Uzantı kartı · m-Kutuplu
m-Kutuplu Bulanık PROMETHEE (Akram, Shumaiza ve Alcantud, 2020)
Bu, PROMETHEE'nin her hücrenin birden çok bağımsız bakış açısından ayrı ayrı derecelendirildiği durumlar için biçimidir. Her hücre önce tek bir puana indirilir, ikili karşılaştırma ve net akış hesabı bu puanlar üzerinden kesin PROMETHEE gibi yürür.
Temel yöntem
PROMETHEE →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
m-Kutuplu (m-Polar) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Üç şey değişir; karar mantığı değişmez.
Hücreler. Kesin PROMETHEE'de her hücre tek sayıdır. Burada her hücre m ayrı bakış açısından gelen m sayıdan oluşur. Örneğin üç bakış açısıyla değerlendirilen bir kriter (0,7; 0,85; 0,75) gibi üç sayıdır; her sayı kendi kaynağından gelir, birbirinden türetilmez. Birden çok uzman varsa uzmanların m-kutuplu puanları önce basit ortalamayla birleştirilir. Ağırlıklar kesin sayı olarak kalır; PROMETHEE ağırlık üretmez, dışarıdan alır. Seminal makale bu ağırlıkları AHP ile türetmiştir ve tutarlılık oranının 0,10'un altında kalmasını şart koşar.
Ölçek eşitleme. m-kutuplu hücre daha ilk adımda tek bir sayıya indirilir. DecisionMind bunun için skor fonksiyonunu kullanır: m bakış açısının ortalamasını alır. Üç bakış açısıyla (0,7; 0,85; 0,75) puanı 0,767 verir. Skor fonksiyonundan sonra elde edilen sayılar üzerinde kesin PROMETHEE'nin geri kalan adımları aynen çalışır; ayrıca bir vektör normalizasyonu gerekmez, çünkü puanlar zaten 0 ile 1 arasındadır.
Tercih fonksiyonu ve akışlar. Skor fonksiyonundan sonra hesap kesin PROMETHEE'yle birebir aynı yolu izler. Her kriter için altı genelleştirilmiş tercih fonksiyonundan biri seçilir, ikili farklar bu fonksiyonlardan geçirilir, ağırlıklarla birleştirilip giren ve çıkan akışlar, sonra net akış bulunur. Seminal makalenin örneğinde altı kriterin altısı da farklı bir fonksiyon tipiyle çalışır; bu, tek bir tip zorunluluğu değildir.
DecisionMind bu uzantıda skor fonksiyonunu ve onu izleyen kesin PROMETHEE adımlarını (tercih fonksiyonları, giren/çıkan/net akış) sabit tutar. Ağırlıklar dışarıdan kesin sayı olarak alınır; yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Çıktı kesin PROMETHEE'deki gibi bir net akış ve tam sıradır; okunması da aynıdır. Giren ve çıkan akış ayrı ayrı gösterilmelidir, çünkü bir seçeneğin öne çıkması çok kazanmasından mı az kaybetmesinden mi geldiğini yalnız bunlar söyler.
Fark şurada. Puanın altında m bağımsız bakış açısından gelen bir girdi vardır ama bu girdi skor fonksiyonuyla daha ilk adımda tek sayıya erimiştir. İki seçenek aynı skora çok farklı bakış açısı bileşimleriyle ulaşabilir. Bakış açılarının (0,8; 0,8; 0,8) olması ile (0,95; 0,95; 0,55) olması aynı ortalamayı (0,8) verir; ilkinde tam uzlaşma, ikincisinde bir bakış açısında açık bir çekince vardır.
Bu nedenle:
"m-kutuplu PROMETHEE birden çok bakış açısını birlikte değerlendirdiği için sonuç daha zengindir"
yerine:
"Bakış açıları skor fonksiyonuyla ilk adımda tek sayıya indirilmiştir; net akış yalnız bu tek sayılar arasındaki farkı taşır, bakış açıları arasında uzlaşma mı çekişme mi olduğunu göstermez"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir kriterin değeri gerçekten birden çok bağımsız kaynaktan geliyorsa ve bu kaynakların ortalamaya indirilmeden korunması, en azından ilk adımda, istenen bir bilgi taşıyorsa. Tipik durum, paydaş gruplarının, bölgelerin ya da uzmanların aynı kriteri bağımsız derecelendirdiği ve bu derecelerin tek bir sayıya erken indirgenmesinin bir çekinceyi gizleyebileceği kararlardır.
Temel PROMETHEE'ye dönülmesi gereken durum kriterin tek kaynaktan, tek bir sayıyla ölçülmüş olmasıdır. Bakış açısı tek ise m-kutuplu yapıyı zorlamak yapay bir katman ekler; veri türü kartında anlatıldığı gibi her bakış açısının kendi kanıt kaynağı olmalıdır.
Çıkış koşulu kesin PROMETHEE ile aynıdır: seçenek sayısı çok büyükse ya da dürüst bir kısmi ilişki yeterliyse bu uzantı da aynı sınırları taşır.
Bu Uzantıya Özgü Hatalar
Azı iyi kriterde işaret çevirmeyi unutmak. Tercih fonksiyonu artan farklar üzerinde tanımlıdır; azı iyi bir kriterde fark önce ters çevrilmelidir. Bu adım atlanırsa maliyet benzeri bir kriterin katkısı sessizce tersine döner ve net akış hiçbir hata vermeden yanlış çıkar. Bu kartın doğrulama örneğinde tam bu adım denetlenmiştir.
m-kutuplu ile çift kutuplu bulanığı karıştırmak. m-Kutuplu hücrede her sayı 0 ile 1 arasında bağımsız bir bakış açısıdır. Çift kutuplu hücrede ikinci sayı ters yöndeki etkidir ve −1 ile 0 arasındadır. İkisi farklı veri yapılarıdır; biri diğerinin özel hâli değildir.
AHP ağırlıklarının tutarlılığını kontrol etmemek. Ağırlıklar AHP'den geliyorsa tutarlılık oranı 0,10'un altında olmalıdır. Bu kontrol atlanırsa tutarsız ikili karşılaştırmalardan gelen bir yanlılık ağırlıklara, oradan net akışa sessizce taşınır.
Temel ilke şudur:
m-Kutuplu PROMETHEE, bağımsız bakış açılarını skor fonksiyonuyla tek sayıya indirir ve kesin PROMETHEE'nin geri kalanını bu sayılar üzerinden yürütür; yön işaretini atlayan, bakış açılarını tek kaynaktan kopyalayan ya da tutarsız ağırlık kullanan her uygulama bu indirgemeyi güvenilmez kılar.
Vakalar
Birinci vaka literatür vakasıdır: Akram, Shumaiza ve Alcantud (2020) makalesinin hidroelektrik santral yer seçimi örneği. İkinci vaka öğretici kurgudur.
1. Enerji: Hidroelektrik santral için yedi aday yer arasında seçim (Akram, Shumaiza ve Alcantud, 2020)
İki saha uzmanı, yedi aday yeri (R1-R7) altı ölçütte üç bakış açısından (üç alt gösterge) puanlamıştır: altyapı (çoğu iyi), arazi niteliği (çoğu iyi), devlet teşvikleri (azı iyi), sosyal altyapı (çoğu iyi), iklim değişimi riski (azı iyi) ve maliyet (azı iyi). İki uzmanın puanları eşit ağırlıkla ortalanmış, ağırlıklar AHP ile türetilmiştir (tutarlılık oranı 0,087, kabul edilebilir sınırın altında): altyapı 0,45, arazi niteliği 0,11, teşvik 0,03, sosyal altyapı 0,17, iklim 0,18, maliyet 0,06. Her ölçüt için farklı bir tercih fonksiyonu tipi kullanılmıştır.
Ortalanmış üç-kutuplu puanlardan iki örnek: R6'nın altyapı hücresi (0,675; 0,635; 0,615), R2'nin arazi niteliği hücresi (0,725; 0,765; 0,725). Skor fonksiyonu (üç bakış açısının ortalaması) her hücreyi tek sayıya indirir; tam matris decisionmind.app'teki yöntem sayfasında yer alır.
| Yer | Altyapı | Arazi | Teşvik | Sosyal altyapı | İklim | Maliyet |
|---|---|---|---|---|---|---|
| R1 | 0,448 | 0,547 | 0,487 | 0,467 | 0,607 | 0,567 |
| R2 | 0,553 | 0,738 | 0,422 | 0,450 | 0,738 | 0,717 |
| R3 | 0,508 | 0,557 | 0,503 | 0,580 | 0,528 | 0,632 |
| R4 | 0,595 | 0,533 | 0,528 | 0,512 | 0,523 | 0,578 |
| R5 | 0,545 | 0,603 | 0,512 | 0,508 | 0,543 | 0,542 |
| R6 | 0,642 | 0,592 | 0,508 | 0,530 | 0,603 | 0,528 |
| R7 | 0,533 | 0,567 | 0,633 | 0,603 | 0,545 | 0,522 |
Yöntem bu skorlardan her kriterde her yer çiftinin farkını hesaplar, azı iyi ölçütlerde (teşvik, iklim, maliyet) farkı ters çevirir, altı farklı tercih fonksiyonundan geçirir ve ağırlıklarla birleştirir. Her yerin giren akışı (Φ⁺, diğerlerini ne kadar geride bıraktığı) ve çıkan akışı (Φ⁻, ne kadar geride kaldığı) bulunur.
| Yer | Φ⁺ | Φ⁻ | Net akış | Sıra |
|---|---|---|---|---|
| R6 | 0,619 | 0,157 | 0,462 | 1 |
| R7 | 0,367 | 0,174 | 0,194 | 2 |
| R4 | 0,367 | 0,228 | 0,139 | 3 |
| R5 | 0,294 | 0,235 | 0,059 | 4 |
| R3 | 0,267 | 0,303 | -0,036 | 5 |
| R2 | 0,238 | 0,494 | -0,256 | 6 |
| R1 | 0,114 | 0,674 | -0,561 | 7 |
Sonuç şöyle okunur. R6 altyapıda (0,642) ve iklim riskinde (0,603, düşük risk) güçlüdür; en ağırlıklı iki ölçütte üstün olması onu birinciye taşır. R7 hiçbir ölçütte en iyi değildir ama teşvikte (0,633) ve sosyal altyapıda (0,603) güçlüdür ve ikinci sırada kalır. R1, altyapıda (0,448) ve maliyette zayıf kaldığından son sıradadır. Bu sıra, Akram, Shumaiza ve Alcantud'un (2020) makalesindeki Tablo 12 sıralamasıyla (R6, R7, R4, R5, R3, R2, R1) birebir örtüşür; net akış değerleri ondalık basamakta küçük farklarla (en fazla 0,03) örtüşür, bu fark makalenin el hesabındaki yuvarlamadan kaynaklanır.
Kurulun tereddüdü şudur: altyapı ağırlığı 0,45'ten 0,20'ye düşürülüp sosyal altyapı 0,17'den 0,42'ye çıkarılırsa sıra değişir mi? Aynı hesap bağımsız Python ile yeniden çalıştırıldığında R7 (net akış 0,470) R6'nın (0,330) önüne geçer. Altyapı ağırlığı MARCOS'un birinciliğinin en büyük dayanağıdır; bu ağırlık sosyal altyapıya kaydırılınca üstünlük el değiştirir.
Raporda: "AHP ile türetilen ağırlıklarla (altyapı 0,45 en yüksek) R6 net olarak en çok tercih edilen yerdir (net akış 0,462); altyapı ağırlığı sosyal altyapıya kaydırılırsa (0,20'ye karşı 0,42) R7 öne geçer. Sıra altyapı ile sosyal altyapının göreli ağırlığına duyarlıdır."
Kaynak: Akram, M., Shumaiza, & Alcantud, J. C. R. (2020). An m-Polar Fuzzy PROMETHEE Approach for AHP-Assisted Group Decision-Making. Mathematical and Computational Applications, 25(2), 26, Tablo 2-12. Skor matrisi, tercih fonksiyonu hesapları ve net akışlar bu kartın yazarınca DecisionMind motoru bağımsız çalıştırılarak yeniden üretilmiş, sıralama makaledeki sonuçla doğrulanmıştır. Ağırlık değişikliği senaryosu da aynı biçimde bağımsız hesaplanmıştır.
2. Hayvancılık: Bir kooperatifin yeni süt sığırı ırkı seçimi
Bir tarım kooperatifi, sürüsünü yenilemek için üç aday süt sığırı ırkından birini seçecektir. Dört ölçüt vardır: süt verimi (çoğu iyi), yem dönüşüm oranı (çoğu iyi), hastalığa dayanıklılık (çoğu iyi) ve iklime uyum (çoğu iyi). Kooperatif her ırkı üç bağımsız kaynaktan derecelendirmiştir: bölge veteriner hekimi, komşu işletmelerin saha deneyimi ve ırk ıslah kayıtları. Kooperatif süt verimine en yüksek ağırlığı vermiştir.
Yöntem her ırkın her ölçütteki üç kaynaklı puanını skor fonksiyonuyla tek sayıya indirir, ikili farkları tercih fonksiyonlarından geçirir ve net akışları bulur. Diyelim ki süt veriminde en güçlü görülen ırk hastalığa dayanıklılıkta zayıf çıktı ve yine de birinci sırada kaldı; çünkü süt verimindeki üstünlüğü en ağırlıklı ölçütte kazanılmıştı.
Kooperatifin tereddüdü şudur. Veteriner hekim bir ırkın hastalığa dayanıklılığını 0,8 olarak görürken saha deneyimi ve ıslah kayıtları bu ırkı 0,4 civarında değerlendirmiştir. Skor fonksiyonu bu üç kaynağı ortalayarak orta bir puan verir ama kaynaklar arasındaki bu büyük ayrışma raporda gösterilmelidir; aksi hâlde kooperatif tek bir uzman görüşüne dayanan bir riski fark etmeden üstlenebilir.
Raporda: "Süt verimine verilen en yüksek ağırlıkla bu ölçütte güçlü görülen ırk net olarak öne çıkmaktadır; hastalığa dayanıklılık ölçütünde üç kaynak arasındaki görüş ayrılığı geniştir ve bu ayrılık sürü sağlığı kararından önce ayrıca değerlendirilmelidir."
3. Yapılmaması Gereken
Öğretici tabloda teşvik, iklim ve maliyet ölçütlerinde işaret çevirme adımı atlanıp fark doğrudan kullanılsaydı, bu üç ölçütte yüksek değeri olan yani aslında kötü olan yerler avantajlı sayılır ve sıra tersine dönerdi. İkinci yanlış, R6'nın üç bakış açılı altyapı hücresini (0,675; 0,635; 0,615) tek bir "yüksek" etiketine indirip aradaki 0,06'lık farkı görmezden gelmektir; bu fark, bakış açıları arasında ne kadar uzlaşma olduğunu gösterir. Üçüncü yanlış, R6'nın 0,462 net akışını "yüzde 46 daha iyi" diye raporlamaktır; net akış yalnız bu yedi yeri birbirine göre sıralar.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/mpf-promethee
Akram, M., Shumaiza, & Alcantud, J. C. R. (2020). An m-Polar Fuzzy PROMETHEE Approach for AHP-Assisted Group Decision-Making. Mathematical and Computational Applications, 25(2), 26. DOI: 10.3390/mca25020026
Chen, J., Li, S., Ma, S., & Wang, X. (2014). m-Polar fuzzy sets: An extension of bipolar fuzzy sets. The Scientific World Journal, 2014, 416530. DOI: 10.1155/2014/416530
Brans, J. P., & Vincke, Ph. (1985). A preference ranking organisation method (The PROMETHEE method for multiple criteria decision-making). Management Science, 31(6), 647–656. DOI: 10.1287/mnsc.31.6.647
Brans, J. P., Vincke, P., & Mareschal, B. (1986). How to select and how to rank projects: The PROMETHEE method. European Journal of Operational Research, 24(2), 228–238. DOI: 10.1016/0377-2217(86)90044-5