Uzantı kartı · Nötrosofik
Nötrosofik EDAS (Stanujkić, Karabašević, Popović, Pamučar, Stević, Zavadskas ve Smarandache, 2021)
N-EDAS, kriter değerlendirmeleri doğruluk, belirsizlik ve yanlışlık dereceleriyle verildiğinde kullanılan, tek-değerli nötrosofik sayılarla çalışan EDAS biçimidir. Yöntem, kümenin ortalamasına göre pozitif ve negatif sapmayı üç bileşenli uzaklık ve bir skor fonksiyonu üzerinden hesaplar.
Temel yöntem
EDAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Nötrosofik (Neutrosophic) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Dört şey değişir; karar mantığı değişmez.
Hücreler. Kesin EDAS'ta her hücre tek sayıdır. Burada her hücre üç sayıdır: doğruluk (T), belirsizlik (I) ve yanlışlık (F); üçü birbirinden bağımsızdır ve toplamları 1'i aşabilir. Maliyet kriterinde hücre önce tamamlanır: (T, I, F) yerine (F, 1−I, T) kullanılır, böylece "azı iyi" olan bir kriterde de yüksek skor gerçekten iyi durumu gösterir.
Ortalama çözüm ve uzaklık. Kesin EDAS'ta ortalama çözüm her sütunun tek sayı ortalamasıdır ve sapma bu tek sayıya göre bir farktır. Burada ortalama, sütunun T, I, F bileşenlerinin her birinin ayrı ortalamasıyla bir nötrosofik üçlü olarak kurulur. Sapma ise bir hücrenin bu ortalamadan üç bileşende birden ne kadar uzaklaştığını ölçer; bu, Öklid uzaklığının nötrosofik hâlidir. Bu uzaklık, sütundaki en büyük uzaklığa oranlanır. Bir hücrenin bu ortalamanın lehte mi aleyhte mi tarafında olduğuna, ayrıca hesaplanan bir skor fonksiyonu karar verir; bu skor T, I, F'ten türetilen tek bir sayıdır. Uzaklık büyüklüğü gösterir, skor ise yönü gösterir.
Pozitif/negatif ayrılış. Kesin EDAS'ta pozitif ve negatif ayrılış aynı farktan (ortalamanın üstü/altı) çıkar. Burada ikisi ayrı bir mantıkla kurulur. Skor ortalamanın üstündeyse bu uzaklık pozitif ayrılışa, altındaysa negatif ayrılışa yazılır. Uzaklığın kendisi yönsüzdür; yönünü skor karşılaştırması belirler.
Sonuç ve durulaştırma. Ağırlıklı toplamlar, normalizasyon ve değerlendirme puanı kesin EDAS'takiyle aynı biçimde tek sayı üzerinde ilerler, çünkü uzaklık zaten tek bir sayıdır. Belirsizlik üç bileşenli hücrelerde taşınır, uzaklık ve skor adımında tek sayıya iner; sondan ayrı bir durulaştırma adımına gerek yoktur.
DecisionMind bu uzantıda skor fonksiyonunu s = (1 + T − 2I − F) / 2 olarak ve uzaklık ölçüsünü üç bileşenin kareli ortalamasının kökü olarak sabit tutar. Ağırlıklar kesin sayı olarak dışarıdan alınır; yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Çıktı kesin EDAS'taki gibi bir değerlendirme puanı ve sıradır, okunması da aynıdır. Puan yüzde ya da olasılık değildir, kümenin kendi ortalamasına göre bir konumdur.
Puanın altında hem bir uzaklık büyüklüğü hem bir skor yönü yatar, ikisi ayrı bilgi taşır. İki seçeneğin skor sırası aynı olsa da, biri ortalamadan büyük bir T-I-F uzaklığıyla, yani çelişkili ya da eksik bilgiyle o skora ulaşmış olabilir; diğeri aynı skora küçük bir uzaklıkla ulaşmış olabilir. Tek puan bu farkı örter. Yüksek belirsizlik (I) bileşeni skor fonksiyonunda skoru düşürür, ama uzaklığı büyütebilir de küçültebilir de. Rapor bu ayrımı gizlememelidir.
Bu nedenle:
"N-EDAS belirsizliği hesaba kattığı için sonuç daha güvenilirdir"
yerine:
"Kriter değerlendirmeleri doğruluk-belirsizlik-yanlışlık üçlüsüyle verilmiş, bir skor ve uzaklık üzerinden ortalamaya göre sıralanmıştır; A2 en yüksek puanla (1,00) öndedir ve bu sıra, ikinci sıradaki seçeneğin bir kriterdeki belirsizlik payı düşerse daha da açılabilir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriter değerlendirmesinin dayandığı bilgi eksik, çelişkili ya da hem güçlü lehte hem güçlü aleyhte kanıt içeriyorsa ve bu durumun kendisi kararla ilgiliyse. Ölçülmüş bir kriter için kesin EDAS yeterlidir; ölçülmüş bir değeri (t, 0, 1−t) diye nötrosofik üçlüye açmak yalnız yapıya uyum sağlar, bilgi eklemez. Tablo karışıksa DecisionMind tek veri türü ister; ölçülmüş kriter de bu gömme kuralıyla nötrosofik hücreye yazılır.
Kesin EDAS ile aynı çıkış koşulu geçerlidir. Bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir, eşik altını elemez. Bir kriterde tüm seçenekler ortalamaya çok yakınsa, yani uzaklık sütunda hep küçükse, o kriterin ayırt ediciliği burada da zayıflar.
Bu Uzantıya Özgü Hatalar
Üç bileşenin toplamını 1'e zorlamak. T+I+F'nin 1'i aşabileceği durumları "hata" sanıp bileşenleri küçültmek, çelişkili kanıyı gizler ve yapıyı sezgisel bulanığa indirger.
Belirsizliği (I) doğruluk ya da yanlışlıktan türetmek. I = 1 − T − F yazmak, belirsizliği bağımsız bir bilgi kaynağı olmaktan çıkarır; her bileşen kendi kaynağından gelir.
Skor fonksiyonunu hesap ortasında değiştirmek. Farklı bir skor fonksiyonu (ör. yalnız T − F) farklı bir ortalama ve dolayısıyla farklı bir sıralama üretebilir; hangi fonksiyonun kullanıldığı raporda sabit ve açık tutulur.
Maliyet kriterinde tamamlamayı unutmak. "Azı iyi" bir kriterde (T, I, F) hücresini olduğu gibi bırakmak, yüksek T'nin kötü olduğu bir durumda yanlışlıkla iyi sayılmasına yol açar. Tamamlama (F, 1−I, T) her maliyet sütununda uygulanır.
Temel ilke şudur:
N-EDAS'ta uzaklık büyüklüğü ile skor yönü ayrı bilgilerdir; T, I, F birbirinden bağımsız kaynaklardan gelir ve raporda hangi skor fonksiyonunun kullanıldığı belirtilmeden sonuç başka bir N-EDAS uygulamasıyla karşılaştırılmaz.
Vakalar
Birinci vaka literatür vakasıdır: sayılar Stanujkić, Karabašević, Popović, Pamučar, Stević, Zavadskas ve Smarandache'nin (2021) kurucu makalesindeki tablet seçimi örneğinden alınmıştır ve DecisionMind'ın motoru aynı sıralamayı üretir. İkinci vaka öğretici kurgudur.
1. Üniversite e-öğrenme tableti seçimi: Dört tablet, altı kriter (Stanujkić ve ark., 2021)
Kurucu makalede bir üniversite, e-öğrenme programı için dört tabletten (A1-A4) birini seçmektedir. Makale, üç bilişim uzmanının değerlendirmelerini eşit ağırlıkla (0,33; 0,33; 0,33) birleştirip tek bir grup değerlendirme matrisi kullanmıştır. Kriterler: özellikler (C1), donanım (C2), ekran (C3), iletişim (C4), uygun fiyat (C5) ve müşteri hizmeti (C6); hepsi "çoğu iyi" ve nötrosofik üçlü (T, I, F) olarak verilmiştir.
| Tablet | C1 | C2 | C3 | C4 | C5 | C6 |
|---|---|---|---|---|---|---|
| A1 | (1,0; 0; 0) | (1,0; 0; 0) | (1,0; 0; 0) | (0,7; 0,3; 0) | (1,0; 0; 0) | (0,9; 0; 0,1) |
| A2 | (1,0; 0; 0) | (1,0; 0; 0) | (1,0; 0; 0) | (0,6; 0; 0,2) | (1,0; 0; 0) | (1,0; 0; 0) |
| A3 | (0,8; 0; 0) | (0,9; 0; 0) | (0,6; 0,2; 0,3) | (0,5; 0; 0) | (0,9; 0; 0) | (0,7; 0; 0) |
| A4 | (0,7; 0; 0,3) | (0,6; 0,3; 0,3) | (0,5; 0,4; 0,2) | (0,4; 0; 0) | (0,9; 0; 0) | (0,6; 0; 0,2) |
| Yön | çoğu iyi | çoğu iyi | çoğu iyi | çoğu iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,19 | 0,19 | 0,18 | 0,16 | 0,14 | 0,13 |
Yöntem her kriterin altı sütununda T, I, F bileşenlerinin ayrı ortalamasını bulur. Sonra her tabletin bu ortalamaya üç bileşende birden uzaklığını ve skorunun ortalamanın üstünde mi altında mı olduğunu hesaplar. Bu değerleri ağırlıklı toplar, normalize eder ve tek bir değerlendirme puanına iner.
| Tablet | Değerlendirme puanı | Sıra |
|---|---|---|
| A2 | 1,000 | 1 |
| A1 | 0,783 | 2 |
| A3 | 0,383 | 3 |
| A4 | 0,076 | 4 |
Sonuç şöyle okunur: A2, altı kriterin beşinde (C4 hariç) en yüksek doğruluk ve sıfır belirsizlik/yanlışlıkla ortalamanın üstünde kalır ve birinci çıkar. A1 ikinci sıradadır; C4'te (iletişim) A2'nin gerisinde kalması dışında A2'ye çok yakın bir profildedir. A4, C1, C2 ve C3'te belirgin yanlışlık ya da belirsizlik payı taşıdığı için son sıradadır.
Kararın tereddüdü: C4'ün (iletişim) ağırlığı 0,16'dan 0,50'ye çıkarılıp diğer beş kriterin ağırlığı oranlı biçimde küçültülürse, A1 ikinci sıradan son sıraya düşer. A3 ile A4 onun önüne geçer, çünkü A1'in C4'teki puanı (0,7; 0,3; 0) diğer üç tabletten daha zayıftır. Bu, A1'in ikinciliğinin C4'ün düşük ağırlıkta tutulmasına bağlı olduğunu gösterir.
Raporda: "Verilen ağırlıklarla (C1-C2 en ağırlıklı) A2 kümenin ortalamasına göre en avantajlı konumdadır (1,000); A1'in ikinciliği C4'ün (iletişim) düşük ağırlıkta tutulmasına dayanır, C4'ün ağırlığı belirgin artırılırsa A1 son sıraya düşer."
Kaynak: Stanujkić, D., Karabašević, D., Popović, G., Pamučar, D., Stević, Ž., Zavadskas, E. K., & Smarandache, F. (2021). Axioms, 10(4), 245, Bölüm 4.1, Tablo 4 ve 7. Değerlendirme puanları DecisionMind'ın motoru tarafından, manifestteki F-adımlarına (crisp PDA/NDA birleştirme varyantı) sadık biçimde bağımsız olarak yeniden hesaplanmış ve makalenin sıralamasıyla (A2 > A1 > A3 > A4) birebir eşleşmiştir; büyüklükler makalenin kendi SVN-birleştirme varyantından farklıdır, bu fark manifestte belgelenmiştir.
2. Tarım: Bir kooperatifin sözleşmeli tohum tedarikçisi seçimi
Bir tarım kooperatifi, gelecek sezon için üç tohum tedarikçisinden biriyle sözleşme yapacaktır. Kriterler: çimlenme performansı hakkındaki saha raporları ve tedarikçinin geçmiş teslim güvenilirliği. Her iki kriterde de kooperatif, farklı bölgelerden gelen saha raporlarının birbiriyle çelişebildiğini biliyor. Bazı bölgelerden hiç rapor gelmediğini de bildiği için değerlendirmeyi doğruluk, belirsizlik ve yanlışlık olarak ayrı ayrı kaydetmektedir.
Yöntem üç tedarikçinin iki kriterdeki nötrosofik üçlülerinin ortalamasını bulur. Her tedarikçinin bu ortalamadan üç bileşende birden uzaklığını ve skorunun yönünü hesaplar. Bunları ağırlıklarla birleştirir ve tek bir değerlendirme puanında toplar. Diyelim ki çimlenme performansında yüksek doğruluk ama aynı zamanda yüksek belirsizlik taşıyan bir tedarikçi, düşük doğruluk fakat düşük belirsizlikli bir tedarikçiden daha yüksek puan aldı.
Kooperatifin tereddüdü: yüksek belirsizlik taşıyan bölgelerden gelen raporlara dayanan bir tedarikçiyle sözleşme yapmak, sahada doğrulanmamış bir varsayıma dayanmak demektir. Kooperatif, belirsizlik payı belirli bir eşiğin üzerinde olan kriterler için ek saha doğrulaması yapılmadan sözleşmeyi kesinleştirmemelidir.
Raporda: "Çimlenme performansına dayalı sıralamada önde çıkan tedarikçinin bu kriterdeki belirsizlik payı yüksektir; sözleşme öncesi ek saha doğrulaması önerilir, çünkü mevcut puan kısmen doğrulanmamış rapora dayanmaktadır."
3. Yapılmaması Gereken
Tablet örneğindeki A4'ün C1 hücresi (0,7; 0; 0,3) doğrudan T-F farkına (0,7-0,3=0,4) indirilip kesin EDAS koşturulsaydı bir bilgi kaybı olurdu. Bazı hücrelerde I=0'dır, yani bilgi tamdır. A4'ün C3'ünde ise I=0,4'tür, yani bilgi eksiktir. Bu ikisi arasındaki fark, T-F farkına indirgendiğinde kaybolurdu. İkinci yanlış, A1'in C4 hücresindeki I=0,3 belirsizlik payını 1-T-F=1-0,7-0=0,3 diye "doğrulamak"tır. Bu doğru gibi görünse de, I'nın bağımsız bir kaynaktan geldiğini değil T ve F'den türediğini varsaymaktır. Oysa N-EDAS'ta I ayrı ölçülmelidir. Üçüncü yanlış, C4 gibi bir "azı iyi" kriter olsaydı hücreleri tamamlama (F, 1-I, T) yapmadan doğrudan kullanmaktır. Bu, yüksek T'nin kötü olduğu bir kriterde yanlışlıkla lehte sayılmasına yol açardı.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/n-edas
Stanujkić, D., Karabašević, D., Popović, G., Pamučar, D., Stević, Ž., Zavadskas, E. K., & Smarandache, F. (2021). A single-valued neutrosophic extension of the EDAS method. Axioms, 10(4), 245. DOI: 10.3390/axioms10040245
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
Smarandache, F. (1998). Neutrosophy: Neutrosophic Probability, Set, and Logic. American Research Press, Rehoboth. (DOI yok)
Wang, H., Smarandache, F., Zhang, Y., & Sunderraman, R. (2010). Single valued neutrosophic sets. Multispace and Multistructure, 4, 410–413. (DOI yok)