Uzantı kartı · Gri
Gri TODIM (Sen, Datta ve Mahapatra, 2015)
Gri TODIM, karar tablosundaki değerler tek sayı değil yalnız alt ve üst sınırla (gri sayı) bilindiğinde kullanılan TODIM biçimidir. Aynı kayıptan kaçınma mantığını sınırların orta noktasına indirgenmiş değerler üzerinde yürütür.
Temel yöntem
TODIM →
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; θ'nın kayıpları büyütme mantığı ve referans kriter mekanizması değişmez.
Hücreler. Kesin TODIM'de her hücre tek sayıdır. Burada her hücre bir alt ve bir üst sınırdır: ⊗v = [v^L, v^U]. Sınırların içinde bir en olası değer ilan edilmez; elde yalnız iki sınır varsa yapı budur. DecisionMind bu uzantıda ağırlıkları kesin (tek sayı) alır. Bulanık ya da sezgisel uzantıların aksine ağırlık gri değildir; grup kararı desteklenmez.
Beyazlaştırma ve ölçek eşitleme. Kesin TODIM'de ölçek eşitleme doğrudan ham değerler üzerinde çalışır. Burada önce her gri hücre kendi alt ve üst sınırının ortalamasıyla, yani beyazlaştırmayla, tek bir sayıya indirilir. Kesin TODIM'in fayda kriterinde sütun en büyüğüne bölme, maliyet kriterinde sütun en küçüğünü orana koyma biçimindeki ölçek eşitlemesi, bu beyazlaştırılmış sayılar üzerinde uygulanır. Beyazlaştırma, sınırların içindeki genişliği hesaptan çıkarır; geriye yalnız orta nokta kalır.
Kayıptan kaçınma katsayısı. Bulanık, sezgisel ve nötrosofik TODIM üyelerinin aksine, DecisionMind Gri TODIM'de θ kullanıcı tarafından ayarlanamaz; θ dahili olarak 1'de sabittir. Bunun nedeni şudur: gri ailenin bu sürümünde belirsizlik zaten beyazlaştırma adımında sınıra indirgenmiştir. Ek bir davranışsal ayar parametresi, veri kalitesiyle orantılı bir katkı sağlamaz. Kazanç-kayıp karşılaştırmasının kendisi, yani referans kriterin göreli ağırlığı belirlemesi ve kayıp tarafının büyütülmesi, aynen sürer.
Sonuç. Küresel değer yine 0 ile 1 arasında normalize edilmiş tek bir sayıdır; sınırların genişliği sonuca hiçbir noktada geri dönmez, yalnız beyazlaştırılmış orta noktalar arasındaki fark taşınır.
DecisionMind bu uzantıda beyazlaştırmayı orta nokta (v^L+v^U)/2 olarak sabit tutar; θ'yı 1'de sabitler.
Çıktı Nasıl Yorumlanır?
Küresel değerin okunması kesin TODIM'deki gibidir: en düşük toplam üstünlük 0, en yüksek 1 alır, mutlak bir "iyi/kötü" ölçütü değildir.
Fark şudur. Bu değer, sınırların yalnız orta noktasından türetilmiştir; iki seçeneğin puan farkı okunurken sınırların genişliği ayrıca sorulmalıdır. Dar bir sınıra (⊗[0,65; 0,75]) sahip bir hücre ile aynı orta noktalı ama geniş bir sınıra (⊗[0,50; 0,90]) sahip bir hücre, beyazlaştırmadan sonra aynı sayıyı üretir ve sonuç bu farkı göstermez.
Bu nedenle:
"Gri TODIM sonucuna göre A2 birinci, belirsizlik hesaba katıldı"
yerine:
"Sınırlar orta noktasına indirgenerek sıralanmıştır; A2 en yüksek küresel değere sahiptir, ancak hangi hücrelerin geniş sınırla (az bilgiyle) girdiği ayrıca belirtilmelidir çünkü bu genişlik küresel değere yansımamıştır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir kriterin değeri hakkında yalnız alt ve üst sınır biliniyorsa ve sınırların içinde hiçbir değer diğerinden daha olası sayılmıyorsa bu uzantı uygundur. Karar vericinin kayıplara kazançlardan daha duyarlı davrandığı sezgisi kararın doğasına uyuyorsa da aynı şekilde uygundur.
Sınırların içinde bir en olası değer biliniyorsa gri değil bulanık TODIM kullanılır; sınırları bilerek daraltıp gri yapıya inmek elde olan bilgiyi silmek olur. Kriterler ölçülmüşse kesin TODIM'de kalınır; ölçülmüş bir değere sonradan sınır uydurmak belirsizlik üretmektir. Tablo karışıksa DecisionMind tek veri türü ister; ölçülmüş kriter alt ve üst sınırı aynı sayı olan bir gri sayı olarak yazılır. TODIM'in çıkış koşulu aynen geçerlidir: bir kriterde taviz kabul edilmiyorsa önce eleme uygulanır; kayıptan kaçınma varsayımı uymuyorsa Gri TOPSIS ya da Gri VIKOR gibi simetrik telafi eden bir yöntem tercih edilir.
Bu Uzantıya Özgü Hatalar
Beyazlaştırılmış orta noktayı "en olası değer" gibi yorumlamak. Gri sayı en olası değer bilgisi taşımaz; orta nokta yalnız hesap için bir indirgemedir, veri türü kartındaki uyarı burada da geçerlidir.
θ'yı ayarlanabilir sanıp raporlamamak. Bu uzantıda θ sabit 1'dir; farklı bir davranışsal varsayım gerekiyorsa (kayıplara daha duyarlı bir karar vericiyi modellemek gibi) bu uzantı yeterli değildir ve bu sınırlama raporda belirtilmelidir.
Sınırların kaynağını göstermeden gri sayı kurmak. Ölçülmüş bir değerin çevresine yüzde ekleyerek sınır kurmak (veri türü kartındaki en yaygın hata) burada da geçerlidir ve TODIM'in kazanç-kayıp mantığını sahte bir genişlik üzerinden çalıştırır.
Değer-uzayı ihlalini kontrol etmemek. Manifestin uyardığı gibi her hücrenin alt sınırı üst sınırından küçük ya da eşit olmalıdır (x̲ ≤ x̄); bu kontrol edilmeden hesaba girilirse beyazlaştırma yanlış yönde bir orta nokta üretir.
Temel ilke şudur:
Gri TODIM, sınırların orta noktasını taşır, genişliğini taşımaz; bu nedenle küresel değerdeki farkı yorumlarken hangi hücrelerin dar hangi hücrelerin geniş sınırla girdiği ayrıca söylenmelidir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: üç seçenekli, üç kriterli, elle izlenebilir bir gri aralık tablosu; bir makale ya da kitap sayfasından değil, formüllere sadık kalınarak sentetik kurulmuştur. İkinci vaka öğretici kurgudur.
1. Öğretici örnek: Üç tedarikçinin üç kriterde gri aralıkla puanlanması
Üç tedarikçi üç kriterde değerlendiriliyor; her hücre bir alt ve bir üst sınırdan oluşuyor, sınırların içinde bir en olası değer ilan edilmiyor. Birinci ve ikinci kriter "çoğu iyi", üçüncü kriter "azı iyi"dir. Ağırlıklar kesin sayıdır; birinci kriterin ağırlığı en yüksektir ve referans kriter budur.
| Tedarikçi | Kriter 1 | Kriter 2 | Kriter 3 |
|---|---|---|---|
| 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 (referans) | 0,35 | 0,25 |
Yöntem önce her hücreyi alt ve üst sınırının ortalamasıyla beyazlaştırır, sonra fayda kriterinde sütun en büyüğüne, maliyet kriterinde sütun en küçüğünü orana koyarak ölçek eşitler. Ardından her tedarikçi çiftini ikişer ikişer karşılaştırır. Kazandığı kriterlerde pozitif, kaybettiği kriterlerde θ=1 ile büyütülmüş negatif katkı toplar; küresel değeri 0 ile 1 aralığına ölçekler.
| Tedarikçi | Küresel değer | Sıra |
|---|---|---|
| A2 | 1,000 | 1 |
| A3 | 0,509 | 2 |
| A1 | 0,000 | 3 |
Sonuç şöyle okunur. A2 birinci kriterde (referans, en ağır) en yüksek orta noktaya sahiptir ve bu üstünlük diğer kriterlerdeki zayıflığını kapatır. A3 hiçbir kriterde en iyi değildir ama dengeli profille ikincidir. A1 birinci kriterde en düşük orta noktaya sahip olduğu için üçüncüdür. Küresel değerinin 0 olması mutlak bir "değersizlik" anlamına gelmez; bu üç tedarikçi içinde en düşük göreli üstünlüğü gösterir.
Kurulun tereddüdü şudur: A1'in birinci kriterdeki sınırı daha az kesin bilgiyle verilseydi, örneğin üst sınır 0,75 yerine 0,90 olsaydı, yani aynı alt sınırla daha geniş bir belirsizlik olsaydı, sıra değişir mi? Bağımsız Python ile yeniden hesaplandığında A3'ün küresel değeri 0,509'dan 0,434'e düşmektedir. Ama A2-A3-A1 sırası bozulmamaktadır, çünkü beyazlaştırma yalnız orta noktayı kaydırır ve A1'in orta noktası yükselince diğer tedarikçilerin göreli konumu da etkilenir. Ağırlıklar C1 ile C3 arasında yer değiştirse A3'ün değeri 0,455'e iner; sıra yine korunur.
Raporda: "Birinci kritere verilen en yüksek ağırlıkla A2 net olarak öndedir; A1'in aynı kriterdeki sınır bilgisi daha az kesin olsaydı (üst sınır 0,90'a çıksaydı) ya da ağırlık sırası değişseydi de A2-A3-A1 sırası korunmaktadır, ancak A3'ün A2'ye görece mesafesi bu değişikliklere duyarlıdır."
Kaynak: Bu vaka DecisionMind'ın Gri TODIM motorunun doğrulama örneğidir; matris ve ağırlıklar elle hesaplanabilir küçük bir örnek olarak formüllere sadık biçimde üretilmiştir, bir makale ya da kitap tablosu değildir; öğretici örnektir. Sınır-genişliği ve ağırlık takası senaryolarının sayıları bu kartın yazarınca aynı algoritmayla bağımsız olarak yeniden hesaplanmıştır.
2. Tarım: Yeni bir tohum çeşidinin bölgeye uygunluk sıralaması
Bir tarım kooperatifi üç yeni tohum çeşidi arasında hangisini önereceğine karar verecektir. Kriterler: beklenen dekar verimi, kuraklığa dayanıklılık ve tohum maliyeti (bu sonuncusu "azı iyi"). Çeşitler bölgede yalnız bir ya da iki deneme parselinde ekildiği için verim ve dayanıklılık hakkında ortalama ya da dağılım çıkarmak anlamlı değildir. Elde yalnız gözlenen en düşük ve en yüksek değer vardır; bu sınırlar gri sayı olarak girilir. Kooperatif verim kriterine en yüksek ağırlığı (referans kriter) veriyor.
Yöntem üç çeşidi ikişer ikişer karşılaştırır. Her kriterde beyazlaştırılmış orta noktalar arasındaki fark, kazanan tarafta pozitif, kaybeden tarafta θ=1 ile büyütülmüş negatif katkı olarak toplanır. Diyelim ki en yüksek verim sınırına sahip çeşit aynı zamanda en pahalı tohum maliyetine sahiptir ve küresel değerde yine de birinci çıkar, çünkü verim referans kriterdir ve en ağır ağırlığı taşır.
Kooperatifin tereddüdü şudur: verim sınırı en geniş olan, yani hakkında en az bilgi bulunan, çeşidin orta noktası şans eseri yüksek çıkmış olabilir. Deneme parseli sayısı arttıkça bu sınır daralabilir ve orta nokta değişebilir. Kooperatif bu çeşidi seçmeden önce ek bir deneme yılı bekleyip sınırı daraltmayı değerlendirmelidir; küresel değer bugünkü sınırların genişliğini göstermez.
Raporda: "Beklenen dekar verimine verilen en yüksek ağırlıkla birinci çeşit net olarak öne çıkmaktadır; ancak bu çeşidin verim sınırı en geniş (en az deneme verisine dayanan) çeşittir, bu nedenle karar ek bir deneme yılı ile doğrulanmadan kesinleştirilmemelidir."
3. Yapılmaması Gereken
Tablodaki sınırları beyazlaştırmadan önce ortalayıp "en olası değer" diye yorumlamak: ⊗[0,65; 0,75]'in ortası olan 0,70'i "en olası verim" diye rapor etmek, gri sayının taşımadığı bir bilgiyi var saymaktır. İkinci yanlış, θ'yı ayarlanabilir sanıp farklı bir değerle yeniden koşturmaya çalışmaktır; bu uzantıda θ sabit 1'dir, farklı bir davranışsal varsayım gerekiyorsa uzantı değiştirilmelidir. Üçüncü yanlış, ölçülmüş bir maliyeti (kesinleşmiş bir sözleşme bedelini) "temkinli olsun" diye sınırlı bir gri sayıya açmaktır; ölçülmüş değer alt ve üst sınırı aynı olan bir gri sayı olarak yazılır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/grey-todim
Sen, D. K., Datta, S., & Mahapatra, S. S. (2015). Extension of TODIM combined with grey numbers: an integrated decision making module. Grey Systems: Theory and Application, 5(3), 367–391. DOI: 10.1108/gs-05-2015-0029
Gomes, L. F. A. M., & Lima, M. M. P. P. (1992). TODIM: Basics and application to multicriteria ranking of projects with environmental impacts. Foundations of Computing and Decision Sciences, 16, 113–127. (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