Uzantı kartı · Plitojenik
Plitojenik DNMA
DNMA'nın, kriter puanlarının doğruluk-belirsizlik-yanlışlık üçlüsüyle verildiği ve kriterlerin birbirine göre bir çelişki derecesi taşıdığı durumlar için biçimidir. Üç ayrı toplulaştırma ölçüsünü birleştirip yine tek bir birleşik skor üretir.
Temel yöntem
DNMA →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Plitojenik (Plithogenic) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Dört şey değişir.
Hücreler. Kesin DNMA'da her hücre tek sayıdır. Burada her hücre doğruluk (T), belirsizlik (I), yanlışlık (F) üçlüsüdür. Plitojenik veri türü kartındaki gibi bir kriter baskın kabul edilir ve çelişki derecesi sıfırdır; öbür kriterlerin baskın kritere ne kadar zıt olduğu 0 ile 1 arasında bir çelişki derecesiyle verilir. Maliyet kriterinde önce üçlü tümlenir (T,I,F yerine F,I,T yazılır), sonra her hücre kendi kriterinin çelişki derecesiyle ayarlanır ve nötrosofik skor fonksiyonuyla ((1+T-2I-F)/2) tek sayıya iner. Kesin DNMA zaten sayı bekler; burada bu skor kesin DNMA'nın girdi sayısının yerini alır.
İki ayrı normalizasyon. Kesin DNMA bu skoru iki farklı biçimde eşitler: doğrusal-en-büyük (sütunun en büyüğüne bölme) ve vektör normu (sütun karelerinin toplamının köküne bölme). Plitojenik uzantı aynı iki normalizasyonu, ham sayı yerine çelişki-ayarlı skor üzerinde uygular. Doğrusal normalizasyon her zaman 0 ile 1 arasına düşer; vektör normu düşmeyebilir.
Üç ölçünün birleşimi ve önemli bir sınır. Bu uzantının motoru üç ölçü hesaplar: u1 doğrusal normun ağırlıklı toplamı, u2 doğrusal normun tümleyeni üzerinden kurulan bir ağırlıklı toplam, u3 vektör normuyla kurulan bir pay-payda oranı. Cebirsel olarak u2, ağırlıklar toplamı 1 olduğu sürece u1'e birebir eşittir: u2 = 1 − Σw(1−r) = Σw·r = u1. Bu, veriden bağımsız, saf cebirden gelen bir özelliktir; bu kartın yazarınca kernel doğrudan çalıştırılarak doğrulanmıştır (bkz. onay notları). Sonuç şudur: nihai skora aslında yalnız iki bağımsız sinyal girer, üç değil. Ayrıca kesin DNMA'nın imzası olan sıra-tutarlılık cezası (üç modelin sıralarını karşılaştırıp tutarsız seçeneği cezalandıran adım) bu uzantının motorunda yoktur; üç ölçü yalnız basit ortalamayla (U=(u1+u2+u3)/3) birleştirilir.
Çelişki derecesinin etkisi kısmi ve ölçülüdür. Doğrusal norm (u1 ve dolayısıyla u2), P-COCOSO ve P-VIKOR'da olduğu gibi çelişki derecesinden tamamen bağımsızdır; min-max ölçekleme, çelişki ayarının ürettiği c+(1−c)·s(0) biçimindeki doğrusal dönüşümü tamamen yutar. Ama vektör norm bu dönüşümü yutmaz, çünkü toplamsal kaymayı (c terimini) barındıran bir norm ölçekleme kuralı değildir. Bu yüzden u3, çelişki derecesi yükseldikçe ölçülebilir biçimde değişir: bu kartın öğretici örneğinde çelişki dereceleri 0'dan 0,90'a çıkarıldığında u3'ün üç seçenek arasındaki farkı 0,362'den 0,011'e, yani neredeyse onda birine düşer (bkz. Vaka 1). Nihai U skoru da bundan ölçülü biçimde etkilenir; P-COCOSO ve P-VIKOR'da çelişki derecesinin sıfır etkisi olduğu bulgusu burada AYNEN geçerli değildir.
DecisionMind bu uzantıda çelişki ayarını, iki normalizasyonu ve üçünün basit ortalamasını sabit tutar. Ağırlıklar dışarıdan gelir; yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Kesin DNMA'daki gibi U skoru, birden fazla ölçünün ne kadar örtüştüğünü özetleyen bir sayıdır; negatif olabilir ve başka bir seçenek kümesiyle karşılaştırılamaz. Ama bu uzantıda "üç modelin birbirini doğrulaması" iddiası kesin DNMA'daki kadar güçlü değildir, çünkü u1 ile u2 zaten aynı sayıdır ve sıra-tutarlılık cezası hiç hesaplanmaz. Ayrıca çelişki derecesi yükseldikçe u3'ün ayırt ediciliği daralır; yüksek çelişki dereceleriyle çalışan bir analizde skorun büyük kısmı fiilen tek bir sinyalden (u1=u2) gelir.
Bu nedenle:
"P-DNMA üç bağımsız toplulaştırma modelinin tutarlılığından doğan bir güvence sunuyor, bu yüzden sonuç sağlam"
yerine:
"Bu motorda u1 ile u2 cebirsel olarak aynı sayıdır ve sıra-tutarlılık cezası hesaplanmaz; asıl ayırt edici katkı u3'ten gelir, o da çelişki derecesi yükseldikçe zayıflar"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriter puanlarınız doğruluk-belirsizlik-yanlışlık üçlüsüyle verilmişse ve kriterlerin bir kısmı diğerlerine göre daha bağımsız ya da daha çelişkili bir bilgi kaynağıysa bu uzantı düşünülür. Ama yukarıdaki bulgu nedeniyle, yüksek çelişki dereceleri girildiğinde motorun ayırt edici gücü zaten zayıf olan u3'e daha da az güvenmiş olur; çelişki derecelerini "ince ayar" aracı gibi kullanmak yanıltıcıdır. Ölçülmüş bir kriteri T-I-F üçlüsüne çevirmek belirsizlik modellemek değil belirsizlik üretmektir; bu ilke burada da geçerlidir. Kesin DNMA'nın çıkış koşulu burada da geçerlidir: bir kriter sütunu sabitse ya da bir kriterde taviz kabul edilmiyorsa bu uzantı uygun değildir.
Bu Uzantıya Özgü Hatalar
Sonucu "üç bağımsız modelin konsensüsü" diye sunmak. u1 ile u2 her zaman aynı sayıdır; bu motorda fiilen iki sinyal vardır (u1=u2 ve u3), üç değil. Rapor bunu söylemelidir.
Sıra-tutarlılık cezasının çalıştığını varsaymak. Kesin DNMA kartı bu cezayı DNMA'nın imzası olarak anlatır; bu uzantının motorunda böyle bir adım yoktur, U basit bir ortalamadır.
Çelişki derecesini "sonucu istediğim yöne çekme" aracı sanmak. Çelişki derecesi yalnız u3 üzerinden ve dolaylı biçimde etkiler; doğrudan ve öngörülebilir bir kaldıraç değildir.
Baskın kriteri rastgele seçmek. Çelişki derecesinin etkisi kısmi olsa da hangi kriterin baskın (çelişkisi sıfır) sayılacağı raporda açık ve gerekçeli olmalıdır.
Maliyet tümlemesini atlamak. Maliyet kriterinde (T,I,F) yerine (F,I,T) yazılmadan hesap yapılırsa en yüksek maliyetli seçenek ideale yaklaştırılmış gibi görünür.
Temel ilke şudur:
P-DNMA'da nihai skora giren bağımsız sinyal sayısı görünenden azdır ve çelişki derecesinin etkisi yalnız bunlardan birinde, ölçülü biçimde vardır; rapor bu iki sınırı birlikte göstermelidir.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir; manifestteki sentetik 3x3 üçlü tablo formüllere sadık biçimde kurulmuştur, literatür sayfası taşımaz. Bu kartın yazarınca kernel doğrudan çalıştırılarak hesaplanmıştır. İkinci vaka öğretici kurgudur.
1. Öğretici örnek (DecisionMind'ın doğrulama örneği): Otomasyon yazılımı teklifi seçimi
Bir üretim şirketi üç otomasyon yazılımı teklifini üç ölçütte karşılaştırır: işlevsellik uyumu (çoğu iyi), destek kalitesi (çoğu iyi), lisans maliyeti endeksi (azı iyi). Her teklif her ölçütte doğruluk-belirsizlik-yanlışlık üçlüsüyle puanlanmıştır. İşlevsellik uyumu baskın ölçüt kabul edilmiş, çelişki derecesi sıfırdır; destek kalitesinin ve maliyet endeksinin çelişki dereceleri sırasıyla 0,33 ve 0,67'dir.
| Teklif | İşlevsellik uyumu | Destek kalitesi | Maliyet endeksi (azı iyi) |
|---|---|---|---|
| Y1 | (0,70; 0,20; 0,10) | (0,50; 0,30; 0,20) | (0,60; 0,30; 0,20) |
| Y2 | (0,80; 0,10; 0,10) | (0,60; 0,20; 0,20) | (0,40; 0,20; 0,30) |
| Y3 | (0,60; 0,20; 0,20) | (0,70; 0,20; 0,10) | (0,50; 0,30; 0,20) |
| Çelişki derecesi | 0,00 | 0,33 | 0,67 |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem maliyet ölçütünü tümler, her hücreyi kendi ölçütünün çelişki derecesiyle ayarlar ve skora indirger. Sonra doğrusal ve vektör normlarını hesaplar, u1, u2 ve u3'ü kurar ve basit ortalamalarını alır.
| Teklif | Birleşik skor (U) | Sıra |
|---|---|---|
| Y2 | 0,7853 | 1 |
| Y3 | 0,4501 | 2 |
| Y1 | 0,2842 | 3 |
Sonuç şöyle okunur. Y2, en ağırlıklı ölçüt olan işlevsellik uyumunda en yüksek doğruluğa (0,80) sahiptir ve maliyet ölçütünde de en düşük (dolayısıyla tümlenince en iyi) doğruluğa sahiptir. Bu ikisi Y2'yi açık farkla öne taşır.
Şirketin tereddüdü, çelişki derecelerine dokunulduğunda ortaya çıkar. Üç ölçütün çelişki dereceleri de 0'a çekilirse U skorları Y1=0,2283, Y2=0,8156, Y3=0,4264 olur; hepsi 0,90'a çıkarılırsa Y1=0,2975, Y2=0,7678, Y3=0,4587 çıkar. Sıra (Y2, Y3, Y1) her iki uçta da bozulmaz, ama skorlar ölçülü biçimde kayar. Bunun kaynağı u3'tür: çelişki derecesi 0'dan 0,90'a çıkınca u3'ün üç teklif arasındaki en büyük farkı 0,362'den 0,011'e düşer, yani u3 ayırt ediciliğinin neredeyse tamamını kaybeder. u1 ve u2 ise çelişki derecesinden hiç etkilenmez, çünkü ikisi zaten aynı sayıdır ve doğrusal normalizasyon çelişki ayarının doğrusal etkisini yutar.
Raporda: "Verilen ağırlıklarla Y2 açık farkla birincidir (U=0,7853); bu sıra çelişki derecelerine dayanıklıdır, ama skorun büyüklüğü çelişki derecesi yükseldikçe u3'ün ayırt ediciliğinin daralmasıyla ölçülü biçimde değişir. Bu motorda u1 ile u2 aynı sayı olduğu için asıl ayırt edici katkı u3'ten gelir."
Kaynak: DecisionMind'ın P-DNMA doğrulama örneği. Plitojenik işlemler (çelişki ayarı, skor fonksiyonu) Smarandache (2018)'in tanımladığı formüllere, toplulaştırma iskeleti Liao ve Wu (2020)'nun DNMA yöntemine dayanır. Kurucu kaynaklardan hiçbiri bir DNMA karar tablosu örneği vermez; tablo bu kartın yazarınca formüllere sadık biçimde kurulmuştur. U skorları ve çelişki-derecesi duyarlılık sınaması kernel doğrudan çalıştırılarak bağımsız olarak hesaplanmıştır.
2. Toplu Taşıma: Bir belediyenin otobüs filosu yenileme teklifi seçimi
Bir belediye toplu taşıma işletmesi, üç filo yenileme teklifinden birini seçecektir. Üç ölçüt vardır: yakıt verimliliği, yolcu konfor puanı ve teslim süresi (azı iyi). İşletme yakıt verimliliğini baskın ölçüt kabul eder. Yolcu konforunun yakıt verimliliğiyle kısmen çeliştiğini düşünür, çünkü daha konforlu araç daha ağır olur ve daha çok yakıt tüketir; teslim süresinin ise daha bağımsız bir bilgi taşıdığını düşünür ve çelişki derecelerini buna göre belirler. Her teklif her ölçüte doğruluk-belirsizlik-yanlışlık üçlüsüyle puanlanır.
Yöntem üç teklifi çelişki dereceleriyle ayarlar, iki normalizasyonu uygular, u1, u2 ve u3'ü hesaplar ve ortalamalarını alır. Diyelim ki yakıt verimliliği en yüksek teklif aynı zamanda teslim süresi de en uzun olan tekliftir. Yine de birinci sırada çıkar, çünkü yakıt verimliliği ağırlığı teslim süresinden yüksektir.
İşletmenin tereddüdü şudur: yolcu konforuna verilen çelişki derecesi ne olursa olsun, bu motorda sonuca katkısı u1 ile u2 üzerinden değil yalnız u3 üzerinden ve sınırlı ölçüde gelir. İşletme bu dereceyi "konforu daha çok öne çıkarma" aracı gibi kullanamaz; asıl belirleyici, ölçüt ağırlıklarıdır. Teslim süresi uzun bir teklifin seçilmesi hattın açılış takvimini geciktirebilir; bu risk U skorunun içinde görünmez ve ayrı bir teslim-süresi eşiğiyle sınırlanmalıdır.
Raporda: "Yakıt verimliliğine verilen yüksek ağırlıkla en verimli teklif birinci sıradadır; çelişki derecelerinin bu sıraya katkısı sınırlıdır ve asıl belirleyici ölçüt ağırlıklarıdır. Teslim süresi ağırlığı düşük tutulduğundan açılış takvimi kesinse ayrı bir teslim-süresi eşiği önerilir."
3. Yapılmaması Gereken
Öğretici örnekte maliyet endeksi çoğu iyi işaretlenseydi, en pahalı teklif ideale yaklaştırılır ve sıra anlamsızlaşırdı. İkinci yanlış, çelişki derecelerini değiştirerek sonucu "ince ayar" yapmaya çalışmaktır; bu motorda çelişki derecesinin etkisi yalnız u3 üzerinden ve sınırlı büyüklüktedir, doğrudan bir kaldıraç değildir. Üçüncü yanlış, sonucu "üç bağımsız modelin doğruladığı sağlam bir sıra" diye sunmaktır; bu motorda u1 ile u2 aynı sayıdır ve sıra-tutarlılık cezası hiç hesaplanmaz.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/p-dnma
Liao, H., & Wu, X. (2020). DNMA: A double normalization-based multiple aggregation method for multi-expert multi-criteria decision making. Omega, 94, 102058. DOI: 10.1016/j.omega.2019.04.001
Smarandache, F. (2018). Plithogenic Set, an Extension of Crisp, Fuzzy, Intuitionistic Fuzzy, and Neutrosophic Sets – Revisited. Neutrosophic Sets and Systems, 21, 153–166. DOI: 10.5281/zenodo.1408740
Smarandache, F. (2017). Plithogeny, Plithogenic Set, Logic, Probability, and Statistics. Pons Publishing House, Brussels. (DOI yok)
Abdel-Basset, M., & Mohamed, R. (2020). A novel plithogenic TOPSIS-CRITIC model for sustainable supply chain risk management. Journal of Cleaner Production, 247, 119586. DOI: 10.1016/j.jclepro.2019.119586