alphanumeric journal The Journal of Operations Research, Statistics, Econometrics and Management Information Systems

Transkript

1 Avalable onlne at alphanumerc journal The Journal of Operatons Research, Statstcs, Econometrcs and Management Informaton Systems Volume 5, Issue 2, 2017 Receved: May 16, 2017 Accepted: July 28, 2017 Publshed Onlne: October 15, 2017 AJ ID: OR.01 DOI: /alphanumerc Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton Gökce Yüce Ph.D. Canddate, Insttute of Socal Scence, Mersn Unversty, Mersn, Turkey, İzzettn Temz * Assoc. Prof., Department of Martme Busness Admnstraton, Faculty of Martme, Mersn Unversty, Mersn, Turkey, temz@mersn.edu.tr * Denzclk İşletmeler Yönetm Bölümü, Denzclk Fakültes, Mersn Ünverstes, Tece Kampüsü, 33290, Meztl / Mersn / Türkye ABSTRACT Keywords: Today, ndustral actvtes are undoubtedly one of the most mportant parameters when t comes to the development of countres. In all areas of the ndustry, a large part of the mechancal work s carred out by electrc motors. Because t s so wdely used, there s a large market, a large customer base, and therefore a large number of electrc motor manufacturers. Due to the hgh number of producers, customers should make a purchase decson when choosng an electrc motor. In ths study, a systematc approach to selecton of asynchronous electrc motor was tred to be made by usng mult crtera decson makng technques. In ths frame, the data were collected for one of the most commonly used asynchronous motor n the ndustry. Ths motor was selected randomly as 90 kw, 1500 rpm, B3 body type electrc motor. The data are collected from three dfferent companes' electrc motors, whch consttute a certan weght n the sector. The crtera for these dfferent asynchronous motors were solved by TOPSIS, MOORA, VIKOR methods. Wth basc descrptons about these methods, the results of methods on asynchronous motor selecton were compared. The opnons of the decson makers currently workng n the sector together wth the motor data were taken and the crteral weghts were realzed n ths drecton. As a result of comparson, TOPSIS and MOORA methods ndcated that M3 electrc motor s the best choce. The VIKOR method, n combnaton wth the M3, also determned the M2 engne as the best choce. Ths s the result of VIKOR's nvolvement of the decson maker's ntutve weghts n the process. TOPSIS and MOORA methods have yelded relable results such as smlar studes. Asynchronous Motor Selecton, Mult Crtera Decson Makng, TOPSIS, MOORA, VIKOR Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı ÖZ Anahtar Kelmeler: Sanay faalyetler, günümüzde ülkelern gelşmşlğnden bahsedldğnde kuşkusuz k en öneml parametrelerden brdr. Sanaynn hang alanı olursa olsun, mekank şlern büyük br bölümünü elektrk motorları gerçekleştrmektedr. Bu kadar yaygın kullanılıyor olması sebeb le büyük br pazar, büyük br müşter ktles ve dolayısı le çok sayıda elektrk motoru üretcs mevcuttur. Üretc sayısının fazla olması sebeb le müşterlern elektrk motoru seçerken brçok ürün arasından br satın alma kararı vermes gerekmektedr. Bu çalışmada çok krterl karar verme teknkler kullanılarak asenkron elektrk motoru seçmne sstematk br yaklaşım getrlmeye çalışılmıştır. Bu çerçevede sanayde en çok kullanılan asenkron motorlarından rassal olarak 90 kw, 1500 d/d, B3 gövde tpnde elektrk motoru çn verler temn edlmştr. Verler, sektörde adet bazında bell ağırlığı oluşturan üç farklı frmanın elektrk motorları çn temn edlmştr. Bu farklı asenkron motorlara lşkn krterler TOPSIS, MOORA, VIKOR yöntemler le çözümlenmştr. Bu yöntemlere lşkn temel tanımlamalarla brlkte yöntemlern asenkron motor seçmnde verdğ sonuçlar karşılaştırılmıştır. Motor verler le beraber sektörde halen çalışmakta olan karar verclern görüşler alınmış ve bu doğrultuda krter ağırlıklandırmaları gerçekleştrlmştr. Karşılaştırma sonucunda TOPSIS ve MOORA yöntemler M3 elektrk motorunu en y seçm olarak şaret etmştr. VIKOR yöntem se M3 le brlkte M2 motorunu da en y seçm olarak belrlemştr. Bunun, VIKOR yöntemnn karar vercnn sezgsel ağırlıklarını sürece dahl etmesnden kaynaklandığı sonucuna varılmıştır. TOPSIS ve MOORA yöntemlernn se benzer çalışmalarda olduğu gb güvenlr sonuçlar verdğ yorumu yapılmıştır. Asenkron Motor Seçm, Çok Krterl Karar Verme, TOPSIS, MOORA, VIKOR The Journal of Operatons Research, Statstcs, Econometrcs and Management Informaton Systems All rghts reserved. Volume 5, Issue 2, 2017

2 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton Grş Günümüz dünyasında ülkelern gelşmşlğnden bahsedldğnde akla lk gelen parametre sanay göstergelerdr. Sanaysne yatırım yapan ülke ve bölgeler küresel rekabette çok öneml avantajlar sağlamaktadırlar. Sanay faalyetler göz önünde bulundurulduğunda kuşkusuz brçok öneml şlev ş maknaları yerne getrmekte ve bu bağlamda en krtk noktada elektrk motorları bulunmaktadır. Br ş yapablmek çn, ş yapablme kapastesne sahp br güce, güç elde edeblmek çn de enerjye sahp olmak gerekmektedr. Sanay sektöründe br çıktı elde edeblmek çn ş yapma kapastesne sahp ş maknalarına ve dolayısıyla enerjye htyaç duyulmaktadır. Dünyada üretm tesslernn tamamına yakınında ş yapablmek amacı le çeştl tpte elektrk motorları kullanılmaktadır. Bu motorların büyük bölümü de sncap kafesl asenkron elektrk motorlarıdır. Yapılan br araştırmaya göre pazardak elektrk motorlarının 0,75 kw gücün altında %5, 0, kw gücü arası elektrk motorlarının %49 u, 375 kw gücü üzer motorların %95 AC üç fazlı elektrk motorlarıdır (Almeda vd., 2008: 14). Elektrk motoru genel anlamda, grşnden verlen elektrk enerjsn mekank enerjye çevren, çıkış tarafındak mekank enerj le ş yapacak maknayı tahrk eden br elektrk maknasıdır. Sncap kafesl asenkron motor se rotordak elektrk akımını üretmek çn gerekl olan torku, duraç sargıların manyetk alanından elektromanyetk ndüksyon elde ederek üreten br AC elektrk motordur (Almeda vd., 2008: 18). Türkye de yoğun br şeklde kullanılan elektrk motorları le lgl olarak brçok yasal düzenleme mevcuttur. Doğrudan etkl olan yasal düzenlemeler aşağıda verlmştr (Şekl 1). Şekl 1. Elektrk Motorlarında Doğrudan Etkl Yasal Düzenlemeler (Esen, 2015: 2) Türkye genelnde yapılan araştırmada net elektrk tüketmnn %22 s meskenlerde kullanılırken, %19 u tcarethanelerde, %47 s sanayde kullanılmaktadır (TÜİK, 2014).

3 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 173 Şekl 2. Türkye Nha Enerj Tüketmnn Sektörlere Göre Payları 2014 (TÜİK, 2014) Türkye nn de aralarında bulunduğu 29 ülkeden oluşan IEA (Internatonal Energy Agency) nn üye ülkeler genelnde yaptığı araştırmaya göre sanayde kullanılan elektrğn %69 u, tcarethanelerde kullanılan elektrğn %38, meskenlerde kullanılan elektrğn %22 s ve taşımacılık/tarımda kullanılan elektrğn %39 u elektrk motorlarında tüketlmektedr. (Wade, Brunner, 2011: 11) Şekl 3. IEA Üye Ülkelernde Elektrk Motorlarının Sektörlere Göre Enerj Kullanım Oranı 2011 (Wade, Brunner, 2011: 11) Bu verler ışığında Türkye nn toplam net elektrk tüketmnn yaklaşık %55 elektrk motorlarında gerçekleşmektedr yorumu yapılablr. Aynı araştırmaya göre br yıl çersnde pyasaya 1,5 mlyon adet elektrk motorunun grdğ tahmn edlmektedr. Bu derece büyük br pazarın söz konusu olması, asenkron motor üreten frma sayısının artmasına ve yen frmaların bu pazara grme steğne poztf etk göstermektedr. Bu bağlamda, seçeneklern brden fazla olması motor temn etmek steyenlern br karar vermesn gerektrmektedr. Bu çalışmada dünya endüstrsndek önem sebeb le asenkron elektrk motorlarının seçm rdelenmştr. Sncap kafesl asenkron elektrk motoru seçm yaparken sübjektf olmayan, ncel teknklerle elde edleblecek br karar sstematğ oluşturulmaya çalışılmıştır. Konuya ncel yaklaşım, çok krterl karar verme (ÇKKV)

4 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 174 yöntemler arasından seçlen, akademk çalışmalarda sıklıkla kullanılan ve bu alanda doğru sonuçlar vereceğ düşünülen TOPSIS, MOORA ve VIKOR yöntemler le gerçekleştrlmştr. 2. Lteratür Taraması Öncek çalışmalar nceledğnde elektrk motorları le lgl olarak ÇKKV yöntemler kullanılarak yapılan herhang br çalışma bulunamamıştır. Bununla beraber ekpman seçm, personel seçm, ekonomk ve fnansal performans karşılaştırmaları vb. konularda çeştl çalışmalar yapıldığı görülmektedr. ÇKKV konusuna lşkn son yıllarda yapılan çalışmalardan bazı örnekler aşağıda özetlenmştr. Can, Delce ve Özçakmak (2017) çalışmalarında pm malatı yapan br frmada, ısıl şlem stasyonu ergonomk açıdan analz edlerek oturma düzeneğ seçm çok krterl karar verme teknkler kullanılarak gerçekleştrlmştr. Bu kapsamda stasyonda serglenen çalışma duruşlarının rsk değerlendrmes çn Hızlı Tüm Vücut Değerlendrme (Rapd Entre Body Assessment-REBA) yöntem uygulanmış, bu yöntemn sonuçlarına göre vücudun en çok zorlanan bölgeler belrlenerek, yed farklı oturma düzeneğ dört karar verc tarafından karşılaştırılmıştır. Çalışmada krter ağırlıklarının belrlenmesnde SWARA yöntem, alternatflern sıralanmasında se Ağırlıklı Brleşk Toplu Çarpım Değerlendrmes (Weghted Aggregated Sum Product Assessment-WASPAS) kullanılmıştır. Sonuç olarak belrlenen knc oturma düzeneğnn lk sırada terch edldğ belrlenmştr. Büyüközkan ve Güleryüz (2016) çalışmalarında lojstk frma web stelernn performanslarının değerlendrmesnde çok krterl karar verme teknklern kullanmışlardır. Analtk Hyerarş Proses (AHP) ve TOPSIS teknkler kullanılarak Türk lojstk sektöründe öncü sayılan 15 frmanın web stelernn performanslarının sıralanması amaçlanmıştır. Yapılan analz sonucunda lojstk web stelernn hzmet kaltes çn en öneml üç krter sırasıyla fzksel yapı, blg kaltes ve karşılık vereblme olarak belrlenmştr. Önem dereces en yüksek alt krterler; blg zengnlğ (0,123), teknk performans (0,118) ve şlevsellk (0,111) olarak belrlenmştr. Sonuç olarak lojstk frmaların web stelern tasarlarken bu krterlere daha çok odaklanmaları önerlmştr. Doğanalp n (2016) çalışması öğretm üyes değerlemesnn bulanık çok krterl karar verme yöntemler le gerçekleştrlmesn amaçlamıştır. Bu kapsamda Çalışmada, br devlet ünverstesnn Yönetm Organzasyon Blm Dalı, Tezl Yüksek Lsans programında Güz Dönem nde dersler ortak olan üç öğrenc karar verc olarak belrlenmş, öğrenclern tamamı fayda krter olan dokuz krter üzernde fkr brlğ sağlamıştır. Bu karar vercler tarafından en yüksek performansa sahp öğretm üyesnn belrlenmesne karar verme açısından en öneml bulunan karar krterler teork blglern yeterl örnekle pekştrlmes, derste öğrencler arası ve öğrenc-öğretm üyes arasında y br letşm ortamının yaratılmış olması ve değerlendrme sstemnn öğrenlenlern tümünü eşt ağırlıkta ölçecek ntelkte olması krterler olarak belrlenmştr. Dört farklı öğretm üyesnn karar vercler tarafından değerlendrlmes sonucu elde edlen verler Bulanık TOPSIS yöntem le analz edlerek öğretm üyelernn sıralaması, yakınlık katsayısı en yüksekten en düşüğe doğru belrlenmştr.

5 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 175 Ağaç ve Bak nn (2016) çalışması sağlık ve sağlık hzmetler alanında gerçekleştrlen Çok Krterl Karar Verme (ÇKKV) uygulamalarını kapsamlı br şeklde ncelemey amaçlamıştır. Sonuçta yapılan çalışmaların daha çok hastane ve tıbb atık yer seçmek, hzmet kaltes değerlendrmek ve rsk değerlendrmes yapmak gb konuların ele aldığı, en çok kullanılan teknğn AHP olduğu, bütünleşk olarak en fazla kullanılan teknklern se ANP tabanlı olduğu ve son yıllara göre ÇKKV teknklernn kullanımında artış olduğunun gözlemlendğ yorumları yapılmıştır. Özbek (2016) çalışmasında br şletme çn en uygun tedarkçler belrlemede bulanık analtk ağ sürec (BAAS) ve VIKOR yöntemlern kullanmıştır. BAAS yöntem, krterlern önem ağırlıklarını belrlemede, VIKOR yöntem se belrlenen önem ağırlıklarını kullanarak en uygun tedarkçy seçmede kullanılmıştır. Lteratür taraması sonucu analze esas krterler; kalte, fyat, teslmat, hzmet, esneklk, teknk yeterllk, teknolojk kablyet, yönetm ve organzasyon, geçmş performans, fnansal durum ve coğraf konum olarak belrlenmştr. Yapılan analz sonucunda en etkl krtern fyat olduğu, bunu kalte krternn zledğ ve en az etkl krtern se esneklk olduğu belrlenmştr. Tedarkçlern sıralanması sonucu S2 tedarkçsnn en uygun tedarkç olduğu belrlenmştr. Bulunan seçm modelnn tedarkç seçm sürecnde de başarılı şeklde uygulanableceğ yorumu yapılmıştır. Çalışkan ve Eren n (2016) çalışması 10 kamu, özel ve yabancı sermayel mevduat bankasının fnansal rasyoları le çok krterl karar verme yöntemlernden AHP ve PROMETHEE yöntemler kullanılarak dönemne at fnansal performanslarının karşılaştırılmasını amaçlamıştır. Aktf büyüklüklerne göre, belrlenen yıllar arasında vers bulunan 3 adet kamu sermayel mevduat bankası, 6 adet Türkye de kurulmuş yabancı sermayel banka, 6 adet özel sermayel mevduat bankası ve 2 adet kamu sermayel kalkınma ve yatırım bankası olmak üzere toplam 17 banka, dönemlerne at seçlmş 10 rasyo kullanılarak analz edlmştr. AHP ve PROMETHEE yöntemler le yapılan her k analz sonucunda en y fnansal performansı kurumsal sermayel br banka olan Türkye Cumhuryet Zraat Bankası sergledğ belrlenmştr. Işık (2016) çalışmasında QUALIFLEX ve ORESTE çok krterl karar verme yöntemlern kullanarak sgorta şrket seçm problemne br yaklaşım getrmey amaçlamıştır. Yapılan analz sonucunda hem QUALIFLEX hem de ORESTE yöntemler A1 alternatfnn en y alternatf olduğu belrtlmştr. Sonuçta sgorta şrket seçm problem çn QUALIFLEX ve ORESTE yöntemlernn etkn br şeklde kullanableceğ yorumu yapılmıştır. Yıldırım (2015) çalışmasında ARAS yöntemnn lteratürde kullanım alanlarını ncelemş, yöntemn aşamalarını detaylı olarak ele almış ve son olarak örnek br karar problem üzernde ARAS yöntem uygulanarak elde edlen bulguları yorumlamıştır. Sonuçta ARAS yöntemnn karar vercler çn kolaylıkla uygulanablr br alternatf olduğu, karar sürecnde hakm olan belrszlğn gderlmes çn Bulanık Sstem Teors ve yeterl blg bulunmadığı durumlarda Gr Sstem teors le brlkte kullanılableceğ yorumları yapılmıştır. Aksoy, Ömürbek ve Karaatlı nın (2015) çalışmasında Türkye kömür şletmelernn performans değerlendrmesnn AHP temell MULTIMOORA ve COPRAS yöntemler kullanılarak gerçekleştrmes amaçlanmıştır. Çalışmada Türkye Kömür İşletmelerne at 8 şletmenn yılları arasında toplam satış, faalyet karı, rezerv durumu,

6 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 176 çalışan sayısı, dekapaj mktarı, yatırım harcamaları ve üretm mktarı krterler açısından analz edlerek AHP, MULTIMOORA ve COPRAS çok krterl karar verme yöntemler le performans değerlendrlmes yapılmıştır. Sonuçta, her k yöntemde de en y performans gösteren şletme ELİ (Ege Lnytler İşletmes) belrlenmş, söz konusu şrketn bulunduğu bölgede 2013 yılı Kurumlar Vergs Rekortmen olduğu belrtlmştr. İk yöntemn sonuçlarının büyük oranda aynı çıkmış olması, şletmelern performansının değerlendrlmesnde çok krterl karar verme teknklernn kullanılableceğ şeklnde yorumlanmıştır. Özbek n (2015) akademk brm yönetclernn MOORA yöntemyle seçlmes üzerne yaptığı araştırmada akademsyenlern görüşler karar verme sürecne dahl edlerek seçm sstematğ oluşturulmuştur. Şmşek, Çatır ve Ömürbek n (2015) turzm sektöründe tedarkç seçmn ÇKKV yöntemlernden TOPSIS ve MOORA yöntemler le nceledğ çalışmada 5 ana krter ve 20 alt krter açısından 6 tedarkç frmanın kıyaslaması yapılmıştır. Çalışma sonucunda en uygun olan ve en uygun olmayan frmalar belrlenmştr. Yıldırım ve Önder n (2014) çalışmaları çok krterl karar verme teknklern kullanarak İstanbul'un potansyel taşımacılık köylernn değerlendrlmey amaçlamıştır. Çalışmada AHP yöntem le krterlern önem düzey belrlenmş, bu önem düzeyler PROMETHEE yöntemne grd olarak kullanılmış ve lojstk köy yerleşm problemne br çözüm yaklaşımı getrlmştr. Önerlen modeln uygulanması sonucunda Slvr en y alternatf, Pendk se en kötü alternatf olarak belrlenmştr. Ağ yapılandırılması ve ölçütler arasındak bağımlılığın belrlenmes çn analtk ağ sürecnn (ANP) kullanılableceğ yorumu yapılmıştır. Eroğlu, Yıldırım ve Özdemr (2014) çalışmalarında personel seçmnde, çok krterl karar verme teknklernden br olan ORESTE yöntemn kullanmışlardır. Bu kapsamda gerçek br şletmenn Muhasebe ve Pazarlama departmanları çn personel seçm sürecne lşkn problem, ORESTE yöntem le yapılan analz le çözüm yaklaşımı gerçekleştrlmş, adayların sıralanması sağlanmıştır. Yöntemn, şletmeclkte karşılaşılan tedarkç seçm, çok sayıda alternatfn bulunduğu yatırım problemler, proje seçm vb. karar problemlerne uygulanableceğ, ayrıca bulanık sayı ve kümeler ve gr teor le brlkte genşletlerek daha fazla uygulama alanının bulunableceğ yorumu yapılmıştır. Yıldırım ve Önay (2013) çalışmalarında bulut teknolojs üzerne yazılmış br rapordak verler kullanılarak beş farklı frmanın sağladığı hzmet, yne raporda verlen değerlendrme krterlern baz alarak AHP ve MOORA yöntemler aracılığı le sıralamayı amaçlamıştır. Raporda sıralama yapılmamış, yapılan testlerde en y performansı gösteren frma belrtlmştr. MOORA yöntem le yapılan analz sonucu sıralamada brnc olan frma le raporda en y performansı gösteren frmanın aynı frma olduğu belrlenmştr. Ertuğrul ve Özçl n (2014) klma seçmne ÇKKV önersn getrdğ çalışmada TOPSIS ve VIKOR yöntemler kullanılarak 8 farklı marka arasından en uygun alternatf belrlenmştr. Urfalıoğlu ve Genç (2013) Türkye nn ekonomk performansının Avrupa brlğ üye ülkeler le karşılaştırılmasını ÇKKV teknkler le gerçekleştrmştr. ELECTRE, TOPSIS

7 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 177 ve PROMETHEE yöntemler le yapılan analzler sonucunda yöntemlern kend aralarında karşılaştırmalarında ülkelern performans ölçümler çn yakın sonuçlar verdkler görülmüştür. Çakır ve Perçn n (2013) ÇKKV yöntemlernden CRITIC, TOPSIS ve VIKOR yöntemlern kullanarak lojstk frmalarının performansını ölçmey amaçladığı çalışma sonucunda çok net br performans değernn tam olarak yansıtılamadığı, performans ölçümünde objektf ve subjektf krterlern brlkte değerlendrlmes gerekllğ vurgulanmıştır. Dnçer ve Görener n (2011) hzmet sektöründe performans değerlendrmesnde AHP, VIKOR, TOPSIS yaklaşımları üzerne yaptığı araştırma sonucunda performans ölçüm krterlernn analznde AHP teknğnn, alternatflern değerlendrlmesnde se VIKOR ve TOPSIS yöntemlernn kullanıldığı modele göre, her k yöntemde de yabancı bankaların dğer gruplara oranla daha y br performansa sahp olduğu gösterlmştr. Yücel ve Ulutaş ın (2009) çalışmaları Malatya şehrnde bulunan kargo frmasının yen açacağı mağazasının yernn belrlenmesnde br ÇKKV yöntem olan ELECTRE yöntem kullanılmıştır. Bu kapsamda frma kendsne uygun olduğunu düşündüğü 6 yer seçeneğn belrlemştr. Yne şrket tarafından belrlenen krterler ELECTRE yöntem le analz edlmş ve en uygun çözüm alanı olarak Şıra Pazarı belrlenmştr. Ata ve Sennaroğlu nun (2008) çalışmasında çok krterl karar verme teknklernden br olan analtk hyerarş proses metodu le savaş gems tasarımındak krterlern ağırlık katsayılarının hesaplanması konusu ncelenmştr. Analzde savaş gemlernn tasarımında öneml görülen 6 farklı ana krter analz edlmştr. Analz sonucunda tüm ana krterler çersnde slah sstemler en büyük ağırlık değerne sahp krter olarak belrlenmştr. Moblte ana krternde sürekl hız en büyük ağırlık değerne sahp olurken, bağımsızlık ana krternden en büyük ağırlık değerne sahp alt krter füze kapastes olmuştur. Duyarlılık ana krternde en büyük ağırlık değerne sahp alt krter RCS sstem bulunurken, malyet ana krternde en büyük ağırlık değerne sahp alt krter bakım malyet olarak belrlenmştr. 3. Materyal Seçm yapılacak elektrk motorları çn ülkemzde faalyet gösteren ve pazarda kayda değer br ağırlığı olan 3 farklı frmanın asenkron elektrk motorlarının teknk özellkler ve fyatları temn edlmştr. Verler, sanayde sıkça kullanılan motorlardan rassal olarak seçlen 90 kw nomnal gücünde, 1500 rpm nomnal devre sahp, B3 gövde yapısında ve IE3 vermllk sınıfında motor çn temn edlmştr. Konuya lşkn verler aşağıda (Tablo 1) verlmştr. Üretc Frma F1 F2 F3 Nomnal Motor Gücü (kw) Nomnal Motor Gerlm (V) Frekans (Hz) Nomnal Motor Devr (Rpm) Nomnal Motor Akımı (A) Motor Verm Sınıfı IE3 IE3 IE3 Gövde Tp B3 B3 B3

8 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 178 Üretc Frma F1 F2 F3 Koruma Sınıfı IP55 IP55 IP55 Çalışma Sınıfı S1 S1 S1 İzolasyon Sınıfı F F F Isı Artış Sınıfı B B B Nomnal Motor Torku (Nm) Motor Verm ( yükte) 95,9 95,2 95,2 Motor Verm (%75 yükte) 96 95,5 95,2 Motor Verm (%50 yükte) 95,5 95,3 94,8 Güç Faktörü ( yükte) 0,85 0,87 0,86 İlk Alım Malyet (TL) 10789* 9719** 7220 Temn Süres (Hafta) *,** F1 ve F2 motorları thal motorlar olduğundan, lgl frmalar lk alım malyet versn Euro para brm cnsnden vermşlerdr. Değerlendrmenn yapılablmes çn verlern aynı cnsten olması gerekmektedr. Bu sebeple lk alım malyet verler (F1 çn 3164 euro, F2 çn 2850 euro) T.C. Merkez Bankası nın tarhl partes (1 Euro = 3,41 Tl) kullanılarak eskalasyon yapılmıştır. ( Tablo 1. Değerlendrlecek Motorların Özellkler İlgl tabloda özellkler verlen motorların lk 11 özellğnn karakterstk özellk olması ve her motor çn aynı değere sahp olması sebeb le krter değerlendrme matrsnde bu özellklere yer verlmemştr. Bunların dışında motor torku, motorun gücü le orantılı olan br dğer karakterstk özellktr. Ancak, bazı uygulamalarda torkun türevlernn (kltl rotor torku) dkkate alınması gerekllğ sebeb le bu verye krter değerlendrme matrsnde yer verlmştr. Asenkron elektrk motoru seçm yapılablmes çn konu le lgl olarak sanay sektöründe çalışmakta olan 10 farklı karar vercnn görüşler alınmıştır. Karar vercler en az lsans sevyesnde ünverstelern lgl bölümlernden mezun, yaş aralığında, 5-24 yıl arası sektör tecrübes olan br demografk yapıya sahptr. Karar verclerden Tablo 2 de verlen krterlere, kend sübjektf ölçütlerne göre en önemsz krter 1 olmak üzere, 1 den 9 a kadar rakamsal değer grmeler stenmştr. Karar Vercler Nomnal Tork Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres KV KV KV KV KV KV KV KV KV KV Tablo 2. Karar Verclern Krter Değerlendrme Matrs Bu çalışmanın asıl konusu olmamakla beraber, hem çalışmanın dernlğn arttırmak hem de konu hakkındak genel eğlm anlayablmek amacı le karar verclern konuya lşkn görüşler kullanılarak IBM SPSS Statstcs 23 programı le güvenlrlk analz

9 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 179 gerçekleştrlmştr. Analz sonuçlarının Cronbach s Alpha sonuçları Tablo 3 te verlmştr. Tablo 3. Güvenlrlk Analz Sonuçları Analz sonucunda güvenlrlk oranı %56,9 olarak belrlenmştr. Toplam statstk verlernn en sağ sütununda krterlerden brnn slnmes le yen Cronbach s Alpha değernn ne olacağı verlmştr. Tork krternn araştırmadan çıkarılması durumunda, analz sonucundan da görüleceğ üzere güvenlrlk oranı %74,6 olacaktır. Tork değernn Tablo 2 dek toplam puanı ve ağırlık değer göz önünde bulundurulduğunda sonuca olan etks çok düşük olacağından çalışmada kullanılmasında herhang br sakınca görülmemştr. 4. Bulgular Karar verclerden gelen ger beslemelerde satış sonrası hzmet ve benzer bazı ek özellklern de öneml olduğu belrtlmştr. Ancak bu ek özellkler sayısal değerlendrmeye uygun olmadığından terch krterler kapsamına alınmamıştır. Dğer krter değerlendrme verler kullanılarak 3 farklı ÇKKV yöntem le değerlendrlmştr TOPSIS Yöntem Çok krterl karar verme yöntemlernden br olan TOPSIS yöntem, Technque for Order Preference by Smlarty to Ideal Soluton kelmelernn baş harflernn kullanıldığı br kısaltmadır. Bu yöntem, alternatfler arasından en y seçmn yapılmasına mkan tanıyan br teknktr (Özdemr, 2014:134). TOPSIS yöntem le karar verrken seçlen br alternatfn deal çözüme yakın olması ve deal olmayan çözüme (negatf deal) de uzak olması beklenr (La ve Dğerler, 1994: 488). TOPSIS yöntem, ELECTRE yöntemnn temel yaklaşımlarını kullanır. TOPSIS yöntem 6 adımdan oluşan br çözüm sürecn çerr. Bu süreçler motor seçm çn uygulanmıştır. Adım 1. Karar Matrsnn (A) Oluşturulması Karar matrsnn satırlarında karar noktaları, sütunlarında se karar vermede kullanılacak değerlendrme faktörler yer alır. Çalışmamızda aşağıdak tabloda (Tablo

10 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 180 4) satırlarda karar noktası olan motorlar, sütunlarda se motorların değerlendrlecek özellkler verlmştr. Nomnal Tork Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres M , ,5 0, M ,2 95,5 95,3 0, M ,2 95,2 94,8 0, Tablo 4. Karar Matrs Adım 2. Standart Karar Matrsnn (R) Oluşturulması Standart karar matrs, karar matrsnn (Tablo 4) verlernden yararlanarak ve aşağıdak formüller kullanılarak hesaplanır. r j a m j 1 a 2 j (1) R matrs aşağıdak gb elde edlr: R j r11 r12... r1 n r21 r22... r 2n r m1 rm 2... rmn (2) Nomnal Tork (1) ve (2) no lu formüllerden hareketle; Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres M1 0,577 0,580 0,580 0,579 0,571 0,665 0,743 M2 0,578 0,576 0,577 0,578 0,584 0,599 0,557 M3 0,578 0,576 0,575 0,575 0,577 0,445 0,371 Tablo 5. Standart Karar Matrs (R) Adım 3. Ağırlıklı Standart Karar Matrsnn (V) Oluşturulması Değerlendrme krterlerne lşkn ağırlık değerler (w ) belrlenr ( n w 1 1). Nomnal Tork Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres Ağırlık 0,083 0,156 0,198 0,083 0,093 0,206 0,181 Tablo 6. Ağırlık Değerler ( w ) Daha sonra standart karar matrsnn (R) her br sütunundak değerler lgl w değer le çarpılarak ağırlıklı standart karar matrs (V) oluşturulur.

11 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 181 Nomnal Tork Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres M1 0,0478 0,0904 0,1151 0,0480 0,0530 0,1371 0,1344 M2 0,0479 0,0897 0,1145 0,0479 0,0543 0,1235 0,1008 M3 0,0479 0,0897 0,1142 0,0477 0,0537 0,0917 0,0672 Tablo 7. Ağırlıklı Standart Karar Matrs (V) Adım 4. İdeal (A*) ve Negatf İdeal (A-) Çözümlern Oluşturulması TOPSIS yöntem, her br değerlendrme faktörünün monoton artan veya azalan br eğlme sahp olduğunu varsaymaktadır. İdeal çözüm setnn bulunması çn ağırlıklı standart karar matrs sütunlarındak en büyük değerler seçlr. A * = {0.0479, , , , , , } Negatf deal çözüm setnn bulunması çn ağırlıklı standart karar matrs sütunlarındak en küçük değerler seçlr. A - = {0.0478, , , , , , } Adım 5. İdeal ve İdeal Olmayan Noktalara Olan Uzaklık Değerlernn Elde Edlmes TOPSIS yöntemnde her br karar noktasına lşkn değerlendrme faktör değernn deal ve negatf deal çözüm setnden sapmalarının bulunablmes çn Eucldan uzaklık yaklaşımından yararlanılmaktadır. Buradan elde edlen karar noktalarına lşkn sapma değerler se İdeal Ayırım (S*) ve Negatf İdeal Ayırım (S-) ölçüsü olarak adlandırılmaktadır. Bu ölçülern hesaplanmasında aşağıdak formüller kullanılır. n * * 2 ( j j ) j1 S v v (3) * S M1 0,0811 M2 0,0462 M3 0,0014 Tablo 8. İdeal Uzaklık Tablosu (3) ve (4) no lu formüllerden hareketle; n 2 ( j j ) (4) j1 S v v S M1 0,0012 M2 0,0363 M3 0,0811 Tablo 9. Negatf İdeal Uzaklık Tablosu Adım 6. İdeal Çözüme Görel Yakınlığın Hesaplanması

12 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 182 Tüm karar noktalarının deal çözüme görel yakınlığının (C*) hesaplanmasında deal ve negatf deal ayırım ölçülernden yararlanılır. İdeal çözüme görel yakınlık değer aşağıdak formülle (5) hesaplanır. C * S S S * (5) * S Formülden hareketle sonuç tablosu (Tablo 9) oluşturulmuştur. M1 0,0811 0,0012 0,0144 M2 0,0462 0,0363 0,4398 M3 0,0014 0,0811 0,9835 Tablo 9. Sonuç Tablosu S * C İdeal çözüme görel yakınlık C* le sembolze edlr. C* değer 0 C* 1 aralığında değer alır ve C*= 1 lgl karar noktasının deal çözüme mutlak çözüm yakınlığını gösterrken, C*= 0 se lgl karar noktasının negatf deal çözüme mutlak yakınlığını gösterr (Yıldırım ve Önder, 2015: 139). Buradan hareketle en uygun motor, en yüksek C* değerne sahp olan M3 motorudur. M3 motoru çn bulunan C* değernn 1'e çok yakın olması, bu seçmn çok güçlü br şeklde deal çözüme yakın olduğu anlamına gelmektedr MOORA Yöntem Dğer br ÇKKV yöntem olan MOORA, The Mult Objectve Optmzaton by Rato Analyss Method kelmelernn baş harflernn kullanıldığı br kısaltmadır (Brauers ve Zavadskas, 2006: 446). Yöntem, oran sstem ve referans noktası yaklaşımı olmak üzere k temel bölümden oluşmaktadır (Brauers ve Zavadskas, 2006: ). Oran sstem yaklaşımı, herhang br amaçla lgl alternatflern tepksnn karşılaştırıldığı durumdak fayda (fayda: bu amaçla lgl tüm alternatflern temsl edleblmes) olarak tanımlanmaktadır. Oran sstem yaklaşımı çözümü çn lk olarak değernn hesaplanması gerekmektedr (Şmşek ve Çatır, 2015: 143). Referans noktası yaklaşımında se, oran sstem yaklaşımında da kullanılan formül le normalzasyon şlem yapılmaktadır. Değerler formülden dışarı çıkarılarak Maksmal Araç Referans Noktası elde edlmektedr. Maksmal araç referans noktası, gerçekç ve sübjektf olmayan koordnatlar olarak adlandırılmaktadır. İşlem sonucu elde edlen değerlerle oluşturulan matrs Tchebycheff n Mn-Max Metrk formülü kullanılarak nha sıralama yapılmaktadır (Şmşek ve Çatır, 2015: 144). MOORA yöntem asenkron elektrk motoru seçm çn kullanılmış, hem oran sstem yaklaşımı hem de referans noktası yaklaşımı çn değerlendrmeler yapılmıştır. Adım 1. Karar Matrsnn Oluşturulması Karar matrs TOPSIS bölümünde kullanılan karar matrsnn (Tablo 4) aynısıdır.

13 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 183 Nomnal Tork Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres M , ,5 0, M ,2 95,5 95,3 0, M ,2 95,2 94,8 0, Tablo 11. Karar Matrs Nomnal Tork Adım 2. Standart Karar Matrsnn Oluşturulması Yne TOPSIS bölümünde detaylı anlatılan ve formül (1) ve (2) kullanılarak bulunan standart karar matrs Tablo 5 te verlmşt. Aynı matrs, MOORA yöntem çn de standart karar matrs olarak kullanılmıştır. Adım 3. Ağırlıklı Standart Karar Matrsnn Oluşturulması Krterler çn Tablo 6 da verlen ağırlık değerler le standart karar matrsndek (Tablo 5) değerlern çarpımı le bulunan ağırlıklı standart karar matrs aşağıda (Tablo 12) verlmştr. Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres M1 0,0478 0,0904 0,1151 0,0480 0,0530 0,1371 0,1344 M2 0,0479 0,0897 0,1145 0,0479 0,0543 0,1235 0,1008 M3 0,0479 0,0897 0,1142 0,0477 0,0537 0,0917 0,0672 Tablo 12. Ağırlıklı Standart Karar Matrs yᵢ* Oran metodu sıralama M1 0, M2 0, M3 0, Tablo 13. y ᵢ * Değerler ve Sıralama Adım 4. Oran sstem yaklaşımı değerlendrmes Tablo 12 de bulunan değerler kullanılarak (6) formülü le yᵢ* değerler hesaplanır ve bu hesaplamaya göre sıralama yapılır (Tablo 13). g n * * * j j j1 jg1 (6) y x x Burada g, maksmze edlecek amaçların sayısını, (n-g), mnmze edlecek amaçların sayısını ve y * değer. alternatfn tüm amaçlara göre normalleştrlmş değern göstermektedr. y * değerler büyükten küçüğe doğru sıralanır. y * sıralamasına göre brnc sıradak alternatf en uygun seçenek olarak değerlendrlr. Buradan hareketle, y * değer en büyük olan M3 alternatf en uygun seçenektr. M3 ten sonra uygun seçenekler sırasıyla M2 ve M1 motorlarıdır. Adım 5. Referans noktası yaklaşımı değerlendrmes Bu yaklaşımda MOORA-Oran Yöntem le elde edlen normalleştrlmş verler temel alınır. Referans Noktası yaklaşımında alternatflern her br amaca göre maksmzasyon durumunda en y değer, mnmzasyon durumunda se en düşük değer referans noktası (r ) olarak alınır (Özbek, 2015: 9).

14 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 184 MAKS MAKS MAKS MAKS MAKS MİN MİN Nomnal Tork Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres M1 0,0478 0,0904 0,1151 0,048 0,053 0,1371 0,1344 M2 0,0479 0,0897 0,1145 0,0479 0,0543 0,1235 0,1008 M3 0,0479 0,0897 0,1142 0,0477 0,0537 0,0917 0,0672 Referans 0,0479 0,0904 0,1151 0,048 0,0543 0,0917 0,0672 noktaları Tablo 14. Ağırlıklı Standart Karar Matrs Nomnal Tork (Nm) Verm Eştlk (7) kullanılarak alternatflern her br amaca göre referans noktasına olan uzaklıkları bulunur. d r x (7) * j j Her alternatfn en yüksek değer bulunur (P). Alternatfler küçükten büyüğe doğru sıralanır. Brnc sıradak alternatf en y seçenek olarak kabul edlr. Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet (TL) Temn Süres (Hafta) Maksmumlar Referans nokta yakınlık sıralaması M1 0,0000 0,0000 0,0000 0,0000 0,0000 0,0454 0,0672 0, M2 0,0000 0,0000 0,0000 0,0000 0,0000 0,0318 0,0336 0, M3 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0, Tablo 14. Alternatflern Referans Noktaya Yakınlıkları Matrs Tablo 14 te bulunan verler ışığında referans noktaya en yakın değere sahp olan M3 alternatf en uygun seçenektr VIKOR Vse Krterjumska Optmzacja I Kompromsno Resenje fadesnn kısaltılmış yazımı olan VIKOR un dlmzdek anlamı se; çok krterl optmzasyon ve uzlaşık çözümdür. Yöntemn temelnde, alternatfler çerçevesnde ve değerlendrme krterler kapsamında br uzlaşık çözümün oluşturulması vardır. Bu uzlaşık çözüm(compromse soluton), deal çözüme en yakın çözümdür. Yu (1973) ve Zeleny (1982) tarafından temeller atılan uzlaşık çözüm, brbryle çelşen krterlern yer aldığı br karar verme proble mnde ortak br konsensüs le anlaşmaya varmak anlamına gelmekte ve deale en yakın uygun çözümü vermektedr (Oprcovc ve Tzeng, 2004: 448). ÇKKV lteratüründek uzlaşık çözüm teknklernden br olan VIKOR yöntem Oprcovc (1998) tarafından önerlmş olup ÇKKV lteratüründe lk kez Oprcovc ve Tzeng n (2004) çalışmasında kullanılmıştır. VIKOR Yöntemyle elde edlen uzlaşık çözüm mnj j S le gösterlen çoğunluğun maksmum grup faydasını ve mnj j R le fade edlen, karşıt görüşteklern mnmum breysel pşmanlığını sağladığından karar vercler açısından tatmn edc br çözüm olmaktadır (Çakır ve Perçn, 2013: 451). Adım 1. En y ve en kötü krter değerlernn belrlenmes Karar matrsndek her br krter çn en y ( fj*) ve en kötü ( fj ) değerler belrlenr. j krter değerlendrme açısından fayda anlamında br krter se, j = 1,2,,n çn; fj* ve fj aşağıdak gb fade edleblr (Dnçer ve Görener, 2011: ).

15 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 185 f f max * j j j mn f f j j j (8) Karar verclern görüşlerne göre belrlenmş ağırlıklarla beraber motor özellkler Tablo 16 da verlmştr. Ağırlıklar (wᵢ) 8,29% 15,58% 19,85% 8,29% 9,30% 20,60% 18,09% K1 K2 K3 K4 K5 K6 K7 X max max max max max mn mn Nomnal Tork Verm Verm %75 Verm %50 Güç Faktörü İlk Alım Malyet Temn Süres M , ,5 0, M ,2 95,5 95,3 0, M ,2 95,2 94,8 0, Tablo 16. Krter Özellkler Ve Ağırlıkların Eklendğ Ver Set İlgl tablodan hareketle en y ve en kötü krter değerler belrlenmş ve Tablo 17 de verlmştr. wᵢ 8,29% 15,58% 19,85% 8,29% 9,30% 20,60% 18,09% X K1 K2 K3 K4 K5 K6 K7 max max max max max mn mn M , ,5 0, M ,2 95,5 95,3 0, M ,2 95,2 94,8 0, f j* , ,5 0, f j ,2 95,2 94,8 0, Tablo 17. En İy Ve En Kötü Krter Değerlernn Belrlenmes Adım 2. Normalze matrsn oluşturulması Karar matrsn oluşturan değerler brmlerden arındırmak ve karşılaştırılablr sevyeye getrmek üzere lneer normalzasyon şlem uygulanır. m alternatf ve n krterden oluşan br karar problemne at karar matrs, normalzasyon şlem sonunda m x n boyutlarında R normalzasyon matrsne dönüştürülür (Kuzu, 2014: 120). Matrsn elemanları; r j f f * j * j x j f j (9) Hesaplama sonucu oluşturulan R normalzasyon matrs aşağıda (Tablo 18) verlmştr. wᵢ 8,29% 15,58% 19,85% 8,29% 9,30% 20,60% 18,09% R K1 K2 K3 K4 K5 K6 K7 max max max max max mn mn M1 1,000 0,000 0,000 0,000 1,000 1,000 1,000 M2 0,000 1,000 0,625 0,286 0,000 0,700 0,500 M3 0,000 1,000 1,000 1,000 0,500 0,000 0,000 Tablo 18. R Normalze Karar Matrs Adım 3. Normalze karar matrsnn ağırlıklandırılması Karar verclern görüşler alınarak elde edlen önem ağırlıkları (wᵢ) kullanılarak normalze karar matrs, ağırlıklandırılmış normalze karar matrsne dönüştürülmüştür. Ağırlıklandırılmış normalze karar matrs aşağıda (Tablo 19) verlmştr.

16 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 186 wᵢ 8,29% 15,58% 19,85% 8,29% 9,30% 20,60% 18,09% V K1 K2 K3 K4 K5 K6 K7 max max max max max mn mn M1 0,083 0,000 0,000 0,000 0,093 0,206 0,181 M2 0,000 0,156 0,124 0,024 0,000 0,144 0,090 M3 0,000 0,156 0,198 0,083 0,046 0,000 0,000 Tablo 19. V Ağırlıklandırılmış Normalze Karar Matrs Sᵢ M1 0,563 0,206 M2 0,538 0,156 M3 0,484 0,198 Tablo 20. Sj ve Rj Değerler Matrs Adım 4. Sj ve Rj değerlernn belrlenmes Her br alternatf çn ortalama ve en kötü grup skorlarını gösteren Sj ve Rj değerler hesaplanır. n * * j ( j ) / ( ) 1 S w f f f f (10) * * Rj max w ( f fj ) / ( f f ) (11) (10) ve (11) numaralı formüllerden hareketle Sj ağırlıklandırılmış normalze karar matrsndek lgl satır değerlernn toplamı, Rj se lgl satır değerlernn maksmum değerl olanı seçlerek bulunmuştur. Rᵢ Adım 5. Qj değerlernn belrlenmes (12) numaralı denklemde, S*=mn j S j; S =max j S j; R*=mnj R j; R =max j R j değerlern fade etmektedr. v değer se krterlern çoğunluğunun ağırlığını, br başka deyşle maksmum grup faydasını göstermektedr. v değer, maksmum grup faydasını sağlayan stratej çn ağırlığı fade ederken, (1- v) değer karşıt görüşteklern mnmum pşmanlığının ağırlığını fade etmektedr (Oprcovc ve Tzeng, 2004: 448). Genellkle v=0,5 kullanılır (Lxn, Yng ve Zhguang, 2008: 1209). Q ( S S*) / ( S S * ) (1 )( R R*) / ( R R*) (12) j j j (12) numaralı denklemden hesaplanan Qj değerler le Sj ve Rj değerler aşağıda (Tablo 21) verlmştr. S j R j Q j (v =0,00) (v =0,25) (v =0,50) (v =0,75) (v =1,00) M1 0,563 0,206 1,001 1,000 0,999 0,998 0,998 M2 0,538 0,156-0,004 0,168 0,341 0,514 0,687 M3 0,484 0,198 0,850 0,636 0,423 0,209-0,004 Tablo 21. Sj ve Rj Değerler Matrs Q j Adım 5. Sıralama sonuçları ve koşulların denetlenmes Q j Elde edlen sonucun geçerl kabul edleblmes çn k koşul sağlanmalıdır. Ancak bu şeklde mnmum Q değerne sahp alternatf, en y veya en uygun olarak ntelendrleblr (Dnçer ve Görener, 2011: 249). Q j Q j

17 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 187 En uygun seçeneğn belrleneblmes çn 2 koşulun denetlenmes gerekmektedr. Bunlar; Koşul 1. Kabul edleblr avantaj: En y ve en yye en yakın seçenek arasında belrgn br fark olduğunu fade eden koşuldur. A¹, en düşük Q değerne sahp olan 1. en y alternatf, A² se en y knc alternatftr. D(Q)= 1/(j-1) şeklnde fade edlmektedr. j, değerlendrme brm sayısını göstermektedr. Değerlendrme brm sayısı 4 ten küçükse D(Q) = 0,25 alınır (Chen ve Wang, 2009: ). Çalışmamızda değerlendrme brm sayısı 3 olduğundan D(Q) değer 0,25 alınmıştır. Bu koşulun denetlenmesnde Q (A²) - Q (A¹) D(Q) denklemnn sağlanablmes gerekmektedr. Koşul 2. Kabul edleblr stkrar: En y Q değerne sahp A¹ alternatf ve değerlernn az br tanesnde en y skoru elde etmş olmalıdır. Belrtlen k koşuldan br tanes sağlanamazsa uzlaşık çözüm kümes şu şeklde önerlr: 2.Koşul sağlanmıyorsa A¹ ve A² alternatfler, 1.Koşul sağlanmıyorsa A¹, A²,, A alternatfler Q(A ) - Q(A¹) D(Q) eştszlğ dkkate alınarak fade edlr (Oprcovc ve Tzeng, 2004: 449). Q değerlernn sıralamasının yapıldığı ve koşulların denetlendğ matrs Tablo 22 de verlmştr. Sıralama (v =0,00) (v =0,25) (v =0,50) (v =0,75) (v =1,00) M M M Q(A²) 0,850 0,636 0,423 0,514 0,687 Q(A¹) -0,004 0,168 0,341 0,209-0,004 Q(A²) - Q(A¹) 0,854 0,468 0,082 0,305 0,691 D(Q) 0,25 0,25 0,25 0,25 0,25 Koşul 1 DOĞRU DOĞRU YANLIŞ DOĞRU DOĞRU Koşul 2 DOĞRU DOĞRU DOĞRU DOĞRU DOĞRU Tablo 22. Sıralama Sonuçları ve Koşulların Denetlenmes Maksmum grup faydası değer (v), çalışmalarda genel olarak 0,5 alınmaktadır. Bu çalışmada 0 le 1 arasında toplam 5 ağırlık değer çn hesaplama yapılmıştır. 0,00-0,25-0,50 grup faydası değer çn M2 motoru en düşük Qj değerne sahpken, 0,75-1,00 grup faydası değer çn M3 motoru en düşük Qj değerne sahptr. Koşulların denetlenmes açısından bakıldığında se v =0,00 değer çn Q(A²) - Q(A¹) D(Q) denklem sağlandığından bu grup faydası değer çn en küçük Qj değerne sahp seçenek olan M2 motoru çn koşul 1 doğrulanmaktadır. Aynı şeklde yne v =0,00 değer çn en küçük değerne sahp seçenek olan M2 motoru Sj değer çn en y skoru elde edememesne rağmen Rj değer çn en y skoru elde etmş ve dolayısı le koşul 2 doğrulanmıştır. v =0,00 değer çn kabul edleblr avantaj ve kabul edleblr stkrar koşullarını aynı anda sağladığı çn M2 motoru en y alternatf olarak belrlenmştr. Benzer denetlemeler grup faydası değer (v) nn 0,25-0,50-0,75-1,00 değerler çn de gerçekleştrlmş ve lgl tabloda (Tablo 22) koşullar belrtlmştr. v = {0,00;0,25} değerler çn M2, v = {0,75;1,00} değerler çn M3 motoru en y alternatf olarak

18 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 188 belrlenmştr. v=0,50 değer çn se kabul edleblr avantaj koşulu doğrulanmamıştır. Bu durumda v=0,50 değer çn M2 veya M3 motorlarının her ks de uzlaşık ortam çözüm olarak kabul edlmştr. Bu çalışmada analz sayısal değerler üzernden yapılmış olsa da karar verc krterler sezgsel olarak ağırlıklandırmak süratyle sürece öznellk kazandırmaktadır. Bu nedenle elde edlen sonuçlar çn karar vercnn görüşlern yansıtan ve deal derecesnn karar vercye bağlı olduğu durumda belrlenen sonuçlar olduğu söyleneblr (Kuzu, 2014:132). 5. Sonuç Hemen tüm süreçlern üretme dolayısı le sanayye dayalı olarak lerledğ günümüzde kuşkusuz k endüstryel ekpmanlara büyük ş düşmektedr. Bu bağlamda elektrk motorları büyük yükü omuzlamaktadır. Endüstrde kullanım alanlarının çok genş olması, pazarın büyük olmasına ve dolayısı le brçok üretcnn motor üretm sektörüne grmesne neden olmaktadır. Bu marka çeştllğnde karar verclere sübjektflkten uzak, ncel kararlar alablmeler çn nümerk değerler kullanılarak alternatfler karşılaştırablmelerne olanak sağlayablecek modeller ncelenmştr. Karar vercnn htyaçları doğrultusunda modeller oluşturulmuş ve uygun alternatfler belrlenmştr. Üç farklı ÇKKV yöntem le analz gerçekleştrlmş ve sonuçları rdelenmştr. TOPSIS yöntemnde İdeal çözüme görel yakınlık (C*) değer hesaplanmıştır. En yüksek değere (0,9835) sahp olan M3 motoru, bu değern 1 e en yakın değer olması sebeb le en y alternatf olarak belrlenmştr. M3 motoru çn bulunan C* değernn 1'e çok yakın olması, bu seçmn çok güçlü br şeklde deal çözüme yakın olduğu anlamına gelmektedr. MOORA yöntemnde k yaklaşım ncelenmştr. Brnc yaklaşım oran sstem yaklaşımıdır ve herhang br amaçla lgl alternatflern tepksnn karşılaştırıldığı durumdak fayda (fayda: bu amaçla lgl tüm alternatflern temsl edleblmes) ncelenmştr. Fayda araştırması sstematğ sonucu bulunan y* değerlernn en büyüğüne sahp olan M3 motoru en y alternatf olarak belrlenmştr. İknc yaklaşım olan referans nokta yaklaşımında se gerçekç ve sübjektf olmayan koordnatlar olarak adlandırılan maksmal araç referans noktası elde edlmeye çalışılmıştır. İşlem sonucu M3 motoru çn elde edlen değern referans noktaya en yakın değer olduğu görülmüş, bu nedenle M3 motoru en y alternatf olarak belrlenmştr. VIKOR yöntemnde se alternatfler çerçevesnde ve değerlendrme krterler kapsamında br uzlaşık çözüm oluşturulmaya çalışılmıştır. Bu uzlaşık çözümün deal çözüme en yakın çözüm olduğu kabul edlmştr. İk farklı koşulun, maksmum grup faydasının (v) farklı değerler çn sağlanıp sağlanmadığı araştırılmıştır. Kabul edleblr avantaj ve kabul edleblr stkrar koşullarını aynı anda sağlandığı 2 değer çn M2 motoru, farklı 2 değer çn M3 motoru en y alternatf olarak belrlenmştr. v =0,50 değer çn M2 veya M3 motorlarının her ks de uzlaşık ortam çözüm olarak kabul edlmştr. Bu durumda, karar verc krterler sezgsel olarak ağırlıklandırmak süratyle sürece öznellk kazandırdığı kanaatne varılmıştır. Sonuçta TOPSIS ve MOORA yöntemlernn nümerk verler kullanılarak yapılan seçmlerde doğru sonuçlar verdğ, VIKOR yöntemnde se nümerk verlere rağmen, karar vercnn sezgsel ağırlıklarının da sonuca etk ettğ, sürece öznellk kazandıran

19 Yüce, Temz Asenkron Elektrk Motoru Seçmne Çok Krterl Karar Verme Teknkler Yaklaşımı 189 br yöntem olduğu anlaşılmıştır. Bu çalışmada kullanılmayan dğer ÇKKV yöntemler benzer çalışmalarda kullanılarak deal çözüme ulaşmadak başarı oranları test edleblr. Kaynakça Ağaç, G., Bak, B. (2016). Sağlık Alanında Çok Krterl Karar Verme Teknkler Kullanımı: Lteratür İncelemes. Hacettepe Sağlık İdares Dergs, 19(3): Aksoy, E., Ömürbek, N., Karaatlı, M. (2015). AHP Temell MULTIMOORA ve COPRAS Yöntem le Türkye Kömür İşletmeler nn Performans Değerlendrmes. Hacettepe Ünverstes İktsad ve İdar Blmler Fakültes Dergs, 33(4): 1-28 Almeda, A.T., Ferrera, F., Fong, J., Fonseca, P. (2008). EUP Lot 11 Motors. Preparatory study for the Energy Usng Products (EuP) Drectve, Combra, S: Ata, A., Sennaroğlu, B. (2008). "Savaş Gems Tasarımındak Krter Katsayı Ağırlıklarının Saptanmasında Çok Krterl Karar Verme Teknklernn Kullanımı ". Denz Blmler ve Mühendslğ Dergs, 4(1): 1-16 Brauers, W.K.M., Zavadskas, E.K. (2006). The MOORA Method and Its Applcaton to Prvatzaton n a Transton Economy. Control and Cybernetcs, 35(2): Büyüközkan, G., Güleryüz, S. (2016). Lojstk Frma Web Stelernn Performanslarının Çok Krterl Değerlendrlmes. Gaz Ünverstes Mühendslk Mmarlık Fakültes Dergs, 31-4: Can, G.F., Delce, E.K., Özçakmak, B.C. (2017). Çok Krterl Karar Verme Yaklaşımıyla Oturma Düzeneğ Seçm. Mühendslk Blmler ve Tasarım Dergs, 5: Chen, L.Y., Wang T. (2009). Optmzng Partners Choce n IS/IT Outsourcng Process: The Strategc Decson Of Fuzzy Vkor. Internatonal Journal of Producton Economcs, 120(1): Çakır, S., Perçn, S. (2013). Çok Krterl Karar Verme Teknkleryle Lojstk Frmalarında Performans Ölçümü. Ege Akademk Bakış Dergs, 13(4): Çalışkan, E., Eren, T. (2016). Bankaların Performanslarının Çok Krterl Karar Verme Yöntemyle Değerlendrlmes. Ordu Ünverstes Blm Ve Teknoloj Dergs, 6(2): Dnçer, H., Görener, A. (2011). Performans Değerlendrmesnde Ahp - Vkor Ve Ahp - Topss Yaklaşımları: Hzmet Sektöründe Br Uygulama. Sgma: Mühendslk ve Fen Blmler Dergs, 29: Doğanalp, B. (2016). Bulanık Çok Krterl Karar Verme İle Öğretm Üyes Değerleme Çalışması. Kastamonu Ünverstes İktsad ve İdar Blmler Fakültes Dergs, 12: Eroğlu, E., Yıldırım, B. F., Özdemr, M. (2014). Çok Krterl Karar Vermede ORESTE Yöntem Ve Personel Seçmnde Uygulanması. İstanbul Ünverstes İşletme İktsadı Ensttüsü Dergs, 76: Ertuğrul, İ., Özçl, A. (2014). Çok Krterl Karar Vermede TOPSIS ve VIKOR Yöntemleryle Klma Seçm. Çankırı Karatekn Ünverstes İktsad ve İdar Blmler Fakültes Dergs, 4(1): Esen, G. K. (2015). Türkye ve Dünyada Elektrk Motorları Enerj Tüketm Ve İlgl Teknk Mevzuat, Türk Standardları Ensttüsü Elektroteknk Laboratuvarı Gebze Müdürlüğü, Kocael Işık, A.T. (2016). "Sgorta Şrket Seçm Problemnde QUALIFLEX ve ORESTE Yöntemler"., 4: La, Y.J., Lu, T.Y., Hwang, C.L. (1994). TOPSIS for MODM. European Journal of Operatonal Research, 76: Lxn, D., Yng, L., Zhguang, Z. (2008). Selecton of logstcs servce provder based on analytc network process and VIKOR algorthm. ICNSC IEEE Internatonal Conference on Networkng, Sensng and Control, Proceedng Book, Sanya, Chna, S: Oprcovc, S., Tzeng, G. (2004). The Compromse Soluton by MCDM methods: A Comperatve Analyss Of VIKOR And TOPSIS. European Journal of Operatonal Research, 178: Özbek, A. (2015). Akademk Brm Yönetclernn MOORA Yöntemyle Seçlmes: Kırıkkale Üzerne Br Uygulama. Ercyes Ünverstes Sosyal Blmler Ensttüsü Dergs, 38: 1-18 Özbek, A. (2016). Tedarkç Seçmnde çok krterl Karar Verme Yöntemlernn Kullanılması. Anadolu Ünverstes Sosyal Blmler Dergs, 16:

20 Yüce, Temz Mult Crtera Decson Makng Methods Approach to Asynchronous Electrc Motor Selecton 190 Şmşek, A., ÇATIR, O., ÖMÜRBEK, N. (2015). TOPSIS ve MOORA Yöntemler İle Tedarkç Seçm: Turzm Sektöründe Br Uygulama, Balıkesr Ünverstes Sosyal Blmler Ensttüsü Dergs, 18(33): Türkye İstatstk Kurumu, Net Elektrk Tüketmnn Sektörlere Göre Dağılımı 2014, Erşm Tarh: 4 Kasım Urfalıoğlu, F., Genç, T. (2013). Çok Krterl Karar Verme Teknkler İle Türkye'nn Ekonomk Performansının Avrupa Brlğ Üye Ülkeler İle Karşılaştırılması. Marmara Ünverstes İktsad ve İdar Blmler Dergs, 35: Wade, P., Brunner, C.U. (2011). Energy-Effcency Polcy Opportuntes for Electrc Motor-Drven Systems Workng Paper. Internatonal Energy Agency, France, S: 11 Yıldırım, B. F., Önay, O. (2013). Bulut Teknolojs Frmalarının Bulanık AHP MOORA Yöntem Kullanılarak Sıralanması. İstanbul Ünverstes İşletme İktsadı Ensttüsü Dergs, 75: Yıldırım, B. F., Önder, E. (2014). Evaluatng Potental Freght Vllages n Istanbul Usng Mult Crtera Decson Makng Technques. Journal of Logstcs Management, 3(1): 1-10 Yıldırım, B. F. (2015). Çok Krterl Karar Verme Problemlernde Aras Yöntem. Kafkas Ünverstes İktsad ve İdar Blmler Fakültes Dergs, 6(9): Yücel, M., ULUTAŞ, A. (2009). "Çok Krterl Karar Yöntemlernden Electre Yöntemyle Malatya da Br Kargo Frması İçn Yer Seçm". Sosyal Ekonomk Araştırmalar Dergs, 9: 327- Kuzu, S. (2014). VIKOR (Edtör, B. F. Yıldırım & E. Önder). Çok Krterl Karar Verme Yöntemler (pp ). Bursa: Dora Yayıncılık. Özdemr, M. (2014). VIKOR (Edtör, B. F. Yıldırım & E. Önder). Çok Krterl Karar Verme Yöntemler (pp ). Bursa: Dora Yayıncılık.