedarikçi aynı zamanda teslimat riski en yüksek olan tedarikçidir ve net akışta yine de birinci çıkar, çünkü verim ağırlığı teslimat riski ağırlığından fazladır; çimlenme oranı en iyi olan tedarikçi ikinci, verimi en düşük olan üçüncü kalır.
Kooperatif burada tereddüt yaşayabilir. Teslimat riski kriterinin ağırlığı düşük tutulduğu için birinci tedarikçinin riski net akışta yeterince görünmeyebilir; ayrıca yalnız iki deneme parselinden gelen sınırlar dar veriyle kurulduğundan yeni bir deneme sonucu geldiğinde sınırların (ve dolayısıyla eşiğin) değişip sırayı etkileyip etkilemediği ayrıca sınanmalıdır.
Raporda: "Verime verilen ağırlıkla birinci tedarikçi net olarak öne çıkmaktadır; teslimat riski ağırlığı düşük tutulduğundan bu kriterin payı sınırlıdır ve yeni deneme verisiyle sınırlar daralırsa sıra yeniden sınanmalıdır."
3. Yapılmaması Gereken
Öğretici örnekteki ⊗[0,45; 0,55] gibi bir gri sayının ortasını (0,50) "en olası değer" diye yorumlamak yanlıştır; gri sayı bu bilgiyi taşımaz, orta yalnız hesap için seçilmiş bir temsilcidir. İkinci yanlış, ölçülmüş bir değerin (örneğin 0,60 olarak kesin bilinen bir oran) çevresine kaynağı olmayan bir pay ekleyip ⊗[0,55; 0,65] diye gri sayı kurmaktır; sınırların bir kaynağı yoksa gri sayı da yoktur. Üçüncü yanlış, otomatik türetilen p eşiğini (bu örnekte üç kriterde de 0,20) sabit bir parametre sanıp dördüncü bir tedarikçi eklendiğinde sütun aralığının değiştiğini, dolayısıyla eşiğin ve olası sıranın da değişebileceğini hesaba katmamaktır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/grey-promethee
Kuang, H., Kilgour, D. M., & Hipel, K. W. (2015). Grey-based PROMETHEE II with application to evaluation of source water protection strategies. Information Sciences, 294, 376–389. DOI: 10.1016/j.ins.2014.09.035
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
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