Yöntemler · Sıralama
SOWA (Mekansal Sıralı Ağırlıklı Ortalama)
SOWA, seçenekleri kriter puanlarına göre sıralarken bulundukları coğrafi bölgeye göre farklı bir risk tutumu uygular; aynı tablo, bölgesine göre iyimser ya da kötümser değerlendirilir.
Temel yöntemin veri türü: Kesin (Classical)
Yöntem Nedir?
SOWA, "aynı kriter tablosunda yer alan seçenekler tek bir risk tutumuyla mı, yoksa bulundukları bölgeye göre farklı tutumla mı değerlendirilmeli" sorusuna cevap arar. Çıktısı her seçenek için 0 ile 1 arasında bir puan ve bu puana göre sıradır. Yöntem coğrafi bilgi sistemi (GIS) tabanlı çok kriterli kararlarda kullanılır: taşkın riski haritalama, arazi kullanım uygunluğu, kentsel su altyapısı planlaması gibi işlerde bölgeler arasında risk algısı farklı olabilir. Makropoulos ve Butler tarafından 2006'da önerilmiştir; standart OWA (Sıralı Ağırlıklı Ortalama) ailesinin mekansal bir uzantısıdır.
Yöntemin Felsefesi
Standart OWA, kriter değerlerini büyükten küçüğe sıralar ve sıraya göre ağırlık verir. Bu ağırlıkların dağılımı bir tutum seçimidir: ağırlık en yüksek değere yığılırsa yöntem iyimserdir ve seçeneğin en güçlü yönüne bakar, ağırlık en düşük değere yığılırsa kötümserdir ve en zayıf yönüne bakar. Standart OWA bu tutumu tüm tabloda sabit tutar. SOWA'nın farkı burada başlar: her bölgeye kendi tutumunu tanımlar.
Bir benzetme bunu netleştirir. İki ayrı değerlendirici düşünün; biri şehir merkezindeki binaları, altyapısı güçlü olduğu için en iyi performansına göre değerlendiriyor, diğeri kırsal bir bölgeyi, altyapısı zayıf olduğu için en kötü performansına göre değerlendiriyor. İki değerlendirici de haklı olabilir, çünkü bölgenin kendi koşulları risk tutumunu belirler. SOWA'nın felsefi sonucu şudur: yöntem kısmen telafi edicidir, ama telafi derecesi bölgeden bölgeye değişir. Bir bölgede kriterler arasında geniş telafiye izin verilirken başka bir bölgede neredeyse hiç telafi olmayabilir.
Yöntem Nasıl Çalışır?
Yöntem altı adımda ilerler.
Birinci adım, kriterleri 0-1 aralığına ölçekleme. Fayda kriterinde her değer sütunun en büyüğüne bölünür, maliyet kriterinde sütunun en küçüğü her değere bölünür. Veri zaten bu aralıktaysa bu adım atlanır.
İkinci adım, bölge tutumunun belirlenmesi. Her seçeneğin hangi bölgeye ait olduğu önceden bellidir. Her bölge için ayrı bir sıra-ağırlık listesi (λ) tanımlanır ve bu listeden bölgenin iyimserlik derecesi (ORness) hesaplanır. ORness 1'e yakınsa bölge iyimserdir ve en iyi kriteri ödüllendirir, 0'a yakınsa kötümserdir ve en kötü kriteri cezalandırır.
Üçüncü adım, seçeneğin kendi kriterlerini sıralaması. Her seçeneğin kriter değerleri kendi içinde büyükten küçüğe dizilir. Hangi kriterin o seçenek için en iyi, hangisinin en kötü olduğu buradan çıkar; bu sıralama seçenekten seçeneğe değişebilir.
Dördüncü adım, bölgesel puanın hesaplanması. Bölgenin λ listesi, kriter ağırlıkları ve seçeneğin kendi sıralaması birleştirilerek 0-1 arasında normalize bir puan bulunur. Bu adım, bölgenin risk tutumunu seçeneğin gerçek performansıyla harmanlar.
Beşinci adım, bölge diyagnostikleri. Her bölge için ORness ve telafi derecesi (trade-off) hesaplanır; telafi derecesi 1'e yakınsa kriterler arasında geniş bir denge kurulur, 0'a yakınsa neredeyse hiç denge kurulmaz.
Altıncı adım, sıralama. Seçenekler puana göre büyükten küçüğe sıralanır.
Adımların formülleri, ara tabloları ve atıf biçimleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.
Çıktı Nasıl Yorumlanır?
SOWA puanı, bir seçeneğin bulunduğu bölgenin risk tutumuyla ne kadar iyi sayıldığını gösterir. Aynı kriter değerlerine sahip iki seçenek farklı bölgelerdeyse farklı puan alabilir; bu bir hesap hatası değildir, yöntemin tanımından gelir. Puanın düşük çıkması "seçenek kötü" demek değildir, "bu bölgenin risk tutumuyla değerlendirildiğinde zayıf" demektir. Aynı seçenek başka bir bölgeye taşınsaydı puanı değişebilirdi.
Bu nedenle:
"SOWA A3'ü en kötü seçenek olarak buldu"
yerine:
"A3, bulunduğu bölgenin kötümser risk tutumuyla değerlendirildiğinde en zayıf seçenektir; aynı seçenek iyimser bir bölgede olsaydı en iyisi çıkardı"
biçiminde yazmak doğrudur.
Veri Türü ve Girdiler
SOWA kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da SOWA yalnız bu temel biçimiyle bulunur, ayrı bir veri türü uzantısı (bulanık, gri, sezgisel gibi) yoktur. Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı; her kriter için yön bilgisi; toplamı 1 olan kriter ağırlıkları; her seçeneğin hangi bölgeye ait olduğunu gösteren bir eşleme; ve her bölge için ayrı bir sıra-ağırlık listesi (λ). SOWA ağırlık üretmez, dışarıdan alır. En az iki seçenek ve iki kriter gerekir, kriter sayısı için rahat aralık iki ile sekiz arasıdır.
Ne Zaman Kullanılır, Ne Zaman Kullanılmaz?
Karar probleminiz coğrafi ya da idari bölgelere ayrılıyorsa ve bu bölgelerde risk tutumunun farklı olması haklı bir gerekçeye dayanıyorsa SOWA uygun bir seçimdir. Bölge sınırlarının kendisi tartışmalıysa ya da tüm karar zaten tek bir risk tutumuyla değerlendirilecekse SOWA'ya gerek yoktur; standart OWA ya da TOPSIS gibi tek-tutumlu bir yöntem yeterlidir. Bölgelere aynı λ listesi verilirse SOWA zaten standart OWA'ya döner; bu durumda mekansal uzantıyı kullanmanın bir anlamı kalmaz.
Bölgeye göre değişen risk tutumu, coğrafi/idari bölünme var → SOWA
Tek bir risk tutumu tüm tabloda geçerli → standart OWA ya da TOPSIS
Bölge sınırları keyfi, gerekçesizse → önce bölge tanımını netleştirin, sonra SOWA'yı düşünün
Sıralama değil ağırlık gerekiyor → AHP, BWM, SWARA (öznel) veya Entropy, CRITIC (nesnel)
Güçlü Yanları
SOWA'nın temel üstünlüğü coğrafi heterojenliği açıkça modelleyebilmesidir. Aynı kriter tablosunu tek bir tutumla değerlendirmek yerine her bölgenin kendi risk anlayışını hesaba katar. OWA ailesinin uç noktalarını (en iyiye bakan MAX, en kötüye bakan MIN, ortalamayı alan basit ortalama) tek bir çerçevede birleştirir ve ORness ile telafi derecesi diyagnostikleri sayesinde her bölgenin tutumu sayıyla gösterilebilir, gerekçelendirilebilir.
Zayıf Yanları
Sınırlılıkları büyük ölçüde bölge tanımından gelir. Bölge sınırları modelleme kararıdır ve bu kararın kendisi tartışmalı olabilir; bir seçeneği bir bölgeden diğerine taşımak sonucu ciddi biçimde değiştirebilir (Malczewski ve Rinner, 2015). İkincisi, her bölgeye aynı λ listesi verilirse yöntem standart OWA'ya indirgenir ve mekansal uzantının amacı boşa çıkar. Üçüncüsü, yöntem 2006'dan bu yana esas olarak GIS tabanlı çevresel planlama alanında uygulanmıştır; başka alanlarda uygulama birikimi sınırlıdır.
Sık Yapılan Hatalar
En sık hata, tüm bölgelere aynı sıra-ağırlık listesini vermektir. Bu, SOWA'yı standart OWA'ya indirger ve mekansal risk farkını tamamen kaybettirir. İkinci hata, bölge sınırlarını veriden değil keyfi biçimde çizmektir; bölge sınırları taşkın haritası, idari sınır ya da benzeri bir gerekçeye dayanmalıdır. Üçüncü hata, puanın paydasını bölge için sabit bir sayı sanmaktır. Payda her seçeneğin kendi kriter sıralamasına göre yeniden hesaplanır; sabit bir sayı kullanmak yanlış sonuç verir.
Temel ilke şudur:
SOWA sonucu, seçeneğin performansı kadar bulunduğu bölgeye atanan risk tutumunun da bir ürünüdür; bölge ataması değişirse sonuç da değişir ve rapor bunu açıkça göstermelidir.
Vakalar
Her vaka bir karar tablosuyla başlar, yöntemin bu tabloya ne yaptığını kelimeyle anlatır ve sonucun nasıl okunacağını gösterir. Birinci vaka DecisionMind'ın doğrulama örneğidir. Diğer vakalar öğretici kurgudur.
1. Su Yönetimi: Taşkın riski bölgelerinde altyapı seçeneklerinin değerlendirilmesi
Bir belediye su idaresi iki farklı bölgede üç altyapı seçeneği arasında seçim yapacaktır. İki ölçüt vardır: taşkın kapasitesi ve maliyet etkinliği, ikisi de "çoğu iyi" olarak puanlanmıştır. A1 ve A2 "yakın bölge"dedir, burada risk tutumu iyimserdir (λ=[0,7; 0,3]); A3 "uzak bölge"dedir, burada risk tutumu kötümserdir (λ=[0,3; 0,7]). Kriter ağırlıkları C1 için 0,6, C2 için 0,4'tür.
| Seçenek | C1 | C2 | Bölge |
|---|---|---|---|
| A1 | 0,80 | 0,40 | yakın |
| A2 | 0,40 | 0,90 | yakın |
| A3 | 0,95 | 0,05 | uzak |
| Yön | çoğu iyi | çoğu iyi | yok |
| Ağırlık | 0,60 | 0,40 | yok |
Yöntem her seçeneğin kriterlerini kendi içinde sıralar, bulunduğu bölgenin λ listesiyle birleştirir ve normalize bir puan çıkarır.
| Seçenek | SOWA puanı | Sıra |
|---|---|---|
| A1 | 0,7111 | 1 |
| A2 | 0,7043 | 2 |
| A3 | 0,4022 | 3 |
Sonuç şöyle okunur. A3'ün C1'i (0,95) tablodaki en yüksek değerdir, ama C2'si (0,05) en düşük değerdir. A3 uzak bölgede olduğu için kötümser tutumla değerlendirilir ve zayıf kriteri ağır basar, puanı 0,4022'ye düşer ve son sıraya iner. A1 ve A2 yakın bölgede olduğu için iyimser tutumla değerlendirilir ve güçlü kriterleri öne çıkar.
İdare burada tereddüt eder. A3, yakın bölgede olsaydı aynı kriter değerleriyle 0,75 puan alır ve birinci sıraya çıkardı; bunu doğrulamak için aynı hesap yakın bölgenin λ listesiyle elle tekrarlanmış ve 0,75 bulunmuştur. Demek ki A3'ün son sırada çıkmasının nedeni yalnız performansı değil, uzak bölgeye atanmış olmasıdır. İdare, bölge sınırının A3'ün bulunduğu noktayı doğru yansıtıp yansıtmadığını ayrıca sorgulamalıdır.
Raporda: "Uzak bölgenin kötümser risk tutumuyla A1 en iyi seçenektir (0,7111); A3 aynı kriter değerleriyle yakın bölgede değerlendirilseydi 0,75 puanla birinci sıraya çıkardı, bu yüzden bölge sınırının doğruluğu ayrıca teyit edilmelidir."
Kaynak: Makropoulos ve Butler (2006). Sayılar DecisionMind'ın SOWA motoru için hazırlanmış, kaynak makalenin mantığına sadık, sayfa numarasıyla eşleşmeyen bir doğrulama örneğidir. Not: DecisionMind ekibi, veri ve referans noktasına duyarlı ağırlıklandırma kullanan bu yöntem ailesinde tek-kriter yön testi davranışını ayrıca gözden geçiriyor.
2. Atık Yönetimi: Bölgesel katı atık aktarma tesisi yer seçimi
Bir büyükşehir belediyesi üç aday alan arasından katı atık aktarma tesisi için yer seçecektir. İki ölçüt belirlenmiştir: taşıma mesafesi (azı iyi) ve çevresel etki puanı (çoğu iyi). Aday alanlardan ikisi yoğun yerleşim çevresindeki "hassas bölge"dedir ve burada risk tutumu kötümserdir; her aday en zayıf kriterine göre değerlendirilir. Üçüncü aday şehir dışı "tampon bölge"dedir ve burada risk tutumu iyimserdir.
Yöntem, hassas bölgedeki iki adayı en zayıf kriterlerine göre cezalandırır, tampon bölgedeki adayı ise en güçlü kriterine göre ödüllendirir. Diyelim ki sonuç, çevresel etkisi orta ama mesafesi kısa olan hassas bölge adayını düşük puanla üçüncü sıraya koyarken, çevresel etkisi yüksek olsa da tampon bölgede olduğu için ikinci adayı birinci sıraya çıkarıyor.
Belediye burada tereddüt eder: tampon bölgedeki adayın çevresel etki puanı aslında düşüktür, ama iyimser tutum bu zayıflığı gözden kaçırmıştır. Bölge sınırının "tampon" tanımı revize edilirse sonuç değişebilir. Bu yüzden bölge sınırlarının hangi veriye (yerleşim yoğunluğu haritası, rüzgar yönü) dayandığı raporda gösterilmelidir.
Raporda: "Tampon bölgenin iyimser risk tutumuyla ikinci aday öne çıkmaktadır; bu adayın çevresel etki puanı düşüktür ve tampon bölge sınırı yeniden gözden geçirilmelidir."
3. Madencilik: Terk edilmiş maden sahalarında rehabilitasyon önceliklendirmesi
Bir çevre kurumu üç terk edilmiş maden sahası arasında rehabilitasyon sırasını belirleyecektir. İki ölçüt vardır: toprak kirliliği düzeyi (azı iyi) ve yakın yerleşime uzaklık (çoğu iyi). Yerleşime yakın sahalar "acil bölge"dedir ve kötümser tutumla değerlendirilir; uzak sahalar "izlem bölgesi"dedir ve iyimser tutumla değerlendirilir.
Yöntem, acil bölgedeki sahaları en kötü kirlilik değerlerine göre öne çıkarır, izlem bölgesindeki sahayı ise en iyi kriterine göre değerlendirip düşük öncelik verir. Diyelim ki kirliliği en yüksek olan ama yerleşime en yakın saha birinci sırada çıkıyor, kirliliği orta olan ama uzak saha son sırada kalıyor.
Kurum burada tereddüt eder: uzak sahadaki kirlilik, izlem bölgesi olduğu için düşük öncelikli görünmüştür, ama kirlilik zamanla yayılabilir. Bölge tutumunun "uzak = düşük öncelik" varsayımı her kirletici türü için geçerli olmayabilir. Bu yüzden rapor, izlem bölgesindeki sahaların yeniden değerlendirme takvimini de belirtmelidir.
Raporda: "Acil bölgenin kötümser tutumuyla en yüksek kirlilikli saha birinci önceliktedir; izlem bölgesindeki saha düşük öncelikli çıkmıştır, ancak kirlilik yayılma riski nedeniyle altı ay içinde yeniden değerlendirilmelidir."
4. Yapılmaması Gereken
Su yönetimi vakasında üç bölgeye de aynı λ=[0,7; 0,3] listesi verilseydi SOWA standart OWA'ya döner ve A3'ün uzak bölgede olmasının hiçbir etkisi kalmazdı; bu, mekansal uzantıyı anlamsızlaştırır. İkinci yanlış, bölge sınırlarını veri toplandıktan sonra sonuca bakarak yeniden çizmektir; bölge tanımı analizden önce, bağımsız bir gerekçeyle (taşkın haritası, idari sınır) sabitlenmelidir. Üçüncü yanlış, A3'ün 0,4022 puanını "bu seçenek kötü performans gösterdi" diye okumaktır; puan yalnız uzak bölgenin risk tutumuyla o performansın nasıl değerlendirildiğini gösterir.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri (BibTeX, RIS, APA) için DecisionMind yöntem sayfası: decisionmind.app/library/sowa
Makropoulos, C. K., & Butler, D. (2006). Spatial ordered weighted averaging: incorporating spatially variable attitude towards risk in spatial multi-criteria decision-making. Environmental Modelling & Software, 21(1), 69-84. DOI: 10.1016/j.envsoft.2004.10.010
Yager, R. R. (1988). On ordered weighted averaging aggregation operators in multicriteria decisionmaking. IEEE Transactions on Systems, Man, and Cybernetics, 18(1), 183-190. DOI: 10.1109/21.87068
Makropoulos, C. K., Butler, D., & Maksimovic, C. (2003). Fuzzy logic spatial decision support system for urban water management. Journal of Water Resources Planning and Management, 129(1), 69-77. DOI: 10.1061/(ASCE)0733-9496(2003)129:1(69)
Malczewski, J., & Rinner, C. (2015). Multicriteria Decision Analysis in Geographic Information Science. Springer, Advances in Geographic Information Science. DOI: 10.1007/978-3-540-74757-4