Uzantı kartı · Sezgisel bulanık
Sezgisel bulanık MOORA
IF-MOORA, kriterler ölçülmüş bir büyüklük değil bir yargı olduğunda ve bu yargının destek ile ret derecesi ayrı ayrı bilindiğinde sezgisel bulanık sayılarla çalışan MOORA biçimidir. Destek-ret farkını tek sayıya çevirip oran sistemine sokar.
Temel yöntem
MOORA →
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?
Hücreler. Kesin MOORA'da her hücre tek sayıdır. Burada her hücre bir yargının destek (μ) ve ret (ν) derecesi çiftidir; toplamları 1'i aşamaz, geriye kalan pay kararsızlıktır. Kriter ağırlıkları DecisionMind'da kesin (tek) sayı olarak alınır; belirsizlik yalnız karar matrisinin hücrelerinde taşınır.
Ölçek eşitleme. Kesin MOORA doğrudan hücre değerini sütun büyüklüğüne böler. IF-MOORA önce her hücrenin destek-ret çiftini tek bir skora indirger: skor, destek eksi ret'tir (μ − ν) ve bu değer −1 ile 1 arasında olabileceği için 1 eklenerek 0 ile 2 arasına kaydırılır. Ancak bu, bulanık ya da nötrosofik uzantılardaki gibi bir "durulaştırma" değildir. Kararsızlık payı burada hesaba hiç girmez, yalnız destek ile ret arasındaki fark kullanılır. Kaydırılmış skor, kesin MOORA'daki gibi kendi sütun büyüklüğünün köküne bölünerek normalize edilir.
Skor ve oran sistemi. Normalize edilmiş kaydırılmış skorlar ağırlıklandırılır; "çoğu iyi" kriterlerdeki toplamdan "azı iyi" kriterlerdeki toplam çıkarılır. Bu, kesin MOORA'nın oran sistemiyle birebir aynı işlemdir; fark yalnızca girdinin önce destek-ret skoruna indirgenmiş olmasıdır.
Sonuç ve durulaştırma. Skor-kaydırma adımı aslında durulaştırmanın kendisidir ve MOORA'nın ilk adımında (hücre normalizasyonundan önce) yapılır, sonunda değil. Bu, Fuzzy MOORA ve N-MOORA'dan farklıdır: onlarda durulaştırma son adımda (ortalama alınarak) yapılırken, IF-MOORA'da destek-ret çifti daha ilk adımda tek bir skora iner ve hesabın geri kalanı bu skor üzerinden, kesin MOORA'yla birebir aynı biçimde ilerler.
DecisionMind klasik IF-MOORA'da skor fonksiyonu olarak μ − ν'yi (Chen-Tan skoru) ve bu skorun ilk adımda hesaplanmasını sabit tutar; kararsızlık payı (π = 1 − μ − ν) hiçbir adımda ayrıca kullanılmaz.
Çıktı Nasıl Yorumlanır?
Çıktı kesin MOORA'daki gibi bir net puan ve sıradır; okunması da aynıdır. Fark şudur. Bu puan, aslında bir yargının destek ve ret derecesinin farkına dayanır ve kararsızlık payını, yani uzmanın ne desteklediği ne reddettiği kısmı, hiç görmez. İki kriterde aynı skor farkına (μ − ν) sahip ama farklı kararsızlık paylarına sahip değerlendirmeler IF-MOORA'da aynı sonucu verir. Bu, kararsızlığın yüksek olduğu bir yargının, düşük kararsızlıklı bir yargıyla aynı ağırlıkta sayıldığı anlamına gelir.
Bu nedenle:
"IF-MOORA kararsızlığı da hesaba kattı"
yerine:
"IF-MOORA yalnız destek ile ret arasındaki farkı hesaba kattı; iki değerlendirmenin kararsızlık payı farklı olsa bile bu fark aynıysa sonuç aynıdır, bu yüzden yüksek kararsızlıklı kriterler raporda ayrıca işaretlenmelidir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriterler bir ölçümden değil bir yargıdan geliyorsa ve bu yargının lehte ile aleyhte kanıtı ayrı ayrı toplanabiliyorsa: kurul oylamaları, uzman destek/çekince değerlendirmeleri, "bu aday uygundur" türü önermelere verilen destek ve karşı oy oranları. Uzman yalnız "ne kadar uygun" diyorsa ve karşı görüş için ayrı bir kaynak yoksa (ν'yü 1 − μ yazmak gerekiyorsa) bu uzantı gereksizdir, kesin ya da bulanık MOORA yeterlidir. Çıkış koşulu kesin MOORA ile aynıdır: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez.
Bu Uzantıya Özgü Hatalar
Değer uzayı ihlali. Her hücrede μ, ν ∈ [0,1] ve μ + ν ≤ 1 olmalıdır; toplamı 1'i aşan bir çift (örneğin güçlü destek ve güçlü çekincenin birlikte verildiği bir yargı) bu yapıya sığmaz, Pisagor bulanık gibi başka bir yapı gerekir.
ν'yü 1 − μ olarak yazmak. Bu, kararsızlık payını sıfırlayıp yapıyı kesin veriye indirger; IF-MOORA'nın tek katkısı olan "destek ile ret ayrı kaynaklardan gelir" ilkesini ortadan kaldırır.
Skor farkını (μ − ν) tek gösterge sanıp kararsızlığı hiç raporlamamak. İki kriter aynı skoru verse bile biri (0,90; 0,10) gibi neredeyse tam kararlı, diğeri (0,50; 0,00) gibi yarı yarıya kararsız olabilir; IF-MOORA ikisini aynı işler, ama rapor bu farkı okuyucuya söylemelidir.
Ölçülmüş bir puanı doğrudan destek derecesi yapmak. 100 üzerinden 70 puanı μ = 0,70 yazıp ν = 0,30 vermek, karşı kanıt yerine yalnız "puanın tamamlayıcısını" koymaktır; ret, ayrı bir kaynaktan (karşı oy, olumsuz rapor) türetilmelidir.
Temel ilke şudur:
IF-MOORA yalnız destek ile ret arasındaki farkı taşır; kararsızlık payı ne hesaba girer ne de raporda kendiliğinden görünür, bu yüzden yüksek kararsızlıklı bir kriter ayrıca belirtilmelidir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: sezgisel bulanık MOORA için sentetik, el hesabıyla izlenebilsin diye kurulmuş 3×3 bir tablo; kitap ya da makale sayfasından alınmamıştır. İkinci vaka öğretici kurgudur.
1. Öğretici örnek: Bir Ar-Ge kurulunun üç proje arasında portföy seçimi (DecisionMind'ın doğrulama örneği)
Bir Ar-Ge kurulu üç projeyi üç kriterde değerlendiriyor: teknik uygulanabilirlik ve pazar potansiyeli ("çoğu iyi"), uygulama riski ("azı iyi"). Her kriter, "bu proje bu kriteri karşılar" yargısına kurul üyelerinin destek (μ) ve ret (ν) oranı olarak verilmiştir.
| Proje | Teknik uygulanabilirlik | Pazar potansiyeli | Uygulama riski |
|---|---|---|---|
| Proje 1 | (0,70; 0,20) | (0,60; 0,30) | (0,40; 0,50) |
| Proje 2 | (0,80; 0,10) | (0,50; 0,40) | (0,30; 0,60) |
| Proje 3 | (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 hücrenin destek-ret farkını (μ − ν) alır, 1 ekleyerek kaydırır, sütun büyüklüğüne göre normalize eder, ağırlıklandırır ve çoğu-iyi toplamından azı-iyi toplamını çıkarır.
| Proje | Net puan | Sıra |
|---|---|---|
| Proje 3 | 0,306 | 1 |
| Proje 2 | 0,299 | 2 |
| Proje 1 | 0,258 | 3 |
Sonuç şöyle okunur. Proje 3 pazar potansiyelinde en güçlü desteğe sahip ve uygulama riskinde en düşük çekinceye (yani riskte en iyi) sahip olduğu için, teknik uygulanabilirlikte en zayıf desteğe sahip olmasına rağmen birinci çıkıyor. Ama fark Proje 2'ye göre çok küçüktür (0,306 - 0,299 = 0,007).
Kurulun tereddüdü şudur: Proje 3'ün pazar potansiyeli desteği 0,70'ten 0,60'a bir adım düşürülse, yani kurul üyelerinden biri fikrini değiştirse, sıra değişiyor. Proje 2 birinci çıkıyor (0,309), Proje 3 ikinci sıraya düşüyor (0,287), Proje 1 üçüncü kalıyor (0,270). Bu, birinci ile ikinci sıra arasındaki farkın tek bir kurul üyesinin görüşüne duyarlı olduğunu gösteriyor.
Raporda: "Proje 3, pazar potansiyeli ve uygulama riskindeki üstünlüğü sayesinde en yüksek net puanla (0,306) birinci sıradadır; ancak Proje 2 ile farkı çok küçüktür ve pazar potansiyeli desteğindeki tek bir adımlık değişiklik sırayı Proje 2 lehine çevirmektedir."
Kaynak: DecisionMind'ın IF-MOORA doğrulama örneği; sentetik, el hesabıyla izlenebilir 3×3 sezgisel bulanık tablo, kitap ya da makale sayfasından alınmamıştır. Net puanlar ve duyarlılık değerleri bu kartın yazarınca Python ile bağımsız olarak hesaplanmış, DecisionMind manifestindeki iç denetim kaydıyla birebir (Proje 3 > Proje 2 > Proje 1) doğrulanmıştır.
2. Enerji: Bir dağıtım şirketinin şebeke yatırımı önceliklendirmesi
Bir elektrik dağıtım şirketi, sınırlı yatırım bütçesiyle üç şebeke bölgesinden hangisine öncelik vereceğine karar verecektir. Kriterler: arıza sıklığını azaltma potansiyeli ve müşteri sayısına etki ("çoğu iyi"), yatırım riski ("azı iyi", yani sahada beklenmeyen zeminle karşılaşma, izin gecikmesi gibi belirsizlikler). Mühendislik kurulu her bölge için bu üç yargıya destek ve ret oranı vermiştir; destek saha raporlarından, ret ise geçmiş benzer projelerdeki gecikme kayıtlarından türetilmiştir.
Yöntem üç bölgeyi aynı skora indirger, ağırlıklandırır ve net puana ulaşır. Diyelim ki en yüksek müşteri etkisine sahip bölge aynı zamanda en yüksek yatırım riski desteğine (yani en riskli bölge) sahiptir; müşteri etkisi ağırlığının yüksekliği sayesinde yine de birinci çıkıyor.
Şirketin tereddüdü şudur: birinci çıkan bölgenin yatırım riski yargısında kararsızlık payı yüksektir, çünkü destek 0,40, ret 0,30, kararsızlık 0,30'dur ve saha ekibi zemin etüdünü henüz tamamlamamıştır. İkinci sıradaki bölgenin risk yargısı ise düşük kararsızlıklıdır (destek 0,20, ret 0,75). Net puan bu farkı göstermez; şirket zemin etüdü tamamlanmadan birinci bölgeye kesin taahhüt vermemelidir.
Raporda: "En yüksek müşteri etkisine sahip bölge net puanla birinci sıradadır; ancak bu bölgenin yatırım riski değerlendirmesi yüksek kararsızlık taşımaktadır ve zemin etüdü tamamlanmadan yatırım kesinleştirilmemelidir."
3. Yapılmaması Gereken
Öğretici örnekteki Proje 1'in teknik uygulanabilirlik hücresini (0,70; 0,20) yazarken toplamı 1'i aşacak biçimde (0,70; 0,45) vermek: bu, değer uzayı ihlalidir ve yapı sezgisel bulanığa sığmaz. İkinci yanlış, Proje 2'nin uygulama riski hücresindeki (0,30; 0,60) çiftini ν = 1 − μ kuralıyla (0,30; 0,70) diye "düzeltmek"; bu, kurulun ayrı verdiği ret oranını yok sayıp kararsızlığı sıfırlar. Üçüncü yanlış, net puan farkının küçüklüğünü (0,306 ile 0,299 arasındaki 0,007) görmezden geçip "Proje 3 açık ara birinci" diye raporlamaktır; bu fark tek bir kurul üyesinin görüş değişikliğine duyarlıdır ve rapor bunu söylemelidir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/if-moora
Yazdani, M. (2015). New intuitionistic fuzzy approach with multi-objective optimisation on the basis of ratio analysis method. International Journal of Business and Systems Research, 9(4), 355–370. DOI: 10.1504/IJBSR.2015.072584
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
Brauers, W. K. M., & Zavadskas, E. K. (2006). The MOORA method and its application to privatization in a transition economy. Control and Cybernetics, 35(2), 445–469. (DOI yok)