B-WENSLO (Bulanık WENSLO Yöntemi)

B-WENSLO, bir grup uzmanın kriterleri "çok önemli", "orta", "önemsiz" gibi dilsel ifadelerle değerlendirdiği ve bu değerlendirmelerin sayıya değil bulanık (üçgen) sayıya çevrildiği durumlarda kriter ağırlığı üreten bir yöntemdir. Çıktısı, toplamı bire eşit kesin (crisp) bir ağırlık vektörüdür; sıralama yapmaz, seçenekleri değerlendirmez, yalnız kriterlerin göreli ağırlığını hesaplar. Demir ve Ulusoy (2024), kesin (crisp) WENSLO yöntemini üçgen bulanık sayılarla çalışacak biçimde genişleterek B-WENSLO'yu önermiştir; yöntem henüz yenidir ve uygulama alanı sınırlıdır.

Kesin WENSLO'nun arkasındaki fikir şudur: bir kriterde değerlendiriciler arasında ne kadar çok ayrışma varsa, o kriter kararı o kadar çok ayırt eder ve ağırlığı o kadar yüksek olmalıdır. Bu, Entropy ve CRITIC gibi nesnel ağırlıklandırma yöntemlerinin dayandığı "değişkenlik bilgi taşır" fikriyle akrabadır. WENSLO bu değişkenliği iki ayrı ölçüyle yakalar: zarf, uzmanların birbirine göre ne kadar dalgalandığını gösterir; eğim, ortalama düzeyin bu dalgalanmaya göre ne kadar dik olduğunu gösterir. Zarfın eğime oranı yüksekse kriter zengin bilgi taşır ve ağırlığı artar. B-WENSLO aynı mantığı, girdi sayı yerine dilsel/bulanık ifade olduğunda çalışacak biçimde genişletir.

Bunun bir sonucu vardır: B-WENSLO ne AHP ya da BWM gibi tam öznel bir yöntemdir ne Entropy gibi tam nesnel bir yöntemdir. Girdisi özneldir çünkü uzman görüşüne dayanır; ama ağırlıklandırma mantığı nesneldir çünkü verinin kendi değişkenliğine bakar, uzmanın "bu kriter önemlidir" demesine değil. Uzmanlar bir kriterde tamamen hemfikirse yöntem o kriterin ağırlığını hesaplayamaz. Bu bir hata değil, "herkes aynı şeyi söylüyorsa bu kriter ayırt edici bilgi taşımıyor" mantığının doğal sonucudur.

Yöntem sekiz adımda ilerler.

Birinci adım, dilsel puanlama. Her uzman her kriter için dokuz seviyeli bir dilsel ölçekten (kesinlikle düşük ile kesinlikle yüksek arasında) bir etiket seçer. Bu etiket, alt-orta-üst uçlu bir üçgen bulanık sayıya çevrilir.

İkinci adım, ölçek eşitleme. Her kriter sütunu kendi toplamına bölünerek eşitlenir; sonuçta tüm kriterler aynı ölçekte, birbiriyle karşılaştırılabilir hale gelir. Bu adım yön işareti gerektirmez, çünkü tüm kriterler aynı yönde "önem" ölçer.

Üçüncü adım, durulaştırma. Eşitlenmiş üçgen bulanık değerler ağırlıklı bir ortalamayla (alt uca ve üst uca göre orta noktaya daha çok pay veren bir ortalama) tek bir sayıya indirilir. Bu adımdan sonra hesap kesin sayılarla ilerler.

Dördüncü adım, sınıf aralığı. Her kriter için uzmanlar arasındaki en yüksek ve en düşük durulaştırılmış değer arasındaki fark, uzman sayısına bağlı bir kurala (Sturges kuralı) göre sabit bir adıma bölünür. Bu sabit adım, sonraki iki ölçünün ortak birimidir.

Beşinci adım, eğim. Kriterin durulaştırılmış değerlerinin ortalaması, bu sabit adıma bölünerek "eğim" bulunur. Eğim, ortalama düzeyin dağılıma göre ne kadar dik olduğunu gösterir.

Altıncı adım, zarf. Uzmanların ardışık durulaştırılmış değerleri arasındaki, sabit yatay adımlı düz çizgi uzaklıkları toplanır. Bu toplam, uzmanların o kriterde ne kadar dalgalandığını, yani ne kadar ayrıştığını gösterir.

Yedinci adım, oran. Zarf, eğime bölünür. Büyük oran, kriterin daha zengin bilgi taşıdığı ve dolayısıyla daha yüksek ağırlık alması gerektiği anlamına gelir.

Sekizinci adım, normalizasyon. Oranlar kendi toplamına bölünerek toplamı bir olan kriter ağırlıklarına çevrilir.

Adımların formülleri DecisionMind'daki B-WENSLO yöntem sayfasında verilir; bu kart formül taşımaz.

Ağırlık, kriterin "gerçekte ne kadar önemli olduğunu" değil, uzmanların o kriterde ne kadar ayrıştığını gösterir. Yüksek ağırlık, uzmanların bu kriterde birbirinden görünür biçimde farklı puan verdiği ve bu farkın zengin bilgi taşıdığı anlamına gelir. Düşük ağırlık, uzmanların bu kriterde neredeyse hemfikir olduğu anlamına gelir; kriterin önemsiz olduğunu göstermez, yalnızca bu uzman grubunda ayırt edici olmadığını gösterir. Sıfıra yakın bir ağırlık, "bu kriteri atın" değil "bu kriterde uzman görüşü zaten netti, ağırlık başka kriterlere kaydı" biçiminde okunmalıdır.

Bu nedenle:

"B-WENSLO bu kriterin en önemli kriter olduğunu gösterdi"

yerine:

"Uzmanların dilsel puanları arasında en çok ayrışma bu kriterde oldu; bu ayrışma B-WENSLO'da en yüksek ağırlığa dönüştü"

biçiminde yazmak doğrudur.

B-WENSLO bulanık (üçgen bulanık sayı) veriyle çalışır: her uzman-kriter hücresi, bir dilsel etiketten gelen alt-orta-üst üçlüsüdür. DecisionMind'da B-WENSLO'nun kendi ailesinde ayrı bir kayıtlı uzantı üyesi yoktur; kesin (crisp) karşılığı WENSLO ayrı bir yöntem olarak durur. Elinizde şunlar olmalı: en az iki uzman, en az iki kriter, ortak bir dokuz seviyeli dilsel ölçek ve her uzman-kriter hücresi için bir etiket. B-WENSLO ağırlık üretir, dışarıdan ağırlık istemez. Kriter sayısında beş ile on beş, uzman sayısında üç ile on arası rahat çalışır. Bir kriterde tüm uzmanlar aynı etiketi verirse o kriter için sınıf aralığı sıfıra iner ve eğim tanımsız kalır; bu girdi baştan kontrol edilmelidir.

Uzman görüşü dilsel ifadelerle toplanmışsa, bu ifadeleri sayıya çevirmek zorlaştırıyorsa ve uzmanlar arasındaki ayrışmanın kendisi bir bilgi olarak ağırlığa yansıtılmak isteniyorsa B-WENSLO uygun bir seçimdir. Uzmanlar zaten doğrudan sayısal puan veriyorsa ya da ikili karşılaştırma yapabiliyorsa daha az bilgi kaybıyla çalışan yöntemler tercih edilir. Kurulun bir kriterde tam uzlaşıya varması bekleniyorsa ve bu uzlaşı ödüllendirilmek isteniyorsa B-WENSLO uygun değildir, çünkü tam uzlaşıyı hesaplayamaz.

Uzman görüşü dilsel/bulanık, ayrışma bilgi taşısın → B-WENSLO

Uzman görüşü sayısal ikili karşılaştırma → AHP, BWM, FUCOM

Veri kesin (sayısal), ağırlık verinin kendisinden gelsin → Entropy, CRITIC

Asıl amaç grup uzlaşısına varmak, tur tur görüş toplama → Delphi

B-WENSLO, dilsel/bulanık veriyle doğrudan çalışan az sayıdaki ağırlıklandırma yönteminden biridir; AHP'deki gibi ikili karşılaştırma matrisi gerektirmez, her uzman her kriter için tek bir etiket verir ve hesap yükü düşüktür. Uzman-arası ayrışmayı açıkça ağırlığa yansıtması, "herkes aynı şeyi söylüyorsa bu kriter ayırt edici değil" sezgisini modele katar; bu, yalnız ortalama alan basit yöntemlerin gözden kaçırdığı bir bilgidir.

Yöntem uzman sırasına duyarlıdır. Zarf hesabı ardışık uzmanlar arasındaki farkları topladığı için, uzmanların hangi sırayla dizildiği sonucu değiştirebilir; Demir ve Ulusoy (2024) bu noktayı kendileri de belirtir. Bu, TOPSIS'teki sıra tersinmesinden farklı ama benzer bir kırılganlıktır: girdi sırası kararın bir parçası olmamalıyken sonucu etkiler. İkinci sınırlılık, bir kriterde tüm uzmanlar hemfikir olduğunda yöntemin çökmesidir. Üçüncüsü, dokuz seviyeli dilsel ölçek Božanić ve arkadaşlarının (2021) çalışmasından ödünç alınmıştır; bu ölçeğin her uygulama bağlamına uyup uymadığı ayrıca sınanmalıdır.

En sık hata, uzman sırasını gelişigüzel belirleyip sonucun bu sıraya duyarlı olduğunu fark etmemektir. Uzman sırası raporda belirtilmeli, mümkünse birkaç farklı sırayla sonucun ne kadar değiştiği kontrol edilmelidir. İkinci hata, bir kriterde tüm uzmanların aynı etiketi verdiğini fark etmeden analizi çalıştırmaktır; bu durumda eğim tanımsız kalır ve motorun hata vermesi beklenir, bir varsayılan değerle sessizce geçiştirilmesi yanlıştır. Üçüncü hata, düşük ağırlığı "önemsiz kriter" diye okumaktır; düşük ağırlık çoğunlukla "uzmanlar bu kriterde hemfikirdi" demektir. Dördüncü hata, farklı uzman gruplarına farklı dilsel ölçekler (örneğin biri beş seviyeli, biri dokuz seviyeli) kullandırıp sonuçları aynı tabloda birleştirmektir.

Temel ilke şudur:

B-WENSLO ağırlığı, kriterin önemini değil, o kriterde uzmanların ne kadar ayrıştığını ölçer; ikisini birbirine karıştırmak yanlış yorum üretir.