Uzantı kartı · Bulanık
Senaryo bulanık SWARA
SWARA'nın, kriterlerin ardışık önem farklarının üçgen bulanık sayı olarak verildiği durumlar için biçimidir. Kesin SWARA'yı üçgenin alt, orta ve üst ucuna ayrı ayrı uygular, üç ağırlık vektörünü ortalar; çıktı bir sıralama değil, toplamı 1 olan bir ağırlık vektörüdür.
Temel yöntem
SWARA →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Bulanık (Fuzzy) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Girdi. Kesin SWARA'da her kriterin bir öncekine göre göreli önem farkı (s_j) tek bir sayıdır. Burada bu fark üçgen bulanık bir sayıdır (alt, orta, üst); en önemli kriterin referans farkı, kesin SWARA'daki gibi her zaman sıfırdır, burada (0; 0; 0) olarak girilir.
Hesaplama yolu. Vrtagić ve arkadaşlarının (2021) Fuzzy SWARA'sı (bkz. Fuzzy SWARA kartı) üçgen aritmetiğiyle ilerler: katsayı ve ara ağırlık üçgen olarak hesaplanır, durulaştırma en sonda yapılır. Bu profil öyle çalışmaz. Kesin SWARA'nın bütün adımları (katsayı = 1 + s_j, ara ağırlık = bir öncekinin katsayıya bölümü, normalize etme) üç kez ve birbirinden bağımsız olarak koşturulur. Bir kez üçgenin alt ucundaki farklara, bir kez orta değerlerine, bir kez üst ucundaki farklara uygulanır; sonra üç ağırlık vektörü kriter kriter ortalanır ve toplamı yeniden 1'e normalize edilir. Belirsizlik üçgen aritmetikle taşınmaz; üç ayrı senaryo olarak baştan işlenir ve en sonda ortalamayla birleştirilir.
Ayrı normalize etme. Her bileşenin (alt, orta, üst) kendi ürettiği ağırlık vektörü, birleştirilmeden önce kendi içinde toplamı 1'e normalize edilir. Üç normalize vektör ortalandığında toplam yine kendiliğinden 1 çıkar. DecisionMind ayrıca ortalanmış ağırlık ile yalnız orta bileşenden çıkan ağırlık arasındaki farkı da hesaplar; bu, bulanıklığın ağırlığı ne kadar değiştirdiğinin bir ölçüsüdür ve üç bileşen birebir aynı ağırlığı veriyorsa bir dejenerasyon uyarısı işaretlenir.
SWARA'nın doğrusal olmaması SMART'tan farklı bir sonuç doğurur. Fuzzy SMART'ta (bkz. Fuzzy SMART kartı) önem puanları doğrudan oranlanır; puan bantları orantılı büyütülüp küçültülürse (aynı katsayıyla ölçeklenirse) üç bant birebir aynı ağırlığı verir. SWARA'nın katsayı formülü (1/(1+s_j)) doğrusal değildir; ardışık farklar orantılı biçimde büyütülüp küçültülse bile üç bileşenin ürettiği ağırlıklar birebir aynı çıkmaz. Aşağıdaki öğretici örnekte farklar tam orantılıdır (alt = orta × 0,8, üst = orta × 1,2) ve buna rağmen üç bileşen farklı ağırlık verir.
DecisionMind bu profilde bileşen-bazlı bağımsız SWARA hesabını ve son adımdaki ortalama-yeniden-normalize kuralını sabit tutar.
Çıktı Nasıl Yorumlanır?
Ağırlık, temel SWARA'daki gibi bir kriterin verilen sıralama ve ardışık karşılaştırmalar setinde diğerlerine göre göreli önemini gösterir; toplamları her zaman 1'dir. SWARA'nın hiçbir sürümünde bağımsız bir tutarlılık göstergesi yoktur; bu profil de bu boşluğu kapatmaz.
Fark şurada. Bu ağırlık, DecisionMind'a özgü, üç bağımsız senaryonun (kötümser, orta, iyimser) ayrı ayrı hesaplanıp ortalanmasıyla üretilen bir profildir. Vrtagić ve arkadaşlarının (2021) üçgen-aritmetik tabanlı Fuzzy SWARA'sıyla doğrudan karşılaştırılamaz. Orada belirsizlik durulaştırmaya kadar tek bir üçgen olarak taşınır; burada üç nokta baştan bağımsız üç hesap olarak işlenir.
Bu nedenle:
"Bu ağırlık literatürdeki standart bir Fuzzy SWARA sonucu"
yerine:
"Bu ağırlık, DecisionMind'a özgü, üç senaryonun (alt, orta, üst) bağımsız hesaplanıp ortalanmasıyla üretilen bir profildir; üçgen aritmetiğine dayanan Fuzzy SWARA sonuçlarıyla doğrudan karşılaştırılamaz"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Bugün için bu profil DecisionMind'ın canlı ürününde önerilemez, çünkü motor bu yöntemi henüz çalıştırmamaktadır. Mekanik olarak, uzman ardışık önem farkını kötümser, orta ve iyimser üç ayrı sayı olarak düşünüyorsa ve bu üç senaryoyu bağımsız hesaplayıp basitçe ortalamak istiyorsa tasarlanmıştır. Üçgen aritmetiğinin (Fuzzy SWARA'nın) getirdiği ek karmaşıklığı istemeyen ama üç noktalı bir duyarlılık okuması isteyen bir kullanım düşünülebilir.
Ölçülmüş bir farkı üçgene açmak belirsizlik modellemek değil belirsizlik üretmektir; bu ilke burada da geçerlidir. SWARA'nın çıkış koşulu burada da geçerlidir: uzman kriterlerin doğru sıralamasından emin değilse bu profil de bu belirsizliği sınamaz.
Bu Uzantıya Özgü Hatalar
Bunu standart bir Fuzzy SWARA gibi sunmak. Manifest bu profilin kanonik bir kaynağa dayanmadığını açıkça yazar; raporda "literatürdeki Fuzzy SWARA" diye tanıtılmamalıdır, gerçek kaynaklı Fuzzy SWARA kartına yönlendirilmelidir.
En önemli kriterin referans farkını (0;0;0) dışında girmek. Bu kural üç bileşenin üçünde de aynen geçerlidir; bir bileşende bile ihlal edilirse o bileşenin SWARA zinciri baştan yanlış kurulur.
Bileşenleri ayrı hesaplamadan önce ortalamak. Üç üçgenin alt-orta-üst değerlerini baştan ortalayıp tek bir kesin SWARA koşturmak farklı bir sonuç verir; bu profilin tanımı, üç bağımsız SWARA hesabının sonradan ortalanmasıdır, girdinin ortalanması değildir.
Bu yöntemi ürün üzerinden bugün çalıştırılabilir bir seçenekmiş gibi kullanıcıya sunmak. DecisionMind'ın bugünkü sürümü bu yöntemi kanonik motor eksikliği gerekçesiyle reddetmektedir; bu durum netleşene kadar rapora "kullanılabilir yöntem" diye yazılmamalıdır.
Temel ilke şudur:
Bu profilin kurucu bir makalesi yoktur, DecisionMind'ın kendi türetimidir ve bugün itibarıyla ürün içinde çalıştırılamaz. Kart yalnız kod düzeyinde neyin hesaplandığını, bağımsız çalıştırılan kernel üzerinden belgeler.
Vakalar
Birinci vaka DecisionMind'ın kaynak-yeniden-üretim kaydından alınmıştır. Bu kayıt bir literatür örneği değildir; pinlenmiş analyse_asisance kaynak kopyasına karşı doğrulanmış, motorun kendi test fikstürüdür. Sayılar, ürün API'sinin bu yöntemi bugün reddetmesi nedeniyle motor API'si üzerinden değil, kernel dosyasının doğrudan Python ile çağrılmasıyla bağımsız olarak üretilmiştir. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek (DecisionMind'ın test kaydı): Üç ölçütün senaryo bazlı ağırlıklandırılması
Bir yayınevinin editör kurulu, yeni bir dizi için üç kitap teklifini değerlendirmeden önce üç ölçütü ağırlıklandıracaktır: okur ilgisi potansiyeli, çeviri/telif maliyeti, yayın takvimine uygunluk. Kurul bu ölçütleri sıralamış (okur ilgisi > maliyet > takvim uygunluğu) ve ardışık farkları kötümser, orta ve iyimser üç tahminle vermiştir.
| Sıra | Ölçüt | Bir öncekine göre önem farkı (alt; orta; üst) |
|---|---|---|
| 1 | Okur ilgisi potansiyeli | (0; 0; 0) |
| 2 | Çeviri/telif maliyeti | (0,08; 0,10; 0,12) |
| 3 | Yayın takvimine uygunluk | (0,16; 0,20; 0,24) |
Yöntem bu üç farkı üç bağımsız SWARA zincirinde (alt, orta, üst) koşturur, her zincirin ağırlık vektörünü kendi içinde normalize eder, sonra üçünü ortalar.
| Ölçüt | Alt bileşen | Orta bileşen | Üst bileşen | Ortalama ağırlık |
|---|---|---|---|---|
| Okur ilgisi potansiyeli | 0,3671 | 0,3750 | 0,3827 | 0,3749 |
| Çeviri/telif maliyeti | 0,3399 | 0,3409 | 0,3417 | 0,3408 |
| Yayın takvimine uygunluk | 0,2930 | 0,2841 | 0,2756 | 0,2842 |
Sonuç şöyle okunur. Okur ilgisi potansiyeli üç bileşende de en yüksek ağırlığı alır (%37,5 civarı), yayın takvimine uygunluk en düşük ağırlıktadır. Üç bileşenin ürettiği ağırlıklar birbirine yakın ama birebir aynı değildir; bu, kurulun tereddüdüne zemin olur.
Kurulun tereddüdü şurada: girilen üç fark üçgeni tam orantılıdır (alt = orta × 0,8, üst = orta × 1,2), yani Fuzzy SMART'ta olduğu gibi bir "orantılı bulanıklaştırma" görünümündedir. Buna rağmen üç bileşen birebir aynı ağırlığı vermez, çünkü SWARA'nın katsayı formülü (1/(1+s_j)) doğrusal değildir; okur ilgisi ölçütünün ağırlığı alt bileşende 0,3671, üst bileşende 0,3827 çıkar, aradaki fark 0,0156'dır. Farklar daha da genişletilip (örneğin ikinci ölçüt için 0,05-0,10-0,25 gibi orantısız bir bant girilirse) bu fark büyür (bağımsız olarak hesaplandığında okur ilgisi ağırlığı 0,3606 ile 0,4090 arasına yayılır). Kurul bu genişlemeyi "belirsizlik payı" olarak okumalı, tek bir kesin yüzde gibi sunmamalıdır.
Raporda: "Üç senaryonun (alt, orta, üst) ortalamasıyla okur ilgisi potansiyeli %37,5 ağırlıkla en önemli ölçüttür. Bu ağırlık DecisionMind'a özgü bileşen-bazlı bir profildir, üçgen aritmetiğine dayanan Fuzzy SWARA sonuçlarıyla karşılaştırılmamalıdır; ayrıca bu yöntem bugün ürün üzerinden çalıştırılamamaktadır, kayıt yalnız motorun kod düzeyindeki davranışını belgeler."
Kaynak: DecisionMind'ın kaynak-yeniden-üretim kaydı (manifest J, pinlenmiş analyse_asisance kaynak kopyasına karşı doğrulanmış), bir literatür örneği değildir. Ağırlıklar bu kartın yazarınca kernel dosyası doğrudan Python ile çağrılarak bağımsız olarak hesaplanmış, manifestteki kayıtlı sonuçla (C1=0,37493; C2=0,34084; C3=0,28423, 1e-11 tolerans) birebir örtüşmüştür.
2. Yayıncılık: Bir dergi editör kurulunun makale kabul ölçütlerine önem verme
Bir akademik derginin editör kurulu, gelen makaleleri ön değerlendirmeden geçirecek üç ölçütü ağırlıklandıracaktır: metodolojik sağlamlık, alana özgün katkı, yazım ve sunum kalitesi. Kurul bu ölçütleri sıralamış (metodolojik sağlamlık > özgün katkı > sunum kalitesi) ve ardışık farkları, kurul üyeleri arasında tam uzlaşma olmadığı için kötümser-orta-iyimser üç tahminle belirlemiştir.
Yöntem üç bileşende bağımsız SWARA zincirlerini koşturur ve ortalar. Diyelim ki sonuç metodolojik sağlamlığa en yüksek ağırlığı verdi.
Kurulun tereddüdü şurada: üç bileşenin ürettiği ağırlıklar birbirinden belirgin ölçüde ayrışıyorsa (dejenerasyon uyarısı işaretlenmemişse), bu, kurul üyelerinin ardışık önem farkı konusunda ne kadar hemfikir olduğunu da dolaylı olarak gösterir. Kurul, yalnız ortalama ağırlığı değil, üç bileşen arasındaki farkı da toplantı tutanağına not etmelidir.
Raporda: "Metodolojik sağlamlık üç senaryonun ortalamasında en yüksek ağırlığı almıştır. Bileşenler arasındaki fark, kurul üyelerinin ardışık önem farkı konusundaki görüş ayrılığının bir göstergesi olarak ayrıca kaydedilmiştir; bu yöntem henüz ürün üzerinden çalıştırılamamaktadır."
3. Yapılmaması Gereken
Birinci yanlış, öğretici örnekteki üç üçgeni baştan ortalayıp (alt, orta, üst değerlerini tek bir sayıya indirip) kesin SWARA koşturmaktır; bu, bu profilin tanımından farklıdır ve üç senaryo arasındaki gerçek farkı gizler. İkinci yanlış, bu profilin ürettiği ağırlıkları Vrtagić ve arkadaşlarının (2021) Fuzzy SWARA'sıyla aynı yöntemmiş gibi karşılaştırmaktır; ikisi farklı hesaplama yollarıdır. Üçüncü yanlış, bu yöntemi bugün DecisionMind ürününde kullanıcıya sunmaktır; motor bu yöntemi kanonik motor eksikliği gerekçesiyle reddetmektedir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/scenario-fuzzy-swara
Bu uzantının literatürde kurucu bir makalesi yoktur; DecisionMind'ın iç referans uygulamasından türetilmiştir (yukarıdaki açıklamaya bakınız).
Keršulienė, V., Zavadskas, E. K., & Turskis, Z. (2010). Selection of rational dispute resolution method by applying new step-wise weight assessment ratio analysis (SWARA). Journal of Business Economics and Management, 11(2), 243–258. DOI: 10.3846/jbem.2010.12
Vrtagić, S., Softić, E., Subotić, M., Stević, Ž., Dordevic, M., & Ponjavic, M. (2021). Ranking road sections based on MCDM model: New improved fuzzy SWARA (IMF SWARA). Axioms, 10(2), 92. DOI: 10.3390/axioms10020092
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. DOI: 10.1016/S0019-9958(65)90241-X