Yöntemler · Öznel ağırlık
Bulanık Delphi (Fuzzy Delphi)
Bulanık Delphi, uzmanlardan tek bir sayı yerine "en az, en olası, en çok" biçiminde üçgen bir aralık ister; uzmanlar arasındaki görüşü bu üçgenleri birleştirerek toplar ve tek bir merkez değere indirip ağırlığa çevirir.
Temel yöntemin veri türü: Kesin (Classical)
Yöntem Nedir?
Bulanık Delphi, klasik Delphi'nin bir uzantısıdır ve kriter önemini uzman görüşüyle ağırlığa çeviren bir yöntemdir. Çıktısı, toplamı bir olan bir ağırlık vektörüdür; seçenek sıralamaz, sıralamadan bağımsız çalışır. Klasik Delphi'de her uzman bir kritere tek bir puan verir; Bulanık Delphi'de uzman isterse bu puanı bir aralık olarak da verebilir, çünkü bir uzmanın kendi kafasındaki belirsizlik de tek bir sayıyla tam yakalanamaz. Kaufmann ve Gupta'nın 1988 tarihli kitabında tanıtılan yöntem, kriter ağırlıklandırmadan teknoloji öngörüsüne, eğitim programı değerlendirmesinden sağlık politikası önceliklendirmesine kadar geniş bir uygulama alanına sahiptir.
Yöntemin Felsefesi
Klasik Delphi'nin çözdüğü sorun, uzmanlar arasındaki görüş ayrılığıdır: turlar ilerledikçe uzmanlar birbirine yaklaşır. Bulanık Delphi buna ikinci bir belirsizlik katmanı ekler. Bir uzmanın kendisi de bir kritere "tam olarak 7" demek yerine "6 ile 9 arası, muhtemelen 7" diyebilir; bu, uzmanın kararsızlığı değil, yargının doğasında olan bir muğlaklıktır. Yöntem bu iki belirsizliği ayrı ayrı ele alır. Önce her uzmanın kendi üçgen aralığını toplar, sonra uzmanlar arasındaki aralığın ne kadar geniş olduğuna (uzlaşıp uzlaşmadığına) bakar, en sonunda geniş bir üçgeni tek bir sayıya indirger.
Bunun bir sonucu vardır: Bulanık Delphi, uzman görüşündeki belirsizliği hesabın başında saklar, en sona kadar taşır ve ancak ağırlığa çevrilirken tek sayıya indirir. Bu sırayı tersine çevirip önce her uzmanın aralığını tek sayıya indirip sonra ortalamak, yöntemin asıl amacını (belirsizliği erken kaybetmemek) boşa çıkarır.
Yöntem Nasıl Çalışır?
Yöntem dört adımda ilerler.
Birinci adım, uzman değerlendirmesi. Her uzman, her kritere bir üçgen bulanık sayı verir: en kötü ihtimal, en olası değer, en iyi ihtimal. Bir uzman belirsizlik hissetmiyorsa üçünü de aynı sayı yapabilir; bu durumda üçgen tek bir noktaya küçülür ve kesin bir puan gibi davranır.
İkinci adım, uzmanlar arası birleştirme. Her kriter için tüm uzmanların en kötü ihtimalinin en küçüğü, en iyi ihtimalinin en büyüğü alınır; olası değerler ise geometrik ortalamayla birleştirilir. Böylece kriter başına tek bir grup üçgeni ortaya çıkar. Uzmanlar tek bir kesin sayı vermişse (üçgenleri yoksa) bu adım geometrik ortalamaya indirgenir.
Üçüncü adım, uzlaşı kontrolü. Grup üçgeninin genişliği (en büyük uçla en küçük ucun farkı) önceden belirlenmiş bir eşiğin altındaysa uzlaşı sağlanmış sayılır. Eşik aşılıyorsa yeni bir Delphi turu gerekir; bu kart tek turluk birleştirme adımını anlatır.
Dördüncü adım, durulaştırma ve ağırlığa çevirme. Grup üçgeninin üç köşesinin ortalaması alınarak tek bir sayıya indirilir (ağırlık merkezi yöntemi). Bu sayılar kendi toplamına bölünerek toplamı bir olan kriter ağırlıklarına dönüştürülür.
Adımların formülleri DecisionMind'daki Bulanık Delphi yöntem sayfasında verilir; bu kart formül taşımaz.
Çıktı Nasıl Yorumlanır?
Ağırlık, uzmanların üçgen aralıklarının birleştirilip tek sayıya indirilmiş hâlidir; bu tek sayı, altında yatan belirsizliği artık göstermez. İki kriterin ağırlığı yakınsa (0,365 ile 0,365 gibi tam eşit bile olsa) bu, uzmanların bu iki kriteri gerçekten eşit önemli gördüğü anlamına gelmez; grup üçgenlerinin genişliği farklı olabilir ve bu genişlik son ağırlıkta kaybolur. Ağırlığın yüksek olması "kesin önemli" değil "uzmanların bu turda ulaştığı merkez değer yüksek" demektir.
Bu nedenle:
"Bulanık Delphi bu kriterin önemini kesin olarak ölçtü"
yerine:
"Uzmanların üçgen aralıklarının merkezi bu kritere en yüksek ağırlığı vermiştir; aralıkların genişliği (uzlaşının sıkılığı) ayrıca raporlanmalıdır"
biçiminde yazmak doğrudur.
Veri Türü ve Girdiler
Bulanık Delphi, temelde bulanık (üçgen) veriyle çalışır ama uzman kesin bir sayı vermek isterse bunu da kabul eder; bu durumda üçgen tek noktaya küçülür. DecisionMind'da Delphi ailesinde Bulanık Delphi, klasik Delphi'nin bulanık üyesidir; bu iki üyeli aile içinde Bulanık Delphi'nin kendisinin başka bir uzantısı yoktur. Elinizde şunlar olmalı: en az iki uzman, en az iki kriter, her uzmanın her kriter için verdiği üçgen (ya da kesin) değerlendirme ve bir uzlaşı eşiği. Yöntem ağırlık üretir, dışarıdan ağırlık istemez. Kriter sayısında üç ile on iki arası, uzman sayısında istatistiksel özetin anlamlı olması için en az beş kişi tipiktir.
Ne Zaman Kullanılır, Ne Zaman Kullanılmaz?
Uzmanlar bir kritere tek bir sayı vermekte zorlanıyorsa, "yaklaşık şu civarda ama emin değilim" diyorsa ve bu belirsizliği yok saymak yerine hesaba katmak isteniyorsa Bulanık Delphi uygun bir seçimdir. Uzmanlar zaten net, tek sayılı puanlar veriyorsa ve aralarındaki tek fark grup uzlaşısıysa klasik Delphi yeterlidir; bulanık aralık eklemek gereksiz karmaşıklık katar. Uzmanlar tek turda ikili karşılaştırma yapabiliyorsa AHP, BWM ya da LBWA gibi tek turlu yöntemler daha hızlı sonuç verir.
Uzman belirsizliği aralıkla ifade ediyor, tur tur uzlaşı aranıyor → Bulanık Delphi
Uzman kesin puan veriyor, yalnız grup uzlaşısı önemli → Klasik Delphi
Tur tur geri bildirime zaman yok, ikili karşılaştırma yeterli → AHP, BWM, LBWA
Asıl ihtiyaç grup uzlaşısı değil, verinin kendi değişkenliği → Entropy, CRITIC
Güçlü Yanları
Bulanık Delphi'nin en önemli üstünlüğü, uzman görüşündeki iki farklı belirsizlik kaynağını (uzmanlar arası görüş ayrılığı ve uzmanın kendi içindeki kararsızlığı) ayrı ayrı görünür kılmasıdır. Klasik Delphi yalnız birincisini ölçer; Bulanık Delphi ikisini birlikte taşır ve ancak son adımda tek sayıya indirir. Uzman "tam olarak bilmiyorum ama şu aralıkta" demek istediğinde bunu zorla tek bir sayıya sıkıştırmaz, bu da özellikle yeni ya da az bilinen konularda daha dürüst bir girdi toplama imkânı verir.
Zayıf Yanları
Yöntemin en tartışmalı noktası durulaştırma adımıdır. Bulanık aralık toplanıp en sonunda tek sayıya indirildiğinde, aralığın taşıdığı bilginin bir kısmı raporda kaybolur; bazı araştırmacılar bunu yöntemin "bulanıklığı baştan yaratıp sonunda atması" olarak eleştirir (Saffie, Shukor ve Rasmani, 2016). İkincisi, uzlaşı eşiğinin seçimi özneldir ve analiz başlamadan sabitlenmezse sonuca göre ayarlanma riski taşır. Üçüncüsü, uzmanlar arası birleştirmede en küçük ve en büyük uçların alınması, tek bir aşırı uçtaki uzmanın grup aralığını gereğinden fazla genişletmesine yol açabilir. Dördüncüsü, klasik Delphi gibi bu yöntem de zaman ve katılımcı yorgunluğu maliyeti taşır; birden fazla tur gerektiğinde süreç haftalar sürebilir.
Sık Yapılan Hatalar
En sık hata, uzmanlardan üçgen aralık toplamak yerine tek sayı toplayıp sonradan "bu bulanık Delphi'dir" demektir; belirsizlik gerçekten aralıkla ifade edilmemişse yöntemin asıl katkısı devreye girmez. İkinci hata, uzlaşı eşiğini analiz sonrasında, sonuçlara bakarak belirlemektir. Üçüncü hata, durulaştırılmış ağırlığı raporlarken altındaki üçgenin genişliğini (uzlaşının ne kadar sıkı olduğunu) hiç belirtmemektir; iki kritere aynı ağırlık çıksa bile biri geniş biri dar bir uzlaşıdan gelebilir. Dördüncü hata, tek bir uzmanın uç değerini birleştirme adımında olduğu gibi bırakıp grup aralığının bu tek görüşten ne kadar etkilendiğini sorgulamamaktır.
Temel ilke şudur:
Bulanık Delphi'nin ağırlığı, uzmanların üçgen aralıklarının merkezi bir özetidir; bu özetin arkasındaki aralık ne kadar genişse, ağırlık o kadar kırılgandır ve rapor bunu göstermelidir.
Vakalar
Her vaka bir karar tablosuyla başlar, yöntemin bu tabloya ne yaptığını kelimeyle anlatır ve sonucun nasıl okunacağını gösterir. Birinci vaka öğretici bir doğrulama örneğidir; diğerleri kurgudur.
1. Yöntem Doğrulaması: Üç uzman, üç kriterlik tek turluk bir örnek (DecisionMind'ın doğrulama örneği)
Üç uzman, üç kriteri 0-10 arası bir ölçekte, bu turda üçgen yerine tek bir kesin sayıyla puanlar; yani her uzmanın belirsizliği sıfır kabul edilir ve yalnız uzmanlar arasındaki görüş birleştirilir.
| Uzman | C1 | C2 | C3 |
|---|---|---|---|
| U1 | 3 | 5 | 4 |
| U2 | 5 | 3 | 2 |
| U3 | 4 | 4 | 3 |
Yöntem her kriter için üç uzmanın puanının geometrik ortalamasını alır: C1 için (3×5×4)'ün küp kökü, C2 için (5×3×4)'ün küp kökü, C3 için (4×2×3)'ün küp kökü. Uzmanlar tek sayı verdiği için grup üçgeni bu tek merkez değere küçülür; ağırlık merkezi de aynı sayıya eşit çıkar. Son olarak bu üç merkez değer kendi toplamına bölünerek ağırlığa çevrilir.
| Kriter | Merkez değer | Ağırlık |
|---|---|---|
| C1 | 3,915 | 0,365 |
| C2 | 3,915 | 0,365 |
| C3 | 2,884 | 0,269 |
Sonuç şöyle okunur. C1 ve C2, uzmanların puanlarının geometrik ortalaması eşit çıktığı için aynı ağırlığı alır; C3 hem daha düşük puanlanmış hem de uzmanlar arasında daha az fark bulunan bir kriterdir ve daha düşük ağırlıkla kalır. Bu vakada uzmanlar tek sayı verdiği için yöntemin asıl gücü olan "aralık taşıma" özelliği devrede değildir; bu, motorun kesin girdiyle de tutarlı çalıştığını gösteren bir sınama vakasıdır.
Ekip burada tereddüt eder: üç uzmanla hesaplanan bir geometrik ortalama, dördüncü bir uzman eklendiğinde belirgin biçimde kayabilir. Ayrıca uzmanlar burada aralık değil tek sayı verdiği için, gerçek bir Bulanık Delphi uygulamasında beklenen "uzlaşının genişliği" bilgisi bu vakada üretilmez.
Raporda: "Üç uzmanın tek sayı olarak verdiği puanların geometrik ortalaması C1 ve C2'ye eşit (0,365), C3'e daha düşük (0,269) ağırlık vermiştir; bu vaka motorun kesin girdiyle tutarlılığını gösterir, uzman aralıklarının genişliğini göstermez."
Kaynak: Kaufmann ve Gupta (1988)'in tanıttığı yönteme dayanan sayılardır; bu vaka öğretici bir doğrulama örneğidir, kitabın kendi sayısal örneği değildir. Sayılar DecisionMind'ın motoru çalıştırılarak üretilmiş ve doğrulanmıştır.
2. Kamu: Belediyenin akıllı şehir yatırım kriterlerinin ağırlıklandırılması
Bir büyükşehir belediyesi, akıllı şehir yatırımlarında önceliklendirme kriterlerini belirleyecektir. Dört kriter vardır: vatandaş memnuniyetine katkı, uygulama maliyeti, teknik olgunluk ve çevresel etki. Sekiz uzmandan oluşan bir panel, her kritere "en az, en olası, en çok" biçiminde üçgen bir önem puanı verir; bazı uzmanlar dar aralıklar (örneğin 6-7-8), bazıları geniş aralıklar (örneğin 3-6-9) bildirir.
Yöntem her kriter için uzmanların en küçük alt ucunu, en büyük üst ucunu ve olası değerlerin geometrik ortalamasını alarak bir grup üçgeni kurar. Vatandaş memnuniyeti kriterinde uzmanlar hem yüksek puan vermiş hem de aralıkları dar tutmuştur; maliyet kriterinde puanlar orta düzeyde ama aralıklar geniştir, çünkü uzmanlar maliyetin projeye göre çok değişebileceğini düşünmektedir.
Belediye burada tereddüt eder: vatandaş memnuniyeti ve maliyet kriterleri durulaştırıldıktan sonra benzer ağırlık alsa bile, biri dar biri geniş bir uzlaşıdan gelmektedir. Belediye, geniş aralıklı maliyet kriterinin ağırlığını rapora "daha az kesin" notuyla eklemeye karar verir.
Raporda: "Vatandaş memnuniyeti kriteri hem yüksek puan almış hem de dar bir uzman aralığından türetilmiştir; maliyet kriteri benzer ağırlığa sahip olmakla birlikte uzmanlar arasında daha geniş bir görüş farkına dayanmaktadır."
3. Tarım: Kooperatifin sulama teknolojisi seçim kriterlerinin ağırlıklandırılması
Bir tarım kooperatifi, üyelerine önerilecek sulama teknolojisi seçiminde kullanılacak kriterlerin ağırlığını belirleyecektir. Üç kriter vardır: su tasarrufu, kurulum maliyeti ve bakım kolaylığı. On iki üretici, her kritere üçgen bir önem puanı verir.
Birinci turda su tasarrufu kriterinde geniş bir görüş aralığı ortaya çıkar; sulama teknolojisine yeni geçen üreticiler bu kriteri çok önemli görürken, uzun süredir aynı sistemi kullananlar daha az önemli bulur. Grup üçgeninin genişliği uzlaşı eşiğini aşar ve ikinci bir tur gerekir. İkinci turda, üreticiler birbirinin görüşünü gördükten sonra aralıklarını daraltır ve eşik sağlanır.
Kooperatif burada tereddüt eder: ikinci turda aralıkların hızla daralması, gerçek bir görüş değişikliği mi yoksa grup baskısı mı sorusu tartışılır. Kooperatif, üçüncü bir doğrulama turu yapmadan sonucu kesinleştirmemeye karar verir.
Raporda: "Su tasarrufu kriteri ikinci turun sonunda en yüksek ağırlığı almış ve grup üçgeninin genişliği kabul edilen eşiğin altına inmiştir; hızlı daralma nedeniyle üçüncü bir doğrulama turu planlanmıştır."
4. Yapılmaması Gereken
Birinci vakadaki üç uzmanlı örnekte, uzmanlardan aralık toplamak yerine tek sayı toplayıp bunu "bulanık" diye sunmak yanlıştır; bu durumda yöntemin asıl katkısı olan aralık taşıma hiç devreye girmez. İkinci yanlış, durulaştırılmış ağırlığı raporlarken grup üçgeninin genişliğini hiç belirtmemektir; C1 ile C2'nin eşit ağırlık alması, ikisinin arkasındaki uzlaşının da eşit sıkılıkta olduğu anlamına gelmez. Üçüncü yanlış, tek bir uzmanın aşırı geniş aralığını (örneğin 1-5-10) veri temizliği yapmadan birleştirme adımına sokup grup aralığını gereğinden fazla genişletmektir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/fuzzy-delphi
Kaufmann, A., & Gupta, M. M. (1988). Fuzzy Mathematical Models in Engineering and Management Science. North-Holland, Amsterdam. (DOI yok)
Ishikawa, A., Amagasa, M., Shiga, T., Tomizawa, G., Tatsuta, R., & Mieno, H. (1993). The max-min Delphi method and fuzzy Delphi method via fuzzy integration. Fuzzy Sets and Systems, 55(3), 241-253. DOI: 10.1016/0165-0114(93)90251-c
Saffie, N. A. M., Shukor, N. A. M., & Rasmani, K. A. (2016). Fuzzy Delphi method: Issues and challenges. 2016 International Conference on Logistics, Informatics and Service Sciences (LISS), 1-7. DOI: 10.1109/liss.2016.7854490
Roldán López de Hierro, A. F., Sánchez, M., Puente-Fernández, D., Montoya-Juárez, R., & Roldán, C. (2021). A fuzzy Delphi consensus methodology based on a fuzzy ranking. Mathematics, 9(18), 2323. DOI: 10.3390/math9182323