Yöntemler · Sıralama
Bulanık Bilgi Aksiyomu (Fuzzy Information Axiom)
Bulanık Bilgi Aksiyomu, her seçeneğin sağladığı üçgen bulanık performans aralığının istenen tasarım aralığıyla ne kadar örtüştüğüne bakar; örtüşme ne kadar büyükse seçenek o kadar az belirsizlik taşır ve o kadar iyi kabul edilir.
Temel yöntemin veri türü: Bulanık (Fuzzy)
Yöntem Nedir?
Bulanık Bilgi Aksiyomu, elinizde hem seçeneklerin gerçekleştirdiği performans aralığı hem de kabul edilebilir tasarım aralığı bulanık sayılarla verildiğinde, hangi seçeneğin bu aralığı daha güvenle karşıladığını bulan bir sıralama yöntemidir. Suh'un 1990 tarihli aksiyomatik tasarım kuramındaki Bilgi Aksiyomu'nun bulanık veriye uyarlanmış biçimidir; Kahraman ve Kulak, 2008 yılında bu uyarlamayı üretim sistemi seçimi örnekleriyle tanımlamıştır. Çıktı her seçenek için bir bilgi içeriği sayısı ve bu sayıya göre bir sıradır; sayı ne kadar küçükse seçenek fonksiyonel gereksinimleri o kadar güvenle karşılar.
Yöntemin Felsefesi
Suh'un aksiyomatik tasarım kuramı, iyi bir tasarımın iki koşulu sağlaması gerektiğini söyler: gereksinimler birbirinden bağımsız olmalı ve tasarım bu gereksinimleri en az belirsizlikle karşılamalıdır. Bulanık Bilgi Aksiyomu ikinci koşulu, ölçümlerin kesin bir sayı değil bir aralık (üçgen bulanık sayı) olduğu durumlara taşır. Bir okçunun hedef tahtasına attığı oku düşünün. Önemli olan okun düştüğü tek nokta değil, okun düşebileceği olası bölge ile hedefin kabul edilebilir bölgesinin ne kadar örtüştüğüdür. Örtüşme küçükse hedefi tutturma bilgisi belirsizdir, yani sürpriz payı yüksektir; örtüşme büyükse belirsizlik azdır. Bu yaklaşımın felsefi sonucu eleyicidir. Bir seçeneğin aralığı tasarım aralığıyla hiç kesişmiyorsa, o seçenek diğer kriterlerdeki başarısından bağımsız olarak o gereksinim için uygunsuz sayılır.
Yöntem Nasıl Çalışır?
Yöntem beş adımda ilerler.
Birinci adım, sistem ve tasarım aralıklarını toplamak. Her seçeneğin her fonksiyonel gereksinimdeki performansı bir üçgen bulanık sayıyla (alt sınır, en olası değer, üst sınır) ifade edilir; buna sistem aralığı denir. Karar vericinin kabul ettiği tasarım aralığı da aynı biçimde üçgen bulanık sayıyla verilir. Dilsel ifadeler kullanılıyorsa önce bu üçgen sayılara çevrilir.
İkinci adım, sistem alanı ve ortak alanı hesaplamak. Yöntem her hücre için iki alan hesaplar: sistem aralığının kendi üyelik fonksiyonunun altındaki alan (sistem alanı) ve sistem aralığı ile tasarım aralığının kesiştiği bölgenin alanı (ortak alan). Üçgen bir bulanık sayı için sistem alanı, aralığın genişliğinin yarısıdır. Ortak alan, iki üçgenin çakıştığı bölgenin geometrik alanıdır; bu adım bulanık aritmetik değil, iki üçgenin kesişim bölgesinin ölçülmesidir.
Üçüncü adım, bilgi içeriğini hesaplamak. Her hücre için bilgi içeriği, sistem alanının ortak alana oranının 2 tabanında logaritmasıdır. Ortak alan sıfırsa, yani iki aralık hiç kesişmiyorsa, bilgi içeriği sonsuza gider ve o seçenek o gereksinim için tamamen uygunsuz sayılır.
Dördüncü adım, toplam bilgi içeriğini bulmak. Her seçeneğin fonksiyonel gereksinimler genelindeki bilgi içerikleri, gereksinim ağırlıklarıyla çarpılıp toplanır. Ağırlık verilmemişse tüm gereksinimler eşit sayılır.
Beşinci adım, sıralamak. Seçenekler toplam bilgi içeriğine göre küçükten büyüğe sıralanır; en küçük bilgi içeriğine sahip seçenek gereksinimleri en güvenle karşılayan tasarımdır.
Adımların formülleri, ara tabloları ve atıf biçimleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.
Çıktı Nasıl Yorumlanır?
Bilgi içeriği, bir seçeneğin bu tasarım aralıklarına göre ne kadar az belirsizlikle gereksinimleri karşıladığını gösterir; başka bir şey söylemez. Sayının kendisi bir olasılık ya da yüzde değildir; yalnız seçenekleri birbirine göre sıralamak için kullanılır. Sıfıra yakın bir bilgi içeriği, seçeneğin aralığının tasarım aralığıyla neredeyse tam örtüştüğünü gösterir. Büyük bir sayı, örtüşmenin küçük olduğunu, yani seçeneğin gereksinimi ancak marjinal biçimde karşıladığını gösterir. Sonsuz bilgi içeriği, o seçeneğin ilgili gereksinim için tümüyle elendiği anlamına gelir; bu seçenek diğer gereksinimlerde ne kadar iyi olursa olsun toplamda elenmiş sayılır.
İki seçenek arasındaki küçük bir bilgi içeriği farkı, aralıkların hafifçe kaydırılmasıyla tersine dönebilir, çünkü ortak alan hesaplaması aralık sınırlarına duyarlıdır. Rapor, sıranın tasarım aralığının sınırlarına ne kadar duyarlı olduğunu göstermelidir.
Bu nedenle:
"Bulanık Bilgi Aksiyomu en iyi tasarımı buldu"
yerine:
"Bu tasarım aralıkları ve bu ağırlıklarla en az belirsizlik taşıyan seçenek şudur; sıra tasarım aralığının sınırlarına duyarlıdır"
biçiminde yazmak doğrudur.
Veri Türü ve Girdiler
Bulanık Bilgi Aksiyomu üçgen bulanık sayılarla çalışır: her hücre bir alt sınır, bir en olası değer ve bir üst sınırdan oluşur. DecisionMind'da temel yöntemle birlikte bu yazının tarihinde kayıtlı bir uzantısı bulunmamaktadır. Veriniz kesinse, önce dilsel ölçek ya da uzman aralığıyla üçgen bulanık sayıya çevrilmelidir.
Elinizde şunlar olmalı: her seçenek için her gereksinimde bir sistem aralığı, her gereksinim için bir tasarım aralığı, her gereksinim için yön bilgisi ve tercihen gereksinim ağırlıkları; ağırlık verilmezse eşit kabul edilir. En az iki seçenek ve iki gereksinim gerekir; önerilen büyüklük iki ile yirmi beş seçenek, üç ile on gereksinim arasıdır. Gereksinimlerin birbirinden bağımsız olduğu varsayılır; güçlü bağımlılık varsa önce Bağımsızlık Aksiyomu ile ele alınmalıdır.
Ne Zaman Kullanılır, Ne Zaman Kullanılmaz?
Performans ölçümleriniz ve kabul edilebilir aralığınız kesin bir sayı değil de bir aralık ya da uzman tahminiyse ve tasarımın gereksinimleri ne kadar güvenle karşıladığını sormak istiyorsanız, Bulanık Bilgi Aksiyomu uygun bir seçimdir. Tipik alanları üretim sistemi seçimi ve dilsel uzman değerlendirmesi gerektiren mühendislik kararlarıdır.
Kullanılmaması gereken durum, gereksinimler arasında güçlü bir bağımlılık olduğunda ortaya çıkar; yöntem gereksinimleri bağımsız sayar ve bu varsayım sağlanmazsa sonuç yanıltıcı olur. Veriniz zaten kesinse ve belirsizlik önemli değilse, kesin Bilgi Aksiyomu ya da diğer kesin sıralama yöntemleri daha basittir.
Performans ve kabul aralığı bulanık, gereksinimler bağımsız → Bulanık Bilgi Aksiyomu
Veri kesin, belirsizlik önemli değil → kesin Bilgi Aksiyomu ya da TOPSIS, SAW gibi yöntemler
Gereksinimler arasında güçlü bağımlılık var → önce Bağımsızlık Aksiyomu ile yeniden tasarım
Bir gereksinimde hiçbir örtüşme kabul edilmiyor → eleme mantığıyla çalışan yöntemler
Güçlü Yanları
Yöntemin en önemli üstünlüğü, belirsizliği veri toplama aşamasında saklamak yerine hesaba açıkça dahil etmesidir. Bir seçeneğin tasarım aralığıyla hiç örtüşmemesi durumunu sonsuz bilgi içeriğiyle açıkça işaretler; bu, seçeneğin diğer kriterlerdeki iyi puanlarıyla telafi edilemeyecek bir eleme sağlar. Aksiyomatik tasarım kuramına dayandığı için mühendislik gereksinimlerinin bağımsızlığı gibi tasarım disiplinindeki ilkelerle doğrudan uyumludur.
Zayıf Yanları
Sınırlılıkları da bu yapıdan gelir. Birincisi, ortak alan hesaplaması aralık sınırlarına duyarlıdır; sınırların hafifçe kaydırılması bilgi içeriğini ve dolayısıyla sırayı değiştirebilir. İkincisi, gereksinimlerin bağımsız olduğu varsayımı her zaman gerçekçi değildir; güçlü bağımlı gereksinimlerde yöntem yanıltıcı sonuç verebilir (Suh, 1990). Üçüncüsü, dilsel ifadelerin üçgen bulanık sayıya çevrilmesi ayrı bir uzman kararı gerektirir ve bu dönüşüm sonucu doğrudan etkiler. Dördüncüsü, sonsuz bilgi içeriği pratikte özel bir işlem ister; birden çok seçenek sonsuz değer alırsa aralarında sıralama yapılamaz.
Sık Yapılan Hatalar
En yaygın hata, bilgi içeriğini bir olasılık ya da yüzde gibi okumaktır; sayı yalnız seçenekleri sıralamak için kullanılır. İkinci hata, tasarım aralığını gerçekte olduğundan dar belirleyip seçenekleri gereksiz yere elemektir; aralık kararı ayrı bir mühendislik kararıdır ve raporda gerekçelendirilmelidir. Üçüncü hata, gereksinimler arasında bağımlılık olduğunu bile bile yöntemi uygulamaya devam etmektir. Dördüncü hata, dilsel ifadelerin üçgen bulanık sayıya çevrilmesinde kullanılan ölçeği raporda belirtmemektir; farklı bir ölçek farklı bir sonuç verir.
Temel ilke şudur:
Bulanık Bilgi Aksiyomu sonucu, sizin belirlediğiniz tasarım aralıklarının ve gereksinim bağımsızlığı varsayımının bir yansımasıdır; aralıklar tartışmalıysa sıra da tartışmalıdır ve rapor bunu göstermelidir.
Vakalar
Her vaka bir karar tablosuyla başlar, yöntemin bu tabloya ne yaptığını kelimeyle anlatır ve sonucun nasıl okunacağını gösterir.
1. Üretim Mühendisliği: iki üretim hattı arasında seçim (öğretici örnek)
Bir fabrika müdürü iki esnek üretim hattı arasında seçim yapacaktır. İki fonksiyonel gereksinim vardır: üretim kapasitesi (çoğu iyi) ve birim maliyet (azı iyi). Kapasite için tasarım aralığı 45-50-55 birim, maliyet için tasarım aralığı 25-30-35 birimdir. Ağırlıklar iki gereksinime eşit (0,50'şer) verilmiştir.
| Hat | Kapasite (alt-olası-üst) | Maliyet (alt-olası-üst) |
|---|---|---|
| H1 | 40-50-60 | 20-30-40 |
| H2 | 10-30-70 | 10-30-50 |
| Yön | çoğu iyi | azı iyi |
| Ağırlık | 0,50 | 0,50 |
Yöntem her hücrede sistem aralığının tasarım aralığıyla ne kadar örtüştüğünü ölçer. H1'in kapasite aralığı (40-60) tasarım aralığını (45-55) neredeyse tam kapsar; H2'nin kapasite aralığı (10-70) çok daha geniştir ve tasarım aralığıyla göreli olarak daha az örtüşür. Aynı örtüşme farkı maliyet gereksiniminde de görülür.
| Hat | Bilgi İçeriği | Sıra |
|---|---|---|
| H1 | 1,000 | 1 |
| H2 | 2,504 | 2 |
Sonuç şöyle okunur. H1'in her iki gereksinimdeki aralığı dar ve tasarım aralığına yakın olduğu için belirsizliği düşüktür. H2'nin aralıkları çok daha geniştir; tasarım aralığını içine alsa da örtüşme oranı düşüktür ve bilgi içeriği daha yüksektir, yani H2'nin performansı daha az öngörülebilirdir.
Müdür burada tereddüt eder. H2'nin geniş aralığı, hattın hem çok iyi hem çok kötü performans gösterebileceği anlamına gelir; ortalama olarak tasarım aralığını karşılasa da bu geniş belirsizlik üretim planlamasını zorlaştırır. Tasarım aralığı daraltılırsa iki hat arasındaki fark küçülür.
Raporda: "Verilen tasarım aralıklarıyla en düşük bilgi içeriğine (1,0) sahip hat H1'dir; H2'nin geniş performans aralığı (2,504) belirsizliğinin yüksek olduğunu gösterir."
Kaynak: Kahraman ve Kulak (2008), 8. Bölüm, Denklem (7), s. 215. Bu iki seçenekli iki gereksinimli örnek, kitaptaki dört üretim sistemi ile altı gereksinimli örnekten alınmamıştır; formülü doğrulamak için DecisionMind tarafından oluşturulmuş öğretici bir örnektir. Sayılar DecisionMind'ın motoruyla ve bağımsız sayısal integrasyonla (üyelik fonksiyonlarının kesişim alanı doğrudan hesaplanarak) doğrulanmıştır. DecisionMind ekibi bu yöntemin yön testindeki bazı sınır durumlarını (aralık genişliği çok arttığında) ayrıca gözden geçiriyor.
2. Havacılık: uçak bakım biriminde yedek parça tedarikçisi seçimi
Bir havayolu bakım biriminde iki yedek parça tedarikçisi karşılaştırılacaktır. İki gereksinim vardır: teslimat süresi (azı iyi) ve parça ömrü garantisi (çoğu iyi); ikisi de uzman görüşüyle üçgen bulanık aralık olarak verilmiştir, çünkü tedarikçilerin geçmiş performansı değişkendir. Diyelim ki birinci tedarikçinin teslimat süresi aralığı dar ve tasarım aralığına yakındır, ikinci tedarikçinin aralığı ise hem çok hızlı hem çok yavaş teslimatları içerecek kadar geniştir.
Yöntem her iki gereksinimde örtüşmeyi ölçer ve toplar. Birim, dar aralıklı birinci tedarikçiyi daha düşük bilgi içeriğiyle önde bulur.
Birim burada tereddüt eder. İkinci tedarikçinin ortalama performansı aslında birinciyle yakındır, ama geniş aralığı öngörülemezlik taşır. Bakım planlaması öngörülemezliğe birinci tedarikçiden daha duyarlıdır; bu yüzden düşük bilgi içeriği burada yalnız ortalama performansı değil tutarlılığı da yansıtır.
Raporda: "En düşük bilgi içeriğine sahip tedarikçi birincisidir; bu sonuç ortalama performanstan çok performansın tutarlılığını yansıtır."
3. Kreş: oyun grubu eğitim materyali seçimi
Bir kreşin eğitim koordinatörü iki eğitim materyali seti arasında seçim yapacaktır. İki gereksinim vardır: yaş grubuna uygunluk (çoğu iyi) ve güvenlik puanı (çoğu iyi); ikisi de gözlemci öğretmenlerin dilsel değerlendirmesinden üçgen bulanık sayıya çevrilmiştir. Diyelim ki birinci set her iki gereksinimde de tasarım aralığıyla geniş ölçüde örtüşürken, ikinci set güvenlikte dar bir aralıkla örtüşür ama yaş uygunluğunda tasarım aralığının dışına taşar.
Yöntem ikinci setin yaş uygunluğu gereksiniminde bilgi içeriğinin çok yüksek çıkmasına, hatta örtüşme yoksa sonsuz çıkmasına yol açar; bu da seti o gereksinim için elenmiş sayar.
Koordinatör burada tereddüt eder. İkinci set güvenlikte daha iyi olsa da yaş uygunluğundaki elenme toplam sonucu domine eder. Bu, iki gereksinimin bağımsız değerlendirildiği ve güvenlik puanının yaş uygunluğundaki zayıflığı telafi edemediği anlamına gelir.
Raporda: "İkinci set yaş uygunluğu gereksiniminde tasarım aralığıyla yeterince örtüşmediği için toplam bilgi içeriği çok yüksek çıkmıştır; birinci set önerilmektedir."
4. Yapılmaması Gereken
Vaka 1 tablosundaki iki hat üzerinden üç somut yanlış. Birincisi, H1'in 1,0 bilgi içeriğini "yüzde yüz uygun" diye okumaktır; sayı bir olasılık değildir, yalnız H2'ye göre daha az belirsizlik taşıdığını gösterir. İkincisi, tasarım aralığını analiz bittikten sonra daraltıp aynı bilgi içeriklerini beklemektir; aralık değişince tüm hesap yeniden yapılmalıdır. Üçüncüsü, H2'nin geniş aralığını görmezden gelip yalnız ortalama değerine bakarak iki hattı eşit saymaktır; yöntemin bütün amacı bu geniş aralığı hesaba katmaktır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/fuzzy-information-axiom
Suh, N. P. (1990). The Principles of Design. Oxford University Press. ISBN: 978-0195043457. (DOI yok)
Kahraman, C., & Kulak, O. (2008). Fuzzy Multi-Attribute Decision Making Using an Information Axiom-Based Approach. In C. Kahraman (Ed.), Fuzzy Multi-Criteria Decision Making, 209-228. Springer. DOI: 10.1007/978-0-387-76813-7_8
Kulak, O., & Kahraman, C. (2005). Multi-attribute comparison of advanced manufacturing systems using fuzzy vs. crisp axiomatic design approach. International Journal of Production Economics, 95, 415-424. DOI: 10.1016/j.ijpe.2004.02.009
Kulak, O., Durmuşoğlu, M. B., & Kahraman, C. (2005). Fuzzy multi-attribute equipment selection based on information axiom. Journal of Materials Processing Technology, 169, 337-345. DOI: 10.1016/j.jmatprotec.2005.03.030