Yöntemler · Üstünlük
PAMSSEM II (Tam Sıralama Varyantı)
PAMSSEM II, PAMSSEM I ile aynı uyum ve akış hesabını kullanır, ama sonunda her seçeneği net akışına göre sıraya koyar; karşılaştırılamaz çift bırakmaz, her zaman tam bir sıralama üretir.
Temel yöntemin veri türü: Kesin (Classical)
Yöntem Nedir?
PAMSSEM II, elinizde birden çok kriterle değerlendirilmiş bir karar tablosu olduğunda ("hangi tedarikçi", "hangi proje", "hangi bölge") seçenekleri baştan sona tek bir sıraya dizen bir üstünlük (outranking) yöntemidir. PAMSSEM I ile aynı uyum, uyumsuzluk ve akış hesaplarını paylaşır; tek farkı son adımdadır. PAMSSEM I bazı çiftleri karşılaştırılamaz bırakabilirken, PAMSSEM II bu belirsizliği kabul etmez ve net akışa göre baştan sona bir sıra verir. Bu yüzden DecisionMind, PAMSSEM II'de varsayılan kayıtsızlık ve tercih eşiklerini de PAMSSEM I'den daha sıkı tutar; amaç, tam sıraya karar verirken yerel karşılaştırmaların da daha ince derecelenmesidir.
Yöntemin Felsefesi
PAMSSEM II'nin arkasındaki fikir, PAMSSEM I'in dürüstlüğünden bir adım geri çekilip kararlılığı önceliklendirmektir. Gerçek hayatta bir karar vericinin çoğu zaman "bu ikisi hakkında karar veremiyorum" cevabına tahammülü yoktur; bir proje seçilmeli, bir tedarikçiyle sözleşme imzalanmalıdır. PAMSSEM II bu ihtiyacı karşılar: aynı uyum ve akış hesabından geçirdiği seçenekleri, ne kadar yakın olurlarsa olsunlar, net akışlarına göre büyükten küçüğe dizer.
Bu tercihin bir bedeli vardır. PAMSSEM I'de karşılaştırılamaz kalan bir çift, aslında verideki gerçek bir gerilimi (biri bir yönde iyi, öbürü başka yönde iyi) yansıtır. PAMSSEM II bu gerilimi görmezden gelip tek bir sayıya (net akış) indirger ve bu sayı ne kadar küçük bir farkla ayrılırsa ayrılsın bir sıra üretir. Yöntem böylece kararlı ama bazen olduğundan daha kesin görünen bir sonuç verir.
Yöntem Nasıl Çalışır?
Yöntem PAMSSEM I ile aynı yedi adımı izler; farkı yalnız son adımdadır.
Birinci adım, ikili yerel karşılaştırma. Her kriter için iki seçenek arasındaki fark hesaplanır, kriterin yönüne göre işaretlenir. DecisionMind, PAMSSEM II'de bu adımda varsayılan olarak sıfırdan farklı bir kayıtsızlık ve birden düşük bir tercih eşiği kullanır; bu, PAMSSEM I'in varsayılan uç eşiklerinden (tamamen keskin geçiş) daha kademeli bir geçiş sağlar.
İkinci adım, uyum (concordance). Yerel karşılaştırmalar kriter ağırlıklarıyla ağırlıklı toplanır.
Üçüncü adım, uyumsuzluk (discordance). Her kriter için kaybedilen farkın, o kriterin tablodaki genişliğine oranı hesaplanır.
Dördüncü adım, kapsamlı üstünlük derecesi. Veto eşiği belirtilmişse ve bir kriterdeki ters fark bu eşiği aşıyorsa üstünlük sıfırlanır; belirtilmemişse kapsamlı üstünlük derecesi doğrudan uyum derecesine eşit kalır.
Beşinci adım, giden ve gelen akış. Her seçeneğin ortalama üstünlüğü ve ortalama geri kalmışlığı hesaplanır.
Altıncı adım, net akış. Giden akıştan gelen akış çıkarılır.
Yedinci adım, tam sıralama. PAMSSEM I'in aksine bu adımda hiçbir karşılaştırma askıda bırakılmaz; seçenekler doğrudan net akışlarına göre büyükten küçüğe sıralanır.
Adımların formülleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.
Çıktı Nasıl Yorumlanır?
Net akış, bir seçeneğin diğerlerine göre ortalama olarak ne kadar öne çıktığını gösterir; bir yüzde ya da kesinlik derecesi değildir. PAMSSEM II'nin ürettiği sıralama her zaman tamdır, ama bu tamlık iki seçenek arasındaki farkın küçük olduğu durumlarda da aynı kesinlikte görünür. İki seçeneğin net akışı 0,01 farkla ayrılıyorsa, sıralama tablosunda bu fark 0,30 farkla ayrılan bir çiftle aynı biçimde "birinci, ikinci" diye görünür.
Bu nedenle:
"PAMSSEM II en iyi seçeneği kesin olarak buldu"
yerine:
"Bu ağırlıklar ve eşiklerle net akışa göre en üstteki seçenek şudur; aradaki farkın küçüklüğü ayrıca raporlanmalıdır, çünkü tam sıralama bu farkı gizler"
biçiminde yazmak doğrudur.
Veri Türü ve Girdiler
PAMSSEM II kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da bu yöntemin ayrı bir veri türü uzantısı bulunmaz; temel biçimiyle tek başına yer alır.
Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı; her kriter için yön bilgisi; toplamı 1 olan kriter ağırlıkları; kayıtsızlık ve tercih eşikleri (belirtilmezse DecisionMind PAMSSEM II'ye özgü varsayılan değerleri kullanır). Veto eşiği isteğe bağlıdır; belirtilmezse hiçbir kriter veto uygulayamaz. PAMSSEM II ağırlık üretmez, dışarıdan alır.
Ne Zaman Kullanılır, Ne Zaman Kullanılmaz?
Kriterleriniz sayısalsa, sınırlı bir telafiye izin veriyorsanız ve karar vericinin mutlaka tam bir sıraya (birinci, ikinci, üçüncü) ihtiyacı varsa PAMSSEM II uygun bir seçimdir.
Kullanılmaması gereken durumlar şunlardır: iki seçenek arasındaki gerçek belirsizliğin raporda görünür kalmasını istiyorsanız (bu durumda PAMSSEM I daha dürüsttür), veto eşiğini gerekçelendiremiyorsanız ya da tam telafi kabul edilebiliyorsa daha basit bir yöntem yeterlidir.
Tam sıralama şart, sınırlı telafi ve veto isteğe bağlı → PAMSSEM II
Belirsizliğin açıkça görünmesi isteniyor → PAMSSEM I
Tam telafi kabul edilebiliyor, veto gerekmiyor → TOPSIS, SAW
Eşik yerine ağırlık gerekiyor → AHP, BWM, SWARA (öznel) · Entropy, CRITIC (nesnel)
Güçlü Yanları
PAMSSEM II'nin en önemli üstünlüğü kararlılığıdır: PAMSSEM I'in bazı çiftlerde bıraktığı belirsizliği çözer ve her zaman kullanılabilir bir tam sıra üretir. Uyum, uyumsuzluk ve veto mekanizmasını PROMETHEE tarzı net akış hesabıyla birleştirmesi, yalnız tek bir mantığa dayanan yöntemlerden daha zengin bir ara hesap sunar. Karar vericinin bir sonraki adıma (örneğin sözleşme imzalamaya) geçmesi için gereken netliği sağlar.
Zayıf Yanları
Sınırlılıkları PAMSSEM I ile aynı kökten gelir, ama kararlılık tercihi yeni bir risk ekler. Birincisi, sonuç kayıtsızlık, tercih ve veto eşiklerine doğrudan bağlıdır. İkincisi, veto eşiği belirtilmezse yöntem sessizce devre dışı kalır. Üçüncüsü ve PAMSSEM II'ye özgü olanı, net akışlar birbirine çok yakın olsa bile yöntem bunu bir tam sıraya çevirir; bu, PAMSSEM I'in görünür bıraktığı "karışık sinyal" durumunu gizler ve sonucu olduğundan daha kesin gösterebilir. Dördüncüsü, outranking yöntemlerinin ortak sınırlılığı burada da geçerlidir: seçenek kümesi değiştiğinde sıralama etkilenebilir (Roy, 1991).
Sık Yapılan Hatalar
En yaygın hata, tam sıralamayı "aradaki fark ne olursa olsun eşit derecede güvenilir" diye okumaktır; net akışların birbirine yakınlığı ayrıca raporlanmalıdır.
İkinci hata, veto eşiğini hiç belirtmeden yöntemin kötü seçenekleri otomatik eleyeceğini varsaymaktır. Üçüncü hata, PAMSSEM I ile PAMSSEM II'yi aynı yöntemmiş gibi karıştırıp ikisinin farklı varsayılan eşikler kullandığını unutmaktır; aynı veri iki yöntemde farklı yerel karşılaştırma sonuçları üretebilir. Dördüncü hata, ağırlık dağılımındaki küçük bir değişikliğin tam sırayı baştan aşağı değiştirebileceğini görmeden tek bir ağırlık senaryosuyla sonucu kesinmiş gibi sunmaktır.
Temel ilke şudur:
PAMSSEM II sonucu her zaman tam bir sıradır, ama bu tamlık verideki belirsizliği ortadan kaldırmaz, yalnız görünmez kılar; net akışlar arasındaki fark küçükse rapor bunu açıkça söylemelidir.
Vakalar
Her vaka bir karar tablosuyla başlar, yöntemin bu tabloya ne yaptığını kelimeyle anlatır ve sonucun nasıl okunacağını gösterir.
1. Bilişim: Üç bulut sağlayıcısı arasında seçim (DecisionMind'ın doğrulama örneği)
Bir bilişim şirketi üç bulut sağlayıcısından (A1, A2, A3) birine geçecektir. Üç kriter belirlenmiştir: hizmet kalitesi puanı, esneklik puanı ve destek puanı; üçü de "çoğu iyi" kabul edilmiştir. Ağırlıklar hizmet kalitesine 0,40, esnekliğe 0,30, desteğe 0,30 olarak belirlenmiştir. Şirket veto eşiği belirtmemiştir.
| Sağlayıcı | Hizmet kalitesi | Esneklik | Destek |
|---|---|---|---|
| A1 | 3 | 2 | 5 |
| A2 | 1 | 5 | 4 |
| A3 | 4 | 3 | 3 |
| Yön | çoğu iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,40 | 0,30 | 0,30 |
Yöntem her kriterde ikili yerel karşılaştırmalar yapar, uyum derecesini kurar ve (veto eşiği verilmediği için) kapsamlı üstünlük derecesini doğrudan uyum derecesine eşitler. Ardından her sağlayıcının net akışı hesaplanır ve doğrudan bir tam sıraya çevrilir.
| Sağlayıcı | Net akış | Sıra |
|---|---|---|
| A3 | 0,10 | 1 |
| A1 | 0,00 | 2 |
| A2 | -0,10 | 3 |
Sonuç şöyle okunur. A3 en yüksek hizmet kalitesine ve en yüksek desteğe sahiptir; bu onu net akışta öne çıkarır. A2 esneklikte en iyi olmasına rağmen en ağır ağırlıklı kriter olan hizmet kalitesinde en düşük puana sahiptir ve sona düşer. PAMSSEM II bu üç sağlayıcıyı hiçbir çifti askıda bırakmadan tam bir sıraya koymuştur.
Şirket burada tereddüt eder: hizmet kalitesi ağırlığı 0,40'tan 0,30'a indirilip esneklik ağırlığı 0,30'dan 0,40'a çıkarılsa ne olur? DecisionMind motoru yeniden koşturulduğunda sıra tamamen değişir ve A2, A3, A1 olur; net akışlar A2 için 0,10, A3 için -0,10, A1 için 0,00'dır. Yani en ağır ağırlığın esnekliğe kaymasıyla, tabloda en düşük hizmet kalitesine sahip A2 birinci sıraya çıkar. PAMSSEM II bu iki senaryonun ikisinde de tam bir sıra sunar; ama sıralar birbirinin neredeyse tersidir.
Raporda: "Verilen ağırlıklarla A3 net akışta birincidir (0,10); hizmet kalitesi ile esneklik ağırlıkları yer değiştirdiğinde birincilik A2'ye geçmektedir, bu yüzden tam sıralama ağırlık dağılımına son derece duyarlıdır."
Kaynak: Tablo DecisionMind'ın PAMSSEM II motoru için hazırladığı öğretici doğrulama örneğidir, bir makaleden alınmış bir vaka değildir. Manifestteki kurucu kaynak kaydı bir goal-programming makalesine (Martel ve Aouni) işaret etmektedir; bu makalenin başlığı PAMSSEM'in üstünlük yapısıyla örtüşmemektedir ve DecisionMind ekibi bu kaydı gözden geçirmektedir. Bu kartta yöntemin tarihi için Ben Amor, Jabeur ve Martel'in (2007) doğrulanmış makalesi esas alınmıştır.
2. Müzecilik: Yeni sergi salonu tasarımı ihalesi
Bir devlet müzesi üç tasarım firması teklifi arasında seçim yapacaktır. Üç kriter belirlenmiştir: sergi alanı kullanım verimliliği, öngörülen ziyaretçi deneyimi puanı ve teslim süresi (tersine çevrilmiş, kısa süre iyi). Müze veto eşiği olarak, hiçbir teklifin teslim süresinde belirli bir üst sınırı aşmamasını şart koşmuştur.
Yöntem üç teklifi ikişer ikişer karşılaştırır, uyum derecelerini kurar ve veto eşiğini kontrol eder. Diyelim ki bir teklif teslim süresinde veto eşiğini aştı; bu teklif ziyaretçi deneyiminde en yüksek puana sahip olsa bile diğer tekliflerin hiçbirini geçemez. Kalan iki teklif net akışlarına göre tam bir sıraya konur.
Müze burada tereddüt eder: elenen teklifin ziyaretçi deneyimi puanı gerçekten çok yüksekti; teslim süresi eşiği biraz esnetilse sonuç değişir miydi? PAMSSEM II'nin ürettiği tam sıra, veto eşiğinin ne kadar sıkı tutulduğuna bağlıdır ve bu eşik gerekçelendirilmelidir.
Raporda: "Teslim süresi eşiğini aşan teklif elenmiştir; kalan iki teklif net akışa göre tam sıraya konmuştur ve eşik değeri müzenin sözleşme takvimine dayanmaktadır."
3. Gıda Güvenliği: İl genelinde toptan gıda denetim firması seçimi
Bir belediye, toptan gıda pazarlarının denetimini üstlenecek üç firma teklifinden birini seçecektir. Üç kriter belirlenmiştir: denetçi sayısı, raporlama hızı ve hizmet bedeli (tersine çevrilmiş, düşük bedel iyi). Belediye veto eşiği belirlememiştir.
Yöntem üç teklifi karşılaştırır, net akışları hesaplar ve tam bir sıra üretir. Diyelim ki sonuç, hizmet bedeli en düşük olmayan ama denetçi sayısı ve raporlama hızında tutarlı biçimde iyi olan firmayı birinci sıraya koydu.
Belediye burada tereddüt eder: net akışlar arasındaki fark küçükse (örneğin ikinci firmayla arada yalnız birkaç yüzde puanlık bir fark varsa), bu küçük farkın tam sıralamada "kesin birincilik" gibi görünmesi yanıltıcı olabilir. Belediye, birinci ve ikinci firma arasındaki farkın büyüklüğünü ayrıca meclise sunmalıdır.
Raporda: "Net akışa göre birinci sıradaki firma, denetçi sayısı ve raporlama hızındaki tutarlı performansıyla öne çıkmaktadır; ikinci firmayla arasındaki net akış farkı ayrıca raporlanmalıdır."
4. Yapılmaması Gereken
Aynı bulut sağlayıcısı tablosunda veto eşiği hiç belirlenmeden "yöntem kötü seçenekleri eledi" diye raporlansaydı, bu yanlış olurdu; eşik verilmediği için hiçbir eleme yapılmamıştır. İkinci yanlış, A1 ile A3 arasındaki net akış farkının (0,10) küçük olduğunu görmeden "A3 açık farkla birincidir" diye sunmaktır. Üçüncü yanlış, ağırlıkların yer değiştirmesiyle sıralamanın neredeyse tersine döndüğünü test etmeden tek bir ağırlık senaryosunu nihai gerçekmiş gibi raporlamaktır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/pamssem-ii
Ben Amor, S., Jabeur, K., & Martel, J.-M. (2007). Multiple criteria aggregation procedure for mixed evaluations. European Journal of Operational Research, 181(3), 1506-1515. DOI: 10.1016/j.ejor.2005.11.048
Roy, B. (1991). The outranking approach and the foundations of ELECTRE methods. Theory and Decision, 31(1), 49-73. DOI: 10.1007/BF00134132
Ben Amor, S., & Martel, J.-M. (2014). A new distance measure including the weak preference relation: Application to the multiple criteria aggregation procedure for mixed evaluations. European Journal of Operational Research, 238(1), 358-370. DOI: 10.1016/j.ejor.2014.03.036
Martel, J.-M., & Aouni, B. (1990). Incorporating the decision-maker's preferences in the goal-programming model. Journal of the Operational Research Society, 41(12), 1121-1132. DOI: 10.1057/jors.1990.179. (Manifestte kurucu kaynak olarak farklı bir yıl ve başlıkla kayıtlıydı; bu kart, kernel kodundaki "PAMSSEM ancestor" notuna dayanarak doğru yıl ve DOI'yi taşıyan gerçek Martel-Aouni makalesini listeler. Makale bir hedef programlama çalışmasıdır, PAMSSEM'in üstünlük yapısını doğrudan tanımlamaz.)