Yöntemler · Sıralama
WSM (Ağırlıklı Toplam Modeli / Weighted Sum Model)
WSM, her seçeneğin puanını, kriter değerlerinin ağırlıklarla çarpılıp toplanmasıyla hesaplayan, çok kriterli karar yöntemlerinin en eski ve en sade olanıdır.
Temel yöntemin veri türü: Kesin (Classical)
Yöntem Nedir?
WSM, elinizde sayılarla doldurulmuş bir karar tablosu olduğunda seçenekleri tek bir puana indirip sıralayan bir yöntemdir. Çıktısı her seçenek için bir puan ve bu puana göre sıradır. Seçenekleri gruplara ayırmaz, ağırlık üretmez; ağırlıkları dışarıdan alır. Fishburn tarafından 1967'de önerilmiştir ve "Basit Toplamalı Ağırlıklandırma" (Simple Additive Weighting, SAW) adıyla da anılır. Çok kriterli karar analizinin ders kitaplarında ilk anlatılan yöntemdir, çünkü mantığı gündelik hayattaki "artıları eksileri tart" sezgisiyle birebir örtüşür.
Yöntemin Felsefesi
WSM'nin arkasındaki fikir, faydaların doğrudan toplanabilir olduğu varsayımıdır. Bir kriterdeki yüksek performans, başka bir kriterdeki düşük performansı, aradaki farkın ağırlıkla çarpımı kadar telafi eder ve bu telafi oranı baştan sona sabittir. TOPSIS gibi bir referans noktasına (ideal/anti-ideal) uzaklık ölçmez; doğrudan performans değerlerini ağırlıklarıyla çarpıp toplar.
Bu fikrin bir felsefi sonucu vardır: WSM tam telafi edicidir, üstelik telafi doğrusaldır. "Bir kriterdeki her birimlik kazanç, başka bir kriterdeki kaybı hep aynı oranda karşılar" anlayışı kabul edilebiliyorsa WSM doğru yerdedir. Kriterler arasındaki değiş tokuş oranının sabit olmadığı, örneğin çok düşük bir performansın hiçbir şeyle telafi edilemediği durumlarda yöntemin felsefesi kararın felsefesiyle uyuşmaz.
Yöntem Nasıl Çalışır?
Yöntem iki adımda ilerler.
Birinci adım, yön duyarlı normalizasyon. Kriterler farklı birimlerdeyse (TL, gün, puan) doğrudan toplanamaz. WSM her kriteri kendi en küçük ve en büyük değeri arasında 0 ile 1'e ölçekler: "çoğu iyi" kriterde en büyük değer 1'e, "azı iyi" kriterde en küçük değer 1'e karşılık gelir. Kriterler zaten aynı birimdeyse ve hepsi "çoğu iyi" ise, bu adım atlanıp ham değerlerle doğrudan devam edilebilir; klasik ders kitabı örneği de bunu yapar.
İkinci adım, ağırlıklı toplam. WSM her seçeneğin normalize edilmiş (ya da ham) kriter değerlerini kriterin ağırlığıyla çarpar ve toplar. Yüksek puan iyi demektir; seçenekler bu puana göre büyükten küçüğe sıralanır.
Adımların formülleri, ara tabloları ve atıf biçimleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.
Çıktı Nasıl Yorumlanır?
WSM puanı, bir seçeneğin bu ağırlıklarla topladığı değeri gösterir; başka bir şey söylemez. Puanın yüksek olması "mükemmel" anlamına gelmez, yalnızca bu seçenek kümesi ve bu ağırlıklarla en çok toplam getiriyi bu seçeneğin sağladığı anlamına gelir. Kriterler normalize edilmemişse puanın birimi kriterlerin birimine bağlıdır ve tek başına yorumlanamaz; normalize edilmişse puan 0 ile 1 arasında, birimsiz bir büyüklüktür.
İki seçenek arasındaki küçük puan farkı sağlam bir sıralama değil, ağırlıklara duyarlı bir sıralamadır. WSM'nin doğrusal ve tam telafi edici yapısı yüzünden, bir kriterdeki büyük bir zayıflık, başka kriterlerdeki orta düzey güçle kolayca örtülebilir.
Bu nedenle:
"WSM en iyi seçeneği buldu"
yerine:
"Bu ağırlıklarla en yüksek toplam puanı alan seçenek şudur; puan farkı küçükse sıra, ağırlıklara duyarlıdır"
biçiminde yazmak doğrudur.
Veri Türü ve Girdiler
Klasik WSM kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. Kriterler mümkünse aynı birimde olmalı ya da normalize edilmelidir; farklı birimleri normalize etmeden toplamak, Triantaphyllou'nun (2000) deyişiyle "elmayla armudu toplamak" gibidir. DecisionMind'da yalnız temel WSM bulunur, uzantısı yoktur.
Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı ve boş hücre yok; her kriter için "çoğu mu iyi, azı mı iyi" bilgisi; ve toplamı 1 olan kriter ağırlıkları. WSM ağırlık üretmez, ister. En az iki seçenek ve en az bir kriter gerekir; üç ile on kriter arası rahat çalışır. Seçenek sayısında üst sınır yoktur.
Ne Zaman Kullanılır, Ne Zaman Kullanılmaz?
Kriterleriniz aynı ya da uyumlu bir birimde ölçülebiliyorsa, tablo tam doluysa, hızlı ve şeffaf bir hesap istiyorsanız ve tam telafiyi kabul ediyorsanız WSM uygun bir seçimdir. Tipik alanları tedarikçi değerlendirmesi, personel seçimi ve saha seçimidir.
Kullanılmaması gereken durum, kriterlerin farklı birimlerde olup normalize edilmediği ya da bir kriterde taviz kabul edilmediği durumdur. Güvenlik eşiğinin altındaki bir seçeneğin ucuz olduğu için öne geçmesini istemiyorsanız WSM bunu engellemez; önce eşik altını eleyip kalanları WSM ile sıralamalısınız.
Kriterler aynı birim, telafi kabul, hızlı ve şeffaf hesap → WSM
Kriterler farklı birim, ideal/anti-ideal noktaya göre konumlanmak 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)
Güçlü Yanları
WSM'nin en önemli üstünlüğü sadeliğidir. Hesabı elle takip edilebilir, kimseye anlatmak için özel bir eğitim gerekmez; karar verici "her kriterin ağırlıklı katkısını topladık" cümlesiyle sonucu anlar. Hesap yükü küçüktür, seçenek ve kriter sayısı arttığında da aynı hızda çalışır. Bu şeffaflık, WSM'yi hâlâ ders kitaplarının ilk anlattığı ve pratikte hızlı bir ilk tur değerlendirme için sık başvurulan yöntem yapar.
Zayıf Yanları
Sınırlılıkları aynı sadelikten doğar. Birincisi, boyutsal tutarsızlık riski: kriterler farklı birimdeyse ve normalize edilmezse toplam anlamsızlaşır (Triantaphyllou, 2000). İkincisi, tam ve doğrusal telafi varsayımı: bir kriterdeki ciddi zayıflık, başka bir kriterdeki orta düzey güçle her zaman aynı oranda kapanır; bu oran değişmez. Üçüncüsü, farklı basit toplama tabanlı yöntemlerin (WSM dahil) aynı karar tablosuna farklı sıra verebildiği, Triantaphyllou ve Mann'ın (1989) "karar verme paradoksu" olarak adlandırdığı bulguyla gösterilmiştir. Dördüncüsü, geniş ölçekli karşılaştırma çalışmaları WSM'nin sıralamasının seçenek ve kriter yapısına göre diğer yöntemlerden ayrışabildiğini bulmuştur (Zanakis ve ark., 1998).
Sık Yapılan Hatalar
En yaygın hata, farklı birimdeki kriterleri normalize etmeden doğrudan toplamaktır; bu, büyük sayılı bir kriterin küçük sayılı bir kriteri hesapta ezmesine yol açar. İkinci hata, ağırlıkları toplamı 1 olacak şekilde ayarlamadan kullanmaktır; toplamı 1 olmayan ağırlıklar puanların büyüklüğünü anlamsızlaştırır. Üçüncü hata, tam telafi istemiyorken WSM seçmektir; kritik bir eşik altı seçeneğin başka kriterlerdeki güçle öne çıkmasına izin verir. Dördüncü hata, puan farkını küçükken bile kesin bir üstünlük gibi raporlamaktır.
Temel ilke şudur:
WSM puanı, sizin verdiğiniz ağırlıkların ve normalizasyon kararının doğrudan bir toplamıdır; kriterler ölçek bakımından uyumlu değilse toplam da güvenilir değildir.
Vakalar
Her vaka bir karar tablosuyla başlar, yöntemin bu tabloya ne yaptığını kelimeyle anlatır ve sonucun nasıl okunacağını gösterir. Birinci vaka yöntemin uzantı kaynağından alınmıştır; sayılar kaynağın kendi sayılarıdır. Diğer vakalar öğretici kurgudur.
1. Karar Bilimi: Dört kriterli üç seçenekli ders kitabı örneği (Triantaphyllou, 2000)
Triantaphyllou'nun çok kriterli karar yöntemlerini karşılaştırdığı ders kitabı, WSM'nin mekaniğini göstermek için üç seçenek ve dört kriterlik bir örnek kullanır. Dört kriter de "çoğu iyi"dir ve aynı birimde ifade edildiği varsayılır, bu yüzden normalizasyon adımı atlanır. Ağırlıklar sırasıyla 0,20, 0,15, 0,40 ve 0,25'tir.
| Seçenek | C1 | C2 | C3 | C4 |
|---|---|---|---|---|
| A1 | 25 | 20 | 15 | 30 |
| A2 | 10 | 30 | 20 | 30 |
| A3 | 30 | 5 | 30 | 5 |
| Yön | çoğu iyi | çoğu iyi | çoğu iyi | çoğu iyi |
| Ağırlık | 0,20 | 0,15 | 0,40 | 0,25 |
Yöntem her seçeneğin dört kriterdeki ham değerini kendi ağırlığıyla çarpar ve toplar.
| Seçenek | WSM Puanı | Sıra |
|---|---|---|
| A2 | 22,0 | 1 |
| A1 | 21,5 | 2 |
| A3 | 20,0 | 3 |
Sonuç şöyle okunur. A2 hiçbir kriterde tek başına en yüksek değildir; C1'de en düşük, C3 ve C4'te ortadır. Öne çıkmasının nedeni, en ağır kriter olan C3'te ikinci en yüksek değeri alması ve C2'de en yüksek değere sahip olmasıdır. A3, C1 ve C3'te en yüksek değerlere sahip olmasına rağmen sondadır; çünkü C2 ve C4'te en düşük değerleri alır ve bu iki kriterin toplam ağırlığı 0,40'tır.
Karar verici burada tereddüt eder: A2 ile A1 arasındaki fark 0,5 puandır, toplam puanın yaklaşık yüzde ikisi kadardır. C3 ağırlığı biraz düşürülüp C1 ağırlığı yükseltilirse A1 öne geçebilir; bu yüzden rapor, sıranın C3 ağırlığına duyarlı olduğunu göstermelidir.
Raporda: "Verilen ağırlıklarla A2 en yüksek toplam puanı almıştır (22,0); A1 (21,5) ile arasındaki fark küçüktür ve C3 ağırlığı düşürüldüğünde sıra değişebilir."
Kaynak: Triantaphyllou (2000), 2. Bölüm, §2.2.1, Örnek 2-1, s. 6-7. Puanlar kaynağın kendi değerleridir; bu örnek DecisionMind'ın WSM motorunun doğrulama örneğidir ve motor aynı sonucu üretir.
2. Atık Yönetimi: Belediyenin geri dönüşüm tesisi teknolojisi seçimi
Bir belediye üç geri dönüşüm tesisi teknolojisinden birini seçecektir. Kriterler aynı puan cetveline (0-100) çevrilmiştir: işlem kapasitesi, enerji verimliliği, işletme maliyeti (azı iyi) ve bakım kolaylığı. Belediye meclisi ağırlıkları işletme maliyetine en çok, diğerlerine dengeli vermiştir.
Yöntem maliyet kriterini ters çevirerek "çoğu iyi" haline getirir, sonra dört kriterin ağırlıklı toplamını hesaplar. Diyelim ki en düşük işletme maliyetine sahip teknoloji birinci sıraya çıkar; işlem kapasitesinde orta olmasına rağmen maliyet avantajı toplamı taşımıştır.
Meclis burada tereddüt eder: maliyet ağırlığı yüksek tutulduğu için sonuç büyük ölçüde bu kritere bağlıdır. Enerji verimliliği ağırlığı artırılırsa başka bir teknoloji öne geçebilir. Ayrıca WSM tam telafi edicidir; bakım kolaylığı çok düşük bir teknoloji, maliyet avantajıyla öne çıkabilir ve bu durum meclise açıkça anlatılmalıdır.
Raporda: "Sıralama işletme maliyeti ağırlığına duyarlıdır; bakım kolaylığındaki zayıflık maliyet üstünlüğüyle telafi edilmiştir, bu telafi meclise ayrıca bildirilmelidir."
3. Gıda Güvenliği: Bir gıda denetim biriminde tedarikçi izleme yönteminin seçimi
Bir gıda güvenliği denetim birimi, tedarikçileri izlemek için üç farklı izleme yönteminden birini seçecektir. Kriterler aynı 0-10 puan cetveline çevrilmiştir: örnekleme sıklığı, laboratuvar sonuç hızı, maliyet (azı iyi) ve personel eğitim yükü (azı iyi). Ağırlıklar birim yöneticileri tarafından belirlenmiş, örnekleme sıklığına en yüksek ağırlık verilmiştir.
Yöntem maliyet ve personel eğitim yükünü ters çevirir, sonra ağırlıklı toplamı hesaplar. Diyelim ki en yüksek örnekleme sıklığına sahip yöntem birinci sıraya çıkar; maliyeti orta düzeydedir ama örnekleme sıklığındaki üstünlüğü toplamı belirlemiştir.
Birim burada tereddüt eder: örnekleme sıklığı ağırlığı bu kadar yüksek tutulduğunda, düşük maliyetli ama seyrek örnekleme yapan bir yöntem geride kalır. Bu bir tercihtir, bir gerçek değildir; birim "sıklık mı, maliyet mi" sorusuna açıkça cevap vermelidir. Ayrıca personel eğitim yükü çok yüksek bir yöntemin öne çıkması, uygulamada personel direnciyle karşılaşabilir; bu WSM puanına yansımaz.
Raporda: "Sıralama, örnekleme sıklığına verilen yüksek ağırlığı yansıtır; personel eğitim yükündeki zayıflık puana yansımamıştır ve uygulama öncesi ayrıca değerlendirilmelidir."
4. Yapılmaması Gereken
Aynı ders kitabı tablosunda kriterler normalize edilmeden, ama farklı birimlerde (biri TL, biri gün) olsaydı toplam anlamsızlaşır ve büyük sayılı kriter küçük sayılı kriteri ezerdi. İkinci yanlış, A2 ile A1 arasındaki 0,5 puanlık farkı "A2 kesin olarak daha iyi" diye raporlamaktır; fark küçüktür ve ağırlığa duyarlıdır. Üçüncü yanlış, ağırlıkları toplamı 1 olacak şekilde kontrol etmeden kullanmak ve puanları başka bir analizin WSM puanlarıyla karşılaştırmaktır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri (BibTeX, RIS, APA) için DecisionMind yöntem sayfası: decisionmind.app/library/wsm
Fishburn, P. C. (1967). Additive utilities with incomplete product sets: Application to priorities and assignments. Operations Research, 15(3), 537–542. DOI: 10.1287/opre.15.3.537
Triantaphyllou, E. (2000). Multi-Criteria Decision Making Methods: A Comparative Study. Applied Optimization, Cilt 44. Kluwer Academic Publishers. DOI: 10.1007/978-1-4757-3157-6
Triantaphyllou, E., & Mann, S. H. (1989). An examination of the effectiveness of multi-dimensional decision-making methods: A decision-making paradox. Decision Support Systems, 5(3), 303–312. DOI: 10.1016/0167-9236(89)90037-7
Zanakis, S. H., Solomon, A., Wishart, N., & Dublish, S. (1998). Multi-attribute decision making: A simulation comparison of select methods. European Journal of Operational Research, 107(3), 507–529. DOI: 10.1016/s0377-2217(97)00147-1