SWARA (Step-Wise Weight Assessment Ratio Analysis, Aşamalı Ağırlık Değerlendirme Oran Analizi)

SWARA, elinizde kriterler olduğunda ve bunların göreli önemini uzman yargısıyla, mümkün olan en az sayıda karşılaştırmayla belirlemek istediğinizde kullanılan bir ağırlıklandırma yöntemidir. Çıktısı, toplamı 1 eden bir ağırlık vektörüdür. Sıralama yapmaz; DecisionMind'da SWARA bir ağırlık sağlayıcısıdır ve ürettiği ağırlıklar TOPSIS, VIKOR gibi sıralama yöntemlerine aktarılır. Keršulienė, Zavadskas ve Turskis tarafından 2010'da, anlaşmazlık çözümü yöntemi seçimi bağlamında önerilmiştir.

AHP her kriter çiftini karşılaştırır, BWM en-iyi ve en-kötü kriteri diğerleriyle karşılaştırır; SWARA ise farklı bir yol izler ve hiçbir karşılaştırma matrisi kurmaz. Önce uzmandan kriterleri en önemliden en önemsize doğru sıralamasını ister; sonra her kriterin, hemen bir üst sıradaki kriterden ne kadar daha az önemli olduğunu sorar. n kriter için yalnızca n-1 yargı gerekir; bu, üç yöntem arasında en az sayıdır. Fikrin arkasındaki varsayım şudur. İnsanlar için kriterleri sıralamak, onlara doğrudan sayısal karşılaştırma yapmaktan daha doğal bir zihinsel işlemdir. Sıralama netleştikten sonra geriye yalnızca ardışık farkları oranlamak kalır.

Bu fikrin bir felsefi sonucu vardır. SWARA hızını ve basitliğini, AHP'nin (CR) ve BWM'nin (ξ*) sahip olduğu bağımsız tutarlılık denetiminden vazgeçerek satın alır. Sonuç, tamamen ve doğrudan uzmanın verdiği ilk sıralamaya bağımlıdır; yöntemin kendisi bu sıralamanın doğru olup olmadığını sorgulamaz. Sıralama yanlışsa, sonraki hiçbir hesaplama bunu düzeltmez.

Yöntem dört adımda ilerler.

Birinci adım, kriterlerin önem sırasına dizilmesi. Uzman, kriterleri en önemliden en önemsize doğru sıralar. Bu sıralama SWARA'ya dışarıdan girdi olarak verilir; yöntem sıralamayı üretmez, yalnızca kabul eder.

İkinci adım, ardışık göreli önemin belirlenmesi. En önemli kriterin referans değeri sıfırdır (kendisinden daha önemli bir üst sıra yoktur). Sıradaki her kriter için, uzman "bu kriter, bir önceki sıradaki kriterden yüzde kaç daha az önemli" sorusuna bir sayı verir.

Üçüncü adım, katsayı ve ara ağırlığın hesaplanması. Yöntem her kriter için bir katsayı (bir öncekine göre göreli önemin bir fazlası) hesaplar; en önemli kriterin ara ağırlığı 1'den başlar, her sonraki kriterin ara ağırlığını bir öncekini bu katsayıya bölerek bulur. Sıra aşağı indikçe ara ağırlıklar küçülür.

Dördüncü adım, nihai ağırlıkların normalize edilmesi. Yöntem her kriterin ara ağırlığını tüm ara ağırlıkların toplamına bölerek, toplamı 1 eden nihai ağırlık vektörünü elde eder.

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

Ağırlık, bir kriterin bu sıralama ve karşılaştırma setinde diğer kriterlere göre göreli önemini gösterir; toplamları her zaman 1'dir. SWARA'da AHP'nin CR'si veya BWM'nin ξ*'ı gibi bağımsız bir tutarlılık göstergesi yoktur. Yöntem, uzmanın verdiği ardışık yargıların birbiriyle çelişip çelişmediğini kendi başına sınayamaz, çünkü her kriter yalnızca bir öncekiyle karşılaştırılır ve alternatif bir doğrulama yolu bulunmaz.

Bu nedenle:

"SWARA ağırlığı bu kadar çıktığına göre kriterin önemi kesin olarak bu düzeydedir"

yerine:

"Bu ağırlık, uzmanın verdiği sıralamaya ve ardışık karşılaştırmalara dayanır; SWARA bu yargıların birbiriyle tutarlı olup olmadığını bağımsız olarak sınamaz, güvenilirlik tamamen ilk sıralamanın doğruluğuna bağlıdır"

biçiminde yazmak doğrudur.

SWARA kesin (crisp) veriyle çalışır: kriterlerin önem sırası ve her kriter için bir öncekine göre göreli önem farkı, tek bir sayı olarak. Veriniz belirsiz ya da bulanık ifadelerle geliyorsa SWARA'nın bulanık uzantısı vardır; DecisionMind'da temel yöntemle birlikte üç SWARA üyesi bulunur.

Elinizde şunlar olmalı: kriterlerin en önemliden en önemsize sıralanmış listesi ve her kriter için (en önemli hariç) bir öncekine göre göreli önem farkı; en önemli kriterin bu fark değeri her zaman sıfır olmalıdır. SWARA ağırlık üretir, dışarıdan ağırlık istemez; alternatif verisine ihtiyaç duymaz. En az iki kriter gerekir; üç ile on iki kriter arası rahat çalışır. SWARA'nın avantajı burada en belirgindir: yalnızca n-1 yargı ister, AHP'nin n(n-1)/2'sinden ve BWM'nin 2n-3'ünden daha azdır.

Kriterlerin göreli önemini uzman görüşüyle, mümkün olan en az sayıda yargıyla ve hızla belirlemeniz gerekiyorsa, uzman kriterleri güvenle sıralayabiliyorsa SWARA uygun bir seçimdir.

Kullanılmaması gereken durumlar şunlardır: hiçbir uzman görüşü yoksa (o zaman veri kendisi ağırlık belirlesin); uzman kriterlerin doğru sıralamasından emin değilse (SWARA bu belirsizliği hiçbir şekilde sınamaz, hatalı sıralama doğrudan hatalı ağırlığa dönüşür); yargıların bağımsız bir tutarlılık denetimden geçmesi gerekiyorsa (bu durumda AHP veya BWM tercih edilmelidir).

Uzman yargısı + en az yargı yükü + hız öncelikli, sıralama güvenilir → SWARA

Aynı ihtiyaç ama bağımsız tutarlılık denetimi de isteniyor, kriter sayısı fazla → BWM

Bağımsız tutarlılık denetimi şart, kriter sayısı az-orta → AHP

Uzman yok, ağırlık veriden türetilsin → Entropy, CRITIC (nesnel)

Ağırlık değil sıralama gerekiyor → TOPSIS, VIKOR, PROMETHEE, ELECTRE ailesi (ağırlığı SWARA'dan alabilir)

SWARA'nın en belirgin üstünlüğü, üç öznel ağırlık yöntemi arasında en az sayıda yargı (n-1) istemesidir; bu onu en hızlı uygulanan yöntemlerden biri yapar. SWARA önce sıralama yapar; bu, insan biliş sürecine AHP'nin ikili karşılaştırma matrisinden daha yakındır. "Hangi kriter daha önemli" sorusuna doğrudan cevap vermek, "şu kriter bu kriterden kaç kat önemli" demekten çoğu zaman daha kolaydır. Hesaplaması basittir; ek optimizasyon veya özel yazılım gerektirmez.

Sınırlılıkları da bu basitlikten doğar. Birincisi, hiçbir bağımsız tutarlılık denetimi yoktur. AHP'nin CR'si veya BWM'nin ξ*'ı gibi bir gösterge SWARA'da bulunmaz, bu nedenle yargılardaki içsel bir hata yakalanamaz. Bu boşluğu gidermek için Zolfani, Yazdani ve Zavadskas (2018) genişletilmiş bir SWARA modeli önermiştir. İkincisi, sonuç tamamen ve doğrudan ilk sıralamaya bağımlıdır; yanlış bir sıralama sonraki hiçbir ardışık karşılaştırmayla düzeltilemez. Üçüncüsü, her kriter yalnızca bir öncekiyle karşılaştırılır; kriterler arasındaki tüm ikili ilişkiler doğrudan sınanmaz. Zolfani ve Chatterjee (2019), bu farkı SWARA'yı BWM ile karşılaştırarak tartışmıştır. Dördüncüsü, farklı uzmanlar aynı sıralamayı kabul etse bile ardışık önem farklarını (s_j) farklı sayılarla ifade edebilir ve SWARA'nın kendisi bu farkı çözecek bir mekanizma sunmaz.

En yaygın hata, en önemli kriterin referans değerini (s_1) sıfırdan farklı girmektir; en önemli kriterin kendisinden daha üst sırada bir kriter olmadığı için bu değer her zaman sıfır olmalıdır.

İkinci hata, analiz bittikten sonra sıralamayı değiştirip eski ağırlıklarla yeni sıralamayı karıştırmaktır; sıralama değişirse katsayılar, ara ağırlıklar ve nihai ağırlıklar baştan hesaplanmalıdır. Üçüncü hata, SWARA ağırlıklarını Entropy veya CRITIC gibi veriden türeyen "nesnel" ağırlıklarla eşdeğer sunmaktır; SWARA tamamen öznel bir sıralama ve karşılaştırmaya dayanır. Dördüncü hata, tek bir uzmanın sıralamasını sorgulanmadan kabul edip, bu sıralamanın kendisinin tartışmalı olabileceğini raporda belirtmemektir.

Temel ilke şudur:

SWARA ağırlıkları, uzmanın verdiği sıralamanın ve ardışık karşılaştırmaların doğrudan bir özetidir; yöntem bu sıralamanın doğruluğunu sınamaz, ilk sıralama tartışmalıysa ağırlıklar da tartışmalıdır ve rapor bunu göstermelidir.