FUCA (Flexible and Universal Compromise Analysis)

FUCA, elinizde bir karar tablosu olduğunda seçenekleri normalize etmeden, yalnız her kriterdeki sıralarını kullanarak tek bir sıraya dizen bir yöntemdir. Her kriterde seçenekler 1'den başlayarak sıralanır; 1 o kriterde en iyi seçeneği gösterir. Sonra bu sıralar kriter ağırlığıyla çarpılıp toplanır. Çıktı her seçenek için bir puan (sıraların ağırlıklı toplamı) ve bu puana göre bir sıradır; en küçük puan en iyi seçeneği gösterir. FUCA adını Fransızca "Faire Un Choix Adéquat" (uygun bir seçim yapmak) ifadesinden alır ve normalizasyon adımı içermeyen az sayıdaki sıralama yöntemlerinden biridir.

Çoğu sıralama yöntemi önce ham sayıları aynı ölçeğe getirir, sonra karşılaştırır. FUCA bunun tersini yapar: sayının kendisiyle değil, o sayının diğer seçeneklere göre konumuyla ilgilenir. Bir yarışta kimin birinci, kimin ikinci bittiğini bilmek, kimin kaç saniyede bitirdiğini bilmekten daha basittir ve ölçüm biriminden bağımsızdır. FUCA da her kriterde seçenekleri sıralar, sonra bu sıraları toplar. Bu yaklaşımın felsefi sonucu, hangi normalizasyon biçiminin kullanılacağı tartışmasından tamamen kaçınmaktır. Ama sırf sıra kullanıldığı için iki seçenek arasındaki büyük bir fark ile küçük bir fark aynı ağırlıkta sayılır.

Yöntem iki adımda ilerler.

Birinci adım, her kriterde sıralamak. FUCA her kriter sütununu kendi içinde sıralar: fayda kriterinde en yüksek değer 1. sırayı, maliyet kriterinde en düşük değer 1. sırayı alır. Eşit değerler ortalama sırayı paylaşır. Örneğin iki seçenek bir kriterde eşitse ve ikisi de 2. ile 3. sırayı paylaşıyorsa, her ikisine de 2,5 sırası verilir.

İkinci adım, ağırlıklı sıra toplamını hesaplamak. FUCA her seçeneğin kriter bazındaki sıralarını, o kriterin ağırlığıyla çarpıp toplar. Sonuç seçeneğin genel puanıdır; küçük puan iyi sırayı, büyük puan kötü sırayı gösterir. Seçenekler bu puana göre küçükten büyüğe sıralanır.

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

FUCA puanı, bir seçeneğin bu kriterler ve bu ağırlıklarla diğer seçeneklere göre ortalama sırasını gösterir; başka bir şey söylemez. 1,7 puanı "yüzde 17" ya da "birinci sıradan yüzde 70 uzak" anlamına gelmez; sıraların ağırlıklı ortalamasıdır. Puan 1'e ne kadar yakınsa seçenek o kadar çok kriterde iyi sıradadır. Ama iki seçenek arasındaki puan farkı, aradaki ham değer farkını yansıtmaz, çünkü FUCA ham değerleri değil sıraları kullanır. Bir kriterde açık ara birinci olan bir seçenek ile aynı kriterde ikinci olan bir seçenek arasında FUCA puanı açısından fark yoktur, oysa gerçek sayılar arasında büyük bir uçurum olabilir.

Bu nedenle:

"FUCA en iyi seçeneği buldu"

yerine:

"Bu kriterler ve bu ağırlıklarla ortalama sırası en iyi olan seçenek şudur; ham değerler arasındaki büyüklük farkı bu puana yansımaz"

biçiminde yazmak doğrudur.

Klasik FUCA kesin veriyle çalışır: her hücrede tek bir sayı, sıralanabilir olması yeterlidir. DecisionMind'da temel yöntemle birlikte bu yazının tarihinde kayıtlı bir FUCA uzantısı bulunmamaktadır.

Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı; her kriter için yön bilgisi (fayda mı maliyet mi); toplamı 1 olan kriter ağırlıkları. FUCA ağırlık üretmez, dışarıdan ister. En az iki seçenek ve iki kriter gerekir; seçenek ve kriter sayısı arttıkça hesap yükü artmaz, çünkü FUCA yalnız sıralama işlemi yapar.

Kriterleriniz farklı birimlerde olduğu için normalizasyon biçiminin sonucu etkilemesinden çekiniyorsanız ve yalnız sıralama bilgisi yeterliyse FUCA uygun bir seçimdir. Tipik alanları tedarikçi değerlendirmesi ve alternatif seçimidir; hesap yükü düşük olduğu için çok sayıda seçenekle de rahat çalışır.

Kullanılmaması gereken durum, ham değerler arasındaki büyüklük farkının kararda önemli olduğu durumlardır; FUCA yalnız sırayı kullandığı için "az farkla birinci" ile "açık farkla birinci" arasında ayrım yapmaz. Kriterler arasında güçlü bir bağımlılık varsa bu önce ele alınmalıdır; FUCA kriterleri bağımsız sayar.

Normalizasyon tartışmasından kaçınmak, yalnız sıra bilgisi yeterli → FUCA

Ham değer büyüklüğü kararda önemli → TOPSIS, SAW gibi ham değer kullanan yöntemler

Sıralama değil ağırlık gerekiyor → AHP, BWM, SWARA (öznel), Entropy, CRITIC (nesnel)

Bir kriterde taviz kabul edilmiyor → eleme mantığıyla çalışan yöntemler

FUCA'nın en büyük gücü basitliğidir. Normalizasyon adımı olmadığı için farklı normalizasyon biçimlerinin sonucu değiştirmesi tartışması FUCA için geçerli değildir. Hesabı elle yapılabilir. Aykırı bir değerden (bir kriterde olağandışı yüksek ya da düşük bir sayı) etkilenmesi sınırlıdır, çünkü sıraya dönüştürülen bir aykırı değer yalnızca bir sıra kadar ağırlık taşır. Bu özellik, verinin ölçüm hatası içerdiğinden şüphelenilen durumlarda FUCA'yı diğer yöntemlere göre daha az kırılgan yapar.

Sınırlılıkları da aynı basitlikten doğar. Birincisi, sıraya dönüştürme bilgi kaybına yol açar; iki seçenek arasındaki büyük bir sayısal fark ile küçük bir fark aynı sıra farkına indirgenir. İkincisi, seçenek sayısı arttıkça sıralar arasındaki adım küçülür ve FUCA puanları birbirine yakınlaşır; bu ayırt ediciliği azaltır. Üçüncüsü, yeni bir seçenek eklendiğinde bütün sıralar yeniden hesaplanır ve mevcut sıra değişebilir. Dördüncüsü, ağırlıkların kalitesi yöntemin dışındadır; kötü ağırlıklarla doğru bir sıra hesabı yine de yanlış bir öncelik sırası verebilir.

En yaygın hata, FUCA puanını bir yüzde ya da mesafe ölçüsü gibi okumaktır; puan yalnız ağırlıklı sıra toplamıdır. İkinci hata, eşit değerlere farklı sıra vermek ve ortalama sıra kuralını uygulamamaktır; bu, o kriterin ayırt ediciliğini yapay olarak bozar. Üçüncü hata, az sayıda seçenekle (iki ya da üç) FUCA kullanıp sonucu kesin bir seçim gibi sunmaktır; sıra farkları az sayıda seçenekte küçük veri değişikliklerine karşı hassastır. Dördüncü hata, ham değerler arasındaki büyük bir farkın FUCA puanına yansımasını beklemektir; yansımaz, çünkü yöntem sırayla çalışır.

Temel ilke şudur:

FUCA sonucu, seçeneklerin ham değerleri değil kriter bazındaki sıralarının ağırlıklı toplamıdır; ham değerler arasındaki büyüklük farkı kararda önemliyse bu bilgi ayrıca raporlanmalıdır.