Uzantı kartı · Bulanık
Aralık CODAS (Yeni ve Özçelik, 2018)
Aralık CODAS, uzmanlar bir kriteri hem destek hem ret derecesini birer aralık olarak verdiğinde ve birden fazla uzmanın görüşü birleştirilmesi gerektiğinde kullanılan CODAS biçimidir. Grup kararını doğrudan destekler ve sonucu yine tek bir değerlendirme puanıyla sıralar.
Temel yöntem
CODAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Bulanık (Fuzzy) →
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 dört sayıdan oluşur: destek aralığının alt ve üst ucu, ret aralığının alt ve üst ucu. Destek üst ucu ile ret üst ucunun toplamı birden büyük olamaz. Birden fazla uzmanın ayrı ayrı verdiği çiftler, uzman ağırlıklarıyla tek bir grup matrisinde birleştirilir. Kriter ağırlıkları da kesin sayı değil, aynı dört bileşenli yapıda verilebilir. Yöntem grup kararını doğrudan destekler.
Ölçek eşitleme. Kesin CODAS her hücreyi sütunun en büyüğüne ya da en küçüğünün oranına böler. Burada böyle bir bölme yoktur. Her hücre, kriterin dört bileşenli ağırlığıyla özel bir işlemle çarpılır: destek bileşenleri kendi aralarında çarpılır, ret bileşenleri ise "ya biri ya öbürü" mantığıyla (olasılıksal toplam) birleştirilir. Bu işlem, destek ile reti birlikte ölçekler ve dört bileşenin geçerlilik kısıtını korur.
Uzaklık. Kesin CODAS'ta negatif-ideal, sütunun en kötü değerinden kurulur. Burada da her kriterde, ağırlıklı çiftlerin en düşük destek ve en yüksek ret bileşenlerinden bir negatif-ideal çift kurulur. Öklid ve Taksi uzaklıkları dört bileşen üzerinden hesaplanır. DecisionMind burada, bu uzantının kaynağı olan makalenin Tablo 9'undaki sayılarla örtüşen bir normalizasyon kullanır. Bu, Park'ın (2008) orijinal önerisinden biraz farklıdır ve DecisionMind'ın bu uzantı için sabit tuttuğu bir seçimdir.
Sonuç ve durulaştırma. Değerlendirme puanı, kesin CODAS ile aynı ikili karşılaştırma kuralıyla (eşik θ, önce Öklid, yetmezse Taksi) kurulur ve zaten tek bir sayıdır. Ayrı bir durulaştırma adımı yoktur; dört bileşen ancak uzaklık hesabında birleşerek tek sayıya iner.
Çıktı Nasıl Yorumlanır?
Değerlendirme puanı, kesin CODAS'takiyle aynı şekilde okunur. Göreli bir konum ölçüsüdür, yüzde değildir, başka bir analizle karşılaştırılmaz. Fark şurada: puan, dört bileşenli bir yapıdan geldiği için hem destek-ret dengesini hem her ikisinin aralık genişliğini birlikte taşır. Bir kriterdeki aralığın daralması ya da genişlemesi, puanı destek-ret dengesinin kendisi değişmeden bile kaydırabilir.
Bu nedenle:
"Aralık CODAS puanı, uzmanların ortak görüşünü kesin biçimde yansıtır"
yerine:
"Puan, birden fazla uzmanın destek ve ret aralıklarının birleştirilmesinden gelir; aralıkların genişliği ayrı bir bilgi taşır ve puanın yanında raporlanmalıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzmanlar bir kriteri hem destek hem ret derecesiyle, ikisini de aralık olarak veriyorsa ve birden fazla uzmanın görüşü ağırlıklı biçimde birleştirilecekse bu uzantı kullanılır. Destek ve ret tek bir sayıyla yeterince ifade ediliyorsa daha basit sezgisel bulanık uzantı yeterli olabilir. Ölçülmüş kriterler bu uzantıya taşınmamalıdır. Matris tek türde olmak zorundaysa ölçülmüş bir değer, destek aralığı [1,1], ret aralığı [0,0] olacak biçimde yazılır. Temel CODAS'ın çıkış koşulu burada da aynen geçerlidir.
Bu Uzantıya Özgü Hatalar
Geçerlilik kısıtını kontrol etmemek. Destek üst ucu ile ret üst ucunun toplamı birden büyükse çift geçersizdir. Bu kontrol edilmeden hesaba girilirse sonuç anlamsızlaşır.
Eşik değerinin (θ) duyarlılığını sınamamak. Kaynak makale θ'yı 0,01 ile 0,05 arasında denemiştir. Farklı θ değerleri farklı sıra verebilir; bu sınama atlanmamalıdır.
Birleştirme işlemini (IIFWA) sessizce değiştirmek. Kaynak makale uzman görüşlerini IIFWA (ağırlıklı ortalama) işlemiyle birleştirir. Geometrik ortalama tabanlı bir işlem kullanmak aynı girdilerden farklı bir grup matrisi ve farklı bir sonuç üretir; bu seçim raporda belirtilmelidir.
Önce durulaştırıp sonra kesin CODAS koşturmak. Dört bileşeni tek bir skora indirip kesin CODAS'ı koşturmak bu uzantı değildir. Aşağıdaki öğretici örnekte bu kısayol sırayı değiştirmez ama puanları olduğundan büyük gösterir; daha yakın bir örnekte sırayı da değiştirebilir.
Temel ilke şudur:
Aralık CODAS, destek ve ret derecesini aralık biçiminde, birden fazla uzmanın görüşünü birleştirerek sona kadar taşımak içindir. Geçerlilik kısıtı denetlenmez, eşik sınanmaz ya da birleştirme işlemi gerekçesiz değiştirilirse görünürdeki hassasiyet bozulur.
Vakalar
Birinci vaka gerçek bir literatür vakasıdır: Yeni ve Özçelik'in (2018) personel seçimi örneğidir. İkinci vaka öğretici bir kurgudur.
1. İşe alım: Dört aday arasında personel seçimi (Yeni ve Özçelik, 2018)
Bir kurum, dört aday (A1-A4) arasından dört kritere göre birini seçecektir: iletişim, deneyim, eğitim ve takım çalışması; dördü de "çoğu iyi" türündendir. Üç uzman (ağırlıkları 0,40; 0,35; 0,25) sözel ölçekle verdiği yargılardan aralık destek-ret çiftlerine ulaşmış, kurum bu üç görüşü IIFWA işlemiyle tek bir grup matrisinde birleştirmiştir. Aşağıdaki tablo bu birleştirilmiş matristir.
| Aday | İletişim (destek; ret) | Deneyim (destek; ret) | Eğitim (destek; ret) | Takım (destek; ret) |
|---|---|---|---|---|
| A1 | [0,8049; 0,8434]; [0,00; 0,1324] | [0,672; 0,7652]; [0,00; 0,1832] | [0,8722; 0,885]; [0,00; 0,1057] | [0,303; 0,4048]; [0,4003; 0,5396] |
| A2 | [0,8722; 0,885]; [0,00; 0,1057] | [0,3702; 0,4622]; [0,3617; 0,4876] | [0,4705; 0,5627]; [0,2603; 0,3869] | [0,601; 0,6935]; [0,1275; 0,2559] |
| A3 | [0,6388; 0,7342]; [0,00; 0,2122] | [0,5497; 0,6431]; [0,1737; 0,3056] | [0,6333; 0,725]; [0,10; 0,225] | [0,5101; 0,6022]; [0,2213; 0,3475] |
| A4 | [0,4705; 0,5627]; [0,2603; 0,3869] | [0,4932; 0,5885]; [0,2195; 0,3586] | [0,4859; 0,5999]; [0,00; 0,3335] | [0,90; 0,90]; [0,10; 0,10] |
| Ağırlık | [0,5593; 0,7449]; [0,00; 0,2398] | [0,6122; 0,6688]; [0,2814; 0,3266] | [0,5669; 0,7539]; [0,00; 0,2306] | [0,3103; 0,6833]; [0,00; 0,2892] |
Yöntem her adayın çiftini kriterin dört bileşenli ağırlığıyla çarpar, en düşük destekli ve en yüksek retli çiftten negatif-ideali kurar ve dört bileşen üzerinden Öklid ile Taksi uzaklığını hesaplar.
| Aday | Değerlendirme puanı | Sıra |
|---|---|---|
| A1 | 0,8141 | 1 |
| A3 | -0,1490 | 2 |
| A4 | -0,2305 | 3 |
| A2 | -0,4346 | 4 |
Sonuç şöyle okunur. A1, iletişim ve eğitim kriterlerinde en yüksek destek aralığına ve en düşük ret aralığına sahiptir; bu iki kriterde açık ara öndedir. A4, takım çalışmasında en yüksek desteğe (0,90) sahip olsa da iletişim ve deneyimdeki zayıflığı bu üstünlüğü tam telafi etmez.
Kararın ne kadar sağlam olduğunu görmek için takım çalışması kriterinin ağırlık aralığı yükseltilip iletişim kriterininki buna karşılık düşürülerek yeniden hesaplanmıştır. Bu yeniden dağıtım belirli bir noktadan sonra üçüncü sıradaki A4 ile ikinci sıradaki A3'ün yerini değiştirir: A4 -0,1512, A3 -0,1542 olur. A1'in birinciliği ve A2'nin son sıradaki yeri bu değişiklikte bozulmaz.
Raporda: "Verilen ağırlıklarla A1 en yüksek değerlendirme puanına (0,81) sahiptir. İkinci ve üçüncü sıradaki A3 ile A4 arasındaki fark küçüktür ve takım çalışması kriterinin ağırlığı artırıldığında bu iki aday yer değiştirmektedir."
Kaynak: Yeni ve Özçelik (2018), Tablo 6 (uzmanlar arası birleştirilmiş karar matrisi ve ağırlıklar). Değerlendirme puanları, DecisionMind'ın aralık CODAS motorunun bu matris üzerinden bağımsız olarak yeniden çalıştırılmasıyla elde edilmiştir ve makalenin kendi Tablo 10 sonuçlarıyla (tolerans 0,0001 içinde) örtüşür.
2. Tekstil: Bir konfeksiyon firmasının yeni kumaş tedarikçisi seçimi
Bir konfeksiyon firması, yeni bir koleksiyon için üç kumaş tedarikçisinden biriyle anlaşacaktır. Kriterler şunlardır: kumaş kalitesi, teslim süresi güvenilirliği ve birim maliyet (bu sonuncusu "azı iyi" türündendir). Firmanın üç departmanı (tasarım, üretim, satın alma) her tedarikçiyi kendi bakış açısından hem ne kadar desteklediğini hem ne kadar çekindiğini aralık olarak puanlamış, bu görüşler ağırlıklı biçimde birleştirilmiştir.
Yöntem üç tedarikçinin birleştirilmiş çiftlerini ağırlıklarla çarpar, negatif-ideali kurar ve iki uzaklığı hesaplar. Diyelim ki en kaliteli kumaşı sunan tedarikçi aynı zamanda en yüksek maliyete sahiptir. Yine de birinci çıkar, çünkü kalite kriterinin ağırlığı maliyetten fazladır.
Firmanın tereddüt ettiği nokta şudur. Üç departmanın görüşleri arasındaki fark, ikinci tedarikçi için geniş bir aralık üretmiştir. Bu genişlik, departmanlar arasında görüş ayrılığı olduğunu gösterir ve puanın yanında ayrıca raporlanmalıdır.
Raporda: "Kumaş kalitesine verilen yüksek ağırlıkla en kaliteli tedarikçi en yüksek değerlendirme puanına ulaşmaktadır; ikinci tedarikçinin aralık genişliği departmanlar arası görüş ayrılığına işaret etmektedir ve bu ayrıca izlenmelidir."
3. Yapılmaması Gereken
Öğretici tabloda dört bileşen önce tek bir skora ((destek alt + destek üst eksi ret alt eksi ret üst) bölü iki) indirilip kesin CODAS koşturulsaydı, sıra değişmezdi (A1, A3, A4, A2), ama puanlar olduğundan büyük çıkardı (A1 için 0,81 yerine 1,03 gibi). Bu, Aralık CODAS değildir ve daha yakın bir örnekte sırayı da değiştirebilir. İkinci yanlış, üç departmanın görüşünü IIFWA yerine geometrik ortalama tabanlı bir işlemle birleştirip bunu raporda belirtmemektir; aynı girdilerden farklı bir grup matrisi çıkar. Üçüncü yanlış, eşik değerini (θ) hiç sınamadan varsayılan bırakmaktır; ikinci ve üçüncü sıradaki A3 ile A4 arasındaki küçük fark, kaynak makalede olduğu gibi burada da θ'ya duyarlıdır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/iv-codas
Yeni, F. B., & Özçelik, G. (2018). Interval-Valued Atanassov Intuitionistic Fuzzy CODAS Method for Multi Criteria Group Decision Making Problems. Group Decision and Negotiation, 28, 433–452. DOI: 10.1007/s10726-018-9603-9
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.)
Atanassov, K. T., & Gargov, G. (1989). Interval valued intuitionistic fuzzy sets. Fuzzy Sets and Systems, 31(3), 343–349. DOI: 10.1016/0165-0114(89)90205-4
Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy Sets and Systems, 20(1), 87–96. DOI: 10.1016/S0165-0114(86)80034-3