2-tuple dilsel TODIM (Qi ve ark., 2021)

Dört şey değişir; ikili kazanç-kayıp mantığı ve kayıptan kaçınmanın kayıpları büyütmesi değişmez.

Hücreler. Kesin TODIM'de her hücre tek sayıdır. Burada her hücre bir terim ve bir kaymadan oluşur. Uzman puanı, dokuz basamaklı bir terim kümesinden seçer: çok düşük, düşük, oldukça düşük, azıcık düşük, orta, azıcık yüksek, oldukça yüksek, yüksek, çok yüksek. Birleştirme sonucu iki terimin arasına düşerse en yakın terime yuvarlanmaz; bir terim ve o terimden küçük bir kayma olarak tutulur. Kriter ağırlıkları kesin sayıdır, terim değildir; DecisionMind bu uzantıda grup kararını desteklemez, her hücre tek bir değerlendirmeye aittir.

Ölçek eşitleme. Kesin TODIM önce her sütunu kendi toplamına böler, sonra kazanç-kayıp karşılaştırmasına geçer. DecisionMind'ın bu uzantısı bu adımı çalıştırmaz. Terim ve kayma çifti, terim kümesindeki konumla kaymanın toplanmasıyla doğrudan tek bir sayıya döner; bu sayı zaten terim kümesinin sınırları içinde (0 ile en yüksek basamak arasında) kaldığından ayrıca bir sütun toplamına bölünmez.

Referans kriter. Kesin TODIM'de ikinci adım, en ağır kriteri referans seçip diğer kriterlerin ağırlığını bu referansa oranlamaktır. Bu ailenin diğer üyelerinden (Plitojenik, Pisagor bulanık, Resim bulanık TODIM) farklı olarak, DecisionMind'ın bu uzantısı bu adımı uygulamaz. Ağırlıklar toplamı 1'e normalize edilmiş hâliyle doğrudan kazanç-kayıp formülüne girer; bir referans kritere bölünmez. Bu, manifestin adım tanımında da yer almayan, kanıtlanmış bir uygulama farkıdır.

Uzaklık ve kazanç-kayıp. Her kriterde iki seçeneğin terim-kayma sayıları arasındaki fark doğrudan uzaklık olarak kullanılır. Hangi seçeneğin "kazandığı" bu sayıların büyüklüğüne (maliyet kriterinde tersine) bakılarak belirlenir; kazanan tarafta pozitif, kaybeden tarafta kayıptan kaçınma katsayısı θ ile büyütülmüş negatif bir katkı toplanır. Bu, kesin TODIM'in üçüncü adımıyla aynı mantıktır; fark yalnızca uzaklığın terim-kayma sayısından gelmesidir.

Sonuç. Küresel değer yine 0 ile 1 arasında normalize edilmiş tek bir sayıdır; en düşük toplam üstünlük 0, en yüksek 1 alır. Belirsizlik hiçbir adımda durulaştırılmaz, çünkü terim-kayma çifti zaten kayıpsız bir sayıya karşılık gelir.

DecisionMind bu uzantıda terim kümesinin dokuz basamaklı olmasını ve terim-sayı dönüşümünü sabit tutar. Bulanık, sezgisel ve nötrosofik TODIM üyelerinin aksine, θ burada kullanıcı tarafından ayarlanamaz; dahili olarak 1'de sabittir, çünkü DecisionMind'ın bu uzantısında θ arayüze açık bir parametre olarak tanımlanmamıştır.

Küresel değerin okunması kesin TODIM'deki gibidir: en düşük toplam üstünlük 0, en yüksek 1 alır. Bu, mutlak bir "iyi/kötü" ölçütü değildir.

Fark şudur. Bu değerin altındaki belirsizlik geniş bir üçgen değil, tek bir terim ve onun civarındaki ince bir kaymadır. İki seçeneğin puan farkının sağlamlığı, "kaç basamaklık bir terim değişimine dayandığı" sorusuyla sınanır; tek bir uzmanın bir puanı bir basamak değiştirmesi yeterli olabilir.

Bu nedenle:

"2-tuple dilsel TODIM bilgi kaybetmediği için sonuç kesindir"

yerine:

"Uzman puanları terim kümesinden seçilmiş, birleştirme sonucu kayma değeriyle korunmuştur; sıra şu basamaklık bir terim değişimine duyarlıdır"

biçiminde yazmak doğrudur.

Uzmanlar kriteri sayıyla değil, önceden ilan edilmiş bir terim kümesinden seçtiği bir kelimeyle değerlendiriyorsa ve birleştirme sonucunun bir terime yuvarlanmadan saklanması isteniyorsa bu uzantı uygundur. Karar vericinin kayıplara kazançlardan daha duyarlı davrandığı, yani TODIM'in temel varsayımı, kararın doğasına uyuyorsa da aynı şekilde uygundur.

Uzman tek bir terim değil, birkaç terimi olasılıkla veriyorsa olasılıksal dilsel TODIM (PL-TODIM) kullanılır; burada tek bir terim ve onun kayması vardır. Uzman "yaklaşık bir sayı" düşünüyorsa bulanık TODIM uygundur.

Kriterler ölçülmüşse kesin TODIM'de kalınır; ölçülmüş bir süreyi ya da fiyatı terime çevirmek belirsizlik modellemek değil üretmektir. Tablo karışıksa DecisionMind tek veri türü ister. TODIM'in çıkış koşulu aynen geçerlidir: bir kriterde taviz kabul edilmiyorsa, telafi edici bu yöntem yerine önce eleme uygulanır.

Kaymayı atıp en yakın terime yuvarlamak. Birleştirme sonucunu doğrudan en yakın terime çekmek yöntemin tek katkısını, bilgi kaybını önlemesini, geçersiz kılar.

Kayma değerini terim kümesi dışına taşımak. Kayma −0,5 ile 0,5 arasında kalmalıdır. Bunun dışına çıkan bir değer aslında bir üst ya da alt terime geçiş anlamına gelir ve yeniden hesaplanmalıdır.

θ'yı ayarlanabilir sanmak. Bu uzantıda θ sabit 1'dir ve arayüzde bir girdi alanı yoktur. Bulanık ya da sezgisel TODIM'de olduğu gibi farklı bir θ ile yeniden koşturma beklemek bu uzantıda karşılık bulmaz.

Referans kriter mekanizmasının burada olmadığını unutmak. Bu ailenin diğer üyelerinde ağırlıklar en ağır kritere oranlanır; bu uzantıda ağırlıklar doğrudan normalize edilmiş hâliyle kullanılır. Raporda "referans kriter şu" diye yazmak, burada karşılığı olmayan bir adımı var saymaktır.

Temel ilke şudur:

2-tuple dilsel TODIM, terimler arası birleştirmede oluşan kaymayı bilgi kaybetmeden taşımak içindir. Kaymayı atan, terim kümesi dışına taşıyan ya da bu uzantıda bulunmayan bir referans kriter adımını var sayan her uygulama bu katkıyı ya da doğruluğu zedeler.