Uzantı kartı · Küresel bulanık
Küresel bulanık TODIM (Sharaf ve Khalil, 2021)
Küresel bulanık TODIM, kriter puanlarının destek, ret ve kararsızlık derecesi olarak üç ayrı sayıyla verildiği durumlar için TODIM biçimidir. Aynı kayıptan kaçınma mantığını bu üç dereceden kurulan bir skor ve uzaklık üzerinden yürütür.
Temel yöntem
TODIM →
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; 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. Küresel bulanıkta her hücre üç dereceden oluşur: destek (μ), ret (ν) ve kararsızlık (π); tek kısıt üçünün karelerinin toplamının 1'i aşmamasıdır. Kararsızlık burada, sezgisel ya da Pisagor yapılardan farklı olarak, geriye kalan bir pay değildir; uzman tarafından ayrıca verilir. Ağırlıklar kesin sayıdır. DecisionMind bu ailede grup kararını desteklemez.
Ölçek eşitleme. Kesin TODIM her sütunu kendi toplamına bölerek pay çıkarır, çünkü ham veriler farklı birimdedir. Burada ayrı bir ölçek eşitleme adımı yoktur; her hücre zaten aynı 0-1 ölçeğinde üç derecedir. Maliyet kriterinde yöntem destek ile ret derecesini yer değiştirir; kararsızlık olduğu gibi kalır.
Skor ve uzaklık. Kesin TODIM'de fark doğrudan çıkarmadır. Burada hangi seçeneğin bir kriterde "kazandığı", üç dereceyi birlikte değerlendiren bir skor fonksiyonuyla (destek eksi kararsızlığın karesi, ret eksi kararsızlığın karesinden çıkarılır) belirlenir. Uzaklık ise üç derecenin karelerinin farkını birlikte ölçen bir Öklid uzaklığıdır; kazanç-kayıp büyüklüğü bu uzaklığa, yönü skor farkına dayanır.
Sonuç. Küresel değer yine 0 ile 1 arasında normalize edilmiş tek bir sayıdır. Üç derece arasındaki gerilim uzaklık ve skor hesabına kadar taşınır, son adımda tek sayıya iner.
DecisionMind bu ailede Kutlu Gündoğdu ve Kahraman'ın (2019) skor fonksiyonunu ve kareler farkına dayalı Öklid uzaklığını 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 artık üç dereceli bir yargı vardır ve kazanan-kaybeden yönünü belirleyen skor fonksiyonu, destek arttıkça her zaman büyümez; kararsızlık payı yüksekse destekteki bir artış skoru düşürebilir.
Bu nedenle:
"Destek derecesi arttıkça skor da artar, dolayısıyla küresel değer de artar"
yerine:
"Skor, destek, ret ve kararsızlığın birlikte kurduğu bir fonksiyondur; kararsızlık yüksekken destekteki bir artış skoru her zaman büyütmeyebilir, bu yüzden hangi kriterde kararsızlığın yüksek kaldığı ayrıca raporlanmalıdır"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Uzmanlar bir yargıya destek, ret ve kararsızlık derecesini ayrı ayrı veriyorsa ve bu üçü resim bulanık yapının kısıtına (toplamı en fazla 1) sığmayacak kadar yüksekse bu uzantı kullanılır. Karar vericinin kayıplara kazançlardan daha duyarlı davrandığı sezgisi kararın doğasına uyuyorsa da aynı şekilde uygundur.
Kararsızlık ayrıca ölçülmüyorsa, sezgisel ya da Pisagor bulanık TODIM aynı bilgiyi iki dereceyle taşır ve yeterlidir. Ölçülmüş bir kriter doğrudan üç dereceye açılmaz. TODIM'in çıkış koşulu aynen geçerlidir: bir kriterde taviz kabul edilmiyorsa bu uzantı da telafi edicidir ve eşik altını elemez.
Bu Uzantıya Özgü Hatalar
Skoru "büyük destek her zaman büyük skor" varsaymak. Kutlu Gündoğdu-Kahraman skor fonksiyonu, kararsızlık destekten büyük olduğunda tekdüze değildir. Örneğin (μ=0,2; ν=0,1; π=0,6) skoru −0,09 verirken, yalnız destek 0,3'e çıkarılıp (μ=0,3; ν=0,1; π=0,6) yapıldığında skor −0,16'ya düşer; destek arttığı hâlde skor küçülmüştür. Bu durum, aynı skor fonksiyonunun SF-COPRAS ve SF-ARAS uzantılarında da bilinen bir özelliğidir.
Değer-uzayı kısıtını karıştırmak. Kısıt üç derecenin karelerinin toplamıdır (μ²+ν²+π²≤1), üçünün kendisinin toplamı değildir; bu, resim bulanık yapının kısıtıdır.
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.
Kararsızlığı sonradan hesaplayıp küresel yapıya yazmak. Uzman üçüncü dereceyi vermediyse veri sezgisel ya da Pisagor bulanık yapıya aittir; küresel yapı bu veriye zorlanmamalıdır.
Temel ilke şudur:
Küresel bulanık TODIM'de kazanan-kaybeden yönünü belirleyen skor fonksiyonu üç dereceyi birlikte değerlendirir ve kararsızlık yüksekken tekdüze davranmaz; bu yüzden yalnız destek derecesine bakarak sonucu tahmin etmek yanıltıcıdır.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir: küçük, üç seçenekli üç kriterli bir tablodur; literatürden bir sayfa aktarımı değildir. İkinci vaka öğretici kurgudur.
1. Öğretici örnek (DecisionMind'ın doğrulama örneği): Üç seçenek, üç kriterde küresel bulanık değerlendirme
Üç seçenek üç kriterde küresel bulanık üçlülerle değerlendiriliyor. Üçü de çoğu iyi yönündedir. Ağırlıklar kesin sayıdır, birinci kriter referanstır.
| 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 (referans) | 0,35 | 0,25 |
Yöntem göreli ağırlıkları kurar, her seçenek çiftini skor fonksiyonuna göre karşılaştırır, kaybeden tarafı θ=1 ile büyütür ve küresel değeri 0-1 aralığına ölçekler.
| Seçenek | Küresel değer | Sıra |
|---|---|---|
| A2 | 1,000 | 1 |
| A1 | 0,344 | 2 |
| A3 | 0,000 | 3 |
Sonuç şöyle okunur. A2, en ağır kriter olan K1'de en yüksek destek ve en düşük ret-kararsızlık üçlüsüne sahiptir ve bu üstünlük referans kriter olması yüzünden büyütülür. A3 hiçbir kriterde en iyi değildir ve son sıradadır; küresel değerinin 0 olması bu üç seçenek içinde en düşük göreli üstünlük anlamına gelir.
Kurulun tereddüdü şudur: K1 ile K2 arasındaki ağırlık dengesi değiştirilse (K1 0,40'tan 0,20'ye, K2 0,35'ten 0,55'e çıksa, K3 0,25 sabit kalsa) sıra değişmez, A2 birinci ve A3 üçüncü kalır; A1'in küresel değeri 0,344'ten 0,233'e düşer, çünkü artık en ağır kriter A1'in göreli olarak daha zayıf olduğu K2'dir.
Raporda: "K1'e verilen en yüksek ağırlıkla A2 net olarak öndedir; K1 ile K2 arasındaki ağırlık dengesi değiştirildiğinde de A2-A1-A3 sırası korunmaktadır, ancak A1'in A2'ye görece uzaklığı bu değişiklikte belirgin biçimde açılır."
Kaynak: Bu vaka DecisionMind'ın SF-TODIM motorunun doğrulama örneğidir; literatürden bir sayfa aktarımı değildir, formüllere sadık biçimde sentetik kurulmuştur. Manifestin kendi kayıtlı beklenen değerleri (audit tarafından eski bir yer tutucu skor fonksiyonuyla üretilmiş olduğu manifestte açıkça belirtilir) güncel kernel ile birebir örtüşmez; bu kartta yazılan değerler DecisionMind'ın SF-TODIM motoru bağımsız çalıştırılarak (method_runner.py SF-TODIM) elde edilen güncel, doğru skor fonksiyonuna dayanan sayılardır. Sıra (A2 > A1 > A3) her iki hesapta da aynıdır.
2. Sahne sanatları: Bir şehir tiyatrosunun yeni sahne teknolojisi tedarikçisi seçimi
Bir şehir tiyatrosu, sahne aydınlatma ve ses sistemini yenilemek için üç tedarikçi arasından seçim yapacaktır. Üç kriter: teknik ekibin sisteme uyum kolaylığı, canlı gösteri sırasında arıza riskinin düşüklüğü ve bakım-destek hizmetinin kapsamı; üçü de çoğu iyi yönündedir. Bu üç kriter ölçülemez; teknik ekip, sahne yönetmenliği ve idari kadro her tedarikçi için ayrı ayrı destek, ret ve kararsızlık derecesi veriyor.
Yöntem üç tedarikçiyi ikişer ikişer karşılaştırır, skor fonksiyonuna göre kazanan-kaybeden yönünü belirler, kaybeden tarafı θ ile büyütür ve küresel değeri hesaplar. Diyelim ki uyum kolaylığında en yüksek destek ve en düşük kararsızlığa sahip tedarikçi ideal konuma en yakın çıkıyor ve küresel değerde birinci oluyor.
Tiyatronun tereddüdü şudur: bu tedarikçinin arıza riski kriterindeki kararsızlık payı diğerlerine göre yüksek kalmıştır, yani ekibin bir kısmı henüz karar verememiştir. Kararsızlık yüksekken skor fonksiyonu tekdüze davranmayabileceğinden, tiyatro yalnız birinci sırayı görüp sözleşmeye geçmemeli, hangi kriterde kararsızlığın yüksek kaldığını ayrıca raporlamalıdır.
Raporda: "Uyum kolaylığında en yüksek destek ve en düşük kararsızlığa sahip tedarikçi net olarak öne çıkmaktadır; arıza riski kriterindeki kararsızlık payı diğerlerine göre yüksek kalmıştır ve bu, sözleşme öncesi ayrıca değerlendirilmelidir."
3. Yapılmaması Gereken
Öğretici örnekte A2'nin küresel değerini 1,000 görüp "her kriterde mükemmel" diye okumak yanlıştır; bu değer yalnızca bu üç seçeneği birbirine göre ölçekler. İkinci yanlış, destek derecesi arttıkça skorun da mutlaka arttığını varsaymaktır; kararsızlık yüksekken bu doğru değildir ve yukarıdaki sayısal örnek bunu gösterir. Üçüncü yanlış, θ'yı ya da referans kriteri değiştirip "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/sf-todim
Sharaf, I. M., & Khalil, E. A. H. A. (2021). A spherical fuzzy TODIM approach for green occupational health and safety equipment supplier selection. International Journal of Management Science and Engineering Management, 16(1), 1–13. DOI: 10.1080/17509653.2020.1788467
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)
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
Ashraf, S., Abdullah, S., Mahmood, T., Ghani, F., & Mahmood, T. (2019). Spherical fuzzy sets and their applications in multi-attribute decision making problems. Journal of Intelligent & Fuzzy Systems, 36(3), 2829–2844. DOI: 10.3233/JIFS-172009