Yöntemler · Toplulaştırma ve oylama
PIF DOMBI (Resim Bulanık Dombi Toplulaştırma İşlemcisi)
PIF-DOMBI, bir seçeneğin birden çok kriterdeki olumlu, nötr ve olumsuz üç yönlü değerlendirmelerini Dombi işlemcisiyle tek bir özet değerlendirmede birleştirip bu değere göre seçenekleri sıralar.
Temel yöntemin veri türü: Resim bulanık (Picture)
Yöntem Nedir?
PIF-DOMBI de MPF-DOMBI-WA gibi bir toplulaştırma işlemcisidir; birden çok kişinin sıralarını değil, TEK bir uzmanın bir seçenek hakkındaki birden çok kriter değerlendirmesini birleştirir. Farkı, değerlendirmelerin resim bulanık sayı denen üç bileşenli bir yapıyla ifade edilmesidir: her hücrede bir olumlu derece, bir nötr (kararsız) derece ve bir olumsuz derece bulunur; bu üç derecenin toplamı 1'i geçemez. Bu yapı, klasik "evet ya da hayır" ya da yalnız "ne kadar evet" diyen bulanık sayılardan farklı olarak, "kararsızım" ya da "çekimserim" demeyi de mümkün kılar; oy verme sistemlerindeki evet, hayır, çekimser, boş oy ayrımına benzer. Yöntem, bir seçeneğin bütün kriterlerdeki resim bulanık değerlerini ağırlıklarla birleştirip tek bir özet resim bulanık değer, oradan da sıralamaya esas tek bir puan üretir. PIF-DOMBI, Jana, Senapati, Pal ve Yager tarafından 2019'da önerilmiştir.
Yöntemin Felsefesi
Resim bulanık kümelerin fikri, insan yargısının bazen yalnızca "katılıyorum" ya da "katılmıyorum" ile değil, üçüncü bir "kısmen kararsızım" hâliyle de ifade edilebileceğidir. Klasik bulanık sayı yalnızca "ne kadar katılıyorum" sorar; sezgisel bulanık sayı buna "ne kadar katılmıyorum"u da ekler. Resim bulanık sayı üçüncü bir boyut daha ekler: "ne kadar kararsızım/nötrüm". Bu, örneğin bir uzmanın bir kritere "kesinlikle olumlu" ya da "kesinlikle olumsuz" demek yerine "kısmen olumlu, biraz kararsız, az da olsa olumsuz" gibi daha zengin bir yargı bildirmesine izin verir.
Dombi işlemcisi burada da bu üç bileşeni birleştirirken kullanılan, ayarlanabilir bir parametre (genellikle ℜ ile gösterilir) taşıyan matematiksel araçtır. Bunun felsefi sonucu, PIF-DOMBI'nin hem üç yönlü (olumlu, nötr, olumsuz) yargıyı koruyan hem de birleştirme şiddetini parametreyle ayarlayabilen telafi edici bir yöntem olmasıdır. Parametre büyüdükçe birleştirme daha keskin, küçüldükçe daha yumuşak davranır.
Yöntem Nasıl Çalışır?
Yöntem dört adımda ilerler.
Birinci adım, girdilerin kabulü. Her seçeneğin her kriterdeki değerlendirmesi bir resim bulanık sayı (olumlu, nötr, olumsuz üçlüsü) olarak alınır; kriter ağırlıkları toplamı 1 olacak biçimde belirlenir, Dombi parametresi (en az 1) ve işlemci türü (aritmetik ya da geometrik) seçilir.
İkinci adım, satır birleştirme. Her seçeneğin bütün kriterlerdeki resim bulanık değerleri, seçilen Dombi işlemcisiyle ve kriter ağırlıklarıyla birleştirilerek o seçenek için tek bir özet resim bulanık değer elde edilir; olumlu, nötr ve olumsuz bileşenler ayrı ayrı birleştirilir.
Üçüncü adım, puan hesaplama. Özet değerin olumlu ve olumsuz bileşenlerinden, nötr bileşen hesaba katılmadan, 0 ile 1 arasında bir puan hesaplanır. İki seçeneğin puanı eşit çıkarsa olumlu ile olumsuz bileşenler arasındaki farkı gösteren ikinci bir doğruluk göstergesine bakılır.
Dördüncü adım, sıralama. Seçenekler puana göre büyükten küçüğe sıralanır; en yüksek puanlı seçenek birinci olur.
Adımların formülleri ve ara tabloları DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.
Çıktı Nasıl Yorumlanır?
Puan, bir seçeneğin olumlu ve olumsuz yargıları arasındaki dengeyi özetler; 0 ile 1 arasındadır ve yüzde değildir. Puanın nötr (kararsızlık) bileşenini doğrudan yansıtmadığını bilmek önemlidir; iki seçenek aynı puana sahip olsa bile biri çok daha az kararsızlıkla, diğeri çok daha fazla kararsızlıkla bu puana ulaşmış olabilir. Rapor, yalnızca puana değil, altında yatan kararsızlık düzeyine de değinmelidir.
Sonuç, seçilen işlemciye ve Dombi parametresine duyarlıdır; aynı karar tablosu farklı bir parametreyle farklı bir sıra verebilir. Bu duyarlılık kusurlu bir hesap değildir, yöntemin ayarlanabilir yapısının doğal bir sonucudur ve raporda gösterilmelidir.
Bu nedenle:
"PIF-DOMBI en iyi seçeneği buldu"
yerine
"Bu ağırlıklar ve bu Dombi parametresiyle olumlu ile olumsuz yargı arasındaki en iyi dengeye sahip seçenek şudur; parametre değiştirilirse sıra değişebilir ve kararsızlık düzeyi ayrıca incelenmelidir"
biçiminde yazmak doğrudur.
Veri Türü ve Girdiler
PIF-DOMBI resim bulanık veriyle çalışır: her hücrede bir olumlu, bir nötr ve bir olumsuz derece bulunur; bu üç derecenin toplamı 1'i geçemez. Kriter ağırlıkları dışarıdan verilmelidir, toplamları 1 olmalıdır; yöntem ağırlık üretmez, ister. Dombi parametresi ve işlemci türü kullanıcı tarafından belirlenir. Yöntem tek bir karar vericinin değerlendirmesini işler; birden çok uzmanın görüşü varsa önce ayrı bir adımda birleştirilmelidir. DecisionMind'da bu temel yöntemle birlikte şu an ek bir üye bulunmuyor.
Ne Zaman Kullanılır, Ne Zaman Kullanılmaz?
Uzman yargısı yalnızca "ne kadar olumlu" ile değil, ayrıca "ne kadar kararsız" ile de ifade ediliyorsa ve bu üçüncü boyutu kaybetmeden değerlendirmek istiyorsanız PIF-DOMBI uygundur. Yargılarınız yalnızca "olumlu ile olumsuz" arasında ikili bir çizgide ifade ediliyorsa (kararsızlık boyutu anlamlı değilse) daha basit bir sezgisel bulanık ya da kesin yöntem yeterlidir. Birden çok uzmanın görüşünü aynı anda birleştirmeniz gerekiyorsa, PIF-DOMBI tek başına yeterli değildir; önce görüşler birleştirilmeli, sonra bu yöntem uygulanmalıdır.
Yargı olumlu, nötr, olumsuz üç yönlü ifade edilecek → PIF-DOMBI
Yargı yalnızca olumlu ile olumsuz arasında ikili → Sezgisel bulanık ya da kesin toplulaştırma
Kriter yargısı birden çok bağımsız alt boyut (kutup) taşıyor → MPF-DOMBI-WA (m kutuplu bulanık)
Birden çok uzmanın görüşü birleştirilecek → Önce grup birleştirme operatörü, sonra PIF-DOMBI
Güçlü Yanları
PIF-DOMBI'nin en önemli üstünlüğü, klasik "olumlu ile olumsuz" ikiliğine üçüncü bir kararsızlık boyutu eklemesidir; bu, gerçek uzman yargısının "tam emin değilim" hâlini de taşımasına izin verir. Dombi parametresi sayesinde birleştirmenin şiddeti ayarlanabilir. Yöntem idempotenttir; bütün kriterler aynı değeri taşıyorsa özet değer de o değere eşit çıkar.
Zayıf Yanları
Sınırlılıkları esas olarak parametre duyarlılığından ve tek karar vericilik varsayımından gelir. Birincisi, bileşenlerden biri (olumlu, nötr ya da olumsuz) tam 0 olduğunda Dombi işleminde bölme hatası oluşur; bu uç değerlerin küçük bir sayıyla kırpılması gerekir. İkincisi, aritmetik ve geometrik işlemciler farklı sıra verebilir, özellikle nötr bileşenin dağılımı çarpıksa bu fark büyüyebilir. Üçüncüsü, puan hesabı nötr bileşeni doğrudan kullanmaz; bu, sezgisel bulanık sayılardaki puan mantığıyla tutarlıdır ama kararsızlık bilgisini rapor dışına iter, bu bilginin ayrıca gösterilmesi gerekir. Dördüncüsü, resim bulanık kümeler literatüründeki bazı erken toplulaştırma çalışmaları sonradan geri çekilmiştir (Wei, 2017); bu, alanın hâlâ olgunlaşmakta olduğunu ve kaynak seçiminde dikkat gerektiğini gösterir.
Sık Yapılan Hatalar
En sık hata, üç bileşenin (olumlu, nötr, olumsuz) toplamının 1'i geçtiği bir veri girmektir; bu, resim bulanık sayının tanımına aykırıdır ve önce kontrol edilmelidir. İkinci hata, bileşenlerden biri tam 0 olduğunda kırpma yapmadan hesaba girmektir; bu durum Dombi işleminde bölme hatasına yol açar. Üçüncü hata, Dombi parametresini ve işlemci türünü raporda belirtmeden sonucu sunmaktır. Dördüncü hata, yüksek puanlı ama yüksek kararsızlıklı bir seçeneği, düşük kararsızlıklı bir seçenekle aynı güvenle raporlamaktır; puan eşit olsa bile altındaki kararsızlık düzeyi farklı olabilir.
Temel ilke şudur:
PIF-DOMBI sonucu, olumlu ile olumsuz yargı arasındaki dengeyi özetler; bu özet kararsızlık düzeyini göstermez, bu yüzden rapor puanın yanında kararsızlığın büyüklüğünü de belirtmelidir.
Vakalar
Her vaka bir karar tablosuyla başlar, yöntemin bu tabloya ne yaptığını kelimeyle anlatır ve sonucun nasıl okunacağını gösterir. Birinci vaka yöntemin kurucu kaynağından alınmıştır; sayılar makalenin kendi sayılarıdır. Diğer vakalar öğretici kurgudur.
1. Teknoloji: Beş girişim arasında yatırım seçimi (Jana, Senapati, Pal ve Yager, 2019)
Bir yatırım komitesi beş yeni teknoloji girişimi (Q1 ilâ Q5) arasından yatırım yapacağı birini seçecektir. Dört kriter belirlenmiştir: teknik ilerleme, pazar potansiyeli ve riski, sanayileşme ve insan kaynağı yatırımı, istihdam ile bilim ve teknolojiye katkı. Komite ağırlıkları sırasıyla 0,20, 0,10, 0,30, 0,40 vermiş, Dombi parametresini 1 olarak belirlemiştir.
| Girişim | Teknik (O·N·Ö) | Pazar (O·N·Ö) | Sanayileşme (O·N·Ö) | İstihdam (O·N·Ö) |
|---|---|---|---|---|
| Q1 | 0,56 · 0,34 · 0,10 | 0,90 · 0,07 · 0,03 | 0,40 · 0,33 · 0,19 | 0,09 · 0,79 · 0,03 |
| Q2 | 0,70 · 0,20 · 0,09 | 0,10 · 0,66 · 0,20 | 0,06 · 0,82 · 0,12 | 0,12 · 0,14 · 0,09 |
| Q3 | 0,88 · 0,09 · 0,03 | 0,08 · 0,10 · 0,06 | 0,05 · 0,83 · 0,09 | 0,65 · 0,25 · 0,07 |
| Q4 | 0,80 · 0,07 · 0,04 | 0,70 · 0,15 · 0,11 | 0,03 · 0,88 · 0,05 | 0,07 · 0,82 · 0,05 |
| Q5 | 0,85 · 0,06 · 0,03 | 0,64 · 0,07 · 0,22 | 0,06 · 0,88 · 0,05 | 0,13 · 0,77 · 0,09 |
| Ağırlık | 0,20 | 0,10 | 0,30 | 0,40 |
(O: olumlu, N: nötr, Ö: olumsuz derece.)
Yöntem her girişimin dört kriterdeki resim bulanık değerlerini ağırlıklarla ve Dombi parametresiyle (ℜ=1) birleştirip her girişim için tek bir özet resim bulanık değer üretir, sonra olumlu ile olumsuz bileşenden puanı hesaplar.
| Girişim | Puan | Sıra |
|---|---|---|
| Q3 | 0,8166 | 1 |
| Q1 | 0,7665 | 2 |
| Q5 | 0,7623 | 3 |
| Q4 | 0,7337 | 4 |
| Q2 | 0,6260 | 5 |
Sonuç şöyle okunur. Q3, en ağırlıklı iki kriterde (sanayileşme ve istihdam) güçlü olumlu değerlere sahip olduğu için birinci çıkmıştır. Q2 en düşük puanı almıştır, çünkü teknik ilerteme dışındaki kriterlerde düşük olumlu ve yüksek nötr değerlere sahiptir; bu, komitenin Q2 hakkında görece kararsız kaldığı kriterlerin çok olduğunu da gösterir.
Komite burada tereddüt eder: kaynak makalenin kendi basılı tablosunda Q2 girişiminin bir hücresinde (sanayileşme kriterinin nötr derecesi) 0,84 değeri yer almış, ama bu değer olumlu ve olumsuz dereceyle toplandığında 1'i aşıp resim bulanık sayı kuralını bozmuştur; DecisionMind bu tek hücreyi 0,82'ye düzelterek kuralı sağlamıştır. Bu küçük düzeltme sıralamanın ilk üç girişimini (Q3, Q1, Q5) etkilememiş, yalnızca dördüncü ve beşinci sıradaki Q2 ile Q4'ün konumunu makalenin basılı sırasına göre değiştirmiştir. Komite bu ayrıntının, sonucun sağlamlığını değil, kaynak tablodaki küçük bir yazım hatasının düzeltildiğini gösterdiğini bilmelidir.
Raporda: "Bu ağırlıklar ve Dombi parametresi ℜ=1 ile en yüksek puana sahip girişim Q3'tür (0,8166); kaynak tablodaki bir hücre resim bulanık sayı kuralını sağlamak için düzeltilmiş, bu düzeltme yalnızca dördüncü ve beşinci sıradaki girişimlerin yerini etkilemiştir."
Kaynak: Jana, C., Senapati, T., Pal, M., & Yager, R. R. (2019), §6, Tablo 1. Puan değerleri, kaynak tablodaki tek hücre düzeltmesiyle birlikte DecisionMind motorunca hesaplanmıştır; bu örnek DecisionMind'ın PIF-DOMBI motorunun doğrulama örneğidir.
2. Denizcilik: Üç liman yatırımı arasında öncelik belirleme
Bir liman işletmecisi üç yatırım projesi arasından önceliklendireceği projeyi seçecektir. Uzman ekip her projeyi kapasite artışı ve çevresel uyum kriterlerinde resim bulanık sayılarla değerlendirmiştir; her değerlendirme bir olumlu, bir nötr ve bir olumsuz dereceden oluşmaktadır.
Yöntem üç projenin iki kriterdeki resim bulanık değerlerini ağırlıklarla birleştirir. Diyelim ki bir proje kapasite artışında yüksek olumlu dereceye sahipken çevresel uyumda yüksek nötr dereceye (uzmanların kararsız kaldığı bir alana) sahiptir; toplam puanı yine de yüksek çıkar çünkü puan hesabı nötr bileşeni doğrudan kullanmaz.
İşletmeci burada tereddüt eder: bu projenin çevresel uyumdaki yüksek kararsızlık düzeyi puanda görünmemektedir. İşletmeci, yalnızca puana bakıp karar vermek yerine, kararsızlığın yüksek olduğu kriterler için ek bir inceleme (örneğin bağımsız bir çevresel etki değerlendirmesi) talep edebilir.
Raporda: "Belirlenen ağırlıklarla en yüksek puana sahip proje şudur; bu projenin çevresel uyum kriterindeki yüksek kararsızlık düzeyi puana yansımamaktadır, ayrı bir inceleme önerilir."
3. Erken Çocukluk: Üç kreş binası adayının değerlendirilmesi
Bir belediye üç bina adayı arasından yeni açılacak kreş için birini seçecektir. Değerlendirme ekibi her binayı güvenlik ve fiziksel uygunluk kriterlerinde resim bulanık sayılarla puanlamıştır.
Yöntem üç binanın iki kriterdeki resim bulanık değerlerini ağırlıklarla birleştirir. Diyelim ki bir bina güvenlikte yüksek olumlu dereceye sahipken fiziksel uygunlukta yüksek olumsuz dereceye sahiptir; diğer bina ise her iki kriterde de orta düzeyde ama düşük kararsızlıkla değerlendirilmiştir. Toplam puanda birinci bina öne çıkabilir çünkü güvenlik kriteri daha yüksek ağırlık taşımaktadır.
Belediye burada tereddüt eder: güvenlikte çok iyi olmak, fiziksel uygunluktaki ciddi bir olumsuzluğu telafi etmiş görünmektedir. Belediye, güvenlik dışındaki kriterler için de bir alt eşik belirlemeyi, eşik altı kalan binaları toplam puana bakmadan elemeyi değerlendirebilir.
Raporda: "Belirlenen ağırlıklarla en yüksek puana sahip bina şudur; fiziksel uygunluktaki olumsuzluk güvenlik puanıyla telafi edilmiştir, bu yüzden fiziksel uygunluk için ayrı bir eşik uygulanması önerilir."
4. Yapılmaması Gereken
Birinci vakadaki tabloda, bir hücrenin olumlu, nötr ve olumsuz dereceleri toplamı 1'i aşacak biçimde girilseydi (kaynak tablodaki düzeltilmemiş hâliyle) bu resim bulanık sayı tanımına aykırı olurdu ve hesap güvenilmez hâle gelirdi; her hücrenin bu kurala uyup uymadığı önceden kontrol edilmelidir. İkinci yanlış, bir bileşeni tam 0 olan bir hücreyi kırpmadan hesaba sokmaktır; bu durum Dombi işleminde bölme hatasına yol açar. Üçüncü yanlış, yüksek puanlı bir seçeneği, altındaki yüksek kararsızlık düzeyini hiç belirtmeden "açık ara en iyi" diye raporlamaktır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri (BibTeX, RIS, APA) için DecisionMind yöntem sayfası: decisionmind.app/library/pif-dombi
Jana, C., Senapati, T., Pal, M., & Yager, R. R. (2019). Picture fuzzy Dombi aggregation operators: Application to MADM process. Applied Soft Computing, 74, 99–109. DOI: 10.1016/j.asoc.2018.10.021
Cuong, B. C. (2015). Picture fuzzy sets. Journal of Computer Science and Cybernetics, 30(4), 409–420. DOI: 10.15625/1813-9663/30/4/5032
Dombi, J. (1982). A general class of fuzzy operators, the De Morgan class of fuzzy operators and fuzziness measures induced by fuzzy operators. Fuzzy Sets and Systems, 8(2), 149–163. DOI: 10.1016/0165-0114(82)90005-7