Uzantı kartı · Plitojenik
Plitojenik SPOTIS
SPOTIS'in, kriter puanlarının doğruluk-belirsizlik-yanlışlık üçlüsüyle verildiği ve kriterlerin birbirine göre bir çelişki derecesi taşıdığı durumlar için biçimidir. Her hücreyi tek bir skora indirip bu skorun idealine ölçeklenmiş uzaklığını hesaplar.
Temel yöntem
SPOTIS →
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?
Hücreler. Kesin SPOTIS'te her hücre tek sayıdır. Burada her hücre doğruluk (T), belirsizlik (I), yanlışlık (F) üçlüsüdür. Bir kriter baskın kabul edilir, çelişki derecesi sıfırdır; öbür kriterlerin baskın kritere zıtlığı 0 ile 1 arasında bir çelişki derecesiyle verilir. Kriter ağırlıkları dışarıdan kesin sayı olarak gelir.
Çelişki ayarlaması ve skor. Maliyet kriterinde önce üçlü tümlenir. Sonra her hücre kendi kriterinin çelişki derecesiyle ayarlanır ve nötrosofik skor fonksiyonuyla ((1+T−2I−F)/2) tek sayıya iner.
En kritik fark: sabit sınırlar burada hiçbir zaman dışarıdan alınmaz. SPOTIS'i SPOTIS yapan temel ilke, ideal noktanın ve ölçekleme sınırlarının analizden ÖNCE, karar vericinin "bu kriterde gerçekçi olarak beklenebilecek en iyi ve en kötü değer nedir" sorusuna verdiği cevaptan kurulmasıdır. Bulanık SPOTIS ve Nötrosofik SPOTIS uzantılarında bu sınırlar, analiz girdisinde açıkça verilmezse, DecisionMind sessizce veri kümesinin kendi gözlenen sınırlarına düşer; bu, en azından bir "varsayılan" davranıştır ve girdi olarak sabit sınır vermek teorik olarak mümkündür. P-SPOTIS'te durum daha köklüdür: kernel kodunda sabit sınırları okuyacak hiçbir girdi yolu (extras taraması) bulunmaz. İdeal (s*) ve ölçekleme aralığı HER ZAMAN, koşulsuz biçimde, o analizdeki seçeneklerin kendi gözlenen skor min/max'ından kurulur; kullanıcı sabit bir sınır girmek istese bile motorun bunu kabul edeceği bir yer yoktur. Bu, ailenin en güçlü "sessiz varsayılan" örneğidir: burada "varsayılana düşme" değil, "başka türlüsü mümkün değil" söz konusudur.
Çelişki derecesinin sonucu hiç değiştirmediği kanıtlanabilir. Çelişki ayarlaması her hücrenin skorunu s'=(1−c)·s+c/2 biçiminde doğrusal olarak dönüştürür. Ölçeklenmiş uzaklık ise |s−s*|/(smax−smin) biçiminde saf bir fark oranıdır; bu oran, sütundaki tüm değerler (skor, ideal, sınırlar) aynı doğrusal dönüşümden geçtiğinde DEĞİŞMEZ. Bağımsız Python testi, çelişki dereceleri geniş bir aralıkta değiştirildiğinde mesafe değerlerinin ondalık basamağına kadar AYNI kaldığını göstermiştir (bkz. onay notları). Bu, P-COCOSO, P-RAFSI ve P-ROV'da görülen etkisizlikle aynı ailededir.
DecisionMind bu skor fonksiyonunu sabit tutar. Ağırlıklı toplam ve artan sırada (küçük mesafe iyi) sıralama kesin SPOTIS'teki gibidir.
Çıktı Nasıl Yorumlanır?
Mesafe değeri, kesin SPOTIS'teki gibi küçük olduğunda iyi, büyük olduğunda kötüdür. Ama kesin SPOTIS'in en önemli vaadi, bu mesafenin analiz başlamadan önce sabitlenmiş bir cetvele göre olmasıdır; bu vaat P-SPOTIS'te hiçbir koşulda geçerli değildir. İdeal ve ölçekleme sınırları her zaman o analizdeki seçeneklerden kurulur; bu, yöntemi fiilen bir plitojenik TOPSIS'e (ideal noktanın veriden kurulduğu bir yakınlık ölçüsüne) dönüştürür. Yeni bir seçenek eklendiğinde mevcut seçeneklerin mesafeleri de değişir; SPOTIS'in adını taşıyan "sıra tersinmez" özelliği burada hiç sağlanmaz.
Çelişki derecesinin ise bu motorda ölçülebilir bir etkisi yoktur; iki analiz yalnız çelişki dereceleri farklı diye farklı sonuç vermez.
Bu nedenle:
"P-SPOTIS'e göre A2'nin mesafesi 0,14, bu sabit bir cetvele dayandığı için güvenilir ve tekrarlanabilir bir sonuç"
yerine:
"A2'nin mesafesi bu üç seçeneğin kendi verisinden kurulan bir idealle hesaplanmıştır; bu motorda sabit sınır girme yolu bulunmadığı için sonuç, yeni bir seçenek eklendiğinde değişecektir. Çelişki derecesi parametresinin de ölçülebilir bir etkisi yoktur"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir kriter hakkındaki bilgi eksik, tutarsız ya da çelişkiliyse bu uzantı düşünülebilir. Ama bugünkü motorda P-SPOTIS, SPOTIS'in tanımlayıcı özelliği olan "sabit cetvele göre kararlı karşılaştırma"yı HİÇBİR ANALİZDE sağlamaz; SPOTIS'e asıl ihtiyaç duyulan durum (seçenek kümesi zamanla değişecek, sıranın kararlı kalması gerekiyor, sınırlar önceden savunulabilir biçimde biliniyor) bu motorda karşılanmaz. Bu ihtiyaç gerçekten varsa bugün başka bir yol (örneğin sınırları raporda ayrıca elle sabitleyip mesafeleri elde doğrulamak) izlenmelidir; ayrıntı onay notlarındadır.
Ölçülmüş bir kriteri T-I-F üçlüsüne çevirmek belirsizlik modellemek değil belirsizlik üretmektir. Bir kriterde taviz kabul edilmiyorsa temel SPOTIS kartındaki çıkış koşulu aynen geçerlidir.
Bu Uzantıya Özgü Hatalar
P-SPOTIS'i sabit sınırlı bir yöntem sanmak. Yukarıda kanıtlandığı gibi bu yanlıştır; motorda sabit sınır girecek bir girdi yolu yoktur, sınırlar her zaman veriden kurulur.
"Sabit sınır verirsem SPOTIS'in vaadi geçerli olur" diye düşünmek. Bulanık ve Nötrosofik SPOTIS'te bu mümkündür (sınır verilmezse varsayılana düşülür); P-SPOTIS'te sınır vermenin bir karşılığı yoktur, kernel bunu hiçbir biçimde okumaz.
Çelişki derecesini P-PSI'daki gibi etkili sanmak. P-SPOTIS'te çelişki derecesi cebirsel olarak sonucu değiştirmez.
Mesafe değerini ters okumak. SPOTIS ailesinde küçük mesafe iyidir; büyük mesafeyi "en iyi" diye okumak sırayı ters çevirir.
Temel ilke şudur:
P-SPOTIS adını SPOTIS'ten alır ama bugünkü motorda SPOTIS'i tanımlayan sabit-cetvel ilkesini hiçbir zaman uygulamaz; ideal ve sınırlar her analizde o analizin kendi verisinden kurulur, bu yüzden yöntem fiilen plitojenik bir TOPSIS gibi çalışır.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Bu tablo P-* ailesinin başka kartlarında da (Plitojenik CoCoSo, Plitojenik GRA, Plitojenik PSI, Plitojenik RAFSI, Plitojenik RAWEC, Plitojenik ROV) 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. Ağırlıklar C1'e 0,40, C2'ye 0,35, C3'e 0,25'tir. Sabit sınırlar analiz girdisinde belirtilmemiştir, çünkü motorda bu girdiyi kabul eden bir yol yoktur.
| 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 |
Yöntem C3'ü tümler, her hücreyi kendi kriterinin çelişki derecesiyle ayarlar, skora indirger, idealini bu üç seçeneğin kendi verisinden kurar (C1'de sütun en büyüğü, C3'te sütun en küçüğü) ve ölçeklenmiş uzaklığı ağırlıklarla toplar.
| Seçenek | Mesafe değeri | Sıra |
|---|---|---|
| A2 | 0,140 | 1 |
| A3 | 0,400 | 2 |
| A1 | 0,840 | 3 |
Sonuç şöyle okunur. A2, baskın kriter C1'de sütunun en iyi skoruna (idealin kendisine) ve maliyet kriteri C3'te de en iyi skora sahip olduğu için mesafesi en küçüktür. A1 hiçbir kriterde ideal değildir ve son sıradadır.
Kurulun tereddüdü tam da bu örneğin nasıl kurulduğundadır. Sabit sınırlar bu kümenin kendi verisinden geldiği için, dördüncü bir seçenek eklendiğinde, örneğin C1'de A2'den daha yüksek skor alan biri, A2'nin idealle örtüşen mesafesi artık sıfır olmaktan çıkar ve üç seçeneğin mesafeleri de değişir. Ayrıca çelişki dereceleri (0,00; 0,33; 0,67) yerine (0,00; 0,95; 0,95) ya da (0,95; 0,00; 0,00) gibi tamamen farklı değerlerle koşturulduğunda, bağımsız olarak hesaplandığında, üç mesafe de ondalık basamağına kadar AYNI (0,140 / 0,400 / 0,840) kalmaktadır.
Raporda: "Bu analizde sabit sınırlar motor tarafından hiçbir biçimde alınamadığı için ideal, üç seçeneğin kendi verisinden kurulmuştur; A2 mevcut kümede en düşük mesafeye sahiptir (0,140), ama bu sonuç yeni bir seçenek eklendiğinde değişecektir. Çelişki derecesi parametresinin ise ölçülebilir bir etkisi yoktur."
Kaynak: DecisionMind'ın P-SPOTIS doğrulama örneği. Plitojenik işlemler (çelişki ayarlaması, skor fonksiyonu) Smarandache (2018)'in tanımladığı formüllere dayanır; kurucu kaynak bir SPOTIS karar tablosu örneği vermediği için tablo DecisionMind tarafından formüllere sadık biçimde kurulmuştur. Mesafe değerleri ve çelişki-derecesi duyarlılığı bu kartın yazarınca kernel doğrudan çalıştırılarak bağımsız olarak hesaplanmış, manifestteki kayıtlı sonuçla (A2 > A3 > A1, aynı ondalık değerler) birebir örtüşmüştür.
3. Yapılmaması Gereken
Birinci yanlış, P-SPOTIS'in mesafesini kesin SPOTIS'teki gibi "sabit bir cetvele göre" sunmaktır; bu motorda sabit sınır girecek bir yol yoktur, mesafe her zaman veri kümesinden kurulur. İkinci yanlış, çelişki derecelerini P-PSI'daki gibi "sonucu ayarlayan bir hassasiyet parametresi" sanıp değiştirerek sonucu etkilemeyi beklemektir; öğretici örnekte çelişki dereceleri 0,95'e çekilse bile mesafeler ondalık basamağına kadar aynı kalır. Üçüncü yanlış, mesafe değerini büyük olanı "en iyi" diye okumaktır; SPOTIS ailesinde küçük mesafe kazanır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/p-spotis
Dezert, J., Tchamova, A., Han, D., & Tacnet, J. M. (2020). The SPOTIS rank reversal free method for multi-criteria decision-making support. In 2020 IEEE 23rd International Conference on Information Fusion (FUSION) (pp. 1–8). IEEE. DOI: 10.23919/FUSION45008.2020.9190347
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