Uzantı kartı · Pisagor bulanık
Pisagor bulanık COPRAS
COPRAS'ın Pisagor bulanık biçimidir. Bir yargıya verilen destek ve ret derecelerinin toplamı 1'i aşabilir, yeter ki karelerinin toplamı aşmasın. Çıktı yine en iyi seçeneğe göre yüzde cinsinden bir fayda derecesidir.
Temel yöntem
COPRAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Pisagor bulanık (Pythagorean) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Üç şey değişir. Karar mantığı aynı kalır.
Hücreler. Kesin COPRAS'ta her hücre tek sayıdır. Burada her hücre bir çifttir: μ destek derecesi, ν ret derecesidir. Bu iki değer μ² + ν² ≤ 1 kuralına uymak zorundadır. Kararsızlık payı π = √(1 − μ² − ν²) bu iki dereceden çıkar; uzmandan ayrıca istenmez. Kriter ağırlıkları yine kesin sayıdır ve dışarıdan gelir.
Ölçek eşitleme. Kesin COPRAS her sütunu kendi toplamına bölerek paya çevirir. PF-COPRAS bunu yapmaz, çünkü destek-ret çiftleri zaten 0 ile 1 arasındadır. Yerine maliyet kriterinde μ ile ν'nün yer değiştirmesi gelir. DecisionMind burada iki ayrı normalize matris kurar: biri fayda toplamı için, maliyet sütunları tamamlayanla değiştirilmiş halde; öbürü maliyet toplamı için, sütunlar değiştirilmemiş halde. Bu ikili yol, kurucu uygulama makalesinin kendi tablolarını yeniden ürettiği için seçilmiştir; ayrıntı temel yöntem kartındaki fayda ve maliyet toplamı mantığıyla aynı amaca hizmet eder.
Skor, fayda ve maliyet toplamları. Her ağırlıklı hücre skor fonksiyonuyla, s = μ² − ν², tek bir sayıya çevrilir. Kesin COPRAS'ta zaten sayı olan bu adım, burada önce destek-ret çiftinden geçer. Fayda sütunlarındaki skorların ortalaması bir "lehte gösterge" verir, maliyet sütunlarındaki skorların ortalaması bir "aleyhte gösterge" verir. Kesin COPRAS bu iki toplamı doğrudan böler; PF-COPRAS aleyhte göstergeyi üstel bir ağırlıklandırmayla göreli önem değerine katar. Bu, kesin yöntemin oranından biraz farklı bir birleştirme kuralıdır ama aynı işi yapar: düşük maliyeti ödüllendirmek.
Sonuç ve durulaştırma. Çıktı, en yükseğe bölünüp yüzdeye çevrilen bir fayda derecesidir; en iyi seçenek 100 alır. Bu, kesin COPRAS'la aynıdır. Belirsizlik, hücrelerin skora çevrildiği anda tek sayıya iner; PF-COPRAS'ta μ, ν ve π üçü birden tek bir skor sayısında erir, sonraki adımlar bu sayı üzerinden yürür.
DecisionMind PF-COPRAS'ta skor fonksiyonunu, maliyet tamamlayanını ve üstel ağırlıklandırmalı göreli önem hesabını sabit tutar. Kriter ağırlıkları dışarıdan kesin sayı olarak gelir; yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Fayda derecesi, bir seçeneğin bu kümedeki en iyi seçeneğe göre ne kadar geride kaldığını söyler; bu, kesin COPRAS'la aynıdır. Farklı olan, bu derecenin altında artık bir destek-ret çiftinin skora indirgenmiş hali vardır. İki seçenek arasındaki küçük bir fayda derecesi farkı, girdi çiftlerinin μ ve ν'sü birbirine yakınsa kolayca kapanabilir; bu farkın sağlamlığı, hangi kriterde ne kadar destek ve ret puanı verildiğine bakılarak sınanmalıdır.
Bu nedenle:
"PF-COPRAS bu seçeneği yüzde seksen sekiz başarılı buldu"
yerine:
"Bu ağırlıklar ve bu seçenek kümesiyle en yüksek fayda-maliyet dengesine sahip seçenek budur; ikinci seçenek bu seçeneğin sağladığı faydanın yüzde seksen sekiz virgül kırk altısına ulaşmaktadır ve bu fark girdi çiftlerinin kesinliğine bağlıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzmanlar bir yargıya hem güçlü destek hem belirgin çekince veriyorsa ve sonucu doğrudan yüzde biçiminde raporlamak istiyorsanız bu uzantı kullanılır. İki derecenin toplamı 1'i aşıyorsa sezgisel bulanık kısıt bu çiftleri küçültmeye zorlar, çünkü o kısıt toplamı en fazla 1'de tutar. Pisagor bulanık bu sorunu çözer. Ölçülmüş bir değer doğrudan destek-ret çiftine çevrilmez. Önce bir yargıya dönüştürülür, sonra μ ile ν ayrı kaynaklardan türetilir; ayrıntı veri türü kartındadır. Tablo tek veri türünde olmalıdır, bir kısmı kesin bir kısmı Pisagor olamaz. Temel yöntemin çıkış koşulu burada da geçerlidir. Bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir, düşük maliyetin yüksek faydayı örtmesine izin verir.
Bu Uzantıya Özgü Hatalar
Değer alanı ihlali. Her hücre μ ∈ [0,1], ν ∈ [0,1] ve μ² + ν² ≤ 1 koşulunu sağlamalıdır. Bu kontrol edilmeden hesaba girmek yöntemi geçersiz kılar.
ν'yü 1 − μ yazmak. Bu durumda toplam her zaman tam 1 olur. Kararsızlık payı sıfırlanır. Pisagor yapının sezgisel bulanığa göre sağladığı ek alan hiç kullanılmamış olur.
Skor fonksiyonunu değiştirip aynı sonucu beklemek. s = μ² − ν² kanonik seçimdir ama tek seçenek değildir. Fayda ve maliyet toplamlarını başka bir skorla hesaplamak farklı bir fayda derecesi verebilir.
Fayda derecesini mutlak bir kalite yüzdesi gibi okumak. Bu hata kesin COPRAS'ta da vardır. Pisagor girdide daha da yanıltıcıdır, çünkü aynı yüzde farklı destek-ret çiftlerinden gelebilir ve okuyucu bu çiftleri görmeden yüzdeyi kesinlik sanabilir.
Ölçülmüş bir değeri doğrudan μ yapmak. Fiyat ya da süre gibi ölçülmüş bir büyüklüğü 0-1'e ölçekleyip μ olarak yazmak, ν'yü de tamamlayıcı vermek bir yargı üretmez. Bu yalnızca kesin veriyi gizler.
Temel ilke şudur:
PF-COPRAS sonucu, seçeneklerin fayda ve maliyet toplamları arasındaki göreli dengenin bir özetidir. En iyiye göre yüzde, mutlak bir başarı ölçüsü değildir ve rapor bu ayrımı göstermelidir.
Vakalar
Birinci vaka DecisionMind'ın PF-COPRAS manifestinde kayıtlı bir literatür örneğidir. Sayılar Thakur ve arkadaşlarının 2022 makalesinden alınmıştır ve motor aynı sıralamayı üretir. İkinci vaka öğretici kurgudur.
1. Tarım: Ar-Ge destek programı için tarım alanı seçimi (Thakur ve ark., 2022)
Bir kalkınma ajansı, sürdürülebilir tarım programı kapsamında beş tarım alanını, A1-A5, on bir ölçütte değerlendirir. Ölçütler fiziksel, ekonomik, altyapısal ve idari göstergelerdir. Sekizi "çoğu iyi", üçü, C4-C6, "azı iyi"dir. Her hücre dört uzmanın görüşü birleştirilerek elde edilmiş bir destek-ret çiftidir. Ağırlıklar entropi yöntemiyle hesaplanmış ve dışarıdan sabit girdi olarak verilmiştir.
Tablo on bir sütun olduğu için burada özetlenmez; tam matris manifestte kayıtlıdır. Ağırlıklar şöyledir: C1=0,0855, C2=0,1001, C3=0,0956, C4=0,0718, C5=0,0793, C6=0,0932, C7=0,0948, C8=0,1021, C9=0,0895, C10=0,0923, C11=0,0958.
Yöntem önce fayda sütunlarını olduğu gibi, maliyet sütunlarını tamamlayanla değiştirerek ağırlıklandırır. Her hücreyi skor fonksiyonuyla durulaştırır. Fayda sütunlarının ortalamasından bir lehte gösterge, maliyet sütunlarının ortalamasından bir aleyhte gösterge kurar ve bu ikisini üstel bir ağırlıklandırmayla göreli önem değerinde birleştirir.
| Alan | Fayda derecesi | Sıra |
|---|---|---|
| A4 | 116,91 | 1 |
| A5 | 115,02 | 2 |
| A3 | 112,26 | 3 |
| A1 | 102,47 | 4 |
| A2 | 100,00 | 5 |
Sonuç şöyle okunur. A4, üç maliyet kriterinde de göreli olarak düşük skorlara sahiptir ve bu, düşük maliyeti ödüllendiren terim aracılığıyla fayda derecesini yükseltir. A2 en düşük fayda derecesine sahiptir ve yüzde yüz referans noktası olur; diğer dört alan buna göre bir pay alır.
Ajansın tereddüdü A4 ile A5 arasındaki farktan gelir. C1 ve C6 ağırlıkları 0,05'er puan artırılıp C7 ve C9'dan düşülürse sıra tepetaklak olur: A3 115,16 ile birinci, A4 114,93 ile ikinci çıkar. Aradaki fark yalnızca 0,23 puandır. Bu, A3 ile A4 arasındaki sıranın hangi kriterin ağırlıklandırıldığına ne kadar duyarlı olduğunu gösterir.
Raporda: "Verilen ağırlıklarla A4 en yüksek fayda derecesine sahiptir, 116,91. A5 ile arasındaki fark, 1,89 puan, belirgindir. C1 ve C6 ağırlıkları artırılıp C7 ve C9'dan düşülürse A3 öne geçer ve fark yalnızca 0,23 puana iner."
Kaynak: Thakur, Kizielewicz, Gandotra, Shekhovtsov, Saini ve Sałabun (2022), paragraf 4.1, Tablo 6, 9 ve 11. Fayda dereceleri ve sıralama, DecisionMind'ın PF-COPRAS motoru çalıştırılarak bağımsız olarak yeniden üretildi ve makalenin bildirdiği sıralamayla, [A4,A5,A3,A1,A2], birebir eşleşti. Ağırlık değişikliği senaryosunun sayıları aynı motorla ayrıca hesaplandı.
2. Havacılık: Bir havayolunun yer hizmetleri tedarikçisi seçimi
Bir havayolu, iniş sahası yer hizmetleri için üç tedarikçiyi, G1-G3, üç ölçütte değerlendirir: operasyonel güvenilirlik, personel yetkinliği, operasyonel risk. İlk ikisi "çoğu iyi", operasyonel risk "azı iyi"dir. Her hücre denetim ekibinin o tedarikçiye verdiği destek-ret çiftidir. Ağırlıklar operasyonel güvenilirliğe en yüksek payı verecek biçimde belirlenmiştir: 0,40, 0,35, 0,25.
| Tedarikçi | Operasyonel güvenilirlik | Personel yetkinliği | Operasyonel risk (azı iyi) |
|---|---|---|---|
| G1 | (0,80;0,35) | (0,70;0,50) | (0,40;0,70) |
| G2 | (0,65;0,55) | (0,75;0,45) | (0,55;0,60) |
| G3 | (0,70;0,50) | (0,60;0,55) | (0,30;0,80) |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem fayda sütunlarını olduğu gibi, risk sütununu tamamlayanla değiştirerek ağırlıklandırır. Her hücreyi durulaştırır, lehte ve aleyhte göstergeleri kurar ve fayda derecesini hesaplar. G1 hem güvenilirlikte hem düşük riskte güçlüdür ve açık farkla birinci çıkar.
| Tedarikçi | Fayda derecesi | Sıra |
|---|---|---|
| G1 | 100,00 | 1 |
| G3 | 34,23 | 2 |
| G2 | 20,47 | 3 |
Havayolunun tereddüdü G2 ile G3 arasındaki sırayı sorgular. Personel yetkinliği ağırlığı 0,35'ten 0,60'a çıkarılıp diğer iki ölçüt 0,20'şer ağırlığa çekilirse G2, G3'ün önüne geçer: G2 43,48'e çıkar, G3 18,26'ya düşer. G1 her senaryoda birinciliğini korur, çünkü üç ölçütte de en zayıf tedarikçi hiçbir zaman G1 değildir.
Raporda: "Verilen ağırlıklarla G1 açık farkla birincidir, 100,00. G2 ile G3 arasındaki sıra, personel yetkinliği ağırlığına duyarlıdır ve bu ağırlık yükseltildiğinde G2 öne geçer."
3. Yapılmaması Gereken
Tarım tablosunda bir maliyet kriteri, örneğin C4, "çoğu iyi" işaretlenseydi bu kriterde en yüksek değere sahip alan fayda toplamına dahil edilir ve düşük maliyetten kazanılan avantaj tersine döner. İkinci yanlış, havacılık tablosunda G1'in yüzde yüz fayda derecesini "kusursuz tedarikçi" diye raporlamaktır; bu yalnızca bu üç tedarikçi arasında en iyisi olduğunu gösterir. Üçüncü yanlış, önce tüm destek-ret çiftlerini tek bir skora indirip sonra kesin COPRAS'ı koşturmaktır; bu, hangi çiftin ne kadar kararsızlık taşıdığını raporlamadan gizler ve okuyucuya yanlış bir kesinlik izlenimi verir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/pf-copras
Thakur, P., Kizielewicz, B., Gandotra, N., Shekhovtsov, A., Saini, N., & Sałabun, W. (2022). The group decision-making using Pythagorean fuzzy entropy and the complex proportional assessment. Sensors, 22(13), 4879. DOI: 10.3390/s22134879
Zavadskas, E. K., & Kaklauskas, A. (1996). Determination of an efficient contractor by using the new method of multicriteria assessment. International Symposium for the Organization and Management of Construction: Shaping Theory and Practice, Vol. 2, 94–104. (DOI yok)
Yager, R. R. (2014). Pythagorean membership grades in multicriteria decision making. IEEE Transactions on Fuzzy Systems, 22(4), 958–965. DOI: 10.1109/TFUZZ.2013.2278989