Uzantı kartı · Tereddütlü
Tereddütlü dilsel AHP (Yavuz, Öztayşi, Çevik Onar ve Kahraman, 2015)
Tereddütlü dilsel AHP, kriterlerin ikili karşılaştırıldığı ve alternatiflerin yedi terimli sözel bir ölçekle puanlandığı durumlar için çalışan bir AHP biçimidir. Kesin AHP'den farklı olarak yalnız ağırlık üretmez, aynı çalışmada alternatifleri de sıralar.
Temel yöntem
AHP →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Tereddütlü (Hesitant) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Beş şey değişir; ikili karşılaştırmayla kriter ağırlıklandırma fikri korunur.
Kapsam. Kesin AHP yalnız kriterleri ağırlıklandırır, alternatif sıralamaz. Bu uzantı iki işi birden yapar. Önce kriterleri kesin AHP gibi ikişer ikişer karşılaştırıp ağırlık çıkarır. Sonra alternatifleri her kritere göre doğrudan, ikili karşılaştırmayla değil, yedi terimli bir ölçekle puanlar; bu puanları ağırlıklarla birleştirip sıralar.
Hücreler. Kriter karşılaştırma matrisinin her hücresi, yedi terimli bir dilsel ölçekten (s0'dan s6'ya) bir terim aralığıdır; "s4 ile s5 arası" gibi bir zarf, karar vericinin tek bir terimde karar kılamadığı durumları temsil eder. Bu, tereddütlü veri türü kartındaki sayısal derece kümelerinden farklıdır: burada birden fazla sayı değil, sabit bir sözel ölçek üzerinde bitişik bir terim aralığı vardır. Alternatiflerin her kritere göre puanı da aynı yedi terimli ölçekle, aynı zarf biçiminde verilir; ama bu karşılaştırma değil doğrudan bir puandır.
Ölçek dönüşümü. Her terim indeksi (0'dan 6'ya) 6'ya bölünerek 0 ile 1 arasına taşınır. Böylece hem kriter karşılaştırmaları hem alternatif puanları aynı [0,1] zeminine oturur.
Ağırlık türetme (aralık olarak kalır). Kesin AHP özvektör çözer, bulanık AHP durulaştırılmış tek bir ağırlığa iner. Burada ağırlık hiçbir zaman tek sayıya inmez. Her kriterin satır toplamı bir aralıktır (alt ve üst uç); bu aralık karşı ucun toplam değerine bölünerek bir ARALIK ağırlığa dönüşür. Alt ve üst uç, üst toplama ve alt toplama ayrı ayrı bölünür; bu yüzden ağırlık toplamı 1 olan tek bir sayı değil, iki uçlu bir bant olarak kalır.
Alternatif puanlama ve sıralama. Alternatiflerin puanları da aynı biçimde aralığa çevrilir ve aralık ağırlıklarla birleştirilerek her alternatif için bir aralık puan elde edilir. Sıralama bu aralık puanlar doğrudan büyükten küçüğe dizilerek değil, iki aralığın ne kadar örtüştüğünü ölçen bir tercih derecesi fonksiyonuyla yapılır; bu fonksiyon her alternatif çiftini karşılaştırıp 0 ile 1 arasında bir üstünlük derecesi verir, sıralama bu derecelerin toplamından çıkar.
DecisionMind bu klasik biçimde yedi terimli ölçeği (g=6), tek uzmanlı karşılaştırmayı ve aralık ağırlığın hiçbir aşamada durulaştırılmadan taşınmasını sabit tutar. Yöntem yalnız fayda yönlü kriterlerle çalışır; maliyet kriteri ayrıca dönüştürülmeden verilirse motor durur.
Çıktı Nasıl Yorumlanır?
Sonuç bir sıralamadır, ama altındaki puan kesin bir sayı değil bir aralıktır. Tercih derecesi, bir alternatifin diğerine göre ne kadar üstün olduğunu 0 ile 1 arasında gösterir; 1'e yakınsa üstünlük kesindir, 0,5'e yakınsa iki alternatifin aralıkları büyük ölçüde örtüşüyor demektir. Kriter ağırlıkları da aralıktır ve tek bir yüzde olarak sunulmamalıdır; "C1 ağırlığı 0,60" değil "C1 ağırlığı 0,54 ile 0,73 arasında" denir.
Bu nedenle:
"A1'in tercih puanı A2'den yüksek olduğu için A1 kesin olarak daha iyidir"
yerine:
"A1'in aralık puanı A2'ninkiyle kısmen örtüşmektedir; tercih derecesi (0,59) A1'i öne çıkarmaktadır ama bu üstünlük, alternatif puanlarının ya da kriter ağırlığının bir terim değişmesiyle tersine dönebilir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Karar hem kriterlerin göreli önemini hem alternatiflerin bu kriterlere göre nasıl puanlandığını aynı çalışmada, sözel yargıyla ele almayı gerektiriyorsa bu uzantı uygundur. Kesin AHP yalnız ağırlık üretir; alternatif sıralaması ayrıca TOPSIS, VIKOR gibi bir yönteme aktarılmalıdır. Bu uzantı ikisini tek çatı altında toplar ve karar vericinin "s4 ile s5 arası" gibi bir terim aralığında kalmasına izin verir.
Ölçülmüş bir kriter varsa (örneğin geçmiş bütçe payı) bunu yedi terimli ölçeğe zorlamak belirsizlik modellemek değil üretmektir. Kesin AHP'nin çıkış koşulu burada da geçerlidir: iki ile on iki kriter arası rahat çalışır. Maliyet yönlü bir kriter varsa bu klasik biçim onu kabul etmez; kriter fayda yönüne çevrilmeden verilmemelidir.
Bu Uzantıya Özgü Hatalar
Aralık ağırlığı tek bir kesin sayıymış gibi sunmak. Ağırlık bir aralıktır; "C1 ağırlığı 0,60" demek, aralığın yalnız bir noktasını seçip diğerini gizlemektir.
Kriter karşılaştırma matrisi ile alternatif puanlama matrisini karıştırmak. n×n matris yalnız kriterleri karşılaştırır; alternatiflerin puanı ayrı, doğrudan verilen bir girdidir. Kriterler ikişer ikişer karşılaştırılırken alternatifler karşılaştırılmaz, puanlanır.
Maliyet kriterini dönüştürmeden vermek. Bu klasik biçim yalnız fayda yönlü kriterlerle çalışır; motor maliyet kriterini reddeder, tahmin yürütüp yön çevirmez.
Tek uzmanlı sonucu grup kararıymış gibi sunmak. Bu biçim tek karar vericilidir; birden fazla uzmanın görüşü ayrıca, gerekçeli bir birleştirme adımıyla ele alınmalıdır.
Temel ilke şudur:
Tereddütlü dilsel AHP'de hem kriter ağırlığı hem alternatif puanı aralık olarak kalır. Sıralama, bu aralıkların ne kadar örtüştüğünü ölçen bir tercih derecesinden çıkar; bu derece tek bir kesin üstünlük iddiası değildir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: el ile izlenebilsin diye iki kriter, iki alternatifle kurulmuştur; kitap ya da makale sayfasından alınmamıştır. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: İki kriterde iki alternatifin karşılaştırılması (DecisionMind doğrulama örneği)
İki kriter (C1, C2) yedi terimli ölçekle karşılaştırılıyor: C1'in C2'ye göre "s4 ile s5 arası" (biraz daha önemliden çok daha önemliye) olduğu düşünülüyor. İki alternatif (A1, A2) her kritere göre doğrudan puanlanıyor: A1, C1'de "s5", C2'de "s3"; A2, C1'de "s3", C2'de "s4".
| Karşılaştırma / Puan | C1 | C2 |
|---|---|---|
| C1 (kendisi) | s3 | s4-s5 |
| C2 (kendisi) | s1-s2 | s3 |
| A1 | s5 | s3 |
| A2 | s3 | s4 |
Yöntem kriter karşılaştırmasını [0,1] aralığına çevirir, satır toplamlarından aralık ağırlık çıkarır: C1 ağırlığı [0,538; 0,727], C2 ağırlığı [0,308; 0,455]. Alternatif puanlarını da aynı ölçekle aralığa çevirip bu ağırlıklarla birleştirir ve tercih derecesiyle sıralar.
| Alternatif | Tercih puanı | Sıra |
|---|---|---|
| A1 | 0,592 | 1 |
| A2 | 0,408 | 2 |
Sonuç şöyle okunur. A1, daha ağır olan C1'de "s5" (çok iyi) puanı almıştır; A2'nin C2'deki hafif üstünlüğü ("s4" karşı "s3"), C1'in daha düşük olan C2 ağırlığı karşısında A1'in üstünlüğünü kapatmaya yetmemiştir.
Karar vericinin tereddüdü şudur: A2'nin C2 puanı bir terim yükselip "s4"ten "s5"e çıksaydı ne olurdu? Bağımsız Python hesaplamasıyla doğrulandığında, bu durumda tercih puanları A1 için 0,455, A2 için 0,545'e döner ve sıra tamamen tersine döner: A2 birinciliğe geçer. Tek bir terimlik bir puan farkı, daha hafif ağırlıklı kriterde bile sırayı değiştirebilmektedir.
Raporda: "A1, daha ağır kriterdeki (C1, ağırlık aralığı 0,54-0,73) üstünlüğü sayesinde önde çıkmaktadır (tercih puanı 0,59). A2'nin daha hafif kriterdeki (C2) puanı bir terim yükselirse sıra tamamen tersine dönmektedir; bu nedenle A2'nin C2 puanının doğruluğu ayrıca teyit edilmelidir."
Kaynak: DecisionMind'ın Tereddütlü Dilsel AHP motorunun doğrulama örneği; iki kriterli, iki alternatifli küçük bir tablodur, Yavuz ve arkadaşlarının (2015) makalesindeki alternatif-yakıtlı araç uygulamasından alınmamıştır. Tercih puanları ve duyarlılık senaryosu bu kartın yazarınca aynı motorla bağımsız olarak hesaplanmıştır.
2. Kargo: Yeni dağıtım aracı modeli seçimi
Bir kargo şirketi üç dağıtım aracı modeli arasından filoya katılacak modeli seçecektir. İki kriter belirlenmiştir: yakıt verimliliği, yük taşıma kapasitesi. Filo yöneticisi yakıt verimliliğini kapasiteden "s4 ile s5 arası" daha önemli görmektedir. Üç model her kritere göre doğrudan puanlanmıştır: birinci model yakıtta "s5" kapasitede "s3"; ikinci model yakıtta "s3" kapasitede "s5"; üçüncü model her ikisinde de "s4".
Yöntem kriter ağırlıklarını aralık olarak çıkarır (yakıt verimliliği [0,538; 0,727], kapasite [0,308; 0,455]), alternatif puanlarını birleştirir ve tercih derecesiyle sıralar: birinci model 0,640, üçüncü model 0,501, ikinci model 0,359 ile üçüncü sıradadır.
Yöneticinin tereddüdü şudur: yakıt verimliliğine verilen önem hafifletilse, örneğin "s4-s5" yerine "s2-s3" alınsa (kapasiteye göre yalnız hafifçe daha önemli) ne olur? Bağımsız Python hesaplamasıyla doğrulandığında bu durumda ağırlıklar yakıt [0,385; 0,545], kapasite [0,462; 0,636] olur ve tercih puanları ikinci model için 0,547, üçüncü model için 0,500, birinci model için 0,453'e döner. Sıra baştan sona tersine döner: ikinci model birinciliğe yükselir, birinci model sonunculuğa düşer.
Raporda: "Yakıt verimliliğine kapasiteden belirgin ölçüde yüksek önem verildiğinde birinci model önde çıkmaktadır (0,640). Bu iki kriter arasındaki önem farkı hafifletilirse sıra baştan sona tersine dönmektedir; bu nedenle kriterler arası önem kararı filo yönetimince ayrıca gerekçelendirilmelidir."
3. Yapılmaması Gereken
Kargo örneğinde yakıt verimliliği ile kapasite arasındaki "s4-s5" karşılaştırmasını yöneticinin ilk izlenimiyle sabitlemek yanlıştır. Modelin gerçek sahada test edilmiş verimlilik farkı hiç sorulmazsa, tek bu karşılaştırma bile sırayı tersine çevirebilir. İkinci yanlış, aralık ağırlığı ("yakıt verimliliği ağırlığı 0,54-0,73") tek bir sayıya, örneğin ortalamasına ("0,63") indirip raporlamaktır; bu, yöntemin taşıdığı belirsizliği gizler. Üçüncü yanlış, ikinci modelin C2'deki (kapasite) yüksek puanını C1'deki (yakıt) düşük puanını tamamen kapatacakmış gibi yorumlamaktır; ağırlık farkı yüzünden bu telafi tam olmaz.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/hfl-ahp
Yavuz, M., Öztayşi, B., Çevik Onar, S., & Kahraman, C. (2015). Multi-criteria evaluation of alternative-fuel vehicles via a hierarchical hesitant fuzzy linguistic model. Expert Systems with Applications, 42(5), 2835–2848. DOI: 10.1016/j.eswa.2014.11.010
Saaty, T. L. (1980). The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. McGraw-Hill. ISBN: 978-0070543713. (DOI yok)
Rodríguez, R. M., Martínez, L., & Herrera, F. (2012). Hesitant fuzzy linguistic term sets for decision making. IEEE Transactions on Fuzzy Systems, 20(1), 109–119. DOI: 10.1109/TFUZZ.2011.2170076
Sengupta, A., & Pal, T. K. (2000). On comparing interval numbers. European Journal of Operational Research, 127(1), 28–43. DOI: 10.1016/S0377-2217(99)00319-7
Torra, V. (2010). Hesitant fuzzy sets. International Journal of Intelligent Systems, 25(6), 529–539. DOI: 10.1002/int.20418