Uzantı kartı · Tereddütlü
Tereddütlü dilsel CODAS (Yalçın ve Pehlivan, 2019)
Tereddütlü dilsel CODAS, bir kriter tek bir sözel terimle değil "en az iyi" ya da "orta ile iyi arası" gibi karşılaştırmalı bir sözel ifadeyle puanlandığında kullanılan CODAS biçimidir. Bu ifadeyi bir bulanık zarfa çevirip hesabın büyük kısmında öyle taşır.
Temel yöntem
CODAS →
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?
Dört şey değişir. İki uzaklıklı karşılaştırma mantığı değişmez.
Hücreler. Kesin CODAS'ta her hücre tek sayıdır. Burada her hücre bir karşılaştırmalı sözel ifadedir. Yedi terimli bir ölçek kullanılır: N (hiç), VB (çok kötü), B (kötü), M (orta), G (iyi), VG (çok iyi), P (mükemmel). Kriter önemi de ayrı bir yedi terimli ölçekle sözel verilir: DL (çok düşük), VL (düşük), L (az), M (orta), H (yüksek), VH (çok yüksek), DH (en yüksek). Her ifade önce ardışık terimlerden kurulu bir küme olarak okunur, sonra Liu ve Rodríguez'in (2014) OWA işlemleriyle dört köşeli bir zarfa çevrilir. Yöntem grup kararını doğrudan desteklemez; DecisionMind tek bir toplulaştırılmış ifade matrisi bekler.
Ölçek eşitleme. Kesin CODAS her hücreyi sütunun en büyüğüne ya da en küçüğünün oranına böler. Burada da bölme vardır, ama bölen sütundaki en büyük durulaştırılmış (kappa) değerdir; zarfın dört köşesi de bu tek sayıya bölünür. Maliyet kriterinde bölüm sonrası zarf ters çevrilir: her köşe birden çıkarılır ve köşelerin sırası tersine döner.
Uzaklık. Kesin CODAS'ta negatif-ideal, sütunun en kötü değerinden yapay olarak kurulur. Burada negatif-ideal, o kriterde en düşük durulaştırılmış değere sahip seçeneğin ağırlıklı zarfının kendisidir; uçlardan yapay biçimde birleştirilmez. Öklid ve Taksi uzaklıkları zarfın dört köşesi üzerinden hesaplanır. İç köşelere, yani en olası banda, dış köşelerden iki kat daha fazla ağırlık verilir.
Sonuç ve durulaştırma. Değerlendirme puanı, kesin CODAS ile aynı ikili karşılaştırma kuralıyla (eşik θ, önce Öklid, yetmezse Taksi) kurulur ve zaten tek bir sayıdır. Zarf, uzaklık hesabına girene kadar dört köşeli kalır; durulaştırma yalnız ölçek eşitleme ve negatif-ideal seçiminde ara adım olarak kullanılır.
DecisionMind, klasik tereddütlü dilsel CODAS'ta OWA yumuşatma işlemlerini ve eşik değerini (θ=0,02) sabit tutar.
Çıktı Nasıl Yorumlanır?
Değerlendirme puanı, kesin CODAS'takiyle aynı şekilde okunur. Göreli bir konum ölçüsüdür, yüzde değildir, başka bir analizle karşılaştırılmaz. Fark şurada: puan, karşılaştırmalı sözel ifadelerden kurulan zarfların dört köşesinden gelir. Bir kriterdeki sözel ifade "en az iyi"den "orta ile iyi arası"na daralınca zarf değişir ve puan buna göre kayar.
Bu nedenle:
"Tereddütlü dilsel CODAS puanı, uzmanın sözel ifadesini birebir yansıtan kesin bir ölçüdür"
yerine:
"Puan, sözel ifadenin Liu-Rodríguez zarfına çevrilmesinin ve bu zarfın kappa değeriyle karşılaştırılmasının sonucudur; ifadenin daralması ya da genişlemesi puanı değiştirebilir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzman bir kriteri tek bir sözel terimle değil "en az", "en çok", "arasında" gibi karşılaştırmalı bir ifadeyle veriyorsa bu uzantı kullanılır. Tek bir sözel terim yeterliyse (ör. yalnız "iyi") daha basit dilsel uzantılar da yeterli olabilir. Ölçülmüş kriterler bu uzantıya taşınmamalıdır. Matris tek türde olmak zorundaysa ölçülmüş bir değer, ölçekte en yakın tek terimle yazılır. Temel CODAS'ın çıkış koşulu burada da aynen geçerlidir.
Bu Uzantıya Özgü Hatalar
Orta nokta aralığını zarfla karıştırmak. Bir ifadenin en düşük ve en yüksek terimini alıp aradaki orta noktayı "zarf" saymak, Liu-Rodríguez'in OWA işlemiyle kurulan gerçek zarfla aynı şey değildir. İkisi farklı köşe değerleri verir.
Maliyet kriterini fark etmemek. Aşağıdaki öğretici örnekte bir kriter maliyet türündendir. Bu kriterde tersine çevirmeyi atlamak negatif-idealı yanlış seçeneğe bağlar ve orta sıradaki iki seçenek yer değiştirir.
Yayımlanmış bir makaledeki hazır uzaklık değerlerini girdi olarak kullanmak. Öklid ve Taksi uzaklıkları bu yöntemin çıktısıdır, girdisi değildir. Bunları dışarıdan enjekte etmek, zarfların ve ağırlıkların gerçekte nasıl birleştiğini gizler.
Basılı bir tablodaki sayıyı sorgusuzca kabul etmek. Kaynak makalenin bazı basılı hücreleri, makalenin kendi belirttiği OWA formülüyle tam örtüşmez. Motor formüle sadık kalır; farkın nereden geldiği raporda belirtilmelidir.
Temel ilke şudur:
Tereddütlü dilsel CODAS, karşılaştırmalı sözel ifadeyi gerçek bir zarfa çevirip bu zarfı sona kadar taşımak içindir. Zarf yerine kaba bir orta nokta kullanmak ya da yayımlanmış bir tablonun ara sonuçlarını girdi saymak, hesabın kendisini değil yalnız görünürdeki uyumu bozar.
Vakalar
Birinci vaka gerçek bir literatür vakasıdır: Yalçın ve Pehlivan'ın (2019) personel seçimi örneğidir ve sözel ifadeler makalenin kendi tablosundan (Tablo 3) alınmıştır. Motor bu ifadeleri formüle sadık biçimde işler. Makalenin bazı basılı ara tablo hücreleri (Tablo 6-7) kendi OWA formülüyle tam örtüşmez, motor ise kendi formülüyle tutarlı bir sonuç üretir; bu fark aşağıda açıkça belirtilmiştir. İkinci vaka öğretici bir kurgudur.
1. İşe alım: Altı aday arasında personel seçimi (Yalçın ve Pehlivan, 2019)
Bir kurum, altı aday (A1-A6) arasından on bir yetkinlik kriterine göre birini seçecektir. Kriterlerden C5 dışındaki tümü "çoğu iyi", C5 (uygunsuz davranış eğilimi gibi bir olumsuz gösterge) "azı iyi" türündendir. Adaylar her kriterde tek bir terim yerine karşılaştırmalı bir sözel ifadeyle değerlendirilmiştir.
| Aday | C1 | C2 | C3 | C4 | C5 (maliyet) | C6 |
|---|---|---|---|---|---|---|
| A1 | M | en az VG | en az M | en az G | M ile G arası | en az G |
| A2 | M | en az G | M ile VG arası | M | B ile M arası | en az G |
| A3 | M ile VG arası | en az G | M | M | B ile M arası | M ile VG arası |
| A4 | M ile VG arası | G ile VG arası | G | en az G | M | M ile VG arası |
| A5 | M ile VG arası | en az VG | M | M ile VG arası | M ile G arası | M ile VG arası |
| A6 | M | B ile G arası | M | M ile VG arası | M | M ile G arası |
| Aday | C7 | C8 | C9 | C10 | C11 |
|---|---|---|---|---|---|
| A1 | en çok M | en az G | M ile VG arası | M | en az G |
| A2 | VB ile M arası | en az G | M ile G arası | M ile G arası | en az G |
| A3 | B ile G arası | G ile VG arası | M ile G arası | M ile VG arası | en az G |
| A4 | B ile G arası | en az VG | G ile VG arası | M ile VG arası | G ile VG arası |
| A5 | VB ile G arası | en az G | M ile VG arası | M | en az G |
| A6 | VB ile M arası | G | M | B ile M arası | M ile G arası |
| Kriter önemi | C1 | C2 | C3 | C4 | C5 | C6 | C7 | C8 | C9 | C10 | C11 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Sözel ifade | L ile H arası | DH | en az L | M ile VH arası | en çok VH | en az M | L ile M arası | H ile VH arası | en az H | L ile VH arası | en az VH |
Yöntem her sözel ifadeyi ardışık terimlerden kurulu bir kümeye, sonra Liu-Rodríguez OWA işlemiyle dört köşeli bir zarfa çevirir. Zarfları en büyük durulaştırılmış değere böler, C5'te tersine çevirir, kriter önem zarflarıyla köşe köşe çarpar. En düşük durulaştırılmış değere sahip adayın zarfını negatif-ideal seçer ve iç köşelere daha fazla ağırlık veren Öklid ile Taksi uzaklıklarını hesaplar.
| Aday | Değerlendirme puanı | Sıra |
|---|---|---|
| A4 | 8,3360 | 1 |
| A1 | 5,7160 | 2 |
| A2 | 1,8712 | 3 |
| A5 | 1,4335 | 4 |
| A3 | 0,2671 | 5 |
| A6 | -17,6237 | 6 |
Sonuç şöyle okunur. A4, C2'de en yüksek zarfa (G ile VG arası) ve C8'de en az VG gibi güçlü ifadelere sahiptir. Bu iki kriterin önemi de yüksektir; C2 için DH, ölçekteki en yüksek önem terimidir. A6, hemen hemen her kriterde orta ya da bunun altında ifadelerle son sırada kalır. Kaynak makalenin kendi basılı Tablo 6-7'sindeki bazı ara değerler, makalenin belirttiği OWA formülüyle tam örtüşmez. Motor formüle sadık kalmıştır, bu yüzden özellikle A4'ün puanı makalenin bastığı sayıdan farklı çıkmıştır. Sıralamanın en iyi ve en kötü ucu (A4 birinci, A6 sonuncu) korunur.
Kararın ne kadar sağlam olduğunu görmek için kriter önem zarfları değiştirilip yeniden hesaplanmıştır. C1'in (iletişim) önemi yaklaşık 1,5 katına çıkarılmış, C9'un (takım çalışması) önemi buna karşılık yarıya indirilmiştir. Bu durumda üçüncü sıradaki A2 ile dördüncü sıradaki A5 yer değiştirir: A5 1,619, A2 1,536 olur. A4'ün birinciliği ve A6'nın sonunculuğu bu değişiklikte bozulmaz.
Raporda: "On bir kriterin verilen sözel önem sırasıyla A4 en yüksek değerlendirme puanına (8,34) sahiptir; üçüncü ve dördüncü sıradaki A2 ile A5 arasındaki fark iletişim ve takım çalışması kriterlerinin göreli önemine duyarlıdır. Kaynak makalenin bazı ara tablo değerleriyle küçük bir sayısal fark vardır, bu fark motorun formüle sadık kalmasından kaynaklanır ve ayrıca belgelenmiştir."
Kaynak: Yalçın ve Pehlivan (2019), Tablo 3 (sözel ifade matrisi) ve Tablo 4-5 (zarflar). Değerlendirme puanları ve sıralama, DecisionMind'ın tereddütlü dilsel CODAS motorunun bu zarflar üzerinden bağımsız olarak yeniden çalıştırılmasıyla elde edilmiştir. Makalenin kendi bastığı Tablo 6-7 ara değerleriyle küçük farklar vardır; bu farkın kaynağı, makalenin bazı basılı hücrelerinin kendi belirttiği OWA formülüyle tam örtüşmemesidir (ayrıntı onay notlarında).
2. Bakım hizmeti: Bir huzurevi zincirinin yeni şube için bakım hizmeti sağlayıcısı seçimi
Bir huzurevi zinciri, yeni açacağı bir şube için üç bakım hizmeti sağlayıcısından biriyle anlaşacaktır. Kriterler şunlardır: hemşirelik kadrosunun deneyimi, acil müdahale süresi ve hizmet birim maliyeti (bu sonuncusu "azı iyi" türündendir). Zincirin yönetim kurulu, sağlayıcıları önceki referanslarından yalnızca sözel olarak, "en az iyi" ya da "orta ile iyi arası" gibi karşılaştırmalı ifadelerle değerlendirmiştir.
Yöntem üç sağlayıcının ifadelerini zarfa çevirir, kriter önem zarflarıyla ağırlıklandırır ve en düşük durulaştırılmış değere sahip sağlayıcının zarfını negatif-ideal seçer. Diyelim ki deneyim konusunda en güçlü ifadeye sahip sağlayıcı aynı zamanda en yüksek birim maliyete sahiptir. Yine de birinci çıkar, çünkü deneyim kriterinin önemi maliyetten yüksektir.
Yönetim kurulunun tereddüt ettiği nokta şudur. En pahalı sağlayıcının seçilmesi bütçe kuruluna maliyet gerekçesiyle savunulmalıdır. Ayrıca "en az iyi" gibi geniş bir ifadenin, "iyi ile çok iyi arası" gibi daha dar bir ifadeye daraltılması durumunda sıranın değişip değişmeyeceği ayrıca sınanmalıdır.
Raporda: "Deneyim kriterine verilen yüksek öneme göre en deneyimli sağlayıcı en yüksek değerlendirme puanına ulaşmaktadır; bu sonuç sağlayıcının maliyet dezavantajına rağmen geçerlidir ve deneyim ifadesinin daralması durumunda yeniden sınanmalıdır."
3. Yapılmaması Gereken
Öğretici tabloda C5 yanlışlıkla fayda kriteri sayılsaydı, yani tersine çevirme adımı atlansaydı, üçüncü sıradaki A2 ile dördüncü sıradaki A5 yer değiştirirdi (A5 2,929, A2 -0,223); doğru sırada A2 üçüncü, A5 dördüncüdür. A4'ün birinciliği ve A6'nın sonunculuğu bu hatada da değişmez, ama orta sıra bozulur. İkinci yanlış, makalenin basılı Öklid ve Taksi uzaklıklarını doğrudan girdi olarak kullanmaktır; bu, zarfların ve ağırlıkların gerçekte nasıl birleştiğini atlar ve motorun kendi hesabını doğrulamaz. Üçüncü yanlış, bir ifadenin en düşük ve en yüksek terimlerinin orta noktasını zarf sanmaktır; bu, Liu-Rodríguez OWA işleminin ürettiği gerçek köşe değerlerinden farklı bir sayı verir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/hfl-codas
Yalçın, N., & Pehlivan, N. Y. (2019). Application of the Fuzzy CODAS Method Based on Fuzzy Envelopes for Hesitant Fuzzy Linguistic Term Sets: A Case Study on a Personnel Selection Problem. Symmetry, 11(4), 493. DOI: 10.3390/sym11040493
Keshavarz Ghorabaee, M., Zavadskas, E. K., Turskis, Z., & Antucheviciene, J. (2016). A new combinative distance-based assessment (CODAS) method for multi-criteria decision-making. Economic Computation and Economic Cybernetics Studies and Research, 50(3), 25–44. (DOI yok. Bu makale Crossref'te kayıtlı değildir; bkz. CODAS temel kartının kaynaklar bölümü.)
Liu, H., & Rodríguez, R. M. (2014). A fuzzy envelope for hesitant fuzzy linguistic term set and its application to multicriteria decision making. Information Sciences, 258, 220–238. DOI: 10.1016/j.ins.2013.07.027
Torra, V. (2010). Hesitant fuzzy sets. International Journal of Intelligent Systems, 25(6), 529–539. DOI: 10.1002/int.20418