Resim bulanık MARCOS (Tatar ve Ayvaz, 2024)

Dört şey değişir. Karar mantığı aynı kalır.

Hücreler. Kesin MARCOS'ta her hücrede tek bir sayı vardır. Burada her hücrede üç derece vardır: destek, çekimser, ret; toplamları 1'i geçemez. Bu üçlü, bir kurulun ya da anketin aynı yargı üzerindeki oy dağılımından gelir. Ağırlıklar dışarıdan, tek sayı olarak gelir.

Ölçek eşitleme. Kesin MARCOS her hücreyi kriterin ideal değerine oranlayarak normalize eder. Burada önce maliyet yönlü kriterler tamamlanır: maliyet kriterindeki her hücrede destek ile ret yer değiştirir, çekimser aynı kalır. Sonra her kriter sütununda, destek eksi ret skoruna göre en yüksek skorlu satır ideal, en düşük skorlu satır anti-ideal seçilir. Kesin MARCOS'taki gibi hayali bir uç değil, kümenin kendi içinden seçilmiş gerçek bir satırdır bu; PIF-VIKOR'daki ideal ve anti-ideal seçimiyle aynı mantığı izler.

Fayda oranları. Kesin MARCOS'ta her seçeneğin ağırlıklı toplamı, idealin ve anti-idealin toplamına ayrı ayrı bölünerek iki oran bulunur. Burada da aynı mantık işler, ama toplama resim bulanık ağırlıklı birleşim kuralıyla yürür: her seçeneğin kriterlerdeki üçlüleri, ideal satırın üçlüleri ve anti-ideal satırın üçlüleri ayrı ayrı birleştirilerek üç ayrı özet üçlü kurulur. Bu üç üçlü, destek eksi ret skoruyla birer sayıya indirilir ve idealin ile anti-idealin skoruna oranlanır.

Sonuç ve durulaştırma. Bu iki oran, kesin MARCOS'taki gibi birer fayda fonksiyonuna dönüştürülüp tek bir nihai fayda derecesinde birleştirilir. Sonuç yine tek bir sayıdır. Belirsizlik durulaştırılmaz; ideal ve anti-ideal seçilirken ve özet üçlüler kurulurken üç derecenin tamamı kullanılır.

DecisionMind bu üyede ideal ve anti-ideal satırların kümenin gerçek satırlarından, skor fonksiyonuyla seçilmesini sabit tutar.

Nihai fayda derecesi kesin MARCOS'taki gibi okunur: bu kümedeki ideal ve anti-ideal referanslara göre nerede durulduğunu söyler, başka bir analizle karşılaştırılamaz. Farklı olan şudur: ideal ve anti-ideal satırların kendisi artık oy dağılımından gelen bir belirsizlik taşır. Bir kriterde en yüksek desteğe sahip satır çekimser payı büyükse, ideal referansın kendisi de belirsizlik içerir.

Bu nedenle:

"Bu teklif ideale en yakın teklif"

yerine:

"Bu teklif, kümenin kendi ideal ve anti-ideal referanslarına göre en dengeli fayda oranına sahiptir; bu referanslar kurulun oy dağılımındaki çekimser payını da taşımaktadır"

biçiminde yazmak doğrudur.

Kriter değerlendirmeleri bir kurulun, anketin ya da panelin aynı yargı üzerindeki evet, çekimser, hayır oy dağılımından geliyorsa ve hem idealin ne kadarına ulaşıldığı hem anti-idealden ne kadar uzaklaşıldığı birlikte görünsün istiyorsanız bu uzantı kullanılır. Resim bulanık veri türü kartının anlattığı gibi çekimser payı ayrıca sayılmalıdır; tek bir destek yüzdesinden uydurulmamalıdır.

Ölçülmüş bir kriteri resim bulanık üçlüye açmak gerekmez. DecisionMind tek veri türü ister; matriste bazı kriterler oya, bazıları ölçüme dayanıyorsa hepsi aynı türde yazılmalıdır. q-Rung ortopair bulanık veri türü de benzer bir çift yapı kullanır, ama orada kısıt bir kuvvete (q'ya) bağlıdır ve q kullanıcı tarafından seçilmez, yöntem belirler; burada kısıt doğrudan derecelerin toplamıdır. Bu ikisi birbirine karıştırılmamalıdır.

Çıkış koşulu kesin MARCOS ile aynıdır. Bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.

Değer uzayı ihlali. Her hücrede destek, çekimser ve ret toplamı 1'i aşmamalıdır. Bu kontrol ideal ve anti-ideal satırlar seçilmeden önce yapılmalıdır.

Maliyet kriterini tamamlamayı unutmak. Maliyet yönlü bir kriterde destek ve ret yer değiştirilmeden bırakılırsa, o kriterde yüksek desteğe sahip olan seçenek yanlışlıkla ideale yakın sayılır.

Skor fonksiyonunu adım ortasında değiştirmek. İdeal ve anti-ideal satırları seçerken kullanılan skor fonksiyonu, özet üçlüleri sayıya indirirken de aynı kalmalıdır.

Önce durulaştırıp sonra kesin MARCOS koşturmak. Üç dereceyi baştan tek bir sayıya indirip kesin yöntemi uygulamak bu uzantı değildir. Çekimser ve karşı oy bilgisi ilk adımda silinir.

Tek bir orandan üçlü uydurmak. "Yüzde 60 destek var, o hâlde yüzde 40 karşı" demek çekimser payını sıfırlar. Resim bulanık veri türü kartının anlattığı gibi her derece ayrı sayılmalıdır.

Temel ilke şudur:

Resim bulanık MARCOS, bir kurulun ya da anketin oy dağılımındaki çekimser payını ideal ve anti-ideal referanslara kadar taşımak içindir. Dereceyi uyduran ya da girdiyi baştan kesinleştiren her uygulama yöntemin tek katkısını yok eder.

---