Uzantı kartı · Kaba küme
Kaba küme TODIM (Tiwari, Khanna ve Tandon, 2024)
Kaba küme TODIM, karar matrisindeki her hücrenin bir grubun kendi içindeki anlaşmazlıktan türetilmiş alt ve üst sınırla verildiği durumlar için TODIM biçimidir. İkili kazanç-kayıp karşılaştırmasını bu aralıklar üzerinden yürütür.
Temel yöntem
TODIM →
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; referans kriter mantığı sürer, ama bu uzantıda referans kriter her zaman en yüksek ağırlıklı kriterdir ve kayıptan kaçınma katsayısı θ sabit 1'dir, ikisi de arayüzden değiştirilemez.
Hücreler. Kesin TODIM'de her hücre tek sayıdır. Burada her hücre, kaba veri türü kartında anlatılan biçimde, bir grubun kesin puanlarından hesaplanmış tek bir alt ve üst sınırdır [L, U]. Bu, düz bir kaba sayıdır; ROUGH-MABAC'taki gibi sezgisel bulanık bir yargıyla birleşmiş dört sayılı bir hibrit değildir, ROUGH-MOORA'daki gibi tek başına bir aralıktır. Kriter ağırlıkları da ondalık bir sayı olarak girilir, ama toplamının 1 olması gerekmez; DecisionMind bunları referans kritere (en yüksek ağırlıklı kritere) oranlayarak göreli ağırlığa çevirir.
Ölçek eşitleme. Kesin TODIM her sütunu kendi toplamına böler. Kaba küme TODIM burada farklı bir yol izler: bütün matristeki tek bir global en büyük üst sınıra böler, sütun sütun değil. Bu, kaynak makalenin kendi seçimidir; makale, müşteri tercih puanlarının hepsinin aynı ölçekte (aynı anket ölçeğinden) geldiğini varsayar ve tek bir ortak bölen kullanır.
Kazanç-kayıp karşılaştırması. Kesin TODIM'de iki değer arasındaki fark doğrudan çıkarmadır ve bu fark hem büyüklüğü hem yönü verir. Kaba sayılarda bu ikisi ayrışır. Mesafe, iki aralığın alt sınırları arasındaki farkla üst sınırları arasındaki farkın toplamıdır. Hangi seçeneğin "kazandığı" ise aralığın alt ve üst sınırının toplamına bakılarak belirlenir. Kaynak makale bu karşılaştırma kuralını açıkça tanımlamaz; DecisionMind toplam (alt + üst) kuralını seçmiştir, ama farklı bir kural (yalnız alt sınıra bakmak gibi) farklı bir sonuç verebilir.
Sonuç. Küresel değer yine 0 ile 1 arasında normalize edilmiş tek bir sayıdır. Bu değerin altında, grup içindeki anlaşmazlığın ne kadar geniş bir sınır bölgesine yayıldığı bilgisi durur ve bu bilgi son adımda görünmez olur.
DecisionMind bu uzantıda global-maksimum normalizasyonunu ve toplam (alt + üst) karşılaştırma kuralını sabit tutar; θ sabit 1'dir, referans kriter her zaman en yüksek ağırlıklı kriterdir.
Çıktı Nasıl Yorumlanır?
Küresel değerin okunması kesin TODIM'deki gibidir: en düşük toplam üstünlük 0, en yüksek 1 alır ve bu yalnız bu seçenek kümesi için geçerlidir. Fark şudur. Bu değerin altında bir grup anlaşmazlığı vardır ve bu anlaşmazlık aralık genişliği olarak taşınır, ama kazanan-kaybeden yönünü belirleyen kural kaynak makalede tam tanımlanmamıştır. Bu yüzden aynı veri, farklı bir karşılaştırma kuralıyla farklı bir sıra verebilir; DecisionMind'ın seçtiği kural raporda belirtilmelidir.
Bu nedenle:
"Kaba küme TODIM sonucu kesindir, çünkü hesap TODIM'in kendisidir"
yerine:
"Aralıkların hangi kuralla karşılaştırıldığı (burada alt ve üst sınırın toplamı) sonucu etkiler; bu kural kaynak makalede tam tanımlanmadığından, farklı bir yazılım farklı bir sıra üretebilir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bir grup değerlendirici her seçeneği kesin puanlarla değerlendiriyorsa ve gruptaki anlaşmazlığın kendisi karara katılacaksa bu uzantı uygundur. Kaba veri türü kartındaki çıkış koşulu burada da geçerlidir: tek uzman varsa ya da uzmanlar birbirine çok yakın puan veriyorsa kaba sayı dar bir aralığa iner ve kesin TODIM'den farklı bir şey söylemez.
TODIM'in çıkış koşulu aynen geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez. Uzmanlar puanlarını sezgisel bulanık bir yargı olarak veriyorsa bu uzantı yetmez; DecisionMind bu hibrit yapıyı TODIM için uygulamaz.
Bu Uzantıya Özgü Hatalar
Karşılaştırma kuralının kaynak makalede tanımsız olduğunu unutmak. Kaynak makale, iki rough sayının hangi kriterde "kazandığını" belirleyen kuralı açıkça yazmaz. DecisionMind alt+üst toplamını kullanır. Bu, en önemli özgü hatadır: sonuçları başka bir yazılımla ya da makalenin kendi tablosuyla birebir karşılaştırmak yanıltıcıdır.
Sınırları elle girmek. Kaba sayının alt ve üst sınırı grubun kesin puanlarından hesaplanır; elle girilen bir aralık kaba sayı değil gri sayıdır.
θ'yı ya da referans kriteri değiştirmeye çalışmak. Bu uzantıda ikisi de arayüzden değiştirilemez; θ sabit 1, referans kriter her zaman en yüksek ağırlıklı kriterdir.
Ağırlıkların toplamının 1 olmasını beklemek. Bu ailede ağırlıklar referans kritere oranlı (Wrc) girilebilir ve toplamı 1'i tutmak zorunda değildir; DecisionMind normalize ağırlık da kabul eder ve kendi içinde referansa oranlar.
Temel ilke şudur:
Kaba küme TODIM, grup anlaşmazlığını aralık olarak taşır, ama hangi seçeneğin bir kriterde kazandığını belirleyen kural kaynak makalede tam tanımlanmamıştır. DecisionMind'ın seçtiği kural (alt+üst toplamı) raporda açıkça belirtilmelidir.
Vakalar
Birinci vaka, Tiwari, Khanna ve Tandon'un (2024) yayımlanmış makalesinden alınmıştır: bir ağırlık kaldırma bench'i tasarım kavramının müşteri tercih puanlarıyla değerlendirilmesi. İkinci vaka öğretici bir kurgudur.
1. Tasarım: Dört bench tasarım kavramının müşteri tercihine göre karşılaştırılması (Tiwari, Khanna ve Tandon, 2024)
Bir ürün geliştirme ekibi, dört ağırlık kaldırma bench'i tasarım kavramını dört ölçütte karşılaştırıyor. Ölçütler, müşteri ve tasarımcı görüşlerinden türetilmiş tercih puanlarıdır (hepsi çoğu iyi yönünde okunur) ve her hücre bir grup değerlendirmesinden hesaplanmış [alt, üst] kaba sayıdır. İkinci ölçüt referans kriterdir (en yüksek göreli ağırlık).
| Kavram | C1 | C2 (referans) | C3 | C4 |
|---|---|---|---|---|
| A1 | [4,50; 5,83] | [5,50; 6,50] | [1,13; 1,88] | [3,00; 6,04] |
| A2 | [3,50; 6,33] | [5,50; 6,50] | [2,29; 4,79] | [1,54; 3,50] |
| A3 | [3,22; 4,75] | [2,13; 5,75] | [5,13; 5,88] | [5,50; 6,50] |
| A4 | [1,25; 2,75] | [1,13; 1,88] | [4,50; 4,70] | [2,17; 3,83] |
| Göreli ağırlık (Wrc) | 0,857 | 1,000 | 0,667 | 0,333 |
Yöntem her sütunu bütün matristeki tek bir global en büyük üst sınıra (6,50) böler, göreli ağırlıkları C2'ye oranlar, her kavram çiftini alt+üst toplamına göre karşılaştırır ve küresel değeri 0-1 aralığına ölçekler.
| Kavram | Küresel değer | Sıra |
|---|---|---|
| A3 | 1,000 | 1 |
| A1 | 0,753 | 2 |
| A2 | 0,557 | 3 |
| A4 | 0,000 | 4 |
Sonuç şöyle okunur. A3, üçüncü ve dördüncü ölçütte en geniş üst sınıra sahiptir ve referans kriter olan C2'de görece dar ama düşük olmayan bir aralık taşır; toplamda birincidir. A4 dört ölçütün üçünde en düşük aralıklara sahip olduğu için son sıradadır.
Ekibin tereddüdü şudur: kaynak makalenin kendi Tablo 9'u bu veriyle A2 > A1 > A4 > A3 sırasını bildirir, yani A2'yi birinci ve A3'ü son sırada gösterir. DecisionMind'ın motoru aynı veriyle A3 > A1 > A2 > A4 sırasını üretir. Fark, uydurma bir sayıdan değil, makalenin iki rough aralığı karşılaştırırken hangi kuralı kullanacağını (yalnız alt sınır mı, yalnız üst sınır mı, toplamları mı) açıkça yazmamasından gelir; DecisionMind alt+üst toplamı kuralını seçmiştir ve makalenin kendi Tablo 8'indeki ara değerler bu kuralla yeniden üretilememektedir. Ağırlıklar değiştirildiğinde (C4'ün göreli ağırlığı referansa eşitlense ya da C1 yeni referans yapılsa) sıra bu dört kavram için değişmez; asıl belirsizlik ağırlıklarda değil, karşılaştırma kuralındadır.
Raporda: "DecisionMind'ın alt+üst toplamı karşılaştırma kuralıyla A3 net olarak öndedir. Kaynak makalenin kendi tablosu farklı bir sıra (A2 birinci) bildirmektedir; bu fark, makalenin karşılaştırma kuralını tam tanımlamamasından kaynaklanır ve rapor bu belirsizliği açıkça not etmelidir."
Kaynak: Tiwari, V., Khanna, P., & Tandon, P. (2024). Capturing Design Intent During Concept Evaluation Using Rough Numbers and TODIM Method. Computer-Aided Design & Applications, 21(2), 215–228 (açık erişim). Matris, ağırlıklar ve normalizasyon makalenin Tablo 7b ve Denklem 4-5'inden alınmıştır. Küresel değerler bu kartın yazarınca DecisionMind'ın ROUGH-TODIM motoru bağımsız çalıştırılarak (method_runner.py ROUGH-TODIM) ve kernel fonksiyonları doğrudan Python'da yeniden koşturularak doğrulanmıştır; makalenin kendi Tablo 9 sırasıyla uyuşmadığı yukarıda açıkça belirtilmiştir.
2. Bakım hizmeti: Bir huzurevinin dış kaynaklı temizlik ve bakım firması seçimi
Bir huzurevi işletmesi, üç dış kaynaklı temizlik ve hasta bakım destek firması arasından seçim yapacaktır. Üç ölçüt: hizmet kalitesi, personel devir hızı (azı iyi anlamına gelecek biçimde tercih puanına çevrilmiş) ve fiyat uygunluğu. Beş farklı denetçi (huzurevi yöneticisi, hemşirelik sorumlusu, üç aile temsilcisi) her firmayı bu ölçütlerde 1-9 arası kesin puanlarla değerlendiriyor; puanlar birbirinden belirgin biçimde farklı çıkıyor.
Yöntem her denetçi grubunun puanlarından kaba sayı sınırlarını türetir, global maksimuma böler, göreli ağırlıkları kurar ve üç firmayı ikişer ikişer karşılaştırır. Diyelim ki hizmet kalitesinde en yüksek aralığa sahip firma aynı zamanda fiyat uygunluğunda da iyi bir aralığa sahip ve küresel değerde birinci çıkıyor.
İşletmenin tereddüdü şudur: bu firmanın personel devir hızı ölçütündeki aralığı geniştir, yani denetçiler bu konuda anlaşamamıştır. Küresel değer bu genişliği göstermez. İşletme, sözleşme öncesi personel devir hızı taahhüdünü ayrıca netleştirmeli ve karşılaştırma kuralının (alt+üst toplamı) bu kararı nasıl etkilediğini not etmelidir.
Raporda: "Hizmet kalitesi ve fiyat uygunluğunda öne çıkan firma küresel değerde birincidir; personel devir hızı ölçütünde denetçiler arasında geniş bir anlaşmazlık vardır ve bu, sözleşme öncesi ayrıca ele alınmalıdır."
3. Yapılmaması Gereken
Öğretici örnekte DecisionMind'ın ürettiği A3 birinciliğini, kaynak makalenin Tablo 9'undaki A2 birinciliğiyle aynı hesabın iki farklı ifadesi saymak: ikisi de aynı veriden çıkar ama farklı bir karşılaştırma kuralı kullanır, bu yüzden doğrudan karşılaştırılamaz. İkinci yanlış, beş denetçinin puanlarını önce ortalayıp sonra bu ortalamaya elle bir [alt, üst] aralığı yazmaktır; bu kaba sayı değil, uydurulmuş bir gri sayı olur. Üçüncü yanlış, θ'yı ya da referans kriteri değiştirmeye çalışıp "farklı bir senaryoda da aynı sonuç çıkar" diye raporlamaktır; bu uzantıda ikisi de arayüzden sabittir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/rough-todim
Tiwari, V., Khanna, P., & Tandon, P. (2024). Capturing Design Intent During Concept Evaluation Using Rough Numbers and TODIM Method. Computer-Aided Design & Applications, 21(2), 215–228. DOI: 10.14733/cadaps.2024.215-228
Gomes, L. F. A. M., & Lima, M. M. P. P. (1992). TODIM: Basics and application to multicriteria ranking of projects with environmental impacts. Foundations of Computing and Decision Sciences, 16, 113–127. (DOI yok)
Pawlak, Z. (1982). Rough sets. International Journal of Computer & Information Sciences, 11(5), 341–356. DOI: 10.1007/BF01001956
Zhai, L.-Y., Khoo, L.-P., & Zhong, Z.-W. (2008). A rough set enhanced fuzzy approach to quality function deployment. The International Journal of Advanced Manufacturing Technology, 37(5-6), 613–624. DOI: 10.1007/s00170-007-0989-9