Uzantı kartı · q-Rung ortopair
q-Rung ortopair TOPSIS (Pinar ve Boran, 2020)
TOPSIS'in, uzmanın bir yargıya hem güçlü destek hem güçlü çekince verdiği ve bu ikisinin toplamının sezgisel ya da Pisagor sınırını aştığı durumlar için biçimidir; sonucu yine tek bir yakınlık puanıyla sıralar.
Temel yöntem
TOPSIS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
q-Rung ortopair (q-Rung Orthopair) →
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 TOPSIS'te her hücre tek sayıdır. Burada her hücre bir çifttir: destek derecesi μ ve ret derecesi ν. Bu iki derecenin q'nuncu kuvvetlerinin toplamı 1'i geçemez. q'yu kullanıcı seçmez; yöntem q = 3 ile çalışır ve bu değer DecisionMind'da sabittir. Ağırlıklar tek sayı olarak dışarıdan gelir; yöntem ağırlık üretmez.
Ölçek eşitleme. Kesin TOPSIS'te sütunlar karelerinin toplamının köküne bölünür. Burada böyle bir bölme yoktur. Maliyet kriterinde yöntem çifti tersine çevirir: destek ve ret dereceleri yer değiştirir. Böylece her kriter fayda yönünde okunur ve sonraki adımlar tek bir yönle ilerler.
Uzaklık. Ağırlıklama adımından sonra her kriterde en iyi çift ve en kötü çift belirlenir. Her seçeneğin bu iki çifte uzaklığı, destek, ret ve kararsızlık bileşenlerinin üçü birden hesaba katılarak ölçülür. Kesin TOPSIS'te tek sayıların düz çizgi uzaklığı vardı. Burada üç bileşenli bir uzaklık vardır ve kararsızlık payı da uzaklığa girer.
Sonuç ve durulaştırma. Yakınlık puanı aynı tanımı taşır: anti-ideale uzaklığın iki uzaklığın toplamına oranı. Sonuç 0 ile 1 arasında tek bir sayıdır. Yöntem belirsizliği baştan atmaz. Belirsizlik uzaklık hesabına kadar taşınır ve puan orada tek sayıya iner.
DecisionMind bu yöntemde standart q-ROF Öklid uzaklığını sabit tutar. Literatürde farklı bir uzaklık ölçüsü de önerilmiştir ve o ölçü farklı büyüklük, hatta farklı sıra verebilir. Ağırlıklar dışarıdan ve tek sayı olarak alınır.
Çıktı Nasıl Yorumlanır?
Yakınlık puanı kesin TOPSIS'teki gibi okunur: yüzde değildir, başka bir analizle karşılaştırılmaz, seçenek kümesi değişince ideal nokta kayar ve sıra değişebilir. Fark şurada. Puanın altında artık bir de destek ile ret arasındaki gerilim vardır ve puan bu gerilimi gösterip göstermediğini söylemez.
İki seçeneğin puan farkı, girdi çiftlerinin ne kadar keskin olduğuna bağlıdır. Bir uzman aynı yargıya hem yüksek destek hem yüksek çekince verdiyse, bu ikilik hesaba girer ama raporda görünmez hale gelir. Bu yüzden rapor yalnız puanı değil, hangi kriterde destek ile ret arasındaki farkın küçük olduğunu da göstermelidir.
Bu nedenle:
"q-Rung TOPSIS belirsizliği modellediği için sonuç daha isabetlidir"
yerine:
"Uzmanın hem güçlü destek hem güçlü çekince verdiği kriterler ayrı ayrı işaretlenmiş, yakınlık puanı bu kriterlerin ağırlığına duyarlı çıkmıştır"
biçiminde yazmak doğrudur. Belirsizliği taşımak sonucu kesinleştirmez, sadece gizli kalmasını önler.
Ne Zaman Temel Yöntem Yerine Bu?
Uzman bir yargıya hem güçlü destek hem güçlü çekince veriyorsa ve bu çift sezgisel ile Pisagor sınırının ikisini de aşıyorsa bu uzantı kullanılır. Hangi çiftin hangi sınırı aştığını q-Rung veri türü kartındaki kısa karar kuralı gösterir. Çift zaten sezgisel ya da Pisagor sınırına sığıyorsa q'yu büyütmek gerekmez; büyük q ayırt ediciliği azaltır, doğruluğu artırmaz.
Ölçülmüş bir kriteri bu biçime çevirmek yanlıştır. DecisionMind'da tablo tek türde olmak zorundadır. Bir kısım kriter ölçülmüşse ve bir kısmı yargıya dayalıysa hepsi aynı veri türüne yazılır. Ölçülmüş kriter sabit bir çift olarak girilir ve bu çiftte belirsizlik yoktur. Temel TOPSIS'in çıkış koşulu burada da geçerlidir: bir kriterde hiç taviz kabul edilmiyorsa TOPSIS ailesi doğru seçim değildir.
Bu Uzantıya Özgü Hatalar
Kısıtı kontrol etmeden veri girmek. Her hücrede destek ve ret derecelerinin üçüncü kuvvetlerinin toplamı 1'i geçemez. Bu kontrol hesaptan önce yapılır, sonra değil.
Uzaklık ölçüsünü değiştirip aynı sonucu beklemek. DecisionMind standart q-ROF Öklid uzaklığını kullanır. Literatürdeki alternatif bir uzaklık formülü farklı puan, bazı tablolarda farklı sıra verir. Hangi uzaklığın kullanıldığı raporda belirtilmelidir.
Maliyet yönünü iki kez çevirmek. Yöntem maliyet kriterinde destek ile ret derecesini yer değiştirir. Bu çevirmeyi bir kez daha ideal nokta seçiminde tekrarlamak yönü baştan sona bozar ve sıra tersine döner.
Önce durulaştırıp sonra kesin TOPSIS koşturmak. Aşağıdaki öğretici örnekte bu yol A1'i ve A2'yi birbirine daha da yakın gösterir; gerçek fark küçülür ya da büyür, ama her durumda yapay bir sayıdır.
Temel ilke şudur:
q-Rung ortopair TOPSIS, destek ile ret arasındaki gerilimi son adıma kadar taşımak içindir. Ret derecesini yok sayan ya da kısıtı denetlemeyen her uygulama bu katkıyı siler.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Üç seçenek her kriterde birbirini sıkı sıkıya geçtiği için ölçüt seçimi ne olursa olsun sıra aynı çıkar. Bu örnek kitap ya da makale sayfasından alınmamıştır; motorun kendisi çalıştırılarak üretilmiştir. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: Üç adayın üç kriterde değerlendirilmesi (DecisionMind'ın doğrulama örneği)
Üç kriterin üçü de fayda yönündedir ve ağırlıkları sırasıyla 0,40, 0,35 ve 0,25'tir. A1'in her kriterdeki destek derecesi A2'ninkinden yüksek, ret derecesi A2'ninkinden düşüktür. Aynı ilişki A2 ile A3 arasında da geçerlidir.
| Aday | C1 (μ, ν) | C2 (μ, ν) | C3 (μ, ν) |
|---|---|---|---|
| A1 | 0,90 · 0,20 | 0,85 · 0,30 | 0,80 · 0,40 |
| A2 | 0,70 · 0,40 | 0,65 · 0,50 | 0,60 · 0,55 |
| A3 | 0,50 · 0,55 | 0,45 · 0,60 | 0,40 · 0,65 |
| Yön | çoğu iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem her sütunu ağırlığıyla çarpar, sonra ideal çifti ve anti-ideal çifti kurar. A1 her kriterde en yüksek destek ve en düşük ret derecesine sahip olduğu için ideal noktaya oturur. Sonra her adayın bu iki uca uzaklığı ölçülür ve yakınlık puanı hesaplanır.
| Aday | Yakınlık puanı | Sıra |
|---|---|---|
| A1 | 1,000 | 1 |
| A2 | 0,360 | 2 |
| A3 | 0,000 | 3 |
Sonuç şöyle okunur. A1 her kriterde hem daha yüksek destek hem daha düşük ret aldığı için tam ideale oturur ve puanı 1'dir. A3 tam tersi konumdadır ve puanı 0'dır. A2 arada kalır ve puanı 0,360'tır; bu, A2'nin ideale ne kadar uzak olduğunu gösterir, bir yüzde değildir.
Ağırlıklar yer değiştirse, yani en ağır kriter üçüncü olsa, A2'nin puanı 0,359'a iner ve sıra değişmez. Bu örnekte sıra ağırlık takasına dayanıklıdır, çünkü her aday her kriterde diğerini komşusunun önünde geçer. Sıradaki dayanıklılık, veri kümesinin özel bir tasarımından gelir; her tabloda böyle bir dayanıklılık beklenmemelidir.
Raporda: "Üç aday arasında A1 her kriterde daha yüksek destek ve daha düşük ret derecesiyle ideale tam oturmuştur. A2 0,360 puanla ikincidir ve ağırlık takasında sıra değişmemektedir."
Kaynak: DecisionMind'ın QR-TOPSIS motoru için doğrulama örneği. Sayılar, manifestteki adımların bağımsız olarak Python'da yeniden yazılmasıyla hesaplanmış ve motorun kendi çıktısıyla eşleştirilmiştir.
2. İnşaat: Üç ana taşeron arasında seçim
Bir yüklenici üç ana taşeron adayı arasında seçim yapacaktır. Üç kriter belirlenmiştir: teknik yeterlilik, iş güvenliği geçmişi ve gecikme riski. Gecikme riski azı iyi bir kriterdir. Taşeronların her kriterdeki uygunluğu, teknik ekip ile denetim ekibinin ayrı ayrı verdiği destek ve çekince puanlarından bir çifte dönüştürülmüştür.
| Taşeron | Teknik yeterlilik | İş güvenliği | Gecikme riski |
|---|---|---|---|
| T1 | 0,85 · 0,35 | 0,75 · 0,30 | 0,30 · 0,80 |
| T2 | 0,70 · 0,50 | 0,65 · 0,45 | 0,45 · 0,65 |
| T3 | 0,55 · 0,65 | 0,50 · 0,60 | 0,60 · 0,45 |
| Yön | çoğu iyi | çoğu iyi | azı iyi |
| Ağırlık | 0,45 | 0,30 | 0,25 |
Yöntem önce gecikme riski sütununda destek ile ret derecesini yer değiştirir, çünkü bu kriter azı iyi bir kriterdir. Sonra ağırlıklar, ideal çift ve anti-ideal çift kurulur ve her taşeronun uzaklığı ölçülür.
| Taşeron | Yakınlık puanı | Sıra |
|---|---|---|
| T1 | 1,000 | 1 |
| T2 | 0,476 | 2 |
| T3 | 0,000 | 3 |
Yüklenicinin tereddüdü şudur. Ağırlıklar yer değiştirse, yani gecikme riski en ağır kriter olsa, T2'nin puanı 0,489'a çıkar ama sıra değişmez. T1'in üç kriterde de hem daha yüksek destek hem daha düşük ret alması, sırayı ağırlık tercihlerinden bağımsız kılmıştır. Yüklenici yine de T1'in iş güvenliği puanındaki 0,30'luk ret derecesinin nereden geldiğini raporda açmalıdır; bu, denetim ekibinin hâlâ taşıdığı bir çekincedir.
Raporda: "T1, teknik ve güvenlik kriterlerinde hem daha güçlü destek hem daha düşük ret derecesiyle ideale en yakın taşerondur. Ağırlık takasında sıra değişmemekte, ancak T1'in güvenlik kriterindeki çekince payı 0,30 ile raporda ayrıca not edilmektedir."
3. Yapılmaması Gereken
Öğretici örnekte ret derecesi yok sayılıp yalnız destek dereceleriyle klasik TOPSIS koşturulursa A2'nin puanı 0,360 yerine 0,500 çıkar. Sıra değişmez ama A1 ile A2 arasındaki fark gerçek değerinden farklı gösterilmiş olur. İkinci yanlış, gecikme riski gibi bir maliyet kriterinde destek ile ret derecesini yer değiştirmeyi unutmaktır; bu durumda gecikmesi en yüksek taşeron ideal seçenek gibi görünür. Üçüncü yanlış, tabloya q = 3 kısıtını sağlamayan bir çift eklemektir. Örneğin destek 0,95 ve ret 0,80 gibi bir çiftin küpleri toplamı 1'i geçer ve hesap geçersiz bir noktadan başlar.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/qr-topsis
Pinar, A., & Boran, F. E. (2020). A q-rung orthopair fuzzy multi-criteria group decision making method for supplier selection based on a novel distance measure. International Journal of Machine Learning and Cybernetics, 11(8), 1749–1780. DOI: 10.1007/s13042-020-01070-1
Yager, R. R. (2017). Generalized orthopair fuzzy sets. IEEE Transactions on Fuzzy Systems, 25(5), 1222–1230. DOI: 10.1109/TFUZZ.2016.2604005
Liu, P., & Wang, P. (2018). Some q-rung orthopair fuzzy aggregation operators and their applications to multiple-attribute decision making. International Journal of Intelligent Systems, 33(2), 259–280. DOI: 10.1002/int.21927
Hwang, C. L., & Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications — A State-of-the-Art Survey. Lecture Notes in Economics and Mathematical Systems, Vol. 186. Springer-Verlag. DOI: 10.1007/978-3-642-48318-9
Kuvvetli, B. İ. (2023). Q-ROF TOPSIS ve Q-ROF CoCoSo Yöntemleriyle Petrol İstasyonu Yer Seçimi. Mühendislik Bilimleri ve Tasarım Dergisi, 11(4), 1294–1309. DOI: 10.21923/jesd.1245703