Uzantı kartı · Dilsel
2-tuple dilsel nötrosofik EDAS (Wang, Wang ve Wei, 2019)
2-tuple dilsel nötrosofik EDAS, kriter değerlendirmesinin bir terim kümesinden seçilen kelimelerle ve bu kelimelere doğruluk, belirsizlik ve yanlışlık derecesi eklenerek yapıldığı EDAS biçimidir. Birleştirme sonucu bir terime yuvarlanmaz, terim ve kayma değeriyle birlikte taşınır.
Temel yöntem
EDAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Dilsel (Linguistic) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Beş şey değişir; ortalamaya göre konum bulma mantığı değişmez.
Hücreler. Kesin EDAS'ta her hücre tek sayıdır. 2-tuple dilsel TOPSIS'te her hücre bir terim ve bir kaymadan oluşan tek bir 2-tuple'dır. Burada ise her hücre üç ayrı 2-tuple'dan oluşur: doğruluk için bir terim ve kayma, belirsizlik için bir terim ve kayma, yanlışlık için bir terim ve kayma. Bu, nötrosofik üçlünün (doğruluk, belirsizlik, yanlışlık) her bileşeninin kendisinin de bir terim kümesinden seçildiği ve kayma değeriyle birlikte tutulduğu anlamına gelir. Sade 2-tuple dilsel bir yöntemde tek bir kelimenin ne kadar "yüksek" olduğu sorulur; burada aynı yargı için hem "ne kadar doğru", hem "ne kadar belirsiz", hem "ne kadar yanlış" ayrı ayrı ve ayrı terim kümelerinden sorulur.
Maliyet yönü. Maliyet kriterinde yön çevirme, doğruluk 2-tuple'ı ile yanlışlık 2-tuple'ının yer değiştirmesiyle yapılır; belirsizlik bileşeni değişmez.
Grup birleştirme. Birden fazla karar verici varsa her uzmanın üçlü 2-tuple'ı, ağırlıklı bir birleştirme kuralıyla (2TLNNHWA) tek bir üçlüye indirilir. Tek karar vericide bu adım bir şey değiştirmez.
Ortalama çözüm ve skorlama. Ortalama çözüm, kesin EDAS'takiyle aynı mantıkla her kriterin bütün seçenekler üzerinden birleştirilmesiyle kurulur; ama burada birleştirme sayı ortalaması değil, üçlü 2-tuple'ların kendi birleştirme kuralıyla yapılır. Pozitif ve negatif sapma, ham üçlüler üzerinde değil, her üçlünün bir skor fonksiyonuyla indirgendiği tek sayı üzerinde hesaplanır.
Sonuç ve durulaştırma. Skora indirgeme, ortalama ve sapma hesabına girmeden hemen önce yapılır. Ağırlıklı toplamlar, normalizasyon ve değerlendirme puanı bundan sonra kesin EDAS'la birebir aynı biçimde ilerler.
DecisionMind bu uzantıda üçlü 2-tuple'ın skor fonksiyonunu ve grup birleştirme kuralını sabit tutar. Ağırlıklar kesin sayı olarak dışarıdan alınır; yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Değerlendirme puanı kesin EDAS'takiyle aynı okunur: kümenin kendi ortalamasına göre bir konumdur, yüzde ya da olasılık değildir. Fark şurada: puanın altında üç ayrı 2-tuple, yani üç ayrı terim ve kayma, yatar. İki seçenek aynı skora farklı doğruluk-belirsizlik-yanlışlık bileşimleriyle ulaşabilir; biri yüksek doğruluk ve düşük belirsizlikle, diğeri orta doğruluk ve yüksek belirsizlikle aynı puana gelebilir. Tek puan bu farkı gizler.
Bu nedenle:
"2-tuple dilsel nötrosofik EDAS belirsizliği ayrı bir bileşende taşıdığı için sonuç daha güvenilirdir"
yerine:
"Değerlendirmeler doğruluk, belirsizlik ve yanlışlık terimleriyle verilmiş, tek bir skora indirgenip ortalamaya göre sıralanmıştır; skorun altındaki üç terim ayrıca raporlanmalıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzmanlar bir yargıyı yalnız "ne kadar yüksek" diye değil, "ne kadar doğru, ne kadar belirsiz, ne kadar yanlış" diye üç ayrı terimle değerlendirebiliyorsa ve bu üç terimin bir terime yuvarlanmadan taşınması isteniyorsa bu uzantı uygundur. Uzman yalnız tek bir terimle konuşuyorsa 2-tuple dilsel TOPSIS ailesi yeterlidir; doğruluk-belirsizlik-yanlışlık ayrımı eklemek yapay bir katman kurar. Ölçülmüş bir kriter için kesin EDAS yeterlidir; ölçülmüş bir değeri üç terime açmak bilgi eklemez.
Kesin EDAS ile aynı çıkış koşulu geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez.
Bu Uzantıya Özgü Hatalar
Kaymayı atıp yalnız terimi kullanmak. Her bileşenin kaymasını atıp en yakın terime yuvarlamak, 2-tuple yapının bilgi kaybını önleme amacını geçersiz kılar.
Doğruluk-belirsizlik-yanlışlık üçlüsünü tek bir 2-tuple'a sıkıştırmak. Üç bileşen ayrı terim kümelerinden gelir ve ayrı ayrı taşınır; birini diğeriyle ortalamak yöntemi sade 2-tuple dilsel EDAS'a indirger.
Maliyet kriterinde yalnız doğruluk ile yanlışlığı değil, belirsizliği de çevirmek. Yön değişiminde yalnız doğruluk ve yanlışlık yer değiştirir; belirsizlik bileşeni olduğu gibi kalır.
Geri çekilmiş kaynağı tek dayanak göstermek. Kurucu makale geri çekildiği için rapor, formül zincirinin ayrıca hangi bağımsız kaynaktan (2-tuple dilsel temsil, nötrosofik küme) doğrulandığını belirtmelidir.
Temel ilke şudur:
2-tuple dilsel nötrosofik EDAS'ta belirsizlik üç ayrı terimde taşınır ve yalnız ortalama-sapma hesabından hemen önce tek bir skora iner. Kaymayı atan, üç bileşeni birbirine karıştıran ya da geri çekilmiş makaleyi tek kaynak gösteren her uygulama yöntemin katkısını ya da güvenilirliğini zedeler.
Vakalar
Kurucu makalenin (Wang, Wang ve Wei, 2019) sayısal örneği, karar vericiler arası birleştirilmiş matrisi yayımlamamıştır; yalnız tek bir karar vericinin ham puanları ve son sıralama bilgisi mevcuttur. DecisionMind'ın motoru bu eksik veriyle koşulduğunda hücreler sıfıra düşer ve sıralama anlamsızlaşır; bu davranış motorun kendi belgesinde açıkça yazılıdır. Bu yüzden birinci vaka, makalenin tablosu yerine formül zincirine sadık, üç seçenekli bir doğrulama örneğidir. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: Üç seçeneğin üç kriterde değerlendirilmesi (DecisionMind doğrulama örneği)
Üç seçenek üç kriterde (C1, C2 çoğu iyi; C3 azı iyi) doğruluk-belirsizlik-yanlışlık üçlüsüyle değerlendiriliyor. Terim kümesi yedi basamaklıdır (s0'dan s6'ya); her bileşen bu kümeden bir terimle verilmiştir, kaymalar sıfırdır. Ağırlıklar C1=0,40, C2=0,35, C3=0,25.
| Seçenek | C1 (doğruluk, belirsizlik, yanlışlık) | C2 | C3 (maliyet) |
|---|---|---|---|
| A1 | s5, s2, s1 | s3, s3, s3 | s4, s2, s2 |
| A2 | s6, s1, s1 | s5, s2, s1 | s2, s2, s4 |
| A3 | s4, s2, s2 | s4, s3, s2 | s3, s3, s3 |
Yöntem C3'te doğruluk ile yanlışlığı yer değiştirir, her üçlüyü tek bir skora indirger, sütun ortalamasını bu skorlar üzerinden kurar ve kesin EDAS'ın geri kalan adımlarını uygular.
| Seçenek | Değerlendirme puanı | Sıra |
|---|---|---|
| A2 | 0,745 | 1 |
| A1 | 0,291 | 2 |
| A3 | 0,000 | 3 |
Sonuç şöyle okunur. A2, en ağır iki kriter olan C1 ve C2'de skoru ortalamanın üstündedir. Maliyet yönlü C3'te de, tersine çevrildikten sonra, ortalamanın altındadır. Üç kriterde birden avantajlı olduğu için birincidir. A3 hiçbir kriterde ortalamanın üstüne çıkmaz ve son sırada kalır.
Kararın tereddüdü: maliyet kriteri C3'ün ağırlığı 0,25'ten 0,70'e çıkarılıp C1 ve C2'nin ağırlıkları 0,15'er düzeyine indirilirse sıra bütünüyle değişir. DecisionMind'ın motoru bu yeni ağırlıklarla bağımsız olarak yeniden çalıştırıldığında A1 0,872 ile birinci, A3 0,193 ile ikinci, A2 0,168 ile üçüncü çıkar. Bu, A2'nin birinciliğinin C3'ün düşük ağırlığına ne kadar bağlı olduğunu gösterir.
Raporda: "Verilen ağırlıklarla (C1=0,40, C2=0,35, C3=0,25) A2 kümenin ortalamasına göre en avantajlı konumdadır (0,745). Maliyet kriterinin ağırlığı belirgin biçimde artırılırsa (C3=0,70) sıra tamamen tersine döner ve A1 birinci olur; bu yüzden maliyet kriterinin ağırlığı ayrıca gerekçelendirilmelidir."
Kaynak: DecisionMind'ın L2T-EDAS motorunun doğrulama örneği. Kurucu makalenin (Wang, Wang ve Wei, 2019) birleştirilmiş karar matrisi yayımlanmadığı ve makale sonradan geri çekildiği için tablo, formül zincirine (skor, ortalama, sapma, normalizasyon) sadık kalınarak sentetik olarak kurulmuştur. Değerlendirme puanları ve ağırlık senaryosu, DecisionMind'ın motoru (scripts/method_runner.py L2T-EDAS) bu kartın yazarınca bağımsız olarak çalıştırılarak doğrulanmıştır.
2. Tiyatro: Bir belediye tiyatrosunun yeni sezon oyunu seçimi
Bir belediye tiyatrosu, önümüzdeki sezon için üç oyun metninden birini sahneleyecektir. Kriterler: seyirci ilgisi beklentisi, sahneleme maliyeti ve oyuncu kadrosuna uygunluk; sahneleme maliyeti azı iyidir. Dramaturji kurulu her oyun için üç kriterde ayrı ayrı ne kadar emin (doğruluk), ne kadar kararsız (belirsizlik) ve ne kadar olumsuz (yanlışlık) olduğunu, önceden ilan edilmiş bir terim kümesinden seçerek bildirmiştir.
Yöntem her oyunun üç kriterdeki üçlüsünü tek bir skora indirger, sütun ortalamasına göre lehte ve aleyhte sapmasını ölçer, ağırlıklarla birleştirir ve tek bir değerlendirme puanında toplar. Diyelim ki seyirci ilgisi beklentisi en yüksek oyun aynı zamanda en pahalı sahnelemeyi gerektiriyor ve yine de birinci çıkıyor, çünkü seyirci ilgisinin ağırlığı maliyetten yüksek tutulmuş.
Kurulun tereddüdü şudur: maliyeti yüksek bir oyunu yalnızca seyirci ilgisine dayanarak seçmek, sezon bütçesini zorlayabilir. Kurul bu riski değerlendirme puanına değil, ayrı bir bütçe tavanına bağlı ön elemeyle sınırlamalıdır.
Raporda: "Öncelik sırası, seyirci ilgisi beklentisine verilen yüksek ağırlık nedeniyle bu kriterde ortalamanın üstünde kalan oyuna göre şekillenmiştir. Sahneleme maliyeti ortalamanın üstünde olan oyunlar için ayrı bir bütçe tavanı önerilir."
3. Yapılmaması Gereken
Öğretici örnekte A2'nin C1 üçlüsündeki kaymayı atıp yalnız "s6, s1, s1" terimlerini kullanmak, bu örnekte kaymalar zaten sıfır olduğu için sonucu değiştirmez; ama gerçek bir grup kararında kayma sıfırdan farklı çıktığında bu kayma atılırsa birleştirme sonucu en yakın terime yuvarlanır ve bilgi kaybolur. İkinci yanlış, C3'ün maliyet olduğunu göz ardı edip doğruluk-yanlışlık yer değişimini uygulamamaktır; bu, en pahalı seçeneği yanlışlıkla ödüllendirir. Üçüncü yanlış, tiyatro örneğinde geri çekilmiş kurucu makaleyi tek kaynak göstererek "yöntem literatürde doğrulanmıştır" demektir; makale geri çekildiği için bu iddia raporda ayrıca işaretlenmelidir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/l2t-edas
Wang, P., Wang, J., Wei, G., & Zhang, J. (2019). EDAS method for multiple criteria group decision making under 2-tuple linguistic neutrosophic environment. Journal of Intelligent & Fuzzy Systems, 37(2), 1597–1608. DOI: 10.3233/JIFS-179223 (bu makale yayıncı tarafından geri çekilmiştir)
Wang, P., Wang, J., Wei, G., Wu, J., Wei, C., & Wei, Y. (2020). CODAS method for multiple attribute group decision making under 2-tuple linguistic neutrosophic environment. Informatica, 31(1), 161–184. DOI: 10.15388/20-INFOR399
Herrera, F., & Martínez, L. (2000). A 2-tuple fuzzy linguistic representation model for computing with words. IEEE Transactions on Fuzzy Systems, 8(6), 746–752. DOI: 10.1109/91.890332
Smarandache, F. (1998). Neutrosophy: Neutrosophic Probability, Set, and Logic. American Research Press, Rehoboth. (DOI yok)
Keshavarz Ghorabaee, M., Zavadskas, E. K., Olfat, L., & Turskis, Z. (2015). Multi-criteria inventory classification using a new method of evaluation based on distance from average solution (EDAS). Informatica, 26(3), 435–451. DOI: 10.15388/Informatica.2015.57