Uzantı kartı · Sezgisel bulanık
Sezgisel bulanık CoCoSo
IF-CoCoSo, CoCoSo'nun sezgisel bulanık biçimidir. Kriter değerlendirmeleri burada bir yargıya verilen destek ve ret dereceleriyle (μ, ν) ifade edilir. Her hücre önce tek bir Chen-Tan skoruna indirilir. Geri kalan tüm hesap, yani ölçek eşitleme, toplamsal ve çarpımsal ölçüler ile üç uzlaşma stratejisi, kesin CoCoSo ile birebir aynı yürür.
Temel yöntem
CoCoSo →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Sezgisel bulanık (Intuitionistic) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
İki şey değişir, beş adımlı iskelet ve karar mantığı ise değişmez.
Hücreler. Kesin CoCoSo'da her hücre tek sayıdır. Burada her hücre bir yargıya verilen destek (μ) ve ret (ν) derecesi çiftidir; μ + ν, 1'i aşamaz. Kriter ağırlıkları kesin (crisp) sayı olarak dışarıdan alınır, μ/ν çifti değildir. DecisionMind bu uzantıda grup kararını desteklemez; her hücre tek bir değerlendiricinin ya da tek bir birleştirilmiş yargının çiftidir.
Durulaştırma noktası. Burada durulaştırma en baştadır. Her (μ, ν) çifti, hesabın ilk adımında Chen-Tan (1994) skor fonksiyonuyla (s = μ − ν) tek bir sayıya indirilir. Bu skor, kesin CoCoSo'nun beklediği "kriter değeri" sayısıyla aynı rolü üstlenir. Önce sütun bazında yön-duyarlı min-max ile 0-1 aralığına ölçeklenir; bu ölçekleme fayda kriterinde en düşük skora göre yapılır, maliyet kriterinde ise ters çevrilir. Ardından ağırlıklı toplam (P benzeri) ve ağırlıklı kuvvet-toplamı (R benzeri) ölçüleri hesaplanır. Son olarak üç uzlaşma stratejisi uygulanır ve nihai K skoru bulunur; bütün bu adımlar kesin CoCoSo'nun formülleriyle birebir aynı işler. Sezgisel bulanık yapı yalnız GİRDİYİ kısıtlar. Yani μ ve ν'nin nasıl toplanıp skora çevrileceğini belirler. ÇIKIŞ mekaniği ise kesin yöntemle aynıdır.
DecisionMind bu uzantıda iki şeyi sabit tutar: Chen-Tan (1994) skor fonksiyonunu (μ − ν) durulaştırma kuralı olarak kullanır, üçüncü uzlaşma stratejisinde de denge katsayısını λ=0,5 olarak sabitler. Ağırlıklar dışarıdan alınır, yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Kesin CoCoSo'daki gibi K skoru yalnız bu seçenek kümesi içinde bir sıralamadır ve üç uzlaşma stratejisinin uyuşup uyuşmadığı sağlamlığı gösterir.
Asıl fark burada ortaya çıkar. μ ve ν, ayrı ayrı bilgi taşır: ne kadar destekleniyor, ne kadar reddediliyor, ne kadar kararsız kalınıyor. Bu bilgi hesabın en başında tek bir farka, μ − ν'ye indirilir ve o andan sonra kaybolur. İki seçenek arasındaki fark, aynı μ − ν skoruna çok farklı destek/ret çiftleriyle ulaşılmış olsa bile K skorunda aynı görünür. Örneğin bir seçenek güçlü destek ve güçlü ret ile, diğeri zayıf destek ve zayıf ret ile aynı farka ulaşmış olabilir; ikisi de K skorunda ayırt edilemez. Bu yüzden raporda yalnız K skoru değil, hangi kriterdeki hangi yargının (destek ya da ret) sıralamayı taşıdığı da belirtilmelidir.
Bu nedenle:
"IF-CoCoSo skoru, uzmanın kararsızlığını da hesaba kattığı için daha güvenilirdir"
yerine:
"Kararsızlık payı yalnız μ − ν skoruna girene kadar hücrede durur; skor hesaplandığı andan itibaren kesin CoCoSo ile aynı biçimde işlenir, bu yüzden sonucun sağlamlığı hâlâ ayrıca (üç strateji hemfikir mi, bir yargı bir basamak değişince sıra bozuluyor mu) sınanmalıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriterler bir ÖLÇÜMDEN değil bir YARGIDAN geliyorsa ve bu yargının lehinde ve aleyhinde kanıt ayrı ayrı toplanabiliyorsa, sezgisel bulanık yapı kullanılır. Örneğin "Bu tedarikçi güvenilirdir" gibi bir önermeye verilen destek ve ret oranları ayrı kaynaklardan geliyorsa, mesela farklı denetçi raporlarından ya da farklı kanıt kalemlerinden, bu yapı uygundur. Reddi 1 − destek olarak hesaplamak bu uzantının hiçbir katkısını taşımaz, çünkü sonuç kesin CoCoSo'dan farksız kalır.
Kesin yöntemin çıkış koşulları burada da aynen geçerlidir. Matrisin tek türde olması şarttır ve kriter yönünün (çoğu iyi ya da azı iyi) doğru işaretlenmesi gerekir. Burada yön ayrıca kritiktir, çünkü yön skorun (μ − ν) hangi ucunun tercih edileceğini belirler. Yön yanlış işaretlenirse sıralama TAMAMEN tersine döner; ayrıntı için aşağıdaki "Yapılmaması Gereken" bölümüne bakınız.
Bu Uzantıya Özgü Hatalar
Yön işaretini unutmak ya da yanlış girmek. Aşağıdaki öğretici örnekte üçüncü kriterin yönü "azı iyi" iken "çoğu iyi" işaretlenirse, sıralama A3-A2-A1'den A1-A2-A3'e döner; bu, tam bir tersine dönmedir, küçük bir kaymadan ibaret değildir.
μ + ν > 1 olan bir çifti fark etmeden hesaba sokmak. Bu, geçersiz bir sezgisel bulanık sayıdır; kararsızlık payı negatif çıkar ve skor anlamsızlaşır.
Bir sütunda tüm seçeneklerin aynı μ − ν skoruna sahip olması. Bu durumda min-max normalizasyon paydası sıfırlanır ve hesap tanımsızlaşır; DecisionMind bunu tipli bir hatayla (DEGENERATE_DATA_FOR_METHOD) reddeder.
Skor fonksiyonunu sessizce değiştirmek. Chen-Tan (μ − ν) burada sabit kuraldır. Başka bir skor fonksiyonu, örneğin yalnız μ'yu kullanmak ya da doğruluk fonksiyonu olarak μ + ν'yu eklemek, farklı bir sıra üretebilir. Bu değişiklik raporda belirtilmeden yapılmamalıdır.
Temel ilke şudur:
IF-CoCoSo, destek ve ret derecelerini yalnız hesabın en başında, Chen-Tan skoruna kadar taşır. Skor hesaplandıktan sonra sıralamayı taşıyan artık kesin CoCoSo'nun kendisidir. Kritik olan, yön işaretinin doğru girilmesidir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Manifest kaydındaki kaynak notu, "Yazdani ve ark., 2019, Intuitionistic Fuzzy Combined Compromise Solution", dergi, cilt ya da sayfa bilgisi taşımıyor ve Crossref'te bu başlıkla eşleşen bir yayın bulunamadı. Bu yüzden bu kaynak literatür vakası olarak sunulmadı; bunun yerine F.steps formüllerine dayanan sentetik bir doğrulama tablosu kullanıldı (bkz. onay notları). İkinci vaka öğretici kurgudur.
1. Öğretici örnek (DecisionMind'ın doğrulama örneği): Kamu ihalesinde yazılım firması seçimi
Bir kamu kurumu, yeni bir kayıt sistemi için üç yazılım firmasını (A1, A2, A3) değerlendiriyor. Üç kriter: teknik yeterlilik, proje teslim güvenilirliği ve "bu firmanın veri güvenliği riski yüksektir" yargısı. Üçüncü kriter azı iyi yönündedir, yani yargıya verilen destek ne kadar düşükse firma o kadar iyidir. Değerlendirme komitesi her firma için her yargıya destek ve ret derecesi (μ, ν) vermiştir.
| Firma | Teknik yeterlilik | Teslim güvenilirliği | "Veri güvenliği riski yüksektir" |
|---|---|---|---|
| A1 | (0,70; 0,20) | (0,60; 0,30) | (0,40; 0,50) |
| A2 | (0,80; 0,10) | (0,50; 0,40) | (0,30; 0,60) |
| A3 | (0,50; 0,40) | (0,70; 0,20) | (0,20; 0,70) |
| Yön | çoğu iyi | çoğu iyi | azı iyi |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem her çifti Chen-Tan skoruna (μ − ν) indirir, ardından üçüncü sütunu ters çevirerek yön-duyarlı min-max ile ölçekler. Sonra ağırlıklı toplam ve ağırlıklı kuvvet-toplamı ölçülerini hesaplar, bunları üç uzlaşma stratejisiyle (paylaşım, en-kötüye-göre, dengeli; λ=0,5) birleştirir.
| Firma | Birleşik skor (K) | Sıra |
|---|---|---|
| A3 | 2,301 | 1 |
| A2 | 2,078 | 2 |
| A1 | 1,809 | 3 |
Sonuç şöyle okunur. A3, en ağır kriter olan teknik yeterlilikte en düşük puana sahiptir (0,50; 0,40). Ama teslim güvenilirliğinde en yüksek destek ve en düşük ret çiftine, veri güvenliği riskinde de en düşük skora, yani en iyi duruma, sahiptir. Bu ikisi birlikte, A3'ün teknik yeterlilikteki zayıflığını fazlasıyla telafi eder. Üç uzlaşma stratejisi de (paylaşım, en-kötüye-göre, dengeli) AYNI sırayı veriyor (A3, A2, A1). Bu sonuç Python ile ayrı ayrı hesaplanarak doğrulanmıştır.
Komitenin aklına bir tereddüt takıldı. A1'in "veri güvenliği riski yüksektir" yargısına verdiği destek bir basamak azalıp reddi artsaydı, yani (0,40; 0,50) yerine (0,30; 0,60) olsaydı, A1'in bu kriterdeki skoru iyileşirdi. Çünkü yargıya daha az destek ve daha çok ret vermek, riskin düşük olduğuna dair kanıtın güçlendiği anlamına gelir. Bu değişiklik yalnız A1'i değil A2'yi de etkiler: A2 ikinci sıradan üçüncüye düşer, A1 ise ikinci sıraya çıkar (K: A1=2,201, A2=1,551, A3=2,787). Bu sonuç Python ile yeniden hesaplanarak doğrulanmıştır. Nedeni, normalizasyonun sütun bazında göreli olmasıdır. Bir seçeneğin skoru değiştiğinde sütunun min-max aralığı da değişir, bu yüzden diğer seçeneklerin normalleştirilmiş skorları da kayar.
Raporda: "A3 birleşik skorda öndedir (2,301) ve üç uzlaşma stratejisi de bu sırada hemfikirdir. Ancak A2'nin ikinciliği, A1'in veri güvenliği riski yargısına ilişkin tek bir değerlendiricinin puanına duyarlıdır: bu puan bir basamak değişirse A1 ile A2 yer değiştirir."
Kaynak: Bu vaka DecisionMind'ın IF-CoCoSo motorunun doğrulama örneğidir; manifest kaydındaki "Yazdani ve ark., 2019" notu dergi/sayfa bilgisi taşımadığından ve Crossref'te doğrulanamadığından literatür vakası olarak kullanılmamıştır (bkz. onay notları). Birleşik skorlar ve duyarlılık senaryosu Chen-Tan (1994) skor kuralı ve Yazdani ve ark. (2019) CoCoSo iskeleti esas alınarak bağımsız olarak yeniden hesaplanmıştır.
2. Tarım: Bir kooperatifin sulama yatırımı için üretici grubu seçimi
Bir tarımsal kalkınma kooperatifi, sınırlı bir destekleme bütçesini üç üretici grubundan (A1, A2, A3) birine yeni bir sulama sistemi yatırımı olarak ayıracaktır. Üç kriter: sulama ihtiyacının aciliyeti (saha uzmanlarının gözlem raporlarına dayanan bir yargı), toprak verimlilik potansiyeli (aynı şekilde uzman yargısı) ve "bu grubun yatırımı zamanında tamamlayamama riski yüksektir" yargısı (azı iyi). Saha uzmanları her grup için bu üç yargıya destek ve ret derecesi vermiştir.
Yöntem her yargıyı Chen-Tan skoruna indirir, üçüncü kriteri ters çevirerek ölçekler, toplamsal ve çarpımsal ölçüleri hesaplar, üç uzlaşma stratejisiyle birleştirir. Diyelim ki sulama ihtiyacı en acil olan grup, tamamlanamama riski de en yüksek olduğu için ikinci sırada kaldı; toprak verimliliği en yüksek ve riski orta düzeydeki grup birinci çıktı.
Kooperatif de bir noktada tereddüt etti. Sulama ihtiyacının aciliyeti kriterinin ağırlığı artırılırsa, yani bütçe önceliği "en acil ihtiyaç" olarak değiştirilirse, birinci ve ikinci grup yer değiştirebilir. Bu yüzden kooperatif kararını yalnız mevcut ağırlıklarla değil, ağırlık önceliği değiştiğinde sıranın ne kadar kolay döndüğünü de göstererek almalıdır.
Raporda: "Mevcut ağırlıklarla toprak verimliliği yüksek grup öndedir; sulama ihtiyacının aciliyetine verilen ağırlık artırılırsa sulama ihtiyacı en acil olan grup öne geçebilir, bu yüzden ağırlık seçimi kooperatif yönetim kuruluyla ayrıca teyit edilmelidir."
3. Yapılmaması Gereken
Birinci yanlış, öğretici örnekteki üçüncü kriterin yönünü yanlış işaretlemektir. "Veri güvenliği riski yüksektir" yargısı azı iyi olmasına rağmen bunu "çoğu iyi" olarak girmek, ölçeklemeyi ters yönde çalıştırır. Bu durumda sıralama A3-A2-A1'den A1-A2-A3'e tam tersine döner. Bu küçük bir kayma değildir, sıralamanın komple tersine dönmesidir. İkinci yanlış, A1'in veri güvenliği riski yargısına verilen destek/ret çiftinin diğer seçeneklerin normalize edilmiş skorlarını da etkilediğini görmemektir. Bunu görmeyip "yalnız A1'i ilgilendiren bir değişiklik" diye rapor etmek yanlıştır, çünkü bir sütunun min-max aralığı seçenek kümesindeki HERKESİN skoruna bağlıdır. Üçüncü yanlış, birleşik K skorunu (2,301 gibi 1'in üzerindeki bir değeri) bir güven yüzdesi gibi okumak ve bunu doğrudan μ ya da ν ile karşılaştırmaktır. K skoru artık μ ve ν'den türemiş crisp bir sıralama değeridir, bir olasılık değildir.
Kaynaklar
Adımların formülleri, ara tablolar ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/if-cocoso
Yazdani, M., Zarate, P., Zavadskas, E. K., & Turskis, Z. (2019). A combined compromise solution (CoCoSo) method for multi-criteria decision-making problems. Management Decision, 57(9), 2501–2519. DOI: 10.1108/MD-05-2017-0458
Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87–96. DOI: 10.1016/S0165-0114(86)80034-3
Chen, S.-M., & Tan, J.-M. (1994). Handling multicriteria fuzzy decision-making problems based on vague set theory. Fuzzy Sets and Systems, 67(2), 163–172. DOI: 10.1016/0165-0114(94)90084-1
Xu, Z. (2007). Intuitionistic fuzzy aggregation operators. IEEE Transactions on Fuzzy Systems, 15(6), 1179–1187. DOI: 10.1109/TFUZZ.2006.890678