Sezgisel bulanık ARAS (Mishra, Sisodia, Pardasani ve Sharma, 2020)

Beş şey değişir; karar mantığı değişmez.

Hücreler. Kesin ARAS'ta her hücre tek, sıfırdan farklı pozitif bir sayıdır. Burada her hücre bir çifttir: bir yargıyı destekleme derecesi ve reddetme derecesi, toplamları 1'i aşmayan iki sayı. Ağırlıklar yine kesin kalabilir. Bu uzantının tek yeni özelliği, birden fazla karar vericinin çiftlerini bir araya getirebilmesidir. Her karar vericinin verdiği destek-ret çifti, karar verici ağırlıklarıyla birlikte tek bir çifte birleştirilir (ağırlıklı sezgisel toplama). Tek karar vericiyle çalışılıyorsa bu adım devre dışı kalır ve doğrudan sonraki adıma geçilir. Kesin ARAS'ta böyle bir birleştirme adımı yoktur.

Ölçek eşitleme. Kesin ARAS'ta maliyet kriteri tersine çevrilir (1/x) ve sütun toplamına bölünür. Burada maliyet kriterinde tersine çevirme, sezgisel bulanık çiftin tümleyenini almaktır: destek ve ret dereceleri yer değiştirir. Bu, kesin ARAS'ın 1/x işlemiyle karıştırılmamalıdır; sezgisel bulanık çift bir bölme değil bir yer değiştirme ile ters çevrilir, çünkü destek ve ret zaten [0,1] aralığında tanımlıdır ve bölme bu aralığı bozar.

Optimal alternatif ve durulaştırma. Kesin ARAS'ta optimal alternatif, her kriterin en iyi kesin değerinden kurulur. Burada optimal alternatif satırı da destek-ret çiftlerinden kurulur: her kriterde en yüksek destek ve en düşük ret alınır. Sonra yöntem her hücreyi (gerçek alternatifler ve optimal alternatif dahil) bir skor fonksiyonuyla tek sayıya indirir: skor, destek ile ret arasındaki farktır. Bu fark negatif çıkabileceği için önce kaydırılır (1 eklenir). Sonra bu kaydırılmış skorlar sütun toplamına bölünür. Normalizasyon artık kesin sayı üzerinde, kesin ARAS'takiyle aynı mantıkla yapılır; yalnız bir kaydırma adımı fazladan eklenmiştir.

Ağırlıklama ve toplam. Yöntem kaydırılıp normalize edilmiş skorları kriter ağırlığıyla çarpar ve her satır (optimal alternatif dahil) için kriterler boyunca toplar; bu, kesin ARAS'ın ağırlıklı toplam adımıyla birebir aynıdır, yalnız girdi artık destek-ret çiftinden türetilmiş bir skordur.

Fayda derecesi. K, kesin ARAS'taki tanımla aynı anlama gelir: gerçek alternatifin toplam puanının optimal alternatifin toplam puanına oranıdır.

DecisionMind kaydırılmış skor fonksiyonunu (destek eksi ret, artı bir) ve optimal alternatifin destek-ret uzayında kurulmasını sabit tutar; destek-ret çifti hiçbir aşamada doğrudan sıralanmaz, sıralama yalnız K üzerinde yapılır.

Fayda derecesi K burada da aynı anlama gelir. En iyi seçenek 100 kabul edilir, diğerleri ona göre bir yüzde alır; bu yüzde yalnız bu seçenek kümesi ve bu ağırlıklar için geçerlidir. Fark şurada: K'nın altında iki dereceli bir yargı, yani destek ve ret, önce tek bir skora iner, sonra bu skorların ağırlıklı toplamına karışır. Bir alternatifin K değeri, hangi kritere ne kadar ağırlık verildiğine diğer uzantılardan daha duyarlı olabilir. Bunun nedeni, kaydırma ve normalizasyon adımının skorların aralığını daraltmasıdır. Bu yüzden ağırlık dağılımının K sırasını ne kadar kolay değiştirdiği raporda ayrıca gösterilmelidir.

Bu nedenle:

"Sezgisel bulanık ARAS'a göre A1 en iyi seçenektir"

yerine:

"Verilen ağırlıklarla (0,6; 0,4) A1 en yüksek fayda derecesine sahiptir (K=0,744); ağırlıklar maliyet ölçütüne kaydırıldığında (0,4; 0,6) sıra tamamen tersine dönmekte ve A1 son sıraya düşmektedir, dolayısıyla ağırlık dağılımı raporda ayrıca savunulmalıdır"

biçiminde yazmak doğrudur.

Kriter değerlendirmesi bir yargıdan geliyorsa ve karşı görüş için ayrı bir bilgi kaynağı varsa, bu yöntem uygundur. Örnekler: bir kurul ya da uzman panelinin "bu aday uygundur" gibi bir önermeyi hem destekleyen hem reddeden oy ya da kanıt oranlarının ayrı ayrı kaydedildiği durumlar; birden fazla karar vericinin görüşünün, ortalamaya indirilmeden, ağırlıklı biçimde birleştirilmesi gereken kurul kararları.

Kriter yalnız "ne kadar uygun" sorusuna cevap veriyorsa ve ret için ayrı bir kanıt yoksa (ret = 1 − destek yazılıyorsa), sezgisel bulanık yapıya geçmenin bir katkısı olmaz. Bu durumda sezgisel bulanık veri, kesin ya da bulanık veriyle aynı bilgiyi verir. Kesin ARAS'ın çıkış koşulu burada da geçerlidir: bir kriterde taviz kabul edilmiyorsa, bu uzantı da tam telafi edicidir ve eşik altını elemez.

Sezgisel bulanık çifti üçgen bulanık sayıyla karıştırmak. Hücre iki sayıdan (destek, ret) oluşur, üç sayıdan (en düşük, en olası, en yüksek) değil; ikisi farklı veri türüdür ve karıştırılırsa hem yer değiştirme hem skor adımı anlamsızlaşır.

Maliyet kriterinde tümleyen yerine kesin ARAS'ın 1/x işlemini uygulamak. Bu, destek-ret çiftinin [0,1] sınırını ve toplamın 1'i aşmama koşulunu bozar; geçersiz bir çift üretir.

Optimal alternatifi normalizasyon paydasına dahil etmemek. Kaydırılmış skorlar sütun toplamına bölünürken optimal alternatif satırı da bu toplama girmelidir; dahil edilmezse fayda dereceleri 1'i aşabilir.

Kaydırılmamış skoru (destek eksi ret) doğrudan kullanmak. Bu skor negatif olabilir; kaydırma adımı atlanırsa normalize edilmiş değerler ve dolayısıyla fayda dereceleri de negatif çıkabilir.

Temel ilke şudur:

Sezgisel bulanık ARAS, bir yargının lehinde ve aleyhinde ayrı ayrı toplanan kanıtı optimal alternatife oran alınana kadar taşımak içindir; tümleyeni bölmeyle karıştıran ya da optimal alternatifi normalizasyon dışında bırakan her uygulama, çiftin taşıdığı bilgiyi bozar.