Burada, bu bulanık MCDM yöntemlerinin karar araçları olarak kullanılmasının en iyisi olduğu vurgulanmalıdır. Bireysel karar vericiler, herhangi birini uyguladıktan sonra kendi çözümlerine ulaşabilirler. Bu çalışma, belirli durumlarda farklı yöntemlerin yalnızca genel bir görünümünü sağlamıştır. Gerçek hayattaki bulanık MCDM problemlerini çözmede başarılı bir başarı için yöntemlerin özelliklerinin daha geniş bir şekilde anlaşılması ve bulanık değerlendirme kriterleri gereklidir.

GELECEKTEKİ ARAŞTIRMALAR İÇİN SONUÇLAR VE TARTIŞMA

MCDM YÖNTEMLERİNİN İNCELENMESİ: GELECEK TRENDLERİ

Günümüzde, insanların her zaman iyi çalışılmış normatif teorilerin davranmaları gerektiğini söylediği şekilde davranmadıkları kabul edilmektedir. Birçok karar teorisi (özellikle oyun teorileri) karar vericilerin her zaman tamamen rasyonel olduğunu varsayar. Bununla birlikte, çoğu zaman, önemli kararlar bilimsel olmayan ipuçlarına dayanır.

İyi tanımlanmış klasik istatistik çıkarım prosedürleri bile sınırlı fayda sağlayabilir çünkü girdi olasılıklarının tahmin edilmesi zordur veya temeldeki varsayımlar belirli bir durumda geçerli değildir veya uygun şekilde doğrulanamazlar. Yukarıdaki konular, yakın zamanda Raiffa [1994] tarafından ifade edildiği gibi, araştırma ve uygulamanın geleceği ile ilgili üç ana endişeyi oluşturmaktadır.

Yukarıdaki sorunlara bir panzehir olarak [1994] Raiffa, karar verme çalışmasına kuralcı yönelim adını verdiği yeni bir yönelim önermiştir. Bu yönelime göre, insanlar süper akılcı bireyler olarak görülmemelidir. Bunun yerine yeni yöntemler, karar verirken sistematik ve akıllıca bir yaklaşım oluşturmaya çalışmalıdır. Raiffa ayrıca karar verme çalışmasının normatif teorileri gerçek hayatta karar vermede yer alan bilişsel ve davranışsal yönlerin derinlemesine anlaşılmasıyla birleştirmesi gerektiğini öne sürdü.

ALINAN DERSLER

Bu yazı dizisinde incelenen MCDM yöntemleri çoğunlukla belirleyicidir ve karar vericinin belirli bir MCDM probleminde yer alan bilgiler hakkında neredeyse mükemmel bir bilgiye sahip olduğunu varsayar. Yani, eldeki MCDM sorununun ana bileşenlerini tanımlayan tüm ilgili alternatifleri ve karar kriterlerini bilir. Dahası, karar verici bu tür bir karar probleminin çözümünde yer alan sayısal verileri bilir veya tatmin edici bir şekilde değerlendirebilir.

Önceki bölümler, birMCDM sorunu çözmek için tüm adımları ele almak için en yaygın olarak kullanılan yöntemlerden bazılarını sundu. Nitel verilerin nicelleştirilmesinden son sayısal verilerin işlenmesine kadar her şey ele alınır.

Bununla birlikte, karar vericinin rasyonel bir kişi olduğu ve ilgili bilgilerin mükemmel bir şekilde bilindiği şeklindeki en olumlu varsayım altında bile, yine de farklı yöntemlerin aynı sorun için farklı sonuçlara yol açabileceğini keşfettik. Bu durum, daha da fazla bu tür yöntemlerin uygulanmasını teşvik etmeye devam ediyor. Bu, halihazırda bu tür rakip yöntemlerin bolluğunun uygulayıcılarda neden olduğu sorunları artırabilir.

Bu yazı dizisinde sunulan karşılaştırmalı çalışmanın ana sonucu, girdi verilerinde ve MCDM probleminin yapısında mükemmel bilgi varsayılsa bile, belirli problemler için en iyi kararın ne olduğunu asla bilemeyeceğidir. Dahası, her zaman en iyi kararı verebilecek tek bir MCDM yöntemi olmayabilir. İncelenen tüm yöntemler, bu kitapta bildirilen araştırmalarda dikkate alınan bazı değerlendirme kriterleri açısından başarısız oldu.

Bununla birlikte, bazı yöntemler diğerlerinden daha çarpıcı biçimde başarısız oldu. “En iyi” MCDM yöntemini bulmak çok zor bir hedeftir [Zimmermann ve Gutsche, 1991] ve bu arayış asla cevaplanamayabilir. Öte yandan, bazı problemler için alternatiflerin sıralaması doğru olabilir.

Bu, alternatiflerin en ayrımcı karar kriterleri açısından ne kadar baskın olduğuna bağlıdır. İronik olarak, bu tür problemler için çoğu yöntem herhangi bir şekilde aynı nihai sonuca işaret edebilir. Alternatifleri ayırt etmek ve sıralamak zor olduğunda durum bulanıklaşır. Bu, karar vericinin bir MCDM yönteminin sonuçlarını kabul etmeden önce daima tetikte olması gerektiğini göstermektedir. Sonuçlar belirli bir alternatifin en iyisi olduğunu kuvvetle gösteriyorsa ve bu sonucu çıkarmak için kullanılan yöntemin burada açıklanan değerlendirmeler açısından esnek olduğu saptanmışsa, o zaman bu muhtemelen doğru sonuçtur.

Bu noktada, alternatiflerin türetilmiş sıralamasının doğru olmasını sağlayabilecek tek bir MCDM yönteminin asla olamayacağı makul olarak iddia edilebilir. En iyi alternatifi belirleme sorunu, doğası gereği kötü tanımlanmış bir sorundur. Giriş verilerinin mükemmel bilgisi altında bile en iyi çözümü bilmek zordur. Bununla birlikte yapılabilecek şey, sayısal yöntemlerin davranışını, yaygın olarak kabul edilen mantıksal kararlılık kavramları tarafından motive edilen belirli değerlendirme kriterleri altında analiz etmektir. Bu, bu yazı dizisinde  sunulan tedavilerde yapıldı.

MCDM yöntemlerinin başarılı bir şekilde araştırılması ve uygulanması için, hem ilgili yöntemlerin saf sayısal özelliklerinin hem de karar verme sürecinin bilişsel ve davranışsal yönlerinin derinlemesine anlaşılması gerekir. Çok kriterli karar verme, genellikle bir problemin ölçülmesi zor yönlerinin işlenmesini içerir.

Bu çalışma, en yaygın kullanılan MCDM yöntemlerinden bazılarının araştırılması ve uygulanmasında yer alan sayısal yönleri ve bazı bilişsel ve davranışsal sorunları incelemiştir. Bu tür yöntemlerin daha fazla araştırılması ve uygulanması gelecekte kesinlikle takip edilecektir. Bu çalışmanın mevcut ve hatta gelecekteki MCDM yöntemlerini değerlendirmek ve daha iyi anlamak için sistematik bir metodoloji sağladığını umuyoruz.

---

Ödevcim Online, Çok Amaçlı Karar Verme, Çok Amaçlı Karar Verme Nedir, Yöneylem Nedir, Çok Amaçlı Karar Verme Yöntemleri, Çok Amaçlı Karar Verme Analizi Yaptırma, Yöneylem Ödev Yaptırma, Çok Amaçlı Karar Verme Hesaplama, Çok Amaçlı Karar Verme Ödevi, Çok Amaçlı Karar Verme Ödevi Yaptırma, Çok Amaçlı Karar Verme Yaptırma aramalarınızın sonucu olarak burada. Tüm bölümlerde Çok Amaçlı Karar Verme Danışmanlık, Çok Amaçlı Karar Verme Yardım talepleriniz için akademikodevcim@gmail.com mail adresinden bize ulaşabilir veya sayfanın en altındaki formu doldurup size ulaşmamızı bekleyebilirsiniz.

---