Ders 8: Çok Kriterli Karar Verme
|
|
- Aylin Benli
- 5 yıl önce
- İzleme sayısı:
Transkript
1 Genel Bakış Ders 8: Çok Kriterli Karar Verme 2 Tek bir amaç yerine çok sayıda kriter ile çalışmak suretiyle karar verme. Üç teknik: hedef programlama (goal programming), analitik hiyerarşi prosesi (analytical hierarchy process) ve puanlama modelleri (scoring models). Hedef programlama, amaç fonksiyonunda birden fazla amaç içeren bir doğrusal programlama çeşididir., karar vericilerin çeşitli kriterler üzerindeki karşılaştırmalarına göre her bir karar alternatifi için bir puan hesaplamakta ve alternatifleri sıralamaktadır.. Puanlama modelleri basit ağırlıklı puanlama tekniklerine dayanmaktadır. Örneği Problem Data ( of 2) Ürün karışımı problemi: Kase ve kupa üreten bir firma üretim için kil kullanmaktadır. Bir kase üretimi için 4 kg kil, bir kupa üretimi için kg kil gerekmektedir. Bir kase saatte, kupa ise 2 saatte üretilmektedir. Çeşitli nedenlerden dolayı firmanın sağlayabildiği kil miktarı günlük 20 kg ile sınırlıdır. Günde 40 saat çalışılmaktadır. Üretilen kaselerin her biri firmaya 40$, kupaların her biri ise 50$ kar bırakmaktadır. Verilen işçilik ve malzeme kısıtları altında firmanın amacı mümkün olan en yüksek karı sağlayacak üretim bileşimini seçmektir. Maximize Z = $40x 50x 2 subject to: x 2x 2 40 hours of labor 4x x 2 20 pounds of clay x, x 2 0 x = number of bowls produced x 2 = number of mugs produced Örneği Problem Data (2 of 2) 4 Firmanın önceliklerine göre hedefleri aşağıda sıralanmıştır: P P2 P P4 Şirket günlük işgücü kullanımının, 40 saatin altında olmasını istememektedir. Şirket günlük karının,.600$ dan düşük olmasını istememektedir. Kilin kurumaması için özel bir bölgede saklanması gerekliliği nedeniyle, şirket günde 20 kg. dan fazla kil bulundurmak istememektedir. Fazla mesai ücretleri çok yüksek olduğu için, şirket fazla mesai sürelerini minimum kılmak istemektedir. Tanımlar (/) Tanımlar (2/) Bir HP modeli genel olarak aşağıdaki formda ifade edilir: Min (Hedeflerden sapmaların toplamı) Kısıtlar Hedef denklemleri Fonksiyonel kısıtlar (varsa) Tüm değişkenler (karar ve sapma değişkenleri) için negatif olmama kısıtı Amaç: Bir sistemin arzu edilen bir durumunu tanımlamak için yönetim tarafından yapılan genel bir ifadedir. Hedef: Bu amaç için, yönetimin başarmayı istediği kesin bir ifadedir. Örneğin maliyeti minimum kılmak bir amaç ise, maliyetin x pb. seviyesinde tutulması bir hedeftir. 5 6 Modellemeye GirişYrd.Doç.Dr. Ceyda ŞEN
2 Tanımlar (/) Sapma Değişkenleri Bu modelde tüm kısıtların aynı anda sağlanması mümkün olmadığı için, modelin hedef kısıtları ile yeniden kurulması gerekir. Bunun için her bir hedef için aşağıdaki değişkenler tanımlanır. d i (negatif sapma değişkeni) d i Sol taraf değerinin, sağ taraf değerinin altında kalması Hedef değerinin başarılamaması Hedef değerden negatif sapma d i (pozitif sapma değişkeni) d i Sol taraf değerinin, sağ taraf değerini aşması Hedef değerinin aşılması Hedef değerden pozitif sapma 8 Model Kurulumu Hedef Kısıtları ( of ) İşçilik hedefi: Kar hedefi: x 2x 2 d d = 40 (saat/gün) 40x 50 x 2 d 2 d 2 =,600 ($/gün) Malzeme hedefi: 4x x 2 d d = 20 (kg kil/gün) HP'de Hedef Kısıtlarının Formülünün Kurulmasındaki Temel İlkeler Durum : Eşitlik Durumu Bu durumda hedef kısıtı, negatif (d ) ve pozitif (d ) sapma değişkenlerinin her ikisini birden içerir. Amaç fonksiyonunda Pk (d d ) terimi yer alır. Bu durumda çözüm süreci aynı P k seviyesinde her iki değişkeni birden minimum kılmaya çalışır. Durum 2: 2A) Negatif Sapmaya Kayıtsız Kalınması ve Pozitif Sapmanın Minimum Kılınması Bu durumda negatif sapmaya kayıtsız kalınır, pozitif sapma minimum kılınır. Hedef kısıtı, negatif (d ) ve pozitif (d ) sapma değişkenlerinin her ikisini birden içerir. Amaç fonksiyonunda sadece P k d terimi yer alır. 2B) Pozitif Sapmaya Kayıtsız Kalınması ve Negatif Sapmanın Minimum Kılınması Bu durumda pozitif sapmaya kayıtsız kalınır, negatif sapma minimum kılınır. Hedef kısıtı, negatif (d ) ve pozitif (d ) sapma değişkenlerinin her ikisini birden içerir. Amaç fonksiyonunda sadece P k d terimi yer alır. 9 0 Durum : A) Negatif Sapmanın Kabul Edilmemesi ve Pozitif Sapmanın Minimum Kılınması Bu durumda negatif sapma kabul edilmez, pozitif sapma minimum kılınır. Hedef kısıtı negatif sapma değişkeni içermez, sadece pozitif sapma değişkeni (d )içerir. Amaç fonksiyonunda sadece P k d terimi yer alır. B) Pozitif Sapmanın Kabul Edilmemesi ve Negatif Sapmanın Minimum Kılınması Bu durumda pozitif sapma kabul edilmez, negatif sapma minimum kılınır. Hedef kısıtı pozitif sapma değişkeni içermez, sadece negatif sapma değişkeni (d ) içerir. Amaç fonksiyonunda sadece P k d terimi yer alır. Model Kurulumu Amaç Fonksiyonu (2 of ) İşçilik hedefi kısıtı (.öncelik işçilik hedefi; 4. öncelik minimum fazla mesai): Minimize P d, P 4 d Kar hedefi kısıtı (2.öncelik ): Minimize P d, P 2 d 2, P 4 d Malzeme hedefi kısıtı (. öncelik): Minimize P d, P 2 d 2, P d, P 4 d 2 Modellemeye GirişYrd.Doç.Dr. Ceyda ŞEN 2
3 Model Kurulumu Model ( of ) Complete Goal Programming Model: Minimize P d, P 2 d 2, P d, P 4 d subject to: x 2x 2 d d = 40 40x 50 x 2 d 2 d 2 =,600 4x x 2 d d = 20 x, x 2, d, d, d 2, d 2, d, d 0 (labor) (profit) (clay) Hedef Kısıtlarının Alternatif Formları ( of 2) 4. öncelik hedefi olan fazla mesaiyi minimize etmek yerine 0 saatle sınırlandırılması durumunda: d d 4 d 4 = 0 minimize P d, P 2 d 2, P d, P 4 d 4 5. öncelik hedefi olarak bir hedef eklediğimizi düşünelim: Depo kapasite kısıtı nedeniyle günde 0 kaseden ve 20 kupadan fazla üretilememektedir : x d 5 = 0 kase x 2 d 6 = 20 kupa minimize P d, P 2 d 2, P d, P 4 d 4, 4P 5 d 5 5P 5 d 6 4 Yeni Model (2 of 2) Computer Solution Using Excel ( of ) Complete Model with Added New Goals: Minimize P d, P 2 d 2, P d, P 4 d 4, 4P 5 d 5 5P 5 d 6 subject to: x 2x 2 d d = 40 40x 50x 2 d 2 d 2 =,600 4x x 2 d d = 20 d d 4 d 4 = 0 x d 5 = 0 x 2 d 6 = 20 x, x 2, d, d, d 2, d 2, d, d, d 4, d 4, d 5, d Computer Solution Using Excel (2 of ) Computer Solution Using Excel ( of ) 7 8 Modellemeye GirişYrd.Doç.Dr. Ceyda ŞEN
4 Solution for Altered Problem Using Excel ( of 6) Solution for Altered Problem Using Excel (2 of 6) Minimize P d, P 2 d 2, P d, P 4 d 4, 4P 5 d 5 5P 5 d 6 subject to: x 2x 2 d d = 40 40x 50x 2 d 2 d 2 =,600 4x x 2 d d = 20 d d 4 d 4 = 0 x d 5 = 0 x 2 d 6 = 20 x, x 2, d, d, d 2, d 2, d, d, d 4, d 4, d 5, d Solution for Altered Problem Using Excel (4 of 6) Solution for Altered Problem Using Excel (5 of 6) 2 22 Solution for Altered Problem Using Excel (6 of 6) Genel Bakış AHP farklı karar vericinin birden fazla amacı veya kriteri olması durumunda karar alternatiflerinin sıralanması ve en iyi alternatifin seçilmesi için kullanılan bir metottur. Karar verici, karar alternatiflerini birçok kriter üzerinden karşılaştırarak karar vermektedir. Seçim kararı, alternatifler arasından karar kriterlerini en iyi karşılayan alternatifin seçilmesi şeklinde verilir. AHP karar alternatiflerini karar vericinin kriterlerini karşılama derecesine göre sıralamak için her bir alternatife nümerik bir puan belirleme sürecidir 2 24 Modellemeye GirişYrd.Doç.Dr. Ceyda ŞEN 4
5 Örnek Problem Southcorp Firması ülke çapında alışveriş merkezleri kuran ve işleten bir firmadır. Firma son projesi için üç alternatif belirlemiştir. Üç alternatif bölge: Atlanta Birmingham Charlotte. Alternatifleri karşılaştırmak üzere dört adet kriter belirlenmiştir: Pazar (Pazar büyüklüğü ve müşterilerin farklı yaş seviyelerine göre dağılımı) Gelir düzeyi Altyapı (imar) Ulaşım (tedarikçi ve müşterinin ulaşımı için yollar) Karar Hiyerarşisi. düzey: amaç (en uygun yerin seçimi). 2. düzey: Dört adet kriterin amaca göre değerlendirilmesi. düzey: Üç alternatifin her bir kritere göre değerlendirilmesi Adımlar İkili Karşılaştırmalar Her bir kritere göre her bir alternatifin değerlendirilmesi Kriter önem derecelerinin belirlenmesi (kriterlerin önemine göre sıralanması) Önceki iki adımın birleştirilmesiyle her bir alternatif için bir puan elde edilmesi En yüksek puana sahip olan alternatifin seçilmesi Bir ikili karşılaştırmada iki alternatif bir kriter üzerinde karşılaştırılarak bir tanesi tercih edilir. Bu karşılaştırma sırasında aşağıdaki skala kullanılır: İkili Karşılaştırma Matrisi 29 Bir ikili karşılaştırma matrisi bir kriter için ikili karşılaştırmaları özetlemektedir.. Customer Market Site A B C A B C / /2 5 2 /5 A B C Income Level Infrastructure Transportation /6 6 9 / /9 / /7 7 2 / /4 /2 4 Alternatiflerin Kriterler Üzerinde Değerlendirilmesi 0 Customer Market Site A B C A B C / /2 / /5 6/5 Customer Market Site A B C A 6/ /9 5/8 B C 2/ / /9 5/9 /6 5/6 Modellemeye GirişYrd.Doç.Dr. Ceyda ŞEN 5
6 Alternatiflerin Kriterler Üzerinde Değerlendirilmesi Alternatiflerin Kriterler Üzerinde Değerlendirilmesi 2 Kriterlerin Ağırlıklandırılması İkili Karşılaştırma Matrisi: Criteria Market Income Infrastructure Transportation Market Income Infrastructure Transportation 5 / /4 /5 /9 /7 9 / Kriterlerin Sıralanması Market Income Infrastructure Transportation Toplam Puan Hesabı 5 Toplam puan: A nın puanı =.99(.502).655(.289).0860(.790).062(.56) =.09 B nin puanı =.99(.85).655(.0598).0860(.6850).062(.696) =.595 C nin puanı =.99(.80).655(.658).0860(.60).062(.224) =.54 Son Sıralama: Site Charlotte Atlanta Birmingham Score AdımlarÖzet 6 Karar alternatiflerini her bir kriter üzerinde değerlendirmek için ikili karşılaştırma matrisleri hazırlanır. İkili karşılaştırma matrisinin her sütunundaki değerlerin toplamı bulunur. Matristeki her sütundaki her değer ilgili sütun toplamına bölünür. Normalize matristeki satır değerlerinin ortalaması alınır Her bir kriter için bu işlemler tekrarlanarak birleştirilir. Kriterler için bir ikili karşılaştırma matrisi hazırlanır. Normaliz matris oluşturulur. Ağırlık vektörü oluşturulur. Her bir karar alternatifi için toplam puan hesaplanır. Karar alternatifleri sıralanır. Modellemeye GirişYrd.Doç.Dr. Ceyda ŞEN 6
7 : Tutarlılık 7 Consistency Index (CI): Tutarlılık Indeksi Örnek: Southcorp firmasının kriter ağırlıkları matrisindeki ikili karşılaştırmaların tutarlılığının analizi Adım : İkili karşılaştırma matrisi ile ağırlık vektörü çarpılır. Market Income Infrastruc. Transp. Criteria Market / Income X Infrastructure / / Transportation /4 /7 / ()(.99)(/5)(.655)()(.0860)(4)(.062) = (5)(.99)()(.655)(9)(.0860)(7)(.062) = (/)(.99)(/9)(.655)()(.0860)(2)(.062) = (/4)(.99)(/7)(.655)(/2)(.0860)()(.062) = : Tutarlılık Adım 2: Her bir değer ağırlık vektöründeki ilgili ağırlığa bölünür ve ortalama hesaplanır /0.99 = /0.655 = / = /0.062 = Ortalama = 6.257/4 = Adım : Tutarlılık indeksi hesaplanır: Consistency Index (CI) CI = (Ortalama n)/(n), where n is no. of items compared CI = (4.5644)/(4) = (CI = 0 matrisin tam tutarlı olduğunu gösteriri) : Tutarlılık Analytical Hierarchy Process Excel Spreadsheets ( of 4) Adım 4: CI/RI Oranı hesaplanır. RI tablodan belirlenen rassal indextir. CI/RI = 0.052/0.90 = Note: CI/RI < 0.0 ise matris tutarlıdır denir Exhibit 9.2 Analytical Hierarchy Process Excel Spreadsheets (2 of 4) Analytical Hierarchy Process Excel Spreadsheets ( of 4) 4 Exhibit Exhibit 9.4 Modellemeye GirişYrd.Doç.Dr. Ceyda ŞEN 7
8 Analytical Hierarchy Process Excel Spreadsheets (4 of 4) Scoring Model Overview Each decision alternative graded in terms of how well it satisfies the criterion according to following formula: where: S i = g ij w j w j = a weight between 0 and.00 assigned to criterion j;.00 important, 0 unimportant; sum of total weights equals one. g ij = a grade between 0 and 00 indicating how well alternative i satisfies criteria j; 00 indicates high satisfaction, 0 low satisfaction. 4 Exhibit Scoring Model Example Problem Scoring Model Excel Solution Mall selection with four alternatives and five criteria: Grades for Alternative (0 to 00) Weight Decision Criteria (0 to.00) Mall Mall 2 Mall Mall 4 School proximity Median income Vehicular traffic Mall quality, size Other shopping S = (.0)(40) (.25)(75) (.25)(60) (.0)(90) (.0)(80) = S 2 = (.0)(60) (.25)(80) (.25)(90) (.0)(00) (.0)(0) = 7.50 S = (.0)(90) (.25)(65) (.25)(79) (.0)(80) (.0)(50) = S 4 = (.0)(60) (.25)(90) (.25)(85) (.0)(90) (.0)(70) = Mall 4 preferred because of highest score, followed by malls, 2, Exhibit 9.6 Modellemeye GirişYrd.Doç.Dr. Ceyda ŞEN 8
Matematiksel modellerin elemanları
Matematiksel modellerin elemanları Op#mizasyon ve Doğrusal Programlama Maksimizasyon ve Minimizasyon örnekleri, Doğrusal programlama modeli kurma uygulamaları 6. DERS 1. Karar değişkenleri: Bir karar verme
DetaylıAnalitik Hiyerarşi Prosesi (AHP) Yrd.Doç.Dr. Sabahattin Kerem AYTULUN
Analitik Hiyerarşi Prosesi (AHP) Yrd.Doç.Dr. Sabahattin Kerem AYTULUN Giriş AHP Thomas L.Saaty tarafından 1970'lerde ortaya atılmıştır. Amaç alternatifler arasından en iyisinin seçilmesidir. Subjektif
DetaylıKaynak: A. İŞLİER, TESİS PLANLAMASI, 1997
Mühendislik Fakültesi Endüstri Mühendisliği Bölümü Doç. Dr. Nil ARAS ENM411 Tesis Planlaması 2016-2017 Güz Dönemi Kaynak: A. İŞLİER, TESİS PLANLAMASI, 1997 2 Tesis Yer Seçimi Problemi (TYSP) TEK AMAÇLI
DetaylıBu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
ÇOK ÖLÇÜTLÜ KARAR VERME TOPSIS (Technique For Order Preference By Similarity To Ideal Solution) PROF. DR. İBRAHİM ÇİL 1 Bu bölümde; Çok ölçütlü karar verme yöntemlerinden biri olan TOPSİS yöntemi anlatılacaktır.
DetaylıDERS SEÇİMİNDE ANALİTİK HİYERARŞİ PROSES UYGULAMASI APPLICATION OF ANALYTICAL HIERARCHY PROCESS IN COURSE SELECTION
Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Y.2008, C.13, S.2 s.217-226 Suleyman Demirel University The Journal of Faculty of Economics and Administrative Sciences Y.2008,
DetaylıAHP ANALİTİK HİYERARŞİ PROSESİ AHP AHP. AHP Ölçeği AHP Yönteminin Çözüm Aşamaları
ANALİTİK HİYERARŞİ PROSESİ 1970 li yıllarda Wharton School of Business da çalışan Thomas L.Saaty tarafından Karmaşık çok kriterli karar verme problemlerinin çözümü için geliştirilmiştir. Tüm kriterler
DetaylıSüleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.133-144.
Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.133-144. ANALİTİK HİYERARŞİ SÜRECİNİN TEDARİKÇİ SEÇİMİNDE UYGULANMASI: OTOMOTİV SEKTÖRÜNDEN BİR ÖRNEK APPLICATION
DetaylıANALİTİK HİYERARŞİ PROSESİ
ANALİTİK HİYERARŞİ PROSESİ 1 Bu derste; Analitik Hiyerarşi prosesi AHP Uygulama Aşamaları AHP Modellerinde Tutarlılığın Test Edilmesi AHP nin Uygula Örnekleri AHP Puanlama Yöntemi Analitik Hiyerarşi Prosesi
DetaylıAHP ye Giriş Karar verici, her alternatifin her kriterde ne kadar başarılı olduğunu değerlendirir. Her kriterin amaca ulaşmadaki görece önemini değerl
AHP ye Giriş 2 Analitik Hiyerarşi Süreci Bölüm 3 AHP, birebir değerlendirerek alternatifleri sıralamaya dayanan çok nitelikli karar verme yöntemidir. Amaçlar ve alt amaçlar iç içe katmanlar halinde ve
DetaylıAHP (ANALYTIC HIERARCHY PROCESS) YÖNTEMİ VE HAZIR BETON TESİSİ ARAZİ SEÇİMİNDE UYGULAMASI
AHP (ANALYTIC HIERARCHY PROCESS) YÖNTEMİ VE HAZIR BETON TESİSİ ARAZİ SEÇİMİNDE UYGULAMASI ANALYTIC HIERARCHY PROCESS METHOD AND APPLICATION IN AREA SELECTION OF READY MIXED CONCRETE PLANT ÖZET Ömür TEZCAN*
DetaylıTemelleri. Doç.Dr.Ali Argun Karacabey
Doğrusal Programlamanın Temelleri Doç.Dr.Ali Argun Karacabey Doğrusal Programlama Nedir? Bir Doğrusal Programlama Modeli doğrusal kısıtlar altında bir doğrusal ğ fonksiyonun değerini ğ maksimize yada minimize
DetaylıMaksimizasyon s.t. İşçilik, saat) (Kil, kg)
Simplex ile Çözüm Yöntemi Doç. Dr. Fazıl GÖKGÖZ 1 Doğrusal Programlama Modeli Maksimizasyon s.t. İşçilik, saat) (Kil, kg) 2 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 1 Modelin Standard Hali Maksimizasyon
DetaylıYöneylem Araştırması III
Yöneylem Araştırması III Doç. Dr. Hakan ÇERÇİOĞLU cercioglu@gazi.edu.tr Yöneylem Araştırması III 1 BÖLÜM I: Hedef Programlama HEDEF PROGRAMLAMAYA GİRİŞ ÖNCELİKSİZ HEDEF PROGRAMLAMA ÖNCELİKLİ HEDEF PROGRAMLAMA
DetaylıANALİTİK HİYERARŞİ PROSES YÖNTEMİ İLE RÜZGAR TÜRBİN SEÇİMİ. Selçuk Üniversitesi, Mühendislik Mimarlık Fakültesi, Endüstri Mühendisliği Bölümü, KONYA
S.Ü. Müh. Mim. Fak. Derg., c.25, s.1, 2010 J. Fac.Eng.Arch. Selcuk Univ., v.25, n.1, 2010 ANALİTİK HİYERARŞİ PROSES YÖNTEMİ İLE RÜZGAR TÜRBİN SEÇİMİ Ahmet SARUCAN 1, Mehmet Cabir AKKOYUNLU 2, Aydoğan BAŞ
DetaylıHASTANE KURULUŞ YERİ SEÇİMİ PROBLEMİNİN ANALİTİK HİYERARŞİ SÜRECİ İLE MODELLENMESİ: TUZLA İLÇESİ UYGULAMASI
Gazi Üniversitesi Sağlık Bilimleri Dergisi 2016:1(3): 08-21 Araştırma HASTANE KURULUŞ YERİ SEÇİMİ PROBLEMİNİN ANALİTİK HİYERARŞİ SÜRECİ İLE MODELLENMESİ: TUZLA İLÇESİ UYGULAMASI HOSPITAL ESTABLISHMENT
DetaylıAnalitik Hiyerarşi Prosesi Yaklaşımı Kullanılarak Mobilya Sektörü İçin Ege Bölgesi nde Hedef Pazarın Belirlenmesi
YÖNETİM VE EKONOMİ Yıl:2007 Cilt:14 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA Analitik Hiyerarşi Prosesi Yaklaşımı Kullanılarak Mobilya Sektörü İçin Ege Bölgesi nde Hedef Pazarın Belirlenmesi Araş.
DetaylıBÖLÜM I: Hedef Programlama. Prof.Dr. Bilal TOKLU. HEDEF PROGRAMLAMAYA GİRİŞ HEDEF PROGRAMLAMA MODELLERİNİN ÇÖZÜMÜ
Yöneylem Araştırması III Prof.Dr. Bilal TOKLU btoklu@gazi.edu.tr Yöneylem Araştırması III BÖLÜM I: Hedef Programlama HEDEF PROGRAMLAMAYA GİRİŞ ÖNCELİKSİZ HEDEF PROGRAMLAMA ÖNCELİKLİ HEDEF PROGRAMLAMA HEDEF
DetaylıİÇİNDEKİLER. 1. Analitik Hiyerarşi Prosesi(AHP) Yöntemi 2. TOPSİS Yöntemi 3. ENTROPİ Yöntemi 4. MAUT Yöntemi
İÇİNDEKİLER 1. Analitik Hiyerarşi Prosesi(AHP) Yöntemi 2. TOPSİS Yöntemi 3. ENTROPİ Yöntemi 4. MAUT Yöntemi 1. Analitik Hiyerarşi Prosesi (AHP) Analitik Hiyerarşi Süreci tekniği karmaşık karar problemlerinde
DetaylıSigma Vol./Cilt 25 Issue/Sayı 4 Araştırma Makalesi / Research Article THE COMPARISON OF SERVICE QUALITY OF DOMESTIC AIRLINES IN TURKEY
Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Sigma Vol./Cilt 25 Issue/Sayı 4 Araştırma Makalesi / Research Article THE COMPARISON OF SERVICE QUALITY OF DOMESTIC AIRLINES
Detaylı3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası
DetaylıTotal Contribution. Reduced Cost. X1 37,82 480 18.153,85 0 basic 320 512. X2 22,82 320 7.302,56 0 basic 300 M. Slack or
HRS şirketi BRN Endüstrileri ile bir anlaşma yapmış ve her ay BRN ye üretebildiği kadar A ürününden sağlamayı garanti etmiştir. HRS de vasıflı ustalar ve çıraklar çalışmaktadır. Bir usta, bir saatte 3
DetaylıSimpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):
DP SİMPLEKS ÇÖZÜM Simpleks Yöntemi, amaç fonksiyonunu en büyük (maksimum) veya en küçük (minimum) yapacak en iyi çözüme adım adım yaklaşan bir algoritma (hesaplama yöntemi) dir. Bu nedenle, probleme bir
DetaylıDr. Y. İlker TOPCU. Dr. Özgür KABAK web.itu.edu.tr/kabak/
Dr. Y. İlker TOPCU www.ilkertopcu.net www.ilkertopcu.org www.ilkertopcu.info facebook.com/yitopcu twitter.com/yitopcu instagram.com/yitopcu Dr. Özgür KABAK web.itu.edu.tr/kabak/ ÇOK ÖLÇÜTLÜ KARAR VERME
DetaylıBULANIK AHP İLE TEDARİKÇİ SEÇİM PROBLEMİ VE BİR UYGULAMA
BULANIK AHP İLE TEDARİKÇİ SEÇİM PROBLEMİ VE BİR UYGULAMA Hacer GÜNER Pamukkale Üniversitesi Özcan MUTLU Pamukkale Üniversitesi Özet Günümüzün yok edici rekabet ortamında işletmeler, ayakta kalabilmek için
DetaylıDr. Y. İlker TOPCU. Dr. Özgür KABAK web.itu.edu.tr/kabak/
Dr. Y. İlker TOPCU www.ilkertopcu.net www.ilkertopcu.org www.ilkertopcu.info facebook.com/yitopcu twitter.com/yitopcu instagram.com/yitopcu Dr. Özgür KABAK web.itu.edu.tr/kabak/ Dr. Y. İlker Topcu (www.ilkertopcu.net)
DetaylıKiralama Yoluyla Araba Temin Eden Bir İşletmede AHP Yöntemi Uygulaması (*)
Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 2014 18 (2): 337-348 Kiralama Yoluyla Araba Temin Eden Bir İşletmede AHP Yöntemi Uygulaması (*) Ekin Öztoprak (**) Öz: Günümüzde, alternatif sayısının
DetaylıYÖNEYLEM ARAŞTIRMALARI 1
YÖNEYLEM ARAŞTIRMALARI 1 1.HAFTA Amacı:Karar vericiler işletmelerde sahip oldukları kaynakları; insan gücü makine ve techizat sermaye kullanarak belirli kararlar almak ister. Örneğin; en iyi üretim miktarı
DetaylıISSN : 1308-7231 iozdemir@ogu.edu.tr 2010 www.newwsa.com Istanbul-Turkey
ISSN:1306-3111 e-journal of New World Sciences Academy 2012, Volume: 7, Number: 1, Article Number: 1A0294 Ömür Tezcan 1 Osman Aytekin 2 Hakan Kuşan 3 Ilker Özdemir 4 Oyak Construction 1 Eskisehir Osmangazi
DetaylıNETWORK MODELİ İLE AĞ ANALİZİ İÇİN ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİYLE KARŞILAŞTIRMALI ÇÖZÜM
NETWORK MODELİ İLE AĞ ANALİZİ İÇİN ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİYLE KARŞILAŞTIRMALI ÇÖZÜM Deniz Koçak Gazi Üniversitesi, İktisadi ve İdari Bilimler, Ekonometri Bölümü, Ankara denizkocak36@gmail.com
DetaylıKISITLI OPTİMİZASYON
KISITLI OPTİMİZASYON SİMPLEKS YÖNTEMİ Simpleks Yöntemi Simpleks yöntemi iteratif bir prosedürü gerektirir. Bu iterasyonlar ile gerçekçi çözümlerin olduğu bölgenin (S) bir köşesinden başlayarak amaç fonksiyonunun
DetaylıTOPSIS yönteminin adımları 5 Adım 1. Normalize karar matrisinin oluşturulması 6 Karar matrisinin normalizasyonu aşağıdaki formül kullanılarak yapılır:
Giriş 2 TOPSIS Bölüm 5 TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) 1981 yılında Hwang ve Yoon tarafından geliştirilmiştir. Uygulanması basit, ulaşılan sonuçlar çok gerçekçidir.
DetaylıAHP VE VIKOR YÖNTEMLERİ İLE AVRUPA BİRLİĞİ NE ÜYE ÜLKELER VE TÜRKİYE NİN EKONOMİK PERFORMANSLARININ DEĞERLENDİRİLMESİ
İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi Yıl: Özel Sayı: Bahar 0/ s.- AHP VE VIKOR YÖNTEMLERİ İLE AVRUPA BİRLİĞİ NE ÜYE ÜLKELER VE TÜRKİYE NİN EKONOMİK PERFORMANSLARININ DEĞERLENDİRİLMESİ
Detaylı28 C j -Z j /2 0
3.2.6. Dual Problem ve Ekonomik Yorumu Primal Model Z maks. = 4X 1 + 5X 2 (kar, pb/gün) X 1 + 2X 2 10 6X 1 + 6X 2 36 8X 1 + 4X 2 40 (işgücü, saat/gün) (Hammadde1, kg/gün) (Hammadde2, kg/gün) 4 5 0 0 0
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTIRMA MODELİNİN TANIMI Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
DetaylıKarar Destek Sistemleri. Bölüm 1: Karar Destek Sistemleri-Genel Kavramlar. Karar Verme 20.10.2014
Karar Destek Sistemleri Bölüm 1: Karar Destek Sistemleri-Genel Kavramlar Bölüm 2: CBS Tabanlı Çok Ölçütlü Karar Analizi Bölüm 3: Karmaşık Problemler için Analitik Hiyerarşi Yönteminin Kullanılması Yrd.
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıBULANIK TOPSİS YÖNTEMİYLE TELEFON OPERATÖRLERİNİN DEĞERLENDİRİLMESİ
BULANIK TOPSİS YÖNTEMİYLE TELEFON OPERATÖRLERİNİN DEĞERLENDİRİLMESİ 1 İpek Nur Erkmen ve 2 Özer Uygun 1 Karabük-Sakarya Ortak Program, Fen Bilimleri Enstitüsü Endüstri Mühendisliği ABD, 2 Sakarya Üniversitesi
DetaylıAkademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 43, Nisan 2017, s
Akademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 43, Nisan 2017, s. 580-591 Yayın Geliş Tarihi / Article Arrival Date Yayınlanma Tarihi / The Publication Date 18.01.2017 01.04.2017 Sümeyye Nur KARA
DetaylıYöneylem Araştırması I Dersi 2. Çalışma Soruları ve Cevapları/
Yöneylem Araştırması I Dersi 2. Çalışma Soruları ve Cevapları/25.12.2016 1. Bir deri firması standart tasarımda el yapımı çanta ve bavul üretmektedir. Firma üretmekte olduğu her çanta başına 400TL, her
DetaylıDOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY)
DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY) 1 DOĞRUSAL PROGRAMLAMADA İKİLİK (DUALİTE-DUALITY) Doğrusal programlama modelleri olarak adlandırılır. Aynı modelin değişik bir düzende oluşturulmasıyla Dual (İkilik)
DetaylıPERFORMANS ÖLÇÜMÜNDE DENGELENMİŞ SKOR KART VE ANALİTİK HİYERARŞİ PROSESİ ENTEGRASYONU
Yıl: 2014, Cilt:7, Sayı:1, Sayfa: 7-28 PERFORMANS ÖLÇÜMÜNDE DENGELENMİŞ SKOR KART VE ANALİTİK HİYERARŞİ PROSESİ ENTEGRASYONU Bahar Özyörük 1, Yeşim Şirin 2, Tansu Yoksulabakan 3, Mustafa Şanver 4, M. Aykut
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z
DetaylıA t a b e y M e s l e k Y ü k s e k O k u l u İstatistik Sunum 4 Öğr.Gör. Şükrü L/O/G/O KAYA www.sukrukaya.org www.themegallery.com 1 Yer Ölçüleri Yer ölçüleri, verilerin merkezini veya yığılma noktasını
DetaylıAnalitik Hiyerarşi Prosesi Yöntemi İle Tarımsal Araştırma Projelerinin Değerlendirilmesi ve Seçimi
Toprak Su Dergisi, 2015,4 (2): (41-48) Analitik Hiyerarşi Prosesi Yöntemi İle Tarımsal Araştırma Projelerinin Değerlendirilmesi ve Seçimi Ayla ALTUN 1* Yasemin DEMİR 1* 1 Toprak Gübre ve Su Kaynakları
DetaylıOTOMOTİV SEKTÖRÜNDE FAALİYET GÖSTEREN BİR FİRMADA TEDARİKÇİ SEÇİMİ: AHP-BULANIK AHP VE TOPSIS UYGULAMASI
BEYKENT ÜNİVERSİTESİ FEN VE MÜHENDİSLİK BİLİMLERİ DERGİSİ Sayı 9(1) 2016, 43 83 OTOMOTİV SEKTÖRÜNDE FAALİYET GÖSTEREN BİR FİRMADA TEDARİKÇİ SEÇİMİ: AHP-BULANIK AHP VE TOPSIS UYGULAMASI Cemil ÇELİK (cemil.celik@kocaeli.edu.tr)
DetaylıOTOMOBİL SATIN ALMA PROBLEMİ İÇİN BİR KARAR DESTEK MODELİ
İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl: 5 Sayı:10 Güz 2006/2 s. 4349 OTOMOBİL SATIN ALMA PROBLEMİ İÇİN BİR KARAR DESTEK MODELİ Ümit TERZİ*, Sinan Emre HACALOĞLU**, Zerrin ALADAĞ*** ÖZET
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTıRMA MODELININ TANıMı Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
DetaylıPERSONEL SEÇİM PROBLEMİ İÇİN DOĞRUSAL FİZİKİ PROGRAMLAMA YAKLAŞIMI A LINEAR PYHSICAL PROGRAMMING APPROACH TO PERSONNEL SELECTION PROBLEM
İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl: 14 Sayı: 28 Güz 2015 s. 15-28 Araştırma Makalesi PERSONEL SEÇİM PROBLEMİ İÇİN DOĞRUSAL FİZİKİ PROGRAMLAMA YAKLAŞIMI Mehmet Ali ILGIN 1 Eda DEĞİRMENCİ
DetaylıEM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş Dr. Özgür Kabak Doğrusal Olmayan Programlama Eğer bir Matematiksel Programlama modelinin amaç fonksiyonu ve/veya kısıtları doğrusal değil
DetaylıMehmet KARA Bozok Üniversitesi İİBF İşletme Bölümü E-posta: mehmetkara44@yahoo.com
ÜNİVERSİTE ÖĞRENCİLERİN İŞLETME BÖLÜMÜNÜ SEÇMELERİNDE ETKİLİ OLAN ÖNCELİKLİ FAKTÖRLERİN ANALİTİK HİYERARŞİ PROSESİ METODU İLE ANALİZİ: BOZOK ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİNDE BİR UYGULAMA
DetaylıSimpleks Yöntemde Duyarlılık Analizleri
3.2.4. Simpleks Yöntemde Duyarlılık Analizleri Duyarlılık analizinde doğrusal programlama modelinin parametrelerindeki değişikliklerinin optimal çözüm üzerindeki etkileri araştırılmaktadır. Herhangi bir
DetaylıBir Doğrusal Programlama Modelinin Genel Yapısı
Bir Doğrusal Programlama Modelinin Genel Yapısı Amaç Fonksiyonu Kısıtlar M i 1 N Z j 1 N j 1 a C j x j ij x j B i Karar Değişkenleri x j Pozitiflik Koşulu x j >= 0 Bu formülde kullanılan matematik notasyonların
DetaylıProje Portföyü Seçiminde Çok Boyutlu Sırt Çantası Modeli ve Bulanık Analitik Hiyerarşi Prosesi
EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Cilt: 4 Sayı: 3 Temmuz 204 ss. 493-498 Proje Portföyü Seçiminde Çok Boyutlu Sırt Çantası Modeli ve Bulanık Analitik Hiyerarşi Prosesi Multidimensional Knapsack
DetaylıANALİTİK HİYERARŞİ SÜRECİ VE MOORA YÖNTEMLERİNİN PERSONEL SEÇİMİNDE UYGULANMASI
İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl: 13 Sayı: 25 Bahar 2014 s. 1-14 ANALİTİK HİYERARŞİ SÜRECİ VE MOORA YÖNTEMLERİNİN PERSONEL SEÇİMİNDE UYGULANMASI Serap TEPE *, Ali GÖRENER Geliş:
DetaylıBİR KONFEKSİYON İŞLETMESİNDE ANAHTAR MÜŞTERİNİN TOPSIS ÇOK KRİTERLİ KARAR VERME METODU KULLANILARAK BELİRLENMESİ
ÖZET XIII. Uluslararası İzmir Tekstil ve Hazır Giyim Sempozyumu BİR KONFEKSİYON İŞLETMESİNDE ANAHTAR MÜŞTERİNİN TOPSIS ÇOK KRİTERLİ KARAR VERME METODU KULLANILARAK BELİRLENMESİ Eda Acar, Mücella Güner
DetaylıGerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma
2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal
DetaylıDOĞRUSAL OLMAYAN PROGRAMLAMA -I-
DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan
DetaylıVİKOR-MAUT YÖNTEMLERİ KULLANILARAK ÇUKUROVA BÖLGESEL HAVAALANI YERİ SEÇİMİ
VİKOR-MAUT YÖNTEMLERİ KULLANILARAK ÇUKUROVA BÖLGESEL HAVAALANI YERİ SEÇİMİ Medine Nur Türkoğlu ve * 2 Yrd. Doç. Dr. Özer Uygun Karabük Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü, Türkiye
DetaylıKorelasyon. Korelasyon. Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır.
Korelasyon Korelasyon Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır. Biz şimdi, bir değişkenin özelliklerini diğer değişkenle olan ilişkisine
Detaylıdoğrusal programlama DOĞRUSAL PROGRAMLAMA (GENEL)
DOĞRUSAL PROGRAMLAMA (GENEL) Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik biçiminde verilmesi durumunda amaca
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıEXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME
EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME GİRİŞ Bu bölümde benzetim için excel örnekleri önerilmektedir. Örnekler excel ile yapılabileceği gibi el ile de yapılabilir. Benzetim örnekleri
DetaylıOptimizasyon İçin Kök(Generic) Model (Doğrusal-Olmayan Programlama Modeli)
ISLE 403 YÖNEYLEM ARAŞTIRMASI I DERS 2 NOTLAR Optimizasyon İçin Kök(Generic) Model (Doğrusal-Olmayan Programlama Modeli) X, karar değişkenlerinin bir vektörü olsun. z, g 1, g 2,...,g m fonksiyonlardır.
DetaylıGİRİŞİMCİLİK (HARİTA MÜHENDİSLİĞİ BÖLÜMÜ) DERS NOTLARI. Doç. Dr. Volkan YILDIRIM yvolkan@ktu.edu.tr Karadeniz Teknik Üniversitesi, GISLab Trabzon
GİRİŞİMCİLİK (HARİTA MÜHENDİSLİĞİ BÖLÜMÜ) DERS NOTLARI Doç. Dr. Volkan YILDIRIM yvolkan@ktu.edu.tr Karadeniz Teknik Üniversitesi, GISLab Trabzon www.gislab.ktu.edu.tr GİRİŞİMCİLİK 1. İŞLETMELERİN KURULUŞ
DetaylıSoru 1: (20 puan)aşağıdaki sorularda parantez içine doğru olduğunu düşündüğünüz ifadeler için D yanlış olduğunu düşündüğünüz ifadeler için Y yazınız.
Soru 1: (20 puan)aşağıdaki sorularda parantez içine doğru olduğunu düşündüğünüz ifadeler için D yanlış olduğunu düşündüğünüz ifadeler için Y yazınız. ( D ) 1. Yüksek talep dönemlerinde müşteriyi (sipârişi)
DetaylıGenel Graf Üzerinde Mutlak 1-merkez
Genel Graf Üzerinde Mutlak 1-merkez Çözüm yöntemine geçmeden önce bazı tanımlara ihtiyaç vardır. Dikkate alınan G grafındaki düğümleri 1 den n e kadar numaralandırın. Uzunluğu a(i, j)>0 olarak verilen
DetaylıOYUN TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü
OYUN TEORİSİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü TANIM ''Oyun Teorisi'', iki yada daha fazla rakibi belirli kurallar altında birleştirerek karşılıklı olarak çelişen olasılıklar
DetaylıDuyarlılık Analizi, modelde veri olarak kabul edilmiş parametrelerde meydana gelen değişimlerin optimum çözüme etkisinin incelenmesidir.
ISLE 403 YÖNEYLEM ARAŞTIRMASI I DERS IV NOTLAR Bağlayıcı Kısıtlar ve Bağlayıcı Olmayan Kısıtlar: Bağlayıcı Kısıtlar, denklemleri optimum çözüm noktasında kesişen kısıtlardır. Bağlayıcı-Olmayan Kısıtlar,
DetaylıDers 10. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay. Simpleks Yöntemine Giriş Alıştırmalar 10
Bölüm 10 Ders 10 Simpleks Yöntemine Giriş 10.1 Alıştırmalar 10 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay 197 198 BÖLÜM 10. DERS 10 1. Soru 1 1. Aşağıda verilen simpleks tablolarında temel, temel olmayan,
DetaylıHarran Üniversitesi Mühendislik Dergisi. Analitik Hiyerarşi Prosesi ve Hedef Programlama Karma Modeli Kullanılarak Monoray Projelerinin Seçimi
Harran Üniversitesi Mühendislik Dergisi Harran Üniversitesi Harran University Journal of Engineering HU Muh. Der. 02 (2017) p.24-34 HU J. of Eng. 02 (2017) p.24-34 Analitik Hiyerarşi Prosesi ve Hedef Programlama
DetaylıÇok Amaçlı Karar Verme
Çok Amaçlı Karar Verme [multi criteria decision making] Erdem Kocamustafaoğulları The George Washington University erdemk@gwu.edu Çok Kriterli Karar Verme Semineri Amaçlar Neden Çok Kriterli Karar Verme
DetaylıÖzel Hastane Seçim Kriterlerinin Analitik Hiyerarşi Prosesi ile Değerlendirilmesi ve Kocaeli İli Uygulaması
2017 Published in 5th International Symposium on Innovative Technologies in Engineering and Science 29-30 September 2017 (ISITES2017 Baku - Azerbaijan) Özel Hastane Seçim Kriterlerinin Analitik Hiyerarşi
DetaylıFakülte Kurulması Uygun Olan İlçelerin AHP Yöntemiyle Belirlenmesi: Muğla İli Örneği *
Uluslararası Alanya İşletme Fakültesi Dergisi International Journal of Alanya Faculty of Business Yıl:2012, C:4, S:1, s.1-15 Year:2012, Vol:4, No:1, s. 1-15 Fakülte Kurulması Uygun Olan İlçelerin AHP Yöntemiyle
DetaylıANALİTİK HİYERARŞİ SÜRECİ İLE AĞIRLIKLANDIRILMIŞ DİNAMİK PROGRAMLAMA MODELİNİN SATIN ALMA SÜRECİNE UYGULANMASI
ANALİTİK HİYERARŞİ SÜRECİ İLE AĞIRLIKLANDIRILMIŞ DİNAMİK PROGRAMLAMA MODELİNİN SATIN ALMA SÜRECİNE UYGULANMASI DOI NO:10.5578/jeas.9257 ÖZ ALİ ÖZDEMİR * BEGÜM DEMİRER ** Karar verme, işletmeler için çok
Detaylıii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C.
C.1) x1 x 1 4 4( x1) x 6 4x 4 x 6 x 46 x Maliye Bölümü EKON 10 Matematik I / Mart 018 Proje CEVAPLAR C.) i) S LW WH LW WH S LW WH S W W W S L H W ii) S LW WH WH LW S WH LW S W W W S H L W C.) ( x1) 5(
DetaylıTurkish Research Journal of Academic Social Science
Turkish Research Journal of Academic Social Science, 1(1): 15-20, 2018 Turkish Research Journal of Academic Social Science Available online, ISSN: 2667-4491 www.turkishsocialscience.com Turkish Science
DetaylıVakıf Üniversitesi Tercihinin Analitik Hiyerarşi Süreci İle Belirlenmesi VAKIF ÜNİVERSİTESİ TERCİHİNİN ANALİTİK HİYERARŞİ SÜRECİ İLE BELİRLENMESİ
VAKIF ÜNİVERSİTESİ TERCİHİNİN ANALİTİK HİYERARŞİ SÜRECİ İLE BELİRLENMESİ Nihan ÖZGÜVEN 1 Özet: Günümüzde, devlet üniversitelerinin sayısının artmasıyla beraber vakıf üniversitelerinin de sayısı artmıştır.
DetaylıİNSAN KAYNAKLARI YÖNETİMİ
0.0.0 İNSAN KAYNAKLARI YÖNETİMİ T.C. Marmara Üniversitesi İşletme Fakültesi vturker@marmara.edu.tr. DERS İKY - Teknik (Fonksiyonel) Kapsamı. Fonksiyon: İŞ DEĞERLEME İŞ DEĞERLEMESİ İşletme yönetiminin ücret
Detaylı360 DERECE PERFORMANS DEĞERLENDİRME YÖNTEMİNİN AHP ANALİZİ İLE KARŞILAŞTIRILMASI VE BİR UYGULAMA ÖZET
360 DERECE PERFORMANS DEĞERLENDİRME YÖNTEMİNİN AHP ANALİZİ İLE KARŞILAŞTIRILMASI VE BİR UYGULAMA Ferhat GÜNGÖR 1, Mehmet Ali BİBERCİ 2 1 Marmara Üniversitesi, 2 Marmara Üniversitesi Teknik Eğitim Fakültesi,
DetaylıÇOK ÖLÇÜTLÜ KARAR VERME PROF. DR. İBRAHİM ÇİL
ÇOK ÖLÇÜTLÜ KARAR VERME PROF. DR. İBRAHİM ÇİL 1 Bu bölümde; Çok ölçütlü karar verme yöntemlerini tanıyacağız. Özellikle anlatılacaktır. SMART ve ELECTRE yöntemleri üzerinde durulacaktır. Çok ölçütlü karar
DetaylıOlimpiyat Soruları. sonuçları tekrar fonksiyonda yerine koyup çıkan tüm sonuçları toplayan program (iterasyon sayısı girilecek)
HAZIRLAYAN MUSA DEMIRELLI BISHKEK KYRGYZ TURKISH BOYS HIGH SCHOOL education.online.tr.tc compsources0.tripod.com Olimpiyat Soruları 1- Bir diziyi ters çeviren algoritma ve program 2- Bir diziyi sıralayan
DetaylıDuyarlılık analizi, bir doğrusal programlama probleminde belirlenen katsayı değerlerinin
DUYARLILIK ANALİZİ Duyarlılık analizi, bir doğrusal programlama probleminde belirlenen katsayı değerlerinin değişmesinin problemin optimal çözümü üzerine etkisini incelemektedir. Oluşturulan modeldeki
DetaylıANALİTİK HİYERARŞİ YÖNTEMİNİN FASON İŞLETME SEÇİMİNDE KULLANILMASI
ANALİTİK HİYERARŞİ YÖNTEMİNİN FASON İŞLETME SEÇİMİNDE KULLANILMASI USING ANALYTIC HIERARCHY PROCESS FOR CHOOSING THE SUB-CONTRACTOR Yard. Doç. Dr. Mücella GÜNER Ege Ü. Tekstil Mühendisliği Bölümü ÖZET
DetaylıTedarik Zinciri Yönetimi
Tedarik Zinciri Yönetimi -Tedarikçi Seçme Kararları- Yrd. Doç. Dr. Mert TOPOYAN Satın Alma Bir ișletme, dıșarıdan alacağı malzeme ya da hizmetlerle ilgili olarak satın alma (tedarik) fonksiyonunda beș
DetaylıKONU 3: DOĞRUSAL PROGRAMLAMA PROBLEMLERİ İLE İLGİLİ ÖRNEKLER
KONU 3: DOĞRUSAL PROGRAMLAMA PROBLEMLERİ İLE İLGİLİ ÖRNEKLER Örnek 1: Bir boya fabrikası hem iç hem dış boya üretiyor. Boya üretiminde A ve B olmak üzere iki tip hammadde kullanılıyor. Bir günde A hammaddesinden
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıDr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net
Bilgisayar Programlama Ders 9 Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net Dizileri Fonksiyonlara Dizileri Fonksiyonlara Bir dizi argümanını fonksiyon içinde bir değer olarak kullanabilmek
DetaylıANALİTİK HİYERARŞİ PROSES İLE AKILLI TELEFON SEÇİMİ ANALYTIC HIERARCHY PROCESS WITH SMARTPHONE SELECTION
Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Y.2014, C.19, S.4, s.225-239. Suleyman Demirel University The Journal of Faculty of Economics and Administrative Sciences Y.2014,
DetaylıSÜREKLİ RASSAL DEĞİŞKENLER
SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.
DetaylıKARAR TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü
KARAR TEORİSİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü Karar Ortamları Karar Analizi, alternatiflerin en iyisini seçmek için akılcı bir sürecin kullanılması ile ilgilenir. Seçilen
DetaylıÖZDEĞERLER- ÖZVEKTÖRLER
ÖZDEĞERLER- ÖZVEKTÖRLER GİRİŞ Özdeğerler, bir matrisin orijinal yapısını görmek için kullanılan alternatif bir yoldur. Özdeğer kavramını açıklamak için öncelikle özvektör kavramı ele alınsın. Bazı vektörler
DetaylıHarran Üniversitesi Mühendislik Dergisi. Analitik Hiyerarşi Prosesi ve VIKOR Yöntemleri ile Hava Savunma Sanayisinde Yatırım Projesi Seçimi
Harran Üniversitesi Harran Üniversitesi Mühendislik Dergisi Harran University Journal of Engineering HU Muh. Der. 02 (2017) p.35-53 HU J. of Eng. 02 (2017) p.35-53 Analitik Hiyerarşi Prosesi ve VIKOR Yöntemleri
DetaylıAlgoritmalar ve Karmaşıklık
Algoritmalar ve Karmaşıklık Ders 11 Algoritma Ayrık matematikte karşılaşılan bir çok problem sınıfı mevcuttur. Örneğin, verilen tamsayı grubu içindeki en büyük olanının bulunması, verilen bir kümenin bütün
DetaylıKONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I
KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I 4.1. Dışbükeylik ve Uç Nokta Bir d.p.p. de model kısıtlarını aynı anda sağlayan X X X karar değişkenleri... n vektörüne çözüm denir. Eğer bu
DetaylıRASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
DetaylıBaşlangıç Temel Programının Bilinmemesi Durumu
aşlangıç Temel Programının ilinmemesi Durumu İlgili kısıtlarda şartlar ( ) ise bunlara gevşek (slack) değişkenler eklenerek eşitliklere dönüştürülmektedir. Ancak sınırlayıcı şartlar ( ) veya ( = ) olduğu
DetaylıBİR İŞLETMEDE TEDARİKÇİ SEÇİMİNE YÖNELİK BİR MODEL VE UYGULAMASI
32 Osmangazi Üniversitesi Müh.Mim.Fak.Dergisi C.XIV, S.1, 2001 Eng.&Arch.Fac.Osmangazi University, Vol.XIV, No 1, 2001 BİR İŞLETMEDE TEDARİKÇİ SEÇİMİNE YÖNELİK BİR MODEL VE UYGULAMASI İnci SARIÇİÇEK 1,
DetaylıÇ.Ü. Fen ve Mühendislik Bilimleri Dergisi Yıl:2016 Cilt:34-5
BULANIK AHP İLE PERSONEL SEÇİMİ VE ADANA İLİNDE UYGULAMASI Personel Selection With Fuzzy Analytıcal Hıerarchy Process and Applıcatıon ın ADANA Cennet Beste ÖNEL Endüstri Mühendisliği Ana Bilim Dalı Oya
DetaylıÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA
ÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA KONU 10 Doç. Dr. Fazıl GÖKGÖZ 1 Genel Bilgiler Lineer programlama kapsamına tek bir amaç fonksiyonu uruma göre maksimize veya minimize eilmekteir. Ancak, gerçek
Detaylı