Uzantı kartı · Resim bulanık
Resim bulanık VIKOR (Fan, Han ve Wu, 2023)
Resim Bulanık VIKOR, kriter puanlarının bir kurulun ya da anketin evet-çekimser-hayır oy dağılımından geldiği durumlarda kullanılan VIKOR biçimidir. Grup faydasını ve bireysel pişmanlığı doğrudan bu üç dereceli oylar üzerinden hesaplar.
Temel yöntem
VIKOR →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Resim bulanık (Picture) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Dört şey değişir. Karar mantığı aynı kalır.
Hücreler. Kesin VIKOR'da 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 panelin aynı yargı üzerindeki oy dağılımından gelir. Ağırlıklar dışarıdan, tek sayı olarak gelir. Uzlaşma katsayısı v de kesin VIKOR'daki gibi dışarıdan verilir ve varsayılan değeri yine 0,5'tir.
Ölçek eşitleme. Kesin VIKOR her kriterde en iyi ve en kötü değeri bulur, sonra her seçeneğin bu aralık içindeki yerini ölçer. Burada da benzer bir mantık işler, ama önce maliyet yönlü kriterler tamamlanır. Maliyet kriterindeki her hücre kendi tersiyle değiştirilir: destek ile ret yer değiştirir, çekimser aynı kalır. Böylece bütün kriterler aynı yönde, "yüksek destek iyi" biçiminde okunur. Sonra her kriter sütununda, iki sabit köşeye (tam destek noktası ve tam ret noktası) en yakın gerçek satır bulunur; bunlar sırasıyla o kriterin ideal ve anti-ideal noktası olur. Kesin VIKOR'daki gibi hayali bir uç değil, kümenin kendi içinden seçilmiş gerçek bir satırdır bu.
Grup faydası ve bireysel pişmanlık. Her seçeneğin her kriterdeki ideale uzaklığı, o kriterin ideal ile anti-ideal arasındaki uzaklığa bölünerek 0 ile 1 arasına getirilir. Bu oranlar ağırlıklarla çarpılıp toplanınca grup faydası (S) çıkar; en büyüğü alınınca bireysel pişmanlık (R) çıkar. Buraya kadarki mantık kesin VIKOR ile aynıdır; farklı olan yalnızca uzaklığın iki nokta arasında değil, üç dereceli üçlüler arasında ölçülmesidir.
Sonuç ve durulaştırma. Uzlaşma indeksi Q, S ve R'den kesin VIKOR'daki gibi kurulur ve iki koşulla (kabul edilebilir avantaj, kabul edilebilir istikrar) sınanır. Sonuç yine bir sıra ya da bir uzlaşma kümesidir. Belirsizlik durulaştırılmaz; ideal ve anti-ideal noktalar seçilirken ve uzaklıklar hesaplanırken üç derecenin tamamı kullanılır.
DecisionMind bu üyede ideal ve anti-ideal noktaların kümenin gerçek satırlarından seçilmesini sabit tutar; hayali bir köşe kurulmaz.
Çıktı Nasıl Yorumlanır?
S, R ve Q üçlüsü kesin VIKOR'daki gibi okunur: S toplam uzaklığı, R en kötü kriterdeki uzaklığı, Q ikisinin dengesini anlatır. Asıl sonuç Q sırası değil, iki koşulun verdiği karardır; tek bir uzlaşma çözümü mü var, yoksa bir uzlaşma kümesi mi var, bu ayrım burada da geçerlidir.
Farklı olan şudur: ideal ve anti-ideal noktalar artık kümenin kendi satırlarından seçilir. Bu noktalar oy dağılımındaki çekimser payını da taşır. Bir seçenek bir kriterde en yüksek desteğe sahip olsa bile, o kriterdeki çekimser payı büyükse ideal noktanın kendisi de belirsizlik taşır ve bu belirsizlik S ve R'ye yansır.
Bu nedenle:
"VIKOR'a göre en iyi seçenek A1'dir"
yerine:
"Bu ağırlıklar ve bu oy dağılımıyla A1 tek uzlaşma çözümüdür; hem grup faydasında hem bireysel pişmanlıkta birincidir ve ikinci seçenekle arasındaki fark kabul eşiğinin üstündedir"
biçiminde yazmak doğrudur. Koşullardan biri sağlanmıyorsa uzlaşma kümesi olduğu gibi yazılır.
Ne Zaman Temel Yöntem Yerine Bu?
Kriter değerlendirmeleri bir kurulun ya da anketin evet, çekimser, hayır oy dağılımından geliyorsa ve birden fazla tarafın çıkarı çatışıyorsa bu uzantı kullanılır. VIKOR'un "en az itiraz alacak seçenek" felsefesi burada da geçerlidir; fark yalnız girdinin oy dağılımı biçiminde toplanmış olmasıdır. 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. Küresel bulanık ve Pisagor bulanık veri türleri benzer üçlü ya da çift yapılar kullanır, ama kısıt biçimleri farklıdır; o kartlara bakılmalıdır.
Çıkış koşulu kesin VIKOR ile aynıdır. Bir kriterde hiç taviz kabul edilmiyorsa VIKOR (ve bu uzantısı) pişmanlığı sınırlar ama sıfırlamaz; kesin eleme gerekiyorsa üstünlük yöntemlerine bakılmalıdır.
Bu Uzantıya Özgü Hatalar
Değer uzayı ihlali. Her hücrede destek, çekimser ve ret toplamı 1'i aşmamalıdır. Bu kontrol ideal ve anti-ideal noktalar seçilmeden önce yapılmalıdır.
Durulaştırma yöntemini gerekçesiz değiştirmek. Skor fonksiyonu olarak destek eksi ret kullanılması yerleşik bir tercihtir, ama başka fonksiyonlar da tanımlanabilir. Hangi fonksiyon seçilirse seçilsin, aynı analizin tüm adımlarında aynı fonksiyon kullanılmalıdır; adım ortasında değiştirmek sıralamayı bozar.
Maliyet kriterini tamamlamayı unutmak. Maliyet yönlü bir kriterde destek ve ret yer değiştirilmeden bırakılırsa, o kriterde yüksek desteğe sahip olan (yani pahalı olan) seçenek ideal sayılır ve sıra tersine döner.
Yalnız Q'su en küçük seçeneği raporlamak. VIKOR'un tanımlayıcı özelliği uzlaşma kümesidir, tek kazanan değildir. İki koşul kontrol edilmeden yalnız Q sırası verilirse yöntem yanlış uygulanmış olur.
Önce durulaştırıp sonra kesin VIKOR koşturmak. Üç dereceyi baştan tek bir sayıya indirip kesin yöntemi uygulamak bu uzantı değildir. Çekimser ve karşı oy bilgisi ilk adımda silinir.
Temel ilke şudur:
Resim bulanık VIKOR, bir kurulun ya da anketin oy dağılımındaki çekimser payını ideal ve anti-ideal noktalara kadar taşımak içindir. Dereceyi uyduran ya da girdiyi baştan kesinleştiren her uygulama yöntemin tek katkısını yok eder.
Vakalar
Birinci vaka literatür vakasıdır. Fan, Han ve Wu'nun (2023) yeşil tedarikçi seçimi örneğidir; tablo ve ağırlıklar makaleden alınmıştır. Sonuç sayıları DecisionMind'ın PIF-VIKOR motorunun bağımsız olarak yeniden çalıştırılmasıyla doğrulanmıştır. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: Altı tedarikçi arasında yeşil tedarikçi seçimi (Fan, Han ve Wu, 2023)
Bir üretici altı tedarikçi adayını (A1-A6) dört kriterde değerlendirir. C1 (birim maliyet) ve C2 (karbon ayak izi) "azı iyi"dir; C3 (çevre yönetim puanı) ve C4 (yeşil inovasyon puanı) "çoğu iyi"dir. Her hücre uzman kurulunun o tedarikçiyi o kriterde ne kadar desteklediğine dair oy dağılımını taşır. Ağırlıklar C1 için 0,328, C2 için 0,07, C3 için 0,274, C4 için 0,328'dir; v uzlaşma katsayısı 0,5'tir.
| Tedarikçi | C1 (maliyet) | C2 (karbon) | C3 (çevre yönetimi) | C4 (yeşil inovasyon) |
|---|---|---|---|---|
| A1 | (0,10; 0,29; 0,60) | (0,07; 0,27; 0,61) | (0,35; 0,26; 0,27) | (0,43; 0,32; 0,15) |
| A2 | (0,09; 0,29; 0,52) | (0,22; 0,21; 0,55) | (0,43; 0,23; 0,22) | (0,21; 0,22; 0,46) |
| A3 | (0,34; 0,35; 0,24) | (0,71; 0,18; 0,05) | (0,27; 0,25; 0,47) | (0,19; 0,43; 0,31) |
| A4 | (0,23; 0,32; 0,42) | (0,26; 0,32; 0,37) | (0,47; 0,26; 0,25) | (0,32; 0,33; 0,28) |
| A5 | (0,19; 0,35; 0,28) | (0,46; 0,26; 0,16) | (0,30; 0,24; 0,40) | (0,28; 0,33; 0,35) |
| A6 | (0,43; 0,32; 0,20) | (0,34; 0,34; 0,27) | (0,45; 0,26; 0,21) | (0,44; 0,25; 0,19) |
| Yön | azı iyi | azı iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,328 | 0,07 | 0,274 | 0,328 |
Yöntem önce iki maliyet kriterini tamamlar, sonra her kriterde kümenin kendi satırlarından ideal ve anti-ideal noktaları seçer. Her tedarikçinin grup faydasını (S) ve bireysel pişmanlığını (R) hesaplar, ikisini v=0,5 ile birleştirip uzlaşma indeksini (Q) kurar.
| Tedarikçi | S | R | Q | Sıra |
|---|---|---|---|---|
| A1 | 0,1717 | 0,0974 | 0,0000 | 1 |
| A4 | 0,3888 | 0,1795 | 0,3050 | 2 |
| A6 | 0,3649 | 0,3280 | 0,5957 | 3 |
| A2 | 0,4180 | 0,3280 | 0,6290 | 4 |
| A5 | 0,7157 | 0,2475 | 0,6500 | 5 |
| A3 | 0,9692 | 0,3404 | 1,0000 | 6 |
Sonuç şöyle okunur. A1 hem toplam faydada hem en kötü kriterdeki pişmanlıkta birincidir; maliyeti en düşük, karbon ayak izini de en düşük seçeneklerdendir. İki koşul da sağlanır: A1 ile ikinci sıradaki A4 arasındaki Q farkı eşiğin üstündedir ve A1 ayrıca S'ye göre de birincidir. Tek uzlaşma çözümü A1'dir.
Kurulun tereddüdü şudur: uzlaşma katsayısı v, 0,5'ten 0,3'e çekilip bireysel pişmanlığa daha çok ağırlık verilse, A6'nın Q'su 0,7370'e çıkar ve A3 hâlâ sonda kalır, ama A1 yine birincidir. Buna karşılık maliyet kriterinin ağırlığı 0,328'den 0,5'e çıkarılıp yeşil inovasyonun ağırlığı 0,328'den 0,156'ya indirilirse, A1 yine birinci kalır fakat A2 ile arasındaki fark daralır ve kabul edilebilir avantaj koşulu bozulur; bu durumda uzlaşma kümesi A1 ile A2'den oluşur. Demek ki A1'in birinciliği sağlamdır, ama tek çözüm mü yoksa küme mi olduğu ağırlık dağılımına duyarlıdır.
Raporda: "Verilen ağırlıklarla ve v=0,5 ile A1 tek uzlaşma çözümüdür (Q=0,000); her iki koşul da sağlanmaktadır. Maliyet kriterinin ağırlığı belirgin biçimde artırılırsa kabul edilebilir avantaj koşulu bozulmakta ve uzlaşma kümesi A1 ile A2'den oluşmaktadır."
Kaynak: Fan, Han ve Wu (2023), Tablo 1 (girdi matrisi), Tablo 4 (ağırlıklar) ve Tablo 8 (S, R, Q). S, R ve Q değerleri bu kartın yazarınca kernel ile bağımsız olarak yeniden hesaplanmış, manifestteki beklenen sonuçlarla 1e-6 toleransla örtüştüğü doğrulanmıştır. Makalenin kendi basılı Tablo 8'i birkaç hücrede bu sonuçlardan az miktarda farklıdır; kart makalenin basılı sayılarını değil, algoritmanın yeniden hesabını kullanır.
2. Kültür ve Sanat: Üç tarihi yapının restorasyon önceliği
Bir kültür ve turizm müdürlüğü, tarihi kent merkezinde restore edilecek üç yapı arasında öncelik sırası belirleyecektir. Dört kriter vardır: maliyet uygunluğu, tarihi özgünlük koruma, turistik cazibe artışı ve yapısal güvenlik; dördü de "çoğu iyi"dir. Maliyet uygunluğunu bütçe komisyonu oylar, tarihi özgünlüğü uzman kurul oylar, turistik cazibeyi yerel işletmecilere yapılan anket ölçer, yapısal güvenliği mühendis kurulu oylar. Müdürlük tarihi özgünlüğe en yüksek ağırlığı vermiştir: maliyet 0,20, özgünlük 0,35, cazibe 0,25, güvenlik 0,20; v uzlaşma katsayısı 0,5'tir.
Yöntem üç yapının S, R ve Q değerlerini hesaplar. Diyelim ki A1 yapısı hem toplam faydada hem en kötü kriterdeki pişmanlıkta birinci çıktı ve Q'su 0,143 oldu; A3 yapısı 0,229 ile ikinci, A2 yapısı 1,000 ile üçüncü sırada kaldı. İki koşuldan istikrar koşulu sağlanır (A1 ayrıca S'ye göre de birincidir), ama kabul edilebilir avantaj koşulu sağlanmaz, çünkü üç seçenek için eşik 0,5'tir ve A1 ile A3 arasındaki fark yalnızca 0,086'dır. Uzlaşma kümesi A1 ve A3'ten oluşur.
Müdürlüğün tereddüdü şudur: uzlaşma katsayısı v 0,5'ten 0,3'e çekilip azınlığın pişmanlığına daha çok ağırlık verilse, A3 öne geçer ve Q'su 0,137'ye iner, A1'in Q'su 0,200'e çıkar. Demek ki A1 ile A3 arasındaki öncelik, v katsayısının nasıl seçildiğine bağlıdır ve bu bir tercihtir; müdürlük bu tercihi raporda açıkça belirtmelidir.
Raporda: "Verilen ağırlıklarla ve v=0,5 ile kabul edilebilir avantaj koşulu sağlanmamış, uzlaşma kümesi A1 ve A3 yapılarından oluşmuştur. Uzlaşma katsayısı azınlığın pişmanlığına daha çok ağırlık verecek biçimde düşürüldüğünde A3 öne geçmektedir."
3. Yapılmaması Gereken
Öğretici örnekte C1 (maliyet) kriteri tamamlanmadan, yani destek ve ret yer değiştirilmeden bırakılsaydı, en pahalı tedarikçi bu kriterde ideal sayılırdı ve A1'in düşük maliyetten kazandığı üstünlük tersine dönerdi. İkinci yanlış, uzlaşma katsayısını 0 ya da 1 seçmektir; bu uçlarda yöntem yalnız pişmanlığa ya da yalnız toplam faydaya bakar ve uzlaşma yöntemi olmaktan çıkar. Üçüncü yanlış, A1'in Q=0,000 değerini "kusursuz tedarikçi" diye raporlamaktır; Q yalnız bu altı tedarikçiyi birbirine göre konumlar.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/pif-vikor
Fan, J., Han, D., & Wu, M. (2023). Picture fuzzy Additive Ratio Assessment Method (ARAS) and VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) method for multi-attribute decision problem and their application. Complex & Intelligent Systems, 9(5), 5345–5357. DOI: 10.1007/s40747-023-01007-5
Opricovic, S. (1998). Multicriteria Optimization of Civil Engineering Systems. Doktora tezi, Belgrad Üniversitesi İnşaat Fakültesi. (DOI yok)
Cuong, B. C., & Kreinovich, V. (2013). Picture fuzzy sets — A new concept for computational intelligence problems. 2013 Third World Congress on Information and Communication Technologies (WICT 2013), 1–6. DOI: 10.1109/WICT.2013.7113099
Cuong, B. C. (2014). Picture fuzzy sets. Journal of Computer Science and Cybernetics, 30(4), 409–420. DOI: 10.15625/1813-9663/30/4/5032