Uzantı kartı · Kaba küme
Kaba küme SAW (Stević, Pamučar, Zavadskas, Ćirović ve Prentkovskis, 2017)
Bu, SAW'ın her hücrenin tek sayı yerine bir kaba sayı aralığıyla, yani alt ve üst yaklaşımla, verildiği biçimidir. Ağırlıklı toplamı bu aralıklar üzerinde hesaplar, sonucu aralığın orta noktasıyla tek bir puana indirir.
Temel yöntem
SAW →
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 SAW'da her hücre tek sayıdır. Burada her hücre bir kaba sayı aralığıdır: alt yaklaşım ve üst yaklaşım. Bu aralık veri türü kartında anlatıldığı gibi grubun kesin puanlarından hesaplanır, elle girilmez; her uzmanın puanı, grubun o puandan aşağı ve yukarı kalan kısmının ortalamalarına dönüştürülür.
Ölçek eşitleme. Kesin SAW her sütunu kendi en iyi değerine oranlar. Burada eşitleme çapraz yapılır: fayda kriterinde aralığın alt ucu sütundaki bütün üst uçların en büyüğüne, üst ucu ise sütundaki bütün alt uçların en büyüğüne bölünür. Maliyet kriterinde yön tersine döner ve en küçük değerler kullanılır. Bu çapraz bölme, normalize edilmiş aralığın da alt ucunun üst ucundan küçük ya da eşit kalmasını garanti eder.
Ağırlıklı toplam. Kesin SAW eşitlenmiş sütunları ağırlıkla çarpıp toplar. Burada da aynı işlem yapılır ama aralık aritmetiğiyle: alt uçların ağırlıklı toplamı ağırlıkların alt ucuyla, üst uçların ağırlıklı toplamı ağırlıkların üst ucuyla hesaplanır. Ağırlıklar da bu uzantıda bir aralık olarak (örneğin kaba BWM'den) gelebilir. Sonuç, her seçenek için yine bir alt-üst aralığıdır.
Sonuç ve durulaştırma. Kesin SAW'da durulaştırma yoktur çünkü hesap zaten tek sayıyla başlar. Burada durulaştırma son adımda, aralığın alt ve üst ucunun ortalaması alınarak yapılır. Seçenekler bu tek sayıya göre sıralanır.
DecisionMind klasik Kaba küme SAW'da çapraz min-maks eşitlemeyi, aralık aritmetiğiyle ağırlıklı toplamı ve orta nokta durulaştırmasını sabit tutar. Ağırlıklar dışarıdan alınır; yöntem ağırlık üretmez.
Çıktı Nasıl Yorumlanır?
Durulaştırılmış puan, kesin SAW'daki toplam puan gibi okunur: yalnız bu seçenek kümesi içinde bir sıralama üretir, yüzde ya da olasılık değildir. Fark şurada. Puanın altında artık bir aralık vardır ve bu aralığın genişliği, uzmanlar arasındaki anlaşmazlığın ölçüsüdür. İki seçeneğin durulaştırılmış puanları yakınsa, aralıkları geniş mi dar mı diye ayrıca bakılmalıdır; geniş aralıklı bir seçeneğin puanı, orta noktası yüksek olsa bile daha az güvenilir bir sıralama önerir.
Bu nedenle:
"Kaba SAW'a göre A1 en iyi seçenektir"
yerine:
"Bu ağırlıklarla A1'in durulaştırılmış puanı en yüksektir; ancak A1'in aralığı [alt, üst] genişliğindedir ve bu genişlik uzmanlar arasındaki anlaşmazlığı gösterir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriterler tek bir ölçümse ya da tek bir uzmanın kesin puanıysa kesin SAW yeterlidir. Birden fazla uzman aynı kriteri kesin puanlarla değerlendiriyorsa ve aralarındaki anlaşmazlığın kendisi karar için önemliyse Kaba küme SAW kullanılır. Elinizde zaten hesaplanmış [alt, üst] kaba sayı aralıkları olmalı; bu aralıklar veri türü kartındaki yönteme göre grup puanlarından türetilir, elle ya da kaynaktan okunarak girilmez, aksi hâlde bu gri ya da aralık sayı olur, kaba sayı olmaz. Matris tek türde olmalıdır. SAW'ın çıkış koşulu burada da geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez.
Bu Uzantıya Özgü Hatalar
Aralığı elle girmek. Kaba sayının sınırları grup puanlarından hesaplanır. Elle girilen ya da bir kaynaktan okunan [alt, üst] aralığı gri ya da aralık sayıdır, kaba sayı değildir.
Tek uzmanla ya da tek ölçümle kaba sayı kurmaya çalışmak. Grup yoksa türetilecek bir anlaşmazlık da yoktur; aralık ya sıfır genişliğe iner ya da anlamsızlaşır.
Önce ortalama alıp sonra aralık koymak. Uzman puanlarının ortalamasını alıp çevresine bir pay koymak, kaba sayı değil uydurma bir aralıktır; ortalama alındığı anda anlaşmazlık zaten silinmiştir.
Durulaştırma yöntemini değiştirmeden yorumlamak. Orta nokta durulaştırması kanonik seçimdir ama tek yol değildir; farklı bir durulaştırma kuralı farklı bir sıra verebilir, bu seçim raporda belirtilmelidir.
Temel ilke şudur:
Kaba sayının aralığı, grup puanlarından hesaplanan bir anlaşmazlık ölçüsüdür; durulaştırılmış tek puan bu anlaşmazlığı gizler, rapor aralığın genişliğini de göstermelidir.
Vakalar
Birinci vaka literatür vakasıdır: Stević, Pamučar, Zavadskas, Ćirović ve Prentkovskis'in (2017) makalesindeki bir lojistik şirketinin vagon seçimi örneğidir. İkinci vaka öğretici kurgudur.
1. Literatür: Bir lojistik şirketinin iç taşımacılık için vagon teklifi seçimi (Stević ve ark., 2017)
Bir lojistik şirketi, iç taşımacılıkta kullanılacak vagon için sekiz teklif arasından seçim yapacaktır. Sekiz ölçüt vardır ve dokuz karar vericinin puanlarından türetilmiş grup kaba matrisiyle değerlendirilmiştir. C1, C3 ve C6 azı iyi; C2, C4, C5, C7 ve C8 çoğu iyidir. Ağırlıklar kaba BWM'den gelen aralıklardır.
| Teklif | C1 | C2 | C3 | C4 | C5 | C6 | C7 | C8 |
|---|---|---|---|---|---|---|---|---|
| A1 | [1,22; 2,11] | [4,74; 7,26] | [8,39; 8,95] | [1,89; 2,78] | [1,60; 4,67] | [6,39; 6,95] | [3,50; 4,50] | [2,32; 6,44] |
| A2 | [2,39; 2,95] | [4,78; 6,51] | [7,17; 8,77] | [5,88; 7,47] | [2,74; 5,26] | [5,50; 6,50] | [3,78; 4,89] | [3,20; 6,80] |
| A3 | [4,74; 7,26] | [4,40; 5,60] | [4,06; 6,46] | [4,78; 6,51] | [6,00; 8,00] | [3,88; 5,47] | [4,78; 6,51] | [3,99; 6,78] |
| A4 | [3,49; 5,22] | [4,40; 5,60] | [3,83; 6,07] | [1,89; 2,78] | [5,49; 7,22] | [3,88; 5,47] | [4,06; 7,22] | [3,93; 6,17] |
| A5 | [6,00; 8,00] | [3,89; 4,78] | [2,22; 5,11] | [7,17; 8,77] | [6,78; 8,51] | [2,58; 5,63] | [5,28; 8,08] | [5,23; 6,83] |
| A6 | [5,89; 6,78] | [3,50; 4,50] | [3,49; 5,22] | [5,17; 6,77] | [2,74; 5,26] | [3,49; 5,22] | [3,00; 3,00] | [3,88; 5,47] |
| A7 | [4,53; 6,12] | [4,78; 6,51] | [2,53; 4,12] | [5,12; 7,47] | [6,53; 8,12] | [2,53; 4,88] | [3,22; 4,11] | [5,64; 7,72] |
| A8 | [5,89; 6,78] | [4,78; 6,51] | [1,49; 3,22] | [7,89; 8,78] | [4,37; 7,42] | [1,99; 4,78] | [3,64; 5,72] | [5,49; 7,22] |
| Yön | azı iyi | çoğu iyi | azı iyi | çoğu iyi | çoğu iyi | azı iyi | çoğu iyi | çoğu iyi |
| Ağırlık | [0,171; 0,178] | [0,186; 0,190] | [0,094; 0,099] | [0,236; 0,239] | [0,119; 0,120] | [0,063; 0,081] | [0,053; 0,055] | [0,043; 0,047] |
Yöntem her sütunu çapraz biçimde eşitler, ağırlıklı toplamı alt ve üst uçlar için ayrı ayrı hesaplar, sonra her teklifin aralığının orta noktasını alır.
| Teklif | Durulaştırılmış puan | Sıra |
|---|---|---|
| A8 | 0,900 | 1 |
| A5 | 0,816 | 2 |
| A7 | 0,798 | 3 |
| A2 | 0,713 | 4 |
| A3 | 0,698 | 5 |
| A1 | 0,663 | 6 |
| A4 | 0,614 | 7 |
| A6 | 0,605 | 8 |
Sonuç şöyle okunur. A8 en ağır ölçütlerden C4'te (çoğu iyi) en yüksek aralığa sahiptir ve bu üstünlüğü diğer ölçütlerdeki orta düzey performansına rağmen birinciliğe taşır. A2 ile A3'ün puanları birbirine çok yakındır (0,713 ile 0,698); bu, dördüncü ve beşinci sıranın kırılgan olabileceğinin bir işaretidir.
Şirketin tereddüdü: C2 ile C7'nin ağırlık aralıkları yer değiştirseydi, yani ikinci en yüksek ağırlıklı ölçüt (C2, çoğu iyi) ile en düşük ağırlıklı ölçütlerden biri (C7, çoğu iyi) birbirinin ağırlığını alsaydı, A3 0,701 ile A2'yi (0,671) geçip beşinciden dördüncüye çıkar; A8 yine birincidir. Bu, en üstteki sıranın sağlam, ortadaki A2-A3 sırasının ise ağırlık dağılımına duyarlı olduğunu gösterir.
Raporda: "A8, en ağır ölçütlerden birinde açık üstünlüğü sayesinde 0,900 puanla birincidir. A2 ile A3 arasındaki dördüncü-beşinci sıra, C2 ve C7 ölçütlerinin ağırlık dağılımına duyarlıdır ve tek başına kesin kabul edilmemelidir."
Kaynak: Stević, Ž., Pamučar, D., Zavadskas, E. K., Ćirović, G., & Prentkovskis, O. (2017). The Selection of Wagons for the Internal Transport of a Logistics Company: A Novel Approach Based on Rough BWM and Rough SAW Methods. Symmetry, 9(11), 264. Tablo 8 (grup kaba matris) ve Tablo 10 (skorlar ve sıralama). Puanlar bu kartın yazarınca Python ile bağımsız olarak yeniden hesaplanmış, makalenin Tablo 10 değerleriyle (A1=0,664; A2=0,714; A3=0,699; A4=0,615; A5=0,817; A6=0,606; A7=0,797; A8=0,901) binde birkaç farkla, sıralamada ise birebir örtüşmüştür; küçük fark makalenin kendi girdi verisindeki yuvarlamadan kaynaklanır.
2. Balıkçılık: Bir kooperatifin yeni tekne teklifi seçimi
Bir balıkçılık kooperatifi filoya katılacak yeni tekne için üç teklif arasından seçim yapacaktır. Dört ölçüt vardır: yakıt verimliliği, ambar (soğuk depolama) kapasitesi, satın alma fiyatı, bakım kolaylığı puanı. Fiyat azı iyi, diğer üçü çoğu iyidir. Beş kaptan her tekliften her ölçütte kesin puan vermiş, kooperatif bu puanlardan kaba sayı aralıkları türetmiştir.
Yöntem her sütunu çapraz biçimde eşitler, ağırlıklı toplamı aralık olarak hesaplar ve orta noktayı alır. Diyelim ki sonuç, ambar kapasitesinde en geniş aralığa sahip ama fiyatı en yüksek olan teklifi birinci verdi; bu teklifin aralığı da diğerlerinden belirgin biçimde genişti, çünkü kaptanlar ambar kapasitesi konusunda anlaşamamıştı.
Kooperatifin tereddüdü: birinci teklifin geniş aralığı, kaptanlar arasında gerçek bir anlaşmazlık olduğunu gösterir. Kooperatif ya bu ölçütte ek bir teknik inceleme yaptırmalı ya da ikinci sıradaki, aralığı daha dar olan teklifi tercih ederek belirsizliği azaltmalıdır.
Raporda: "Ambar kapasitesi ağırlığıyla birinci sıradaki teklifin durulaştırılmış puanı en yüksektir; ancak bu teklifin aralığı diğerlerinden belirgin biçimde geniştir, bu da kaptanlar arasında bu ölçütte anlaşmazlık olduğunu gösterir."
3. Yapılmaması Gereken
Kooperatif örneğinde kaptanların puanlarının önce ortalamasını alıp sonra elle bir pay eklemek: bu, hesaplanmış bir kaba sayı değil uydurulmuş bir aralıktır ve anlaşmazlık bilgisini taşımaz. İkinci yanlış, fiyat ölçütünü çoğu iyi işaretlemektir; en pahalı tekne bu durumda avantajlı sayılır ve sıra anlamsızlaşır. Üçüncü yanlış, iki teklifin durulaştırılmış puanları birbirine yakınken aralık genişliklerine hiç bakmadan "birinci teklif açık ara önde" diye raporlamaktır; A2 ile A3 örneğinde gösterildiği gibi yakın puanlı sıralar ağırlık seçimine duyarlı olabilir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/rough-saw
Stević, Ž., Pamučar, D., Zavadskas, E. K., Ćirović, G., & Prentkovskis, O. (2017). The Selection of Wagons for the Internal Transport of a Logistics Company: A Novel Approach Based on Rough BWM and Rough SAW Methods. Symmetry, 9(11), 264. DOI: 10.3390/sym9110264
Fishburn, P. C. (1967). Additive utilities with incomplete product sets: Application to priorities and assignments. Operations Research, 15(3), 537–542. DOI: 10.1287/opre.15.3.537
Pawlak, Z. (1982). Rough sets. International Journal of Computer & Information Sciences, 11(5), 341–356. DOI: 10.1007/BF01001956
Greco, S., Matarazzo, B., & Słowiński, R. (2001). Rough sets theory for multicriteria decision analysis. European Journal of Operational Research, 129(1), 1–47. DOI: 10.1016/S0377-2217(00)00167-3