Bulut TOPSIS’e dayalı olasılıksal dilsel terimlerle çok ölçütlü karar verme için bir yöntem

Belirsizlik altında seçim yapmanın önemi

Topluluklar yüksek riskli kararlarla karşılaştığında—örneğin bir nükleer kaza sırasında insanları nasıl tahliye edeceğine karar verirken—yöneticiler güvenlik, maliyet, stres ve daha fazlası gibi birçok çatışan endişeyi değerlendirmek zorunda kalır. Uzmanlar genellikle bu faktörleri kesin sayılar yerine “küçük risk” veya “çok büyük kayıp” gibi sözcüklerle tanımlar. Bu sözcükler insanlar için kullanışlıdır ama bilgisayarlar için hantaldır. Bu makale, böyle bulanık ve olasılıksal dili açık, gerekçelendirilebilir seçenek sıralamalarına dönüştürmenin yeni bir yolunu sunar; amaç, hem riskin hem de belirsizliğin yüksek olduğu durumlarda daha iyi kararları desteklemektir.

Sözcükleri ölçülebilir bulutlara dönüştürmek

Yazarlar, aynı anda birden çok ölçüte göre seçenekleri karşılaştıran çok ölçütlü karar verme araçları ailesi üzerine inşa ederler. Uzmanlardan kesin rakamlar istemek yerine, onlara ‘‘çok küçük’’, ‘‘orta’’ veya ‘‘çok büyük’’ gibi günlük terimlerle yanıt verme olanağı verirler ve her terime ne kadar emin olduklarını göstermek için bir olasılık eklerler. Bu “olasılıksal dilsel terimler” daha sonra yazarların bulut dediği nesnelere dönüştürülür: tipik değeri, terimin ne kadar belirsiz olduğunu ve o belirsizliğin kendisinin ne kadar kaygılı olabileceğini aynı anda yakalayan basit sayısal yapılar. Altın oranla ilişkili bir matematiksel düzen kullanarak, yöntem bu bulutları çok küçükten çok büyüğe kadar olan derecelenmeleri insanların doğal algısına uygun şekilde bir ölçek üzerinde konumlandırır.

Birleşik bir görünüme birçok görüşü harmanlamak

Gerçek kararlar nadiren tek bir uzmana dayanır. Yeni çerçeve, her seçenek ve her ölçüt için birden çok uzman bulutunu tek bir birleşik bulutta harmanlamanın bir yolunu tanıtır. Daha net ve daha emin görüşe sahip uzmanlar sonucu daha güçlü biçimde şekillendirir, fakat genel belirsizlik korunur. Yazarlar ayrıca herhangi iki bulut arasındaki mesafeyi ölçmek için yeni bir yöntem de tasarlar. Bu mesafe yalnızca tipik değerdeki farkı değil, aynı zamanda belirsizlik ve rastgelelikteki farklılıkları da yansıtır. Kritik olarak, yöntem uzmanların farklı dilsel terim karışımlarını kullandığı durumlarda bile görüşleri adil biçimde karşılaştırabilir; bu, daha eski tekniklerde bilgi kaybına yol açabilen bir sorunu önler.

Bulut karşılaştırmalarından sıralanmış tercihlere

Bu bulutları seçeneklerin bir sıralamasına dönüştürmek için çalışma, her alternatifi ideal en iyi ve ideal en kötü ile karşılaştıran iyi bilinen TOPSIS yöntemini uyarlıyor. Burada bu idealler kendileri de tüm ölçütler boyunca hayal edilebilecek en elverişli ve en elverişsiz değerlendirmeleri temsil eden bulutlardır. Her tahliye planı için yöntem, onun bulutlarının ideal en iyiye ne kadar yakın ve ideal en kötüden ne kadar uzak olduğunu, her ölçütün göreli önemini dikkate alarak hesaplar. Sonuç, orijinal uzman dilindeki bulanıklığı ve rastgeleliği gözeten, ancak hangi seçeneklerin daha iyi veya daha kötü olduğuna dair net bir sıralama sağlayan tek bir puandır.

Yöntemi nükleer tahliye planlarıyla test etmek

Yöntemi uygulamada göstermek için yazarlar, üç uzmanın dört tahliye stratejisini değerlendirdiği bir nükleer acil durum simülasyonu yaparlar. Her planı nüfusa toplam radyasyon dozu, herhangi bir bireyin maruz kaldığı maksimum doz, psikolojik sıkıntı ve ekonomik kayıp olmak üzere dört maliyet türü ölçütü ile değerlendirirler. Uzmanlar değerlendirmelerini sözlü terimler ve olasılıklar kullanarak ifade eder; yöntem bunları bulutlara dönüştürür, toplar ve stratejileri sıralar. Analiz, bir stratejiyi açıkça en iyi olarak belirler ve ayrıntılı bir duyarlılık çalışması, her ölçütün varsayılan önemi veya belirli belirsizlik parametreleri geniş aralıklarda değiştirildiğinde bile bu sıralamanın kararlı kaldığını gösterir. Yazarlar ayrıca sonuçlarını birkaç başka gelişmiş karar yöntemiyle karşılaştırır; çok farklı matematiklere dayanmalarına rağmen en güçlü rakip yaklaşımlar en iyi tercihlerde hemfikir olarak yeni çerçeveye güven sağlar.

Gerçek dünya kararları için anlamı

Basitçe söylemek gerekirse, çalışma uzmanların “sözlerle konuşmasına” izin verirken yine de “eyleme uygun sayılar” üretmenin bir yolunu sunar. Sözel yargıları belirsizlik ve rastgeleliği kodlayan bulutlar olarak temsil ederek, yöntem yapay kesinlik zorlamadan karmaşık, belirsiz bilgileri işleyebilir. Önceki bulut tabanlı teknikleri sadeleştirir, hesaplama yükünü azaltır ve yine de diğer çağdaş yaklaşımlarla iyi örtüşen sıralamalar sağlar. Çalışma nükleer tahliye planlamasında gösterilmiş olsa da aynı fikir sağlık hizmetleri, çevre koruma, altyapı planlaması ve derin belirsizlik altında seçimlerin yapılması gereken ve uzman görüşlerinin sert verilere değil dile dayandığı başka herhangi bir alanda kararları destekleyebilir.

Atıf: Almandeel, A., Rao, C., Zhang, X. et al. A method for multi-criteria decision making with probabilistic linguistic term based on cloud TOPSIS. Sci Rep 16, 14122 (2026). https://doi.org/10.1038/s41598-026-44609-y

Anahtar kelimeler: çok ölçütlü karar verme, belirsizlik modelleme, dilsel değerlendirme, nükleer acil durum planlaması, karar destek yöntemleri