Uzantı kartı · Küresel bulanık
Küresel bulanık COPRAS
Küresel bulanık COPRAS, kriter puanlarının bir yargıya destek, ret ve kararsızlık derecesi olarak üç ayrı sayıyla verildiği durumlarda kullanılan COPRAS biçimidir. Her hücre kısıtına ilk adımda tek bir skora iner; fayda ve maliyet toplamı kesin COPRAS'taki gibi bu skorlar üzerinden kurulur.
Temel yöntem
COPRAS →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Küresel bulanık (Spherical) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Dört şey değişir. Fayda-maliyet oranı mantığı değişmez.
Hücreler. Kesin COPRAS'ta her hücre tek sayıdır. Küresel bulanıkta her hücre üç dereceden oluşur: destek (μ), ret (ν) ve kararsızlık (π). Uzman bu üçünü doğrudan verir. Tek kısıt, üç derecenin karelerinin toplamının 1'i aşmamasıdır. Kararsızlık geriye kalan bir pay değildir; ayrıca sorulur. Ağırlıklar DecisionMind'da kesin sayı olarak dışarıdan gelir. DecisionMind bu ailede grup kararını desteklemez; tek, önceden birleştirilmiş bir karar matrisi girilir.
Erken skorlama. SF-TOPSIS, SF-VIKOR ve SF-EDAS'ta üç derece, hesabın sonlarına kadar üç boyutlu kalır. SF-COPRAS'ta durum farklıdır. Her hücre, daha ilk adımda bir skor fonksiyonuyla tek bir sayıya indirilir. Bunun nedeni yöntemin kendi yapısıdır: COPRAS'ın omurgası, fayda ve maliyet kriterlerindeki değerleri ayrı ayrı toplamaktır ve toplama işlemi tek sayılar üzerinde çalışır. Üç dereceyi toplamanın küresel bulanık bir yolu da vardır, ama COPRAS'ın kurucu mantığı zaten kesin sayı toplamına dayanır. SF-COPRAS bu toplamı skor fonksiyonuyla erken yapar; ama bu skor üç dereceyi birlikte değerlendiren bir kuraldır.
Ölçek eşitleme. Kesin COPRAS her sütunu kendi toplamına bölerek paya çevirir. Skor fonksiyonunun sonucu negatif çıkabileceği için (kesin COPRAS'taki değerler hep pozitiftir), SF-COPRAS önce her skora sabit bir kaydırma ekler ve sonucu pozitif aralığa taşır. Ancak bundan sonra kesin COPRAS'taki gibi sütun toplamına bölme uygulanır. Bu kaydırma adımı, kesin COPRAS'ın negatif değerle çalışamama sınırını küresel bulanık skorlar için çözer.
Fayda-maliyet toplamı ve fayda derecesi. Bu adımdan sonra yöntem kesin COPRAS ile birebir aynı yoldan ilerler. Paya çevrilmiş ve ağırlıklandırılmış skorlar, fayda kriterlerinde ayrı, maliyet kriterlerinde ayrı toplanır. İki toplam, düşük maliyeti ödüllendiren aynı terimle birleştirilir ve göreli önem değeri kurulur. Bu değer en yükseğe bölünüp yüzdeye çevrilir; en iyi seçenek yine 100 alır. DecisionMind bu ailede skor fonksiyonunu ve kaydırma miktarını sabit tutar.
Çıktı Nasıl Yorumlanır?
Fayda derecesi, kesin COPRAS'takiyle aynı anlama gelir. En iyi seçenek 100 kabul edilir, diğerleri ona göre bir yüzde alır ve bu yüzde yalnız bu seçenek kümesi ve bu ağırlıklar için geçerlidir. Fark şurada: bu yüzdenin altında artık üç dereceli bir değerlendirme vardır. Skor fonksiyonu bu üç dereceyi ilk adımda tek sayıya indirir. Bu yüzden iki seçeneğin fayda derecesi arasındaki fark, girdideki destek-ret-kararsızlık dengesinin ne kadar sağlam olduğunu doğrudan göstermez.
Bu nedenle:
"SF-COPRAS'ın fayda derecesi kesin COPRAS'takiyle aynı kesinlikte okunur"
yerine
"Fayda derecesi kesin COPRAS'takiyle aynı yüzde mantığını taşır; ama bu yüzde, her hücrenin üç derecesinin daha ilk adımda tek bir skora indirilmesinden sonra kurulmuştur ve bu skor hangi kriterde kararsızlığın yüksek olduğunu ayrıca göstermez"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzmanlar bir yargıya destek, ret ve kararsızlık derecesini ayrı ayrı veriyorsa bu uzantı kullanılır. Kesin COPRAS'ın "en iyiye göre yüzde" çıktısı bu belirsizlik altında isteniyorsa da uygundur. Küresel bulanık kimlik ve komşu türlerle (Pisagor, resim bulanık) karıştırılmaması gereken sınır veri türü kartındadır.
Çıkış koşulu kesin COPRAS ile aynıdır. Matris tek türde olmak zorundadır. Bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir.
Bu Uzantıya Özgü Hatalar
Değer-uzayı kısıtını karıştırmak. Kısıt üç derecenin karelerinin toplamıdır. Kararsızlığı 1−μ−ν olarak türetip küresel yapıya yazmak farklı bir veri türüdür; bu, sezgisel bulanık yapının kısıtıdır.
Erken skorlamayı "önce durulaştır sonra kesin yöntem koştur" hatasıyla karıştırmak. SF-COPRAS'ta skor fonksiyonunun ilk adımda uygulanması yöntemin kendi tasarımıdır. Üç derece skor fonksiyonunun içinde birlikte değerlendirilir, atlanmaz. Yanlış olan, uzmanın verdiği üç dereceyi görmezden gelip yalnız μ'yü kullanmaktır. Başka bir ailenin skor fonksiyonunu, örneğin Pisagor'unkini, buraya taşımak da aynı hatadır.
Kaydırma adımını atlamak. Skor negatif çıktığında kaydırma yapılmazsa sütun toplamına bölme adımı tanımsız ya da yanıltıcı sonuç verir. Kesin COPRAS'ın negatif değerle çalışamama sınırının küresel bulanıktaki karşılığı budur.
Fayda derecesini mutlak bir kalite yüzdesi gibi okumak. Kesin COPRAS'taki aynı hata burada da geçerlidir. Yüzde yalnız bu kümedeki en iyiye göre bir paydır; mutlak bir başarı ölçüsü değildir.
Temel ilke şudur:
SF-COPRAS üç dereceyi ilk adımda skor fonksiyonuyla tek sayıya indirir ve kesin COPRAS'ın fayda-maliyet toplama mantığını bu sayılar üzerinde aynen uygular; erken skorlama bir hata değil yöntemin tasarımıdır, ama fayda derecesi hangi kriterdeki kararsızlıktan geldiğini göstermez.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Küçük, üç seçenekli üç kriterli bir tablodur; literatürden bir sayfa aktarımı değildir. Motorun adımlarını izlenebilir kılmak için kurulmuştur ve motorun kendisi çalıştırılarak doğrulanmıştır. İkinci vaka öğretici kurgudur.
1. Öğretici örnek: Üç seçenek, üç kriterde küresel bulanık değerlendirme (DecisionMind doğrulama örneği)
Üç seçenek üç kriterde küresel bulanık üçlülerle değerlendirilmiştir. Üçü de çoğu iyi kriterdir.
| Seçenek | K1 | K2 | K3 |
|---|---|---|---|
| A1 | (0,70; 0,20; 0,50) | (0,80; 0,10; 0,40) | (0,60; 0,30; 0,50) |
| A2 | (0,90; 0,10; 0,30) | (0,60; 0,30; 0,60) | (0,80; 0,20; 0,40) |
| A3 | (0,50; 0,40; 0,60) | (0,70; 0,20; 0,50) | (0,70; 0,10; 0,50) |
| Yön | çoğu iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,40 | 0,35 | 0,25 |
Yöntem her hücreyi skor fonksiyonuyla tek sayıya indirir, sabit bir kaydırma ekler ve sütun toplamına böler. Bu payları ağırlıklarla çarpar, tümü fayda kriteri olduğu için hepsini tek bir toplamda birleştirir ve en yükseğe bölüp yüzdeye çevirir.
| Seçenek | Fayda derecesi | Sıra |
|---|---|---|
| A2 | 100,00 | 1 |
| A1 | 89,29 | 2 |
| A3 | 83,98 | 3 |
Sonuç şöyle okunur. A2, en ağırlıklı kriter olan K1'de (0,40) en yüksek destek ve en düşük ret-kararsızlık üçlüsüne sahiptir ve bu kriterdeki skoru diğer ikisinden açık farkla yüksektir. Bu üstünlük toplam payını en büyük yapar ve A2 yüzde 100'e ulaşır. A1 ikinci sırada, A3 üçüncü sıradadır; ikisi de K1'de A2'nin gerisinde kalır.
Kararın tereddüdü: K2'nin ağırlığı 0,35'ten 0,80'e çıkarılıp K1'in ağırlığı 0,40'tan 0,10'a indirilirse (K3 0,25'ten 0,10'a iner) sıra değişir. Aynı hesap A1'i 100,00 ile birinciye, A2'yi 92,31 ile ikinciye taşır. Bu, K1 ile K2'nin göreli ağırlığının bu üç seçenek arasındaki sırayı tek başına belirleyebildiğini gösterir. Ağırlıklar nasıl belirlendiyse rapor bunu gerekçelendirmelidir.
Raporda: "Verilen ağırlıklarla (K1=0,40, K2=0,35, K3=0,25) A2 en yüksek fayda derecesine sahiptir (100,00). K2'nin ağırlığı K1'in önüne geçecek ölçüde artırılırsa (K2=0,80, K1=0,10) A1 öne geçer (100,00'a karşı 92,31)."
Kaynak: DecisionMind'ın SF-COPRAS doğrulama örneği. Adımlar, kesin COPRAS'ın (Zavadskas ve Kaklauskas, 1996) fayda-maliyet toplama mantığını Kutlu Gündoğdu-Kahraman (2019) skor fonksiyonuyla birleştirir. Fayda dereceleri ve ağırlık değişikliği senaryosu, DecisionMind'ın SF-COPRAS motoru doğrudan çalıştırılarak elde edilmiştir.
2. İtfaiye: Bir itfaiye teşkilatının arazöz tedarikçisi seçimi
Bir büyükşehir itfaiye teşkilatı, filo yenileme kararında üç arazöz üreticisinin teklifi arasında seçim yapacaktır. Üç kriter belirlenmiştir: teklifin saha koşullarında dayanıklılık açısından uygunluğu, personel eğitim ve bakım kolaylığı açısından uygunluğu, teslim ve devreye alma süresi açısından uygunluğu. Bu kriterlerin hiçbiri sözleşme aşamasında kesin bir sayıyla verilemez. Teknik kurul her teklif için "bu araç sahada güvenle kullanılır" yargısına destek, ret ve kararsızlık derecesini ayrı ayrı puanlamıştır.
Yöntem her teklifin üç kriterdeki skorunu kaydırır, paya çevirir, ağırlıklarla çarpar ve fayda derecesini kurar. Diyelim ki dayanıklılık kriterinde en güçlü destek üçlüsüne sahip teklif, bu kriter en ağırlıklı olduğu için yüzde 100'e ulaştı. Ama teslim süresinde kurulun kararsızlığı yüksek kaldı, çünkü üretici teslim takvimini kesin olarak taahhüt etmedi.
Kurulun tereddüdü: teslim süresindeki yüksek kararsızlık, filo yenilemenin planlanan takvimi kaçırma riskini taşır. Bu risk, fayda derecesinin içinde dayanıklılık kriterinin gücüyle örtülmüş olabilir. Kurul, en yüksek dereceyi alan teklifi seçmeden önce teslim süresine sözleşmede bağlayıcı bir üst sınır koymayı değerlendirmelidir.
Raporda: "Verilen ağırlıklarla dayanıklılığı güçlü olan teklif en yüksek fayda derecesine ulaşmaktadır. Teslim süresi kriterindeki kararsızlık payı yüksek kaldığından sözleşmede bağlayıcı bir teslim tarihi şartı önerilir."
3. Yapılmaması Gereken
Öğretici örnekte skor fonksiyonunu atlayıp K1'deki üçlüleri doğrudan μ değerleriyle (0,70; 0,90; 0,50 gibi) kesin COPRAS'a vermek yanlıştır. Ret ve kararsızlık dereceleri hesap dışı kalır ve A2'nin üstünlüğü olduğundan büyük görünür. İkinci yanlış, kaydırma adımını atlayıp negatif çıkan skorları doğrudan sütun toplamına bölmektir; bu, payların işaretini bozar ve sıralamayı anlamsızlaştırır. Üçüncü yanlış, A2'nin yüzde 100 fayda derecesini "mükemmel" ya da "kusursuz" diye raporlamaktır; bu değer yalnız bu üç seçenek arasında en iyisi olduğu anlamına gelir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/sf-copras
Zavadskas, E. K., & Kaklauskas, A. (1996). Determination of an efficient contractor by using the new method of multicriteria assessment. İçinde: International Symposium for the Organization and Management of Construction: Shaping Theory and Practice, Cilt 2: Managing the Construction Project and Managing Risk (CIB W65), 94–104. (DOI yok)
Kutlu Gündoğdu, F., & Kahraman, C. (2019). Spherical fuzzy sets and spherical fuzzy TOPSIS method. Journal of Intelligent & Fuzzy Systems, 36(1), 337–352. DOI: 10.3233/JIFS-181401
Omerali, M., & Kaya, T. (2022). Augmented Reality Application Selection Framework Using Spherical Fuzzy COPRAS Multi Criteria Decision Making. Cogent Engineering, 9(1), 2020610. DOI: 10.1080/23311916.2021.2020610
Güleryüz, S. (2024). Sustainability Performance Evaluation in Faculties: A COPRAS-Based Assessment. İçinde: Kahraman, C. ve ark. (Ed.), Intelligent and Fuzzy Systems — Intelligent Industrial Informatics and Efficient Networks: Proceedings of the INFUS 2024 Conference, Cilt 1 (Lecture Notes in Networks and Systems, Cilt 1088, s. 137–146). Springer. DOI: 10.1007/978-3-031-70018-7_16