Nötrosofik COPRAS (Şahin, 2019)

Dört şey değişir; fayda/maliyet oranı mantığı değişmez.

Hücreler. Kesin COPRAS'ta her hücre tek sayıdır. Burada her hücre altı sayıdır: doğruluğun alt-üst sınırı, belirsizliğin alt-üst sınırı ve yanlışlığın alt-üst sınırı (aralık-değerli nötrosofik sayı). Kriter ağırlıkları kesin sayı olarak girilir. Şahin (2019) bu ağırlıkları ayrı bir yöntemle üretir: hem uzman yargısından (öznel) hem veri setinin kendisinden (nesnel) türetip harmanlar (CWD, combinative weight determination). Ama DecisionMind'ın COPRAS-IN adımı bu ağırlıkları kendisi üretmez; ailenin diğer üyeleri gibi hazır alır. Vaka 1'deki ağırlıklar bu yüzden Şahin'in makalesinde ayrı bir hesapla üretilmiş, buraya girdi olarak taşınmıştır.

Ölçek eşitleme. DecisionMind'da hücreler yön için dönüştürülmez. Fayda hücresi "iyi olma derecesi", maliyet hücresi ise "maliyetin ya da etkinin yüksek olma derecesi" olarak girilir ve ikisi de olduğu gibi kalır; maliyet hücreleri hesabın bölünen tarafına gider ve orada zaten cezalandırılır. Şahin'in makalesi maliyet hücrelerinde doğruluk ile yanlışlığı yer değiştirip belirsizliği tümler, çünkü makale her hücreyi "memnuniyet derecesi" olarak kodlar. DecisionMind girdisi maliyeti doğrudan büyüklük olarak aldığından bu dönüşüme gerek duymaz; hesap aynıdır, yalnız kodlama farklıdır. Ağırlıklama, kesin COPRAS'taki çarpma yerine nötrosofik sayılara özgü bir üs alma işlemiyle yapılır.

Uzaklık / skor / birleştirme. Kesin COPRAS'ta fayda ve maliyet toplamları basit toplamadır. Burada ikisi de bir Maclaurin simetrik ortalama operatörüyle birleştirilir; bu operatör kriterleri yalnız tek tek toplamaz, aralarındaki etkileşimi de hesaba katan bir k parametresi taşır. Birleştirilmiş fayda ve maliyet değerleri, ardından bir risk göstergesi (λ) ile tek sayıya indirilir: λ yükseldikçe puan doğruluk bileşenine, düştükçe belirsizlik ve yanlışlığın azlığına daha çok ağırlık verir.

Sonuç ve durulaştırma. Risk göstergesiyle durulaştırılan fayda ve maliyet puanları, kesin COPRAS'taki gibi bir göreli önem değerinde (Q) birleşir ve en yükseğe bölünüp yüzdeye çevrilir.

DecisionMind bu ailede Maclaurin operatörünün k parametresini ve risk göstergesi λ'yı manifestte belirtilen sabit bir değerle çalıştırır (Vaka 1'de k=2, λ=0,5); ikisi de raporla birlikte belirtilmelidir, çünkü aşağıda gösterildiği gibi λ değişince sıralama da değişebilir.

Çıktı kesin COPRAS'takiyle aynı biçimde bir fayda derecesi ve sıradır; okunması da aynıdır. En iyi seçenek 100 alır, diğerleri ona göre bir yüzde alır.

Fark şurada: bu puan bir risk göstergesine (λ) bağlıdır. λ raporda belirtilmezse okuyucu, doğruluğa mı yoksa belirsizlik ve yanlışlığın azlığına mı öncelik verildiğini bilemez. İki λ değeri aynı veriden farklı sıralar üretebilir. Bu yüzden tek bir sıralama değil, hangi λ aralığında sıranın sabit kaldığı raporlanmalıdır.

Bu nedenle:

"N-COPRAS bu seçeneği en güvenilir buldu"

yerine:

"λ=0,5 risk göstergesiyle A4 en yüksek fayda derecesine sahiptir; bu sıralama λ 0,64'e kadar korunur, λ 0,65'ten itibaren A1, 0,85'ten itibaren A3 öne geçer. Hangi risk tutumunun benimsendiği kararı etkiler"

biçiminde yazmak doğrudur.

Bir kriter hakkındaki bilginin eksik, tutarsız ya da çelişkili olduğu ve bu durumun üç ayrı bileşenle (doğru, belirsiz, yanlış) korunması gerektiği durumlarda; üstelik uzmanlar bu üç bileşenin her birini tek bir sayı yerine ancak bir aralık olarak verebiliyorsa. Değerlendirme güvenilir bir ölçüme dayanıyorsa ya da uzmanlar belirsizlik payı ifade etmiyorsa, veriyi yalnızca daha kapsamlı bir model kullanmak amacıyla nötrosofik yapıya taşımak gerekmez.

Kesin COPRAS'ın çıkış koşulu burada da aynen geçerlidir. Bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez. Matris tek veri türünde olmalıdır; ölçülmüş bir kriter aynı matriste dürüst bir gömme ile yazılır. Bu gömmede doğruluk ölçülen değere, yanlışlık 1 eksiğine, belirsizlik ise sıfıra eşit aralıklarla girilir.

Risk göstergesi λ duyarlılığı. Farklı λ değerleri sıralamayı tersine çevirebilir (Şahin 2019, Tablo 7). Kullanılan λ her zaman raporda belirtilmelidir.

Değer aralığı ihlali. Her hücrede doğruluk, belirsizlik ve yanlışlığın üst sınırlarının toplamı 3'ü aşmamalıdır. Bu sınır aşılırsa hücre geçersizdir.

Maclaurin k parametresini görmezden gelmek. k=1 hesabı basit ağırlıklı ortalamaya indirger, k kriter sayısına eşit olduğunda çarpım benzeri bir davranışa yaklaşır; literatürde en sık k=2 kullanılır ama seçim raporda belirtilmelidir.

Üç bileşeni ortasına indirip tek-değerli nötrosofik gibi işlemek. Literatür örneğinde bu, birinciyi değiştirir: A4 (0,2369) yerine A1 (0,2255) öne geçer, A4 (0,2143) ikinciye düşer. Aralık genişliğinin taşıdığı "ne kadar emin değiliz" bilgisi hesap dışı kalınca A4'ün çevresel etki hücresindeki geniş belirsizlik aralığı ([0,5;0,9]) görünmez olur.

Kriter yönünü yanlış işaretlemek. Maliyet kriterinin "çoğu iyi" işaretlenmesi, o kriterin bölünen taraftan toplanan tarafa geçmesine yol açar: yüksek maliyet ödüllendirilir. Literatür örneğinde çevresel etki "çoğu iyi" işaretlenirse göreli önem değerleri sıkışır (0,4253 ile 0,4645 arasına) ve A2 ile A3 yer değiştirir.

Temel ilke şudur:

N-COPRAS, bilginin eksikliğini ve çelişkisini aralık genişliğiyle korumak içindir; aralıkları baştan ortasına indirmek, risk göstergesini belirtmeden tek bir sıralama ilan etmek ya da kriter yönünü yanlış işaretlemek, bu korumanın hepsini birden geçersiz kılar.

---