Consensus Reaching (Uzlaşma Derecesi)

Consensus Reaching, kökeninde birden fazla insan uzmanın tercihlerini ortak bir noktaya yaklaştırmayı konu alan bir uzlaşma modelidir; Herrera-Viedma, Herrera ve Chiclana tarafından 2002'de önerilmiştir. DecisionMind bu kavramı farklı bir girdiyle çalıştırır: elde birden fazla insan uzmanın tercih matrisi yerine tek bir karar tablosu vardır ve tablodaki her kriter bir yargıç gibi ele alınır. Her kriter kendi yönüne (çoğu ya da azı iyi) göre seçenekleri en iyiden en kötüye sıralar. Motor bu kriter sıralarının birbirine ne kadar yakın olduğunu ve her seçeneğin bu sıralamalarda ne kadar tutarlı kaldığını hesaplar. Çıktı, klasik bir "en iyi seçenek" puanı değil, bir sağlamlık (tutarlılık) puanıdır.

Çoğu sıralama yöntemi "hangi seçenek en yüksek toplam faydayı sağlıyor" sorusuna cevap arar. Consensus Reaching farklı bir soru sorar: "kriterler bu seçeneğin konumu konusunda ne kadar hemfikir?" Bir seçenek her kriterde aşağı yukarı aynı sırada kalıyorsa, o seçeneğin konumu tartışmasızdır. Kriterden kritere büyük sıçramalar yapıyorsa (bir kriterde birinci, başka bir kriterde sonuncu), konumu kriter seçimine bağlıdır, yani kırılgandır.

Bu fikrin önemli bir sonucu vardır: yüksek bir sağlamlık puanı "iyi" anlamına gelmez, "tartışmasız" anlamına gelir. Her kriter tarafından tutarlı biçimde ortada tutulan bir seçenek de, tutarlı biçimde en iyi tutulan bir seçenek kadar yüksek puan alabilir. Bu yüzden Consensus Reaching tek başına "hangisini seçmeliyim" sorusuna cevap vermek için değil, bir birincil sıralama yönteminin (TOPSIS, COBRA gibi) yanında, o sıralamanın kriterler arasında ne kadar tartışmalı olduğunu göstermek için kullanılır.

DecisionMind'ın uyguladığı Consensus Reaching beş adımda ilerler.

Birinci adım, her kriterin kendi sırası. Her kriter, kendi yönüne göre bütün seçenekleri en iyiden en kötüye sıralar. Bu, o kriterin "yargıç" olarak verdiği karardır.

İkinci adım, kriterler arası benzerlik. Her kriter çifti için, iki kriterin verdiği sıraların ne kadar örtüştüğü hesaplanır. İki kriter aynı seçenekleri aynı sırada tutuyorsa benzerlik yüksek, ters sıralıyorsa düşük çıkar.

Üçüncü adım, uzlaşma derecesi. Bütün kriter çiftlerinin benzerlikleri ortalanarak tek bir uzlaşma derecesi bulunur. Bu değer 1'e yakınsa kriterler seçenekleri büyük ölçüde aynı şekilde sıralıyor demektir; düşükse kriterler arasında belirgin bir görüş ayrılığı var demektir.

Dördüncü adım, örüntüden sapan kriterin işaretlenmesi. Motor her kriterin, bütün kriterlerin ortalama sırasına ne kadar yakın durduğunu ölçer. Bir eşiğin altında kalan kriterler işaretlenir; bu bir teşhistir, kriterin kendisi otomatik olarak değiştirilmez.

Beşinci adım, sağlamlık puanı. Her seçeneğin farklı kriterlerdeki sıraları arasındaki dağılım hesaplanır. Dağılım küçükse (seçenek her kriterde benzer bir sırada kalıyorsa) sağlamlık puanı yükseğe, dağılım büyükse düşüğe yakın çıkar. Seçenekler bu puana göre büyükten küçüğe sıralanır.

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

Sağlamlık puanı, bir seçeneğin farklı kriterler tarafından ne kadar tutarlı bir sırada tutulduğunu gösterir; seçeneğin iyi mi kötü mü olduğunu söylemez. Yüksek puan alan bir seçenek her kriterde ortalarda kalan bir seçenek de olabilir, her kriterde en iyi tutulan bir seçenek de. Bu yüzden sağlamlık puanı tek başına bir seçim gerekçesi değildir; hangi seçeneğin ortalamada daha iyi konumda olduğunu görmek için kriterlerin ortalama sırası ayrıca incelenmelidir.

Uzlaşma derecesi (kaç kriterin ne kadar hemfikir olduğu) düşükse, bu, seçilen kriter setinin seçenekleri çok farklı açılardan değerlendirdiği ve tek bir "doğru" sıralamanın olmadığı anlamına gelir. Bu nedenle:

"Consensus Reaching en iyi seçeneği buldu"

yerine:

"Kriterler bu seçeneğin konumu üzerinde şu derecede hemfikir; yüksek sağlamlık puanı bu konumun tartışmasız olduğunu gösterir, iyi olduğunu değil"

biçiminde yazmak doğrudur.

Consensus Reaching kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da şu an bu yöntemin başka bir veri türü için uzantısı yoktur.

Elinizde satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı olmalı ve boş hücre olmamalıdır; her kriter için yön bilgisi (çoğu mu iyi, azı mı iyi) gerekir. Diğer sıralama yöntemlerinin çoğundan farklı olarak Consensus Reaching ağırlık istemez: her kriter eşit bir yargıç gibi ele alınır, çünkü ölçülen şey kriterlerin göreli önemi değil, aralarındaki fikir birliğidir. En az iki seçenek ve iki kriter gerekir; anlamlı bir uzlaşma ölçümü için en az üç kriter önerilir, çünkü iki kriter arasında yalnız tek bir benzerlik değeri hesaplanabilir.

Elinizde birden fazla kriter var ve bunların seçenekler üzerinde ne kadar hemfikir olduğunu, bir sıralamanın ne kadar tartışmasız olduğunu görmek istiyorsanız Consensus Reaching uygun bir seçimdir. Genelde bir birincil sıralama yönteminin (TOPSIS, COBRA, VIKOR gibi) sonucunu sağlamlık açısından sınamak için, duyarlılık analizinin bir parçası olarak kullanılır.

Amacınız doğrudan "hangi seçeneği alayım" sorusuna tek bir cevap almaksa Consensus Reaching tek başına yeterli değildir; yüksek sağlamlık puanı iyi bir seçenek garanti etmez. Kriterler arasında zaten güçlü bir öncelik sıranız varsa (bazı kriterler diğerlerinden çok daha önemliyse) ağırlıklı bir yöntem daha uygun olur, çünkü Consensus Reaching bütün kriterleri eşit yargıç sayar.

Kriterlerin seçenekler üzerinde ne kadar hemfikir olduğu sorgulanıyor → Consensus Reaching

Doğrudan "hangisini seçmeliyim" cevabı gerekiyor → TOPSIS, COBRA, Compromise Programming gibi birincil sıralama yöntemleri

Kriterler arasında belirgin bir önem farkı var → ağırlıklı bir sıralama yöntemi

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

Consensus Reaching'in en önemli üstünlüğü, çoğu sıralama yönteminin göstermediği bir bilgiyi ortaya çıkarmasıdır: sonucun ne kadar tartışmalı olduğu. Ağırlık istemediği için hızlı bir ilk teşhis sunar ve hangi kriterin genel örüntüden saptığını işaretleyerek karar vericiyi o kritere daha yakından bakmaya yönlendirir. Kavramı basittir ve kriter sayısı arttıkça da aynı mantıkla çalışır.

Sınırlılıkları esas olarak yorumlama riskinden gelir. Yüksek sağlamlık puanının "iyi seçenek" ile karıştırılması en büyük risktir; bu karışıklık yöntemin doğasından kaynaklanır ve raporda açıkça önlenmelidir. Orijinal Herrera-Viedma modelinde uzlaşma, birden çok tur boyunca uzmanların görüşlerini güncellemesiyle sağlanır (Herrera, Herrera-Viedma ve Verdegay, 1996; Herrera-Viedma, Alonso, Chiclana ve Herrera, 2007). DecisionMind'ın kriter tabanlı uygulamasında böyle bir çok turlu güncelleme yoktur; sonuç tek geçişte hesaplanan bir teşhistir. Bütün kriterlerin eşit yargıç sayılması, bazı kriterlerin açıkça daha önemli olduğu durumlarda bir sınırlamadır.

En yaygın hata, yüksek sağlamlık puanını doğrudan "en iyi seçenek" olarak sunmaktır; puan yalnız tutarlılığı gösterir. İkinci hata, düşük uzlaşma derecesini görmezden gelip tek bir sıralamayı kesin gibi raporlamaktır; düşük uzlaşma, kriter setinin kendisinin tartışılması gerektiğine işaret eder. Üçüncü hata, iki kriterle uzlaşma ölçmeye çalışmaktır; bu durumda tek bir benzerlik değeri vardır ve genellemek risklidir. Dördüncü hata, işaretlenen (eşiğin altında kalan) kriteri veri hatası sanıp otomatik olarak çıkarmaktır; motor yalnız işaretler, kriterin geçerliliğine karar vermez.

Temel ilke şudur:

Consensus Reaching'in sağlamlık puanı, seçeneğin ne kadar iyi olduğunu değil, kriterlerin bu seçeneğin konumu üzerinde ne kadar hemfikir olduğunu gösterir; ikisini karıştırmak yanlış bir karara götürür.