NAIADE (Novel Approach to Imprecise Assessment and Decision Environments)

NAIADE, elinizde sayısal bir karar tablosu olduğunda seçenekleri tek bir sıraya dizen bir sıralama yöntemidir. Çıktısı her seçenek için bir net akış puanı ve bu puana göre büyükten küçüğe sıradır. Munda tarafından 1995'te, ekolojik ekonomi ve çevre politikası değerlendirmelerindeki belirsizliği ele almak için önerilmiştir. NAIADE'yi ailenin çoğu yönteminden ayıran özellik, kriter ağırlığı istemeden de çalışabilmesidir; ağırlıksız durumda her kriter eşit sayılır.

NAIADE'nin çıkış noktası, insan karşılaştırmasının keskin sayılarla değil bulanık derecelerle işlediği fikridir. İki seçeneği bir kriterde karşılaştırdığınızda genelde "kesinlikle A daha iyi" ya da "ikisi de aynı" demezsiniz; "biraz daha iyi" ya da "epey daha iyi" dersiniz. NAIADE bu sezgiyi bir eşik değeriyle (α) sayısallaştırır: iki seçenek arasındaki fark bu eşiği aşarsa "kesinlikle daha iyi" denir, eşiğin biraz altındaysa fark eşiğe oranla kademeli bir "daha iyi" derecesi alır, eşiğin de altındaysa fark yok sayılır. Yöntem bu kademeli karşılaştırmayı her kriterde, her seçenek çifti için yapar, sonra tüm kriterler ve tüm çiftler üzerinden birleştirerek her seçeneğin net olarak ne kadar "öne çıktığını" bulur.

Bu fikrin bir sonucu vardır: NAIADE, PROMETHEE ailesine yakın bir üstünlük (outranking) mantığı taşır; seçenekleri hayali bir ideale değil birbirlerine karşı ikili olarak tartar. Ağırlık istemediği için kriterlerin göreli önemine dair bir varsayım yapmaz; bu, ağırlıkların tartışmalı ya da belirsiz olduğu durumlarda bir avantajdır, ama kriterlerin gerçekte eşit önemde olmadığı durumlarda bir sınırlılıktır.

Yöntem üç adımda ilerler.

Birinci adım, ölçek eşitleme. Kriterler yön gözetilerek 0 ile 1 arasına eşitlenir; "azı iyi" kriterlerde yön ters çevrilir.

İkinci adım, ikili bulanık karşılaştırma. Her seçenek çifti için, her kriterde aradaki eşitlenmiş fark bir eşik değeriyle (α) karşılaştırılır. Fark eşiği aşıyorsa "kesinlikle daha iyi" derecesi tam (1), farkın eşiğe oranı kadar kademeli bir "daha iyi" derecesi, fark çok küçükse "farksız" kabul edilir.

Üçüncü adım, birleştirme ve net akış. Bu ikili karşılaştırmalar tüm kriterler üzerinden ağırlıklarla (belirtilmemişse eşit) birleştirilerek her çift için bir "kesinlikle daha iyi", "kısmen daha iyi" ve "farksızlık" bileşimi elde edilir. Her seçenek için, diğer tüm seçeneklere göre ne kadar öne çıktığı ile ne kadar geride kaldığı arasındaki fark toplanıp seçenek sayısı eksi bire bölünerek net akış bulunur. Net akışı en yüksek seçenek birinci sıraya yerleşir.

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

Net akış, bir seçeneğin diğer tüm seçeneklere göre ne kadar öne çıktığını gösteren birimsiz bir sayıdır; yüzde ya da olasılık değildir. Değer negatif de olabilir: bu, seçeneğin diğerlerine göre net olarak geride kaldığı anlamına gelir, "kötü" bir performans göstergesi değildir; yalnız bu seçenek kümesindeki göreli konumu ifade eder. Değer başka bir analizdeki net akışla karşılaştırılmaz, çünkü karşılaştırma tamamen bu seçenek kümesinin kendi içindeki ikili farklardan kurulur.

Eşik değeri α'nın seçimi sonucu doğrudan etkiler. α küçükse küçük farklar bile "kesinlikle daha iyi" sayılır ve karşılaştırmalar keskinleşir; α büyükse aynı farklar "biraz daha iyi" ya da "farksız" sayılır ve karşılaştırmalar yumuşar. Aynı tabloda α değiştirildiğinde sıra değişebilir; bu, NAIADE'nin bilinen bir duyarlılığıdır ve rapor bunu göstermelidir.

Bu nedenle:

"NAIADE en iyi seçeneği buldu"

yerine:

"Bu eşik değeriyle ve bu seçenek kümesiyle net olarak en öne çıkan seçenek şudur; sıra eşik değerine duyarlıdır"

biçiminde yazmak doğrudur.

NAIADE kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da şu an yalnız bu kesin sürüm bulunur; başka veri türünde uzantısı yoktur. Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, boş hücre olmadan doldurulmuş bir tablo, her kriter için yön bilgisi ve bir eşik değeri (α, tipik olarak 0 ile 1 arasında küçük bir sayı). Ağırlık isteğe bağlıdır; verilmezse kriterler eşit sayılır. En az iki seçenek ve iki kriter gerekir.

Kriterleriniz sayısalsa, tablo tam doluysa ve kriter ağırlıklarını belirlemek zor ya da tartışmalıysa NAIADE makul bir seçimdir; ağırlıksız çalışabilmesi bu durumda bir avantajdır. Tipik alanı çevre politikası ve ekolojik ekonomi değerlendirmeleridir, ama mantığı alandan bağımsızdır.

Kriterlerin gerçekte eşit önemde olmadığını biliyorsanız ve bunu analize yansıtmak istiyorsanız, ağırlık istemeyen NAIADE yerine ağırlık kabul eden bir yöntem (TOPSIS, MAIRCA) daha uygun olabilir; NAIADE'de ağırlık verilebilir ama yöntemin "ağırlıksız da çalışır" felsefesi bu durumda tam kullanılmamış olur. Eşik değerinin nasıl seçildiği gerekçelendirilemiyorsa da NAIADE'nin sonucu tartışmalı kalır.

Ağırlık belirsiz ya da tartışmalı, ikili karşılaştırma mantığı uygun → NAIADE

Ağırlıklar netse ve tek bir ideale uzaklık aranıyorsa → TOPSIS

Bir kriterde taviz yok → Önce eleme, sonra sıralama

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

NAIADE'nin en önemli üstünlüğü ağırlık istemeden çalışabilmesidir; bu, kriter önceliklerinin belirsiz ya da paydaşlar arasında tartışmalı olduğu durumlarda bir analiz yapmayı mümkün kılar. Yöntem, insan karşılaştırmasının kademeli doğasını ("biraz daha iyi", "kesinlikle daha iyi") bir eşik değeriyle sayısallaştırarak bulanık bir sezgiyi izlenebilir bir hesaba çevirir. İkili karşılaştırma mantığı, hayali bir ideal seçeneğe değil doğrudan seçenekler arası farklara dayandığı için TOPSIS'in ideal-seçenek varsayımından bağımsızdır.

Sınırlılıkları eşik değerinden ve ikili yapıdan gelir. Birincisi, sonuç eşik değeri α'ya duyarlıdır; farklı α değerleri farklı sıra verebilir ve bu, yöntemin kendi literatüründe bilinen bir uyarıdır. İkincisi, ağırlıksız çalışma bir avantaj olduğu kadar bir sınırlılıktır da: kriterlerin gerçekte eşit önemde olmadığı durumlarda bu varsayım gerçeği yansıtmaz. Üçüncüsü, ikili karşılaştırmaların sayısı seçenek sayısının karesiyle büyür; seçenek sayısı arttıkça hesap ve yorumlama yükü diğer bazı yöntemlere göre daha hızlı artar. Dördüncüsü, çok kriterli karar yöntemlerinin sayısının hızla artması ve her yöntemin kendi varsayımlarının ne ölçüde bağımsız sınandığının izlenmesi genel bir güçlüktür (Guitouni ve Martel, 1998).

En yaygın hata eşik değeri α'yı hiç sorgulamadan varsayılan bir değerde bırakmaktır; bu değer bir karardır ve raporda gerekçelendirilmelidir. Farklı α değerleriyle sıranın değişip değişmediği ayrıca sınanmalıdır.

İkinci hata, net akışı yüzde ya da olasılık gibi okumaktır; değer yalnız bu seçenek kümesini birbirine göre sıralar. Üçüncü hata, ağırlık vermeden çalışabildiği için NAIADE'yi "objektif" ya da "varsayımsız" bir yöntem olarak sunmaktır; eşit ağırlık kabulü de bir varsayımdır ve tartışılmalıdır. Dördüncü hata, bir kriterde asla taviz verilemeyecek bir durumda ikili, telafi edici bir yöntem seçmiş olmaktır.

Temel ilke şudur:

NAIADE sonucu, seçtiğiniz eşik değerinin ve kriter ağırlığı varsayımının bir özetidir; eşik değeri değiştiğinde sıra değişiyorsa rapor bunu göstermelidir.