Uzantı kartı · Kaba küme
Kaba EDAS (Paul, Chakraborty ve Chakraborty, 2022)
Bu, EDAS'ın kriter puanlarının hem uzmanın kendi tereddüdünü hem uzmanlar arası anlaşmazlığı birlikte taşıması gereken durumlar için aralık-değerli kaba sayılarla çalışan biçimidir. Ortalamadan sapmayı iç içe iki aralıkla taşır, sonucu yine bir değerlendirme puanıyla verir.
Temel yöntem
EDAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Kaba küme (Rough) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Dört şey değişir; karar mantığı değişmez.
Hücreler. Kesin EDAS'ta her hücre tek sayıdır. Diğer kaba uzantılarda (Kaba TOPSIS, Kaba VIKOR gibi) hücre tek bir [alt, üst] aralığıdır. Kaba EDAS'ta hücre daha zengindir: [[alt-iç, üst-iç]; [alt-dış, üst-dış]] biçiminde, sınırların kendisi de birer aralık olan bir yapıdır. Veri türü kartında "aralık-değerli kaba sayı" diye anlatılan bu yapı, hem uzmanların kendi içindeki tereddüdünü (iç aralık) hem gruplar arası anlaşmazlığı (dış aralık) aynı anda taşır. Ağırlıklar da aynı iç içe biçimde, IRN-BWM adı verilen bir ayrı ağırlıklandırma adımından gelir.
Ortalama ve sapma. Kesin EDAS her kriterin ortalamasını bulur, her seçeneğin bu ortalamanın üstünde ve altında kalma miktarını ölçer. Kaba EDAS aynı iki adımı izler, ama hem ortalama hem sapma artık iç içe aralık aritmetiğiyle hesaplanır. Sapmanın hangi yönde (ortalamanın üstünde mi altında mı) sayılacağı burada da kriterin fayda mı maliyet mi olduğuna bağlıdır, tıpkı kesin EDAS'ta olduğu gibi.
Ağırlıklı toplam ve normalize etme. Kesin EDAS'ta lehte ve aleyhte toplamlar birer sayıdır. Kaba EDAS'ta ikisi de iç içe aralıktır: her seçeneğin sapması ağırlığıyla iç içe aralık biçiminde çarpılır ve toplanır, sonra kendi içindeki en büyük değere yine iç içe aralık biçiminde bölünerek 0 ile 1 bandına yaklaştırılır.
Sonuç ve durulaştırma. Kesin EDAS'ta değerlendirme puanı doğrudan tek sayıdır. Kaba EDAS'ta önce lehte ve aleyhte normalize değerlerin ortalaması alınarak bir değerlendirme skoru kurulur; bu skor da iç içe aralıktır. DecisionMind bu skorun dört sınırının ortalamasını alarak tek sayıya iner. Bu, yayımlanmış makalenin önerdiği daha ayrıntılı bir sınır-kesişim yönteminden farklı, daha basit bir durulaştırmadır ve aşağıdaki vakada sayıları gözle görülür biçimde etkiler.
Çıktı Nasıl Yorumlanır?
Değerlendirme puanının okunuşu temel EDAS'la aynıdır: yüksek puan iyidir, kümenin kendi ortalamasına göre bir konumu gösterir, başka bir analizle karşılaştırılmaz.
Fark şurada: puanın altında hem uzman içi tereddüt hem uzmanlar arası anlaşmazlık birlikte gizlidir. Ayrıca durulaştırma kuralı burada özellikle belirleyicidir; aynı iç içe aralık verisi farklı bir durulaştırma kuralıyla farklı bir puan sırası verebilir. Bu yüzden hangi durulaştırma kuralının kullanıldığı, kaba VIKOR ya da kaba MARCOS'takinden daha fazla önem taşır.
Bu nedenle:
"Kaba EDAS'a göre en iyi tedarikçi S3'tür"
yerine:
"Bu ağırlıklarla ve DecisionMind'ın dört-sınır ortalaması durulaştırmasıyla S3'ün puanı en yüksektir; ikinci ve üçüncü sıradaki tedarikçilerin farkı küçüktür ve bir kriterin ağırlığı değiştiğinde yer değiştirebilir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzmanlar puanlarını zaten aralık olarak veriyorsa ("6 ile 8 arası" gibi) ve bu aralıklar arasındaki grup anlaşmazlığı da ayrıca korunacaksa. Uzmanlar yalnız tek bir kesin puan veriyorsa iç aralık oluşmaz; o zaman Kaba TOPSIS gibi basit [alt, üst] biçimindeki uzantılar yeterlidir. Tek uzman varsa ya da anlaşmazlık önemli değilse kaba yapı hiç kurulmaz; temel EDAS kullanılır. Temel yöntemin çıkış koşulu aynen geçerlidir: bir kriterde taviz kabul edilmiyorsa EDAS ailesinin hiçbir üyesi bunu sağlamaz.
Bu Uzantıya Özgü Hatalar
Sınır kısıtını ihlal etmek. İç aralığın alt sınırı üst sınırından, dış aralığın alt sınırı iç aralığın alt sınırından büyük olamaz; sıralama bozulursa ortalama ve sapma hesabı anlamsızlaşır.
Durulaştırma kuralını belirtmeden puan vermek. İç içe aralıktan tek sayıya inişte birden fazla kural mümkündür (dört sınırın ortalaması, sınır-kesişim yöntemi gibi); hangi kuralın kullanıldığı raporda mutlaka yazılmalıdır, çünkü bu uzantıda kural seçimi sırayı değiştirebilecek kadar etkilidir.
Bir kriterde tüm seçenekler ortalamaya çok yakınsa bunu "kriter önemsiz" sanmak. Bu, temel EDAS'ın da taşıdığı bir hatadır; kaba biçimde daha da gözden kaçabilir çünkü aralıkların genişliği dikkat dağıtabilir.
Uzman içi tereddüdü (iç aralık) uzmanlar arası anlaşmazlıkla (dış aralık) karıştırmak. İkisi farklı kaynaklardan gelir ve raporda ayrı ayrı yorumlanmalıdır; ikisini tek bir "belirsizlik" başlığında eritmek hangi kaynağın sıraya ne kadar etki ettiğini gizler.
Temel ilke şudur:
Kaba EDAS sonucu, hem uzman içi tereddüdün hem uzmanlar arası anlaşmazlığın kümenin ortalamasına göre bir özetidir; durulaştırma kuralı raporda açıkça belirtilmeden yöntem uygulanmış sayılmaz.
Vakalar
Birinci vaka Paul, Chakraborty ve Chakraborty'nin (2022) yayımlanmış tedarikçi seçimi verisinden alınmıştır. DecisionMind motorunun bu veriyle ürettiği puan ve sıralama, makalenin kendi tablosundaki sonuçtan sayısal olarak farklıdır; nedeni yukarıda anlatılan durulaştırma kuralı farkıdır ve aşağıda ayrıca açıklanmıştır. İkinci vaka öğretici kurgudur.
1. Tedarik zinciri: Tekstil fabrikası için iplik tedarikçisi seçimi (Paul, Chakraborty ve Chakraborty, 2022)
Bir tekstil fabrikası dört iplik tedarikçisini altı kriterde karşılaştırıyor: birim maliyet (azı iyi), kalite, teslimat güvenilirliği, esneklik, ödeme koşulları ve hizmet düzeyi (hepsi "çoğu iyi"). Kriterler, en iyi-en kötü yöntemiyle (BWM) ağırlıklandırılmış ve birden fazla uzmanın hem kendi tereddüdünü hem uzmanlar arası farkı taşıyan aralık-değerli kaba sayılara çevrilmiştir.
| Tedarikçi | Maliyet | Kalite | Teslimat | Esneklik | Ödeme | Hizmet |
|---|---|---|---|---|---|---|
| S1 | [[2,49;5,54];[4,26;6,15]] | [[2,26;6,08];[5,30;5,67]] | [[3,94;6,98];[3,73;7,47]] | [[2,98;4,15];[4,99;7,36]] | [[4,63;6,41];[3,71;9,05]] | [[3,26;2,94];[4,48;7,71]] |
| S2 | [[3,58;4,79];[4,19;8,15]] | [[2,57;6,26];[4,01;6,87]] | [[3,07;4,35];[6,14;7,16]] | [[4,23;5,57];[5,01;9,10]] | [[2,32;4,44];[6,30;5,70]] | [[2,29;5,21];[5,47;5,57]] |
| S3 | [[2,87;5,43];[5,21;5,97]] | [[3,18;5,27];[5,53;7,49]] | [[3,93;5,78];[6,21;5,08]] | [[2,23;7,79];[3,45;7,40]] | [[3,61;4,19];[5,39;5,57]] | [[1,31;4,74];[2,37;7,96]] |
| S4 | [[2,47;4,79];[5,95;7,00]] | [[3,16;4,38];[4,77;7,59]] | [[2,36;6,76];[5,19;8,41]] | [[2,91;5,80];[6,55;5,21]] | [[2,57;7,65];[3,53;7,90]] | [[2,71;6,22];[3,69;3,84]] |
| Ağırlık | 0,30 (ort.) | 0,16 (ort.) | 0,05 (ort.) | 0,20 (ort.) | 0,03 (ort.) | 0,12 (ort.) |
Yöntem her kriterin ortalamasını iç içe aralık aritmetiğiyle bulur, her tedarikçinin ortalamanın üstünde ve altında kalan kısımlarını ağırlıklarla çarpıp toplar, normalize eder ve dört sınırın ortalamasıyla tek bir değerlendirme puanına indirger.
| Tedarikçi | Değerlendirme puanı | Sıra |
|---|---|---|
| S3 | 3,221 | 1 |
| S1 | 3,176 | 2 |
| S2 | 3,043 | 3 |
| S4 | 2,605 | 4 |
Sonuç şöyle okunur. S3 en ağır kriter olan maliyette ortalamanın belirgin altında (yani lehine) kalır ve teslimat güvenilirliğinde de güçlüdür; bu ikisi S3'ü öne çıkarır. S1 ile S3 arasındaki fark küçüktür (0,045); S4 hizmet düzeyinde zayıf kaldığı için sondadır.
Fabrikanın tereddüdü: maliyet kriterinin ağırlığı ile kalite kriterinin ağırlığı yer değiştirirse, yani maliyete daha az kaliteye daha çok önem verilirse, S2 (puan 8,09) S1'in (puan 7,50) önüne geçer ve S3 (puan 8,56) yine birinci kalır. Bu, ikinci ve üçüncü sıranın maliyet ile kalitenin göreli ağırlığına duyarlı olduğunu gösterir.
Raporda: "DecisionMind'ın durulaştırma kuralıyla S3'ün değerlendirme puanı en yüksektir (3,221); S1 (3,176) ile arasındaki fark küçüktür ve maliyet-kalite ağırlıkları yer değiştirirse ikinci sıra S1'den S2'ye geçmektedir."
Kaynak: Paul, Chakraborty ve Chakraborty (2022), Tablo 4 (karar matrisi, dört uzmandan IRNDWGA ile toplulaştırılmış) ve Tablo 7 (IRN-BWM ağırlıkları). Makalenin kendi Tablo 11'i S3'ü yine birinci verir ama S4'ü ikinci, S1'i üçüncü sıraya koyar; bunun nedeni makalenin sınır-kesişim durulaştırmasını kullanması, DecisionMind'ın ise dört sınırın ortalamasını almasıdır. İki kural da S3'ü birinci verir; ikinci ve üçüncü sıradaki fark durulaştırma kuralına bağlıdır ve bu, bilimsel incelemeye açık bir noktadır (bkz. onay notları).
2. Balıkçılık: Kooperatif için soğuk hava deposu kapasitesi genişletme kararı
Bir balıkçılık kooperatifi soğuk hava deposunu genişletmek için üç teklif arasında seçim yapacaktır. Kriterler depolama kapasitesi, enerji tüketimi (azı iyi), kurulum süresi (azı iyi) ve soğutma sisteminin arıza sıklığı puanı (azı iyi). Kooperatif yönetim kurulu üyeleri ve teknik danışman teklifleri ayrı ayrı puanlamış; arıza sıklığı puanında hem her üyenin kendi tereddüdü hem üyeler arası farkı büyük olduğu için aralık-değerli kaba sayıya çevrilmiştir.
Yöntem üç teklifin ortalamadan sapmasını iç içe aralık olarak hesaplar, ağırlıklarla çarpar, normalize eder ve durulaştırır. Diyelim ki en yüksek kapasiteli teklif aynı zamanda en yüksek arıza sıklığı puanına (kötü) sahiptir ve yine de birinci sırada çıkar, çünkü kapasite en ağırlıklı kriterdir.
Kooperatifin tereddüdü: arıza sıklığı puanındaki geniş iç ve dış aralık, birinci sıradaki teklifin gerçek güvenilirliğini belirsiz bırakır. İkinci teklifle fark küçükse, kooperatif yalnız puana bakmamalı, arıza sıklığı için tedarikçiden somut bir bakım sözleşmesi istemelidir.
Raporda: "Kapasitenin yüksek ağırlığıyla en yüksek kapasiteli teklif en yüksek değerlendirme puanına ulaşmaktadır; arıza sıklığı puanındaki geniş belirsizlik nedeniyle bu teklif için ayrı bir bakım sözleşmesi şartı önerilmektedir."
3. Yapılmaması Gereken
Öğretici tabloda maliyet kriteri "çoğu iyi" işaretlenseydi, en pahalı tedarikçi ortalamanın lehte tarafına geçer ve S3'ün maliyetten kazandığı avantaj tersine dönerdi. İkinci yanlış, iç ve dış aralığı birbirine karıştırıp tek bir "kabaca [2; 6]" aralığına indirmektir; bu, uzman içi tereddütle uzmanlar arası anlaşmazlığı ayırt edilemez hâle getirir. Üçüncü yanlış, hangi durulaştırma kuralının kullanıldığını raporda belirtmeden S3'ün 3,221 puanını mutlak bir gerçek gibi sunmaktır; aynı veri farklı bir durulaştırma kuralıyla farklı bir ikinci-üçüncü sıra verebilir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/rough-edas
Paul, V. K., Chakraborty, S., & Chakraborty, S. (2022). An integrated IRN-BWM-EDAS method for supplier selection in a textile industry. Decision Making: Applications in Management and Engineering, 5(2), 219–240. DOI: 10.31181/dmame0307102022p
Pawlak, Z. (1982). Rough sets. International Journal of Computer & Information Sciences, 11(5), 341–356. DOI: 10.1007/BF01001956
Keshavarz Ghorabaee, M., Zavadskas, E. K., Olfat, L., & Turskis, Z. (2015). Multi-criteria inventory classification using a new method of evaluation based on distance from average solution (EDAS). Informatica, 26(3), 435–451. DOI: 10.15388/Informatica.2015.57