DecisionMind Mühürlü, doğrulanabilir reprodüksiyon

Kullanım alanları

FUCOM-F

FUCOM-F - Bulanık Tam Tutarlılık Yöntemi (ÜBS)

Üçgen bulanık ikili öncelik ile tam-tutarlılık NLP ağırlıklandırma

Formül adımları

Analiz motorunun yöntem bildirimindeki (manifest F.steps) adımlar; raporlardaki formüllerle aynı kaynaktır.

  1. Adım 1 — Kriterleri öneme göre sırala C_(1) ≻ … ≻ C_(n).

    C(1)⪰C(2)⪰⋯⪰C(n)
    LaTeX C_{(1)} \succeq C_{(2)} \succeq \cdots \succeq C_{(n)}
  2. Adım 2 — Her ardışık çift için dilsel skaladan bulanık karşılaştırmalı önem φ̃_{j,j+1} = (l_j, m_j, u_j) elde edilir (n−1 ÜBS).

    φ~j,j+1=(lj,mj,uj),j=1,…,n−1
    LaTeX \tilde{\varphi}_{j,j+1} = (l_{j}, m_{j}, u_{j}),\quad j=1,\ldots,n-1
  3. Adım 3 — FUCOM-F doğrusal-olmayan programını çöz: bulanık ağırlıklar w̃_j ve sapma χ̃; min S(χ̃) kısıtlar altında.

    min S(χ~)s.t.|w~(j)w~(j+1)−φ~j,j+1|≤χ~, |w~(j)w~(j+2)−φ~j,j+1⊗φ~j+1,j+2|≤χ~, ∑jS(w~j)=1, ljw≤mjw≤ujw, ljw≥0
    LaTeX \min\ S(\tilde{\chi})\quad \text{s.t.}\quad \left|\dfrac{\tilde{w}_{(j)}}{\tilde{w}_{(j+1)}} - \tilde{\varphi}_{j,j+1}\right| \le \tilde{\chi},\ \left|\dfrac{\tilde{w}_{(j)}}{\tilde{w}_{(j+2)}} - \tilde{\varphi}_{j,j+1}\otimes\tilde{\varphi}_{j+1,j+2}\right| \le \tilde{\chi},\ \sum_{j} S(\tilde{w}_{j}) = 1,\ l_{j}^{w} \le m_{j}^{w} \le u_{j}^{w},\ l_{j}^{w} \ge 0
  4. Adım 4 — w̃_j → w_j: w_j = (l_j^w + 4 m_j^w + u_j^w)/6. Çıktı: durulaştırılmış ağırlıklar ve sapma S(χ̃).

    wj=ljw+4mjw+ujw6
    LaTeX w_{j} = \dfrac{l_{j}^{w} + 4 m_{j}^{w} + u_{j}^{w}}{6}

Yöntem ayrıntıları kaynak kütüphanedeki özgün (İngilizce) metindir.

Sezgi

Triangular-fuzzy pairwise priority weighting with full-consistency NLP. Output typically weight (higher value = preferred).

Sonucu okuma: FUCOM-F returns crisp criterion weights (Σ w_j = 1, w_j ≥ 0) and a defuzzified consistency deviation S(χ̃). It needs only n−1 fuzzy pairwise priority ratios on the ranked criterion chain; the NLP additionally enforces transitivity. S(χ̃) = 0 means perfect fuzzy transitivity. Compared with FUCOM (crisp), FUCOM-F lets experts express uncertainty in each priority ratio.

Varsayımlar

  • Experts can rank criteria
  • Each consecutive ratio φ̃_{j,j+1} expressible on the linguistic scale
  • TFN shape (l ≤ m ≤ u) preserved

Ne zaman kullanılmaz

  • Only crisp ratio available → use FUCOM (crisp)
  • Interactions between criteria expected → use ANP/DEMATEL

Sınırlılıklar

  • Assumes: Experts can rank criteria
  • Assumes: Each consecutive ratio φ̃_{j,j+1} expressible on the linguistic scale
  • Assumes: TFN shape (l ≤ m ≤ u) preserved

Sık yapılan hatalar

  • Her φ̃_{j,j+1} için l ≥ 1: sıralı taraf bir sonrakinden 'daha az önemli' olamaz.
  • n=2: yalnız oran kısıtı geçerli (geçişlilik yok). NLP basitleşir: w̃_{(1)} = φ̃_{12} ⊗ w̃_{(2)}, χ̃ = 0.

Hesap adımları ve dayanakları

  1. Rank criteria by importance C_(1) ≻ C_(2) ≻ … ≻ C_(n).

    Dayanak: Pamucar-Ecer 2020 Step 1; Keleş 2025 Bölüm 4 Adım 1

  2. For each consecutive pair, elicit the fuzzy comparative significance φ̃_{j,j+1} = (l_j, m_j, u_j) from the linguistic scale (n−1 TFNs).

    Dayanak: Pamucar-Ecer 2020 Eq.(8); Keleş 2025 Bölüm 4 Adım 2

  3. Solve the FUCOM-F nonlinear program for fuzzy weights w̃_j = (l_j^w, m_j^w, u_j^w) and deviation χ̃ = (l_χ, m_χ, u_χ): minimise S(χ̃) subject to (a) ratio constraints |w̃_(j)/w̃_(j+1) − φ̃_{j,j+1}| ≤ χ̃ componentwise; (b) transitivity |w̃_(j)/w̃_(j+2) − φ̃_{j,j+1}⊗φ̃_{j+1,j+2}| ≤ χ̃; (c) Σ_j S(w̃_j) = 1; (d) l_j^w ≤ m_j^w ≤ u_j^w; (e) l_j^w ≥ 0.

    Dayanak: Pamucar-Ecer 2020 Eq.(9); Keleş 2025 Bölüm 4 Adım 3

  4. Defuzzify w̃_j → w_j with graded mean: w_j = (l_j^w + 4 m_j^w + u_j^w)/6. Final output: crisp weights and crisp deviation S(χ̃).

    Dayanak: Pamucar-Ecer 2020 Step 4; Keleş 2025 Bölüm 4 Adım 4