Uzantı kartı · Nötrosofik
Nötrosofik VIKOR (Tooranloo ve Ayatollah, 2024)
VIKOR'un yargıya dayalı biçimidir. Kriterler burada doğruluk, belirsizlik ve yanlışlık derecesiyle değerlendirilir; maliyet ölçütlerinde doğruluk ile yanlışlığı yer değiştirip belirsizliği tümler, uzaklığı üç derece üzerinden hesaplar.
Temel yöntem
VIKOR →
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?
Üç şey değişir; iki koşul (kabul edilebilir avantaj ve istikrar) fikri değişmez ama DecisionMind bu uzantıda ikisini de hesaplamaz.
Hücreler. Kesin VIKOR'da her hücre tek sayıdır; burada her hücre bir doğruluk (T), bir belirsizlik (I) ve bir yanlışlık (F) derecesidir, üçü birbirinden bağımsızdır ve toplamları 1'i aşabilir. Kriter ağırlıkları kesindir. DecisionMind bu uzantıda birden fazla karar vericinin puanlarını sunum katmanında birleştirmez; tek, önceden aggregasyonu yapılmış bir matrisle çalışır.
Ölçek eşitleme (yön çevirme). Kesin VIKOR'da maliyet ölçütünde en iyi ve en kötü değer basitçe yer değiştirir. Burada aynı fikir üçlü düzeyinde uygulanır. Maliyet ölçütünde doğruluk ile yanlışlık dereceleri yer değiştirir, belirsizlik derecesi ise tümlenir; bir eksi kendisi alınır. "Bu seçenek bu ölçütte iyidir" yargısının doğruluğu, maliyet ölçütünde onun yanlışlığına dönüşür.
Uzaklık / skor / birleştirme. Yöntem en iyi üçlüyü, her ölçütteki en yüksek doğruluk, en düşük belirsizlik ve en düşük yanlışlığı bir araya getirerek kurar; en kötü üçlüyü tam tersi biçimde oluşturur. Her seçeneğin bu en iyi üçlüye uzaklığını, doğruluk, belirsizlik ve yanlışlık farklarının karelerinin ortalamasını alıp karekökünü alarak hesaplar; bu, üç dereceyi tek bir sayıya indiren normalize edilmiş bir mesafedir. Bu mesafenin en iyi üçlü ile en kötü üçlü arasındaki mesafeye oranı, kesin VIKOR'daki normalize farkın karşılığıdır. Yöntem ölçüt bazındaki bu oranı ağırlıklandırıp toplar (S) ve en büyüğünü ayırır (R).
Sonuç ve durulaştırma. Durulaştırma, Sezgisel Bulanık VIKOR'daki gibi ortadadır. T-I-F üçlüsü uzaklık hesabının içinde tek bir sayıya iner; bu andan sonra S, R ve Q tamamen kesin sayılardır. Belirsizlik, S ya da R'nin içinde ayrı bir bileşen olarak sona kadar taşınmaz; yalnız uzaklık formülünde diğer iki dereceyle birlikte bir kez hesaba katılır.
DecisionMind bu uzantıda uzaklığı bu biçimde sabitler ve uzlaşma katsayısı v'yi kullanıcının değiştirebileceği bir parametre olarak sunar (varsayılan 0,5). Fuzzy VIKOR'dan farklı olarak iki koşulu hesaplamaz, yalnız Q sıralamasını üretir.
Çıktı Nasıl Yorumlanır?
Küçük Q iyidir. Ancak temel VIKOR kartında anlatılan iki koşul bu uzantıda DecisionMind tarafından sınanmaz; kullanıcı bunu S ve R sütunlarına bakarak kendisi denetlemelidir. Ayrıca S'ye göre birinci olan seçenek ile R'ye göre birinci olan seçenek burada da farklı olabilir. Nötrosofik girdinin doğruluk-belirsizlik-yanlışlık ayrımı, hangi seçeneğin "toplamda iyi", hangisinin "hiçbir ölçütte çok kötü olmayan" seçenek olduğunu daha da netleştirir.
Bu nedenle:
"Nötrosofik VIKOR'a göre en iyi seçenek A1'dir"
yerine:
"A3'ün uzlaşma indeksi en küçüktür ve hem toplamda hem en kötü ölçütte iyi konumdadır; DecisionMind bu uzantıda uzlaşma koşullarını sınamadığından, ikinci sıradaki seçenekle arasındaki farkın yeterince büyük olup olmadığı ayrıca denetlenmelidir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir ölçüt hakkındaki bilgi eksik, tutarsız ya da çelişkiliyse ve bu durumun kararın kendisi için önemli olduğu problemlerde: geçmiş verisi olmayan alternatiflerin değerlendirilmesi, çelişkili kaynaklara dayanan uzman görüşleri, bilinmeyen payının açıkça raporlanması gereken analizler.
Değerlendirme güvenilir bir ölçüme dayanıyorsa ya da uzmanlar bir belirsizlik payı ifade etmiyorsa, yalnızca daha kapsamlı bir model kullanmak amacıyla nötrosofik yapıya geçmek gerekli değildir. Tablo karışıksa DecisionMind tek veri türü ister. Temel VIKOR'un çıkış koşulu burada da aynen geçerlidir. Bir kriterde hiç taviz kabul edilmiyorsa üstünlük yöntemlerine gidilmelidir.
Bu Uzantıya Özgü Hatalar
Değer-uzayı ihlali. T, I, F her biri 0-1 arasında olmalıdır; toplamlarının 0 ile 3 arasında kalması yeterlidir, 1'e zorlanmamalıdır.
Belirsizliği 1 − T − F olarak hesaplamak. Bu, üç bileşeni bağımlı bir üçlüye indirger ve nötrosofik kullanmanın gerekçesini ortadan kaldırır; I kendi kaynağından (kanıtın eksikliğinden ya da tutarsızlığından) gelmelidir.
Maliyet ölçütünde yer değiştirmeyi eksik yapmak. Yalnız T ile F'yi değiştirip I'yı tümlemeyi unutmak (ya da tersi), maliyet ölçütünün belirsizlik bilgisini bozar ve en iyi/en kötü üçlünün seçimini yanlışlar.
Önce skor fonksiyonuyla durulaştırıp kesin VIKOR koşturmak. Her üçlüyü baştan tek bir skora (doğruluk eksi yanlışlık, birle toplanıp ikiye bölünmüş biçimde) indirip kesin VIKOR uygulamak Nötrosofik VIKOR değildir; Vaka 1'deki tabloda bu kısayol sıralamayı tamamen tersine çevirir.
Temel ilke şudur:
Nötrosofik VIKOR'da doğruluk, belirsizlik ve yanlışlık birbirinden bağımsız üç kaynaktan gelmeli ve yalnız uzaklık formülünde bir araya getirilmelidir; birini diğerinden türetmek ya da üçünü baştan tek sayıya indirmek yöntemin katkısını yok eder.
Vakalar
Birinci vaka literatür kaynaklıdır. Bu, Tooranloo ve Ayatollah'ın (2024) tablet seçimi örneğinde kullandığı, aggregasyonu tamamlanmış karar matrisidir (Tablo 3). Makalenin kendi Q sütunu (Tablo 8), bildirdiği S ve R değerleriyle iç tutarsızlık taşımaktadır. Makale S sıralamasında A3 > A1 > A2 sırasını doğrularken, Tablo 8'in Q sayıları farklı bir sıra vermektedir; bu muhtemelen bir baskı hatasıdır. Bu yüzden karttaki S, R, Q değerleri, makalenin ham matrisi üzerinde DecisionMind'ın manifestteki F.steps'ini birebir uygulayan bağımsız bir hesaptır. İkinci vaka öğretici kurgudur.
1. Teknoloji tedariki: Tablet seçimi (Tooranloo ve Ayatollah, 2024)
Bir kurum yeni alınacak tabletler için üç model arasında seçim yapacaktır. Dört karar verici, beş ölçütte (teknik özellikler, kalite, tedarik zinciri, finansal koşullar, çevresel etki; hepsi "çoğu iyi") her modeli doğruluk-belirsizlik-yanlışlık üçlüsüyle puanlamış ve puanlar tek bir matriste birleştirilmiştir.
| Model | Teknik | Kalite | Tedarik | Finans | Çevre |
|---|---|---|---|---|---|
| A1 | (0,738; 0,144; 0,100) | (0,695; 0,203; 0,187) | (0,570; 0,162; 0,158) | (0,465; 0,244; 0,225) | (0,543; 0,414; 0,193) |
| A2 | (0,693; 0,222; 0,067) | (0,650; 0,184; 0,158) | (0,499; 0,259; 0,133) | (0,436; 0,175; 0,144) | (0,559; 0,278; 0,238) |
| A3 | (0,693; 0,120; 0,200) | (0,670; 0,144; 0,143) | (0,540; 0,219; 0,201) | (0,593; 0,100; 0,132) | (0,619; 0,201; 0,139) |
| Ağırlık | 0,223 | 0,207 | 0,194 | 0,208 | 0,168 |
Bütün ölçütler fayda yönlü olduğundan yer değiştirme uygulanmaz. Yöntem her ölçütte en iyi/en kötü üçlüyü seçer, her modelin ideale normalize uzaklığını ağırlıklandırıp toplar (S) ve en büyüğünü ayırır (R), sonra v = 0,5 ile Q'yu hesaplar.
| Model | S | R | Q |
|---|---|---|---|
| A3 | 0,372 | 0,180 | 0,256 |
| A2 | 0,712 | 0,169 | 0,500 |
| A1 | 0,614 | 0,191 | 0,856 |
Sonuç şöyle okunur. A3 toplamda ideale en yakın modeldir (en küçük S) ve en kötü ölçütte de makul bir uzaklıkta kalır; Q'su en küçüktür. A2, en kötü ölçütteki uzaklığı en küçük olan modeldir (en küçük R) ama toplamda en uzaktır. Bu, S ve R'nin farklı seçenekleri öne çıkarabildiğinin somut bir örneğidir. DecisionMind bu uzantıda iki koşulu sınamadığından, kullanıcı bunu elle kontrol etmelidir. Üç seçenek için gereken kabul eşiği 0,50'dir; A3 ile A2 arasındaki fark (0,244) bu eşiğin altında kalır, yani kabul edilebilir avantaj koşulu burada da sağlanmamaktadır.
Kurumun tereddüdü: uzlaşma katsayısı v, bireysel pişmanlığa daha çok ağırlık verecek biçimde 0,2'ye çekilirse sıra değişir. A2 (Q = 0,20), A3'ün (Q = 0,41) önüne geçer. A3'ün toplamda güçlü olması (düşük S), A2'nin hiçbir ölçütte çok kötü olmaması (düşük R) kadar ağır basmaz hâle gelir.
Raporda: "Varsayılan v = 0,5 ile A3'ün uzlaşma indeksi en küçüktür, ama A2 ile farkı üç seçenek için gereken eşiğin altında kalmaktadır; bireysel pişmanlığa daha çok ağırlık verildiğinde (v = 0,2) sıra A2 lehine değişmektedir. Kaynak: Tooranloo ve Ayatollah (2024), Tablo 3'teki birleştirilmiş karar matrisi; S, R, Q değerleri makalenin kendi Tablo 8'i değil, DecisionMind'ın bağımsız hesabıdır."
2. Sigortacılık: Yeni ürün risk modeli seçimi
Bir sigorta şirketi yeni bir ürün için üç aktüeryal risk modeli arasında seçim yapacaktır. Ölçütler modelin geçmiş veriyle uyumu, aşırı uç senaryolara dayanıklılığı ve düzenleyici kuruma sunulabilirliğidir. Şirketin risk komitesi, "bu model güvenilir bir fiyatlama üretir" yargısı için üç kaynağa bakıyor: iç test sonuçları (lehte kanıt), bağımsız denetim raporu (aleyhte kanıt olabilecek bulgular) ve modelin henüz test edilmemiş senaryo sayısı (bilinmeyen). Bu üç kaynak birbirinden bağımsız olduğundan doğruluk, yanlışlık ve belirsizlik ayrı ayrı derecelendiriliyor.
Yöntem üç modelin ideale normalize uzaklığını toplar ve en kötü ölçütteki uzaklığı ayırır. Diyelim ki geçmiş veriyle en uyumlu görünen model, aşırı uç senaryo testinde en az veriye (en yüksek belirsizliğe) sahiptir; bu belirsizlik doğrudan yanlışlık olarak sayılmadığı için model cezalandırılmaz ama uzaklığı büyütür. Toplamda ikinci sıraya düşer; aşırı uç testleri daha kapsamlı ama geçmiş uyumu biraz daha zayıf olan model öne çıkar.
Komitenin tereddüdü: öne çıkan modelin düzenleyici kuruma sunulabilirlik ölçütündeki belirsizlik payı yüksektir, çünkü bu alanda henüz bir başvuru yapılmamıştır. Komite, DecisionMind'ın burada uzlaşma koşullarını sınamadığını bildiğinden, bu tek ölçütteki yüksek belirsizliğin toplam sonucu ne kadar etkilediğini S ve R'yi ayrı ayrı okuyarak değerlendirmelidir.
Raporda: "Mevcut kanıtla Model B toplamda öndedir; düzenleyici sunulabilirlik ölçütündeki yüksek belirsizlik payı, bu ölçütte yeni kanıt geldiğinde sonucun değişebileceğini göstermektedir; DecisionMind bu uzantıda kabul edilebilir avantaj koşulunu sınamadığından bu duyarlılık ayrıca not edilmiştir."
3. Yapılmaması Gereken
Birinci yanlış, Vaka 1'deki üçlüleri baştan (doğruluk eksi yanlışlık artı bir, ikiye bölünmüş) tek bir skora indirip kesin VIKOR koşturmaktır. Bu kısayol A1'i birinci (Q = 0), A3'ü sonuncu (Q = 1) çıkarır; oysa doğru hesap A3'ü birinci, A1'i sonuncu verir, yani sıra tam tersine döner. Belirsizlik derecesinin görmezden gelinmesi burada yalnızca farkı büyütmekle kalmaz, sırayı da tersine çevirir. İkinci yanlış, ölçüt yönü maliyet olsaydı yalnız T ile F'yi değiştirip I'yı olduğu gibi bırakmaktır; I de tümlenmelidir, aksi hâlde en iyi/en kötü üçlü yanlış seçilir. Üçüncü yanlış, A2'nin en küçük R'ye sahip olduğunu göz ardı edip yalnız Q'ya bakarak "A2 hiçbir ölçütte sorunlu değil" gibi bir sonuç çıkarmaktır. A2 aslında toplamda (S) en uzak modeldir; düşük R yalnız tek bir ölçütte iyi olduğunu gösterir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/n-vikor
Tooranloo, H. S., & Ayatollah, A. S. (2024). Neutrosophic VIKOR approach for multi-attribute group decision-making. Operations Research and Decisions, 34(2), 120–133. DOI: 10.37190/ord240208
Opricovic, S. (1998). Multicriteria Optimization of Civil Engineering Systems (Višekriterijumska optimizacija sistema u građevinarstvu). Doktora tezi, Belgrad Üniversitesi İnşaat Fakültesi. (DOI yok)
Smarandache, F. (1998). Neutrosophy: Neutrosophic Probability, Set, and Logic. American Research Press, Rehoboth. (DOI yok)
Ye, J. (2013). Multicriteria decision-making method using the correlation coefficient under single-valued neutrosophic environment. International Journal of General Systems, 42(4), 386–394. DOI: 10.1080/03081079.2012.761609
Opricovic, S., & Tzeng, G.-H. (2004). Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS. European Journal of Operational Research, 156(2), 445–455. DOI: 10.1016/S0377-2217(03)00020-1