Uzantı kartı · Nötrosofik
Nötrosofik MARCOS (Martin ve ark., 2023)
N-MARCOS, bir değerlendirmenin doğruluk, belirsizlik ve yanlışlık dereceleri birbirinden bağımsız bilindiğinde kullanılan nötrosofik MARCOS biçimidir. Her hücreyi tek bir skora indirir, geri kalan hesabı kesin MARCOS'un ideal/anti-ideal oran mantığıyla sürdürür.
Temel yöntem
MARCOS →
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; ideal/anti-ideale oran mantığı değişmez.
Hücreler. Kesin MARCOS'ta her hücre tek sayıdır. N-MARCOS'ta her hücre üç bağımsız derecedir: doğruluk (T), belirsizlik (I), yanlışlık (F). Kriter ağırlıkları kesin kalır. Kurucu makale (Martin, Broumi, Sudha & Priya, 2023) yöntemi akıllı üretim sisteminde yazılım seçimi için önermiştir.
Ölçek eşitleme. Kesin MARCOS, maliyet kriterinde hücreyi idealin (küçük) değerine oranlar. N-MARCOS maliyet kriterinde önce hücrenin T ve F bileşenlerinin yerini değiştirir ve I'yı tümler (I → 1 − I). Bu tümleme adımı, "az doğru, çok yanlış" olan düşük maliyetli bir hücreyi "çok doğru, az yanlış" olarak okunabilir hale getirir. Ardından her hücreye tek bir skor fonksiyonu (Ye 2014: (1 + T − 2I − F) / 2) uygulanır; bu skor, kesin MARCOS'taki normalizasyonun girdisidir.
Uzaklık / skor / birleştirme. Skor fonksiyonundan sonra ağırlıklı toplam (her seçenek için S_i) doğrudan skorların ağırlıklı toplamı olarak kurulur. İdeal satır (her kriterde gözlenen en yüksek T, en düşük I, en düşük F) ve anti-ideal satır (tersi) da aynı skor fonksiyonundan geçirilip kendi ağırlıklı toplamlarını (S* ve S⁻) verir. Fayda oranları K+ = S_i/S*, K− = S_i/S⁻ olarak, toplamların oranıyla kurulur. Kesin MARCOS hücre bazında önce ideale böler, sonra toplar; N-MARCOS bu sırayı tersine çevirir, önce toplar, sonra toplamı ideal toplamına oranlar.
Sonuç ve durulaştırma. Üç bileşen (T, I, F) skor fonksiyonuyla ikinci adımda tek sayıya iner; geri kalan fayda fonksiyonu ve nihai skor kesin MARCOS'un fayda-fonksiyonu adımıyla aynı biçimde işler.
DecisionMind'ın N-MARCOS'ta sabit tuttuğu seçim: Ye (2014) skor fonksiyonu (1 + T − 2I − F)/2, maliyet kriterinde T↔F yer değiştirme + I tümleme kuralı, ve toplam-düzeyinde ideale oranlama sırası (F1, F2, F5).
Çıktı Nasıl Yorumlanır?
Çıktı kesin MARCOS'taki gibi bir nihai fayda derecesi ve sıradır; okunması da aynıdır.
Fark şurada: nihai derece T, I ve F'yi ayrı ayrı göstermez. Bir seçeneğin yüksek nihai derece alması "kanıt güçlü ve tutarlı" ile "kanıt zayıf ama bilinmeyen payı da düşük" durumlarını ayırt etmez; ikisi de aynı skora sıkışabilir.
Bu nedenle:
"N-MARCOS sonucu güçlü kanıta dayanıyor"
yerine:
"Nihai derece T, I ve F'nin tek bir skorda birleştirilmiş hâlidir; hangi seçeneğin bilinmeyen payının yüksek olduğu ayrıca T-I-F üçlüsünden okunmalı, tek dereceden değil"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bilginin eksik, tutarsız ya da çelişkili olduğu ve bu durumun kararın kendisi için önemli olduğu durumlarda (nötrosofik veri türü kartındaki ölçüt). I'yı 1 − T − F olarak hesaplayıp bu yapıya geçmenin gereği yoktur; bu, üçlüyü bağımlı bir yapıya indirger ve N-MARCOS'un tek katkısını (çelişkiyi görünür kılmak) ortadan kaldırır.
Çıkış koşulu kesin MARCOS ile aynıdır: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.
Bu Uzantıya Özgü Hatalar
T + I + F > 3 kuralını çiğnemek. Her bileşen [0,1] aralığında olsa bile üçünün toplamı üçü aşamaz; bu, hücre girişinde kontrol edilmelidir.
I'yı T ve F'den türetmek. I bağımsız bir kaynaktan gelmelidir; 1 − T − F olarak hesaplamak N-MARCOS'u sezgisel bulanığa (IF) indirger ve nötrosofik yapının tek katkısını (çelişkiyi ayrı tutmak) siler.
Önce skorla durulaştırıp sonra kesin MARCOS'un hücre-bazında normalizasyonunu uygulamak. Ye skoruyla her hücreyi tek sayıya indirip kesin MARCOS'un "önce ideale böl, sonra topla" sırasını uygulamak N-MARCOS değildir; doğru yöntemde önce toplanır, toplam ancak sonra ideal toplamına oranlanır. Aşağıdaki öğretici örnekte bu yanlış yol sırayı değiştirmez (A3 yine birinci), ama A1 ile A2 arasındaki farkı 0,0759'dan 0,0165'e daraltır. Bu, farkı dörtte birinden azına indirir; sıranın aynı kalması bu iki yöntemin eşdeğer olduğu anlamına gelmez.
Maliyet kriterinde T↔F yer değiştirme ve I tümleme kuralını uygulamayı unutmak. Bu durumda ideal ve anti-ideal yer değiştirir ve düşük maliyetli seçenek yanlışlıkla cezalandırılır.
Temel ilke şudur:
N-MARCOS'ta T, I ve F önce bağımsız kaynaklardan toplanır, skora ancak hücre düzeyinde inilir ve toplamlar ancak sonra ideale oranlanır; bu sırayı değiştiren kısayollar sıra aynı kalsa bile farkın büyüklüğünü bozar.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: üç seçenekli üç kriterli küçük bir nötrosofik tablo; kitap ya da makale sayfasından değil, formüllerin elle izlenebilmesi için kurulmuştur. İkinci vaka öğretici kurgudur.
1. Öğretici örnek: Üç seçenek, üç ölçüt (DecisionMind doğrulama örneği)
| Seçenek | K1 | K2 | K3 |
|---|---|---|---|
| A1 | (0.70, 0.20, 0.10) | (0.60, 0.30, 0.20) | (0.50, 0.40, 0.30) |
| A2 | (0.50, 0.30, 0.40) | (0.70, 0.20, 0.20) | (0.60, 0.30, 0.30) |
| A3 | (0.80, 0.10, 0.20) | (0.50, 0.40, 0.30) | (0.70, 0.30, 0.20) |
| Yön | çoğu iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,40 | 0,30 | 0,30 |
Üç kriter de "çoğu iyi" olduğundan tümleme adımı devreye girmez. Yöntem her hücrenin Ye skorunu, (1+T−2I−F)/2 formülüyle, hesaplar, ağırlıklı toplar (S_i), ideal satırın (her kriterde en yüksek T, en düşük I, en düşük F) ve anti-ideal satırın skorlu toplamlarına (S*, S⁻) oranlayıp fayda oranlarını kurar.
| Seçenek | Nihai fayda derecesi | Sıra |
|---|---|---|
| A3 | 0,7208 | 1 |
| A1 | 0,6373 | 2 |
| A2 | 0,5614 | 3 |
Sonuç şöyle okunur. A3, K1'de en yüksek doğruluk ve en düşük yanlışlığa (0.80, 0.10, 0.20) sahiptir; en ağırlıklı kriter olan K1'de (0,40) güçlü olması onu birinciliğe taşır. A1, üç kriterde de orta düzeyde tutarlı bir profil çizer ve ikinci sırada kalır; A2, K1'de en düşük doğruluk ve en yüksek yanlışlığa sahip olduğu için son sıradadır.
Karar burada tereddüt yaşayabilir. K1 ile K2'nin ağırlıkları yer değiştirirse (K1=0,30, K2=0,40, K3=0,30 sabit), A3 yine birinci kalır (0,6660); ama A1 ile A2 tam bir eşitliğe düşer (ikisi de 0,6268). A1, K1'deki güçlü doğruluğunu K2'deki zayıflığı yüzünden kaybeder; A2 ise K2'deki güçlü doğruluğunu K1'deki zayıflığı yüzünden kaybeder. Bu ağırlık dağılımında ikisi birbirinin aynısı hâline gelir.
Raporda: "Verilen ağırlıklarla (K1=0,40, K2=0,30, K3=0,30) A3 en yüksek nihai fayda derecesine (0,7208) sahiptir ve K1-K2 ağırlık takasında da birinciliğini korumaktadır; ancak A1 ile A2 arasındaki ikincilik-üçüncülük sırası bu takasta tam bir eşitliğe dönüşmektedir ve K1/K2 ağırlığının kesin değerine bağımlıdır."
Kaynak: DecisionMind N-MARCOS manifesti, doğrulama örneği; adımlar kesin MARCOS (Stević ve ark., 2020) iskeletinin tek-değerli nötrosofik (SVN) işlemcilerle (Ye 2014; Biswas ve ark., 2016) genişletilmesidir. Ağırlık takası senaryosunun sayıları bu kartın yazarınca aynı algoritmayla bağımsız olarak yeniden hesaplanmıştır.
2. Lojistik: Üçüncü parti lojistik (3PL) depo operatörü seçimi
Bir e-ticaret şirketi, sipariş dağıtımı için üç 3PL depo operatöründen birini seçecektir. Üç kriter: teslimat hızı, depolama kapasitesi, hatasızlık oranı. Operatörlerden biri hakkında hem çok olumlu referans hem ciddi bir gecikme şikâyeti aynı anda bulunuyor; kanıt çelişkili.
Yöntem her operatörün T-I-F üçlüsünü Ye skoruna indirger, ağırlıklı toplar ve ideal/anti-ideale oranlar. Diyelim ki bu çelişkili operatör, teslimat hızı kriterinde hem en yüksek doğruluk (T) hem ciddi bir yanlışlık (F) payı taşıyor; buna rağmen ağırlıklı toplamda birinci sıraya çıkıyor, çünkü teslimat hızı ağırlığı yüksek tutulmuş.
Şirket burada tereddüt yaşayabilir. Bu operatörün teslimat hızı kriterindeki yüksek T'si ve yüksek F'si nihai derecede birlikte erimiştir; T-I-F üçlüsüne ayrı ayrı bakılmazsa çelişkili kanıt fark edilmez. Şirket, sipariş hacmini bu operatöre kaydırmadan önce gecikme şikâyetini ayrıca soruşturmalıdır.
Raporda: "Teslimat hızı ağırlığının yüksek tutulmasıyla çelişkili kanıta sahip operatör birinci sırada çıkmaktadır; bu operatörün aynı kriterdeki yüksek yanlışlık payı nihai derecede görünmediğinden gecikme şikâyeti ayrıca doğrulanmalıdır."
3. Yapılmaması Gereken
Öğretici örnekte her hücreyi Ye skoruna indirip kesin MARCOS'un hücre bazında "önce ideale böl, sonra topla" sırasını uygulamak birinci yanlıştır. Bu durumda sıra aynı kalır (A3 yine birinci), ama A1 ile A2 arasındaki fark 0,0759'dan 0,0165'e düşer. Bu, iki yöntemin eşdeğer olmadığının, yalnızca bu örnekte tesadüfen aynı sırayı verdiğinin göstergesidir. İkinci yanlış, I'yı 1 − T − F olarak hesaplamaktır; bu, üç bileşeni bağımlı bir üçlüye indirger ve nötrosofik yapının çelişkiyi görünür kılma katkısını siler. Üçüncü yanlış, bir maliyet kriteri eklenirse T↔F yer değiştirme ve I tümleme kuralını uygulamayı unutmaktır; bu durumda ideal ve anti-ideal yer değiştirir ve düşük maliyetli seçenek yanlışlıkla cezalandırılır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/n-marcos
Martin, N., Broumi, S., Sudha, S., & Priya, R. (2023). Neutrosophic MARCOS in Decision Making on Smart Manufacturing System. Neutrosophic Systems with Applications, 4, 12–32. DOI: 10.61356/j.nswa.2023.14
Stević, Ž., Pamučar, D., Puška, A., & Chatterjee, P. (2020). Sustainable supplier selection in healthcare industries using a new MCDM method: Measurement of Alternatives and Ranking according to Compromise Solution (MARCOS). Computers & Industrial Engineering, 140, 106231. DOI: 10.1016/j.cie.2019.106231
Smarandache, F. (1998). Neutrosophy: Neutrosophic Probability, Set, and Logic. American Research Press, Rehoboth. (DOI yok)
Ye, J. (2014). A multicriteria decision-making method using aggregation operators for simplified neutrosophic sets. Journal of Intelligent & Fuzzy Systems, 26(5), 2459–2466. DOI: 10.3233/IFS-130916
Demir, G., Chatterjee, P., Kadry, S., Abdelhadi, A., & Pamučar, D. (2024). Measurement of Alternatives and Ranking according to Compromise Solution (MARCOS) Method: A Comprehensive Bibliometric Analysis. Decision Making: Applications in Management and Engineering, 7(2), 313–336. DOI: 10.31181/dmame7220241137