Uzantı kartı · q-Rung ortopair
q-Rung ortopair WPM
q-Rung ortopair WPM, uzmanın bir yargıya hem güçlü destek hem güçlü çekince verdiği durumlar için WPM biçimidir. Bu ikisinin toplamı sezgisel ya da Pisagor sınırını aşar. Çıktısı yine tek bir puan ve bu puana göre sıradır.
Temel yöntem
WPM →
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?
Üç şey değişir. Çarpımsal mantık değişmez.
Hücreler. Kesin WPM'de her hücre tek, kesinlikle pozitif bir sayıdır. Burada her hücre bir çifttir: destek derecesi μ, ret derecesi ν. İki derecenin q'nuncu kuvvetlerinin toplamı 1'i geçemez. q'yu kullanıcı seçmez; DecisionMind bu ailede q = 3 ile çalışır, bu değer sabittir ve girişte denetlenir. Ağırlıklar kesin sayı olarak dışarıdan gelir.
Ölçek eşitleme. Kesin WPM'de her sütun kendi en iyi değerine oranlanır. q-Rung hücreler zaten 0 ile 1 arasında ve q ile sabitlenmiş bir ölçekte tanımlıdır. Ayrı bir oranlama adımına gerek yoktur. Bunun yerine yöntem, azı iyi kriterlerde destek ile ret derecesini yer değiştirir: (μ, ν) yerine (ν, μ) yazılır. Bu tersine çevirme, o kriteri fayda yönüne çevirir ve sonraki adım tek bir yönle ilerler.
Ağırlıklı çarpım. Kesin WPM'nin ikinci adımı, her sütunu ağırlığı kadar kuvvete yükseltip çarpmaktır. Burada bu iş q-ROFWG adlı ağırlıklı geometrik operatörle yapılır: birleşik destek μ̃ = Πμ_j^{w_j} olarak doğrudan bir ağırlıklı çarpımdır, tıpkı kesin WPM'nin kendisi gibi. Birleşik ret ise ν̃ = (1 − Π(1−ν_j^q)^{w_j})^{1/q} olarak, q'nuncu kuvvetler üzerinden tamamlayıcı bir çarpımla hesaplanır. WPM'nin "ağırlıklı çarpım" ilkesi, μ tarafında birebir korunur; ν tarafında q-Rung kısıtını bozmayacak bir biçime bürünür.
Sonuç ve durulaştırma. Birleşik çift (μ̃, ν̃) elde edildikten sonra, tek bir skor fonksiyonuyla puana indirilir: S = (1 + μ̃^q − ν̃^q) / 2. Bu formül, PF-WPM'nin s = μ²−ν² skorundan farklı olarak bir kaydırma taşır. μ̃^q − ν̃^q farkı −1 ile 1 arasında değişebilir. Buna +1 eklenip 2'ye bölünmesi, puanı her zaman 0 ile 1 arasına yerleştirir. Bu kaydırma sıralamayı değiştirmez, çünkü fark üzerinde artan bir doğrusal dönüşümdür. Yalnız puanı, negatif de olabilen bir fark yerine 0-1 aralığında okunabilir bir sayıya çevirir. DecisionMind bu ailede q = 3'ü ve bu skor fonksiyonunu sabit tutar.
Çıktı Nasıl Yorumlanır?
Puan kesin WPM'deki gibi okunur: yalnız bu seçenek kümesini sıralar, yüzde ya da olasılık değildir, başka bir analizle karşılaştırılmaz. Fark şurada. Puan 0 ile 1 arasında olsa da bu, "yüzde kaç iyi" anlamına gelmez; yalnız μ̃^q − ν̃^q farkının okunabilir bir aralığa taşınmış hâlidir.
Bu nedenle:
"QR-WPM puanı 0-1 arasında olduğu için doğrudan bir yüzde gibi okunabilir"
yerine:
"Puan, destek ile ret arasındaki farkın 0-1 aralığına kaydırılmış hâlidir; 0,60 gibi bir değer yüzde 60 uygunluk değil, yalnızca bu seçenekler arasındaki bir sıralama konumu anlamına gelir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzman bir yargıya hem güçlü destek hem güçlü çekince veriyorsa ve bu çift hem sezgisel hem Pisagor sınırını aşıyorsa bu uzantı kullanılır. Hangi çiftin hangi sınırı aştığı q-Rung veri türü kartındaki kısa karar kuralında gösterilir. Çift zaten sezgisel ya da Pisagor sınırına sığıyorsa q'yu büyütmeye gerek yoktur; büyük q ayırt ediciliği azaltır, doğruluğu artırmaz.
Ölçülmüş bir kriteri bu biçime çevirmek yanlıştır. DecisionMind'da tablo tek türde olmak zorundadır. Kesin WPM'nin sertliği burada da sürer. μ̃ doğrudan bir çarpım olduğu için, bir kriterde μ sıfıra yakınsa o kriterin ağırlığı küçük bile olsa birleşik değeri sert biçimde aşağı çeker.
Bu Uzantıya Özgü Hatalar
Kısıtı kontrol etmeden veri girmek. Her hücrede destek ve ret derecelerinin üçüncü kuvvetlerinin toplamı 1'i geçemez; geçen bir hücre yüklenirken reddedilir, hesaba hiç girmez.
q-ROFWG'yi basit bir ağırlıklı ortalamayla karıştırmak. μ ve ν'yü ayrı ayrı w_j ile çarpıp toplamak kesin WPM'nin kendisine değil SAW'a benzer. Bu, q-Rung kısıtını bozabilir ve yöntemin tanımından sapar; birleştirme yalnız çarpım-kuvvet formülüyle yapılır.
Maliyet yönünü iki kez çevirmek. Yöntem maliyet kriterinde destek ile ret derecesini bir kez yer değiştirir. Bu çevirmeyi birleştirmeden sonra tekrarlamak yönü baştan sona bozar.
Kaydırılmış puanı (S) ham farkla (μ̃^q−ν̃^q) karıştırıp ayrı bir anlam yüklemek. İkisi aynı sıralamayı verir, çünkü biri diğerinin doğrusal bir dönüşümüdür. Kaydırma yalnız okunabilirlik içindir; puanın 0'dan büyük çıkması seçeneğin "iyi" olduğu, 0,5'in altında çıkması "kötü" olduğu anlamına gelmez, yalnız bu seçenek kümesi içindeki sırayı gösterir.
Temel ilke şudur:
q-Rung ortopair WPM'de μ̃, kesin WPM'nin ağırlıklı çarpımını birebir taşır; ν̃ q-Rung kısıtına uydurulmuş bir tamamlayıcı çarpımdır. Nihai puan bu farkın 0-1 aralığına kaydırılmış hâlidir, farklı bir hesaplama ilkesi değildir.
Vakalar
Birinci vaka literatür kaynaklıdır; sayılar yayımlanmış bir makalenin kendi tablosundan alınmıştır, ancak makale bu tabloyu WPM için değil kendi yöntemi (MABAC) için yayımlamıştır. İkinci vaka öğretici bir kurgudur.
1. Literatür örneği: Beş yatırım adayının dört ölçütte değerlendirilmesi (Wang, Wei, Wei ve Wei, 2020)
Wang ve arkadaşlarının (2020) makalesi, kendi Bölüm 6.1 sayısal örneğinde beş yatırım adayını (A1-A5) dört ölçütte (G1, G3, G4 çoğu iyi; G2 azı iyi) q-Rung ortopair çiftlerle değerlendirir. Bu adayların q-ROFWG ile birleştirilmiş çiftlerini ve skorlarını Tablo 2 ile Tablo 3'te yayımlar. Makale bu sayıları kendi yöntemi olan MABAC için kullanır. DecisionMind, q-ROFWG birleştirmesinin WPM'nin ağırlıklı çarpımıyla aynı işlem olmasından yararlanarak bu tabloyu bir çapa (anchor) olarak kullanır. Bağımsız bir q-Rung WPM makalesi literatürde bulunamamıştır (2026-08-12 taramasında; tek adanmış makale geri çekilmiştir, bkz. onay notları). Adayların hangi somut yatırım türünü temsil ettiği makalenin erişilemeyen tam metninde kalmaktadır; bu kart yalnız yayımlanmış sayıları kullanır.
| Aday | G1 (μ, ν) | G2 azı iyi (μ, ν) | G3 (μ, ν) | G4 (μ, ν) |
|---|---|---|---|---|
| A1 | (0,658; 0,4404) | (0,5774; 0,399) | (0,3989; 0,5046) | (0,4794; 0,3086) |
| A2 | (0,7332; 0,3412) | (0,2992; 0,5395) | (0,6314; 0,222) | (0,579; 0,19) |
| A3 | (0,5298; 0,7759) | (0,7988; 0,4124) | (0,4549; 0,4913) | (0,5652; 0,3976) |
| A4 | (0,3801; 0,5146) | (0,6242; 0,3597) | (0,4462; 0,4099) | (0,5074; 0,3984) |
| A5 | (0,7799; 0,5236) | (0,5404; 0,4393) | (0,6326; 0,6641) | (0,4462; 0,4579) |
| Ağırlık | 0,16 | 0,32 | 0,28 | 0,24 |
Yöntem G2'de destek ile ret derecesini yer değiştirir, her adayın dört ölçütteki çiftini q-ROFWG ile tek bir çifte indirir (q = 3) ve S = (1+μ̃³−ν̃³)/2 skoruna iner.
| Aday | Puan (S) | Sıra |
|---|---|---|
| A2 | 0,5994 | 1 |
| A1 | 0,4858 | 2 |
| A5 | 0,4857 | 3 |
| A4 | 0,4678 | 4 |
| A3 | 0,3959 | 5 |
Sonuç şöyle okunur. A2, en ağırlıklı ölçüt olan G2'de (azı iyi, ağırlık 0,32) en düşük ham değere, yani çevrildikten sonra en yüksek desteğe sahiptir; bu üstünlük toplamı taşır. A1 ile A5'in puanları birbirine çok yakındır (0,4858'e karşı 0,4857). Makalenin kendisi de bu iki adayın sırasının Tablo 3'ün farklı bir sütununda (q-ROFWA ile) A5-A1, q-ROFWG sütununda ise A1-A5 olduğunu ayrı ayrı bildirir.
Kurulun tereddüdü tam da bu yakınlıktadır. G1'in ağırlığı 0,16'dan 0,20'ye çıkarılıp G2'ninki 0,32'den 0,28'e düşürülürse (G3, G4 sabit) A5, A1'i geçer: A5 = 0,4914, A1 = 0,4909. Bu, Python ile ve motorun kendisi çalıştırılarak bağımsız olarak doğrulanmıştır. A2 bu değişiklikte de birinci kalır (0,6032).
Raporda: "Yayımlanmış ağırlıklarla A2 en yüksek puanı almıştır (0,5994). A1 ile A5 arasındaki fark ihmal edilebilir düzeydedir (binde birden küçük); G1-G2 ağırlığı hafifçe değiştiğinde bu ikisinin sırası tersine döner."
Kaynak: Wang, J., Wei, G., Wei, C., & Wei, Y. (2020). MABAC method for multiple attribute group decision making under q-rung orthopair fuzzy environment. Defence Technology, 16(2), 208–216. DOI: 10.1016/j.dt.2019.06.019 (Bölüm 6.1, Tablo 2-3). Puanlar makalenin kendi q-ROFWG sütunundan alınmıştır; DecisionMind'ın motoru bu sayıları bağımsız olarak yeniden üretmiştir (1e-3 tolerans içinde).
2. Telekomünikasyon: Bir operatörün 5G altyapı tedarikçisi seçimi
Bir mobil operatör, şebeke yenileme projesinde üç 5G altyapı tedarikçisinden (A1, A2, A3) birini seçecektir. Dört ölçüt vardır: kapsama performansı (çoğu iyi), veri hızı (çoğu iyi), tedarik zinciri riski (azı iyi), toplam sahip olma maliyeti (azı iyi). Teknik kurul her tedarikçiye duyduğu desteği ve çekinceyi bir q-Rung ortopair çiftle kaydetmiştir. Bazı tedarikçilerde iki değer birlikte çok yüksektir, çünkü tedarikçi hem üstün teknik performans hem ciddi bir jeopolitik tedarik riski taşımaktadır.
Yöntem iki maliyet ölçütünde destek ile ret derecesini yer değiştirir, dört ölçütün çiftlerini q-ROFWG ile birleştirir ve puanlar. Diyelim ki en yüksek veri hızına sahip tedarikçi aynı zamanda tedarik zinciri riskinde de en yüksek desteğe (çevrilmiş hâliyle) sahip çıktı ve birinci sırada yer aldı.
Operatörün tereddüdü şudur: tedarik zinciri riski ölçütündeki yüksek destek ve yüksek ret ikilisi, kurulun bu konuda kararsız kaldığını, henüz bağımsız bir denetimden geçmediğini gösterir. Puan bu ikiliği içeride eritir. Operatör, sıralamaya güvenmeden önce bu tedarikçiden bağımsız bir tedarik zinciri denetim raporu istemelidir.
Raporda: "Veri hızı ve kapsama performansı nedeniyle bir tedarikçi öndedir. Bu tedarikçinin tedarik zinciri riski ölçütünde hem destek hem çekince derecesi yüksek çıkmıştır; bu gerilim bağımsız bir denetimle netleştirilmeden sözleşme imzalanmamalıdır."
3. Yapılmaması Gereken
Birinci yanlış, literatür örneğinde ret derecesini yok sayıp yalnız destek dereceleriyle kesin WPM koşturmaktır. Bu durumda A2'nin puanı gerçek değerinden farklı çıkar ve A1 ile A5 arasındaki gerçek yakınlık görünmez olur. İkinci yanlış, G2 ölçütünde destek ile ret derecesini yer değiştirmeyi unutmaktır; bu durumda G2'de en yüksek ham desteğe sahip aday, aslında en maliyetli olduğu hâlde öne çıkar. Üçüncü yanlış, S = (1+μ̃³−ν̃³)/2 kaydırmasını atlayıp ham farkı (μ̃³−ν̃³) ayrı bir "ikinci skor" gibi rapor etmektir; ikisi aynı sırayı verir, ayrı bir yorum gerektirmez.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/qr-wpm
Miller, D. W., & Starr, M. K. (1969). Executive Decisions and Operations Research. Prentice-Hall. (DOI yok; kesin WPM'in temel kaynağıdır)
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
Wang, J., Wei, G., Wei, C., & Wei, Y. (2020). MABAC method for multiple attribute group decision making under q-rung orthopair fuzzy environment. Defence Technology, 16(2), 208–216. DOI: 10.1016/j.dt.2019.06.019