ROV (Range of Value Method)

ROV, elinizde sayılarla doldurulmuş bir karar tablosu olduğunda seçenekleri tek bir sıraya dizen bir sıralama yöntemidir. Yöntem her seçenek için iki ayrı puan hesaplar. Fayda kriterlerindeki ("çoğu iyi") ağırlıklı performans en-iyi-durum puanını oluşturur; maliyet kriterlerindeki ("azı iyi", normalizasyon sonrası yine "iyilik" yönünde okunan) ağırlıklı performans ise en-kötü-durum puanını oluşturur. Bu ikisinin ortalaması nihai puanı verir. Yakowitz, Lane ve Szidarovszky tarafından 1993'te önerilmiştir. Adını (Range of Value, "değer aralığı") buradan alır: yöntem faydanın en iyimser ve en kötümser iki ucu arasında bir orta nokta bulur. Ağırlık üretmez, ağırlıkları dışarıdan alır.

ROV'un arkasında bir fikir var: bir seçeneğin değerini tek bir hesaptan değil, iki uçtan türetmek. Fayda kriterlerindeki normalize edilmiş puanlar "iyimser" tarafı, maliyet kriterlerindeki normalize edilmiş puanlar "kötümser" tarafı temsil eder. Yöntem ikisini ayrı ayrı ağırlıklı toplar, sonra ortalar. Mantık şudur: bir seçeneğin hem "iyi" yanına hem de "mecburiyet" yanına bakarak orta bir değerlendirme yapmak.

Felsefi sonucu TOPSIS ve SAW ile aynı ailededir: ROV telafi edicidir, bir kriterdeki zayıflık başka bir kriterdeki güçle kapanabilir; nihai puan tüm kriterlerin ağırlıklı bir türevidir. TOPSIS'ten farkı şudur: ROV iki hayali seçeneğe (ideal/anti-ideal) uzaklık ölçmez. Bunun yerine kriterleri doğrudan iki gruba (fayda/maliyet) ayırır, her grubun kendi ağırlıklı toplamını ayrı hesaplar ve ortalamasını alır. Yapı bakımından OCRA'ya ve SAW'a daha yakındır.

Dört adımda ilerler.

Birinci adım, ölçek eşitleme. Yöntem her kriteri kendi en küçük ve en büyük değeri arasında 0 ile 1'e yerleştirir: fayda kriterinde en küçük değer 0, en büyük değer 1 olur; maliyet kriterinde bu yönü ters çevirir, en büyük (en kötü) değer 0, en küçük (en iyi) değer 1 olur. Böylece tüm sütunlar aynı yönde ("yüksek iyi") okunabilir hale gelir.

İkinci adım, en-iyi-durum puanı. Yöntem eşitlenmiş fayda kriterlerini kendi ağırlıklarıyla çarpıp toplar; bu, seçeneğin fayda kriterlerindeki performansının ağırlıklı özetidir.

Üçüncü adım, en-kötü-durum puanı. Yöntem eşitlenmiş maliyet kriterlerini (yönü zaten ters çevrilmiş, "iyilik" olarak okunan hâliyle) kendi ağırlıklarıyla çarpıp toplar.

Dördüncü adım, iki tarafın ortalaması. Yöntem en-iyi-durum ve en-kötü-durum puanlarının ortalamasını alır; bu ortalama seçeneğin nihai puanıdır. Yöntem seçenekleri bu puana göre büyükten küçüğe sıralar.

Adımların formülleri, ara tabloları ve atıf biçimleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.

Nihai puan, bir seçeneğin fayda ve maliyet kriterlerindeki ağırlıklı performansının ortalamasını söyler; başka bir şey söylemez. 0,325 puan "yüzde 32,5 iyi" ya da mutlak bir başarı düzeyi anlamına gelmez, yalnız bu seçenek kümesi içindeki göreli bir konumdur. Başka bir analizden gelen puanla karşılaştırılamaz, çünkü normalizasyonun referans noktaları (her kriterin kendi en küçük/en büyük değeri) her analizde o analizin seçeneklerinden kurulur.

Bu nedenle:

"ROV en iyi seçeneği buldu"

yerine:

"Bu ağırlıklar ve bu seçenek kümesiyle en yüksek puanı alan seçenek şudur; puan fayda ve maliyet kriterlerindeki ağırlıklı ortalama performansı özetler"

biçiminde yazmak doğrudur.

Klasik ROV kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da temel yöntemin yanında iki uzantısı vardır (FUZZY-ROV, P-ROV); toplam üç ROV üyesi bulunur. Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı, boş hücre yok; her kriter için yön bilgisi; ve toplamı 1 olan kriter ağırlıkları. ROV ağırlık üretmez, ister. En az iki seçenek ve iki kriter gerekir; üç ile on iki kriter arası rahat çalışır, seçenek sayısında üst sınır yoktur. Bir kriter sütunu sabitse (tüm seçeneklerde aynı değeri taşıyorsa) o sütunun normalizasyon paydası sıfır olur ve hesap tanımsız kalır; bu sütun ya çıkarılmalı ya da veri gözden geçirilmelidir.

Kriterleriniz sayısal, tablo tam doluysa ve bir kriterdeki zayıflığın başka kriterdeki güçle kapanmasını kabul ediyorsanız ROV uygun bir seçimdir; TOPSIS'e yakın alanlarda (tedarikçi, malzeme, ekipman seçimi) kullanılır.

Kullanılmaması gereken durum felsefesinden gelir: bir kriterde taviz kabul etmiyorsanız. Ayrıca bir kriter sütunu sabitse (herkeste aynı değer) ROV o kriteri hesaplayamaz; kriter ya çıkarılmalı ya farklı ölçülmelidir.

Sayısal tablo, telafi kabul, iyimser-kötümser ortalama mantığı uygun → ROV

Aynı fikir, iki hayali referans noktasına uzaklık isteniyor → TOPSIS

"En iyi" değil "en büyük pişmanlığı sınırlayan uzlaşma" → VIKOR

Bir kriterde taviz yok, eşik altı elenmeli → Önce eleme, sonra sıralama

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

ROV'un üstünlüğü basitliğidir: yöntem normalizasyonu min-max ile yapar, en-iyi ve en-kötü durum puanlarını ayrı ayrı hesaplayıp ortalar. Hesap yükü küçüktür ve tablo üzerinde elden izlenebilir. Yöntem fayda ve maliyet kriterlerini iki ayrı bakış açısıyla (iyimser/kötümser) ele alır; bu, kararı yalnızca tek bir referans noktasına (ör. ideal nokta) bağlı kalmaktan kurtarır ve karar vericiye iki yönlü bir okuma sunar.

Sınırlılıkları aynı basitlikten doğar. Birincisi, TOPSIS gibi tam telafi varsayımı taşır; bir kriterdeki ciddi zayıflık başka kriterlerle örtülebilir. İkincisi, min-max normalizasyonu seçenek kümesine bağlıdır; sonradan eklenen ya da çıkarılan bir seçenek her sütunun en küçük/en büyük referansını kaydırır ve mevcut seçeneklerin puanlarını da değiştirebilir. Üçüncüsü, sabit bir kriter sütununda normalizasyon tanımsız kalır. Dördüncüsü, ağırlıkların kalitesi yöntemin dışındadır; kötü ağırlıklarla kusursuz bir hesap kötü bir sıra verir. Beşincisi, karşılaştırmalı ve eleştirel literatürü TOPSIS kadar geniş değildir; uygulama örnekleri daha sınırlı sayıdadır (Mitra, 2021).

En yaygın hata kriter yönünü yanlış işaretlemektir; bir maliyet kriteri "çoğu iyi" işaretlenirse en-iyi-durum ve en-kötü-durum hesapları yer değiştirir ve sıra tersine döner. İkinci hata, ağırlıkları gerekçesiz eşit vermektir. Üçüncü hata, analiz bittikten sonra seçenek eklemek ve normalizasyon referanslarının kaymasına şaşırmaktır; aday kümesi baştan sabitlenmelidir. Dördüncü hata, nihai puanı yüzde ya da mutlak bir başarı ölçüsü gibi okumak ve farklı analizlerin puanlarını karşılaştırmaktır. Beşinci hata, sabit bir kriter sütununu fark etmeden hesaba sokup tanımsız bir sonuçla karşılaşmaktır.

Temel ilke şudur:

ROV puanı, sizin verdiğiniz yönlerin, ağırlıkların ve seçenek kümesinin tutarlı bir özetidir; girdilerden biri tartışmalıysa puan da tartışmalıdır ve rapor bunu göstermelidir.