HARBE HAZIRLIĞIN YÖNETİMİNE YÖNELİK BİR KARAR DESTEK SİSTEMİ DOKTORA TEZİ. Ahmet KANDAKOĞLU

Transkript

1 İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ HARBE HAZIRLIĞIN YÖNETİMİNE YÖNELİK BİR KARAR DESTEK SİSTEMİ DOKTORA TEZİ Ahmet KANDAKOĞLU Endüstr Mühendslğ Anablm Dalı Endüstr Mühendslğ Doktora Programı ARALIK 2012

2

3 İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ HARBE HAZIRLIĞIN YÖNETİMİNE YÖNELİK BİR KARAR DESTEK SİSTEMİ DOKTORA TEZİ Ahmet KANDAKOĞLU ( ) Endüstr Mühendslğ Anablm Dalı Endüstr Mühendslğ Doktora Programı Tez Danışmanı: Prof. Dr. Y. İlker TOPÇU ARALIK 2012

4

5 İTÜ, Fen Blmler Ensttüsü nün numaralı Doktora Öğrencs Ahmet KANDAKOĞLU, lgl yönetmelklern belrledğ gerekl tüm şartları yerne getrdkten sonra hazırladığı HARBE HAZIRLIĞIN YÖNETİMİNE YÖNELİK BİR KARAR DESTEK SİSTEMİ başlıklı tezn aşağıda mzaları olan jür önünde başarı le sunmuştur. Tez Danışmanı : Prof. Dr. Y.İlker TOPÇU... İstanbul Teknk Ünverstes Jür Üyeler : Prof. Dr. Cengz KAHRAMAN... İstanbul Teknk Ünverstes Y. Doç. Dr. Murat ERMİŞ... Hava Harp Okulu Doç. Dr. Gülgün KAYAKUTLU... İstanbul Teknk Ünverstes Doç. Dr. Orhan FEYZİOĞLU... Galatasaray Ünverstes Teslm Tarh : 19 Ekm 2012 Savunma Tarh : 18 Aralık 2012

6 v

7 v Sevgl Eşm Makbule ye,

8 v

9 ÖNSÖZ Bu çalışmada, dünyadak tüm orduların brncl görev olan harbe hazırlığın etkn ve çevk br yapı le yönetleblmes amacıyla çok ölçütlü karar verme yöntemlerne dayanan br karar destek sstem öners sunulmaktadır. Bu ssteme hem gerçek hem de peryodk olarak brlk harbe hazırlıklarının değerlendrlmes çn k adet özgün model dahl edlmştr. Doktora eğtmm süresnce blg ve deneymleryle bana yol gösteren, çalışmalarım sırasında ben motve eden ve akademk hayatımda model olarak aldığım değerl hocam sayın Prof. Dr. Y.İlker TOPÇU ya en çten teşekkürlerm sunarım. Düşünce ve önerleryle tez çalışmama katkıda bulunan tez lerleme komtes üyeler sayın hocalarım Prof. Dr. Cengz KAHRAMAN a ve Y.Doç. Dr. Murat ERMİŞ e teşekkür ederm. Tüm eğtm hayatım boyunca ellerndek madd ve manev tüm mkânları bana sunarak bu noktada bulunmamda büyük katkıları olan anneme, babama ve kardeşlerme candan teşekkürlerm sunarım. Son olarak, her zaman olduğu gb bu zorlu süreçte de yanımda olan sevgl eşm Makbule ye çok teşekkür ederm. Bu tez çalışmasında fade edlen fkrler tümüyle yazara at olup TSK yı ve adı geçen dğer kurum ve kuruluşları hç br surette bağlamaz. Gelştrlen model, algortma ve yazılımlar tüm orduların ortak br problemne yönelk olup, örneklerde kullanılan verler se tamamen jenerktr. Yoğun emek ve özveryle hazırladığım bu çalışmamın ülkeme madd ve manev açıdan faydalı olması dleğmle Aralık 2012 Ahmet Kandakoğlu Blgsayar Mühends v

10 v

11 İÇİNDEKİLER x Sayfa ÖNSÖZ... v İÇİNDEKİLER... x KISALTMALAR... x ÇİZELGE LİSTESİ... x ŞEKİL LİSTESİ... xv ÖZET... xv SUMMARY...xx 1. GİRİŞ Problem ve Motvasyon Çalışmanın Amacı ve Kapsamı Metodoloj Lteratüre Katkılar Tez Çalışmasının İçerğ MEVCUT KAVRAMLAR VE SÜREÇLER Temel Kavramlar Harbe Hazırlığın Değerlendrlmes Mevcut Raporlaşma Sürec Brlklere Harbe Hazırlık Durumu Tahss Brlklern Kategorlendrlmes TEORİK ÇERÇEVE Mevcut Yöntem ve Algortmalar Analtk Hyerarş Süreç Ağırlıklı Çarpım yöntem TOPSIS yöntem Stokastk Çok Krterl Kabul Edleblrlk Analz SMAA yöntemnn kökenler Başlangıç notasyonu Ağırlık uzayı Fayda (değer) fonksyonu SMAA-2 yöntemnn çıktıları...26 Sıralama kabul edleblrlk ndeks...27 Merkez ağırlık vektörü...27 Güvenlrlk faktörü...27 Tümleşk kabul edleblrlk ndeks...28 K - en y sıralama ndeks SMAA-2 smülasyonu...29 Ölçüt ağırlıklarının üretlmes...30 Sıralama blgsnden puanların üretlmes...30 SMAA algortması safha SMAA algortması safha SMAA yöntemler ve uygulamaları...33

12 3.1.5 Rassal Ağırlık Atama Algortmaları Terch blgsnn olmadığı durum Sıralama blgsnn olduğu durum Aralık blgsnn olduğu durum Aksyomlarla Tasarım Temel kavram ve prenspler Blg aksyomu Üçgensel bulanık sayı Bulanık blg aksyomu Yöntem ve Algortmalara Yapılan Katkılar Çarpımlı Analtk Hyerarş Süreç Sabt deal çözümlü TOPSIS yöntem Sıralama problemlerne yönelk SMAA-H yöntem Rassal Ağırlık Atama Algortmaları Sıralama blgsnn olduğu durum Karışık blgnn olduğu durum Değerlendrme problemlerne yönelk Bulanık Blg Aksyomu KARAR DESTEK SİSTEMİ ÖNERİSİ Karar Destek Sstem Gerçek Zamanlı Harbe Hazırlık Değerlendrme Model Peryodk Harbe Hazırlık Değerlendrme Model Prototp Yazılım Model oluşturma arayüzler Brlk blgler ve standartlarını görüntüleme arayüzler Model sonuçlarını görüntülenme arayüzler UYGULAMALAR Gerçek Zamanlı Değerlendrme Model Uygulaması Peryodk Değerlendrme Model Uygulaması SONUÇLAR VE ÖNERİLER Sonuçlar Önerler KAYNAKLAR EKLER ÖZGEÇMİŞ x

13 KISALTMALAR AÇ : Ağırlıklı Çarpım AHP : Analtk Hyerarş Sürec ANP : Analtk Ağ Sürec AT : Aksyomlarla Tasarım DEA : Ver Zarflama Analz (Data Envelopment Analyss) DEMATEL : Decson Makng Tral and Evaluaton Laboratory ELECTRE : Elmnaton et Chox Tradusant la Realte FCM : Fuzzy Cogntve Maps HHD : Harbe Hazırlık Durumu KDS : Karar Destek Sstem SAW : Bast Toplamlı Ağırlıklandırma (Smple Addtve Weghtng) SMAA : Stocastc Multcrtera Acceptablty Analyss TFN : Üçgensel Bulanık sayı (Trangular Fuzzy Number) TOPSIS : Technque for Order Performance by Smlarty to Ideal Soluton (İdeal Çözümlere Yakınlık Yoluyla Terchlern Sıralanması Teknğ) x

14 x

15 ÇİZELGE LİSTESİ Sayfa Çzelge 2.1 : Harbe hazırlık durumları Çzelge 2.2 : Brlk hazırlık kategorler Çzelge 3.1 : İkl karşılaştırmalar çn kullanılan Saaty nn 1-9 ölçeğ Çzelge 3.2 : Krter sayısına bağlı olarak rassal ndeks değerler Çzelge 3.3 : Mevcut SMAA yöntemler Çzelge 3.4 : Algortma 5 sonucunda oluşan ölçüt ağırlıklarının dağılımı Çzelge 3.5 : Algortma 6 sonucunda oluşan ölçüt ağırlıklarının dağılımı Çzelge 3.6 : Algortma 7 sonucunda oluşan ölçüt ağırlıklarının dağılımı Çzelge 3.7 : Algortma 8 sonucunda oluşan ölçüt ağırlıklarının dağılımı Çzelge 3.8 : Tümleşk ve sıralama sıralama kabul edleblrlk ndeksler Çzelge 3.9 : SMAA-2 le SMAA-H sıralamalarının farkı Çzelge 3.10 : Algortma 9 un çzelge formatında şletm Çzelge 3.11 : Algortma 10 un çzelge formatında şletm Çzelge 5.1 : Hava üslerne yönelk harbe hazırlık değerlendrme ölçütler Çzelge 5.2 : Harbe hazırlık değerlendrme ölçütlernn ağırlıkları Çzelge 5.3 : Hava üslerne at blgler Çzelge 5.4 : Hava üslerne at blglern harbe hazırlığa katkısı Çzelge 5.5 : Hava üslernn harbe hazırlık durumları Çzelge 5.6 : Hava üslernn harbe hazırlık durumları ve kategorler ekler Çzelge 5.7 : Hava üslerne at blgler (ortalama) Çzelge 5.8 : Hava üslerne at blgler (standart sapma) Çzelge 5.9 : Terch blgler (alt ve üst sınır) Çzelge 5.10 : Kabul edleblrlk ndeksler ve güvenlrlk faktörü Çzelge 5.11 : Merkez ağırlık vektörler Çzelge 5.12 : Hava üslernn gruplara dağılımı x

16 xv

17 ŞEKİL LİSTESİ xv Sayfa Şekl 1.1 : Harbe hazırlığın yönetm sürec Şekl 1.2 : ÇÖKV problem tpler Şekl 2.1 : Harbe hazırlık kavramının boyutları....9 Şekl 2.2 : Sevyelere yönelk harbe hazırlık değerlendrme yaklaşımları Şekl 2.3 : Mevcut raporlaşma sürec Şekl 3.1 : 11 alternatf çn sıralama blgsn gerçek değere dönüştürme örneğ Şekl 3.2 : 3 ölçütlü br problem çn muhtemel ağırlık uzayı Şekl 3.3 : Algortma 5 sonucunda oluşan ölçüt ağırlıklarının dağılım grafğ Şekl 3.4 : Sıralama blgsnn olduğu 3 ölçütlü problem çn muhtemel ağırlık uzayı Şekl 3.5 : Algortma 6 sonucunda oluşan ölçüt ağırlıklarının dağılım grafğ Şekl 3.6 : Aralık blgsnn olduğu 3 ölçütlü problem çn muhtemel ağırlık uzayı..42 Şekl 3.7 : Algortma 7 sonucunda oluşan ölçüt ağırlıklarının dağılım grafğ Şekl 3.8 : Algortma 8 sonucunda oluşan ölçüt ağırlıklarının dağılım grafğ Şekl 3.9 : Tasarım aralığı, sstem aralığı, kesşm aralığı ve sstemn olasılık yoğunluk fonksyonu (OYF) (Çeb, 2010)...48 Şekl 3.10 : Üçgensel bulanık sayının grafksel gösterm Şekl 3.11 : Fonksyonel gereksnm le tasarım parametresnn ortak alanı Şekl 3.12 : İdeal FR Şekl 3.13 : SMAA-H yöntem...58 Şekl 3.14 : SMAA-2 le elde edlen sıralama kabul edleblrlk ndeksler Şekl 3.15 : Algortma 6 sonucunda oluşan ölçüt ağırlıklarının dağılım grafğ...63 Şekl 3.16 : Algortma 9 sonucunda oluşan ölçüt ağırlıklarının dağılım grafğ...64 Şekl 3.17 : Uçak faalyet oranı örneğ çn muhtemel blg çerğ Şekl 3.18 : Uçak faalyet oranının fayda fonksyonu Şekl 4.1 : Gelştrlen karar destek sstemnn ana yapısı Şekl 4.2 : Gerçek zamanlı değerlendrme model gelştrme sürec Şekl 4.3 : Peryodk değerlendrme model gelştrme sürec Şekl 4.4 : Gelştrlen karar destek sstemnn ana ekran görüntüsü Şekl 4.5 : Değerlendrme ölçütler hyerarşs Şekl 4.6 : Değerlendrme ölçütler ağırlıklandırma ekranları Şekl 4.7 : Değerlendrlmek stenen brlk lstes Şekl 4.8 : Personel kadro/mevcut durumu grafğ Şekl 4.9 : Uçak faalyet oranı grafğ Şekl 4.10 : Brlklern harbe hazırlık durumu detayları Şekl 4.11 : Brlklern harbe hazırlık durumları grafğ Şekl 4.12 : Br brlğn harbe hazırlık durumu kokpt Şekl 5.1 : Uçak çn faalyet oranı hesaplama algortması...86 Şekl 5.2 : Uçak faalyet oranının fayda fonksyonu Şekl 5.3 : Plot/uçak oranı ve tatbkat puanı fayda fonksyonları Şekl 5.4 : Harbe hazırlık değerlendrme ölçütler....91

18 Şekl 5.5 : Kabul edleblrlk ndekslernn grafksel gösterm Şekl 5.6 : Merkez ağırlık vektörlernn grafksel gösterm xv

19 HARBE HAZIRLIĞIN YÖNETİMİNE YÖNELİK BİR KARAR DESTEK SİSTEMİ ÖZET Ulusal güvenlk tehdtlernn geçmşe nazaran çok daha fazla ve değşken olduğu günümüz koşulları, bu tehdtlere her an müdahale edeblmek amacıyla brlk harbe hazırlıklarının en üst sevyede tutulmasını zorunlu kılar. Tüm dünya ordularının barış zamanında brncl görev olan bu husus, kaynak planlaması ve yönetmnn de temeln oluşturur. Harbe hazırlığın kaynakların etkn br şeklde kullanılarak yönetlmes öncelkl olarak blg sstemlernden gelen brçok vernn çevk br yapı le karar verclere özet olarak sunulmasını ve böylelkle brlklern mevcut harbe hazırlıklarının ortaya konulmasını gerektrr. Dğer br fade le tüm planlama, programlama, bütçeleme ve cra faalyetlernn başlangıç noktası, harbe hazırlık durumunun değerlendrmesne dayanır. Fakat, harbe hazırlığın gerçek zamanlı olarak sayısal yöntemler le değerlendrlmes lteratürde büyük br eksklktr. Bu tez kapsamında, brlk harbe hazırlıklarının değerlendrlmes br Çok Ölçütlü Karar Verme (ÇÖKV) problem olarak ele alınmış, değerlendrmenn hem gerçek hem de peryodk olarak gerçekleştrlmesne yönelk k ayrı model gelştrlmştr. Bu modellern gerçek hayatta kullanılablmes çn de br karar destek sstem önerlmştr. Öncelkl olarak, gerçek zamanlı değerlendrme modelnde Fayda Teors, Aksyomlarla Tasarım (AT), Analtk Hyerarş Süreç (AHP), Ağırlıklı Çarpım Yöntem (AÇ) ve TOPSIS (İdeal Çözümlere Yakınlık Yoluyla Terchlern Sıralanması Teknğ) yöntemlernn brlkte kullanımına dayanan brleşk br yaklaşım kullanılmıştır. Yaklaşımda bu yöntemlern seçlmesnn sebepler şu şekldedr: () Karar ortamında eş zamanlı olarak ele alınması gereken hem ntel hem de ncel değerlendrme faktörler yer alır, () AHP, ÇÖKV problemn kolay anlaşılacak şeklde hyerarşk olarak fade eder, () AHP, değerlendrme faktörlern ağırlıklarını uzman görüşlernden oluşan kl karşılaştırmalar le elde eder, (v) Fayda teors ve AT, ölçüt değerlernn brlk harbe hazırlığına katkısını belrlemede kuvvet standartlarını daha doğrucu yansıtır, (v) AÇ faktör puanları le faktör ağırlıklarını çarpımlı br fonksyonla brleştrerek nha brlk harbe hazırlığını belrler ve düşük puanlı faktörler kolaylıkla ortaya çıkarır, (v) TOPSIS brlk performans değerlern kuvvet standartlarına göre karşılaştırarak brlklern harbe hazırlık sevyelerne göre sıralandırır ve harbe en hazır brlğ belrler. İknc olarak, peryodk değerlendrme modelnde Stokastk Çok Krterl Kabul Edleblrlk Analz (Stochastc Multcrtera Acceptablty Analyss SMAA) yöntem kullanılmıştır. Bu yöntem karar verclern eksk terch blgler le statstksel dağılım olarak fade edleblen performans değerlernn brlkte kullanımına olanak verr. SMAA yöntem le Macar (Hungaran) teknğ brleştrlerek sıralama problemlerne yönelk SMAA-H şeklnde yen br yöntem gelştrlmştr. Ayrıca, ölçüt ağırlıklarına yönelk terch blglern sıralama veya xv

20 aralık olarak ele alablen ve özgün olarak gelştrlmş Rassal Ağırlık Atama Algortması (RA3) da SMAA smülasyonu çersnde kullanılmıştır. Gelştrlen modellern gerçek hayatta kullanılablrlğn sağlamak üzere JAVA programlama dl ve XML le br prototp karar destek yazılımı gelştrlmştr. Bu yazılım sayesnde brlklern personel, plot, uçak, hava savunma sstem, mühmmat, malzeme, teçhzat, akaryakıt, eğtm vb. krtk blgler gerçek zamanlı olarak takp edleblr, brlklern bu blgler doğrultusunda anlık olarak harbe hazırlık durumları sayısal olarak hesaplanablr. Böylelkle, önceden yıllık ve statk olarak raporlanan blgler karar verclere anlık ve dnamk olarak sunularak daha etkn ve daha kısa br çevrm süresne sahp karar desteğ sağlanır. Karar vercler daha sağlıklı ve özet blgler doğrultusunda kaynakları yönetmeye yönelk hızlı karar verme olanağına kavuşurlar. Bu çalışma, lteratüre de teork ve pratk açıdan çeştl katkılar sağlamıştır. Öncelkle, harbe hazırlık durumunun gerçek zamanlı ve peryodk olarak çok ölçütlü değerlendrlmes bu alanda özgün olma özellğne sahptr. Gelştrlen modeller çeren ve özgün olarak gelştrlen karar destek sstem yazılımı öners se, gelecekte mevcut blg sstemlerne entegre br şeklde uygulama yapablme konusunda fkr vereblecek örnek br uygulamadır. AHP, AT, AÇ ve TOPSIS yöntemlernn brbrlernn güçlü yönlern kullanan ve eksklklern tamamlayan br bçmde bütünleşk kullanımı bu tür ÇÖKV problemlerne yönelk uygun br yaklaşım oluşturmuştur. Ayrıca, AHP yöntem AÇ le brleştrlerek çarpımlı hale getrlmes, TOPSIS yöntemnde deal çözüm kümesnn karar vercnn belrledğ standart değerler olarak ele alınması ve AT yöntemnn blg aksyomu değerlendrme problemlerne yönelk fayda fonksyonu mantığıyla genşletlmes klask yöntemlere çeştl htyaçlar doğrultusunda ufak farklılıklar le bazı yenlkler getrmştr. SMAA yöntemnn sıralama problemlern ele alablmes amacıyla gelştrlen SMAA-H sürümü ve eksk terch blglerne yönelk gelştrlen RA3 pratk ve özgün yöntemlerdr. Gelecek çalışmalarda; bu çalışmanın devamı olarak harbe hazırlık değerlendrme ölçütlernn brbrleryle bağımlılıkları ve lşkler ele alınablr, akademsyenler ve uygulamacıların kolay kulanımı çn rassal ağırlık atama algortmalarının modüler br yazılım halne getrleblr, SMAA yöntem dğer ÇÖKV yöntemler le brleştrlerek yen yöntemler gelştrleblr ve son olarak bulanık maktık dkkate alınarak harbe hazırlığın değerlendrlmes daha sağlıklı br hale getrleblr. xv

21 A DECISION SUPPORT SYSTEM FOR COMBAT READINESS MANAGEMENT SUMMARY Combat readness can be shortly defned as the ablty of a unt to conduct ts assgned mssons n a most common and smplest way. It s the prmary msson of all mltary forces n the peacetme. Although, combat readness s hghly stuatonal and subjectve, t s a yardstck for programmng and budgetng, and the readness strategy of all mltares entals maxmzng readness wthn avalable resources to meet the demands of war plans. The more accurately the readness s quantfed, the better resource needs for the readness sustanment and mprovement processes can be artculated. Therefore, quantfed combat readness assessment plays an mportant role as t s a startng pont for the most of the actvtes such as tranng, mantenance, acquston, project development etc. Combat readness assessment can be defned as a systematc process of determnng and evaluatng the readness of a unt. Combat readness assessment for the unts n the servces s the ntal and crucal step for combat readness management process. However, t s stll a major concern of today s mltares because of the ncreasng number of nfluental factors especally n the last decade. There have been not so many researches on ths ssue n the lterature. Furthermore, quantfyng the combat readness by consderng multple qualtatve and quanttatve crtera has not been adequately addressed. It s mportant to pont out that assessng combat readness of a unt less an analytcal process and more of a factual-based, tangble process n the current stuaton. There s no analytcal tool to assess the combat readness of a unt. Current combat readness assessment process n most of the mltares s only a manual perodcal reportng system that s out of date and fals to adequately assess the readness. That s why; the exstng approaches and decson makng models are not satsfyng the soluton of ths problem n a consstent manner. Furthermore, the decson-makers requre analytcal tools based on quanttatve methodologes for managng ths process n an effectve and tmely manner. Hence, ths study asserts that combat readness assessment for the unts n the mltary servces s a multple crtera decson makng (MCDM) problem. Ths problem requres a systematc approach for dentfyng the assessment crtera, weghtng these crtera, defnng the value of these crtera and fnally calculatng the combat readness score of a unt. Despte the large number of MCDM methods that can be found n the lterature, none of them s perfect and can be consdered as approprate for the whole decson process mentoned above. That's why, a combned MCDM method s requred to support the decson makers durng ths crtcal and complex decson makng process by desgnng a realstc combat readness assessment model. In addton to ths, the classcal methods have to be extended for the problem requrements. xx

22 In ths study, real-tme and perodcal combat readness assessment models are developed based on MCDM methods. To utlze these models n the real lfe applcatons to provde practcal solutons, a novel decson support systems s proposed. Frst of all, the real-tme model s a quantfed MCDM approach based on Analytc Herarchy Process (AHP), Weghted Product (WP), Utlty Theory (UT), Fuzzy Axomatc Desgn (FAD) and TOPSIS (Technque for Order Performance by Smlarty to Ideal Soluton) methods for managng a more realstc, comprehensve and structured combat readness assessment process. The reasons why these methods s selected for ths purpose are due to sx facts: () the combat readness assessment of a unt s defned as a MCDM problem, () there exsts both qualtatve and quanttatve readness assessment crtera whch must be handled smultaneously, () AHP method can structure the problem and determne the weghts of the readness assessment crtera from the subjectve judgments of the experts, (v) UT and FAD can enable to reflect the force standards to measure the unt performance data and derve the utlty values to the overall unt readness, (v) WP method provdes a soluton usng a lnear multplcatve functon and fnds out easly the poor performances of crtera by penalzng them and (v) TOPSIS can select the best unt for an operaton wth respect to the force standards. Secondly, Stochastc Multcrtera Acceptablty Analyss (SMAA) method based framework s proposed for handlng ths perodc readness assessment problem. The proposed framework enables to determne the readness assessment crtera under the personnel, tranng and materal aspects. Addtonally, t allows the usage of ncomplete, mprecse, and uncertan nformaton by assgnng probablty dstrbutons to the crtera scores and rankng or ntervals to the crtera weghts. Furthermore, SMAA analyss provdes the sortng of unts wth respect to ther readness levels and helps to select a unt to send to a conflct. Ths study also represents SMAA-H method, the combnaton of SMAA-2 method and Hungaran algorthm, n order to handle the complex MCDM rankng problems ncludng ncomplete, mprecse, and uncertan nformaton. The advantage of SMAA-H over the prevous varants of the SMAA method s that the analyss results n absolute rankng of the alternatves. Furthermore, novel Random Weght Generaton algorthms are developed for SMAA-H method to handle the mxed types of preference nformaton. To utlze these proposed models n the real lfe applcatons, a prototype decson support system software usng JAVA programmng language and XML s developed. Ths software presents the crtcal readness nformaton such as personnel, plot, arcraft, ar defense system, ammuntons, fuel, tranng etc. status n real-tme and also calculates the combat readness value of unts usng these nformaton. By dong so, the current annual reportng system s shfted to a real-tme and more effectve decson process cycle. Furthermore, more nformaton s presented as a summary to the decson makers. The man contrbuton of ths study s combnng MCDM methods together to show a useful and vald approach for handlng such knd of MCDM problems. In addton to ths, the combat readness assessment process s revsted and comprehensvely studed by dentfyng and consderng up-to-date nfluental factors. Furthermore, the proposed MCDM approach s ntegrated to a decson support system (DSS) for assessng the real tme combat readness of unts n the mltary servces. Fnally, ths xx

23 study provdes a relatvely smple, structured, realstc and very well suted decsonmakng tool for ths type of readness problems and beleved to be used by the mltary-lke organzatons wth a few alteraton. Moreover, ths study contrbutes to the theoretcal and practcal lterature by makng the AHP method multplcatve, enablng the TOPSIS to handle deal solutons as nputs, extendng the axomatc desgn for producng utlty functons, combnng the SMAA method wth the Hungaran technque for rankng problems and fnally developng alternate random weght generaton algorthms. The future work can be shft on the applyng network based methods such as Analytc Network Process (ANP), Decson Makng Tral and Evaluaton Laboratory (DEMATEL), Fuzzy Cogntve Maps (FCM) to handle the relatonshps between the readness assessment crtera. By dong ths, the crtera weghts can be calculated more accurately. In addton to ths, a user-frendly software mplementng the proposed random weght generaton algorthms can be developed so that t can be appled n everyday decson makng problems by both the academc researchers and the managers at varous organzatons. xx

24 xx

25 1. GİRİŞ Ulusal güvenlk tehdtlernn geçmşe nazaran çok daha fazla ve değşken olduğu günümüz koşulları, bu tehdtlere her an müdahale edeblmek amacıyla brlk harbe hazırlıklarının en üst sevyede tutulmasını zorunlu kılar. Tüm dünya ordularının barış zamanında brncl görev olan harbe hazırlık, genellkle Şekl 1.1 de gösterlen döngüsel br süreç le yönetlr (Betts, 1995). Şeklde belrtldğ gb bu süreç sıralı olarak gerçekleştrleblecek bast br süreç değldr. Brçok karar vercnn dâhl olduğu, her br safhası br sonraknn ana grds olan bu uzun döneml çalışma, aslında kaynak planlaması ve yönetmnn de temeln oluşturur. Harekat İhtyaçlarının Belrlenmes Fonksyon ve Yeteneklerdek Zafyetlern Tespt Tedark ve Proje Gelştrme Harbe Hazırlık Durumunun Değerlendrlmes Harbe Hazırlık Sevyesnn Yükseltlmes Şekl 1.1 : Harbe hazırlığın yönetm sürec. Harbe hazırlığın kaynakların etkn br şeklde kullanılarak yönetlmes öncelkl olarak blg sstemlernden gelen brçok vernn çevk br yapı le karar verclere özet olarak sunulmasını ve böylelkle brlklern harbe hazırlıklarının değerlendrlmesn gerektrr (Şekl 1.1). Bu değerlendrme sonucunda brlklern görev fonksyonları ve yeteneneklerndek zafyetler ortaya çıkarılır. Dğer br fade le brlğn kendsne tahss edlen görevn cra etmesne olumsuz etk yapan hususlar tespt edlr. Sonrak safhalarda kısaca bu zafyetler htyaçlara dönüştürülerek tedark ve proje gelştrme 1

26 çalışmaları başlatılır, bu çalışmalar sonucunda elde edlen ürün, sstem ve süreç uygulamaya konularak harbe hazırlık sevyes yükseltlr. Özet olarak tüm planlama, programlama, bütçeleme ve cra faalyetlernn başlangıç noktası, harbe hazırlığın değerlendrlmesne dayanır ve bu değerlendrme mevcut gücün yapısına at blgnn analz açısından komutanlara karar desteğ sağlayan öneml br araçtır. 1.1 Problem ve Motvasyon Günümüzde brçok ülkede harbe hazırlığın değerlendrlmes peryodk raporlara dayanır. Raporların hem brlklern gerçekte olduğundan daha yüksek sevyelerde harbe hazır gösterlmelerne yol açablmes, hem de günümüzün gerçek zamanlı değerlendrme htyacını karşılayamaması bu süreçtek en büyük eksklktr (Snyder, 1996; Raflensperger ve Schrage, 1997). Bununla brlkte, mevcut durumda harbe hazırlığı doğrudan etkleyen faktörlern tam olarak ortaya konulamaması ve analtk br model le sayısal özet blgler üreterek karar verclern kısıtlı zamanına htap edlememes de sürecn dğer krtk sorunlarıdır. Bu olumsuzluklar harbe hazırlığı tam anlamıyla çevk ve etkn br şeklde yönetlmesn engeller. Özetle, brlk harbe hazırlıklarının blmsel yöntemler le hem gerçek zamanlı hem de peryodk olarak sayısallaştırılıp mevcut sürecn yleştrlerek karar verclere daha sağlıklı blglern sunulması gerekr. 1.2 Çalışmanın Amacı ve Kapsamı Bu tez çalışmasının öncelkl amacı, harbe hazırlık sürecn etkn br şeklde yönetmeye yönelk Çok Ölçütlü Karar Verme (ng.: Multple attrbute decson makng; ÇÖKV) yöntemlerne dayanan modeller gelştrmek ve bu modeller br karar destek sstem olarak sunmaktır. Bu karar destek sstemnn blg sstemlerne entegre çalışablecek br mantık le gelştrlmes planlanmıştır. Ayrıca, gelştrlecek bu sstem le mevcut sürece eksklkler ve yeterszlkler konusunda katkıda bulunulması hedeflenmştr. Harbe hazırlık kavramı brçok boyutu çeren çok genş br kavramdır. Bu tez kapsamında, harbe hazırlığın yönetmnn başlangıç noktası olan brlk harbe hazırlıklarının değerlendrlmes üzerne odaklanılmıştır. 2

27 1.3 Metodoloj Bu tez kapsamında, brlk harbe hazırlıklarının değerlendrlmes br ÇÖKV problem olarak ele alınmıştır. ÇÖKV; sonlu sayıda seçeneğn seçme, sıralama, sınıflandırma, değerlendrme veya eleme amacıyla genellkle ağırlıklandırılmış, brbrler le çelşen ve aynı ölçü brmn kullanmayan hatta bazıları ntel değerler alan çok sayıda ölçüt kullanılarak değerlendrlmes şlemdr (Hwang ve Yoon, 1981). ÇÖKV problemler tanımda ve Şekl 1.2 de görüldüğü üzere lteratürde genellkle br seçme, sıralama, gruplama (sınıflandırma) veya değerlendrme (tanımlama) şeklnde görülür (Zopouds ve Doumpus, 2002). Harbe hazırlık aşağıda örneklendğ üzere tüm ÇÖKV problem tplern çeren çok genş br kavramdır: Seçm: Herhang br krz veya operasyona müdahele çn görevlendrlecek brlğn seçlmes, Sıralama: Brlklern standartları karşılama durumuna göre sıralanması, Gruplama: Brlklern harbe hazır, kısm harbe hazır, cdd kısıtlamalarla harbe hazır ve harbe hazır değl (y, küçük yleştrmeler gerekl, büyük yleştrmeler gerekl) şeklnde sınıflandırılması ve kaynak atamasının bu sınıflandırmaya göre yapılması, Değerlendrme: Brlk harbe hazırlıklarının personel, eğtm, malzeme ve bunların brleşmnden elde edlen genel olarak puanlanması. Alternatfler {A 1, A 2, A 3, A 4, A 5, A 6, A 7, A 8 } En çok terch edlen alternatf En az terch edlen alternatf 1. A 4 2. A 2 3. A 7 4. A 1 5. A 3 6. A 5 7. A 2 8. A 6 A 4 Alternatflern özellkler Grup 1 A 4, A 2, A 7 Grup 2 A 1, A 3, A 5, A 2, A 6 En çok terch edlen grup En az terch edlen grup Şekl 1.2 : ÇÖKV problem tpler. Bu problemlern çözümü çn bazı klask ÇÖKV yöntemlernn seçlerek eksklkler ve htyaçlar doğrultusunda gelştrlmesne, sonra brbrlernn güçlü yönlern kullanan ve eksklklern tamamlayan br bçmde bütünleşk kullanımına karar 3

28 verlmştr. Bu mantıkla, yukarıdak problemlere cevap verecek şeklde harbe hazırlığın hem gerçek hem de peryodk olarak değerlendrlmesne yönelk k ayrı model gelştrlmştr. Öncelkl olarak, gerçek zamanlı değerlendrme modelnde Fayda Teors, Aksyomlarla Tasarım (ng.: Axomatc Desgn; AT), Analtk Hyerarş Süreç (ng.: Analytc Herarchy Process; AHP), Ağırlıklı Çarpım (ng.: Weghted Product; AÇ) ve TOPSIS (İdeal Çözümlere Yakınlık Yoluyla Terchlern Sıralanması Teknğ) yöntemlernn brlkte kullanımına dayanan brleşk br yaklaşım kullanılmıştır. Yaklaşımda bu yöntemlern seçlmesnn sebepler şu şekldedr: Karar ortamında eş zamanlı olarak ele alınması gereken hem ntel hem de ncel değerlendrme ölçütler yer alır, AHP, ÇÖKV problemn kolay anlaşılacak şeklde hyerarşk olarak fade eder, AHP, değerlendrme ölçütlernn ağırlıklarını uzman görüşlernden oluşan kl karşılaştırmalar le elde eder, Fayda teors ve AT ölçüt değerlernn brlk harbe hazırlığına katkısını belrlemede brlk standartlarını daha doğrucu yansıtır, AÇ ölçüt puanları le ölçüt ağırlıklarını çarpımlı br fonksyonla brleştrerek nha brlk harbe hazırlığını belrler ve düşük puanlı ölçütler kolaylıkla ortaya çıkarır, TOPSIS brlk performans değerlern brlk standartlarına göre karşılaştırarak brlklern harbe hazırlık sevyelerne göre sıralandırır ve harbe en hazır brlğ belrler. İknc olarak, peryodk değerlendrme modelnde Stokastk Çok Krterl Kabul Edleblrlk Analz (ng.: Stochastc Multcrtera Acceptablty Analyss; SMAA) yöntem kullanılmıştır. Bu yöntem karar verclern eksk terch blgler le statstksel dağılım olarak fade edleblen performans değerlernn brlkte kullanımına olanak verr (Lahdelma ve dğ., 1998; Lahdelma ve Salmnen, 2001). SMAA yöntem le Macar (ng.: Hungaran) teknğ brleştrlerek sıralama problemlerne yönelk SMAA-H şeklnde yen br yöntem gelştrlmştr. Ayrıca, ölçüt ağırlıklarına yönelk terch blglern sıralama, aralık veya karışık olarak ele alablen ve özgün olarak gelştrlmş Rassal Ağırlık Atama Algortması (RA3) da SMAA smülasyonu çersnde kullanılmıştır. 4

29 Gelştrlen modellern gerçek hayatta kullanılablrlğn sağlamak üzere JAVA programlama dl ve XML le br prototp karar destek yazılımı gelştrlmştr. Bu yazılım sayesnde brlklern personel, plot, uçak, hava savunma sstem, mühmmat, malzeme, teçhzat, akaryakıt, eğtm vb. krtk blgler gerçek zamanlı olarak takp edleblr, brlklern bu blgler doğrultusunda anlık olarak harbe hazırlık durumları sayısal olarak hesaplanablr. Böylelkle, önceden yıllık ve statk olarak raporlanan blgler karar verclere anlık ve dnamk olarak sunularak daha etkn ve daha kısa br çevrm süresne sahp karar desteğ sağlanır. Karar vercler daha sağlıklı ve özet blgler doğrultusunda kaynakları yönetmeye yönelk hızlı karar verme olanağına kavuşurlar. ÇÖKV yöntemler temel alınarak gelştrlen modeller ve bu modellere dayanan bu prototp yazılımın stratejk br yönetm aracı halne gelmes muhtemeldr. 1.4 Lteratüre Katkılar Bu tez çalışması kapsamında lteratüre teork ve pratk açıdan çeştl yenlk ve katkılar sağlanmıştır. Öncelkl olarak harbe hazırlık durumu değerlendrme problemnn br ÇÖKV problem olduğu ortaya konulmuştur. Bu kapsamda, harbe hazırlık durumunun gerçek zamanlı ve peryodk olarak çok ölçütlü değerlendrlmes çn k adet model gelştrlmştr. Bu modellern henüz lteratürde üzernde uygulama yapılmamış br alanda olması nedenyle, özgün olma özellğne sahp olduğunu belrtmek öneml br noktadır. Çalışmanın knc katkısı; gelştrlen modeller çeren br karar destek sstem önerlmesdr. Gelştrlen karar destek sstem çn, lerde mevcut blg sstemlerne entegre edleblecek şeklde JAVA programlama dl le br yazılım gelştrlmştr. Bu yazılım blg sstemlernden alınan verlern ÇÖKV teknkler kullanılarak brleştrlmes ve mevcut durumun sayısal ve özet olarak karar verclere sunulması le kaynakları yönetmeye yönelk hızlı karar verme olanağı sağlayablr. Bununla brlkte, bu yazılım le önceden manuel olan süreç otomatk br hale getrleblr. Ayrıca, büyük blg sstemlernde ÇÖKV teknkler le brçok blgnn brleştrlp anlamlı hale getrlerek karar verclere sunulması, sadece asker alana değl, tüm svl sektörün de ortak br sorununa çözüm sunmuştur. Dğer br söylemle, günümüzde tüm faalyetlern blg sstemler üzernden yürüten organzasyolar çn stratejk br yönetm aracının nasıl olacağına dar fkr vermştr. 5

30 Çalışma kapsamında sunulan üçüncü katkı se; gerçek zamanlı değerlendrme çn AHP, AÇ, AT ve TOPSIS yöntemlernn brbrlernn güçlü yönlern kullanan ve eksklklern tamamlayan br bçmde bütünleşk kullanımıdır. Ayrıca, yöntemler de çeştl htyaçlar doğrultusunda ufak farklılıklar le bazı yenlkler getrlmştr. AHP yöntem AÇ le brleştrlerek çarpımlı hale getrlmş, TOPSIS yöntemnde deal çözüm kümes karar vercnn belrledğ standart değerler olarak ele alınmış ve son olarak AT yöntemnn blg aksyomu değerlendrme problemlerne yönelk fayda fonksyonu mantığıyla genşletlmştr. Çalışmanın dördüncü özgün yönü se; peryodk değerlendrme modelnde kullanılan, SMAA yöntemnn sıralama problemlern ele alablmes amacıyla gelştrlen SMAA-H sürümüdür. Bu sürümde, SMAA yöntemnn temel çıktısı olan sıralama kabul edleblrlk ndeksler brleştrlmek yerne bu ndeksler kullanılarak Macar teknğ le br atama problem çözülmüştür. Böylelkle, herhang br sıraya o sıra çn en yüksek sıralama kabul edleblrlk ndeks değerne sahp alternatfn atanması sağlanmıştır. Bu çalışmanın son katkısı; hem SMAA smülasyonunda eksk terch blglernn ele alınablmesnde hem de çok boyutlu duyarlılık analzlernde kullanılablecek, mevcut algortmalara alternatf olarak gelştrlen RA3 algortmalarıdır. Bu algortmada karar verclern ölçüt ağırlıklarına yönelk olarak ortaya koyduğu kesn değerler, ağırlık aralıkları ve sıralama blgler dkkate alınarak ağırlık üretlr. Bu karışık terch blgs lk defa bu çalışma le SMAA algortmasına dahl edlmştr. 1.5 Tez Çalışmasının İçerğ Tez çalışmasının çerğ şu şeklde belrlenmştr; İknc bölüm, öncelkl olarak harbe hazırlık le lgl temel kavramları ve süreçler çerr. Sonrasında se, tez konusunun ve amacının daha y anlaşılablmes maksadıyla mevcut harbe hazırlık değerlendrme yaklaşımları, bu yaklaşımların eksklkler, günümüzün değşen htyaçları ve uluslararası derglerde yayımlanan çalışmaları çeren br yayın taraması sunulmuştur. Üçüncü bölümde, gelştrlen modellern temelnde kullanılan yöntem ve algortmalar tanıtılmıştır. Ayrıca, yöntemlern genel eksklkler le yen gereksnmler doğrultusunda söz konusu yöntemlere yapılan katkılardan bahsedlmştr. 6

31 Dördüncü bölüm, harbe hazırlık değerlendrme sürecne yönelk tez kapsamında gelştrlen model ve algortmalar çeren br karar destek sstem önersn çerr. Bu bölümde ayrıca, karar destek sstem çn gelştrlen prototp yazılımın yetenekler tanıtılmış, öneml görülen arayüzler tanıtılmıştır. Beşnc bölümde se gelştrlen modellern brlk harbe hazırlık durumlarının gerçek zamanlı ve peryodk olarak değerlendrlmesne uygulanmasını çerr. Bu amaçla, hava kuvvetler çn ana muharp güç olan ana üsler dkkate alınmıştır. Son olarak altıncı bölüm, bu tez çalışmasının sonuçlarını, gelştrlen karar destek sstemn uygulamaya geçreceklere önerler ve gelecekte yapılablecek çalışma alanlarını çerr. 7

32 8

33 2. MEVCUT KAVRAMLAR VE SÜREÇLER 2.1 Temel Kavramlar Harbe hazırlık; en genel ve bast şeklyle br brlğn vazfesn fa etmes amacıyla personel, eğtm ve malzeme/teçhzat açısından yeterl muharebe gücüne sahp olması olarak tanımlanır (Rch ve Drezner, 1982; Betts, 1995). Brlk standartları se brlğn personel, eğtm ve malzeme açısından sayısal olarak arzu edlen performansı olarak fade edlr. Örneğn; uçak faalyet oranı, personel kadro/mevcut durumu, plot/uçak oranı, mühmmat sayısı, yer destek teçhzatı sayısı vb. hususlar çn ulusal ve uluslar arası performans değerler mevcuttur. Harbe hazırlık kavramı sevye, uygulama modu ve uygulama alanı boyutlarını çeren çok genş br kavramdır (Şekl 2.1). Sevye boyutunun altında stratejk, operatf, taktk ve teknk (sstem) sevyeler bulunur. Svlde operasyonel olarak kullanılan sevye, asker lteratürde operatf olarak fade edlr ve ayrıca farklı olarak taktk sevyenn üstünde yer alır. Uygulama alanında se mevcut durum, kuvvet yapılanması faalyetler kapsamında hedeflenen durum, tehdt hava gücü, görev fonksyonları ve yetenekler yer alır. Son olarak, uygulama modu senaryo (dnamk) ve platform (statk) tabanlı olarak ele alınır. Stratejk Sevye Örnek: Gerçek zamanlı harbe hazırlık: taktk sevyedek brlklere yönelk, mevcut duruma göre, personel, eğtm ve malzemey kapsayan, platform tabanlı ve statk Operatf Taktk Teknk (Sstem) Mevcut durum Senaryo tabanlı Platform tabanlı Hedeflenen durum Tehdt Görev fonksyonları Uygulama Modu Yetenekler Uygulama Alanı Şekl 2.1 : Harbe hazırlık kavramının boyutları. 9

34 2.2 Harbe Hazırlığın Değerlendrlmes Snyder (1996) le Raflensperger ve Schrage (1997) tarafından lteratürde harbe hazırlık durumunun değerlendrmes le lgl çok fazla araştırmanın bulunmadığı, harbe hazırlığın belrl ölçütlere göre sayısallaştırılmasının gözden kaçırılan br husus olduğu vurgulanmıştır. Kocaman (2009) se bu durumun, konunun gzllk çermes sebebyle olableceğn belrtmştr. Bu çalışmalarda, harbe hazırlık değerlendrmelerne yönelk herhang analtk br yaklaşım olmadığı çn sürecn manuel br raporlaşma sstem le dame ettrldğ fade edlmştr. Bu sebeple, bu tez kapsamında harbe hazırlık değerlendrlmesne yönelk ÇÖKV yöntemler kullanılarak sayısal blgler üreten analtk modeller gelştrlmes ve sürecn bu şeklde etknlğnn arttırılması hedeflenmştr. Harbe hazırlık durumunun değerlendrmesne yönelk olarak gelştrlecek analtk modeller Şekl 2.1 de gösterlen bu üç boyutlu uzayda belrl br konuma yerleştrlmeldr. Çünkü, bu modellern temeln oluşturan matematksel modeller brbrlernden tamamen farklıdır. Ayrıca, modellern hem amaçları hem de grd ve çıktıları da farklılık gösterr. Örneğn; ÇÖKV teknkler taktk sevyedek brlklern harbe hazırlıklarının değerlendrlmes çn çok uygun olablrken ağ modeller, blşsel hartalar ve etkleşm dyagramları operatf sevye değerlendrmeler çn mantıklı olablr (Şekl 2.2). Bağımlılık (Etkleşm) Stratejk Sevye Operatf Sevye Taktk Sevye Teknk Sevye Ağ Modeller, Blşsel Hartalar, Etkleşm Dagramları vb. Çok Ölçütlü Karar Verme Yöntemler Sstem durumu (Personel, uçak, mühmmat vb.) Belrszlk Blg Sstemler Şekl 2.2 : Sevyelere yönelk harbe hazırlık değerlendrme yaklaşımları. 10

35 2.3 Mevcut Raporlaşma Sürec Daha önceden de fade edldğ üzere, günümüzde brçok ülkede harbe hazırlığın değerlendrlmes peryodk raporlara dayanır. Mayer (2005) tarafından lteratürde kullanılan raporlaşma çeştler karşılaştırmalı olarak detaylı br bçmde verlmştr. Şekl 2.3 de gösterlen süreç şu şeklde özetleneblr; kuvvetlern değerlendrme ve denetleme başkanlıkları her yıl düzenl olarak brlkler harekâta hazırlık yönüyle denetler ve bu denetleme sonuçlarını se karargâhta harbe hazırlık le lgl brme br rapor olarak gönderr. Karargâhta bulunan dğer başkanlıklar da harbe hazırlık durumu le lgl görüşlern br rapor şeklnde hazırlayıp gönderr. Son grd olarak ana ast ve doğrudan bağlı brlkler harbe hazırlık durumları le lgl yıllık olarak rapor hazırlar ve gönderrler. Karargâhta bu raporlar değerlendrlp brleştrlerek kuvvetn yıllık harbe hazırlık raporu yayınlanır. Kuvvet Karargahı Değ. ve Dent. Bşk.lığı İdar ve Harekata Hazırlık Denetleme Sonuç Raporu Karargah. Bşk.lıkları Harekata Hazırlık Durum Raporu Yıllık Kuvvet Harbe Hazırlık Durum Raporu Ana Ast ve Doğrudan Bağlı Brlkler Yıllık Harbe Hazırlık Durum Raporu Şekl 2.3 : Mevcut raporlaşma sürec. Harbe hazırlık durum raporunun yüzlerce sayfalık br doküman olması, okunmasının çok zaman alması ve özet blg çermemes, bu raporların karar verme sürecne verml ve etkl br katkı sağlayamamasına yol açar. Ayrıca, bu raporlar hem kuvvetn hem de brlkler harbe hazırlık sevyesnn belrlenmesnde yetersz kalır. Yukarıdak eksklklere lave olarak; mevcut durumda harbe hazırlık durumu değerlendrmesne, harbe hazırlık durumunun atanmasına ve son olarak brlklern kategorlendrlmesne yönelk olarak herhang br analtk çalışma mevcut değldr. Ayrıca, harbe hazırlık durumunun yılda br defaya mahsus raporlar aracılığıyla 11

36 değerlendrlmes yerne gerçek zamanlı olarak blg sstemlernden alınacak anlık blglerle değerlendrlmes günümüzün vazgeçlmez br htyacıdır. 2.4 Brlklere Harbe Hazırlık Durumu Tahss Harbe hazırlık durumu (HHD), plan görevlerne bağlı olarak brlğn sahp olması gereken hedef standartlara göre brlğn muharebe görevlern cra edeblme mkân ve kablyetndek mevcut etknlğ ortaya koyar (Betts, 1995). Denetlemelerde brlklere, sahp oldukları kategor üzernden değerlendrlerek genel vazfe unsuru ve ana görev fonksyonlarının yapılablrlk derecesn gösteren HHD tahss edlr. Değşk kategordek brlkler aynı standartta denetlemeye tab tutulmaz. Değerlendrmede kullanılan HHD ler Çzelge 2.1 de verlmştr. Örneğn, br brlğn harbe hazırlık durumunun %76 olarak hesaplandığını varsayalım. Bu brlğe durum dereces olarak HHD-II tahss edlr. Brlk, standartların hepsn tam olarak karşılar ve uzun sürel harekât cra edleblr se HHD-I olarak değerlendrlr. HHD-II de brlğn standartları genel olarak karşılaması söz konusudur. Brlk standartların genellkle altında ve kendne verlen görevlern kısıtlı olarak yerne getreblecek durumda se bu brlğe HHD-III tahss edlr. HHD-IV, brlğn görevlern yerne getrmesn engelleyen noksanlıklardan dolayı harbe hazır değl se tahss edlr. Son olarak, büyük ölçüde slah, malzeme ve teçhzat değşklğne tab tutulan, yen teşkl edlen, söndürülen, yenden teşklatlandırılan, çekrdek kadroda tutulan veya seferde teşkl edlecek ve plan görev yapamayacak brlklere genellkle harbe hazırlık durumu olarak HHD-V atanır. Çzelge 2.1 : Harbe hazırlık durumları. Sevye Sayısal değer Açıklama HHD Harekata hazır HHD Bazı tahdtlerde harekata hazır HHD Cdd tahdtlerde harekata hazır HHD Harekata hazır değl HHD Planlı faalyetnden dolayı harekata hazır değl 12

37 2.5 Brlklern Kategorlendrlmes Brlğe tahss edlen kategor; plan görevlerne bağlı olarak brlğn sahp olması gereken hedef standartlarını belrler (Betts, 1995). Çevresel tehdt ve harekât planları dkkate alınarak tespt edlen brlk kategorler; brlğn hazırlık durumu le hazırlık tamamlama süresn brlkte gösterr ve K-1, K-2, K-3,., K-11 gb harf-rakam grubu le fade edlr. Hazırlık durumu; brlğn barış şartlarında olması gereken personel, malzeme ve eğtm durumu le bu brlğn muharebe görevlern tam olarak cra edeblmes çn belrlenen yerde, hazır olableceğ sürey fade eder. Hazırlık durumu kategorler le lgl standartlar aşağıdak çzelgede özet olarak verlmştr. Kategor adı Çzelge 2.2 : Brlk hazırlık kategorler. Hazırlık durumu Personel Eğtm Malzeme K Tam K İlave eğtme htyacı yok K-2P İlave eğtme htyacı yok K-3PT İlave eğtme htyacı var K-4PT Çekrdek kadrolu Genellkle 70 İlave eğtme htyacı var K-4PMT Çekrdek kadrolu 70 ın altında Eğtme htyacı var. K-5PMMT Seferde gelr. 50 ın altında Eğtme htyacı var Harbe hazırlığın değerlendrlmes sonucunda brlklern personel, eğtm ve malzeme hazırlıklarının eksklklern belrtmek amacıyla uluslararası br gösterge ntelğ taşıyan çeştl harfler aşağıdak mantıkla tahss edlr: Brlğn personel durumu % 85 den az se P harf, % 70 dan az se de PP harf eklenr. Brlğn eğtm durumu % 90 dan az se T harf, % 70 dan az se de TT harf eklenr. Brlğn malzeme durumu % 90 dan az se M harf, % 70 dan az se MM harf, % 50 dan az se de MMM harf eklenr. Örneğn, br brlğn personel durumu %81, eğtm durumu % 93 ve malzeme durumu se %68 olarak hesaplandığını varsayalım. Bu brlğe kategor harfler olarak PMM verlmektedr. Bu kodlamalar le karar verclern olası sorun sahalarını en 13

38 kısa sürede tespt edp, gerekl analzler yaparak düzeltc şlemler başlatablmes hedeflenr. 14

39 3. TEORİK ÇERÇEVE Bu bölümde öncelkle tez kapsamında gelştrlen modellern temeln oluşturan Analtk Hyerarş Süreç, Ağırlıklı Çarpım, TOPSIS, SMAA ve Aksyomlarla Tasarım yöntemler le Rassal Ağırlık Atama Algortmaları na yönelk teork blgler verlecektr. Daha sonrasında, bu yöntemlern harbe hazırlık değerlendrme problem çn genel eksklkler le yen gereksnmler doğrultusunda söz konusu yöntemlere yapılan katkılardan bahsedlecektr. 3.1 Mevcut Yöntem ve Algortmalar Analtk Hyerarş Süreç Br problem çözümünde sstemn tek br parçasına odaklanmak, sstemn bütününü görmey engelleyeceğ gb, br alt sstem dkkate alıp onun çnde bulunduğu ana sstem göz ardı etmeye de yol açablr. Bu durum sstem olduğundan daha kötü br duruma düşüreblr. Sstem yaklaşımı br sstemn çeştl öğelernn tüm sstem üzerndek etklern değerlendrp onların görel önemlern bulmaya yönelktr. AHP süreçlernn temelnde de br sstem yaklaşımı vardır. AHP, nsan aklındak doğal uygulama yöntemn yansıtır. İnsanoğlunun karmaşık br problem nasıl algılayıp, onu ne şeklde kafasında bçmlendrdğn gösterr. İnsanın karşılaştırma yeteneğnn doğal br sonucu olarak ortaya çıkan AHP, karmaşık problemlern ana hedef, ölçütler, alt ölçütler ve alternatflerden oluşan hyerarşk br yapıda modelleneblmesne olanak veren br ÇÖKV yöntemdr (Saaty, 1980). Kolay anlaşılır olması, hyerarşk yapısı le nsanın doğal düşünce sstematğn yansıtması, kl karşılaştırmaların karar verclere anlamlı gelmes, bast matematk hesaplamaları çermes, hem objektf hem de sübjektf değerlendrme ölçütlern dkkate alablmes ve kısa sürede sonuç üreteblmes AHP yöntemnn oldukça büyük br lg görmesne ve gerçek hayatta brçok alanda başarılı br şeklde kullanılmasına yol açmıştır. Yöntemn temel teors ve matematksel hesaplamaları le lgl ayrıntılı blgler Saaty (1980, 1988, 1991, 1994) tarafından çeştl ktap ve makalelerde 15

40 verlmştr. Ayrıca, yöntemn uygulamaları le lgl ayrıntılı lteratür araştırmaları Vadya ve Kumar (2006), Ho (2008), Spah ve Tmor (2010), Ishzaka ve Labb (2011), Subramanana ve Ramanathanb (2012) tarafından sunulmuştur. AHP yöntemnn uygulanması aşağıdak adımlardan oluşmaktadır: Adım 1: Hyerarşk yapının oluşturulması. Amaç, ölçütler ve alternatfler tespt edlerek problem tanımlanır. Sonra en üstte amaç, orta sevyede ölçütler ve en alt sevyede se alternatfler olacak şeklde karar hyerarşs oluşturulur. Adım 2: Ölçütlern kl olarak karşılaştırılması. Karar vercler tarafından hyerarşk yapı çersndek ölçütler br üst ölçüte göre Çzelge 3.1'de sunulan Saaty nn 1-9 ölçeğ kullanılarak kl olarak karşılaştırılır. Karşılaştırma esnasında br üst ölçüte göre k ölçütten hangs daha fazla önemldr ve ne kadar? sorusuna verlen cevaplarla aşağıdak kl karşılaştırma matrs oluşturulur. 1 a12 a1 n 1 a12 a1n a21 1 a 2n 1/ a12 1 a 2n A a a 1 1/ a 1/ a 1 n1 n2 1n 2n (3.1) burada; A kl karşılaştırma matrsn, n ölçüt sayısını ve a j se.nc ölçütün j.nc ölçüte görecel önem derecesn fade eder. Adım 3: Ölçüt ağırlıklarının elde edlmes. AHP yöntem le yerel ağırlık vektörü, dğer br fade le normalze edlmş özvektör, her br kl karşılaştırma matrs çn öncelkle sütun normalzasyonu, ardından satır ortalaması alınarak aşağıda gösterldğ gb elde edlr: w a n j n j1 ak k 1 n, = 1, 2,..., n (3.2) burada; w.nc ölçütün görecel ağırlığı, n ölçüt sayısı, a j se.nc ölçütün j.nc ölçüte görecel önem derecesn fade eder ve w 1. n 1 16

41 Çzelge 3.1 : İkl karşılaştırmalar çn kullanılan Saaty nn 1-9 ölçeğ. Önem dereces Sözel fade 1 Eşt Derecede Öneml 3 Braz Daha Fazla Öneml 5 Kuvvetl Derecede Öneml 7 Çok Kuvvetl Derecede Öneml 9 Tamamıyla Öneml 2, 4, 6, 8 Ara değerler Her br kl karşılaştırma matrs çn görecel ağırlık vektörü elde edldkten sonra, bu değerler sentez edlerek hyerarşk yapı çersndek tüm ölçütlern genel ağırlıkları hesaplanır. Adım 4: Tutarlılık oranlarının hesaplanması. Her br kl karşılaştırma matrs çn tutarlılık oranı (CR) hesaplanır ve bu oran çn üst lmtn 0.10 olması stenr. Hesaplanan CR değernn 0.10 dan küçük olması karar vercnn yaptığı karşılaştırmaların tutarlı olduğunu gösterr. CR değernn 0.10 dan büyük olması karşılaştırmaların tutarsız olduğunu veya hesaplama hatası olduğunu fade eder. Bu durumda, karşılaştırmalar tekrar gözden geçrlmeldr. CR değer; tutarlılık ndeksnn (CI), rassal ndeks (RI) değerne bölünmes suretyle elde edlr: CI CR RI (3.3) Yukarıdak denklemde yer alan CI tutarlılık ndeks şu şeklde hesaplanır: CI max n n 1 (3.4) burada; max A matrsnn en büyük özvektörünü, n se ölçüt sayısını fade eder. max değernn hesaplanablmes çn öncelkle A kl karşılaştırma matrs le w ağırlık vektörü çarpılır. Bunun sonucunda elde edlen D sütun vektörünün elemanlarının, w değerlerne bölünerek elde edlmesyle oluşan değerler toplanır ve bu toplam ölçüt sayısına bölünerek max elde edlr. 17

42 D d A w a w nx1 nxn nx1 max n 1 d w n (3.5) CR değernn hesaplanmasında htyaç duyulan br başka değer olan RI rassal ndeks her n boyutundak matrs çn rassal olarak oluşturulmuş matrslern ortalama tutarlılık değerler yoluyla hesaplanmıştır (Saaty, 1980). Sabt sayılardan meydana gelen ve n değerne göre belrlenen RI değerler Çzelge 3.2 de verlmştr. Çzelge 3.2 : Krter sayısına bağlı olarak rassal ndeks değerler. n RI Bu adıma kadar yapılan şlemlerle, karar verme problemnn çözümüne etk eden ölçütlern ağırlıkları belrlenr. Bu adım sonrasında yenden karşılaştırma matrsler kullanılarak alternatflern analz yapılableceğ gb, AHP dışındak farklı karar verme yöntemlerne ölçüt ağırlıklarının grd olması sağlanablr. Adım 5: Alternatflern her br ölçüte göre değerlendrlmes. Tüm ölçütler ayrı ayrı dkkate alınarak, karar alternatflernn bu ölçütler kapsamında kl karşılaştırmaları yapılır. Bu şlem sonucunda n (ölçüt sayısı) adet kl karşılaştırma matrs elde edlr. Alternatf sayısı m le gösterlrse, her br karşılaştırma matrsn boyutu m x m olur. Bu karşılaştırma matrsler le Adım 3 tek şlemler takp edlerek her br ölçüte göre alternatflern puanları elde edlr. Bu adım sonucunda elde edlen n tane m x 1 boyutlu sütun vektörü le m x n boyutlu karar matrs oluşturur. Adım 6: Alternatf ağırlıklarının elde edlmes ve nha olarak seçmn yapılması. Karar matrs ölçüt karşılaştırmaları sonucu elde edlen w sutun vektörü le çarpılarak, yen br sutün vektörü elde edlr. Bu vektörün her br elemanı, karar alternatflernn puanlarını gösterr. Toplamı 1 olacak şeklde ortaya çıkan bu değerler çersnde, en büyük puana (öneme) sahp alternatf en y alternatftr. 18

43 3.1.2 Ağırlıklı Çarpım yöntem Lteratürde Çarpımsal Üssel Ağırlık (ng.: Multplcatve Exponental Weghtage; MEW) olarak da blnen bu yöntem, her br ölçütün ana amaca olan faydasının/katkısının br fonksyon le brleştrlmesn öngören fayda temell br ÇÖKV yöntemdr. İlk olarak Brdgman (1922) tarafından ortaya atılmış, daha sonrasında Mller ve Starr (1969) le Hwang ve Yoon (1981) tarafından gündeme getrlmştr. Gayet mantıklı görünen ve bast br hesaplama sürec çeren bu yöntem, henüz yaygın br şeklde kullanılmamıştır. ÇÖKV yöntemlernde ölçütlern farklı ölçüm brmlerne at olması nedenyle, ölçüt katkılarının brleştrlmes (karar matrsndek verlern şleneblmes) çn öncelkle normalzasyon gerekl olur. Buna karşın, bu yöntemde ölçüt katkıları brbrlerne çarpımla bağlı olduğu çn karar matrsnn normalze edlmesne htyaç duyulmaz. Ölçüt değerler arasında çarpım yöntem kullanıldığı zaman, ağırlıklar her ölçüt değernn üssü olur. Ağırlıklar kâr ölçütler çn poztf ve malyet ölçütler çn negatf şaretl üs olarak kullanılır (Hwang ve Yoon, 1981). Bu yöntemde her br alternatfn değer aşağıdak gb hesaplanır: w j V ( A ) V ( x ), = 1,2,..., m j j1 n (3.6) burada, V ( A ) A alternatfnn değer fonksyonu, w j C j ölçütünün ağırlık değern ve x j se A alternatfnn ölçütlern toplam ağırlığı 1 e eşttr ( w j = 1 ). C j ölçütüne göre performans değern fade eder. Ayrıca, n j1 Üssel şlem özellğnden dolayı, bu yöntem bütün performans değerlern 1 den büyük olmasını gerektrr. Eğer herhang br ölçüt çn 1 den küçük br değer varsa, o ölçütün bütün değerler bu htyacı karşılayacak şeklde 10 m le çarpılır. Bu durumda karar verc, bu değerler çnde doğru br anlam bulamaz. Hem bu nedenle hem de dğer yöntemlerle karşılaştırablme amacıyla, her alternatf değernn deal br değer le karşılaştırılması uygun olablr. Karşılaştırmada eğer * A deal alternatf olarak kabul edlrse, alternatf ve deal alternatf arasındak değer oranı aşağıdak gb hesaplanır: 19