COBRA (COmprehensive distance Based RAnking)

COBRA, elinizde sayılarla doldurulmuş bir karar tablosu olduğunda seçenekleri tek bir sıraya dizen bir sıralama yöntemidir. Çıktısı her seçenek için bir kapsamlı uzaklık puanı ve bu puana göre sıradır; en düşük puan en iyi seçeneği gösterir. Krstić, Agnusdei, Tadić, Miglietta ve Roso tarafından 2022'de, tersine lojistikte Endüstri 4.0 teknolojilerinin uygulanabilirliğini değerlendirmek amacıyla önerilmiştir. Yöntem seçenekleri "uygun / uygun değil" diye gruplara ayırmaz, kriterlere ağırlık üretmez; ağırlıkları dışarıdan alır.

COBRA'nın arkasındaki fikir, bir seçeneği tek bir referansa göre değil, dört referansa göre birden değerlendirmektir. Klasik yöntemler genelde ideal (en iyi) ve anti-ideal (en kötü) noktaya bakar. COBRA bunlara iki referans daha ekler: seçeneklerin ortalamasının üstünde kalan kısım ve altında kalan kısım. Bir seçenek yalnız en iyiye yakın olduğu için değil, ortalamanın da üstünde kaldığı için ödüllendirilir; ortalamanın altında kalması ayrıca cezalandırılır.

Bu fikrin bir sonucu vardır: COBRA telafi edicidir, ama TOPSIS'ten farklı olarak uzaklığı hem düz çizgi (Öklid) hem kentsel (Taksi) ölçüsüyle birlikte hesaplar. İki seçenek aynı düz-çizgi uzaklığına sahip olsa bile, kriterler arasındaki farkların dağılım biçimi (bir kriterde çok, diğerlerinde az mı, yoksa dengeli mi) sonucu değiştirir. Bu, "yalnız ortalama uzaklık değil, uzaklığın nasıl dağıldığı da önemlidir" anlayışına dayanır.

Yöntem altı adımda ilerler.

Birinci ve ikinci adım, ölçek eşitleme. Her kriter sütunu kendi en büyük değerine bölünür; yönü ne olursa olsun bu bölme aynı biçimde yapılır. Ardından her sütun kriterin ağırlığıyla çarpılır. Buna göre büyük değerli bir kriter (fiyat gibi) ile küçük değerli bir kriter (1-9 puan gibi) aynı ölçekte karşılaştırılabilir olur.

Üçüncü adım, dört referans noktası. Ağırlıklı tabloda her kriter için en iyi değer (fayda kriterinde en büyük, maliyet kriterinde en küçük) ideal noktayı, en kötü değer anti-ideal noktayı kurar. Ayrıca her kriterin ortalaması hesaplanır; bu ortalama, "ortalamanın üstü" ve "ortalamanın altı" referanslarının temelini oluşturur.

Dördüncü adım, birleşik uzaklık. COBRA her seçeneğin dört referans noktasına uzaklığını, düz çizgi uzaklığı ile kentsel uzaklığın birleşimiyle ölçer. Bu birleşim, yalnız toplam farkı değil farkların kriterler arasında ne kadar dengesiz dağıldığını da hesaba katar.

Beşinci adım, ortalama-üstü ve ortalama-altı uzaklıklar. Bir seçeneğin ortalamanın üstünde kaldığı kriterler ile altında kaldığı kriterler ayrı ayrı ele alınır; yalnız ilgili yöndeki kriterler bu hesaba girer.

Altıncı adım, kapsamlı puan. İdeale uzaklık ile ortalama-üstü uzaklığın toplamından, anti-ideale uzaklık ile ortalama-altı uzaklığın toplamı çıkarılır. Seçenekler bu puana göre küçükten büyüğe sıralanır; en düşük puan en iyi seçeneği gösterir.

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

Kapsamlı uzaklık puanı, bir seçeneğin dört referans noktasına göre bu seçenek kümesindeki konumunu özetler; başka bir şey söylemez. Puan negatif de pozitif de olabilir ve 0-1 gibi sabit bir aralıkta değildir; başka bir analizin puanıyla karşılaştırılamaz, çünkü referans noktaları her analizde o analizin kendi seçeneklerinden kurulur. En düşük puan en iyi seçeneği gösterir; bu, TOPSIS'in "en yüksek puan en iyi" kuralının tersidir ve raporlarken karıştırılmamalıdır.

İki seçenek arasındaki küçük puan farkı sağlam bir sıralama değil, ağırlıklara duyarlı bir sıralamadır. Bu yüzden rapor, sıranın hangi kriterin ağırlığına duyarlı olduğunu göstermelidir. Bu nedenle:

"COBRA en iyi seçeneği buldu"

yerine:

"Bu ağırlıklar ve bu seçenek kümesiyle en düşük kapsamlı uzaklık şu seçenekte çıkmıştır; sıra şu kriterin ağırlığına duyarlıdır"

biçiminde yazmak doğrudur.

COBRA kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da şu an bu yöntemin başka bir veri türü için uzantısı yoktur; veriniz bulanık, aralıklı ya da uzman görüşüne dayalıysa başka bir aile üyesi aranmalıdır.

Elinizde satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı olmalı ve boş hücre olmamalıdır; her kriter için "çoğu mu iyi, azı mı iyi" bilgisi ve toplamı 1 olan ağırlıklar gerekir. COBRA ağırlık üretmez, ister. En az iki seçenek ve iki kriter gerekir; üç ile on iki kriter arası rahat çalışır.

Kriterleriniz sayıyla ölçülebiliyorsa, tablo tam doluysa ve bir kriterdeki zayıflığın başka bir kriterdeki güçle karşılanmasını kabul ediyorsanız COBRA uygun bir seçimdir. Yöntem özellikle sürdürülebilirlik ve döngüsel ekonomi değerlendirmeleri için önerilmiştir, ama mantığı alandan bağımsızdır ve tedarikçi seçimi gibi genel sıralama problemlerinde de kullanılabilir.

Bir kriterde taviz kabul etmiyorsanız COBRA uygun değildir; önce eşik altını eleyip kalanları sıralamak gerekir. Kriterler birbirine güçlü biçimde bağlıysa bu bağ önce ele alınmalıdır.

Sayısal tablo, telafi kabul, dört referansa göre değerlendirme → COBRA

Yalnız ideal ve anti-ideale göre değerlendirme yeterli → TOPSIS

Bir kriterde taviz yok, eşik altı elenmeli → Önce eleme, sonra sıralama

Sıralama değil ağırlık gerekiyor → AHP, BWM, SWARA (öznel) · Entropy, CRITIC (nesnel)

COBRA'nın üstünlüğü dört referans noktasını birlikte kullanmasıdır; yalnız ideale yakınlığa değil, seçeneğin ortalamaya göre konumuna da bakar. Bu, ortalamanın üstünde kalan ama ideale çok uzak seçenekler ile ortalamanın altında kalan seçenekler arasındaki farkı daha görünür kılar. Düz çizgi ve kentsel uzaklığı birlikte kullanması, farkların kriterler arasında dengeli mi yoksa tek bir kritere yığılı mı dağıldığını da hesaba katar. Karşılaştırmalı çalışmalarda COBRA'nın diğer sıralama yöntemleriyle yüksek uyum gösterdiği bildirilmiştir.

Sınırlılıkları TOPSIS ailesiyle ortaktır. Seçenek kümesi değişince dört referans noktası da kayar; sonradan eklenen ya da çıkarılan bir seçenek diğerlerinin sırasını değiştirebilir (García-Cascales ve Lamata, 2012). Tam telafi varsayımı geçerlidir: bir kriterdeki ciddi zayıflık başka kriterlerle örtülebilir. Yöntem 2022'de önerildiği için literatürü henüz TOPSIS ya da VIKOR kadar geniş sınanmamıştır; bağımsız uygulama sayısı sınırlıdır. Ağırlıkların kalitesi yöntemin dışındadır; kötü ağırlıklarla kusursuz bir hesap kötü bir sıra verir.

En yaygın hata kriter yönünü yanlış işaretlemektir; bu, en iyi ve en kötü referans noktalarını tersine çevirir. İkinci hata, en düşük puanı "en kötü" sanmaktır; COBRA'da en düşük kapsamlı uzaklık en iyi seçeneği gösterir. Üçüncü hata, ağırlıkları gerekçesiz eşit vermektir. Dördüncü hata, analiz bittikten sonra seçenek eklemek ve sıranın değişmesine şaşırmaktır. Beşinci hata, kapsamlı uzaklık puanını yüzde gibi okumak ve farklı analizlerin puanlarını karşılaştırmaktır.

Temel ilke şudur:

COBRA'nın kapsamlı uzaklık puanı, sizin verdiğiniz yönlerin, ağırlıkların ve seçenek kümesinin dört referanslı bir özetidir; girdilerden biri tartışmalıysa sıra da tartışmalıdır.