MCDMRankinghesitant
Tereddütlü Bulanık Çok Nitelikli Sınır Yaklaşımı Alan Karşılaştırması
Hesitant Fuzzy Multi-Attributive Border Approximation area Comparison
HF-MABAC (Tereddütlü Bulanık Çok Nitelikli Sınır Yaklaşımı Alan Karşılaştırması), Mishra, A.R., Saha, A., Rani, P., Pamucar, D., Dutta, D., Hezam, I.M. tarafından 2022'de tanıtılan sıralayıcı çok kriterli karar verme (ÇKKV) yöntemidir. Alternatiflerin birden çok kritere göre puanlandığı bir karar matrisini yapılandırılmış, tekrarlanabilir bir sonuca dönüştürür.
Araçlar & kaynaklar
Öğren & keşfet
Tam yöntemi oku
Yalnızca üyeler
Giriş yapBu bölümü okumak için ücretsiz hesapla giriş yapın.
Ne zaman kullanılır
HF-MABAC, performans puanlarına göre alternatifleri sıralar. Daha yüksek puan = daha iyi sıralama.
Güçlü yönler & sınırlılıklar
Güçlü yönler
- Adım adım denetlenebilen şeffaf, tekrarlanabilir bir hesaplama prosedürünü izler.
- Tek bir karar matrisi içinde farklı ölçeklerde ve birimlerde birden çok kriteri ele alır.
Sınırlılıklar
- Alternatifler kümeye eklendiğinde veya çıkarıldığında sıralama tersine dönmesi gösterebilir.
- Tam telafiyi varsayar — bir kriterdeki güçlü bir puan, diğerindeki zayıf bir puanı telafi edebilir.
Kaynaklar
- Mishra, A.R., Saha, A., Rani, P., Pamucar, D., Dutta, D., Hezam, I.M. (2022). Sustainable supplier selection using HF-DEA-FOCUM-MABAC technique: a case study in the Auto-making industry. Soft Computing DOI: 10.1007/s00500-022-07192-8 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Hesitant Fuzzy Multi-Attributive Border Approximation area Comparison. ScholarGate. https://scholargate.app/tr/decision-making/hf-mabac