BALİ KHO BİLİM DERGİSİ CİLT:23 SAYI:2 YIL:2013. BULANIK BOYUT ANALİZİ ve BULANIK VIKOR İLE BİR ÇNKV MODELİ: PERSONEL SEÇİMİ PROBLEMİ.

Transkript

1 BULANIK BOYUT ANALİZİ ve BULANIK VIKOR İLE BİR ÇNKV MODELİ: PERSONEL SEÇİMİ PROBLEMİ Özkan BALİ ÖZET Personel seçm organzasyonların başarısını etkleyen en öneml problemlerden brdr. Bu seçm, belrszlk çeren br karar verme sürecdr. Genellkle br heyet tarafından belrlenmş ntelklere göre en y aday uzlaşık br karar le belrlenmeye çalışılır. Bu sebeple, bu çalışmada bulanık kl karşılaştırmalı boyut analz ve bulanık VIKOR (VlsekrterumskaOptmzaca I KompromsnoResene) yöntemlernden yararlanılarak personel seçm problem çn bulanık küme temell br çok ntelkl karar verme (ÇNKV) model önerlmektedr. Ntelklern önem derecelernn belrlenmes amacıyla kl karşılaştırma mkânı veren bulanık boyut analz ve adayların değerlendrlmes çn uzlaşık karar sağlayan bulanık VIKOR teknkler kullanılmaktadır. Önerlen ÇNKV modelnn etknlğn ve uygulanablrlğn göstermek çn model, öğretm görevls seçm problemne uygulanmaktadır. Çalışmanın sonucunda, önerlen bulanık küme temell ÇNKV modelnn alternatflern sıralanması ve en uygun olanın seçmnde uzlaşık çözüm sağladığı görülmektedr. Anahtar Kelmeler: Bulanık Boyut Analz, Bulanık VIKOR, Personel Seçm. A MADM MODEL BY FUZZY EXTENT ANALYSIS AND FUZZY VIKOR: PERSONNEL SELECTION PROBLEM ABSTRACT Personnel selecton s the most mportant problems affectng the success of the organzatons. Ths selecton s a decson makng process ncludng uncertanty. Generally, the best canddate s tred to fnd wth a compromse decson by a commttee accordng to attrbutes determned. Therefore, n ths study a mult attrbutes decson makng (MADM) model based on fuzzy set s proposed for personnel selecton problem utlzng fuzzy par wse comparson extent analyss and fuzzy VIKOR (VlsekrterumskaOptmzaca I KompromsnoResene) method. Fuzzy extent analyss enablng par wse comparson s used to determne mportance degree and weghts of attrbutes; fuzzy VIKOR technque provdng compromse soluton s exploted to evaluate canddates. To show effcency and applcablty of the proposed MADM model, t s appled to lecturer selecton problem. As a result of the study, the proposed MADM model based on fuzzy set are shown to provde rankng of alternatves and select the most approprate one. Keywords: Fuzzy Extent Analyss, Fuzzy VIKOR, Personnel Selecton. Yrd.Doç.Dr.,SavunmaBlmlerEnsttüsü, dr.ozkanbal@gmal.com 25

2 . GİRİŞ Personel seçm, br pozsyona veya tanımlı br şe gerekl ntelkler sağlayan breyler arasından en y olanın veya olanların seçlmes sürecdr. Doğru personel seçm, dünyamızın küreselleşmes ve rekabetn artmasıyla şrket yada kurumların başarısında öneml br rol oynamaktadır. Eğer boş pozsyona seçlen adayın uzun br süre kurumda çalışması planlanıyorsa ve sahp olduğu yetenekler ve blgs le kuruma büyük katkılar yapması beklenyorsa bu durumda personel seçmnn stratek br karar olduğu söyleneblr. Genelde, yazın ncelendğnde nsan kaynakları yönetmnde personel seçm kararlarında yardımcı olması çn özgeçmş, mülakat, değerlendrme merkezler, ş blgs testler, örnek çalışma testler, blşsel testler, ve kşlk testlern konu alan brçok çalışmaya rastlanmaktadır (Chen ve Chen, 2008). Bunun yanında çok ntelkl karar verme (ÇNKV) teknklernden faydalanan personel seçm le lgl çalışmaların sayısı da yazında artmaktadır. Personel seçmnde hem obektf hem de sübektf değerlendrme ntelklernn dkkate alınması gerekmektedr (Karsak, 200). Yazında personel seçmn ele alan ÇNKV çalışmaları mevcuttur: Dağdevren ve Yüksel (2007) önerdkler modelde yer alan faktörlern küresel ağırlıkları Analtk Ağ Sürecyle (ANP) belrlenmekte ve bu ağırlıklar kullanılarak faktörler temelnde gelştrlen ölçekler le br personel seçm algortması önerlmektedr. Göleç ve Kahya (2007) yetenek tabanlı çalışan seçm ve değerlendrlmes çn dlsel değşkenler yardımıyla bulanık br model önermektedr. Lang ve Wang (994) obektf ve sübektf değerlendrme le personel seçmek çn br bulanık ÇNKV algortması sunmaktadır. Karsak (200) en uygun adayın seçm çn deal ve ant-deal çözüm konseptn temel alan br bulanık ÇNKV çerçeves önermektedr. Petrovc- Lazarevc (200) boş br pozsyon çn uygun olan ve olmayan personel arasında ayırt etme sürecnde karar verclern sübektf değerlendrmelern mnmze etmek çn kısa lste ve şe alma kararından oluşan k sevyel br bulanık personel seçm yaklaşımı gelştrmektedr. Capaldo ve Zollo (200) personel değerlendrme etknlğn gelştrmek çn 26

3 bulanık br model sunmaktadır ve önerdkler yöntem büyük br İtalyan şrketnde örnek olay olarak uygulamaktadır. Bal ve Gencer (2005) Analtk Hyerarş Sürec (AHP), bulanık AHP ve bulanık küme teorsnden üretlmş çeştl teknkler kullanarak Kara Harp Okulu na öğretm elemanı seçm problemne uygulamaktadır. Sonuçta, çeştl yöntemlern probleme uygulanmasıyla elde edlen sonuçlar ve sıralamalar karşılaştırılmaktadır. Chen ve Cheng (2005) metrk mesafe le bulanık sayıların derecelendrlmes yaklaşımının etknlğn göstermek amacıyla blg sstemler personel seçm problemn kullanmaktadır. Gbney ve Shang (2007) dekan seçm çn AHP teknğn kullanmaktadır. Güngör vd. (2009) personel seçm sürecnde AHP den faydalanmaktadır. Dursun ve Karsak (2009) bulanık blg füzyonu, 2-demetl dlsel temsl model ve TOPSIS (Technquefororderperformancebysmlartyto deal soluton) yöntemn temel alan br bulanık ÇNKV algortması gelştrmektedr. Dağdevren (200) malat sstemlernde personel seçm sürecnde ANP ve TOPSIS yöntemn brleştren br melez model sunmaktadır. Gürbüz (200) çalışanların performansının değerlendrlmes çn Choquet İntegral kullanarak br ÇNKV yaklaşımı önermektedr. Çelk vd. (2009) denzclk fakültelernde akademk personel seçm ve gelşmn yönetmek çn çok ntelk altında çok aşamalı br bulanık değerlendrme model önermektedr. Bu modelde bulanık AHP, Buckley's algortması, bulanık TOPSIS gb yöntemler kapsayan bütünleşk br yaklaşım kullanılmaktadır. Kelemens ve Askouns (200) br organzasyonun başarısında öneml br etkye sahp kalfye nsan kaynakları seçm amacıyla bulanık TOPSIS model sunmaktadır. Chen ve Chen (2008) özellkle yüksek teknolo şrketlernde personel seçm çn karar ağaçlarını temel alan br ver madenclğ çerçeves gelştrmektedr. Ln (2009) personel seçm veya ş yerleştrme problem çn k yönlü bulanık br yaklaşım sunarken karışık tamsayılı programlamadan yararlanmaktadır. Malnowsk vd. (2008) takım çalışması çn üyelern seçmnde teknk yetenekler yanında kş le takım üyeler arasındak uyumu da dkkate alan br karar destek sstem önermektedr. 27

4 Genellkle personel seçm amacıyla br heyet (karar verme grubu) teşkl edlmekte ve karar verme grubunun alternatf kşler arasından en y olanı seçmes hedeflenmektedr. Dolayısıyla özellkle personel seçmnde karar verme grubundak breylern en y adayın seçmnde görüşlernde uzlaşı sağlanması gerekmektedr. Dğer yandan karar verme sürecnn doğasında, karar verclern blg yeterszlğ, net değerlendrememe, ntelklern öznellk göstermes gb sebeplerden belrszlk mevcuttur. Bu sebeple, bu çalışmada adayların değerlendrlmes çn uzlaşık br karar sağlayan bulanık VIKOR yöntemnden yararlanılmaktadır. Dğer yandan personel seçmnde kullanılan ntelklern değerlendrmes ve önem derecelernn belrlenmes maksadıyla dlsel değşkenler le kl karşılaştırma olanağı veren bulanık boyut analz kullanılmaktadır. Sonuç olarak, çalışmamızda personel seçm problemler çn bulanık boyut analz ve bulanık VIKOR yöntemlernn lk kez brlkte kullanıldığı uzlaşık br çözüm sağlayan br ÇNKV yaklaşımı önerlmektedr. Çalışmanın kalan bölümler şöyle organze edlmştr: İknc bölümde bulanık küme teors açıklanmaktadır. Üçüncü bölümde bulanık VIKOR yöntem anlatılmaktadır. Dördüncü bölümde personel seçm çn önerlen model sunulurken, beşnc bölümde önerlen yaklaşımın uygulandığı br öğretm görevls seçm örneğne yer verlmektedr. Son bölümde se sonuç ve gelecek çalışmalara yer verlmektedr. 2. Bulanık Küme Teors Bulanık küme teors (BKT) lk kez Zadeh tarafından 965 yılında ortaya atılmıştır. Bu bölümde BKT le lgl bazı tanımlara yer verlmektedr. Tanım : Eğer X, x le elde edlen nesnelerden oluşuyor se br bulanık küme A X 'de sıralı çftlern br kümesdr. A = {( x, µ A( x)) x X}, µ A(x) A 'da x 'n üyelk fonksyonu olarak adlandırılır ve [0,] değerler alır. A : X [0,]. 28

5 Tanım 2: Br bulanık sayı br konvekstr ve X 'n normal bulanık alt kümesdr. Burada konveks küme aşağıdak gb fade edlr: x, x2 X, λ [0,], µ A( λx + ( λ) x2 ) mn ( µ A ( x ), µ A( x2 ))., le gösterlr ve üyelk fonksyonu aşağıdak gb tanımlanır: x l, l x m m l u x µ ( x) =, m x u A u m 0, dger durumlarda Üçgen bulanık sayılarla lgl bazı temel şlemler aşağıda verlmektedr. Burada A ve B brer bulanık küme olmak üzere A = ( l, m, u ), l m u ve B = ( l2, m2, u2 ), l2 m2 u2 olarak üçgen bulanık sayılarla gösterlsn. A ( + ) B = ( l, m, u )( + )( l2, m2, u2 ) = ( l + l2, m + m2, u + u2) A( ) B = ( l, m, u) ( ) ( l2, m2, u2 ) = ( l u2, m m2, u l2) A ( ) B = ( l, m, u )( )( l2, m2, u2 ) = ( ll2, mm2, uu 2) A ( ) B = ( l, m, u )( )( l2, m2, u2 ) = ( l / u2, m / m2, u / l2) ka = kl, km ku Tanım 3: Br üçgen bulanık sayı (ÜBS) A bulanık kümes çn ( l m, u) (, ) A = ( / u,/ m,/ l ) 3. Bulanık VIKOR VIKOR (Çok krterl optmzasyon ve uzlaşık çözüm) lk kez Oprcovc (998) tarafından karmaşık sstemlern çok krterl optmzasyonu çn ortaya atılmasına rağmen çok krterl karar verme problemlerne uygulanışı lk kez Oprcovc ve Tzeng (2004) tarafından gerçekleştrlmştr. VIKOR yöntem, çelşkl ntelkler olduğunda alternatfler sıralama ve en y alternatf seçmeye odaklanırken uzlaşık çözüm sağlar. Uzlaşık çözümün deal çözüme en yakın çözüm olması beklenr ve bu deal çözüme yakınlık 29

6 ölçüsünü temel alan çok ntelkl sıralama ndeks belrl şartlar altında oluşturulur (Oprcovc, 998). Uzlaşık sıralama, deal çözüme yakınlık ölçüsünü karşılaştırarak uygulanablr. Yazında rastlanan VIKOR yöntemnn uygulandığı çalışmalardan bazıları şunlardır: alternatf ener kaynaklarının seçmnde (Kaya ve Kahraman, 200), sgorta şrket seçmnde (Yücenur ve Demrel, 202), toplu taşıma araçları çn alternatf yakıtlı otobüslern analznde (Tzeng vd., 2005), Türkye dek kamu, özel ve yabancı sermayel banka gruplarının performans değerlendrmesnde (Dnçer ve Görener, 20), banka şube performanslarının değerlendrlmesnde (Ertuğrul ve Karakaşoğlu, 2008), restoran yer seçmnde (Tzeng vd., 2002) VIKOR yöntemnden faydalanılmaktadır. Karar verme sürecnde çoğu zaman kesn ve tam blgye ulaşmak zor olduğundan bulanık küme teors VIKOR yöntemne de uygulanarak belrszlk altında karar verme mkânı sağlamak amacıyla bulanık VIKOR yöntem gelştrlmştr (Chen ve Wang, 2009). Bulanık VIKOR'un da yazında çeştl alanlarda uygulandığı görülmektedr. Örneğn; tedarkç seçmnde (Shemshad vd., 20; Akyüz, 202), otomobl parçası malzeme seçm çn çevresel etk analznde (JeyaGrubha ve Vnodh, 202), yazılım gelştrme proelernn değerlendrlmesnde (Büyüközkan ve Ruan, 2008), robot seçmnde (Dev, 20), su kaynakları planlamasında (Oprcovc, 20), blşm sstemler/blşm teknololer proelernde ortak seçmnde (Chen ve Wang, 2009) bulanık VIKOR metodu uygulanmıştır. Bu yöntemn adımları aşağıdak gb özetlenmektedr: Dyelm k n adet karar verc, m adet alternatf ve k adet ntelk olsun. Karar verclern daha kolay değerlendrme yapablmes çn dlsel fadeler ve onlara karşılık gelen bulanık sayıların tanımlanması gerekr. Alternatflern değerlendrlmesnde karar verclern yararlanacağı dlsel fadeler ve ÜBS lar Tablo 'de sunulmaktadır (Chen ve Wang, 2009). 30

7 Tablo. Dlsel Değşkenler ve ÜBS lar Dlsel Değşkenler ÜBS Çok Kötü (ÇK) (0; 0; 2,5) Kötü (K) (0; 2,5; 5) Orta (O) (2,5; 5; 7,5) İy (İ) (5; 7,5; 0) Çok İy (Çİ) (7,5; 0; 0) Adım :Karar verclern değerlendrmelernn brleştrlmes. Karar verclern her br ntelğn önem ağırlığı çn ntelğne göre ve 'nc alternatftek her br alternatfn oranı çn değerlendrmeler Eş. le hesaplanır. ~ x n ~ x e= = n e =, 2,..., m () Adım 2: Bulanık karar matrsnn oluşturulması. Bulanık karar matrs Adım de elde edlen aşağıdak gb oluşturulur. x~ değerler kullanılarak A ~ D = A M A 2 m C ~ x ~ x M ~ xm 2 C ~ x ~ x M ~ x m2 L L L O L C ~ x ~ x k n 2n M ~ x mk =, 2,..., m ; =, 2,..., k (2) Burada x~ göstermektedr. C ntelğne göre A alternatfnn önem derecesn 3

8 Adım 3: Ntelklern fayda veya malyet ntelğ olması dkkate alınarak ~ bulanık en y f ve bulanık en kötü f değerler belrlenmes. Bulanık en y f değer her br ntelk çn alternatflern sahp olduğu en ~ büyük değer gösterrken, bulanık en kötü f değer yne her br ntelk çn alternatflern sahp olduğu en küçük değer fade eder ve Eş. 3 tek gb bulunur. ~ f * = ~ max x, ~ f = ~ mn x (3) Adım 4: S ~ ve R ~ değerlernn hesaplanması S ~ ve R ~ değerler Eş. 4 ve 5 yardımıyla hesaplanır. ( f ~ ~ ~ x )/( f f ) [ w ( f ~ ~ ~ x )/( f f )] ~ n * S = w = R = max (4) (5) Burada w ntelk ağırlıklarını göstermektedr. S ~, A alternatf çn ntelk R ~ se değerlernn bulanık en y değere olan uzaklıklarının toplamıdır. 'nc krtere göre uzaklığıdır. Dğer br fadeyle A alternatfnn bulanık en kötü değere olan en büyük S ~ ve ve en kötü skorlarını göstermektedr. Adım 5: Eş. 6-8 le S, S, S ~, S ~, R, R, R ~ değerler R ~ ve Q ~ değerler hesaplanır. R ~ ve Q ~ değerler hesaplanır. A alternatfnn ortalama 32

9 S = ~ ~ ~ mn S S = max S R = ~ ~ ~ mn R R = max R ~ ~ ~ ~ ~ Q = v S S / S S + v R R / R R ( ) ( ) ( )( ) ( ) (6) (7) (8) Burada S maksmum grup faydasını, R karşıt görüşteklern mnmum pşmanlığını fade etmektedr. Q ~ ndeks grup faydasının ve mnmum pşmanlığın brlkte değerlendrlmesyle hesaplanır. v değer maksmum grup faydasını sağlayan stratenn ağırlığını fade eder. v nn aldığı farklı değerler uzlaşık sonuca etk etmektedr. Örneğn; v >0,5 "çoğunluk oyu", le v =0,5 "uzlaşma", v <0,5 "veto" anlamına gelmektedr. Adım 6: Üçgen bulanık sayı Q ~ durulaştırılır ve Q ~ ndeks elde edlr. Yazında durulaştırma çn brçok yöntem önerlmştr. Bu çalışmada derecelendrlmş ortalama metoduna göre durulaştırma yapılmıştır. Bu ~ C = l, m, u gb br bulanık sayı aşağıdak eştlğe göre yaklaşıma göre ( ) gerçek sayıya dönüştürülür (Kaya ve Kahraman, 200). ( ) ~ l + 4m+ u P C = C = (9) 6 Q ~ ndeksne göre alternatfler sıralanır ve en küçük değere sahp alternatf en uygun olan olarak seçlr. Adım 7: Uzlaşık çözümün belrlenmes çn aşağıda belrtlen şartların sağlanması gerekr. Şart : Kabul edleblr avanta 33

10 Q ndeks değerlerne göre a brnc sıradak ve a knc sıradak alternatflern sıralamadak yern belrtmek üzere, Q ( a ) Q( a ) DQ (0) ( ) DQ= / m eğer m 4 se DQ =0.25 () Şart 2: Karar vermede kararlılık S ve/veya R değerlerne göre yapılan sıralamada brnc sıradak (a ) alternatf yne en y olmalıdır. Eğer Şart sağlanmazsa ve ( Q( a m ) (m) ) Q( a ) < DQ olursa, a ve a aynı uzlaşma çözümü olur. Bununla brlkte a nın oransal avantaı yoktur, bundan dolayı uzlaşma ( m) çözümler a, a,..., a aynıdır. Eğer Şart 2 sağlanmazsa her ne kadar a nın oransal br avantaı olsa da karar vermede tutarlılık yetersz olur. Dolayısıyla uzlaşma çözümler a ve a aynıdır. Adım 8:Uzlaşık çözüm kümesnde şartları sağlayan en küçük sahp alternatf en y çözüm olarak seçlr. Q ~ değerne 4. ÖNERİLEN MODEL Bu bölümde personel seçm çn bulanık boyut analz ve bulanık VIKOR yöntemlernn brleşmnden oluşan ÇNKV model önerlmektedr. Önerlen yöntemn adımları Şekl 'de görülmektedr. 34

11 Karar verclern ntelkler değerlendrmes Bulanık sentetk boyut değerlernn bulunması Karar verclern adayları değerlendrmes Karar verc değerlendrmelernn brleştrlmes ve bulanık karar matrsnn oluşturulması Bulanık en y ve en kötü değerlern belrlenmes S ~ ve R ~ değerlernn hesaplanması S, S ~, R, hesaplanması R ~ ve Q ~ değerler Durulaştırma Uzlaşık çözüm çn şartların kontrolü ve en y adayın belrlenmes Şekl. Personel seçm model Adım : Karar verclern ntelkler değerlendrmes Karar verme grubu Tablo 2'de sunulan dlsel fadeler ve ÜBS ları kullanarak ntelkler kl karşılaştırmalar le değerlendrr. 35

12 Tablo 2. Ntelkler çn dlsel fade ve ÜBS Dlsel İfade ÜBS Karşılık ÜBS Çok Çok Öneml (7/2,4,9/2) (2/9,/4,2/7) Çok Öneml (5/2,3,7/2) (2/7,/3,2/5) Oldukça Öneml (3/2,2,5/2) (2/5,/2,2/3) Az Öneml (2/3,,3/2) (2/3,,3/2) Denk (,,) (,,) Adım 2: Bulanık sentetk boyut değerlernn bulunması Tanım : Dyelm k nesne kümes X { x, x2,..., x n } { u, u u } 2,..., = ve amaç kümes U = le gösterlsn. Chang'ın (992) boyut analz yöntemne göre her br nesne alınır ve her br amaç g ; çn boyut analz sırasıyla uygulanır. Dolayısıyla, her br nesne çn m boyut analz değer elde edlr. Bunu Eş. 2 le göstermek mümkündür: M 2 m g, M g,..., M g burada tüm g, =,2,..., n (2) M ( =,2,..., m) değer ÜBS larla fade edlmektedr. Buna göre Chang'n boyut analz yöntem aşağıdak gb uygulanır: ntelğne göre bulanık sentetk boyut değer ( S ) Eş. 3 le bulunur. S m = = M g n m * M (3) g = = Burada uygulanır. m M g = çn m boyut analz değerlerne bulanık toplama şlem m M g = m = l m, m = = m, u =, =,2,..., n (4) 36

13 buradal en küçük değer, m en uygun değer ve u en yüksek değerdr. n m Mg = = uygulanır, çn se g M ( =,2,..., m) değerlernn bulanık toplama şlem n = m n m n m n m M g = l, m, u (5) = = = = = = = ve daha sonra vektörün ters Eş. 6 gb hesaplanır. n m = = Mg = n u =, n m =, n l = Böylece ntelklern önem derecelern gösteren W ( w w,..., ) (6) =, 2 w n vektörü elde edlr. Burada her br ntelğn önem dereces ÜBS larla gösterlr. Adım 3: Karar verclern adayları değerlendrmes Karar vercler adayları Tablo 'de verlen dlsel fadeler ve ÜBS ları kullanarak değerlendrrler ve böylece her br karar verc çn bulanık karar matrsler elde edlr. Adım 4: Karar verc değerlendrmelernn brleştrlmes ve brleşk bulanık karar matrsnn oluşturulması Karar verclere at karar matrsler Eş. ve 2 kullanılarak brleştrlr ve brleşk bulanık karar matrs elde edlr. Adım 5: Bulanık en y ve en kötü değerlern belrlenmes 37

14 Ntelklern fayda veya malyet özellğ göstermes dkkate alınarak bulanık ~ en y f ve bulanık en kötü f değerler Eş. 3 le belrlenr. Adım 6: S ~ ve Eş. 4 ve 5 kullanılarak S ~ ve Adım 7: S, S, S ~, R, R ~ değerlernn hesaplanması S ~, R, Adım 8: Durulaştırma Bulunan R ~ değerler hesaplanır. R ~ ve Q ~ değerler hesaplanması R ~ ve Q ~ değerler Eş. 6-8 le bulunur. Q ~ ndeks değerler halen ÜBS le gösterlr. Bu aşamada Eş. 9 kullanılarak bulanık edlr. Q ~ ndeks değerler durulaştırılır ve Q değerler elde Adım 9:Uzlaşık çözüm çn şartların kontrolü ve en y adayın belrlenmes Bulanık VIKOR yöntemnde yer alan Şart ve Şart 2 kontroller yapılır. Şartları sağlayan en küçük Q değerne sahp aday en y olarak seçlr. 5. ÖRNEK Bu bölümde personel seçm çn önerlen ÇNKV modelnn uygulanablrlğn göstermek maksadıyla Bal ve Gencer (2005) çalışmasında yer alan br yükseköğretm kurumuna öğretm görevls seçm problem ele alınmaktadır. Yükseköğretm kurumu htyaç duyulan anablm dallarının belrl branşlarında en az yüksek lsans yapmış kşler arasından öğretm görevls almaktadır. Öğretm görevls olablmek çn Yabancı Dl Blgs Sevye Tespt Sınavı (YDS) gb ulusal çapta yapılan yabancı dl 38

15 sınavlarının brnden en az 60 almış olmak, son k yıl çnde Akademk Personel ve Lsansüstü Eğtm Grş Sınavından (ALES) en az 60 ve üzer almış olmak ve yüksek lsans btrme ortalamasının en az üç olması başvuru şartlarındandır. Başvuru şartlarını sağlayan adaylar mülakat sınavına tab tutulmaktadır. Yükseköğretm kurumu şletme bölümü yönetm ve organzasyon anablm dalı yönetm ve organzasyon öğretm görevllğ çn şartları sağlayan beş aday başvurmuştur. Yükseköğretm kurumunun lgl mevzuatı gereğ yed değerlendrme ntelğ ( c :genel görünüş, c 2 : anlatma yeteneğ, c 3 : lderlğ, c 4 : çalışma dspln, c 5 : sosyal durumu, c 6 : motvasyonu, c 7 : blmsel yeterllğ) dkkate alınarak, beş kşlk br heyet (karar vercler) tarafından adaylar değerlendrlmektedr. Bu probleme, önerlen model aşağıdak gb uygulanmaktadır. Adım : Karar verclern ntelkler değerlendrmes Karar verme grubu Tablo 2 de sunulan dlsel fadeler ve onlara karşılık gelen ÜBS ları kullanarak ntelkler Tablo 3 tek gb değerlendrmşlerdr. Tablo 3. Heyetn ntelkler değerlendrmes-kl karşılaştırma matrs C C C 2 3 C 4 C 5 C 6 C 7 C (;;) (2/9;/4;2/7) (2/3;;3/2) (2/7;/3;2/5) (;;) (2/7;/3;2/5) (2/9;/4;2/7) C C C C C C (;;) (5/2;3;7/2) (2/3;;3/2) (7/2;4;9/2) (;;) (2/5;/2;2/3) (;;) (2/5;/2;2/3) (3/2;2;5/2) (2/5;/2;2/3) (2/7;/3;2/5) (;;) (3/2;2;5/2) (;;) (2/5;/2;2/3) (;;) (2/5;/2;2/3) (2/9;/4;2/7) (;;) (2/3;;3/2) (;;) 39

16 Adım 2: Bulanık sentetk boyut değerlernn bulunması Eş. 2-6 le ntelklern bulanık sentetk boyut değerler Tablo 4'tek gb hesaplanmıştır. Tablo 4. Ntelklern bulanık sentetk boyut değerler Ntelk ÜBS C (0,05;0,06;0,09) C 2 (0,6;0,22;0,3) C 3 (0,06;0,08;0,3) C 4 (0,;0,6;0,22) C 5 (0,05;0,06;0,08) C 6 (0,2;0,6;0,23) C 7 (0,8;0,25;0,36) Adım 3: Karar verclern adayları değerlendrmes Karar verclern her br, ntelklere göre adayları dlsel fadeler kullanarak değerlendrrler. Tablo 5'te karar verclern adaylar çn yaptığı değerlendrmeler sırasıyla görülmektedr. Tablo 5. Adayların değerlendrlmes Aday Aday 2 Aday 3 Aday 4 Aday 5 C O/Çİ/İ/ÇK/Çİ K/K/K/K/Çİ K/O/İ/ÇK/İ K/Çİ/ÇK/O/İ O/Çİ/K/ÇK/O C 2 ÇK/Çİ/Çİ/ÇK/Çİ K/İ/ÇK/İ/Çİ K/İ/Çİ/ÇK/İ ÇK/İ/ÇK/O/O O/İ/Çİ/K/İ Çİ/Çİ/O/Çİ/ C Çİ/Çİ/İ/K/K 3 Çİ O/İ/İ/K/İ O/Çİ/ÇK/K/K ÇK/İ/K/ÇK/O C 4 O/İ/Çİ/K/K ÇK/Çİ/O/Ç/Çİ İ/O/Çİ/K/Çİ İ/Çİ/K/Çİ/Çİ ÇK/Çİ/Çİ/ÇK/İ C O/İ/K/K/Çİ O/O/O/O/Çİ İ/İ/İ/ÇK/Çİ K/Çİ/ÇK/O/O İ/Çİ/O/ÇK/O 5 C K/Çİ/O/K/K İ/Çİ/O/Çİ/Çİ İ/İ/Çİ/ÇK/Çİ İ/Çİ/ÇK/İ/Çİ ÇK/Çİ/İ/ÇK/O 6 C K/Çİ/İ/K/O Çİ/Çİ/O/Çİ/Çİ İ/Çİ/Çİ/K/Çİ O/Çİ/K/Çİ/Çİ Çİ/Çİ/İ/K/O 7 40

17 Adım 4: Karar verc değerlendrmelernn brleştrlmes ve brleşk bulanık karar matrsnn oluşturulması Karar verclere at karar matrsler Eş. ve 2 kullanılarak brleştrld ve brleşk bulanık karar matrs Tablo 6'dak gb elde edld. Tablo 6. Brleşk bulanık karar matrs Aday Aday 2 Aday 3 Aday 4 Aday 5 C (4,5;6,5;8) (,5;4;6) (2,5;4,5;7) (3;5;7) (2,5;4,5;6,5) C 2 (4,5;6;7) (3,5;5,5;7,5) (3,5;5;7) (2;3,5;6) (4;6,5;8,5) C 3 (4;6,5;8) (6,5;9;9,5) (3,5;6;8,5) (2;4;6) (,5;3;5,5) C 4 (3;5,5;7,5) (5;7;8) (4,5;7;8,5) (5,5;8;9) (4;5,5;7) C 5 (3;5,5;7,5) (3,5;6;8) (4,5;6,5;8,5) (2,5;4,5;6,5) (3,5;5,5;7,5) C 6 (2;4,5;6,5) (6;8,5;9,5) (5;7;8,5) (5;7;8,5) (3;4,5;6,5) C 7 (3;5,5;7,5) (6,5;9;9,5) (5,5;8;9) (5;7,5;8,5) (4,5;7;8,5) Adım 5: Bulanık en y ve en kötü değerlern belrlenmes Bu örnekte yer alan tüm ntelklern fayda ntelğ olduğu kabul edlmştr. ~ Buna göre bulanık en y f ve bulanık en kötü f değerler Eş. 3 le Tablo 7'dek gb bulunmuştur. 4

18 Adım 6: S ~ ve Tablo 7. Bulanık en y ve en kötü değerler ~ f f C (4,5;6,5;8) (,5;4;6) C (4,5;6,5;8,5) (2;3,5;6) 2 C 3 (6,5;9;9,5) (,5;3;5,5) C 4 (5,5;8;9) (4;5,5;7) C 5 (4,5;6,5;8,5) (2,5;4,5;6,5) C 6 (6;8,5;9,5) (2;4,5;6,5) C 7 (6,5;9;9,5) (3;5,5;7,5) R ~ değerlernn hesaplanması Eş. 4 ve 5 kullanılarak hesaplandı. S ~ ve R ~ değerler Tablo 8'de görüldüğü gb Tablo 8. S ~ ve R ~ değerler Aday Aday 2 Aday 3 Aday 4 Aday 5 S ~ (0,54;0,68;,02) (0,7;0,2;0,34) (0,28;0,4;0,47) (0,39;0,56;0,79) (0,44;0,63;0,87) R ~ (0,8;0,25;0,36) (0,06;0,07;0,2) (0,07;0,;0,8) (0,6;0,22;0,3) (0,;0,6;0,23) Adım 7: S, S ~, R, R ~ ve Q ~ değerler hesaplanması S, S ~, bulundu. R, R ~ ve Q ~ değerler Eş. 6-8 le Tablo 9 ve 0'dak gb 42

19 Adım 8: Durulaştırma Tablo 9. S, S ~, R, R ~ değerler ÜBS ~ S * (0,7;0,2;0,34) S ~ (0,54;0,68;,02) ~ R * (0,06;0,07;0,2) R ~ (0,8;0,25;0,36) Tablo 0. Q ~ Q ~ değerler Q Aday (;;) Aday 2 (0;0;0) 0 Aday 3 (0,9;0,3;0,23) 0,27 Aday 4 (0,7;0,77;0,7) 0,74 Aday 5 (0,56;0,7;0,62) 0,67 Eş. 9 kullanılarak bulanık Q ~ ndeks değerler durulaştırıldı. Durulaştırılan Q değerler Tablo 0'da görülmektedr. Adım 9:Uzlaşık çözüm çn şartların kontrolü ve en y adayın belrlenmes Yapılan kontroller sonucunda Şart sağlanmaktadır. Buna göre adaylar değerlerne göre küçükten büyüğe doğru sıralanır: Aday 2 > Aday 3 > Aday 5 > Aday 4 > Aday. Bu sonuçlara göre en uygun olan aday 2 çn uzlaşık sonuç ortaya çıkmaktadır. Q 43

20 6. TARTIŞMA VE SONUÇ Doğru personel seçm şrketlern veya kurumların başarısını etkleyen en öneml faktörlerden brdr. Bu çalışmada, personel seçm çn bulanık boyut analz ve bulanık VIKOR yöntemlernn brleşmnden oluşan ÇNKV model lk kez önerlmştr. Ntelklern değerlendrlmes çn bulanık boyut analz kullanılarak ntelklern önem dereceler belrlenmştr. Dğer yandan adayların değerlendrlmes çn se uzlaşık br karar verme mkânı sağlayan bulanık VIKOR teknğnden yararlanılmıştır. Ayrıca, çalışmada personel seçm çn bu k teknğn brleşmnden oluşan br karar verme sürec oluşturulmuştur. Önerlen bulanık ÇNKV model, öğretm görevls seçm çn br örnek üzernde uygulanmıştır. Uygulama sonucunda önerlen modeln kolaylıkla uygulanablrlğ ve sağladığı etknlk gözlemlenmektedr. Gelecek çalışmalarda, çalışmamızda önerlen karar model tedarkç seçm ve değerlendrlmes, üçüncü part lostk sağlayıcı seçm gb alternatf ve ntelklern sınırlı sayıda olduğu ve uzlaşık karar gerektren ÇNKV problemlerne uygulanablr. 44

21 KAYNAKLAR Akyüz, G., 202. Bulanık VIKOR Yöntem İle Tedarkç Seçm, Atatürk Ünverstes İktsad ve İdar Blmler Dergs, 26,, Bal, Ö. ve Gencer, C., AHP, Bulanık AHP ve Bulanık Mantıkla Kara Harp Okuluna Öğretm Elemanı Seçm, KHO Savunma Blmler Dergs, 4;, Büyüközkan, G.,&Ruan, D Evaluaton of Software Development Proects Usng A Fuzzy Mult-CrteraDecsonApproach, MathematcsandComputers n Smulaton, 77(5), Capaldo, G.,&Zollo, G Applyngfuzzylogctopersonnelassessment: a casestudy, Omega, 29(6), Celk, M.,Kandakoglu, A., & Er, I. D Structurngfuzzyntegratedmultstagesevaluaton model on academcpersonnelrecrutment n MET nsttutons, ExpertSystemswth Applcatons,36(3), Chang, D.-Y., 992.Extent Analyss and Synthetc Decson, Optmzaton Technques and Applcatons,, World Scentfc, Sngapore, Chen, L.S.,Cheng, C.H., Selectng IS PersonnelUseFuzzy GDSS Based On MetrcDstanceMethod, EuropeanJournal of OperatonResearch, 60, Chen, L. Y.,&Wang, T. C Optmzng partners choce n IS/IT outsourcngproects: Thestrategcdecson of fuzzy VIKOR, Internatonal Journal of ProductonEconomcs,20(),

22 Chen, C. &Chen, L., Data MnngtoImprovePersonnelSelectonandEnhance Human Captal: A Case Study n Hgh-TechnologyIndustry, ExpertSystemswth Applcatons, 34, Dağdevren, M A hybrdmult-crteradecson-makng model forpersonnelselecton n manufacturngsystems, Journal of Intellgentmanufacturng, 2(4), Dağdevren, M., Yüksel, İ., PersonnelSelecton Usng Analytc Network Process, İstanbul Tcaret Ünverstes Fen Blmler Dergs, 6, (), Dev, K. 20. Extenson of VIKOR method n ntutonstcfuzzyenvronmentfor robot selecton, ExpertSystemswth Applcatons,38(), Dnçer, H.,Görener, A., 20. Performans Değerlendrmesnde AHP - VIKOR ve AHP - TOPSIS Yaklaşımları: Hzmet Sektöründe Br Uygulama, Mühendslk ve Fen Blmler Dergs Sgma, Dursun, M., Karsak, E.E., A Fuzzy MCDM ApproachForPersonnelSelecton, ExpertSystemswth Applcatons, 37, Ertuğrul, İ. ve Karakaşoğlu, N., Banka Şube Performanslarının VIKOR Yöntem İle Değerlendrlmes, Endüstr Mühendslğ Dergs, 20 (), Gbney, R.,&Shang, J Decsonmakng n academa: A case of thedeanselectonprocess, Mathematcal andcomputermodellng,46(7),

23 Göleç, A., Kahya, E., A Fuzzy Model ForCompetency- BasedEmployee Evaluaton AndSelecton, Computers&IndustralEngneerng, 52, Güngör, Z.,Serhadlıoğlu, G., & Kesen, S. E A fuzzy AHP approachtopersonnelselecton problem, AppledSoft Computng,9(2), Gürbüz, T MultplecrterahumanperformanceevaluatonusngChoquet ntegral, Internatonal Journal of ComputatonalIntellgence Systems,3(3), JeyaGrubha, R.,&Vnodh, S Applcaton of fuzzy VIKOR andenvronmentalmpactanalyssformateralselecton of an automotvecomponent, Materals& Desgn, 37, Karsak, E. E., 200. Personnelselectonusng a fuzzy MCDM approachbased on deal and ant-deal solutons, LectureNotes n Economcsand Mathematcal Systems, 507, Kaya, T.,& Kahraman, C Multcrterarenewableenergyplannngusng an ntegratedfuzzy VIKOR & AHP methodology: Thecase of Istanbul, Energy, 35(6), Kelemens, A.,&Askouns, D A new TOPSIS-basedmultcrteraapproachtopersonnelselecton, ExpertSystemswth Applcatons,37(7), Lang, G. S.,&Wang, M. J. J Personnelselectonusngfuzzy MCDM algorthm, EuropeanJournal of OperatonalResearch, 78(),

24 Ln, H. T A obplacementnterventonusngfuzzyapproachfortwowaychoce, ExpertSystemswth Applcatons,36(2), Malnowsk, J.,Wetzel, T., &Kem, T Decsonsupportforteamstaffng: An automatedrelatonalrecommendatonapproach, DecsonSupportSystems,45(3), Petrovc Lazarevc, S Personnelselectonfuzzy model, Internatonal Transactons n OperatonalResearch, 8(), Oprcovc, S., 998.Multcrtera optmzaton of cvl engneerng systems, Faculty of Cvl Engneerng, Belgrade. Oprcovc, S. (20). Fuzzy VIKOR wth an applcatontowaterresourcesplannng.,expertsystemswth Applcatons,38(0), Oprcovc, S.,&Tzeng, G. H Compromsesolutonby MCDM methods: A comparatveanalyss of VIKOR and TOPSIS, EuropeanJournal of OperatonalResearch,56(2), Shemshad, A.,Shraz, H., Toreh, M., &Tarokh, M. J. 20. A fuzzy VIKOR methodforsupplerselectonbased on entropymeasureforobectveweghtng, ExpertSystemswth Applcatons,38(0), Tzeng, G. H., Ln, C. W., &Oprcovc, S Mult-crteraanalyss of alternatve-fuelbusesforpublctransportaton, EnergyPolcy,33(), Tzeng, G. H.,Teng, M. H., Chen, J. J., &Oprcovc, S Multcrteraselectonfor a restaurantlocaton n Tape, Internatonal Journal of Hosptalty Management,2(2),

25 Yücenur, G. N.,& Demrel, N. Ç Groupdecsonmakngprocessfornsurancecompanyselecton problem wthextended VIKOR methodunderfuzzyenvronment, ExpertSystemswth Applcatons,39(3), Zadeh, L.A Fuzzysets. Informaton and Control, 8(3),