Uzantı kartı · Plitojenik
Plitojenik GRA
GRA'nın, kriter puanlarının doğruluk-belirsizlik-yanlışlık üçlüsüyle verildiği ve kriterlerin birbirine göre bir çelişki derecesi taşıdığı durumlar için biçimidir. Çıktısı yine bir gri ilişki derecesi ve bu dereceye göre bir sıradır.
Temel yöntem
GRA →
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. Beşinci adımdaki gri ilişki formülü değişmez.
Hücreler. Kesin GRA'da her hücre tek sayıdır. Burada her hücre doğruluk (T), belirsizlik (I) ve 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. Bu derece kriter başınadır, seçenekten seçeneğe değişmez. Kriter ağırlıkları çelişki derecesinden ayrı, dışarıdan gelen bir girdidir.
Maliyet tümlemesi ve çelişki ayarlaması. Maliyet kriterinde önce üçlü tümlenir: (T, I, F) yerine (F, I, T) yazılır. Sonra her hücre kendi kriterinin çelişki derecesiyle ayarlanır. Doğruluk baskın kritere doğru büyür (T artı çelişki derecesi çarpı bir eksi T), belirsizlik ve yanlışlık aynı oranda küçülür.
Referans yalnız pozitif idealden kurulur. Kesin GRA'da referans dizisi sabit, hayali bir seçenektir. Burada referans, her sütunun kendi en yüksek doğruluğundan ve en düşük belirsizlik-yanlışlığından kurulan bir plitojenik idealdir. Yalnız pozitif ideale bakılır; tereddütlü GRA'daki gibi ikinci bir anti-ideal kurulmaz. Uzaklık, üç bileşenin farklarının kareleri toplamının üçte birinin karekökü olarak hesaplanır.
Gri ilişki katsayısı ve derecesi. Bu uzaklıklar, kesin GRA'daki aynı formülle, ayırt edicilik katsayısı ρ = 0,5 ile gri ilişki katsayısına, sonra ağırlıklı toplamla gri ilişki derecesine çevrilir.
Kardeş uzantılardan (P-COCOSO, P-VIKOR) önemli bir farkı burada belirtmek gerekir. O iki yöntemde çelişki derecesi, skor fonksiyonunun doğrusal yapısı yüzünden sütun ölçeklemesinden sonra sonucu hiç etkilemez; bu, önceki uzantı kartlarında Python ile kanıtlanmıştır. P-GRA'da durum farklıdır. Gri ilişki katsayısı bir min-max oranıdır ve doğrusal değildir; bağımsız Python testi, çelişki derecesi değiştirildiğinde P-GRA'nın sırasının da değiştiğini göstermiştir (ayrıntı Vaka 1'de ve onay notlarında).
DecisionMind bu uzantıda tek-pozitif-ideal referansını, SVN Öklid uzaklığını ve ayırt edicilik katsayısını (ρ = 0,5) sabit tutar. Ağırlıklar dışarıdan kesin sayı olarak alınır.
Çıktı Nasıl Yorumlanır?
Gri ilişki derecesi, kesin GRA'daki gibi bir seçeneğin bu analizdeki plitojenik referansa göreli yakınlığını gösterir; başka bir analizle karşılaştırılamaz.
Fark şurada. P-COCOSO ve P-VIKOR kartlarında çelişki derecesinin sonucu hiç etkilemediği kanıtlanmıştı. P-GRA'da tam tersi geçerlidir: çelişki derecesi hem gri ilişki katsayılarını hem de nihai sırayı değiştirebilir. Bu yüzden raporda çelişki derecesinin nasıl belirlendiği, P-COCOSO'daki gibi "gösterge amaçlı bir girdi" değil, sonucu gerçekten etkileyen bir karar olarak yazılmalıdır.
Bu nedenle:
"Çelişki derecesi burada da P-COCOSO'daki gibi sonucu değiştirmeyen göstermelik bir parametredir"
yerine:
"P-GRA'da çelişki derecesi sonucu gerçekten değiştirir; C2 ve C3'ün çelişki dereceleri 0,95'e çekildiğinde A1 ile A3 yer değiştirmektedir, bu yüzden çelişki dereceleri gerekçeli seçilmeli ve raporda belirtilmelidir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriter puanlarınız doğruluk-belirsizlik-yanlışlık üçlüsüyle verilmişse ve kriterlerin bir kısmı doğası gereği alt seçeneklere ayrılıp bu alt seçeneklerin birbirine zıtlığı karar için önemliyse bu uzantı düşünülür. Ayrıntı Plitojenik veri türü kartındadır.
Ölçülmüş bir kriteri T-I-F üçlüsüne çevirmek belirsizlik modellemek değil belirsizlik üretmektir; bu ilke burada da geçerlidir. Kesin GRA'nın çıkış koşulu burada da geçerlidir: matris tek türde olmalı, bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez.
Bu Uzantıya Özgü Hatalar
Çelişki derecesini P-COCOSO'daki gibi etkisiz sanmak. Aynı ailenin başka üyelerinde bu derece sonucu değiştirmiyor diye burada da değiştirmeyeceğini varsaymak yanlıştır; P-GRA'da çelişki derecesi sırayı fiilen değiştirebilir.
Baskın kriteri gerekçesiz seçmek. Hangi kriterin baskın (çelişkisi sıfır) sayılacağı, burada sonucu etkilediği için P-COCOSO'dakinden daha da dikkatli, açık ve gerekçeli seçilmelidir.
Maliyet tümlemesini atlamak. "Azı iyi" bir kriterde (T, I, F) yerine (F, I, T) yazılmazsa referans dizisi en pahalı ya da en kötü seçeneğe göre kurulur.
İki-ideal ailesiyle karıştırmak. Tereddütlü GRA hem pozitif hem negatif ideale bakıp bir kapanış oranı verir. P-GRA yalnız pozitif ideale bakar ve doğrudan bir gri ilişki derecesi verir; iki hesap farklı sıra üretebilir.
Ayırt edicilik katsayısını hiç sorgulamamak. ρ = 0,5 DecisionMind'ın sabit değeridir; uzaklıkların birbirine yakın olduğu tablolarda bu seçim sonucu etkileyebilir.
Temel ilke şudur:
P-GRA'da çelişki derecesi kardeş uzantıların aksine sonucu gerçekten değiştirir; bu derece gerekçesiz atanırsa ya da göstermelik sanılırsa sıra yanlış okunur.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Smarandache'nin 2018 tarihli kurucu kaynağı plitojenik işlemleri tanımlar ama bir GRA karar tablosu örneği içermez; bu yüzden DecisionMind aynı formüllerle küçük, elle izlenebilir bir tablo kurmuştur. Bu tablo P-* ailesinin başka kartlarında da (ör. Plitojenik CoCoSo) kullanılan ortak bir doğrulama girdisidir. İkinci vaka öğretici kurgudur.
1. Öğretici örnek (DecisionMind'ın doğrulama örneği): Üç seçenek, üç kriterde plitojenik değerlendirme
Üç seçenek üç kriterde değerlendirilmiştir. İlk iki kriter çoğu iyi, üçüncüsü azı iyidir. C1 baskın kriter kabul edilmiş, çelişki derecesi sıfırdır; C2 ve C3'ün C1'e göre çelişki dereceleri sırasıyla 0,33 ve 0,67'dir.
| Seçenek | C1 (çoğu iyi) | C2 (çoğu iyi) | C3 (azı iyi) |
|---|---|---|---|
| A1 | (0,70; 0,20; 0,10) | (0,50; 0,30; 0,20) | (0,60; 0,30; 0,20) |
| A2 | (0,80; 0,10; 0,10) | (0,60; 0,20; 0,20) | (0,40; 0,20; 0,30) |
| A3 | (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 C3'ü tümler, her hücreyi kendi kriterinin çelişki derecesiyle ayarlar, sütunun en iyi noktasından pozitif ideali kurar, SVN Öklid uzaklığını ölçer ve ρ = 0,5 ile gri ilişki derecesine çevirir.
| Seçenek | Gri ilişki derecesi | Sıra |
|---|---|---|
| A2 | 0,8478 | 1 |
| A3 | 0,6532 | 2 |
| A1 | 0,4856 | 3 |
Sonuç şöyle okunur. A2, en ağırlıklı kriter olan C1'de en yüksek doğruluğa (0,80) sahiptir ve tersine çevrilen maliyet kriterinde de en düşük (dolayısıyla en iyi) doğruluğa sahiptir. Bu ikisi A2'yi açık farkla öne taşır.
Kurulun tereddüdü çelişki derecelerindedir. C2 ve C3'ün çelişki dereceleri ikisi de 0,95'e çekilirse (C1 sıfır kalır), bağımsız Python hesabıyla doğrulandığında, A1 0,7311'e yükselip A3'ü (0,7168) geçmektedir; A2 yine birincidir ama A1-A3 sırası tersine döner. Baskın kriter C1'in çelişki derecesi 0,95'e çekilip C2 ile C3 sıfırlanırsa A3 (0,8172) A2'yi (0,8124) geçip birinci olur. Yani hangi kriterin baskın sayıldığı ve çelişki derecelerinin büyüklüğü, bu tabloda sırayı doğrudan değiştirebilmektedir.
Raporda: "Verilen çelişki dereceleriyle (0,00; 0,33; 0,67) A2 gri ilişki derecesinde açık farkla birincidir (0,8478). C2 ve C3'ün çelişki dereceleri 0,95'e çekildiğinde A1 ile A3 yer değiştirmekte, C1'in çelişki derecesi yükseltildiğinde ise A3 A2'yi geçmektedir; bu nedenle çelişki dereceleri raporda gerekçeleriyle birlikte sunulmalıdır."
Kaynak: DecisionMind'ın P-GRA doğrulama örneği. Plitojenik işlemler (çelişki ayarlaması, maliyet tümlemesi) Smarandache (2018)'in tanımladığı formüllere dayanır; kurucu kaynak bir GRA karar tablosu örneği vermediği için tablo DecisionMind tarafından formüllere sadık biçimde kurulmuştur. Gri ilişki dereceleri ve çelişki-derecesi duyarlılığı bu kartın yazarınca kernel doğrudan çalıştırılarak bağımsız olarak hesaplanmış, manifestteki kayıtlı sonuçla (A2 > A3 > A1, aynı ondalık değerler) birebir örtüşmüştür.
2. Müzecilik: Bir müzenin eser restorasyonu için atölye seçimi
Bir müze, hasarlı bir tekstil koleksiyonunun restorasyonu için üç atölye arasında seçim yapacaktır. Üç kriter belirlenmiştir: malzeme uyumluluğu, işçilik süresi ve ücret (azı iyi). Malzeme uyumluluğu baskın kriterdir, çelişki derecesi sıfırdır. İşçilik süresinin çelişki derecesi orta düzeydedir, çünkü özenli işçilik daha yavaş ilerler ve bu, malzeme uyumluluğuyla kısmen çelişir. Ücretin çelişki derecesi yüksek tutulmuştur, çünkü malzeme uyumluluğundan daha bağımsız bir bilgi taşır. Her atölye her kritere doğruluk-belirsizlik-yanlışlık üçlüsüyle puanlanmıştır.
Yöntem üç atölyeyi çelişki dereceleriyle ayarlar, ücret kriterinde tümler, pozitif ideali kurar ve gri ilişki derecelerini hesaplar. Diyelim ki malzeme uyumluluğunda en güçlü doğruluğa sahip atölye, ücretinin göreli yüksekliğine rağmen birinci sırada çıktı; çünkü malzeme uyumluluğu ağırlığı ücretten fazladır.
Müzenin tereddüdü şurada. İşçilik süresi kriterinin çelişki derecesi değiştirildiğinde bu atölyenin önde kalıp kalmadığı ayrıca sınanmalıdır; P-COCOSO'nun aksine burada çelişki derecesinin sonucu etkileme ihtimali gerçektir. Müze, yalnız ağırlıkları değil çelişki derecelerini de bir duyarlılık sınamasına dahil etmelidir.
Raporda: "Malzeme uyumluluğuna verilen yüksek ağırlıkla en uyumlu atölye birinci sıradadır. Çelişki dereceleri bu ailenin diğer üyelerinden farklı olarak sonucu etkileyebildiğinden, işçilik süresi kriterinin çelişki derecesi ayrıca bir duyarlılık sınamasıyla raporlanmalıdır."
3. Yapılmaması Gereken
Birinci yanlış, çelişki derecesini P-COCOSO'daki gibi "sonucu etkilemeyen bir girdi" sanıp gerekçesiz atamaktır; öğretici örnekte çelişki dereceleri 0,95'e çekildiğinde A1 ile A3 gerçekten yer değiştirmektedir. İkinci yanlış, C3'ü (azı iyi) tümlemeden koşturmaktır; bu durumda en pahalı seçenek ideale yaklaştırılmış gibi görünür. Üçüncü yanlış, P-GRA'yı tereddütlü GRA ile karıştırıp bir anti-ideal kurmaya çalışmaktır; P-GRA yalnız pozitif ideale bakar.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/p-gra
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
Deng, J. L. (1989). Introduction to grey system theory. The Journal of Grey System, 1(1), 1–24. (DOI yok)
Kuo, Y., Yang, T., & Huang, G. W. (2008). The use of grey relational analysis in solving multiple attribute decision-making problems. Computers & Industrial Engineering, 55(1), 80–93. DOI: 10.1016/j.cie.2007.12.002
Smarandache, F. (2017). Plithogeny, Plithogenic Set, Logic, Probability, and Statistics. Pons Publishing House, Brussels. (DOI yok)