Uzantı kartı · Gri
Gri SAW
Grey SAW, ölçütler yalnız alt ve üst sınırla bilindiğinde gri sayılarla çalışan SAW biçimidir. Her hücreyi beyazlaştırır, ardından kesin SAW'ın ağırlıklı toplamını uygular.
Temel yöntem
SAW →
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?
İki şey değişir; karar mantığı değişmez.
Hücreler ve ölçek eşitleme. Kesin SAW'da her hücre tek sayıdır ve her sütun kendi en iyi değerine oranlanır. Burada her hücre bir gri sayıdır: yalnız alt (⊗v^L) ve üst (⊗v^U) sınır; içeride bir en olası değer yoktur. DecisionMind'ın motoru ölçek eşitlemeyi ve beyazlaştırmayı, yani gri sayının tek sayıya indirilmesini, tek adımda birleştirir. Her sütun "çoğu iyi" ise sütunun en büyük üst sınırına, "azı iyi" ise sütunun en küçük alt sınırına oranlanır. Alt ve üst sınırdan gelen iki oran ortalanarak tek bir eşitlenmiş ve beyazlatılmış değer elde edilir. Kesin SAW'da tek bir oranlama adımı vardır; burada bu adım hem ölçek eşitler hem alt ve üst sınırı tek sayıya indirir.
Ağırlıklı toplam. Beyazlatılmış ve eşitlenmiş sütun, kriter ağırlığıyla çarpılıp toplanır. Bundan sonrası kesin SAW ile birebir aynıdır.
DecisionMind klasik Grey SAW'da bu beyazlaştırma kuralını (alt ve üst sınırdan gelen iki oranın ortalaması) sabit tutar; başka bir beyazlaştırma kuralı (yalnız orta nokta, yalnız üst sınır) farklı bir sıra verebilir.
Çıktı Nasıl Yorumlanır?
Toplam puan kesin SAW'daki gibi bir ağırlıklı ortalamadır ve aynı biçimde okunur: yüzde değildir, başka bir analizle karşılaştırılmaz, tam telafi geçerlidir.
Fark şudur. Puan, aslında yalnız sınırları bilinen bir büyüklüğü tek sayıya indirerek üretilmiştir. Sınırların içinde hangi değerin daha olası olduğu bilinmediği için bu indirgeme bir varsayımdır (alt ve üst sınırın eşit ağırlıklı ortalaması); farklı bir beyazlaştırma kuralı farklı bir puan, hatta farklı bir sıra verebilir. Bu yüzden raporda yalnız puan değil, sınırların genişliği ve puanın beyazlaştırma kuralına duyarlılığı da belirtilir.
Bu nedenle:
"Grey SAW puanı en yüksek çıktığı için bu seçenek kesin olarak en iyisidir"
yerine:
"Bu puan, yalnız alt ve üst sınırı bilinen verinin belirli bir beyazlaştırma kuralıyla tek sayıya indirilmiş hâlidir; sınırlar geniş olan ölçütlerde bu indirgeme daha kaba bir varsayımdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Ölçüt hakkında yalnız alt ve üst sınır biliniyorsa, aradaki hiçbir değer diğerinden daha olası sayılmıyorsa. Ölçülmüş, tek ve savunulabilir bir sayıyı gri sınıra açmak, örneğin 40'ı ⊗[35,45] yapmak, belirsizlik modellemek değil belirsizlik üretmektir. DecisionMind tek veri türü ister; tablo karışıksa ölçülmüş değer de alt ve üst sınırı eşit bir gri sayı olarak yazılır.
SAW'ın çıkış koşulu aynen geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da tam telafi mantığı taşır ve eşik altını elemez.
Bu Uzantıya Özgü Hatalar
Alt sınırın üst sınırdan büyük olması. Her hücrede alt sınır üst sınıra eşit ya da küçük olmalıdır (GIN kısıtı); tersi hesaplamayı geçersiz kılar.
Gri sayının ortasını en olası değer sanmak. Gri sayı bu bilgiyi taşımaz; beyazlaştırma bir varsayımdır, veriden okunan bir değer değildir.
Beyazlaştırma kuralını değiştirip aynı sonucu beklemek. Alt ve üst sınırın ortalaması yerine yalnız üst sınırı ya da yalnız alt sınırı kullanmak farklı bir puan üretir; hangi kuralın kullanıldığı raporda belirtilir.
Sınırların içinde bilinen bir dağılımı ya da en olası değeri atıp gri yapıya inmek. Elde bundan fazla bilgi varsa (bir en olası değer ya da bir dağılım), bunu gri sınıra indirgemek elde olan bilgiyi siler; bulanık ya da olasılıksal yapı daha doğru olur.
Temel ilke şudur:
Grey SAW, yalnız sınırları bilinen bir büyüklüğü dürüstçe taşımak içindir; beyazlaştırma bir hesap adımıdır ve hangi kuralın kullanıldığı raporda açıkça belirtilmelidir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: manifestte bu 3×3 gri-aralık tablosuna literatürden sayfa düzeyinde bağlı bir kaynak yoktur; formüle sadık, elle izlenebilir bir kurgu olarak kurulmuştur. İkinci vaka öğretici kurgudur.
1. Öğretici örnek: Üç enerji depolama teknolojisi adayının üç ölçütte karşılaştırılması (DecisionMind doğrulama örneği)
Bir işletme yeni bir enerji depolama teknolojisi seçecektir; teknolojiler henüz sınırlı sayıda pilot uygulamada test edilmiştir ve her ölçüt için yalnız gözlenen en düşük ve en yüksek değer bilinmektedir. Üç ölçüt vardır: verimlilik (C1, çoğu iyi), esneklik (C2, çoğu iyi), bakım maliyeti (C3, azı iyi).
| Aday | 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 sütunu (C1 ve C2'de sütunun en büyük üst sınırına, C3'te sütunun en küçük alt sınırına) oranlayıp beyazlatır, ağırlıkla çarpıp toplar.
| Aday | Puan | Sıra |
|---|---|---|
| A2 | 0,8787 | 1 |
| A3 | 0,7858 | 2 |
| A1 | 0,7096 | 3 |
Sonuç şöyle okunur. A2 hem verimlilikte hem esneklikte en geniş üst sınıra sahiptir ve bakım maliyeti en düşüktür; her ölçütte diğerlerinden üstün olduğu için açık ara birincidir. A3, esneklikte en iyisi olmasına rağmen verimlilikte A2'nin gerisinde kaldığı için ikinci sıradadır.
İşletmenin tereddüdü şudur: ağırlıklar komite içinde tartışmalıdır; esneklik (C2) verimlilikten (C1) daha önemli sayılsa ne olurdu? Ağırlıklar C1=0,30 ve C2=0,45 olarak yeniden dağıtılsa bile A2, 0,8646 ile birinciliğini korur; bu, bağımsız Python hesaplamasıyla doğrulanmıştır. A2'nin liderliği bu ölçüde bir ağırlık takasına karşı sağlamdır. Buna karşılık C2'ye aşırı yüksek bir ağırlık, 0,65 ve üzeri, verilirse A3 öne geçer; bu, gerçekçi bir ağırlık aralığının dışındadır.
Raporda: "A2, verimlilik ve esneklik ölçütlerinde en geniş üst sınıra ve en düşük bakım maliyetine sahip olduğu için 0,8787 puanla birincidir; bu sıralama, ağırlıkların makul bir aralıkta yeniden dağıtılmasına karşı sağlamdır."
Kaynak: DecisionMind Grey SAW manifesti, doğrulama örneği; sınırlar ve ağırlıklar sentetik olarak kurulmuş, hesap adımları Deng'in (1982) gri sistem çerçevesi ve Fishburn'ün (1967) ağırlıklı toplam tanımına göre yürütülmüştür. Manifestte bu tabloya sayfa düzeyinde bir literatür kaynağı verilmediği için öğretici örnek olarak sunulmuştur.
2. Spor: Yeni sözleşmeli oyuncu adayının performans ölçütleriyle değerlendirilmesi
Bir spor kulübü, transfer dönemi kapanmadan üç oyuncu adayından birine teklif yapacaktır. Ölçütler: sezonluk gol/asist katkısı, sakatlık geçmişi (azı iyi), takım uyum potansiyeli. Adayların ikisi başka liglerden geldiği için istatistikler yalnız "en kötü sezon" ve "en iyi sezon" aralığı olarak elde edilmiştir; kulüp tek bir "beklenen" sayı vermek istememektedir.
Yöntem üç adayı kendi sütun sınırlarına oranlayıp beyazlatır, ağırlıklı toplamı hesaplar. Diyelim ki en geniş katkı aralığına sahip ama sakatlık geçmişi de en geniş olan aday birinci, katkısı daha dar ama sakatlık geçmişi neredeyse hiç olmayan aday ikinci çıktı ve fark küçüktü.
Kulübün tereddüdü şudur: birinci adayın sakatlık geçmişi aralığının üst ucu, yani en kötü senaryo, gerçekleşirse bu maliyet kalemi bütçeyi zorlayabilir. Grey SAW yalnız verilen sınırları ve ağırlıkları işler; sakatlık riskinin sözleşme koşullarına nasıl yansıtılacağı ayrı bir karardır ve yöntemin puanına dahil değildir.
Raporda: "Sıralama, üç adayın gözlenen performans ve sakatlık aralıklarına dayanmaktadır; birinci adayın sakatlık geçmişindeki geniş aralığın üst ucu gerçekleşirse ek bir bütçe riski doğar, bu risk puana yansımamıştır."
3. Yapılmaması Gereken
Öğretici örnekte A2'nin verimlilik sınırının ortası olan 0,80'i "en olası verimlilik" diye yorumlayıp buna göre ayrı bir yorum eklemek: gri sayı bu bilgiyi taşımaz, ortanın özel bir anlamı yoktur. İkinci yanlış, C3 (bakım maliyeti, azı iyi) sütununu "çoğu iyi" gibi en büyük üst sınıra oranlamaktır; bu, en pahalı seçeneği en iyi gösterir ve sıralamayı tersine çevirir. Üçüncü yanlış, sınırları önce ortalayıp (örneğin A1'in C1'i için 0,70) kesin SAW koşturmaktır; bu, sınırların genişliğinde taşınan bilgiyi (örneğin A1'in C1'inin A2'ninkinden belirgin biçimde dar olması) sessizce siler.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/grey-saw
Fishburn, P. C. (1967). Additive utilities with incomplete product sets: Application to priorities and assignments. Operations Research, 15(3), 537–542. DOI: 10.1287/opre.15.3.537
Deng, J. (1982). Control problems of grey systems. Systems and Control Letters, 1(5), 288–294. DOI: 10.1016/S0167-6911(82)80025-X