T.C. KARA HARP OKULU SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI

Transkript

1 T.C. KARA HARP OKULU SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ ĠLE LOJĠSTĠK TESĠS YER SEÇĠMĠ: KAMU SEKTÖRÜNDE BĠR UYGULAMA YÜKSEK LĠSANS TEZĠ Hazırlayan Mustafa AĞDAġ Tez DanıĢmanı Yrd. Doç. Dr. Serkan GÜMÜġ Tez EĢ DanıĢman Yrd. Doç. Dr. Özkan BALĠ ANKARA 2014

2

3 TEZĠN TARĠHĠ: TEZ TANITIM FORMU TEZĠN TĠPĠ: Yüksek Lisans Tezi TEZĠN BAġLIĞI: Çok Kriterli Karar Verme Yöntemleri ile Lojistik Tesis Yer Seçimi: Kamu Sektöründe Bir Uygulama TEZĠN YAPILDIĞI BĠRĠM: Kara Harp Okulu Savunma Bilimleri Enstitüsü Tedarik ve Lojistik Yönetimi Ana Bilim Dalı SPONSOR KURULUġ: - DAĞITIM LĠSTESĠ: Kara Harp Okulu Savunma Bilimleri Enstitüsü Tez Hazırlama, Onay, Dağıtım ve Muhafaza Esasları Kılavuzunda Belirtilen Yerlere TEZĠN ÖZETĠ: Bu çalıģmada, bir kamu kurumunun müteakip dönem içerisinde yeni açmayı planladığı bir lojistik tesisi (ikmal merkezi) için yer seçimi problemi ele alınmıģ ve üç farklı çok kriterli karar verme yöntemi ile çözüm önerisi sunulmuģtur. Karar süreci içinde, öncelikle tesis yer seçimine iliģkin literatürde yapılan çalıģmalar incelenmiģ ve burada yer alan kriterler belirlenmiģtir. Daha sonra kamu kurumunun özel durumu gereği bu tesis için sahip olması gereken diğer kriterler tespit edilerek bu sürece dâhil edilmiģtir. Belirlenen tüm bu kriterlerin önem ağırlıklarını tespit etmek amacıyla, kurumda çalıģan personel anket uygulaması yapılmıģtır. Anket sonucu elde edilen veriler istatiksel analize tabi tutulmuģ ve en önemli yirmi beģ kriter seçilmiģtir. Kurumun görüģleri doğrultusunda Türkiye sınırları içinde belirlenen dört yeni alternatif ikmal merkezi, seçilen yirmi beģ kritere göre kurumun üst düzey yöneticileri tarafından sözel değiģkenler ile değerlendirilmiģtir. Kriter önem ağırlıkları ile alternatiflerin kriterler açısından aldığı değerlerin matematiksel ifadesinde üçgen bulanık sayılardan faydalanılmıģtır. Alternatiflerin değerlendirilmesi ile en iyi alternatifin

4 seçilmesinde bulanık TOPSIS, bulanık VIKOR ve SMAA-2 metotları ayrı ayrı kullanılmıģtır. Son olarak elde edilen sonuçlar karģılaģtırılmıģ ve yorumlanmıģtır. ANAHTAR KELĠMELER: Tesis Yer Seçimi, Lojistik Merkezler, Bulanık TOPSIS, Bulanık VIKOR, SMAA-2, Çok Kriterli Karar Verme. SAYFA SAYISI: 155 GĠZLĠLĠK DERECESĠ: Tasnif DıĢı Bu tezde belirtilen görüģ ve yorumlar yazana aittir. Türk Silahlı Kuvvetlerinin ya da diğer kamu kuruluģlarının görüģlerini yansıtmaz.

5 T.C. KARA HARP OKULU SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ ĠLE LOJĠSTĠK TESĠS YER SEÇĠMĠ: KAMU SEKTÖRÜNDE BĠR UYGULAMA YÜKSEK LĠSANS TEZĠ Hazırlayan Mustafa AĞDAġ Tez DanıĢmanı Yrd. Doç. Dr. Serkan GÜMÜġ Tez EĢ DanıĢmanı Yrd. Doç. Dr. Özkan BALĠ ANKARA 2014

6 T.C. KARA HARP OKULU SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI Mustafa AĞDAġ ın, Çok Kriterli Karar Verme Yöntemleri Ġle Lojistik Tesis Yer Seçimi: Kamu Sektöründe Bir Uygulama konulu tez çalıģması, jürimiz tarafından TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ Ana Bilim Dalında YÜKSEK LĠSANS tezi olarak kabul edilmiģtir. BaĢkan Prof. Dr. Cevriye GENCER Üye Doç. Dr. Mehmet KABAK Üye Yrd. Doç. Dr. Serkan GÜMÜġ (DanıĢman) ONAY Yukarıdaki imzaların, adı geçen öğretim üyelerine ait olduğunu onaylarım.... /... / 2014 (Ġmza ve Mühür) Ö. Haluk TEKBAġ Prof. Dr. Enstitü Müdürü

7 TEġEKKÜR Öncelikle bana yüksek lisans yapma imkânı sunan Türk Silahlı Kuvvetlerine, gururla hizmet ettiğim Kara Kuvvetleri Komutanlığı na, Kara Harp Okul Komutanlığı na ve seçilmemde emeği geçen tüm personele teģekkür ederim. Tez çalıģmam süresince bana gösterdiği ilgiden dolayı tez danıģmanım Yrd. Doç. Dr. Serkan GÜMÜġ e, tezimi hep bir ileri noktaya taģıyan, desteğini hiç esirgemeyen ve tezimin geliģiminde çok büyük katkısı olan tez eģ danıģmanım Yrd. Doç. Dr. Özkan BALĠ ye, manevi desteğini hep yanımda hissettiğim eģim Ġmran AĞDAġ a ve biricik kızım Pelin Alya AĞDAġ a en içten teģekkürlerimi sunarım. Ayrıca tezimin ana baģlangıcı olan anket aģamasında, anketin yayınlanması için en az benim kadar uğraģan, mesaisinden zaman ayıran ve desteğini esirgemeyen Kur. Alb. Muzaffer DÜZENLĠ ye ve K.K. Bilgi Sistem ġubesi personeline, anketin yayınlanmasında emeği olan Selda Hanım a, anketin yazım düzenlenmesine yardımı geçen Sv. Me. Ayla GÜNEY e, anket sonuçlarının analizinde engin bilgisini esirgemeyen ve bana yol gösteren Doç. Dr. Sait GÜRBÜZ e, tezim boyunca bana her zaman fikirleriyle destek olan ve yardımını esirgemeyen değerli arkadaģım Haydar BALLI ya ve burada adını sayamadığım tezime katkı sağlayan herkese teģekkürü bir borç bilirim. Son olarak, Savunma Bilimleri Enstitüsü öğrenim aģamasında, bizleri bu sürece hazırlayan saygın öğretim elemanlarına, komutanlarıma ve değerli sınıf arkadaģlarıma Ģükranlarımı sunarım. i

8 T.C. KARA HARP OKULU SAVUNMA BĠLĠMLERĠ ENSTĠTÜSÜ TEDARĠK VE LOJĠSTĠK YÖNETĠMĠ ANA BĠLĠM DALI ANKARA 2014 ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ ĠLE LOJĠSTĠK TESĠS YER SEÇĠMĠ: KAMU SEKTÖRÜNDE BĠR UYGULAMA YÜKSEK LĠSANS TEZĠ Mustafa AĞDAġ ÖZET Tesis yeri seçimi genel anlamda bir tesisin kurulacağı ya da yerleģtirileceği bölgenin veya arazi parçasının seçilmesidir. Yer seçimi kararı uzun vadeli özellik taģıması nedeniyle stratejik öneme haiz yatırım kararlarıdır. Uzun dönemli ve stratejik bir karar olmasından dolayı değiģtirilmesi güç ve maliyetlidir. Bu tip tesislere; hastaneler, üniversiteler, üretim tesisleri, limanlar, alıģveriģ merkezleri, kıģlalar ve lojistik tesisler örnek gösterilebilir. Bu çalıģmada, bir kamu kurumunun yeni açacağı bir ikmal merkezi için yer seçimi problemi ele alınmıģtır. Kamu kurumu, yeniden yapılanma çalıģması kapsamında, tesislerinin dağınıklığının giderilmesi ve etkinliğinin artırılmasına yönelik bir çalıģma baģlatmıģtır. Bu dağınık tesislerinin yeniden organizasyonu içinde lojistik tesisleri de önemli yer tutmaktadır. Birimlerinin lojistik ihtiyaçlarının karģılanması ve ikmal akıģının sağlanmasındaki temel yapı ikmal merkezleridir. En iyi alternatif ikmal merkezi yer seçimi problemi için öncelikle literatürde tesis yer seçimi problemlerinde kullanılan ve kurumun ihtiyaçları doğrultusunda belirlenen kriterler tespit edilmiģtir. Bu kriterlerden kendi birimlerinin tesis yerleģimine uygun olanlar tespit edilmiģ ve soru haline dönüģtürülerek kriterler ve kriterlerin önem derecelerini belirlemek üzere kurumun çalıģanlarına anket uygulaması yapılmıģtır. Anket uygulaması ii

9 sonucu elde edilen kriter önem dereceleri istatistiksel analize tabi tutulmuģ ve yirmi beģ kritere indirgenmiģtir. Müteakiben, yirmi beģ kriterin gerçek veri değerlerine ulaģılmıģ ve uygulama için jenerik bir problem kurulmuģtur. Alternatif yerler için kurum ile koordineli olarak Trakya bölgesinde dört adet jenerik arazi seçilmiģ ve kurumda çalıģan bu konuda yetkili üst düzey personel tarafından bu alternatif araziler kriter değerlerine göre dilsel değiģkenler ile değerlendirilmiģtir. Alternatif yerler farklı formatta amaca uygun olarak belirlenen ÇKKV yöntemleri ile değerlendirilmiģtir. Karar vericilere iliģkin kiģisel ifadelerin kesinlik taģımaması, tercihlerinin belirsiz olması ve tercihlerini kesin değerlerle ifade edememesi nedeniyle bulanık küme teorisinden faydalanılmıģtır. Öncelikle, bulanık değerlendirmeler için oluģturulan jenerik modelde bulanık TOPSIS ile bulanık VIKOR yöntemleri kullanılmıģ ve bu yöntemlere ait birer çözüm önerisi sunulmuģtur. Bulanık TOPSIS yöntemi, alternatiflerin tercih sırasını yapmak ve en iyi çözüm seçimini belirlemek için tercih edilmiģtir. Bu yöntemin tercih edilmesinin en önemli sebebi, seçilen alternatifin pozitif ideal çözümden uzaklığı en az, negatif ideal çözümden uzaklığı da en fazla olmasına imkân tanıması ve literatürde yaygın olarak kullanılmasıdır. Bulanık VIKOR yönteminin tercih edilme sebebi ise, çeliģkili ve birbiriyle çatıģan kriterlerin bulunduğu ÇKKV problemlerinde, bulanık değerlendirmelere imkan tanıması, çok sayıda karar verici ile uzlaģık bir çözüm önerisi sunması, alternatifleri sıralaması ve en iyi alternatifi seçmeye odaklanmasıdır. Son olarak alternatiflerin değerlendirilmesinde kullanılan kriterlerin bir kısmının stokastik özellikte olması, belirsizlik taģıması ve kesin değerlerle ifade edilememesi nedeniyle SMAA-2 metodu ile ayrı bir çözüm önerisi daha sunulmuģtur. Bu kriterler açısından alternatif yerler yeniden değerlendirilmiģ ve JSMAA programına dağılım, olasılık ve aralık değerleri ile girilmiģtir. Son olarak, her üç metot ile elde edilen sonuçlar karģılaģtırılmıģ ve yorumlanmıģtır. Alternatiflerin sıralamaları farklı olmasına iii

10 karģın üç metodun da en iyi alternatif olarak aynı alternatif yeri tercih ettiği görülmüģtür. Anahtar Kelimeler : Tesis Yer Seçimi, Lojistik Merkezler, Çok Kriterli Karar Verme, Bulanık TOPSIS, Bulanık VIKOR, SMAA-2. Tez Yöneticisi : Yrd. Doç. Dr. Serkan GÜMÜġ Tez EĢ DanıĢmanı : Yrd. Doç. Dr. Özkan BALĠ Sayfa Sayısı : 155 iv

11 T.C. TURKISH MILITARY ACADEMY DEFENSE SCIENCE INSTITUTE DEPARTMENT OF SUPPLY AND LOGISTICS MANAGEMENT ANKARA 2014 A LOGISTICS FACILITY LOCATION SELECTION BY USING MULTI CRITERIA DESICION MAKING METHODS: AN APPLICATION IN PUBLIC SECTOR MASTER S THESIS Mustafa AĞDAġ ABSTRACT In general, facility location is selection of an area or place that will be established or located for the facility. Decision of the facility location selection is the decisions of investment that have strategic importance due to being long term. Those decisions are difficult and costly to be replaced. Hospitals, universities, manufacturing plants, ports, shopping centers, barracks and logistics facilities are exemplified to these types of facilities. In this study, it is discussed a supply center selection problem of public institute will be opened at a new place. Within the scope of the restructuring of public institution, it is launched a study for removing of clutter of facilities and enhancing for its activities. This re-organization of dispersed facilities also has an important role in logistics facilities. Supply Centers are the basic structure of to meet the requirements of the logistics for the units and to ensure the supply flow. In order to choose the best alternative supply center location, at first, we have analyzed and identified the criteria that are used in the facility location problems in literature and determined in accordance with the needs v

12 of the organization. The criteria which are appropriate to their units are selected, and then converted into questions in order to be taken part in a survey that is applied to public s employees to determine the weight importance of the criteria. As a result of the application of survey, the weights of criteria are obtained and subject to statistical analysis. Finally they are reduced to twenty-five criteria. After that we have achieved to actual data value of the twenty-five criteria and a generic problem is established for an application. It is determined in coordination with the organization four alternative locations for the generic problem in Thrace, and specialist senior staffs working in this public institution evaluate these alternatives with linguistic variables according to the values of these twenty five criteria. Alternative locations are evaluated with different MCDM methods. At first, a generic problem is created. Fuzzy TOPSIS and fuzzy VIKOR methods are used for the fuzzy assessments and then it is offered an optimal solution for the best location selection belongs to this method. Fuzzy TOPSIS method is chosen due to defining of order of alternatives preference and selection of best alternative solution. The significant reason of selection this method is the selected alternative provides that is close to positive ideal solution as well as the furthest to negative ideal solution and used very common in literature. Fuzzy VIKOR method is chosen method that provides fuzzy assessments, common offers for solutions with multi-decision makers, order the alternatives and focusing on the best alternative in the MCDM problems that have conflicting criteria. Additionally, for some of the criteria used in the generic problem have stochastic features, these criteria revaluated by experts. After that a separate proposed solution are presented by using SMAA-2 method. Finally, the obtained results by the three methods are both compared and interpreted. It is seen that these three methods have preferred the same vi

13 alternative location. Although ranking of the alternatives are different, but three MCDM methods prefer by the same best alternative location. Keywords : Facility Location Selection, Logistics Centers, Multicriteria Decision Making Method, Fuzzy TOPSIS, Fuzzy VIKOR, SMAA-2. Advisor Co-Advisor : Asst. Prof. Dr. Serkan GÜMÜġ : Asst. Prof. Dr. Özkan BALĠ Number of Pages : 155 vii

14 ĠÇĠNDEKĠLER TEġEKKÜR... i ĠÇĠNDEKĠLER... viii TABLOLAR LĠSTESĠ... xii ġekġller LĠSTESĠ... xv KISALTMALAR LĠSTESĠ... xvi GĠRĠġ... 1 BĠRĠNCĠ BÖLÜM TESĠS YERĠ SEÇĠMĠ 1. GĠRĠġ TESĠS YERĠ SEÇĠMĠ KAVRAMI VE ÖNEMĠ TESĠS YER SEÇĠMĠ PROBLEMLERĠNĠN GENEL ÖZELLĠKLERĠ... 9 ĠKĠNCĠ BÖLÜM LĠTERATÜR ARAġTIRMASI 1. YAPILAN ĠLK ÇALIġMALAR TESĠS YERĠ SEÇĠMĠ PROBLEMLERĠNĠN SINIFLANDIRILMASI TEMEL TESĠS YERLEġĠM PROBLEMLERĠNĠN AÇIKLANMASI a. Statik Tesis YerleĢim Problemleri (1) Kaplama YerleĢim Problemleri (2) Merkez YerleĢim Problemleri (3) Medyan (Ortanca) YerleĢim Problemleri viii

15 (4) Ağ YerleĢim Problemleri (5) Kesikli Tesis YerleĢim Problemleri (6) Sürekli Tesis YerleĢim Problemleri b. Dinamik Tesis YerleĢim Problemleri (1) Dinamik Deterministik Tesis YerleĢim Problemleri (2) Tesis YerleĢim/Yer değiģtirme YerleĢim Problemleri (3) Çok/Tek Periyodlu YerleĢim Problemleri (4) Stokastik (Olasılıklı) ve Bulanık Tesis YerleĢim Problemleri.. 27 c. Tek/Çok Tesis YerleĢim Problemleri d. Ġstenen/Yarı Ġstenen/Ġstenmeyen Tesis YerleĢim Problemleri e. Özel/Kamu Sektörü YerleĢim Problemleri ÇOK KRĠTERLĠ TESĠS YER SEÇĠMĠ PROBLEMLERĠ a. Ġki Amaçlı Tesis YerleĢim Problemleri b. K-Amaçlı (Çok Amaçlı) Tesis YerleĢim Problemleri c. Çok Nitelikli Tesis YerleĢim Problemleri d. Kullanılan Yöntemlere ĠliĢkin Literatür e. Kullanılan Kriterlere ĠliĢkin Literatür ÜÇÜNCÜ BÖLÜM BULANIK MANTIK VE ÇOK KRĠTERLĠ KARAR VERME 1. GĠRĠġ BULANIK MANTIK BULANIK KÜME TEORĠSĠ BULANIK TOPSĠS YÖNTEMĠ a. TOPSIS Yöntemi ix

16 b. Bulanık TOPSIS Yöntemi c. Bulanık TOPSIS Yöntemi Uygulama Alanları BULANIK VIKOR YÖNTEMĠ a. VIKOR Yöntemi b. Bulanık VIKOR Yöntemi c. Bulanık VIKOR Yöntemi Uygulama Alanları STOKASTĠK ÇOK KRĠTERLĠ KABUL EDĠLEBĠLĠRLĠK ANALĠZĠ (SMAA) METODU a. GiriĢ b. SMAA Metodunun GeliĢimi ve Tanımlayıcı Ölçekleri c. SMAA-2 Yöntemi d. SMAA ÇeĢitleri ve Uygulama Alanları DÖRDÜNCÜ BÖLÜM UYGULAMA 1. PROBLEMĠN TANIMI ANKET UYGULAMASI VE KRĠTERLERĠN BELĠRLENMESĠ KRĠTERLERĠN AÇIKLANMASI ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠNĠN UYGULANMASI a. Bulanık TOPSĠS Yöntemi b. Bulanık VIKOR Yöntemi c. SMAA-2 Metodu SONUÇLARIN KARġILAġTIRILMASI VE YORUMLANMASI x

17 BEġĠNCĠ BÖLÜM SONUÇ VE ÖNERĠLER 1. SONUÇ ÖNERĠLER KAYNAKÇA EKĠ xi

18 TABLOLAR LĠSTESĠ Sayfa Tablo-1: Literatürdeki AraĢtırmaların Yöntem ve Uygulama Alanlarına Göre Sınıflandırılması Tablo-2: Çok Nitelikli YerleĢim Problemlerinde Kullanılan Belirleyici Kriterler Tablo-3: Kriter Önem Ağırlıkları ile Alternatiflerin Değerlendirilmesinde Kullanılan Sözel DeğiĢkenler Tablo-4: Kabul KoĢulları Tablo-5: Bulanık TOPSIS Yöntemi Uygulama Alanları Tablo-6: Bulanık VIKOR Yöntemi Uygulama Alanları Tablo-7: SMAA Yöntemleri Uygulama Alanları Tablo-8: Ġkmal Merkezi Yer Seçiminde Çok Önemli (ÇÖ) Görülen Kriterler Tablo-9: Ġkmal Merkezi Yer Seçiminde Nispeten Önemli (NÖ) Görülen Kriterler Tablo-10: Ġkmal Merkezi Yer Seçiminde Az Önemli (AÖ) Görülen Kriterler Tablo-11: Jenerik Problemde Kullanılan Kriterler Tablo-12: Alternatiflerin ġehir/ġlçe Merkezlerine Uzaklıkları Tablo-13: Alternatiflerin Bağlı Olduğu Ġllerde YaĢanan Toplam Afet Sayısı Tablo-14: Tehlikeli ve Ġstenmeyen Tesislere Olan Uzaklık Tablo-15: Ġklim KoĢullarının ElveriĢliliği Tablo-16: Alternatiflere Yakın ġehir Merkezlerinin Sosyo-Ekonomik GeliĢmiĢlik Endeks Değeri Tablo-17: Alternatif Yerlere Yakın Ġllerin Suç Olayı Sayıları Tablo-18: Alternatif Yerlere Yakın Ġllerin Hava Kalitesi Değerleri xii

19 Sayfa Tablo-19: Alternatiflerin Sosyal Ġmkânlara Mesafesi Tablo-20: Alternatiflere Yakın Ġllere Ait Ġl Ġstihdam Rakamları Tablo-21: Alternatiflerin Görev Alanına Mesafesi Tablo-22: Alternatiflerin Kritik Arazi Arızalarına Mesafesi Tablo-23: Alternatiflerin Ġki Önemli Kara Yolu UlaĢım Hattına Mesafesi Tablo-24: Alternatiflerin Demir Yolu Ġstasyonlarına Mesafesi Tablo-25: Alternatiflerin Hava Limanlarına Mesafesi Tablo-26: Alternatiflerin Lojistik Tesislere Mesafesi Tablo-27: 2013 Yılı Motorlu Kara TaĢıt Sayısı Tablo-28: Arazi Maliyeti Tablo-29: Alternatiflere Karayolu Ġle Malzeme Teslim Süreleri Tablo-30: Alternatiflerin Sınır Hattına Mesafesi Tablo-31: Alternatif Yerlerin Destekleyeceği Birimlere Mesafesi Tablo-32: Alternatif Yerlere Yakın Ġllerin Ġthalat ve Ġhracat Yapan Firma Sayıları Tablo-33: Alternatiflerin Destekleyeceği Birimlere UlaĢım Maliyeti Tablo-34: Karar Vericilerin Alternatifleri Kriterlere Göre Dilsel DeğiĢkenlerle Değerlendirilmesi Tablo 35: Ġlk Üç ve Son Üç Personelin Karar Kriterleri Önem Dereceleri ile Ġlgili Dilsel Ġfadeleri Tablo-36: Kriterlerin Bulanık Önem Ağırlıkları Tablo-37: Alternatiflerin Kriterlerden Aldığı Değerlerin Üçgen Bulanık Sayılar ile Gösterilmesi Tablo-38: Bulanık Karar Matrisi ( ) Tablo-39: Kriterlerin BütünleĢtirilmiĢ Bulanık Önem Ağırlıkları Matrisi Tablo-40: Normalize EdilmiĢ Bulanık Karar Matrisi ( ) xiii

20 Sayfa Tablo-41: Ağırlıklı Normalize EdilmiĢ Bulanık Karar Matrisi Tablo-42: Alternatiflerin Bulanık Pozitif Ġdeal Çözümden Uzaklıkları Tablo-43: Alternatiflerin Bulanık Negatif Ġdeal Çözümden Uzaklıkları Tablo-44: Alternatiflerin ( ) değeri ( ) değerleri Tablo-45: Bulanık Karar Matrisi Tablo-46: Kriterlerin En Ġyi ve En Kötü Değerleri Tablo-47: Alternatiflerin Her Bir Kriter Açısından En Ġyi Kriter Değerine Olan Uzaklık Değerleri Tablo-48: Alternatiflerin Her Bir Kriter Açısından En kötü Kritere Değerine Olan Uzaklık Değerleri Tablo-49: ve Değerleri Tablo-50:,, ve Değerleri Tablo-51:, ve Ġndeks Değerleri Tablo-52: Alternatiflerin S ve R Değerleri Tablo-53: Alternatiflerin Farklı Değerleri ile Sıralanması Tablo-54: SMAA-2 Metodu için Alternatiflerin Kriterlere Göre Aldığı Değer Tablo-55: Alternatiflerin Sıralanması xiv

21 ġekġller LĠSTESĠ Sayfa ġekil-1: Weber YerleĢim Yeri Üçgeni ġekil-2: Çok Kriterli Tesis YerleĢim Problemlerinin Sınıflandırılması ġekil-3: Tesis YerleĢim Problemlerinin Sınıflandırılması ġekil-4: Çok Kriterli Karar Verme Süreci ġekil-5: Üçgen Bulanık Sayıların Grafiksel Gösterimi ġekil-6: Ana Birimler ile Diğer Tesislerin KonuĢlu Olduğu Yerler ġekil-7: Ankete Katılan Personelin Statü Dağılımı ġekil-8: Yılları Arasında Gözlenen Afetlerin Toplam Sayısı ġekil-9: SMAA-2 Metodu ile Elde Edilen Sonuçlar ġekil-10: Sıra Kabul Edilebilirlik Ġndisi ġekil-11: Güvenilirlik Faktörleri ile Merkezi Ağırlık Vektörleri ġekil-12: EĢit Kriter Önem Ağırlığı ile Alternatiflerin Sıralanması xv

22 KISALTMALAR LĠSTESĠ AHP ANP BPĠÇ BNĠÇ CBS ÇAKV ÇKKV ÇNKV ELECTRE KV : Analitik HiyerarĢi Prosesi : Analitik Network Prosesi : Bulanık Pozitif Ġdeal Çözüm : Bulanık Negatif Ġdeal Çözüm : Coğrafi Bilgi Sistemi : Çok Amaçlı Karar Verme : Çok Kriterli Karar Verme : Çok Nitelikli Karar Verme : Elimination Et Choix Traduisant La Réalité : Karar Verici MAUT PROMETHEE : SAW : Multi-Attribute Utility Theory Preference Ranking Organization Method for Enrichment Evaluations : Simple Additive Weighting Method SMAA TOPSIS TÜĠK VIKOR : Stochastic Multicriteria Acceptability Analysis : Technique For Order Preference By Similarity To Ideal Solution : Türkiye Ġstatistik Kurumu : VIseKriterijumska Optimizacija I Kompromisno Resenje xvi

23 GĠRĠġ Karar verme insanı diğer varlıklardan ayıran temel özelliklerden bir tanesidir. Karar verme ve analizi yönetim bilimlerinin önemli bir parçasıdır ve belki de insanlık tarihinin en eskisidir. Tesis yer seçimi kararları da Ģu an yönetim bilimi ve harekât araģtırmasının en temel ilgi alanlarından biridir. Tesis yeri seçimi genel anlamda bir tesisin kurulacağı ya da yerleģtirileceği bölgenin veya arazi parçasının seçilmesidir. Yer seçimi kararları uzun vadeli özellik taģıması nedeniyle stratejik öneme haiz yatırım kararlarıdır. Uzun dönemli ve stratejik bir karar olmasından dolayı değiģtirilmesi güç ve maliyetlidir. Bu tip tesislere; hastaneler, okullar, fabrikalar, alıģveriģ merkezleri, kıģlalar ve lojistik tesisler örnek gösterilebilir. Yeni bir tesisin kurulması için verilen yer seçimi kararı genellikle iģletmeler için geri dönüģümü çok zor olan, uzun dönemi kapsayan maliyetli ve zamana duyarlı bir süreçtir. Bu kararlar; hem kamu hem de özel sektörün amaçlarına bağlı olarak farklılık ya da değiģiklik göstermekle birlikte, yüksek maliyetli ve uzun vadeli olması sebebiyle ortak özellikler de gösterebilmektedir. YaĢanan teknolojik geliģmelerle birlikte yaģam standartlarının hızla yükselmesi, yerleģim alanların geniģlemesi ve değerlenmesi, artan ulaģım ağ ile modları, zaman kısıtlaması, talep noktalarına (müģteriler) yakınlık, tesisleģmede sosyal ve çevresel etkenler gibi pek çok boyutun artarak önem kazanması en iyi tesis yerini seçmeyi oldukça zor ve karmaģık bir problem haline getirmektedir. GeçmiĢ dönemlerde yalnızca maliyet veya kâr analizlerinin karģılaģtırması yapılarak matematiksel iģlemlerle seçilen tesis yerleģimi için günümüzde geliģtirilen karar verme modelleri ile daha iyi sonuçlar elde edilebilmektedir. Alternatif yerler arasından bir seçim yapmayı amaçlayan tesis yerleģim problemleri, aslında bir çeģit karar verme problemi olması nedeniyle, matematiksel modellerin yanı sıra, çok kriterli karar verme (ÇKKV) yöntemlerinin de uygulama alanına girmektedir. 1

24 Bu tip bir problemin zorluğu, problemlerde pek çok çatıģan faktör ve kriterlerle beraber, sayısal olarak ifade edilemeyen (soyut) çok fazla sayıda kısıt bulunmasından kaynaklanmaktadır. Bu nedenle tesis yer seçimi, birçok ölçülebilir ya da ölçülemeyen faktörün dikkatli analiz edilerek alınması gereken bir karardır. Seçilecek yerin, kurumun ya da firmanın ihtiyaçlarını en iyi Ģekilde karģılayacak nitelikte olması gerektiğinden, bu ihtiyaçlar objektif olarak belirlenerek tanımları eksiksiz olarak yapılması gerekmektedir. Ayrıca seçilecek yer ilgili alınacak kararlarda, karar vericilerin objektif değerlendirmeler yapılması, kriter ve alternatiflerin belirlenmesinde uzman personel ve birimlerden destek alınması, kararların mümkün olduğunca uzun bir dönem göz önünde bulundurularak ve gelecekte meydana gelebilecek değiģiklikler de dikkate alınarak verilmesi tesis yerinin en uygun yer olarak seçilmesine imkân sağlayacaktır. Kurulacak tesisin özelliğine, üretilecek ürün çeģidine veya verilecek hizmete göre tesis yer seçimi kararına etki eden pek çok faktör bulunmaktadır. Hatta kamu veya özel sektör kuruluģuna göre tesisin kurulum amacı bile farklılık göstermektedir. Kamu kurumu için genel amaç kârını artırmaktan ziyade, ihtiyaç sahibi vatandaģlar için mümkün olan en yakın noktaya hızlı, kaliteli ve adil hizmeti sağlamaktır. Bu tip tesisler için hastaneler, okullar, itfaiye istasyonları, polis karakolları, askeri kıģlalar, ikmal merkezleri ve kamu hizmet binaları örnek gösterilebilir. Ancak özel sektör açısından tesis yeri seçimi için müģteriye yakın olmak ne kadar önemli bir unsur olsa da, maliyeti minimum ya da kârını maksimum yapacak nokta veya bölgeler seçmek birincil amaç olmaktadır. Tesis yeri kararı sadece yeni kurulacak iģletmelerde değil, bir tesisi kapatıp yeni bir yerde açma, tesis geniģletme, yeni ürün üretme, iģletmeye yeni bir bölüm ekleme gibi kararlarda da söz konusudur. Yöneylem araģtırması, belirli kısıtların olduğu bir durumda, belirli bir amaca yönelik olarak en uygun çözümün bulunması için geliģtirilmiģ bir 2

25 yöntemdir. Bu yöntem, tedarik zincirinde bitmiģ ürünler için talep yönetiminde, hammadde ve ürün akıģını yönetirken, araç sayısını en aza indirebilmek için toplu taģıma araçlarının rotalamasında, nakliye ve taģıma yönetiminde, tedarikçi seçimi ve tesis yer seçimi gibi pek çok probleme çözüm önerisi getirmektedir. Tesis yer seçimi problemleri de son yarım yüzyıldır yöneylem araģtırması bilim dalının ilgi sahasında yer almaktadır. Bu tip problemlerin çözümü için çoğunlukla matematiksel modeller kullanılmıģtır. Son yıllarda ise sayılamayan ve ölçülemeyen kriterlerin artması ile birlikte en iyi çözümü bulmak ya da bu çözüme en yakın çözüm önerilerini sunmak amacıyla sezgisel modeller ve yine diğer bir yaklaģım olarakta ÇKKV yöntemleri kullanılmıģtır. ÇKKV teknikleri de yer seçimi problemlerinde genellikle tercih edilen tekniklerdendir. ÇKKV yöntemleri uzman görüģüne dayanan ve problem etki eden kriterlerden dolayı karar vermenin zor olduğu karmaģık durumlarda kriterlerin karģılaģtırılması ile alternatifler arasından en uygun çözüm alternatifinin bulunmasına odaklanan tekniklerdir. Bu çalıģmada, bir kamu kurumu için müteakip dönem içerisinde kapatılacak bir lojistik tesisin yerine ya da yeni açılması planlanacak bir lojistik tesis (ikmal merkezi) için tesis yer seçimi problemi ele alınmaktadır. Karar sürecinde, öncelikle tesis yer seçimini etkileyen faktörler ile birlikte kamu kurumunun özel durumu gereği sahip olması gereken kriterler belirlenmektedir. Türkiye sınırları dâhilinde kurulacak yeni bir ikmal merkezi için, bu yerin hangi kriterlere sahip olması gerektiğinin belirlenmesinde, kurumun karar vermeye yetkin çalıģanlarına anket uygulaması yapılmaktadır. Kurumun ihtiyacını karģılamak üzere, kurum ile koordineli olarak belirlenen alternatif yerler, üst düzey yöneticiler tarafından dilsel değiģkenler ile değerlendirilmektedir. Söz konusu problem ile kullanılan kriterlerin yapısına uygun olarak tespit edilen üç adet ÇKKV metodu ile ayrı ayrı çözüm önerisi sunulmaktadır. Son olarak elde edilen sonuçlar karģılaģtırılmakta ve yorumlanmaktadır. ÇKKV metotlarının en iyi alternatif olarak aynı yeri tercih ettiği görülmektedir. 3

26 BĠRĠNCĠ BÖLÜM TESĠS YERĠ SEÇĠMĠ 1. GĠRĠġ Dağıtım ağı tasarımında alınan kararlar genellikle stratejik seviyede önem arz eden kararlar olması ile birlikte uzun süre etki yapması nedeniyle kritik özelliğe sahiptir. Bu tasarımda, tesislerin (fabrika, ikmal merkezi ve depolar gibi) nerelere yerleģtirilmesi gerektiği, üretilen ürünlerin müģterilere nasıl gönderileceği, hangi ürünün nerede ve ne kadar üretileceği, müģterilerin hangi tesisten ürün ya da hizmet alacağı, depolarda ne kadar stok bulundurulacağı gibi birçok soruya cevap aranmaktadır. Bir dağıtım ağının etkinliğinin ve performansının artırılmasındaki en önemli unsurlardan birisi de tesislerin yerleģimidir. Çünkü kurulacak tesislerin yatırım maliyetleri çok yüksektir ve tesislerin uzun süre bulunduğu konumda hizmet etmesi beklenmektedir. Örneğin; talep miktarına, ulaģtırma imkânlarına, büyüme/geniģleme kabiliyetine, afet durumuna, gelecekte icra edeceği görev yeteneğine ve değiģen koģullara bağlı olarak tesis yerinin değiģtirilmesi söz konusu olmamalıdır. Dolayısıyla müģteri ihtiyaçlarını karģılayacak Ģekilde tesislerin yerleģimi uzun yıllar üzerinde çalıģılacak ve bir tesis yerleģim problemi olarak karģımıza çıkacaktır. Tesis yer seçimi, birkaç mevcut tesis açısından en az bir amaç fonksiyonunu (maliyet, kâr, gelir, mesafe, hizmet seviyesi, bekleme zamanı, kaplama alanı, ve pazar payları gibi) eniyilemek (azaltmak veya arttırmak) amacıyla bir yeni tesis yerini seçmek ya da lokasyona yerleģtirmek ile ilgilenen harekât araģtırmasının bir dalıdır (Farahani vd., 2010). Tesis yeri seçimi kararları; kârın artırılması, maliyetlerinin azaltılması, personel ve zaman tasarrufunun sağlanması, teslimat süresinin kısaltılması, müģteri ihtiyacına hızlı yanıt verilmesi, müģteri sayısının ve memnuniyetinin 4

27 artırılması gibi çok fazla sayıda amacı içinde bulunduran ve organizasyonların performansının artırılmasında önemli katkısı olan stratejik kararlardan birisidir. Stratejik seviyeler, ana tesislerin yerleģimi, her bir fabrikada kurulacak üretim teknolojileri ve her bir fabrikanın üretim kapasitesi, kaynakların satın alınmasını belirlemekle ilgilidir. Stratejik kararlarda, ürünün üretileceği, montaj yapılacağı ve müģterilere dağıtılacağı ağı belirlemekle uğraģmaktadır (Lee ve Wilhelm, 2010). Konu ile ilgili literatürde oldukça geniģ bir çalıģma alanına bulunmaktadır. Özellikle son yıllarda gerçek hayat koģullarının (nitel ve soyut kriter ve kısıtlar) daha fazla problemin içine yansıtıldığı, en iyi çözüme ulaģmak için problem yapısına uyumlu pek çok analitik model, metot ve yaklaģımın tek baģına ya da bütünleģik bir Ģekilde kullanıldığı birçok çalıģmanın olduğu görülmektedir. Her kamu veya özel sektör iģletmesinde, tesislerin yerleģimi konusunda müģteriler veya tesisler arasındaki iliģkiye bağlı olarak birtakım yerleģim çalıģmalarına ihtiyaç duyulmaktadır. Firmaların ürünlerini etkili bir Ģekilde üretmesi, pazarlaması veya bir acentenin kaliteli bir hizmetle ürünlerini teslim etmesi o firmanın veya acentenin tesis yerleģimine bağlıdır (Daskin,1995). Kamu sektöründe de özel sektörde olduğu gibi hizmet birimlerinin uygun amaçlar ile faaliyet göstermesi bu birimlerin yerleģimi ile doğrudan iliģkilidir. Bir itfaiye istasyonu için hizmet verilen noktaya olan mesafesinin ne kadar fazla ya da ulaģım süresi ne kadar uzun olursa, can veya mal kaybı ile ölüm oranı/riski o kadar yüksek olacaktır. Buna hastanelerin acil servis sağlık hizmeti sunan ambulans araçlarının yerleģim noktalarını da örnek gösterebiliriz (Daskin,1995). 5

28 Özetle, kamu ya da özel sektörde hizmet birimlerinin uygun amaçlarla faaliyet göstermesi bu birimlerin bölgeye yerleģim durumuna bağlıdır. Literatürde tesis yerleģimi; kamu sektörü, özel sektör, askerî çevre, iģ bölgeleri gibi yerel ve uluslararası boyutları içermekte ve buna iliģkin pek çok uygulama alanı bulunmaktadır (Daskin,1995). Askerî bir birliğin barıģ ve savaģ ortamında yürütmüģ olduğu lojistik faaliyetlerin baģarısı, ikmal maddelerinin doğru, kesintisiz ve hızlı akıģına bağlıdır. Bu akıģın sağlanmasında, tedarik, envanter tutma, stok kontrolü, depolama, bilgi sistemleri kullanımı gibi etkenlerin yanı sıra tesis yerleģimi hususu da önemli bir yere sahiptir. Tesislerin uygun yerleģimi aynı zamanda ekonomik ikmal yapmayı sağlamaktadır. 2. TESĠS YERĠ SEÇĠMĠ KAVRAMI VE ÖNEMĠ Bir firmanın ya da kamu kuruluģunun uzun dönem operasyonunu yapacağı tesis yerlerini belirleme kararı, maliyet ve kazanç faktörleri dikkate alındığında en önemli kararlardan birisidir. YerleĢim yeri kararı, hem sanayi hem de hizmet kuruluģlarının sabit ve değiģken maliyetlerinin belirleyebilmesi açısından kritik bir unsurdur. Yer seçimi stratejisi kurulması düģünülen firmaya bağlı olarak değiģir. Sanayi yerleģim analizi kararlarında amaç maliyet minimizasyonuna odaklanırken, kar amacı güden özel firmalar ise kâr maksimizasyonuna odaklanmaktadır. YerleĢim stratejisinde amaç, firmanın yerleģim faydasını maksimize etmektir. (Heizer ve Render,1988) Bir tedarik zinciri ağı içerisindeki sabit tesislerin (fabrika, depo yeri, dağıtım merkezi vb. gibi) yerleģim yerlerinin belirlenmesi, tedarik zincirinin bütününe biçim, yapı ve Ģekil veren önemli bir karar problemidir. Alternatifler ile birlikte, bunlara iliģkin maliyetleri ve yatırım seviyelerini belirleyen bu tasarım, sistemin iģletilmesi için kullanılmaktadır. YerleĢim yeri kararları kullanılacak tesisin sayısının, yerinin ve büyüklüğünün belirlenmesini içeren kararlardır. Bu tesisler, fabrikalar, limanlar, satıcılar, depolama alanları, 6

29 perakende satıģ yerleri ve hizmet merkezleri gibi ağ yapısındaki bir düğüm noktasını oluģturmaktadır (Ballou, 2004). Tesis yer seçimi problemleri, bir grup tesisin bazı kısıtlar altında talepler (müģteriler) kümesini karģılanması maliyetleri en aza indirmek için tesislerin (kaynakların) konumlarının yerleģtirilmesi ve müģterilerinin bu tesislere atanması problemidir. Tesis yeri kararları özel ve kamu kurum ve kuruluģların stratejik planlaması için kritik unsurlardır. Tesislerin yerleģim noktalarının belirlenmesi operasyonel ve lojistik pek çok karardan etkilendiğinden geniģ kapsamlı ve uzun süreçlidir (Bastı, 2012). Mülk edinimi ve tesis yapımı ile ilgili yüksek maliyetler tesis yer seçimi veya yer değiģtirmesi kararlarını uzun dönem yatırım projeleri haline getirmektedir. Karar vericilerin sadece mevcut sistemin yapısına göre tesisleri yerleģtirmesi iyi bir performans göstermeyecek, aynı zamanda çevresel faktörlerin değiģikliği, nüfus kayması ve geliģen piyasa eğilimini de dikkate alan ve tesisin ömür boyu karlı olmaya devam etmesini sağlayacak yerleri seçmeleri gerekmektedir. Tesis yer seçimi; bir veya birden çok hizmet noktasının yerlerinin, talep merkezlerinin ihtiyaçlarının belirli veya olasılıklı kısıt değerleri ile ölçülebilir ya da ölçülemeyen ölçüt değerleri dikkate alınarak minimum maliyetle veya en kısa sürede karģılayabilecek Ģekilde belirlenmesidir (Farahani ve Hekmatfar, 2009). Bir baģka ifadeyle, gelecek/uzun dönem planlamalar dâhilinde çeģitli ölçütlere göre en iyi performans değeri gösteren ve firmaya maksimum rekabet avantajını, kuruma ise hizmet sunma imkânı ile hizmet artıģı sağlayan yerin seçilmesi problemi olarak tanımlanmaktadır. Yine tesis yer seçimi, gelecek dönem söz konusu avantajları elde edebilecek veya hizmet sunumunun sağlayacak yatırım için en uygun yerin seçilmesi olarak ifade edilmektedir (Çınar, 2010). En basit tanımı ile TYP, tesislerin kurulacağı alternatif yerlerin bir kümesi ve kurulacak tesislerden ihtiyaçları karģılanacak müģterilerin bir kümesi verildiğinde, en az maliyet ile müģteri ihtiyaçlarını 7

30 karģılayacak Ģekilde tesislerin kurulacağı yerlerin seçimi problemidir (Bastı, 2012). Tesisler; fabrika, depo, dağıtım merkezleri, sanayi siteleri vb. endüstriyel alanlar olabileceği gibi okul, hastane, askeri kıģla veya lojistik tesis, polis karakolu, kütüphane, valilik ve belediye hizmet binaları gibi kamu kurum ve kuruluģları da olabilmektedir. Tesis yer seçimi, 1960 lı yıllarda metodolojik olarak çalıģılmaya baģlamıģ olmasına rağmen günümüzde de halen çalıģılmaya devam edilen ve gündemde olan bir konu olarak karģımıza çıkmaktadır. Örneğin, Türkiye de kurulması planlan bir nükleer santralin yerinin belirlenmesi sonucunda halkın vermiģ olduğu tepki ya da baraj yapılması kararı verilen bir yerleģim alanının ülke turizmine vermiģ olduğu zararın etkisi halen tesis yer seçimi problemlerinin güncelliğini koruduğunun bir kanıtı olduğunu göstermektedir. Tesis yeri seçimi aģağıda belirtilen nedenlerden dolayı oluģabilir (TanyaĢ, 2000); - Yeni bir tesis kurulması, - Yeni bir alana veya binaya taģınılması, - Yeni ürün tasarımları veya mevcut ürünlerdeki önemli tasarım ve yönetim değiģiklikleri, teknolojik yenilemeler, - Bazı ürün üretimlerinden vazgeçilmesi, - Yeni makine alımları, - Ergonomik koģullardaki olumsuzluklar, - Çevre koruma etmenlerinden kaynaklanan zorlamalar, - Malzeme taģımalarının maliyetlerdeki etkisi, - Ürün ve üretim kalite spesifikasyonlarının sağlanabilmesi Tesis yer seçimi, kamu ve özel sektör firmalarının geniģ yelpazede stratejik planlamasında kritik bir noktadır. Yeni bir tesisin geliģtirilmesi ve 8

31 satın alınması genellikle pahalı ve zamana duyarlı bir projedir. Bir tesis satın alınmadan veya inģa edilmeden önce; bu tesis için uygun kapasite özellikleri belirlenmeli, iyi yerlerde konumlandırılmalı ve büyük miktarda sermeye tahsis edilmelidir. Bir tesis yeri seçimi kararı, firma ve kamu kurumunun amaçlarına bağlı iken, bu süreç ile ilgili yüksek maliyetler hemen hemen her yerleģim projesini uzun vadeli bir yatırım projesi haline getirmektedir. Böylece bu tesislerin uzun süre süreç içerisinde kalması beklenmektedir (Owen ve Daskin, 1998). 3. TESĠS YER SEÇĠMĠ PROBLEMLERĠNĠN GENEL ÖZELLĠKLERĠ Tesis yer seçimi modelleri yüzyıllardır farklı Ģekilde çalıģılmaktadır. Bu modeller içerisinde yer alan kavramlar değiģiklik gösterse de bu üç ana özellik her zaman aynı kalmıģtır: ölçüm sistemini içeren bir uzay, bu uzayda yerleri bilinen müģteriler ve bazı amaç fonksiyonların göre yerlerine karar verilmesi gereken tesisler (Revelle vd., 2008). Revelle ve Eiselt, tesis yer seçimi problemlerinin ayırt edici özelliği olan dört unsuru Ģu Ģekilde göstermiģtir (Revelle ve Eiselt, 2005); - Hâlihazırda noktalar veya güzergâhların üzerinde bulunduğu varsayılan müģteriler, - YerleĢtirilecek tesisler, - MüĢterilerin ve tesislerin konuģlu bulunduğu bir alan (uzay), - MüĢteriler ile tesislerin arasındaki zaman ya da mesafeyi nitelemek için kullanılacak bir ölçüm (metrik) sistemi. Farahani vd., tesis yer seçimi problemleri için genellikle ele alınan amaçları (Farahani vd., 2010); - Toplam kuruluģ maliyeti minimizasyonu, - Mevcut tesislerden en uzun mesafenin minimizasyonu, - Sabit maliyetin minimizasyonu, 9

32 - Toplam yıllık iģletme maliyeti minimizasyonu, - Hizmet maksimizasyonu, - Ortalama süre/seyahat mesafesi minimizasyonu, - Maksimum süre/seyahat mesafesi minimizasyonu, - YerleĢtirilen tesis sayısının minimizasyonu, - Hızlı yanıt verme seviyesinin maksimizasyonu olarak belirlemiģtir. Son zamanlarda yapılan çalıģmalarda, enerji maliyeti, arazi kullanım ve yapım maliyeti, kalabalık, gürültü, yaģam kalitesi, kirlilik, fosil yakıt sorunu ve turizm gibi çevresel ve sosyal amaçların alıģılmıģ olarak karģılaģıldığı görülmektedir. Ancak bu problemlerin çözüm çalıģmasında karģılaģılan en önemli zorluklarından birisi bu kriterleri ölçecek bir ölçüm sisteminin bulunmasıdır. Tesis yeri seçimi harekât araģtırması ile birlikte iyi anlaģılmıģ bir araģtırma alanıdır. Tesis yeri seçimi problemlerinin çözümünde kullanılan modeller, lojistiğin yeni geliģen bir alanı olan tedarik zinciri yönetiminin de dikkatini çekmiģtir. Bir tedarik zinciri ağ tasarımında bu modeller çoğunlukla kullanılmıģtır (Melo vd., 2009). Genel bir tesis yeri seçimi problemi mekânsal olarak dağılmıģ bir müģteriler kümesi ile müģteri taleplerini karģılamak için mevcut ya da kurulacak tesisler kümesini içermektedir. MüĢteriler ile tesisler arasındaki mesafe, zaman ve maliyet değiģkenleri belirlenen ölçüm sistemine göre hesaplanmaktadır. Burada cevabının bulunması gereken muhtemel sorular Ģunlardır (Melo vd., 2009); - Hangi tesisler kullanılmalıdır (açılmalıdır)? - Toplam maliyeti en aza indirmek amacıyla hangi müģteri hangi tesisten hizmet almalıdır? 10

33 Tesis yerleģim optimizasyon modeli problemlerinin önemi Ģu iki faktörden açıkça görülebilmektedir (Haghani, 1996). Bunlar; sistemin iģletme maliyetine doğrudan etkisi ve talebin zamanında cevaplanmasıdır. Bu modeller, bazı kısıtlar kümesi altında, bir takım talepler kümesini karģılamak amacı ile maliyetini en aza indirecek Ģekilde fiziksel olarak tesislerin (kaynakları) nereye yerleģtireceğini bulmayı araģtırmak için kullanılır (Hale ve Moberg, 2003). 11

34 ĠKĠNCĠ BÖLÜM LĠTERATÜR ARAġTIRMASI 1. YAPILAN ĠLK ÇALIġMALAR Klasik bir bilim alanı olarak yerleģim yeri teorisinin tarihsel geliģimine bakıldığında, bazı uzmanlar bu alanın baģlangıcının 17 nci yüzyılın ilk zamanlarında Pierre de Fermat, Evagelistica Toricelli (Galileo nun öğrencisi) ve Batiste Cavallieri nin yapmıģ olduğun çalıģmalara dayandığına inanmaktadırlar (Farahani vd., 2010). Pierre de Fermat probleminde amaç; düzlem üzerinde verilen üç nokta göz önüne alındığında bu üç noktanın mesafeleri toplamının en az olduğu dördüncü bir noktayı bulmaktır (Smith vd., 2009). Daha sonra, Alfred Weber in 1909 da bir depo ile müģterileri arasındaki toplam mesafeyi en aza indirmek amacıyla bu deponun konumlandırılmasına yönelik çalıģması (Owen ve Daskin, 1998) yerleģim bilimi tarihinin baģlangıç noktası sayılmıģ ve tüm bilim adamları tarafından ilk resmi çalıģma olarak kabul edilmiģtir (Farahani vd., 2010). Literatürde Weber yerleģim yeri üçgeni olarak yer alan bu modelde, Weber en uygun yeri bulmak için iki köģesini hammadde kaynakları, diğer köģesini ise ürünlerin satıldığı bir pazarın oluģturduğu üçgen Ģeklini kullanmıģtır. Weber, modelindeki en önemli unsurun ise taģıma maliyeti olduğunu belirtmiģ ve maliyeti minimum yapan noktanın tesis için en uygun yer olduğunu göstermiģtir. TaĢıma maliyetinin minimize eden Weber yerleģim yeri üçgeni ġekil-1 de gösterilmektedir. Burada M noktası pazarı, S1 ve S2 noktaları ise kaynak noktalarını temsil etmektedir. P noktası ise fabrikanın M, S1 ve S2 noktalarının arasındaki uzaklıklara göre en uygun tesis yerini göstermektedir (The Geography of Transport Systems [web], 2013). 12

35 ġekil-1: Weber YerleĢim Yeri Üçgeni 1960 ların baģlarına kadar yerleģim problemlerinde ve küme kaplama modellerinde hızlı bir geliģim gözlenmemiģtir. Bu süre içinde yapılan çalıģmalar hep tek bir hizmet noktası üzerine yoğunlaģmıģtır (Ünal, 2011). Cooper, 1963 ve 1964 yıllarında Weber in tek tesis problemini geniģleterek çoklu tesis yerleģim atama problemini baģlatmıģtır. Maranzana da 1964 yılında bu problemi sürekli uzaydan ağ Ģebekesine taģıyarak, klasik bir sezgisel yer arama problemi haline getirmiģtir (Smith vd., 2009) yılında, Hakimi bir ağ üzerinde ortancayı bulmak için benzer problemler geliģtirmiģ ve bu mutlak medyan problemlerini Weber'in ağırlıklı yer seçimi probleminden esinlenmiģtir. Hakimi, bir telekomünikasyon Ģebekesi üzerindeki ağ bağlantı noktalarının en uygun yerlerinin belirlenmesi için bir mutlak medyan ve p-medyan model önermiģtir. Bu çalıģmadan sonra, p-medyan problemi yer teorisinin ayrılamaz bir uygulama modeli olmuģ ve en yaygın kuruluģ yeri modellerinden biri haline gelmiģtir (Reese, 2005). 13

36 2. TESĠS YERĠ SEÇĠMĠ PROBLEMLERĠNĠN SINIFLANDIRILMASI Yeni açılacak tesis yerlerinin seçimine karar vermek stratejik öneme sahip zor bir karardır (Owen ve Daskin, 1998). Literatürde tesis yer seçimi problemleri ile ilgili olarak yapılan çalıģmaların; problemin amaç fonksiyonuna, yerleģim uzayına, kapasite kısıtlı olup olmamasına, tesis tipi ve sayısına, ürün çeģidi ve sayısına, sezgisel ve olasılıklı olmasına, maliyet ya da kâr yapılı bir kuruluģ olması vb. gibi çeģitli faktörlere göre sınıflandırıldığı görülmektedir. Owen ve Daskin, yapmıģ olduğu sınıflandırmaya göre tesis yer seçimi problemlerini; - Statik ve deterministik yerleģim problemleri (ortanca, kaplama ve merkez problemleri), - Dinamik yerleģim problemleri (tek tesis yerleģim modelleri, çok tesis yerleģim modelleri), - Sezgisel yerleģim problemleri (olasılıklı, senaryoya dayalı model) olarak üç ana baģlık altında toplamıģtır (Owen ve Daskin, 1998). Tesis yeri seçim problemleri için yapılan diğer bir sınıflandırma Sule tarafından yapılmıģtır. Bu sınıflandırmaya göre tesis yerleģim problemleri; - p-medyan problemi, - p-merkez problemi, - Kapasite kısıtsız tesis yeri seçim problemi, - Kapasite kısıtlı tesis yeri seçim problemi, - Karesel atama problemi olmak üzere beģ ana kategoriye ayrılmıģtır (Sule, 2001). Current vd. ise tesis yeri seçim problemlerini; - Küme kaplama, 14

37 - Maksimum kaplama, - p-merkez, - p-dağılım, - p-medyan, - Sabit maliyetli tesis yeri seçim, - Ana dağıtım üssü ve maksimum toplam olarak sekiz ana grupta toplamıģtır (Current vd., 2001). Diğer bir sınıflandırma ise Klose ve Drexl tarafından yapılmıģ ve dağıtım sistemleri tasarımı için tesis yeri modelleri sınıflandırılmıģtır. YapmıĢ olduğu geniģ sınıflandırmaya göre tesis yerleģim modelleri; - Tesislerin düzlem üzerindeki yerleģtirilmesine göre; ağ yerleģim modeli, kesikli yerleģim modeli veya karıģık tam sayılı programlama modelleri olmak üzere üç sınıfa ayrılmıģtır. - Amaç fonksiyonlarının tipine göre; toplam mesafenin minimumunu ya da maksimum uzaklığın minimumunu hesaplamasına göre iki sınıfa ayrılmıģtır. Toplamların minimumu modeli özel sektör firmalarının yer seçimi problemlerinde kullanılırken, maksimumların minimumu modelleri kamu sektöründe ortaya çıkan ve kâr amacı gütmeyen yer seçim problemlerinde kullanılır. - Kapasite kısıtına göre; kapasite kısıtlı veya kapasite kısıtsız olmasına göre iki sınıfa ayrılmıģtır. Ayrıca kapasite kısıtlı tesis yerleģim modelleri tek kaynak ya da çok kaynak olmasına göre ikiye ayrılmaktadır. Bu da müģterinin talebinin tek tesisten mi yoksa çok tesisten mi karģılanacağına karar veren modeldir. Kapasite kısıtsız modelde talep ataması sınırlandırılamaz, kapasite kısıtlı modellerde ise talep atamaları verilen kısıtlar göre atama yapılır. - AĢama sayısına göre; tek aģamalı veya çok aģamalı (hiyerarģik) yapıda olmasına göre ikiye ayrılmıģtır. - Ürün sayısına göre; tek ürün ya da çoklu ürün olmasına göre ikiye ayrılmıģtır. 15

38 - Talep yapısına göre; talebin esnek ya da sabit olmasına bağlı olarak ikiye ayrılmıģtır. - Periyot miktarına göre; Statik (tek bir dönem) veya dinamik modeller (talebin, maliyetin kapasitelerin zamana bağlı olarak değiģtiği modeller) olmasına göre iki sınıfa ayrılmıģtır. - Verilerin aldığı değere göre; Olasılıklı ve belirli (deterministtik) modeller olmasına göre iki sınıfa ayrılmıģtır. - Klasik yer seçimi veya birleģik yer seçimi/rotalama problemi olmasına göre iki sınıfa ayrılmıģtır. - Ayrıca, bu sınıflandırmaya ilave olarak tek ve çok amaçlı modeller ve istenen/istenmeyen tesislerin modellerini de eklemiģtir (Klose ve Drexl, 2005). Revelle vd., tesis yer seçimi modellerini dört ana gruba ayırmıģtır; - Analitik modeller: Çok sayıda basitleģtirilmiģ varsayımlara dayanır (Ör. taleplerin homojen olması, tesislerin sabit yerleģim maliyetleri olması, tüm tesisler için birim mesafeye göndereceği birim ürün taģıma maliyetinin aynı olması). - Sürekli modeller: Genellikle kurulacak tesislerin hizmet alanın her yerine yerleģtirebileceği varsayılır (Ör. Weber in tek tesis yer seçimi problemi). - Ağ modelleri: Tesis yerleģim probleminin bağlantılar ve düğümlerden oluģan bir ağ içine yerleģtirildiği varsayılır. - Kesikli yerleģim modelleri: Kesikli bir talepler kümesi ve kesikli bir aday yerleģim yerleri kümesinin olduğu varsayılır. Bu tip problemler sık sık tam sayılı veya karıģık tam sayılı programlama problemleri olarak formüle edilir. Çözümü zor problemlerdir (Revelle vd., 2008). Melo vd., tedarik zinciri yönetimi içindeki tesis yerleģim problemlerini analiz etmiģ ve kullanılan yöntem ve uygulama alanlarına yönelik son literatürü incelemiģtir. Tedarik zinciri problemlerinde performans ölçümünde amaç fonksiyonu olarak büyük bir çoğunlukla (% 75) maliyet minimizasyonunu kullanılmaktadır. Bunu %16 lık oranla kar maksimizasyonu amaç fonksiyonu, 16

39 % 9 oranı ile de çok amaçlı ve çatıģan amaç fonksiyonu takip etmektedir (Melo vd., 2009). Farahani vd. tarafından, ÇKKV yaklaģımı ile çözüm esasına dayalı tesis yer seçimi problemleri için bir sınıflandırma yapılmıģtır. Bu tür problemleri, çok amaçlı ve çok nitelikli olmak üzere iki gruba ayırmıģtır. Çok amaçlı problemleri ise iki amaçlı ve k amaçlı baģlıkları altında iki alt grupta toplamıģtır. K amaçlı problemleri üç ve üçten fazla amacı olanları göstermek için kullanmıģtır. ÇKKV problemlerinin kategorizelendirilmesine yönelik yapılan sınıflandırılma ġekil-2 de gösterilmiģtir. Ayrıca bu sınıflandırma dikkate alınarak yapılan çalıģmalar, yazarlar, kullanılan yöntemler ve kriterlerle ilgili bir literatür araģtırması yapılmıģ ve kategorize edilmiģtir ( Farahani vd., 2010). Çok Kriterli YerleĢim Problemleri Çok Amaçlı YerleĢim Problemleri Çok Nitelikli YerleĢim Problemleri Ġki Amaçlı Problemler k-amaçlı Problemler (k 3) ġekil-2: Çok Kriterli Tesis YerleĢim Problemlerinin Sınıflandırılması Arabani ve Farahani, tüm tesis yerleģim problemlerini statik ve dinamik tesis yerleģim problemleri olarak iki temel baģlık altında toplamıģtır. Tesis yerleģim problemlerinin sınıflandırılmasına yönelik yapılan çalıģma ġekil-3 de gösterilmiģtir (Arabani ve Farahani, 2012). 17

40 Tesis yerleģim problemleri (TYP) Statik tesis yerleģim problemleri Dinamik tesis yerleģim problemleri Sürekli tesis yerleģim problemi Tek tesis yerleģim problemi Çok tesis yerleģim problemi YerleĢim atama problemleri Kesikli tesis yerleģim problemi Dinamik deterministik yerleģim problemi Tesis yerleģim-atama problemi Tek/Çok periyodlu tesis yerleģim problemi Zamana bağlı tesis yerleģim problemi Stokastik, olasılıklı, bulanık tesis yerleģim problemi Karesel atama problemi KuruluĢ yerleģim problemi Ağ tesis yerleģim problemi Medyan tesis yerleģim problemi Kaplama tesis yerleģim problemi Merkez tesis yerleģim problemi Ana dağıtım üssü yerleģim problemi HiyerarĢik yerleģim problemi ġekil-3: Tesis YerleĢim Problemlerinin Sınıflandırılması Ayrıca bu çalıģmaları kullanılan metot, kriterler ve uygulama alanları baģlığı altıda farklı bir sınıflandırmalara tabi tutarak sunmuģtur (Arabani ve 18

41 Farahani, 2012). Chen vd., üretim tesisleri yerleģim problemlerini, sürdürülebilirlik perspektifinden bakarak sosyal, ekonomik ve çevresel ana faktörleri çerçevesinde sınıflandırmıģtır. Ekonomik faktörlerin yerleģim problemlerindeki dinamikliği ile baskınlığına vurgu yaparak, çevresel ve sosyal faktörlerin de rekabet avantajı gözeten organizasyonlar için son yıllarda büyük önem kazandığını ifade etmiģtir (Chen vd., 2013). 3. TEMEL TESĠS YERLEġĠM PROBLEMLERĠNĠN AÇIKLANMASI a. Statik Tesis YerleĢim Problemleri Statik tesis yerleģim problemleri, amacı en iyilemeye çalıģırken tüm değiģkenleri tek bir zaman içinde ele alan problemlerdir. Bu problemlerde kullanılan modeller; tek-periyodlu planlama ufku, belirli parametreler (talep ve maliyetler gibi), tek bir ürün, tek tesis tipi ve yerleģtirme-atama kararları adında pek çok bilinen özelliklere sahiptir. Buna rağmen, bu modeller birçok gerçekçi yer seçimi modellerinin çözümünde açıkça yetersiz kalmaktadır (Melo vd., 2009). (1) Kaplama YerleĢim Problemleri Bazı tesisler için, katedilen ortalama mesafeyi minimize eden yerlerin seçimi uygun olmayabilir. Bu tesislere örnek olarak acil hizmet tesislerinden yangın istasyonları ya da ambulans noktaları gösterilebilir. Bu tip tesislerde talep noktalarına sağlanacak hizmetin kabul edilebilir süre ya da mesafe içinde olması kritiktir. Kaplama bu manada anahtar kelimedir. Kaplama yerleģim problemleri, küme kaplama ve maksimum kaplama yerleģim problemleri iki ana bölüme ayrılmıģtır (Owen ve Daskin, 1998). Küme kaplama yerleģim problemleri, tüm talep noktalarının gereksinimlerini karģılayacak en az sayıdaki tesis sayısını belirlemeyi (Current vd., 2001) ya da bilinen belirli bir kaplama seviyesindeki tesis yerleģim maliyetini minimize etmeyi amaçlamaktadır (Owen ve Daskin, 19

42 1998). Bu model ayrıca, tüm taleplerin kabul edilebilir uzaklıkta yerleģik en az bir tesisten hizmet alma kısıtına sahiptir. Küme kaplama problemlerinin hava yolu yolcu planlaması, siyasi bölgeleri paylaģma, hava yolu planlaması, araç rotalaması gibi pek çok uygulama alanı bulunmaktadır. Küme kaplama problemi tüm talep noktalarının sonlu bir kümedeki en az bir aday tesis tarafından en düģük maliyetle kaplanmasını amaçlamaktadır (Ünal, 2011). Bölgesel olarak çok fazla dağınık düğümlerin mevcut olduğu problemlerde bütün talep noktalarının kaplanması bütçe açısından gerçekçi olmayan durumlar ortaya çıkarabilmektedir (Revelle vd., 2005). Ġlk kaplama yerleģim problemi Toregas tarafından 1971 yılında sunulan küme kaplama yerleģim problemidir. Modelin amacı, hizmet vereceği tüm talep noktaları için minimum sayıda acil hizmet tesisi yerleģtirmektir. Maksimum kaplama yerleģim problemleri, sabit sayıdaki yerleģik tesislerin kısıt olarak dikkate alınması ile belirlenen bir müdahale süresine göre kaplanan talep miktarının en fazla yapılması amaçlanmaktadır. Bu problemde, tüm taleplerin karģılanması yerine eldeki kaynakların maksimum kullanılmasını sağlayacak Ģekilde tesislerin yerleģiminin belirlenmesi hedeflenmektedir (Daskin, 1995). Hem küme kaplama hem de maksimum kaplama problem formülasyonları sonlu sayıda olası tesis yerleģimine müsaade etmektedir. Bu tür modellerde yapılan geniģ araģtırmalar göstermektedir ki; tesislerin ağ üzerinde herhangi bir yere açılmasına müsaade edilse bile, problem sonlu sayıda tesis yeri seçeneklerini bir taneye indirebilmektedir. (2) Merkez YerleĢim Problemleri Merkez yerleģim problemlerinde amaç tüm taleplerin kaplanması sağlanmaktadır. Bununla birlikte belirli sayıda tesislerin kaplama mesafesini en aza indirecek Ģekilde yerleģtirilmesi araģtırılmaktadır (Owen ve 20

43 Daskin, 1998). Kaplama mesafesini kullanmak yerine talep noktalarının önceden konuģlu p kadar tesise maksimum olan uzaklığı minimum yapmaya çalıģmaktadır. P-merkez problemi, minimaks (maksimumların minimumu) problemi olarakta bilinir ve herhangi bir talep ile ona hizmet sağlayan en yakın tesis arasındaki maksimum mesafeyi en aza indirmeyi amaçlamaktadır. Küme kaplama modelinde olduğu gibi, tüm taleplerin kaplanması gerekmektedir. Ancak p-merkez yerleģim problemlerinde dıģ kaynaklı bir kaplama mesafesi kullanmak ve modelden bütün talep noktalarını kaplayan tesis sayısını minimize etmesini beklemek yerine, her talep noktasının bir tesisten uzaklığı içeriden tanımlı olarak kaplayacak uzunluğu minimize etmesi beklenir (Daskin, 1995). (3) Medyan (Ortanca) YerleĢim Problemleri P-medyan problemleri bir ağ üzerindeki hizmet sağlayan tesisler ile talep noktaları arasındaki toplam mesafeyi ya da ortalama mesafeyi p sayıda tesis için en az yapmayı amaçlamaktadır. Ortalama mesafeye göre tesis yeri seçilmektedir. Ortalama seyahat süresi arttığında, tesisin kabul edilebilirliği azalmaktadır. Dolayısıyla yerin efektifliği de azalır. Bu tip istenen tesislere örnek olarak okullar, hastaneler, kütüphaneler gösterilmektedir. P-medyan problemi, 1964 yılında Hakimi tarafından geliģtirilmiģtir. Bu problemler, talepler ile tesisler arasındaki toplam ağırlıklı mesafeyi minimize etmek amacıyla p kadar tesisin yerleģtirilmesi olarak ifade edilmektedir (Owen ve Daskin, 1998). (4) Ağ YerleĢim Problemleri Ağ modellerinde, yerleģim probleminin düğüm ve bağlantılardan oluģan bir ağın içinde gömülü olduğu varsayılmaktadır. 21

44 Talepler düğümlerden çıkar, gerçi bazı araģtırmacılar taleplerin bağlantı veya düğümlerde olduğu durumları da yapmıģlardır. Bu yerleģim modellerinde mesafeler bir graf içindeki en kısa yol olarak hesaplanır (Klose ve Drexl, 2005). Ana Dağıtım Üssü YerleĢim Problemleri ağ yerleģim modellerinin önemli çeģitlerinden bir tanesidir. Bu modelin esas amacı toplam taģıma maliyeti ve teslimat süresi minimize edilecek Ģekilde ana dağıtım üslerinin yerleģtirilmesidir. BaĢka tesislerden gelen malzeme akıģı ana dağıtım üssünde toplanarak gruplandırılır. AkıĢların tamamı ya ana dağıtım üslerine ya da doğrudan son teslim noktalarına gönderilmektedir. Genellikle lojistik sistemlerinde kullanılan bir model olup özellikle uzun mesafeli taģımalarda araç kapasitelerinin daha iyi kullanılması ve hızlı taģıma hedeflenmektedir (Current vd., 2001). Birçok tesis yer seçimi problemleri uygulamasının bir baģka önemli noktası da, malzeme akıģının sağlanmasında önemli bir rol oynayan üretim, depo yeri gibi farklı tipteki mevcut tesisleri dikkate almasıdır. Aynı tipte ve roldeki her biri tesisler kümesi genellikle katman ya da kademe olarak adlandırılır ve bu sayede tesislerdeki hiyerarģi seviyesi belirlenir (Melo vd., 2009). HiyerarĢik YerleĢim Problemleri, dağıtım sisteminin içinde birkaç seviyenin olduğu problemlerdir. Bu tip sistemlerde, alt katmandaki tesislerden bağımsız olarak üst seviyedeki tesislerin yerlerini seçmek mümkündür. (5) Kesikli Tesis YerleĢim Problemleri Kesikli tesis yerleģim problemlerinde, açılacak tesisler ve talep noktaları sadece ağ üzerindeki düğümlere yerleģtirilebilmektedir (Daskin, 1995). Kurulacak/yerleĢtirilecek yeni tesis yerlerinin seçimi uygun aday yerleģim yerleri kümesi ile sınırlıdır. Bu tip bir problemin en basit örneği 22

45 p kadar tesisten, müģteri taleplerini karģılamak amacıyla toplam (ağırlıklı) mesafenin ya da toplam maliyeti minimize etmek için bir tanesinin seçilmesidir. Bu tür problemler literatürde p-medyan problemi olarak adlandırılmaktadır. P-medyan problemlerinde tüm aday yerler için tesislerin kurulum maliyeti eģit kabul edilir (Melo vd., 2009). Karesel atama yerleģim problemleri ve kuruluģ (plant) yerleģim problemleri, kesikli tesis yerleģim problemlerinin en önemli elemanlarıdır (Arabani vd., 2012). Karesel atama yerleģim problemleri, aralarındaki akıģ miktarı bilinen n sayıda tesisin aralarındaki uzaklıklar belli olan n sayıda bölgeye, tesisler arası malzeme akıģ miktarı ile uzaklıklar çarpımını en küçükleyecek Ģekilde atanması problemidir (Orhan, 2001). Karesel atama yerleģim problemleri, atama problemlerinin bir dalıdır. Bu problemin temeli, bir dizi insanın eldeki mevcut iģler kümesine atanması ile baģlamıģtır. Daha sonra bu problem tesis yerleģim problemi için bazı müģterilerin bazı tesislere atanması olarak yeniden yorumlanmıģtır. Amaç; müģterilerin tesislere atanmasından meydana gelen toplam maliyeti minimize etmektir. Bir üretim, imalat, depo veya dağıtım tesisi gibi yerlerin her biri genel bir ifade ile kuruluģ (tesis) olarak adlandırılmaktadır. KuruluĢ (plant) yerleģim problemlerinde amaç, oluģan toplam maliyetin minimizasyonudur (Arabani vd., 2012). KuruluĢ yerleģim problemleri, talep düğümleri ile tesisler kümesi arasındaki talep ağırlıklı toplam mesafenin minimize edilmesi ile ilgilenmektedir (Revelle vd., 2008). Kapasite kısıtlı tesis yerleģim problemlerinde, yerleģtirilecek tesisler ürün miktarı veya sunulan hizmet açısından sınırlı kapasiteye sahiptir. Problemin en iyi çözümü için müģteri taleplerinin tek bir tesisten ya da birden fazla tesisten karģılanma durumu olabilmektedir (Sule, 2001). Ayrıca, problemin çözümünde her bir muhtemel yer tarafından karģılanabilecek maksimum talep miktarı dikkate alınmaktadır (Melo vd., 2009). 23

46 Kapasite kısıtsız tesis yerleģim problemleri, en temel ve klasik tesis yer seçimi problemidir. Tedarik zincir tasarımlarında çoğunlukla kullanılmaktadır. Bu modelde, talepleri ve yerleri bilinen müģterilerin kümesi, tesisler için aday yerlerin kümesi, tesis açma maliyeti ve her müģteri ile her tesis arasında birim ulaģtırma maliyeti bilinmektedir. Problem, tesis açma ve müģteri taleplerini taģıma maliyetlerinin toplamını en aza indirecek Ģekilde tesislerin açılacağı yerlerin ve müģterilerin tesislere atanması problemi olarak tanımlanabilir (ÇalıĢkan, 2008). Kapasite kısıtsız tesis yerleģim problemlerinde kapasite kısıtı söz konusu değildir ve amaç toplam maliyeti minimize etmektir. Açılacak tesis sayısı maliyeti minimize edecek Ģeklide belirlenmektedir (Sule, 2001). Taleplere tek bir tesis cevap verebilir. Amaç fonksiyonu sabit tesis yer seçimi için bir dönem geniģletilebilir ve sonuç olarak kurulacak tesislerin sayısı genellikle içsel bir karar olur. P-medyan problemleri ile kapasite kısıtsız tesis yer seçimi problemlerinin her ikisinde de amaç, her bir müģteri atama maliyeti minimize edecek Ģekilde açılacak tesislere atanmasıdır (Melo vd., 2009). (6) Sürekli Tesis YerleĢim Problemleri Sürekli tesis yeri seçim problemlerinde, tesislerin düzlem üzerinde herhangi bir noktaya yerleģtirilebileceği, talep noktalarının ise sıklıkla kesikli yerde olduğu kabul edilmektedir (Revelle vd., 2008). Aslında bu tür modellerin performansı iki temel faktörden etkilenmektedir (Arabani vd., 2012); (1) Sürekli çözüm uzayındaki tesislerin düzlem içinde her noktaya yerleģimine müsaade edilmektedir. (2) Tesisler ve müģteriler arasındaki uygun mesafe kriterleri aracılığıyla hesaplanmaktadır. 24

47 Sürekli yerleģim modelleri için belirli bir çevreyi gözetleme amaçlı video kameralarının veya duman algılayıcılarının yerlerini sürekli modellere örnek olarak gösterebilmektedir (Arabani vd., 2012). Mesafeler çoğunlukla Minkowski mesafeleri denilen tek p parametreli mesafe ailesinden gelmektedir (Revelle vd., 2005). L p mesafe i j olmak üzere koordinatları (a i,b i ) ve (a j,b j ) olan iki nokta için aģağıdaki gibi hesaplanır; [ ] (1) Genellikle; literatürde Manhattan ya da dik açı mesafe ölçümü, Öklid ya da düz çizgi mesafe ölçümü ve mesafe ölçüsü kullanılır. (1) Manhattan ölçüm sistemine (p=1 durumu) göre mesafeler aģağıdaki formülle hesaplanır; (2) Ģu formülle hesaplanır; (2) Öklid ölçüm sistemine (p=2 durumu) göre mesafeler ( ) (3) (3) Chebyshev (ya da maksimum, ya da l ) ölçüm sisteminde ise mesafeler aģağıdaki gibi hesaplanır; (4) b. Dinamik Tesis YerleĢim Problemleri Dinamik tesis yerleģim problemleri, en uygun çözümün elde edilmesinde girdi değiģkenlerini uzun zaman aralığında değiģen Ģartlara göre 25

48 kullanmaktadır. (Karabay, 2013). Tesis yerleģim problemlerinin analizinde zaman konusu önemli bir noktadır. Alan konusu statik tesis yerleģim problemlerinde dikkate alınırken, zaman sorunu genellikle dinamik tesis yerleģim problemlerinde ele alınmaktadır. Statik tesis yerleģim problemlerinde yer alan tüm modeller dinamik tesis yerleģim problemleri muadilleri olarak yeniden modellenebilmektedir (Arabani vd., 2012). (1) Dinamik Deterministik Tesis YerleĢim Problemleri Dinamik deterministik tesis yerleģim problemlerinde, yer seçiminde etkin olan nüfus, pazar eğilimleri, dağıtım maliyetleri, talep çeģitleri, çevresel faktörler vb. gibi bazı parametre değerlerinin, zamana göre değiģik değer aldığı ya da değerlerin düzenlendiği yerleģim problemleridir (Arabani vd., 2012). (2) Tesis YerleĢim/Yer DeğiĢtirme YerleĢim Problemleri Tesis yerleģim/yer değiģtirme problemleri, mevcut tesis yerlerinin planlama ufku ve temel yerleģim faktörlerinin değiģim göstermesine bağlı olarak değiģiklik gösterdiği yerleģim problemleridir. Burada temel yerleģim faktörleri olarak müģteriler ve tedarikçiler, dağıtım ağı, iģ ortamı ve hükümet mevzuatı zamana bağlı olarak değiģen pek çok ana faktörün etkileģimi dikkate alınır (Arabani vd., 2012). Bir tesisin yer değiģimi, öncelikle yer değiģtirme zamanı, yer değiģtirilen tesis sayısı ve yer değiģtirme maliyeti ile ilgilidir. Zaman kesikli ya da sürekli, sayısı tek tesis ya da çok tesis, maliyeti ise o tesisin Ģimdiki ya da gelecekteki yer değiģtirme maliyeti olabilmektedir. Ayrıca Melachrinoudis ve Min, bir tesisin yer değiģtirme kararının pek çok faktör faktörden etkilendiğini ifade etmiģ ve bu faktörlerin en önemlilerini Ģu Ģekilde sıralamıģtır (Melachrinoudis ve Min, 1999); 26

49 a) Arsa satın alma, imar izni, bina inģası, ekipman ve personel taģıma vb. maliyetler, b) MüĢterilere eriģilebilirlik ve hızlı teslimat, c) Tedarikçilere eriģilebilirlik, d) UlaĢıma kolay eriģim imkânı, e) Vergi teģvikleri, f) ĠĢgücü kalitesi, g) ĠĢçi-yönetim iliģkileri. (3) Çok/Tek Periyodlu YerleĢim Problemleri Çok periyodlu (kesikli) tesis yerleģim problemleri, tahmin edilebilir parametrelerin zamana bağlı olarak değiģkenlik gösterdiği durumlardaki yaklaģımı için önerilmektedir. Burada amaç bu parametrelerin tesislerin biçimlendirilmesine adapte edilmesidir (Melo vd., 2009). Belirli bir zamanlama ufku dikkate alınmaktadır. Bu da, yerleģim kararı için uygun zamanı, en iyi yerleģim yerinin belirlenmesi ve herhangi bir zaman dilimi içerisindeki piyasa taleplerinin olumlu/olumsuz dalgalanmalarına firmanın daha iyi tahminde bulunmasını sağlar. Tek periyodlu (sürekli) yerleģim problemleri, zamana bağlı olarak değiģen parametre değerlerini dikkate alınmadığı tesis yerleģim problemleridir. DeğiĢkenler, çok periyodlu (kesikli) tesis yerleģim problemlerindeki gibi dinamik değildir (Arabani vd., 2012). Problemleri (4) Stokastik (Olasılıklı) ve Bulanık Tesis YerleĢim Stokastik tesis yerleģim problemleri, tesis yer seçimi için stokastik (olasılıklı) unsurları dikkate alan yerleģim problemleridir. Burada gelecekte oluģan müģteri talepleri ve maliyetler gibi bazı parametreler belirsizlikle bağdaģlaģtırılmaktadır (Melo vd., 2009). 27

50 Bu modellerin çoğunda amaç tektir ve bu da sistemin beklenen maliyetini en aza indirmek veya beklenen karı maksimize etmektir. Stokastik yerleģim modelinde, yerleģim kararları genellikle ilk aģama kararı iken, müģterilerin tesislere atanması kararları ikinci aģama kararlarıdır (Synder, 2006). Bulanık tesis yerleģim problemleri, tesis yer seçimi karar probleminde kullanılan karar kriterlerinin kesin olmayan ve belirsiz değerlere sahip olması nedeniyle bulanık yaklaģımın kullanıldığı problemlerdir (Arabani vd., 2012). Tesis yerleģim problemlerinde, geleneksel yaklaģımlar (doğrusal, doğrusal olmayan, tam sayılı, dinamik, çok amaçlı hedef programlama, karesel programlama, analog yaklaģım AHP, çoklu regresyon analizi gibi) belirsizlik ve kesin olmayan dilsel değerlendirmelerin ifade edilmesinde etkili yaklaģımlar değildir. Bu nedenden dolayı bulanık dilsel modeller, sözlü ifadelerin sayısal ifadelerine dönüģümüne imkân veren modellerdir. Burada her bir nitel kriterin önemi sözel olarak ifade edilmektedir (Kahraman vd., 2003). c. Tek/Çok Tesis YerleĢim Problemleri Tek tesis yerleģim problemleri, yeni bir tesisin diğer tesisler ile mesafelerinin mümkün olduğu kadar en aza indirilecek Ģekilde yerleģtirilmesidir. Tek tesis yerleģim problemlerinin genel olarak kullanıldığı alanlar Ģunlardır; (1) Üretim tesisleri ile müģteriler arasında kurulacak yeni depo yerlerinde, (2) Büyük Ģehirlerdeki hastane, yangın istasyonu ya da kütüphane gibi tesislerin yerleģiminde, (3) Üniversite kampüsündeki yeni dershanelerin yerleģiminde, 28

51 (4) Birçok askeri üsse ikmal desteği sağlamak için kullanılan yeni hava alanlarının seçiminde, (5) Bir elektrik Ģebekesindeki parçanın yerleģiminde kullanılmaktadır (Farahani ve Hekmatfar, 2009). Çok tesis yerleģim problemleri, tek tesis yerleģim problemine oldukça benzerdir ve yeni kurulacak tek bir tesis yerine birkaç tesisin en iyi yerleģimini amaçlamaktadır (Arabani vd., 2012). Bu problemlerde en az iki tesis olmalı ve her yeni açılacak tesis diğer tesislerden biri ile bağlantısı olmalıdır (Farahani vd., 2014). d. Ġstenen/Yarı Ġstenen/Ġstenmeyen Tesis YerleĢim Problemleri Amacı kullanıcılara ya da ihtiyaç sahiplerine mesafe ya da zamanca yakın olması arzu edilen tesisler, istenen tesis yerleģim problemleri olarak tanımlanmaktadır. Bunlara süpermarketler, yangın istasyonları örnek gösterilebilir (Hamacher vd., 2002). Bir tesis, çevresinde yaģayan insanları hem istenmeyen hem de istenen özellikleri ile etkiliyorsa bu tesis yarı istenmeyen tesis olarak tanımlanmaktadır. Yarı istenen tesislere olan ihtiyacın sayısı hızla artmasına rağmen, literatürde bu tür yerleģim problemleri ile ilgili çalıģmalara çok fazla rastlanılmamaktadır. Yarı istenen tesis yerleģim problemlerinin, iki amacı bulunmaktadır. Birinci amaç fonksiyonu, istenmeyen etkilerin azaltılmasıdır. Örneğin tesisin talep noktalarına olan minimum uzaklığın maksimum yapılmasıdır. Ġkinci amaç ise, istenen etkileri modellemek için talep noktalarının toplam uzaklığını en aza indirmektir. Çöp depolama alanları, hava alanları, tren istasyonları ve bunun gibi gürültü ve rahatsız edici tesisler örnek teģkil etmektedir. 29

52 Ġstenmeyen tesisler, çevresinde yaģayan insanlar üzerinde olumsuz dıģ etkileri olan tesislerdir. Ġstenmeyen tesis yerleģim problemleri de bu tip tesislerin sosyal maliyetlerini aza indirmek amacıyla nüfusun yoğun olduğu yerleģim merkezlerinden olabildiğince uzağa yerleģtirmeye çalıģmaktadır. Bu tip tesislere örnek olarak nükleer santraller, atık toplama noktaları, hapishaneler, askeri kurumlar, çevreyi kirleten fabrikalar gösterilebilir (Farahani vd., 2009). e. Özel/Kamu Sektörü YerleĢim Problemleri Özel sektör yerleģim problemleri, hemen hemen tek bir amacı olan problemlerdir ve ana amaç çoğunlukla tüm maliyetleri (inģa, üretim, taģıma vb.) en aza indirmek ya da tesisin yapımından kazanılan kârı maksimize etmektir. Bu tür problemler klasik yerleģim problemleri sınıfında yer almaktadır. Kamu sektörü yerleģim problemleri, kamu yönetiminin kararlarının etkili olduğu ve asıl amacın sunulan hizmetin en fazla yapılması istenen problemlerdir. Bu problemler üç sınıfa ayrılmaktadır (Farahani ve Hekmatfar, 2009); - Olağan hizmet tesisleri, - Acil durum hizmet tesisleri, - Ġstenmeyen etkiye sahip tesisler. Olağan hizmet tesislerinin (kütüphaneler, okullar gibi) genellikle amacı sunulan hizmeti daha fazla kiģiye ulaģtıracak Ģekilde arttırmaktır. Yangın istasyonları gibi acil durum hizmeti sağlayan tesisler için genellikle amaç, en düģük kaplamayı maksimize etmektir. Ġstenmeyen tesis yerleģim problemlerinin amacı ise, tesisin yakınında yaģayan sakinlerin bu tesisten alacağı negatif etkiyi minimize etmesidir. 30

53 4. ÇOK KRĠTERLĠ TESĠS YER SEÇĠMĠ PROBLEMLERĠ Tesis yer seçimi problemleri, birden fazla amacın optimizasyonunu hedefleyen çok kriterli karar problemleridir. Bu problemler, iki amaçlı, çok amaçlı ve çok nitelikli olmak üzere üç ana baģlıkta toplanmaktadır (Farahani vd., 2010). a. Ġki Amaçlı Tesis YerleĢim Problemleri Bu problemler klasik yerleģim problemlerinin uzantısıdır. Literatürde iki amaçlı ortanca, sırt çantası, karesel, kaplama, kısıtsız, yerleģim ve atama, ana dağıtım üssü, hiyerarģik, rekabetçi, istenmeyen ve yarı istenmeyen tesis problemleri iki amaçlı yerleģim problemleri olarak çalıģılmıģtır (Farahani vd., 2010). Bhattacharya vd., bir dıģbükey çokgen ile sınırlanan bir düzlem üzerindeki birden fazla yeni tesis yerini bulmak için bir bulanık hedef programlama modeli sunmuģtur. Birinci amaç, tüm taģıma maliyetlerinin toplamını en aza indirmektir. Ġkinci amaç ise, tesislerin talep noktalarından olan maksimum mesafeleri en aza indirmektir. Rektilineer mesafe ölçüsü kullanılmıģtır. Çözüm yöntemi sayısal bir örnek ile gösterilmiģtir (Bhattacharya vd., 1993). Melachrinoudis, yarı istenen bir tesis yerleģimi için, rektilineer ölçü sistemi ile iki amaçlı bir tesis yerleģim problemini ele almıģ, amaç fonksiyonunda toplam taģıma maliyeti minimizasyonu ve istenmeyen etkilerin azaltılması mesafenin maksimizasyonunu kullanmıģtır (Melachrinoudis, 1999). Skrive ve Anderson, yine yarı istenen bir tesis olan hava alanı yerleģimi için, biri düzlemsel diğeri ağ problemi için iki kriterli yerleģim modeli sunmuģtur. Bu problemde kurulan amaç fonksiyonları, hem ulaģım 31

54 maliyetlerini hem de istenmeyen etkiyi en aza indirmeyi amaçlamaktadır (Skrive ve Anderson, 2003). Villegas vd., iki amaçlı kapasite kısıtsız tesis yerleģim problemi olarak bir tedarik ağını modellemiģtir. Amaç olarak, operasyonel maliyetlerin azaltılması için minimum toplam maliyeti, kaplama seviyesi için maksimum toplamı kullanmıģtır (Villegas vd., 2006). Du ve Evans, bir bakım-onarım servisinin tersine lojistik ağı problemi için, minimum toplam amacı ile iki amaçlı optimizasyon modeli geliģtirmiģtir. Modelde amaç fonksiyonunda toplam çevrim süresinin en aza indirilmesi ve tüm maliyetlerin minimizasyonu hedef alınmıģtır. Her potansiyel yerdeki tesis kapasite seçeneği kesikli parametre olarak iģleme alınmıģtır. Burada amaç hem potansiyel tesis yerleri arasındaki tesis kapasitesi düzeni için baskın olmayan yerler bulmak, hem de müģteri alanı ile hizmet tesisleri arasındaki ulaģım akıģlarını belirlemektir. Çözüm için önerilen yaklaģım ise; dağılım arama, ikili simpleks yöntemi ve kısıt yönteminin üçünün birleģiminden oluģmaktadır (Du ve Evans, 2007). Costa vd., tek atamalı ana dağıtım üssü yerleģim problemi çözümü için iki amaçlı bir yaklaģım modeli önermiģtir. Ġlk amaç taģıma ve sabit kurulum maliyeti için minimum toplam maliyet, ikinci amaç süreç zamanı için iki alternatifli minimum toplam ve maksimumların minimum süresini amaç fonksiyonu olarak kullanmıģtır (Costa vd., 2008). Medaglia vd., Kolombiya nın Boyoca bölgesindeki hastane atıklarının yok edilmesine yönelik atık yönetim ağı tasarımı için iki amaçlı bir istenmeyen tesis yerleģim modeli sunmuģtur. Modelde minimum toplam maliyet ve mesafe faktörleri dikkate alınmıģtır. DüĢük olmayan çözümler kümesi metodu ile algoritmalar karģılaģtırılmıģtır (Medaglia vd., 2009). Ġki amaçlı yerleģim problemleri, ağ yerleģim problemleri ile özellikle yarı istenen ya da istenmeyen tesis yerleģim problemlerinin 32

55 çözümünde sıkça model olarak kullanılmıģtır. Bu tür problemlerin birçoğunda amaçlardan bir tanesi maliyeti en aza indirmek iken bu amaca çoğunlukla çatıģma durumunda olan ikinci amaç ise mesafeyi ya da kaplamayı maksimize etmektir (Farahani vd., 2010). b. K-Amaçlı (Çok Amaçlı) Tesis YerleĢim Problemleri Ġkiden fazla amacı olan yerleģim problemleridir. Çok amaçlı yerleģim problemlerinde, maliyet, çevresel riskler, kaplama ve eģitlik, hizmet seviyesi ve etkinliği ve kar gibi amaç faktörleri çözüm sürecinde dikkate alınmıģtır. Current vd. yapmıģ olduğu literatür araģtırmasında bu tür problemleri amaçlarının tipine bağlı olarak 4 kategoride sınıflandırmıģlardır: maliyet minimizasyonu, talep kaplama ve talebin atanması, kâr maksimizasyonu ve çevre problemleri (Current vd., 1990). Klasik yöneylem araģtırmasına göre çok amaçlı yerleģim problemleri, Weber, ortanca, kaplama, kısıtlı, kapasite kısıtsız, yerleģim-atama, yerleģim-rotalama, dinamik, rekabetçi, ağ ve istenmeyen yerleģim problemleri olarak çalıģılmıģtır (Farahani vd., 2010). Nijkamp ve Spronk, çözüm uzayı kesikli olan bir Weber probleminin uzantısını ele almıģ ve geleneksel tek bir ulaģım maliyet fonksiyonunu yerine birden fazla amaç fonksiyonunu dikkate alarak geliģtirmiģtir (Nijkamp ve Spronk, 1981). Bhattacharya vd., rektilineer metrik ölçü mesafesi ile bir düzlem üzerindeki tek bir tesisin minimum uzaklığın maksimumunu, maksimum uzaklığın minimumunu, minimum toplam amaç fonksiyonlarını dikkate alan bir bulanık hedef programlama modeli sunmuģtur. (Bhattacharya vd.,1992). Badri vd, kaplama tesis yerleģim problemi olarak bir yangın istasyonun yerleģimini soyut ve somut kriterler bağlı olarak ele almıģ ve çok amaçlı bir model önermiģtir. Modelde toplam on bir amacı dikkate almıģtır. Genel olarak yangın istasyonlarından talep bölgelerine olan maksimum ve 33

56 ortalama seyahat süreleri ile mesafelerinin minimizasyonu, toplam ve yıllık maliyetlerin en aza indirilmesi, hizmet maksimizasyonu ile teknik ve politik kriterler iliģkin kriterler dikkate alınmıģtır (Badri vd., 1998). Yang vd., bulanık çok amaçlı bir yerleģim modeli önermiģtir. Bu model uluslararası bir hava alanındaki yangın istasyonu yerleri ve sayısının belirlenmesine yardımcı olmaktadır. Model, yangın istasyonlarının toplam kurulum maliyeti ve bir kaza durumundaki kayıp maliyetini en aza indirilmesini, herhangi bir olay noktası ile yangın istasyonları arasındaki en uzun mesafenin en aza indirilmesini, herhangi bir yangın istasyonu ile riskli bir bölgeye arasındaki en uzun mesafenin en aza indirilmesini amaçlamaktadır. Problemin zor ve karmaģık yapısından dolayı çözüm için ayrıca genetik algoritma kullanılmıģ ve sayısal örnek ile karģılaģtırılmıģtır (Yang vd., 2007a). Acil servis hizmet sağlayıcıları için en kritik husus zamanındalıktır. Araz vd., acil servis araç yerleģim yerlerini etkin bir Ģekilde tespit etmek için problemi üç amaçlı olarak modellemiģtir. Birinci amaç, bir araç tarafından kapsanan nüfusun maksimizasyonu, ikinci amaç yedek kaplamalı insan sayısının maksimizasyonu, üçüncü amaç ise tüm bölgeler için önceden belirlenmiģ standart mesafeden daha büyük bir mesafedeki yerlerin toplam mesafelerini en aza indirmesidir. Problemde karar vericilerden aldığı kesin olmayan değerleri veri olarak kullanmıģ ve bulanık hedef programlama yaklaģımı ile bir çözüm önerisi sunmuģtur (Araz vd., 2007). Doerner vd., kamu tesislerinin (okul) kıyılardan uygun uzaklıktaki yerleģimini belirlemek için, tsunami doğal felaketi riskini dikkate alan çok amaçlı bir karar modeli önermiģtir. Modelde amaç fonksiyonları olarak sırasıyla kaplama, risk ve maliyetleri dikkate almıģtır. Ayrıca elde edilen sonuç bir sezgisel yöntem ile karģılaģtırılmıģtır (Doerner vd., 2009). 34

57 c. Çok Nitelikli Tesis YerleĢim Problemleri Çok nitelikli tesis yerleģim problemleri, tesislerin kurulacağı birden fazla alternatif yer ile bu yerler arasından en iyiyi seçmekte kullanılan nitel veya nicel kriterlerin oluģturduğu problemlerdir. Bu problemlerde, karar vericiler tarafından alternatif yerlerin belirlenen kriterlere göre değerlendirilmesi gerekir. Kriterler genellikle farklı ağırlık değerlerine sahip olabilir. Bu tür problemlerde farklı çözüm yöntemleri kullanılabilmektedir. Her yöntemin birbirine karģı üstünlükleri mevcuttur. Gerçek yaģam problemlerinde niceliksel kriterlere ilave çok sayıda nitel kriterin karar sürecine girmesi, bu problemlerde çok nitelikli karar verme modellerinin kullanılması ve gerçek sonuçların elde edilmesine imkân tanımıģtır. Çok nitelikli karar verme problemlerinde, dilsel değiģkenlerle ifade edilebilen kriterler göz önünde bulundurulabilmektedir. Bu değiģkenlerin sayısal değerlere dönüģtürülmesi için belirli bir ölçek değeri kullanılmakta ve buna göre her bir kriter sayısal değer almaktadır. Farahani vd., 2010 yılında yapmıģ olduğu literatür araģtırması ile çok kriterli yerleģim problemlerinde son yıllarda yapılmıģ olan çalıģma ve geliģmeleri incelemiģtir. YapmıĢ olduğu çalıģmanın bir bölümünde de çok nitelikli yerleģim problemlerinde hangi yöntemler ile kriterlerin kullanıldığını tespit etmiģtir. d. Kullanılan Yöntemlere ĠliĢkin Literatür Çok nitelikli karar verme (ÇNKV) tesis yer seçimi problemlerinde en uygun yerin seçimi için kullanılacak tek bir çözüm yöntemi bulunmamaktadır. Literatürde tesis yerleģim problemlerinin çözümünde, Analitik hiyerarģi prosesi (AHP), Analitik network prosesi (ANP), Elimination Et Choix Traduisant La Réalité (ELECTRE), Technique For Order Preference By Similarity To Ideal Solution (TOPSIS), Multi-Attribute Utility Theory (MAUT), VIseKriterijumska Optimizacija Kompromisno Resenje (VIKOR), 35

58 Stochastic Multicriteria Acceptability Analysis (SMAA) gibi çok sayıda ÇNKV yöntemi kullanılmıģtır (Farahani vd., 2010). Önerilen çözüm metodunun problemin yapısı ile kullanılacak verilerle uyumlu olması, yer seçiminde en uygun ve doğru sonucun elde edilmesinde önemli katkı sağlayacaktır. Ayrıca bu tür problemlerin çözümünde kullanılan nitel ve nicel kriter değerlerinin kesin veya kesin olmayan, net, olasılıklı ya da istatistiksel dağılım değerlerine sahip olması birbirleriyle çatıģan ve çeliģen özellikte olması tesis yerleģim problemlerini karmaģık ve çözümü zor problemler haline getirmektedir. Bu yöntemler, problemin çözümünde tek olarak kullanıldığı gibi, bütünleģik olarak da kullanılmıģtır. Tzeng vd., Taipei de bir restoran yeri seçimi problemi için, beģ boyut (ulaģım, ticari alan, ekonomiklik, rekabet ve çevre) ile on bir kriteri (kira maliyeti, ulaģım maliyeti, toplu taģıma sistemi için kolaylık, park alanının boyutu, yaya yoğunluğu, rakip firma sayısı, rekabet yoğunluğu, restoranın bulunduğu ticari alanın büyüklüğü, kamu tesislerinin boyutu, çöp toplama kolaylığı ve kanalizasyon kapasitesi) dikkate almıģ ve dört alternatif yerin değerlendirilmesinde AHP metodunu kullanmıģtır. Ayrıca uzlaģık bir yöntem olan VIKOR tekniğinden kriter ağırlığı istikrar aralıklarının belirlenmesinde faydalanılmıģtır (Tzeng vd., 2002). Aras vd., bir üniversite kampüsünde inģa edilecek rüzgâr gözlem istasyonunun en uygun yerleģimi için AHP metodunu kullanmıģtır (Aras vd., 2004). Vahidnia vd., Tahran da kurulacak yeni bir hastanenin yerleģimine karar vermek için Coğrafi Bilgi Sistemi (CBS) ve bulanık AHP metodunu birlikte kullanmıģlardır. (Vahidnia vd., 2009). Badri, uluslararası bir Ģirketin tesis yerleģim/atama problemine yönelik gerçek yaģam problemi için, AHP yöntemi ile hedef programlamayı birlikte kullanmıģtır. Amaç petrokimya Ģirketinin orta doğudaki dört aday ülke arasından birine açacağı dağıtım üssünün yerinin belirlenmesidir. Burada AHP alternatiflerin önceliklendirilmesinde kullanılmıģtır. Problemin çözümü öncelikle AHP ve 36

59 Hedef programlama ayrı ayrı kullanılarak yapılmıģ, sonra elde edilen sonuç ile birlikte kullanılarak elde edilen sonuç karģılaģtırılmıģtır (Badri, 1999). Chan ve Chung, tedarik zinciri yönetimi içindeki bir dağıtım ağı probleminin (dört üretim tesisi, dört depo, on müģteri) çözümü için genetik algoritma ve AHP yönteminin bütünleģik kullanıldığı bir model önermiģlerdir (Chan ve Chung, 2004). Tabari vd., en uygun tesis yeri seçimi için somut ve soyut kriterleri içeren hibrid bir ÇKKV modeli önermiģtir. Önerilen çözüm modelinde kriterleri; tarafsız (objektif), kiģisel bakıģ açısına (sübjektif) göre ve kritik faktörler olmak üzere üç gruba ayırmıģtır. Kritik ve sübjektif faktörlerin değerlendirilmesi için karar vericilerden faydalanılmıģ ve alternatiflerin değerlendirilmesinde bulanık AHP metodu kullanılmıģtır. Elde edilen alternatif sonuç değerleri belirlenen α katsayısı ile duyarlılık analizine tabi tutulmuģtur (Tabari vd., 2008). Fernandez ve Ruiz, bir sanayi bölgesinin yer seçimi için, her aģamasında coğrafi özellikteki kriterlere sahip üç seviyeli bir karar destek süreci önermiģlerdir. Bu problemin çözümümde AHP metodundan faydalanılmıģtır (Fernandez ve Ruiz, 2009). Tuzkaya vd., Ġstanbul Ģehri için bir atık depolama (çöp) yeri seçiminde ANP metodunu kullanmıģtır. Ġki seviyeli kurulan modelde ana amaç istenmeyen tesis için en iyi yeri bulmaktır. Kurulan modelde birinci seviye üç ana kriter ve dört faktörden (fayda, fırsat, maliyet ve risk) oluģmaktadır. Her faktör içinde farklı sayıda nitel, nicel, soyut ve somut kriterler barındırmaktadır. Ġkinci seviyede ise, her bir faktörün kendi özelliklerine sahip alt kriterler kümesi bulunmaktadır. Alternatif yerler arasından istenmeyen tesis yeri seçiminde her bir kriterin birbirleriyle olan iliģkileri de dikkate alınmıģtır (Tuzkaya vd., 2008). Güneri vd., tersane yerinin seçimi problemi için bulanık ANP metodunu kullanmıģlardır. Tersane yerleri için belirlenen Ġzmir, Yalova, Yumurtalık ve Samsun dört alternatif Ģehir arasından Yalova ili en uygun yer olarak seçilmiģtir (Güneri vd., 2009). Barda vd., termik santrallerin yerleģimi problemini incelemiģ ve Kuzey Afrika nın üç kıyı bölgesindeki yerleģim 37

60 alanından en iyi alanın seçimi için ELECTRE III metodunu kullanmıģtır (Barda vd.,1990). Norese, Ġtalya nın Torino Ģehri için çöp yakma ve yok etme tesisinin en uygun yerleģiminde on dört kriteri dikkate alan bir ÇKKV yaklaģımı olan ELECTRE III ten yararlanmıģtır. Modelinde kullanacağı kriterlerden bazılarının (doğa değeri, tarım değeri, sel riski, negatif etkisi gibi) belirsiz ve tutarsız özellikler göstermesi bu yöntemi kullanmasında etkili olmuģtur (Norese, 2006). Canbolat vd., uluslararası bir üretim tesisi yerleģimi için çok aģamalı bir model önermiģtir. Ġlk olarak belirsizlikler etki diyagramı ile belirlenmiģtir. Daha sonra maliyete iliģkin belirsizlikleri analiz etmek için karar ağacı kullanılmıģ ve risk profili çıkarılmıģtır. Son olarak elde edilen bu kümülatif risk profili çok nitelikli fayda teorisi (MAUT) ile birlikte alternatif ülkelerin değerlendirilmesinde kullanılmıģtır (Canbolat vd., 2007). Queiruga vd., Ġspanya daki belediyelerin elektrik ve elektronik atıkları toplama ve geri dönüģüm merkezlerinin yerlerine karar verme sırasında hangi önceliklere göre yer seçimi yapılması gerektiğini tespit etmek için PROMETHEE (Preference Ranking Organization Method for Enrichment Evaluations) yöntemi kullanılmıģtır. Ġspanya da potansiyel olarak toplam altı yüz toplama merkezi bulunmaktadır. Bu merkezler PROMETHEE yöntemi kullanılarak öncelikli tercihlere göre azaltılmıģtır. Bir toplama merkezinin yerine karar verilirken göz önünde bulundurulacak kriterler arasında arazi, personel ve enerji maliyetleri yanında tesisin yerleģim yerlerine, geri dönüģüm merkezlerine ve atık bertaraf tesislerine yakınlığı bulunmaktadır (Queiruga vd., 2008). Bazı çalıģmalarda Coğrafi Bilgi Sistemleri (CBS) ninde çözüm için kullanıldığı görülmektedir. Örneğin Higgs, katı atık yönetiminde yer seçimi için çok kriterli analiz ve değerlendirmenin CBS ile birlikte kullanıldığı bazı çalıģmaları incelemiģtir (Higgs, 2006). Chang vd., hızla büyüyen Güney Teksas bölgesinin Herlingen Ģehri için katı atık sahalarının yer seçiminde coğrafi analiz ile birlikte bir bulanık çok kriterli karar analizini kullanmıģtır. Ġki 38

61 aģamalı bu mekânsal karar destek sistemi için birinci aģamada CBS olarak biyofiziksel, ekolojik ve sosyo-ekonomik değiģkenler ile birlikte tematik haritalar kullanılmıģtır. Ġkinci aģamada ise elde edilen bu veriler bulanık ÇKKV modeli için girdi teģkil edilmiģ ve Herlingen Ģehrinin banliyö bölgesi için en uygun yeni atık depolama sahası seçilmiģtir (Chang, 2008). Birçok problemde nitel kriterler genellikle belirsiz ve kesin olmayan değerler alırlar. Bu durumlarda problemlerin çözümü için bulanık çok kriterli grup karar verme yaklaģımının kullanılmasını zorunlu hale getirmektedir. Chen, dağıtım merkezi yer seçim için bir bulanık çok kriterli grup karar verme yöntemi önermiģ ve örnek bir probleme uygulamıģtır. Aday alternatifler arasından en uygun yerin seçimi için beģ adet karar kriteri kullanmıģtır. Bu kriterlerden maliyet kriterini kesin değer olarak, diğer kriterleri ise üçgen bulanık sayı değerleri ile ele almıģtır (Chen, 2001). Chou vd., uluslararası turistik bir otelini yer seçimi için bulanık küme teorisi, dilsel değerler, hiyerarģik yapı analizi ve bulanık AHP yönteminin birlikte kullanıldığı bir bulanık ÇKKV modeli önermiģlerdir. Bu model için yer seçimini etkileyen yirmi bir kriter dikkate alınmıģtır (Chou vd., 2008). Diğer bir örnek Shen ve Yu tarafından sunulan uluslararası bir Ģirketin yer seçiminde bulanık çok nitelikli grup karar verme süreci altında bulanık küme teorisi ve risk yargı sürecinin uygulandığı ampirik bir çalıģmadır (Shen ve Yu, 2009). Yang vd., kurulum maliyeti, iģletim maliyeti ve müģteri taleplerinin bulanık değiģkenler olduğu varsayımı altında lojistik dağıtım merkezlerinin yerleģimi için toplam maliyeti minimize etmek amacıyla bir Ģans kısıtlı programlama modeli tasarlamıģ ve bu modelle birlikte bazı özel modelleri araģtırmıģtır. Tabu araģtırması algoritması, genetik algoritma ve bulanık simülasyon algoritması en iyi çözüme yaklaģık sonucu bulmak için birlikte kullanılmıģtır. Bu melez algoritma ile elde edilen optimal değer α parametre değeri ile duyarlılık analizine tabi tutulmuģtur (Yang vd., 2007b). 39

62 Kahraman vd., bir motor üreticisi tesis yeri seçim problemi için dört farklı bulanık çok nitelikli karar verme yaklaģımını kullanmıģ ve her yöntemi örnek bir problem ile çözmüģtür. Bu yaklaģımlar sırasıyla; Blin in bulanık grup karar verme modeli, bulanık sentetik değerlendirme, Yager in ağırlıklı hedefler yöntemi ve bulanık AHP dir. Daha sonra kullandığı bu yöntemlerin farklılıkları ile ilgili değerlendirmelerde bulunmuģtur (Kahraman vd., 2003). Özdağoğlu, Ġstanbul da yemek sektöründe faaliyet gösteren bir firmanın tesis yerleģimi için, ana ve alt kriterlerden oluģturduğu bir hiyerarģik yapı ile kriterlerin birbiriyle etkileģiminin de dikkate alındığı bir bulanık ANP yöntemini kullanmıģtır. En iyi alternatif yerin seçilmesinde etkili olan kriterler değerlendirilmiģ ve yapılan duyarlılık analizi çalıģma sonunda sunulmuģtur (Özdağoğlu, 2011). Ertuğrul ve KarakaĢoğlu, Türkiye de ev tekstilinde faaliyet gösteren bir imalatçı firmanın tesis yer seçimi problemi için bulanık AHP ve bulanık TOPSIS yöntemlerini ayrı ayrı kullanmıģ ve bu iki metot ile elde ettiği çözümün benzerlik ve farlılıklarını karģılaģtırarak yorumlamıģtır (Ertuğrul ve KarakaĢoğlu, 2008a). Kuo, uluslararası dağıtım merkezi yer seçimi için hibrid bir model önermiģtir. Önerilen modelde, kriterlerin hiyerarģik/ağ yapısını oluģturmak için bulanık DEMATEL, kriter ağırlıklarını belirlemek için AHP ve ANP, alternatiflerin sırlanmasında ise yeni bir bulanık ÇKKV yöntemini kullanılmıģtır (Kuo, 2011). Awasthi vd., lojistik bir firmanın kentsel dağım merkezi yer seçimi için Bulanık TOPSIS yöntemini kullanmıģtır. Yer seçimi modeli için üç karar verici belirlemiģ ve sekiz kriter açısından belirlediği üç alternatif yeri değerlendirmiģtir (Awasthi vd., 2011). Farahani vd yılı ve öncesi yapmıģ olduğu literatür araģtırması ile ÇNKV yerleģim problemlerinde yaygın olarak kullanılan yöntemleri düzenlemiģtir. Bu çalıģmaya ilave olarak yılları arasında literatürde yer alan tesis yer seçimine yönelik yapılan çalıģmalarda uygulanan yöntemler ile uygulama alanları eklenerek Tablo-1 de gösterilmiģtir. 40

63 Tablo-1: Literatürdeki AraĢtırmaların Yöntem ve Uygulama Alanlarına Göre Sınıflandırılması S.NU. YÖNTEM YAZAR(LAR) VE YILI UYGULAMA ALANI 1 AHP Erkut ve Moran (1991) Tzeng vd. (2002) Aras vd. (2004) Wu vd. (2007) Viswanadham ve Kameshwaran (2007) Fernandes ve Ruiz (2009) Belediye çöp depolama alanı Restoran yer seçimi Rüzgâr gözlem istasyonu yer seçimi Hastane yer seçimi ARGE tesisi yer seçimi Sanayi bölgesi seçimi 2 ANP 3 ELECTRE III Partovi (2006) Tuzkaya vd. (2008) Aragones-Beltran vd. (2010) Barda (1990) Norese (2006) 4 PROMETHEE Queiruga (2008) 5 MAUT Canbolat vd. (2007) 6 7 Bulanık AHP Firma yer seçimi Atık depolama yer seçimi Kentsel katı atık tesisi yer seçimi Termik santralleri yerleģimi Çöp yakma ve imha tesis yer seçimi Elektronik atık toplama geri dönüģüm yer seçimi Uluslararası üretim tesis yer seçimi SMAA Hokkanen vd. (1999) Liman yer seçimi SMAA-2 Lahdelma vd. (2002) SMAA-O Menou vd. (2010) Kuo vd. (1999) Kahraman vd. (2003) Ertuğrul ve KarakaĢoğlu (2008a) Tabari vd. (2008) Chou vd. (2008) Vahidnia vd.(2009) Atık arıtma tesisi yer seçimi Hava kargo sistemi için ana dağıtım üssü yer seçimi Market yer seçimi Motor üreticisi tesis yer seçimi Tekstil üretim tesis yer seçimi Yeni tesis yer seçimi Uluslararası otel yer seçimi Hastane yer seçimi 8 Bulanık ANP Ashrafzadeh vd. (2012) Tuzkaya vd. (2008) Güneri vd. (2009) Özdağoğlu (2011) Depo yer seçimi Atık depolama yeri seçimi Tersane yer seçimi Yemek firması tesis yer seçimi 41

64 Tablo-1 in Devamı: Literatürdeki AraĢtırmaların Yöntem ve Uygulama Alanlarına Göre Sınıflandırılması S.NU. YÖNTEM YAZAR(LAR) VE YILI UYGULAMA ALANI 9 Bulanık TOPSIS Chu (2002) Yong (2006) Kuo vd. (2007) Ertuğrul ve KarakaĢoğlu (2008a) Awasthi (2011) Mokhtarian ve Hadi- Venchen (2012) Fabrika kuruluģ yeri seçimi Fabrika yer seçimi Dağıtım merkezi yer seçimi Tekstil üretim tesis yer seçimi Kentsel dağıtım merkezi yer seçimi Süt ürünleri fabrikası yer seçimi 10 Bulanık SAW Chou vd. (2008) Otel yer seçimi 11 Bulanık AHP ve Bulanık TOPSĠS Önüt vd. (2010) Choudhary ve Shankar (2012) AlıĢveriĢ merkezi yer seçimi Termik santrali yer seçimi 12 Bulanık AHP ve ELECTRE Ka (2011) Kuru yük limanı yeri seçimi Bulanık DEMATEL, Bulanık AHP/ANP ve Bulanık ÇKKV Bulanık küme ve risk yargı süreci Kuo (2011) Shen ve Yu (2009) Uluslararası dağıtım merkezi için liman yer seçimi Uluslararası Ģirket yer seçimi 15 CBS ve Bulanık ÇKKV Analizi Chang (2008) Katı atık depolama sahası yer seçimi 16 CBS ve Bulanık AHP Vahidnia vd. (2009) Hastane yer seçimi 17 Bulanık Grup Karar Verme Chen (2001) Dağıtım merkezi yer seçimi 18 AHP ve Hedef programlama Genetik algoritma ve Çok Kriterli Karar Desteği Genetik Algoritma ve AHP Blin bulanık grup karar verme modeli, bulanık sentetik değerlendirme, Yager ağırlıklı hedefler yöntemi Guo ve He (1999) Badri (1999) Guimaraes Pereira vd. (1994) Chan ve Chung (2004) Kahraman vd. (2003) Tarım alanı yer seçimi Uluslararası dağıtım üssü yer seçimi Perakende ve hizmet tesisi yer seçimi Tedarik zincirinde dağıtım ağı planı Motor üreticisi tesis yer seçimi 42

65 Tablo-1 in Devamı: Literatürdeki AraĢtırmaların Yöntem ve Uygulama Alanlarına Göre Sınıflandırılması S.NU. YÖNTEM YAZAR(LAR) VE YILI UYGULAMA ALANI 22 Tabu araģtırması, genetik algoritma, bulanık simülasyon algoritması Yang vd. (2007b) Lojistik dağıtım merkezi yer seçimi 23 Küme kaplama ve ÇNKV Farahani ve Asgari (2007) Depo yeri seçimi 24 AHP ve TOPSĠS, ELECTRE, Gri Teori, Özcan vd. (2011) Depo yeri seçimi 25 ANP ve Veri Zarflama Analizi Khadivi ve Ghomi (2012) Katı atık tesisi yer seçimi 26 Doğrusal Programlama ve SMAA-TRI Karabay (2013) Kamu tesisi yer seçimi e. Kullanılan Kriterlere ĠliĢkin Literatür Literatürde tesis yer seçimi problemlerine tek ya da çok kriterli olarak karģılaģılmaktadır. Tek kriterli yerleģim problemlerinde genellikle kriter maliyet ya da kaplama olmaktadır. Ancak çok kriterli problemlerde en az bir kriter daha mevcuttur ve bu tür problemlerin doğası gereği birinci kriter ile çatıģmaktadır. Ġki veya çok amaçlı yerleģim problemleri için en çok karģılaģılan kriterler maliyet, kâr, kaplama ya da eģitlik, hizmet seviyesi ve etkinliği ile çevresel riskler Ģeklinde özetlenmiģtir. Çok nitelikli yerleģim problemlerinde ise kullanılan kriterler Ģu baģlıklar altında toplanabilir (Farahani vd., 2009); - Maliyet, - Değer ve faydalar, - Kaynaklara ulaģılabilirlik ve faydalanma, - Kamu tesislerine ulaģılabilirlik, - Çevresel Riskler, - Nüfus yoğunluğu, - Rekabet, - Ekonomiklik, 43

66 - Kapasite, - Mesafe ve uygunluktur. Yer seçim karar sürecinde dikkate alınması gereken ya da bu kararı etkileyen; arazi, yatırım, kurulum ve iģgücü maliyetleri, pazarlara ve müģterilere yakınlık, tedarikçilerin mevcudiyeti, çevresel ve siyasi riskler, politik durum, vergiler, yaģam kalitesi gibi bir çok nitel ve nicel kriter vardır. Chou vd., bu kriterleri üç kategoride sınıflanmıģtır (Chou vd., 2008); (1) Önemli kriterler (kamu hizmetlerinin varlığı, halkın tutumu), (2) Objektif kriterler (yatırım ve iģgücü maliyetleri), (3) Sübjektif (kiģiye bağlı) kriterler (pazarlara ve müģterilere yakınlık, siyasi istikrar, yaģam kalitesi). Smith, yurt içinde hizmet verecek bir fabrika yer seçimi için son teslim zamanı, müģterilere yakınlık, ulaģım ve iletiģim altyapılarına eriģimi, bölgesel ya da yurtdıģı hizmet veren fabrikalar için bu kriterlerin yanında mali teģvikler, vergi sistemleri ve siyasi istikrarın önemli kriterler olduğunu ve dikkate alınması gerektiğini söylemektedir (Smith, 2002). Chase vd., üretim tesisi ve depo yer planlanmasını etkileyen kriterleri Ģu baģlıklar altında toplamıģtır (Chase vd., 2007); - MüĢterilere yakınlık, - ĠĢ iklimi, - Toplam maliyetler, - Alt yapı, - ĠĢgücü kalitesi, - Tedarikçiler, - Sahip olduğu diğer tesisler, - Serbest ticaret bölgeleri, - Siyasi riskler, - Hükümet engelleri, 44

67 - Ticari bloklar, - Çevresel düzenlemeler, - Ev sahibi toplum ve rekabet avantajıdır. Farahani vd. yapmıģ olduğu literatür araģtırması ile 2009 yılı ve öncesi ÇNKV yerleģim problemlerinde yaygın olarak kullanılan karar kriterlerini düzenlemiģtir. Bu kriterlere, yılları arasında yapılan çalıģmalarda kullanılan kriterler de ilave edilerek yeniden düzenlenmiģ ve Tablo-2 de gösterilmiģtir. Tablo-2: Çok Nitelikli YerleĢim Problemlerinde Kullanılan Belirleyici Kriterler KRĠTERLER YAZARI VE YILI Maliyet (Arazi, kira, ulaşım, kurulum, yatırım, operasyonel, bakım maliyetleri) Guimaraes Pareira vd. (1994) Guo ve He (1999) Lahdelma vd.(2002) Tzeng vd. (2002) Aras vd. (2004) Chan and Chung (2004) Yong (2006) Farahani ve Asgari (2007) Chou vd. (2008) Tabari vd. (2008) Tuzkaya vd. (2008) Türetken (2008) Wadhwa vd. (2009) Fernandes ve Ruiz (2009) Önüt vd. (2010) Awasthi vd. (2011) Özdağoğlu (2011) Kuo (2011) Ashrafzadeh (2012) Değeri ve faydalar (Gelir, arazi ve mülkün değeri, ürün değeri) Guimaraes Pareira vd. (1994) Guo and He (1999) Lahdelma vd.(2002) Norese (2006) Farahani ve Asgari (2007) Tuzkaya vd. (2008) Önüt vd. (2010) Awasthi vd. (2011) Ashrafzadeh (2012) Doğal ve çevresel riskler (Afet, trafik, sağlık sorunları, ses ve gürültü kirliliği, iklim, kokular, atık toplama, hava ve su kirliliği) Barda vd. (1990) Guimaraes Pareira vd. (1994) Aras vd. (2004) Fernandes ve Ruiz (2009) Lahdelma vd.(2002) Norese (2006) Türetken (2008) Tuzkaya vd. (2008) Önüt vd. (2010) Awasthi vd. (2011) Özdağoğlu (2011) Ashrafzadeh (2012) Kaynaklara eriģilebilirlik ve tesisten faydalanma Barda vd. (1990) Lahdelma vd.(2002) Aras vd. (2004) Chan and Chung (2004) Yong (2006) Norese (2006) Viswanadham ve Kameshwaran (2007) Kinra ve Kotzab (2008) Chou vd. (2008) Fernandes ve Ruiz (2009) Awasthi vd. (2011) Kamu tesislerine ulaģılabilirlik (Hava alanı, karayolu, demiryolu, park ve dinlenme alanları, konaklama tesisleri) Barda vd. (1990) Guimaraes Pareira vd. (1994) Lahdelma vd. (2002) Tzeng vd. (2002) Aras vd. (2004) Norese (2006) Viswanadham ve Kameshwaran (2007) Kinra ve Kotzab (2008) Chou vd. (2008) Fernandes ve Ruiz (2009) Shen ve Yu (2009) Önüt vd. (2010) Awasthi vd. (2011) Ashrafzadeh (2012) 45

68 Tablo-2 nin Devamı: Çok Nitelikli YerleĢim Problemlerinde Kullanılan Belirleyici Kriterler KRĠTERLER YAZARI VE YILI Siyasi konular ve düzenlemeler (Toplumun düşüncesi, ülkenin önlemleri, kamu düzenlemeleri) Badri (1999) Kahraman vd. (2003) Canbolat vd. (2007) Viswanadham ve Kameshwaran (2007) Chou vd. (2008) Türetken (2008) Tabari vd. (2008) Kinra ve Kotzab (2008) Ertuğrul ve KarakaĢoğlu (2008a) Shen ve Yu (2009) Wadhwa vd. (2009) Rekabet (Rekabet ortamı, rakip firma sayısı) Badri (1999) Tzeng vd. (2002) Kahraman vd. (2003) Chou vd. (2008) Önüt vd. (2010) Özdağoğlu (2011) Ekonomi kriterleri maliyet ve değer yanında (İş gücü imkânı, iş fırsatları, paranın değeri, iş iklimi) Nüfus yoğunluğu Barda vd. (1990) Guimaraes Pareira vd. (1994) Badri (1999) Kahraman vd. (2003) Norese (2006) Yong (2006) Canbolat vd. (2007) Guimaraes Pareira vd. (1994) Tzeng vd. (2002) Viswanadham ve Kameshwaran (2007) Chou vd. (2008) Ertuğrul ve KarakaĢoğlu (2008a) Kinra ve Kotzab (2008) Tabari vd. (2008) Tuzkaya vd. (2008) Türetken (2008) Lahdelma vd.(2002) Norese (2006) Fernandes ve Ruiz (2009) Shen and Yu (2009) Wadhwa vd. (2009) Ashrafzadeh (2012) Canbolat vd. (2007) Önüt vd. (2010) Kapasite ve büyüklüğü (Büyüme ve genişleme imkânı, esneklik) Tzeng vd. (2002) Norese (2006) Tuzkaya vd. (2008) Önüt vd. (2010) Awasthi vd. (2011) Ashrafzadeh (2012) Yakınlık/Uzaklık (Pazara-müşteriyetedarikçiyekaynağa yakınlık, yasak- tehlikeliistenmeyen tesislerden- afet bölgesinden uzaklık) Guimaraes Pareira vd. (1994) Norese (2006) Viswanadham ve Kameshwaran (2007) Ertuğrul ve KarakaĢoğlu (2008a) Tuzkaya vd. (2008) Kuo (2011) Awasthi vd. (2011) Özdağoğlu (2011) Ashrafzadeh (2012) Uygunluk (Kültürel, sosyal, teknik, arazi kullanımına, doğal tehditlere, trafik sistemi, altyapı, yaşam kalitesi) Barda vd. (1990) Aras vd. (2004) Norese (2006) Viswanadham ve Kameshwaran (2007) Canbolat vd. (2007) Ertuğrul ve KarakaĢoğlu (2008a), Chou vd. (2008) Awasthi vd. (2011) Kuo (2011) Diğer Kriterler (Çekicilik, talep seviyesi, operasyon yeteneği Önüt vd. (2010) Awasthi vd. (2011) Özdağoğlu (2011) Kuo (2011) 46

69 ÜÇÜNCÜ BÖLÜM BULANIK MANTIK VE ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠ 1. GĠRĠġ Karar verme; belirli bir problemi çözme ya da istenilen amaca ulaģmak için, problemin sahip olduğu kriterlerin etkisi altında, mevcut tüm alternatifler arasından en uygununu seçme iģlemidir. Bir baģka ifadeyle karar verme, zihinsel süreçlerin sonunda, çeģitli alternatifler arasından birisinin seçilmesi sürecidir (Chanas, 1989). Karar verme iģlemi, optimizasyon kriterlerine göre hareket tarzları arasından bir tanesinin seçimidir (Saat, 2000). Bu iģlem, yaģantımız boyunca her konuda basit veya karmaģık bir yapıda karģımıza çıkmaktadır. Gerek kiģisel gerekse toplumsal ihtiyaçların karģılanması amacıyla, karmaģık ve çok sayıda kriteri içeren bir problem için, çeģitli alternatifler arasından en uygun alternatifi seçmek oldukça zor bir karar süreci olabilmektedir. KarmaĢık sistemlerin karar analizinde, çok kriterli, çok amaçlı veya çok nitelikli gibi kavramlar karar durumlarının tanımlamalarında sıklıkla birbirlerinin yerlerine kullanılmaktadır. Genel olarak terminolojide, çok kriterli karar verme (ÇKKV) kavramı, çok amaçlı karar verme (ÇAKV) ya da çok nitelikli karar verme (ÇNKV) kavramının yerine kullanılmaktadır. Bu iki kavram ÇKKV problemlerinin ana kategorileridir. ÇNKV yöntemleri sınırlı sayıda alternatifi olan ve içlerinden en iyisini seçmeyi amaçlayan problemlerde kullanılırken, ÇAKV metotları genellikle çok sayıda alternatif kümesine sahip problemler için kullanılmaktadır (Tabucanon, 1988). Karar problemleri çoğunlukla birden fazla ve birbiriyle çeliģen kriterler içermektedir. Genellikle bu tür problemlerin çözümü için çok kriterli karar verme metotları kullanılmaktadır. ÇKKV, bir karar vericinin birden fazla alternatif arasından genellikle birbiri ile çeliģen kriterler altında yaptığı seçim iģlemidir. ÇKKV, birden çok kritere sahip yine birden fazla alternatifin karģılaģtırma, sıralama ve seçme iģlemlerini içeren bir metodolojiler 47

70 toplamıdır (Levy, 2005). Amaçlar genellikle çeliģkilidir ve bu nedenle, çözüm karar vericisinin tercihine son derece bağlıdır ve bir uzlaģma olması gerekmektedir. Problemlerin çoğunda, farklı karar verici grupları sürece dâhil edilmektedir. Her grup, karģılıklı anlayıģ ve uzlaģı çerçevesinde çözülmesi gereken sorunlara karģı farklı kriter ve bakıģ açısı getirmektedir (Pohekar vd., 2004). Gerçek hayattaki olaylarda pek çok problem birden fazla karar kriterine sahiptir. Bu yüzden ÇKKV yöntemleri karmaģık problemleri çözmek için geliģtirilmiģtir. ÇKKV nin amacı alternatif seçenekler arasından tüm tercihleri belirlemektir. Amacına göre, ÇKKV yöntemleri alternatiflerin sıralanması veya seçeneklerin nihai kararı için kullanılabilir (Ersöz ve Kabak, 2010). Karar vericilerin kriter değerlendirmesinde farklı düģüncelere sahip olması karar verme sürecinin asıl çatıģma sebeplerinden birisidir. Bu çatıģma ortamında kalitatif ve kantitatif kriterlerin birlikte bulunması ve çoğunlukla bu kriterlerin kesin olmayan ya da bulanık değerler alması kaçınılmazdır. Örneğin maliyet, konum, rahatlık ve büyüklük kriterine göre satın alınacak bir ev için alınacak karar sürecinde maliyet kriteri diğer kriterler ile çatıģma içerisinde olacak, büyüklük, rahatlık ve konum kriteri ise bulanık ifadelerle temsil edilecektir. Tipik bir ÇKKV probleminin üç temel bileģeni vardır. Bunlar; alternatifler, kriterler ve her bir kriterin göreceli ağırlığıdır. Bu problemlerin matris formatı aģağıda gösterilmiģtir (Chen, 2000); C 1 C 2 C n [ ] [ ] Burada; A 1, A 2, A m karar vericiler tarafından seçilecek alternatifleri, C 1, C 2, C n alternatiflerin performans değerlerinin ölçümünde kullanılacak kriterleri, x ij A i alternatifinin C j kriteri açısından aldığı değeri, w j ise C j kriterinin 48

71 ağırlık değerini temsil etmektedir. Klasik ÇKKV problemlerinde kriter değer ve ağırlıkları kesin değerlerdir (Chen, 2000). Çok kriterli karar verme süreci genellikle ġekil-4 te gösterilen adımları içermektedir (Kim ve Chung, 2013); Karar vericilerin belirlenmesi Kriterlerin seçilmesi Alternatiflerin tanımlanması Yöntemin seçilmesi Kriterlerin ağırlıklandırılması Alternatiflerin değerlendirilmesi Kriter değerlerinin ölçülebilir birimlere döüģtürülmesi ÇKKV teknik(ler)inin uygulanması Duyarlılık analizi yapılması Son kararın verilmesi ÇKKV teknikleri uygulama safhası ġekil-4: Çok Kriterli Karar Verme Süreci 2. BULANIK MANTIK Bulanık kelimesi, tanımlanmaları iyi yapılmamıģ olan faaliyetler kümesi ya da gözlemler ile tanımlamaların yapılamadığı durumu ifade etmektedir (Chen ve Hwang, 1992). Bulanık modellerdeki belirsizlik; sayılamayan, eksik ya da elde edilemeyen bilgi gibi çeģitli durumlardan oluģmaktadır (Kahraman ve Çebi, 2009). Bulanıklık, sistemler üzerinde çalıģılırken elde edilen verilerin yetersiz olduğu zaman ortaya çıkmaktadır. Bu durumda bulanık bilgiler anlamlı bulanık mantık kullanılarak çözümlenebilmektedir (ġen, 2001). Bulanık mantık kavramı ilk olarak Zadeh tarafında belirsizliği açıklamak maksadıyla ortaya konulmuģtur. Bulanık mantıkta kriter değerleri 49

72 kesin sınırlamalarla sınıflandırılmamaktadır. Bu nedenle, belirsiz ve kesin olmayan kriter değerlerine sahip gerçek yaģam problemleri için kolayca kullanılabilmektedir. Bulanık mantıkta evet ya da hayır gibi kesin değerler yerine düģük, orta, yüksek gibi değerler kullanılmaktadır. Bu değerler 0 ile 1 aralığında derecelendirilmektedir. Klasik (ikili) mantık anlayıģında değerlendirmeler doğru ve yanlıģ üzerine kurulmuģtur. Aristo mantığı olarakta adlandırılan bu anlayıģa göre olaylar siyah ile beyaz kadar keskindir. Bu iki değer arasına kesin olmadığı için değer verilmez (ġen, 2001). Ancak klasik mantık yaklaģımlı matematiksel modeller, karmaģık, iç içe geçmiģ ve kiģisel değerlendirmelere dayanan problemlerin çözümünde yeterli olmamaktadır (Kaufmann ve Gupta, 1988). Bulanık mantıkta dilsel ifadelerde kullanılan kelime ya da kelime gruplarına dilsel değiģkenler denilmektedir. Dilsel değiģkenleri anlamlı hale getirebilmek için bulanık küme teorisi ile bulanık kümeler geliģtirilmiģtir. 3. BULANIK KÜME TEORĠSĠ Günlük hayatta karģılaģılan pek çok durum sayısal bilgilerden ziyade görüģ, tercih ve düģüncelerle ifade edilmekte ve yorumlanmaktadır. Örneğin, hava sıcak denildiğinde havanın ısısı ile ilgili düģünce ortaya konulmakta ancak bu anlamsal olarak kiģiler arasında farklılık yaratabilmektedir. Bu tercih Doğu Anadolu bölgesinde yaģayan birisi için 20 derecelik bir sıcaklığı ifade ederken, Akdeniz bölgesinde yaģayan birisi için 35 derecelik bir sıcaklığı tanımlayabilmektedir. Dolayısıyla sıcaklık kelimesi ile ilgili bir belirsizlik söz konusu bulunmaktadır (Yıldız, 2013). Gerçek hayatta, karģılaģılan tüm nesne sınıfları kesin olarak bir üyelik kriteri ile tanımlanamamaktadır. Örneğin, hayvanlar sınıfında köpekler, atlar, kuģlar gibi üyeler bulunurken, taģlar, sıvılar ve bina gibi nesneleri içermemektedir. Ancak denizyıldızı, bakteri gibi bazı nesneler hayvan sınıfına göre belirsiz statüye sahiptir. Aynı Ģekilde belirsizlik, 10 gibi gerçek bir sayının birden daha büyük tüm gerçek sayılar sınıfına iliģkin üyelik durumu 50

73 ile ortaya çıkmaktadır. Açıkçası, birden daha büyük tüm gerçek sayılar sınıfı, güzel bayanlar sınıfı veya uzun erkekler sınıfı gibi kümeleri ya da sınıfları alıģılmıģ matematiksel yöntemlerle oluģturmak mümkün değildir (Zadeh, 1965). Klasik küme teorisi, bireyin bir kümeye ait olup olmaması ile ilgilidir. Yani ya üyesidir ya da değildir. Bulanık küme teorisi, temelinde klasik küme teorisine dayanır. Bu teori, klasik küme teorisinin yeterli olmadığı durumlarda daha açıklayıcı olmak için geliģtirilmiģtir. Klasik küme teorisine göre; klasik kümelerde bir birey o kümenin ya elemanıdır ya da değildir. Bu nedenle, o bireyin hangi kümenin elemanı olduğunu ayırt etmek bu kadar kesin ve belirli sınırlarla ayrıldığı için çok kolaydır. Klasik küme teorisinde bir elemanın bir kümede aynı anda hem olması hem de olmamasına izin verilmez. Klasik küme teorisinin bir elemanın kısmen bir kümeye ait olması söz konusu değildir. Bu nedenle, gerçek yaģam problemleri için yeterince tanımlanamamakta ve çözümlenememektedir. Örneğin bir nesne, A kümesinin elemanıyken aynı zamanda B kümesinin de elemanı olabilmektedir. Oysa ki, klasik küme teorisinde A kümesine ait ise asla B de yer alamamaktadır. Kısmen ne kadar ait? sorusunu ise üyelik fonksiyonları açıklamaya yardımcı olur (Chen ve Pham, 2001). Bulanık küme teorisi (fuzzy logic) 1965 yılında Lütfü Asker Zadeh tarafından geliģtirilmiģtir. Bulanık küme teorisi matematiksel olarak uzayda bulanan her bir nesneye bulanık bir kümenin üyesi olma derecesini ifade eden bir değer verilmesi olarak tanımlanmaktadır. Bu değer 0 ile 1 arasında değiģen doğal sayılardan oluģmaktadır. Böylece klasik küme teorisindeki gibi her bir elemanın, bir kümenin elemanı olup olmamasını keskin sınırlar ile belirlenmesi yerine, daha düģük ya da daha yüksek yakınlık derecesi ile dâhil olabilmesine imkân tanınmaktadır (Zadeh, 1965). Bulanık kümelerde, U evrensel kümesine ait herhangi bir elemanının bulanık kümesine üyelik derecesi ile ifade edilmektedir. Bulanıklığı ifade etmek için ~ sembolü kullanılmaktadır. Üyelik derece 51

74 aralığı 0 ile 1 arasındadır ve [ ] Ģeklinde gösterilir. Burada 0 değeri, o elamanın bulanık kümeye ait olmadığını, 1 değeri tam üye olduğunu, bu iki değer arasındaki herhangi bir sayı ise ilgili nesnenin üyelik derecesini göstermektedir. değeri 1 e ne kadar yakın olursa x değerinin bulanık kümeye elemanı olma derecesi o kadar güçlüdür. (Zimmermann, 1991). Üyelik fonksiyon tipleri literatürde fonksiyon biçimlerine ya da geometrik Ģekil benzerliklerine göre ele alınmıģtır. ġekil yönünden birçok çeģidi olmasına rağmen, üçgen, yamuk ve Gaussal üyelik fonksiyonları pratikte yaygın olarak kullanılmaktadır (Gülcan, 2012). Üçgen bulanık sayıların grafiksel gösterimi ġekil-5 de gösterilmiģtir. Bir üçgen bulanık sayısı ( ) net değeri olacak Ģekilde üçlü sayısı ile tanımlanır. Bu sayılardan; a 1 parametresi en küçük değeri, a 2 parametresi en çok beklenen değeri, a 3 parametresi en büyük değeri temsil etmektedir. Bir üçgen bulanık sayısının fonksiyonuna üyeliği aģağıdaki formül ile hesaplanır (Chen ve Wang, 2009); { (5) f A ~ x) A a a a x ġekil-5: Üçgen Bulanık Sayıların Grafiksel Gösterimi 52

75 ve iki üçgen bulanık sayısı sırasıyla ( ) ve ( ) üçlü olarak parametre edilen bu sayıların matematiksel kuralları aģağıda gösterilmiģtir: ( ), (6) ( ), (7) ( ), (8) ( ), (9) ( ), (10) (11) Sözel değiģkenlerle ifade edilen kriterlerin önem tercihleri ile alternatiflerin kriterlere göre aldığı performans değerlerinin sayısal değerlere dönüģtürülmesinde Chen tarafından önerilen üçgen bulanık sayılardan yararlanılabilinir. Kriterlerin önem ağırlığının belirlenmesinde kullanılan sözel değiģkenler ile alternatiflerin kriterlere göre değerlendirilmesinde kullanılan sözel ifadeler Tablo-3 de gösterilmiģtir (Chen, 2000). Tablo-3: Kriter Önem Ağırlıkları ile Alternatiflerin Değerlendirilmesinde Kullanılan Sözel DeğiĢkenler Kriter önem ağırlığının belirlenmesinde kullanılan dilsel değiģkenler Alternatiflerin değerlendirilmesinde kullanılan dilsel değiģkenler Çok DüĢük (ÇD) (0, 0, 0.1) Çok Zayıf (ÇZ) (0, 0, 1) DüĢük (D) (0, 0.1, 0.3) Zayıf (Z) (0, 1, 3) Orta DüĢük (OD) (0.1, 0.3, 0.5) Orta Zayıf (OZ) (1, 3, 5) Orta (O) (0.3, 0.5, 0.7) EĢit (E) (3, 5, 7) Orta Yüksek (0.5, 0.7, 0.9) Orta Ġyi (OĠ) (5, 7, 9) Yüksek (Y) (0.7, 0.9, 1.0) Ġyi (Ġ) (7, 9, 10) Çok Yüksek (ÇY) (0.9,1.0,1.0) Çok Ġyi (ÇĠ) (9, 10, 10) 53

76 4. BULANIK TOPSĠS YÖNTEMĠ a. TOPSIS Yöntemi Technique for order performance by similarity to ideal solution (TOPSIS) yöntemi ilk kez 1981 yılında Hwang ve Yoon tarafından bir ÇKKV probleminin çözümünde kullanılmak üzere geliģtirilmiģtir. TOPSIS yöntemi alternatiflerin tercih sırasını yapmak ve en iyi çözüm tercihini belirlemek maksadıyla yaygın olarak kullanılmaktadır. Bu yöntemin temel prensibi, seçilen alternatifin pozitif ideal çözümden uzaklığı en az, negatif ideal çözümden uzaklığı da en fazla olmasıdır. Pozitif ideal çözüm, istenen kriterleri maksimize eder, istenmeyen kriterleri en aza indirirken, negatif ideal çözüm istenmeyen kriterleri maksimize eder istenen kriterleri en aza indirir. TOPSIS uygulama süreci içinde kullanılan kriter değer ve ağırlıkları kesin değerlerdir (Chen, 2000). Ancak günlük hayatta çeģitli koģullar altında karģılaģılan birçok olayı modellemede, net veriler yetersiz kalmaktadır. Çünkü insanın karar tercihleri belirsizdir ve her zaman kesin değerlerle tercihlerini ifade edemez. Sayısal değerlerin yerine dilsel değerlendirmeler kullanmak daha gerçekçi bir yaklaģım olabilir. Yani, problem içindeki kriter değeri ve ağırlıklarının derecelendirmelerini [1, 3, 4, 6, 9, 15] gibi dilsel değiģkenler aracılığıyla değerlendirilir. ĠĢte; bulanık ortamda, çok kiģili (grup) ve ÇKKV probleminin çözümü için bulanık TOPSIS yöntemi Chen tarafından geliģtirilmiģtir (Chen, 2000). b. Bulanık TOPSIS Yöntemi Bulanık TOPSIS yöntemi geleneksel TOPSIS yönteminin geniģletilmiģ halidir. Bu yöntemde kriter değerleri ile grup karar verme sürecindeki bulanıklık göz önüne alındığında, kriter ağırlıkları ile kriterlere göre alternatiflerin değerlendirilmesinde dilsel değiģkenler kullanılmaktadır. 54

77 Bulanık TOPSIS yönteminde karar vericiler karar kriterleri ve alternatifleri değerlendirmek için üçgen ya da yamuk bulanık sayıları kullanarak, alternatifleri yakınlık katsayısına göre değerlendirmektedir. Öncelikle elde edilen dilsel değiģkenler sayısallaģtırılarak bulanık ağırlıklı matris ve bulanık karar matrisi oluģturulmaktadır. Daha sonra bu matrisler normalize edilmiģ bulanık ağırlıklar ve karar matrislerine dönüģtürülmektedir. Her alternatifin için elde edilen bu matrisler ile bulanık pozitif ideal çözüm (BPĠÇ) ve bulanık negatif ideal çözüm (BNĠÇ) den olan uzaklıkların hesaplanmasında verteks metodundan yararlanılmaktadır. Verteks yöntemi yakınlık katsayılarının bulunmasında kullanılmaktadır. En iyi alternatifin seçimi için elde edilen sayılar küçükten büyüğe sıralanmaktadır. Bulanık TOPSIS yöntemin adımları aģağıda gösterilmiģtir (Chen vd., 2000); Adım 1: Ġ adet değerlendirme kriterinden oluģan bir kriter kümesi (K), j adet alternatiften oluģan bir alternatifler kümesi (A) ve k adet kiģiden oluģan bir karar verici grubu (KV) kurulur. K = { K 1, K 2, K i }, A= { A 1, A 2, A j }, KV = { KV 1, KV 2, KV k }, Adım 2: Alternatiflerin kriterlere göre aldığı değerler ile kriter önem ağırlıklarını değerlendirmek için uygun dilsel değiģkenler belirlenir. Karar vericiler bu dilsel değiģkenler aracılığıyla hem kriterlerin önem ağırlıklarını belirler, hem de alternatifleri kriterlere göre değerlendirir. 55

78 Adım 3: K adet karar vericinin dilsel değiģkenler ile ifade ettiği alternatiflerin kriterlere göre aldığı değerler ve kriter önem ağırlıkları bulanık sayılara dönüģtürülür. Bulanık sayılara dönüģtürmek için Tablo-3 ten istifade edilir. DönüĢtürülen bulanık sayılar (12) ve (13) numaralı formüllerden yararlanılarak tek bir bulanık sayı olacak Ģekle getirilir. [ ] (12) [ ] (13) Burada, i alternatifinin j kriterine göre aldığı değeri, j kriterinin karar vericiden aldığı önem ağırlığını, K ise karar verici sayısını temsil etmektedir. Tüm kriter ve alternatifler için tek bir değer elde edildikten sonra bulanık karar matrisi oluģturulur. Adım 4: Alternatiflerin kriterlere göre performans değerlerini gösteren bulanık karar matrisi ( ) ve bulanık kriter ağırlıkları matrisi ( ) (14) numaralı eģitlikte gösterildiği Ģekilde oluģturulur. C 1 C 2 C n [ ] (14) [ ] bulanık karar matrisi, ise bulanık kriter ağırlıkları matrisini göstermektedir. değeri üçgen bulanık sayılar ile ifade edilebilir. Bir üçgen bulanık sayısı (a ij, b ij, c ij ), ağırlığı ise ( ) üçlü sayıları olacak Ģekilde tanımlanabilir. 56

79 Adım 5: Bulanık karar matrisinin oluģturulmasından sonra bulanık karar matrisi normalize edilir. Normalize edilmiģ bulanık karar matrisi ( ) (15) numaralı formül gösterildiği Ģekilde gösterilir. Kriterlerin fayda (F) veya maliyet (M) yapılı olmasına göre (16) veya (17) numaralı formüller kullanılarak normalize edilme iģlemi yapılır. Fayda yapılı ise (18) maliyet yapılı ise (19) numaralı eģitlik değeri dikkate alınır. [ ] (15) ( ), (fayda yapılı), (16) ( ), (maliyet yapılı), (17) (18) (19) Bu iģlemler sonucunda üçgen bulanık sayılar, aralık değerleri korunmuģ olarak 0 ile 1 değerleri arasında ölçeklendirilmiģ olur. Adım 6: Normalize edilmiģ bulanık kriter matrisinden sonra ağırlıklı normalize edilmiģ karar matrisi ( ), (20) ve (21) numaralı eģitlikle gösterildiği Ģekilde hesaplanarak kurulur. Ağırlıklı normalize edilmiģ bulanık karar matrisindeki her bulanık sayısı, normalize edilmiģ pozitif üçgen bulanık sayıdır ve bu değer 0 ile 1 ölçek değeri arasındadır. [ ] (20) (21) 57

80 Adım 7: Tüm alternatiflerin en iyi (A*) ve en kötü ( ) bulanık değerlerden uzaklığını gösteren bulanık pozitif ideal çözüm (BPĠÇ, ) ve bulanık negatif ideal çözüm (BNĠÇ, ) değerleri (22) ve (23) numaralı eģitlikler dikkate alınarak belirlenir.,, (22),. (23) Chen vd. çalıģmasında, BPĠÇ üçgen bulanık değeri için (1,1,1) ve BNĠÇ üçgen bulanık değeri için ise (0,0,0) değerini kullanmıģtır. Ġki bulanık sayı arasındaki uzaklıkların bulunmasında (24) numaralı formülde gösterilen Vertex metodundan faydalanılır (Chen vd., 2000). [ ] (24) Adım 8: Her bir alternatifin bulanık ideal çözümlerden uzaklık değerleri, en iyi bulanık pozitif ideal çözüm değeri ( ) ile en kötü bulanık negatif ideal çözüm ( ) değerinden çıkarılır. Daha sonra bu değerler (25) ve (26) numaralı formüller yardımıyla toplanarak ve değerleri elde edilir; ( ) (25) ( ) (26) değeri bir alternatifin ağırlıklı normalize edilmiģ karar matrisindeki kriterlerden aldığı değerin bulanık pozitif ideal çözüm değerinden olan uzaklıklarının toplamını, değeri ise bir alternatifin ağırlıklı normalize edilmiģ karar matrisindeki kriterlerden aldığı değerin bulanık negatif ideal çözüm değerinden olan uzaklıklarının toplamını göstermektedir. 58

81 Adım 9: Her bir alternatifin yakınlık katsayısı değerleri ( ) hesaplanır. Yakınlık katsayısı tüm alternatiflerin sırasını belirlemek için kullanılır ve (27) numaralı formül yardımıyla hesaplanır., (27) Adım 10: Yakınlık katsayısı değerlerine göre alternatiflerin sıralaması yapılır. Alternatifler büyükten küçüğe doğru sıralanır ve yakınlık katsayısı değeri 1 e yakın olan alternatif tercih edilmesi en uygun seçenektir. Alternatiflerin sıralamasına yakınlık katsayı değerlerine göre karar verilse de, bu değerlerin değerlendirilmesi için dilsel değiģkenler tanımlamak ve bunlardan faydalanmak daha gerçekçi bir yaklaģım olabilir. Alternatiflerin yakınlık katsayı değerlerini [0,1] değer aralığında beģ alt aralığa bölerek, her bir aralık için dilsel değiģkenler tanımlanmıģtır. Bu alt aralık değerleri ve dilsel değiģkenleri gösteren kabul koģulları Tablo-4 te gösterilmiģtir (Chen vd., 2006). Tablo-4: Kabul KoĢulları Yakınlık Katsayısı ( ) Değerlendirme Durumu [ Tavsiye edilmez [ Yüksek risk ile tavsiye edilir [ DüĢük risk ile tavsiye edilir [ Kabul edilir [ Kabul edilir ve tercih edilir c. Bulanık TOPSIS Yöntemi Uygulama Alanları ÇKKV yöntemleri, alternatiflerin değerlendirilmesi ve sıralanmasında araģtırmacıların ve uygulayıcıların her zaman dikkatini 59

82 çekmiģtir. Bu yöntemlerden biri olan TOPSIS yöntemi literatürde pek çok çalıģma alanında kullanılmıģtır. Behzadian vd., yılları arasında TOPSIS yöntemi ile ilgili yapılan çalıģmaları; (1) tedarik zinciri yönetimi ve lojistik, (2) tasarım, mühendislik ve üretim sistemleri, (3) iģ ve pazarlama yönetimi, (4) sağlık, güvenlik ve çevre yönetimi, (5) insan kaynakları yönetimi, (6) enerji yönetimi, (7) kimya mühendisliği, (8) Su kaynakları yönetimi ve (9) diğer konular olmak üzere toplam dokuz bölümde toplamıģtır (Behzadian vd., 2012). Literatürde Bulanık TOPSIS yönteminden ise özellikle yer seçimi ile birlikte; personel seçimi (Chen vd., 2006), tedarikçi seçimi (Ding, 2011), araç seçimi (Baykasoğlu vd., 2013), silah seçimi (Dağdeviren vd., 2009), robot seçimi (Chu ve Lin, 2003), performans değerlendirmesi (Akkoç ve Vatansever, 2013), risk değerlendirmesi (Wang ve Elhag, 2006), yapı proje seçimi (Tan vd., 2010), strateji seçimi (Paksoy vd., 2012), enerji planlaması seçimi (Kaya ve Kahraman, 2011a) konularında faydalanılmıģtır. Chen, TOPSIS yöntemini bulanık çevre için geniģletmiģtir. Önerdiği yöntemde örnek problem olarak bir yazılım firması için sistem analiz mühendisi seçimini ele almıģtır. BaĢvuran adaylar arasından seçilen üç aday, beģ karar kriterine göre üç karar verici tarafından değerlendirilmiģtir (Chen, 2000). Ertuğrul ve KarakaĢoğlu, üniversiteye akademik personel seçimi için üçgen bulanık sayılar ile değerlendirmelerini yaptığı Bulanık TOPSIS yöntemini uygulamıģtır (Ertuğrul ve KarakaĢoğlu, 2007). Kelemenis ve Askounis, bir organizasyonun baģarısında önemli bir faktör olan insan kaynakları konusunda kalifiye personel seçimi için bulanık TOPSIS yöntemini kullanmıģtır (Kelemenis ve Askounis, 2010). Chen vd., tedarikçi seçimi problemi için Bulanık TOPSIS yöntemini kullanmıģtır. Ġleri teknoloji firması için tedarikçi seçimi probleminde kriterlerin değerlendirilmesi ve ağırlıklandırılmasında dilsel değiģkenlerden 60

83 faydalanmıģtır. Üç karar vericinin dilsel değiģkenleri ile yaptığı değerlendirmeleri sayısal olarak gösterimi için yamuk bulanık sayıları kullanmıģtır. Örnek uygulamasında, beģ alternatif tedarikçinin seçimi ve değerlendirmesi için beģ karar kriterinden yararlanmıģtır (Chen vd., 2006). Ding, varsayımsal olarak kurduğu örnek problemde deniz taģımacılığı yapan bir firmanın iģ büyütmesi amacıyla ortak tedarikçi seçiminde bulanık AHP, entropi ağırlık metodu ve bulanık TOPSIS yöntemini birlikte kullanmıģtır (Ding, 2011). Mangır ve Erdoğan, ekonomik kriz yaģayan altı ülkenin (Ġtalya, Yunanistan, Ġspanya, Portekiz, Ġrlanda ve Türkiye) makroekonomik performans değerlerini (ekonomik büyüme, enflasyon oranı, iģsizlik oranı, cari iģlemler dengesi ve bütçe denge oranı) karģılaģtırmak için bulanık TOPSIS yöntemini kullanmıģtır (Mangır ve Erdoğan, 2011). Tan vd., bir inģaat firmasının proje seçimine yönelik teklifi kararı için, üç alternatif projeyi dokuz karar kriterini göre değerlendirdiği örnek bir problemi ele almıģtır. En uygun proje seçimi teklifi için bulanık TOPSIS yöntemini uygulamıģtır (Tan vd., 2010). Wang ve Elhag, köprü risk değerlendirmesi için alfa seviye kümelerine bağlı bulanık TOPSIS yöntemini kullanmıģtır. Gerçek bir problemin çözümü için Chen (2000) ile Triantaphyllou ve Lin in (1996) önerdiği bulanık TOPSIS ile kendilerinin sunduğu bulanık TOPSIS yöntemlerini ayrı ayrı uygulayarak sonuçlarını karģılaģtırmıģ ve daha etkili bir sonuç elde ettiklerini savunmuģlardır (Wang ve Elhag, 2006). Chu ve Lin, bir imalat firmasının malzeme elleçleme görevi için ihtiyaç duyduğu bir robotun seçiminde bulanık TOPSIS yönteminden faydalanmıģtır. Dört karar verici grubu, altı karar kriterine göre üç alternatif robotu dilsel değiģkenler ile üçgen bulanık sayılar kullanılarak değerlendirmiģtir (Chu ve Lin, 2003). Bulanık TOPSIS yöntemi ile ilgili farklı alanlarda yapılan çalıģmalara göstermek maksadıyla örnekleme gösterime yönelik özet bilgi Tablo-5 de gösterilmiģtir. 61

84 Tablo-5: Bulanık TOPSIS Yöntemi Uygulama Alanları S.NU. YÖNTEM YAZAR(LAR) VE YILI UYGULAMA ALANI 1 Bulanık TOPSIS Chen (2000) 2 Bulanık TOSIS Chen vd. (2006) 3 Bulanık TOPSIS 4 Bulanık TOPSIS 5 Bulanık TOPSIS 6 Bulanık ANP ve Bulanık TOPSIS 7 Bulanık TOPSIS Bulanık AHP, Entropi Ağırlık Metodu ve Bulanık TOPSIS Bulanık TOPSIS ve Çok Seçenekli Hedef Programlama Bulanık TOPSIS ve Çok Seçenekli Hedef Programlama Bulanık DEMATEL ve Bulanık HiyerarĢik TOPSIS Bulanık AHP ve Bulanık TOPSIS Bottani ve Rizzi (2006) Ertuğrul ve KarakaĢoğlu (2007) Kelemenis ve Askounis (2010) Önüt vd. (2009) Shahanaghi ve Yazdian (2009) Ding (2011) Liao and Kao (2011) Ünlü Rouyendegh ve Saputro (2014) Baykasoğlu vd. (2013) Dağdeviren vd. (2009) 13 Bulanık TOPSIS Chu ve Lin (2003) 14 Bulanık TOPSIS 15 Bulanık TOPSIS 16 Bulanık TOPSIS Bulanık AHP ve Bulanık TOPSIS Bulanık AHP ve Bulanık TOPSIS 19 Bulanık TOPSIS Bulanık AHP ve HiyerarĢik Bulanık TOPSIS Bulanık AHP ve Bulanık TOPSIS Bulanık ANP ve Bulanık TOPSIS Bulanık ANP ve Bulanık TOPSIS Bulanık ANP ve Bulanık TOPSIS Bulanık AHP ve Bulanık TOPSIS Akkoç ve Vatansever (2013) Wang ve Elhag (2006) Wang ve Chang (2007) Zaerpour vd. (2009) Kaya ve Kahraman (2011a) Mangır ve Erdoğan (2011) Paksoy vd. (2012) Alcan vd. (2013) Büyüközkan ve Ruan (2007) Büyüközkan ve Çiftçi (2012) Tavana vd. (2013) Taylan vd. (2014) Bir yazılım Ģirketi için sistem mühendisi seçimi Bir ileri teknoloji firması için tedarikçi seçimi 3PL firma seçimi Akademik personel seçimi Personel seçimi Tedarikçi seçimi Otomobil firması için tedarikçi seçimi Nakliye firma seçimi bir saat imalatçısı için tedarikçi seçimi Tarım ürünü için tedarikçisi seçimi Tır seçimi Silah seçimi Malzeme elleçleme için robot seçimi Banka performans değerlendirmesi Köprü risk değerlendirmesi Pilot baģlangıç eğitim uçağı seçimi Üretim stratejisi seçimi Enerji planı seçimi Proje seçimi Dağıtım kanalı yönetimi için strateji seçimi Enerji tüketiminde birleģik üretim sistemi seçimi Web sitesi performans değerlendirmesi Elektronik hizmet kalitesi değerlendirmesi E-devlet hazırlık değerlendirmesi Yapı projeleri seçimi 62

85 5. BULANIK VIKOR YÖNTEMĠ a. VIKOR Yöntemi ÇKKV problemlerinde uygulanmak üzere kolay uygulanabilir bir teknik olarak geliģtirilen VIKOR yöntemi, ilk defa 1988 yılında Opricovic tarafından tanıtılmıģtır. VIKOR yöntemi, karmaģık sistemlerin çok kriterli optimizasyonu için geliģtirilmiģtir. Bu yöntem; uzlaģık bir sıralama listesi, uzlaģık bir çözüm ve baģlangıç (verilen) ağırlıkları ile elde edilen uzlaģık bir çözüm tercihi istikrarı için ağırlıklı istikrar aralıklarını belirlemektedir. Bu yöntem, çeliģkili kriterlerin varlığı altında alternatifler kümesindeki alternatifleri sıralamaya ve bir alternatifi seçmeye odaklanmıģtır. Temeli ideal çözüme yakınlık ölçümüne dayanan çok kriterli karar sıralama indeksi (dizini) olarak da tanıtılmıģtır (Opricovic ve Tzeng, 2004). ÇeliĢkili kriterleri olan bir problem için uzlaģık bir çözüm, nihai bir karara varmak için karar vericilere yardımcı olabilir. UzlaĢık çözümün temelleri Yu (1973) ve Zeleny (1982) tarafından atılmıģtır. UzlaĢık çözüm, ideale en yakın olan uygun çözümdür ve uzlaģma ortak kabul üzerinde anlaģmaya varmaktır. Bu yöntem, aynı ölçekte olmayan ve çeliģen kriterlere sahip kesikli karar verme problemlerinin çözümü için bir ÇKKV problemi yöntemi olarak geliģtirilmiģ ve bu tür problemlerin içinde uygulanabilir bir teknik olarak sunulmuģtur (Opricovic ve Tzeng, 2004). Her bir alternatifin her kriter fonksiyonuna göre değerlendirildiğini varsayarak, uzlaģık sıralama ideal alternatife yakınlık ölçüsü ile karģılaģtırılarak yapılabilir. UzlaĢık sıralama için çok kriterli ölçeği, uzlaģık programlama yönteminde toplama fonksiyonu olarak kullanılan metrik ölçeğinden geliģtirilmiģtir (Opricovic ve Tzeng, 2004). Alternatiflerin ile temsil edildiği bir durumda, alternatifi için nci kriter açısından değerlendirme derecesi ile gösterilir, yani, alternatifinin nci kriter fonksiyon değerini temsil etmektedir. ise kriter 63

86 sayısını göstermektedir. VIKOR metodunun geliģiminin baģlangıcını oluģturan metrik ölçeği (28) numaralı eģitlikle gösterilmiģtir (Opricovic ve Tzeng, 2004). { [ ( ) ] } VIKOR yönteminde ve, sıralama ölçütlerini formüle etmekte kullanılır. den elde edilen sonuç maksimum grup faydasını (çoğunluk kuralı), den elde edilen çözüm karģıt grubun minimum bireysel piģmanlığını ifade eder. UzlaĢık çözüm ideale en yakın olan uygun çözümdür. UzlaĢık ifadesi burada karģılıklı taviz ile kurulan anlaģma anlamına gelmektedir ve (29) numaralı eģitlikte gösterildiği Ģekilde ifade edilmektedir: (29) ÇKKV problemlerinin çözümü için doğru uygulamalar seçilmelidir. Bu nedenle bu tür problemlerin karakteristikleri ile VIKOR yönteminin aģağıda belirtilen özelliklerinin eģleģmesi gerekmektedir (Opricovic ve Tzeng, 2007; Ertuğrul ve KarakaĢoğlu, 2008b); - Fikir çatıģmalarının çözümünde uzlaģma kabul edilmelidir. - Karar verici, en yakın ideal çözümü kabul etmeye istekli olmalıdır. - Karar verici için fayda ile her kriter fonksiyonu arasında doğrusal bir iliģki olmalıdır. - Kriterler ölçülemeyen ve birbiriyle çatıģan özellikte olmalıdır. - Alternatifler, tüm belirlenen kriterlere göre değerlendirilmelidir. - Karar vericinin tercihleri bilinen ya da simüle edilen ağırlıklar ile ifade edilir. 64

87 - VIKOR yöntemi, karar vericinin interaktif katılımı olmadan baģlar fakat karar verici nihai çözümü onaylamaktan sorumludur ve bu nihai çözüme kendi tercihlerini de dâhil etmelidir. - Önerilen uzlaģık çözüm (bir veya daha fazla) bir avantaj değerine sahiptir. - Bir kararlılık analizi ağırlık istikrar aralıkları belirler. b. Bulanık VIKOR Yöntemi Bulanık VIKOR yöntemin aģağıda gösterilen adımları içermektedir (Chen ve Wang, 2009); Adım 1: Uygun alternatiflerin üretilmesi, değerlendirme kriterlerinin belirlenmesi ve bir karar verici grubunun oluģturulması için m adet alternatif, k adet kriter ve n adet karar verici seçilir. Adım 2: Belirlenen kriterlerin ve alternatiflerin değerlendirilmesi için dilsel değiģkenler ile bununla eģdeğere sahip üçgen bulanık sayılar belirlenir. Dilsel değiģkenler, kriterlerin önem değerleri ile alternatiflerin farklı kriterlere göre değerlendirmeleri için kullanılır. Adım 3: Dilsel değiģkenler ile bunlara karģılık gelen bulanık sayıların belirlenmesinden sonra karar vericilerin tercih ve fikirleri birleģtirilir. Karar vericilerden elde edilen bulanık kriter önem ağırlıklarının birleģtirilmesi için (30) numaralı eģitlik kullanılır; [ ] Burada j kriter sayısını, n ise karar verici sayısını temsil etmektedir. Bununla birlikte karar vericilerin alternatifleri kriterler göre değerlendirmesi sonucu elde edilen bulanık değerlerinin birleģtirilmesinde 65

88 (31) numaralı eģitlikten yararlanılır ve birleģtirilmiģ bulanık değerler elde edilir; [ ] Adım 4: Bütün kriter ve alternatiflerin bulanık ağırlıklı ortalama değerleri hesaplandıktan sonra (32) numaralı eģitlikte gösterildiği Ģekilde bulanık karar matrisi oluģturulur. C 1 C 2 C k [ ] (32) [ ] Bulanık karar matrisinde ( ), C j kriterine göre A i alternatifinin değerini ve ise j nci kriterin önem ağırlığını göstermektedir. Bu çalıģmada sözel değiģkenler ve değiģkenleri üçgen bulanık sayı ile ifade edilmiģtir. Adım 5: Bulanık karar matrisinde yer alan ve fayda açılı değerlendirilen her bir kritere ait en iyi ( ) ve en kötü ( ) bulanık değerler (33) numaralı eģitlik yardımıyla belirlenir. (33) Adım 6: Her bir kritere göre olan uzaklıklarının toplamını gösteren alternatifin en iyi bulanık değere değeri (34) numaralı eģitlik ile 66

89 alternatifinin j nci kritere göre en iyi bulanık değerlerinden olan maksimum uzaklık değerini ifade eden değeri (35) numaralı eģitlik ile hesaplanır; ( ) ( ) [ ( ) ( )] (35) Adım 7: ve değerleri (36) numaralı eģitlik ile, ve değerleri (37) numaralı eģitlik ile, değeri ise (38) numaralı eģitlik yardımıyla hesaplanır. (36) (37) ( ) ( ) ( ) ( ) (38) Burada, değeri, maksimum çoğunluk kuralını ya da maksimum grup faydası olan nin minimum değerini, değeri ise farklı görüģteki kiģilerin minimum piģmanlığı olan nin minimum değerini gösterir. Böylece, hem grup faydasına hem de karģıt görüģtekilerin minimum bireysel piģmanlığına dayalı olan indeksi elde edilir. Ġlave olarak buradaki değeri, maksimum grup faydası sağlayan stratejinin önemini gösterir. değerinin 0.5 ten büyük olduğu zaman ( ) karar vericilerin kararlarının maksimum grup faydasına eğilimli olduğunu, eğer değeri 0.5 e eģit ise ( ) karģıt görüģtekilerin minimum piģmanlık kararına eğilimli olduğunu göstermektedir. UzlaĢık çözüm için 0.5 değeri kullanılabilir. (Opricovic, 2011). Adım 8: üçgen bulanık değerleri durulaģtırılır ve alternatifler değerine göre sıralanır. Bir bulanık sayının net değerleri dönüģtürülmesinde birçok durulaģtırma stratejisi bulunmaktadır. Bu 67

90 çalıģmada üçgen bulanık sayının ortalaması alınarak kesin sayıya dönüģtürülmüģtür. Sonuç olarak en küçük değeri alan değeri en iyi alternatiftir. Adım 9: indeks değerini kullanarak aģağıda gösterilen iki kabul edilebilir koģulun karģılanması durumunda tek bir alternatif için uzlaģık çözüme ( ) karar verilir. 1 inci koģul (C 1 ) Kabul edilebilir avantaj: En iyi ikinci alternatif değeri ile birinci alternatif değeri arasındaki fark değerine eģit ya da bu değerden büyük olmalıdır. değeri ise (39) numaralı eģitlik yardımı ile hesaplanır; ) (39) Burada m alternatif sayısını ifade etmektedir. Eğer alternatif sayısı dörde eģit ya da dörtten küçük ise için 0.25 değeri kullanılır. 2 inci koģul (C 2 ) Karar vermede kabul edilebilir istikrar: En iyi alternatif aynı zamanda ve/veya değerlerinde de en iyi olmalıdır. Eğer birinci koģul (C 1 ) sağlanamazsa ve ( ) ise ve aynı uzlaģık çözümdür. Böylece üstünlük avantajı yoktur ve uzlaģık çözümler aynıdır. Eğer ikinci koģul (C 2 ) kabul edilmezse, karar vermedeki istikrar nın üstünlük avantajı olmasına rağmen eksiktir. Böylece uzlaģık ve alternatifleri aynıdır. Adım 10: En iyi alternatif seçilir. Minimum en iyi alternatif çözüm olarak seçilir. değerine sahip 68

91 c. Bulanık VIKOR Yöntemi Uygulama Alanları VIKOR yöntemi, birbiri ile çeliģen kriterlere sahip ÇKKV problemleri için mevcut alternatifler arasında uzlaģık bir çözüm bulmayı amaçlayan bir yöntemdir (Chatterjee vd., 2009). Bu metot, bir alternatifler kümesinden uygun alternatifi seçmeye ve sıralamaya odaklanarak çeliģkili kriterlere sahip bir problem için uzlaģık çözüm sunar ve karar vericilere nihai sonucu elde etmeye yönelik yardımcı olur (Opricovic ve Tzeng, 2007). UzlaĢık sonucun ideal çözüme en yakın çözüm olması istenir. Ġdeal çözüme yakınlık ölçüsünü temel alan çok nitelikli sıralama indeksi ise belirli Ģartlar altında oluģturulur (Opricovic, 1998). Bulanık VIKOR metodu literatürde yer seçimi ile birlikte; tedarikçi değerlendirme ve seçimi, strateji seçimi, teçhizat seçimi, bilgi sistemleri seçimi, performans değerlendirmesi ile enerji politikası belirleme konularında çalıģmalar yapılmıģtır. Sanayei vd., otomobil parçası üreten bir tedarikçi firma seçimi için beģ alternatif firmayı değerlendirmek üzere bulanık VIKOR metodunu kullanmıģtır. Problemde, üç karar vericiden oluģan bir grup beģ kriter açısından alternatifleri ve kriter ağırlıkların yamuk bulanık sayılara karģılık gelen dilsel değiģkenler ile değerlendirmiģtir. Modelinde tedarik zinciri sistemi içerisinde faaliyet gösteren tedarikçi seçimi için bulanık küme ve VIKOR metodunu içeren hiyerarģik yapılı bir çözüm önerisi sunmuģtur. (Sanayei vd., 2010). Shemshadi vd., tedarikçi seçimi için objektif ağırlığı entropi ölçeğine dayalı bulanık VIKOR metodundan faydalanmıģtır. Modelde karar vericiler tarafından objektif ağırlığın atanmasında Shanon un entropi ölçeği konsepti kullanılmıģtır. Karar vericilerin fikirlerinin grup olarak dikkate alındığı problem için dilsel değiģkenler yamuk bulanık sayılara dönüģtürülmüģtür. Q, R ve S değerleri hesaplanarak nihai sonuç elde edilmiģtir. Önerilen metoda iliģkin örnek bir uygulama yapılmıģtır (Shemshadi vd., 2011). Amiri vd., Ġran da faaliyet gösteren büyük bir otomobil parçası üreticisi için tedarikçi seçiminde bulanık VIKOR metodunu kullanmıģtır (Amiri vd., 2011). Kaya ve 69

92 Kahraman, Ġstanbul Ģehri için en iyi ağaçlandırma alanı seçiminde Bulanık AHP ve Bulanık VIKOR metodunu birlikte kullanmıģtır (Kaya ve Kahraman, 2011b). Görener beģ farklı tedarik zinciri stratejisi (yalın, çevik, yalınçevik, yalın strateji ekseninde dikey entegrasyon odaklı ve dıģ kaynak kullanımı odaklı) değerlendirme ve seçiminde bulanık VIKOR metodunu kullanmıģ ve önerdiği modeli üretici bir üretici firma üzerinde on altı kriteri dikkate alarak uygulamıģtır. Firma genel müdürü, lojistik sorumlusu ve akademisyenlerden oluģan karar verici grubu alternatifleri ve kriter ağırlıklarını dilsel değiģkenler kullanarak değerlendirmiģtir. Dilsel değiģkenleri dönüģtürmek için üçgen bulanık sayılardan faydalanılmıģtır. Uygulama sonucunda firmanın uygulayacağı en uygun stratejiyi belirlemiģtir (Görener, 2013). Jeya Girubha ve Vinodh, elektrikle çalıģan bir araçta kullanılan panel cihazı için malzeme seçiminde çevresel faktörleri göz önünde bulundurarak bulanık VIKOR yöntemini kullanmıģtır (Jeya Girubha ve Vinodh, 2012). Büyüközkan vd., dünyada eğitim alanında tanınmıģ yirmi bir adet web sitesinin performansını, anket araģtırması ile belirlediği yedi kriter açısı ile üç karar verici tarafından değerlendirmiģtir. Alternatiflerin değerlendirilmesinde üçgen bulanık sayılardan faydalanmıģtır (Büyüközkan vd., 2007). Büke, hastane bilgi sistemleri yazılımı tedarikçisi seçimi için bulanık VIKOR metodunu kullanarak bir karar destek modeli önermiģtir. Modelinde, öncelikle literatür araģtırması sonucu elde ettiği kriterleri belirlemiģ, daha sonra anket araģtırması yaparak kriterler önem ağırlıklarını tespit etmiģtir. Alternatif tedarikçilerin değerlendirilmesi ile kriter ağırlıklandırılmasında yamuk bulanık sayılardan faydalanmıģ ve Ankara da özel bir hastanede örnek uygulama ile modelini test etmiģtir (Büke, 2011). Kaya ve Kahraman, Ġstanbul Ģehri için en iyi yenilenebilir enerji politikası (alternatifi) belirlenmesi ve en iyi üretim yerinin seçilmesine yönelik bulanık VIKOR ve AHP yöntemlerinin birlikte kullanıldığı bir çözüm yaklaģımını sunmuģlardır. AHP yöntemi ile kriter ağırlıkları belirlenmiģ, VIKOR yöntemi ile alternatifler arasından bir seçim yapılmıģtır. Hem AHP 70

93 hem de VIKOR yöntemi için kriter değerlerinde bulanık mantıktan faydalanılmıģtır (Kaya ve Kahraman, 2010). Opricovic, Sırbistan ın Mlava Ģehrinde oluģturulması muhtemel baraj bölgelerinde kullanılacak su tutmaya yönelik alternatif planların en uygunun tespiti için bulanık VIKOR yöntemi kullanılmıģtır. Altı adet alternatif plan, yatırım maliyetleri, su rezervi, sosyal etki ve manastır ın etkisi kriterleri açısından üçgen bulanık sayılar kullanılarak değerlendirmiģtir (Opricovic, 2011). Bulanık VIKOR metodu uygulama alanları yönelik yapılan çalıģmalar ile ilgili özet bilgiler Tablo-6 da gösterilmiģtir. Tablo-6: Bulanık VIKOR Yöntemi Uygulama Alanları S.NU. YÖNTEM YAZAR(LAR) VE YILI UYGULAMA ALANI 1 Bulanık VIKOR Chen ve Wang (2009) 2 Bulanık Küme ve VIKOR Sanayei vd. (2010) 3 Bulanık VIKOR Amiri vd. (2011) 4 Bulanık VIKOR Shemshadi vd. (2011) 5 Bulanık VIKOR Akyüz (2012) 6 Bulanık VIKOR Görener (2013) 7 Bulanık VIKOR Jeya Girubha ve Vinodh (2012) Bilgi sistemleri hizmet sağlayıcısı seçimi Otomobil parçası üretici firma seçimi Ġran da bir otomobil parçası üreticisi için tedarikçi seçimi Petro kimya fabrikası için tedarikçi seçimi Mobilya üretici için ambalaj tedarikçisi seçimi Tedarik zinciri stratejisi seçimi Malzeme seçimi 8 Bulanık VIKOR Opricovic (2011) Su kaynakları planlaması 9 Bulanık VIKOR Yıldız ve Deveci (2013) 10 Bulanık AHP ve bulanık VIKOR Kaya ve Kahraman (2011b) 11 Bulanık VIKOR Büyüközkan vd. (2007) 12 Bulanık VIKOR Büke (2011) 13 Bulanık VIKOR Büyüközkan ve Ruan (2007) 14 Bulanık VIKOR Kim ve Chung (2013) 15 Bulanık VIKOR ve bulanık AHP Kaya ve Kahraman (2010) 16 Sezgisel bulanık VIKOR Devi (2011) Teknoloji firması için personel seçimi Ağaçlandırma alanı seçimi Web sitelerinin değerlendirmesi Hastane bilgi sistemi yazılımı tedarikçi seçimi ERP yazılım değerlendirmesi Su kaynağı hassasiyetinin değerlendirilmesi Enerji politikası ve yeri seçimi Malzeme elleçleme için robot seçimi 17 Bulanık VIKOR Vinodh vd. (2013) Konsept tasarım seçimi 71

94 6. STOKASTĠK ÇOK KRĠTERLĠ KABUL EDĠLEBĠLĠRLĠK ANALĠZĠ (SMAA) METODU a. GiriĢ ÇKKV problemleri genellikle, karar vericilerden elde edilen değerlendirmelere göre bütün alternatiflerin belli bir sıraya konması ya da en iyi alternatifin belirlenmesi Ģeklinde yapılmaktadır. Ancak özellikle politik kara verme süreçlerinde karar vericiler tercihlerini açıkça ifade etmekten kaçınmaktadırlar. Kamusal alanda karar verici durumundakiler potansiyel eylemlerini ve onların sonuçlarını uygun bir Ģekilde anlatmaktan ziyade, tercihlerini açıkça ifade etmeyi ihtiyaç duyulamayacak yöntemleri tercih etmektedir (Lahdelma vd., 1998). Karar süreçleri; (1) Tüm paydaģların belirlenmesi, (2) Bütün olası alternatiflerin belirlenmesi, (3) MüĢterek kabul edilen karar kriterleri kümesinin oluģturulması, (4) Kriterlerin ölçümü, (5) ÇKKV model ve metotların uygulandığı karģılaģtırma safhası Ģeklinde uygulanır. Sonuçlar karar vericilere daha fazla değeriendirme yapabilmeleri için sunulur (Lahdelma vd., 1998). Gerçek hayat problemlerinde karar vericilerden sağlanan kriter ağırlık değerleri ile alternatiflerin kriterlere göre aldıkları değerlerin tamamına kesin ve net değerlerle ulaģmak her zaman mümkün olmamaktadır. Karar vericilerin birden çok olduğu ve verilerin büyük ölçüde değiģkenlik gösterdiği durumlarda söz konusu değerlerin doğru Ģekilde belirlenmesi daha da karmaģık bir hal almaktadır (Lahdelma vd., 1998). SMAA, ağırlık uzayını keģfetmeye dayalı birden fazla karar verici için bir çok kriterli karar destek tekniğidir. Kesin olmayan ya da belirsiz veri 72

95 girdileri olasılık dağılımları ile ifade edilebilmektedir. Bunun yerine bir çeģit değerlendirme yapan teknik analizler her bir alternatifi tercih edilen yapmaktadır. Metot her bir alternatif için bu alternatifi destekleyen farklı değerlendirme çeģitleri belirleyen ve ölçek kabul edilebilirlik indislerini üretmektedir. Merkezi ağırlık vektörü bu karar içinde sonuçlanan tipik değerlendirmeleri ortaya kayar ve güvenilirlik faktörleri ölçümü de uygun bir karar verilebilmesi için veri giriģinin doğru yapılıp yapılmadığını belirler. SMAA yöntemi çok sayıda karar vericiyi desteklemek için kamusal alanda karar vermeye yardım etmeyi sağlama bağlamında kullanılmıģtır (Lahdelma vd., 1998). b. SMAA Metodunun GeliĢimi ve Tanımlayıcı Ölçekleri SMAA metodu varsayılan fayda fonksiyonuna dayalı ağırlık uzayını keģfetmek için geliģtirilmiģ bir yöntemdir. Ağırlık uzayını keģfetme çalıģması ilk olarak Bana e Costa nın üç boyutlu ağırlık uzayında hacim olarak farklı tercihleri (ağırlık kombinasyonlarını) çeģitliliğini ölçmesi ve her alternatif için bir kabul edilebilirlik indisi hesaplaması ile baģlamıģtır. Bu çalıģmada genel üç boyutlu bir çerçeve sunulmuģ, ancak hesaplama formülleri ve sunulan çözüm örneği üç boyutlu durum için çalıģılmıģtır. Bu metodoloji, kriter değerlerini N-boyutlu stokastik olasılık dağılım değerleri gibi dikkate alarak geliģtirilmiģtir. (Lahdelma vd., 1998). Kriter değerleri kesin olarak belirlenebilen ve tek bir ağırlık vektöründe uzlaģılan bir problem için, karar süreci her alternatifin fayda fonksiyonun hesaplanması ve en yüksek fayda değerine sahip alternatifin seçilmesiyle sonuçlanır. Ancak her veriye kesin değerleri atamak her zaman mümkün değildir. SMAA metodu da hem kriter değerlerinin hem de kriter ağırlıklarının kesin olarak bilinemediği problemlerin çözümünde kullanılmak amacıyla geliģtirilmiģtir. 73

96 SMAA metodu varsayılan fayda fonksiyonu ile stokastik değerlere dayalı n-boyutlu ağırlık uzayını bulmaktadır. Belirsiz ya da kesin olmayan alternatif kriter değerleri stokastik değiģkenler ile temsil edilirler. Aynı Ģekilde karar vericilerin üzerinde uzlaģamadığı kriter ağırlıkları da birleģik yoğunluk fonksiyonlu ağırlık dağılımı ile temsil edilirler. Ġlk SMAA metodunda temel amaç tanımlayıcı ölçekler vasıtasıyla karar desteği sağlamaktır (Lahdelma ve Salminen, 2001). Stokastik çok kriterli kabul edilebilirlik analizi tekniğinde karar vericilerin açıkça veya kısmen kendi tercihlerini ifade etmelerine gerek duyulmamaktadır. Bunun yerine teknik hangi tür değerlendirmelerin her bir alternatifi tercih edilebilir yapabileceğini analiz etmektedir (Lahdelma vd., 1998). Bu yöntem, problemin çözümünde üç tip ölçek sunmaktadır. Bunlar; her bir alternatif için bir kabul edilebilirlik indeksi, bir merkezi ağırlık vektörü ve güvenilirlik faktörü ölçeğidir (Lahdelma ve Salminen, 2001). Kabul edilebilirlik indisi (a i ), ilk ayırt edici ölçektir. Uygun ağırlıkların (n-1) boyutlu beklenen hacmi olarak tanımlanmaktadır. Kabul edilebilirlik indisi üzerinde çalıģılan alternatifi tercih edilebilir yapan farklı değerlerin çeģitliğinin bir ölçeğidir. Bu değer, uygun ağırlık uzayı ve stokastik kriter (ξ) dağılımlarına göre çok boyutlu integrallerle hesaplanmaktadır. (40) Kabul edilebilirlik indisi, alternatiflerin az ya da çok kabul edilebilir olanlar (a>0) ile kabul edilemeyenler (a i =0 ya da sıfıra yakın olanlar) olarak sınıflandırma için kullanılmaktadır. Sıfır kabul edilebilirlik indisi, varsayılan fayda fonksiyonu bakımından alternatifin yetersiz olduğuna iģaret etmektedir. Merkezi ağırlık vektörü ( ), uygun ağırlık uzayının beklenilen ağırlık merkezi olarak tanımlanmaktadır. Merkezi ağırlık vektörü, kriter ve ağırlık dağılımlarının üzerinden ağırlık vektörünün integrali ile aģağıdaki formül ile hesaplanır. 74

97 (41) Varsayılan ağırlık dağılımlı merkezi ağırlık vektörü x i alternatifini destekleyen karar vericilerin tercihlerini tek bir vektör olarak temsil edilmesidir. Merkezi ağırlıklar, karar vericilere farklı ağırlıkların nasıl farklı seçeneklere karģılık gelebileceğine yardımcı olmaktadır. Güvenilirlik faktörü ( ), merkezi ağırlık vektörünün seçilmesi durumunda, alternatifi tercih edilebilir olması olasılığı ile tanımlanır. Güvenilirlik faktörü kriter dağılımları üzerinden Ģu formülle hesaplanır, ( ) ( ) (42) Güvenilirlik faktörü merkezi ağırlık vektörü kullanıldığında, kriter verilerinin alternatifleri yeteri kadar ayırt edip etmediğini ölçmektedir. Benzer olarak, güvenilirlik faktörü, herhangi bir alternatif ya da ağırlık vektörü için hesaplanabilir. Güvenilirlik faktörü, verilen ağırlık vektörü ile alternatif en iyi yapan stokastik kriter uzayı oranı olarak ifade edilebilir. c. SMAA-2 Yöntemi SMAA-2 metodu, 2001 yılında Lahdelma ve Salminen tarafından birden çok karar vericinin olduğu kesikli stokastik ÇKKV problemleri için geliģtirilmiģtir (Tervonen ve Lahdelma, 2007). SMAA metodunun geliģtirilmiģ bir versiyonu olan bu metot, en iyi alternatifin seçimi dıģında alternatiflerin de bir sıralamasını yapabilmektedir. SMAA-2 metodu, her alternatifi herhangi bir sıralamaya yerleģtiren veya en çok tercih edilebilir yapan ne tür tercihlerin olduğunu tanımlamak için ters ağırlık uzayı analizini uygulamaktadır. Bu metot, karar vericiye alternatiflerin son durumları hakkında daha fazla bilgi sağlamak amacıyla beģ yeni tip ölçek geliģtirmiģtir. Bunlar; sıra kabul 75

98 edilebilirlik indisi, üç tip en iyi sıra ölçeği ve tümleģik kabul edilebilirlik indisidir (Lahdelma ve Salminen, 2001). Karar problemi, n adet kritere göre değerlendirilen bir m adet alternatif kümesi {x 1,x 2,x 3, x m } ile temsil edilir. Karar vericinin tercih yapısı, gerçek değerli fayda ya da değer fonksiyonu u(x i, w) ile temsil edilir. SMAA-2 metodu ne kriter ölçütlerinin ne de kriter ağırlıklarının kesin olarak bilinemediği durumlar için geliģtirilmiģtir. Belirsiz veya kesin olmayan kriter değerleri, X uzayında birleģik olasılık dağılımlı f(ξ) yoğunluk fonksiyonu ve ξ ij stokastik değiģkeni ile temsil edilirler. Karar vericilerin bilinmeyen ya da kısmen bilinen tercihleri, W uygun ağırlık kümesinde f(w) birleģik yoğunluk fonksiyonlu ağırlık dağılımıyla ifade edilirler. Tercih bilgisinin toplam eksikliği W içindeki uniform ağırlık dağılımıyla gösterilir (Tervonen ve Lahdelma, 2007). f(w) = 1/ vol(w) (43) Ağırlıklar negatif değer alamazlar ve normalize değerlerdir. ve (44) Değer fonksiyonu, stokastik kriter ve ağırlık dağılımlarını değer dağılımları içine yerleģtirilmesinde kullanılır. Değer dağılımına dayalı olarak aģağıda belirtilen sıralama fonksiyonu aracılığıyla her alternatifin sıralaması en iyi (=1), en kötü (=m) tamsayı değeri olacak Ģekilde sıralamasını yapılır. ρ (doğru) ise =1, ρ (yanlıģ) ise =0 olur. (45) SMAA-2 daha sonra stokastik uygun sıra ağırlıkları kümesi analizini yapar. olan farklı alternatifler için herhangi bir ağırlık değerini uygun olarak atamasıyla, x i alternatifi r sırasını alır. 76

99 (46) SMAA-2 nin ilk tanımlayıcı ölçeği sıra kabul edilebilirlik indisi, SMAA daki kabul edilebilir indisinin sıralama yapacak Ģekilde geniģletilmiģ durumudur. Bir alternatifin o sırada olma ihtimalini gösterir. Her alternatif için ayrı değerler alır. En yüksek kabul edilebilir (en iyi) alternatifler en iyi sıralar için yüksek kabul edilebilir olanlardır. Sıra kabul edilebilirlik indisi 0,1 değer aralığındadır. Sıfır değeri, alternatifin hiçbir zaman verilen sıralamayı sağlamayacağını, 1 ise seçilen herhangi bir ağırlık için verilen sıralamanın her zaman sağlanacağını gösterir. Kriter dağılımları ve uygun sıra ağırlıklarının üzerinde çok boyutlu integraller ile sayısal olarak (47) numaralı eģitlik yardımıyla hesaplanır; (47) Diğer sıra kabul edilebilirliklerin dikkate alınması kabul edilebilirlik analizine yeni bilgiler katmakta yardımcı olmaktadır. Bu ilave bilgiler problemlerin ele alınmasında Ģu Ģekilde kullanılır; (1) Çok yüksek ilk sıra kabul edilebilirlik değerini elde eden aģırı uç alternatifler, aynı zamanda diğer kabul edilebilirlik indislerinde de yüksek sıralarda olmazlarsa, genel değerlendirme açısından iyi değerlendirilmezler. (2) Birbirlerinin ilk sıra kabul edilebilirliğini azaltan komģular, birbirlerinin sonraki sıralar için birbirlerinin sıra kabul edilebilirliklerini artırarak bunu telafi ederler. (3) Sıfır ya da sıfır olmayan (sıfıra yakın) ilk sıra kabul edilebilirliği olan muhtemel uzlaģık alternatifler, sıklıkla diğer sırlamalarda da iyi ise, genel değerlendirmede iyi kabul edilebilirler. Sıralama kabul edilebilirlikler doğrudan alternatiflerin çok kriterli değerlendirmesinde kullanılabilir. Büyük problemler için en iyi k sıra kabul edilebilirlik indisinin (kbr) analiz edildiği iteratif bir süreç önerilmektedir. Her k iterasyonu (48) numaralı eģitlikte gösterildiği Ģekilde hesaplanır; 77

100 Kbr kabul edilebilirliği, alternatifini en iyi k sıralamasından birine atayan farklı değerlendirmelerin çeģitliliğinin bir ölçümüdür. Bir alternatif için en iyi k sıralamasına karģılık gelen ağırlık uzayı da olarak ifade edilen en iyi k sıra kabul edilebilirlik ağırlık vektörü vasıtasıyla tanımlanabilir ve (49) numaralı eģitlikten faydalanarak hesaplanır; Varsayılan ağırlık dağılımı ile merkezi kbr ağırlık vektörü, bir alternatifi 1 den k ya herhangi bir sıraya atayarak tipik bir karar vericinin tercihlerini temsil eden en iyi tek vektördür. Merkezi kbr ağırlıkları, merkezi ağırlık vektörleri olarak aynı Ģekilde SMAA da kullanılır. Kbr güvenilirlik faktörü, merkezi ağırlık vektörünün seçilmesi durumunda, alternatifin 1 den k ya herhangi bir sırayı alma olasılığı olarak tanımlanır ve x kriter dağılımları üzerinden integral olarak (50) numaralı formülle hesaplanır; Alternatiflerin, sıralama indislerine göre karģılaģtırma problemi, ikinci sıra bir ÇKKV problemi olarak görülebilir. Sıra kabul edilebilirlik indislerinin tümleģik değerlendirmesi, meta ağırlıkları ile (51) numaralı eģitlikten faydalanarak hesaplanır; 78

101 d. SMAA ÇeĢitleri ve Uygulama Alanları SMAA metodu doğrudan alternatiflerin sıralamasını yapmamaktadır. Bunun yerine, sadece alternatiflerin kabul edilebilir olup olmadığını belirlemektedir. Ġleriki dönemlerde alternatiflerin seçim ve sıralamasını yapmak amacıyla SMAA-2, SMAA-3, SMAA-O, Ref-SMAA metotları, sınıflandırmasını yapmak için ise SMAA-TRĠ metodu geliģtirilmiģtir. Her bir metot kendi özelliklerine göre çözüm önerisi sunmaktadır. SMAA metotlarının gerçek yaģam problemlerine uygun olmasının nedenlerini Tervonen ve Lahdelma Ģu maddeler ile sıralamıģtır; (1) Grup karar verme problemlerinde karar vericilerin alternatifleri değerlendirmelerinde kesin tercih değerlerine ulaģılamıyorsa, bu değerler uzlaģık bir istatistiki dağılım ve aralık değeri olarak ifade edilebilmesi, (2) Kesin olmayan ya da eksik tercih bilgisi ve kriter ağırlıklarının stokastik dağılımlarla ifade edilmesiyle modelin çözümüne imkân tanıması, (3) Hesaplamalar sayısal çözüm metotları sayesinde çok etkin bir Ģekilde uygulanabilmesidir (Tervonen ve Lahdelma, 2007). SMAA metotları ile farklı alanlardaki gerçek yaģam problemlerine çözüm önerileri sunulmuģtur. Tervonen vd., SMAA-2 metodunu kullanarak bir asansör planlama problemini çözmüģlerdir. ÇalıĢmada yirmi katlı bir bina için on uygun asansör grubu konfigürasyonu karģılaģtırılmıģtır. Yazarlar, kriterlerin elde edilmesinde, KONE asansör planlama trafik simülatörü, analitik modeller ve uzman görüģünden faydalanmıģlardır. Modelde kriterler farklı tipte parametrelerle ifade edilmektedir. Bazı kriterler normal dağılımla, bazı kriterler deterministik değerlerle, bazı kriterler ise ordinal (sıralı) değerlerle ifade edilmektedir. ÇalıĢmada son olarak maliyet, asansörün kapladığı alan, bekleme zamanı ve seyahat zamanı kriterleri açısından değerlendirme yapılarak en iyi asansör gurubunun seçimi yapılmıģtır (Tervonen vd., 2008). 79

102 Hokkanen vd., Helsinki'de bulunan Toukulanranta yerleģim alanındaki kirlenmiģ toprağın temizlenmesi için gerçekleģtirilen aday seçim sürecinde SMAA-2 metodunun nasıl kullanıldığını açıklamıģlardır. YarıĢmaya katılan adaylar sekiz uzmandan oluģan rekabet kurulu tarafından belirlenmiģ kriterler açısından değerlendirilmiģtir. Finalistler arasından en iyisinin seçimi, öncelik değerlerinin tam olarak tespit edilemediği durumlarda kullanılmak üzere geliģtirilmiģ SMAA-2 metodu ile yapılmıģtır. Sonuç olarak, SMAA-2 metodunun, birbirlerinden farklı kuvvetli ve zayıf tarafları olan az sayıda alternatif arasından en iyisinin seçiminde uygun bir metot olduğu belirtilmiģtir (Hokkanen vd., 2000). Lahdelma ve Salminen, çalıģmasında mevcut alternatiflerin en iyisin belirlenmesinin yanı sıra, diğer alternatiflerin sırasıyla ilgili de bilgi veren SMAA metodunun bir uzantısı olan SMAA-2 metodunu ilk defa açıklamıģlardır. Yazarlar oluģturdukları metodu gerçek bir yaģam problemi olan Helsinki deki liman yer seçimi problemine uygulamıģlar ve SMAA ile SMAA-2 metotlarıyla elde ettikleri sonuçları karģılaģtırmıģlar. Sonuç olarak karar vericiler açısından SMAA-2 metodunun kullanılmasının daha uygun olduğu sonucuna varmıģlardır (Lahdelma ve Salminen, 2001). Kangas vd., bu çalıģmada SMAA-2 metodunun bağımlı belirsizlik içeren stratejik orman planlamasında nasıl uygulanacağını göstermiģlerdir. Problemde kriterlerdeki belirsizlikler çok değiģkenli normal dağılımla ifade edilmiģtir. DeğiĢkenler arasındaki korelasyon uzman görüģü doğrultusunda değerlendirilmiģtir. Uygulamada daha önce farklı metotlarla çözülmüģ bir orman planlama uygulaması incelenmiģtir. Burada amaç üç ortağın sahip olduğu bir orman arazisinde uygulanmak üzere, yirmi farklı hasat planının beģ kriter altında değerlendirilerek en uygun planın seçilmesidir. ÇalıĢmanın sonuç kısmında bağımlı belirsizlik altında ki çözümün güvenilirliği belirtilmiģtir (Kangas vd., 2006). SMAA yöntemlerinin uygulama alanları Tablo-4 te gösterilmiģtir. SMAA metotları ile ilgili yapılan çalıģmalar Tablo-7 de sunulmuģtur (Karabay, 2013). 80

103 Tablo-7: SMAA Yöntemleri Uygulama Alanları Kaynak Hokkanen ve diğ. (1998) Lahdelma ve diğ. (1998) Hokkanen ve diğ. (1999) Hokkanen ve diğ. (2000) Lahdelma ve Salminen (2001) Lahdelma ve diğ. (2002) Lahdelma ve diğ. (2003) Kangas ve diğ. (2003a) J. Kangas ve A. Kangas (2003b) Lahdelma ve diğ. (2005) Kangas ve diğ. (2005) Lahdelma ve Salminen (2006) Kangas ve diğ. (2006) Tervonen ve diğ. (2007) Tervonen ve diğ. (2008) Lahdelma ve diğ. (2009) Tervonen ve diğ. (2009) Menou ve diğ. (2010) Uygulama Alanı Genel planlama SMAA için örnek uygulama Liman yer seçimi KirletilmiĢ bölgenin temizliği için adayların sıralanması Liman yer seçimi SMAA ve SMAA-2 karģılaģtırma Atık arıtma tesisi yer seçimi Belediye katı atık yönetim sistemi seçimi Ekosistem yönetim planlaması Orman planı seçimi Elektrik perakendecisi için stratejik karar seçimi Sosyo ekolojik yer planlaması Helsinki kargo limanı yeri seçimi Stratejik orman planlaması Maden ocakları bölgelerinin risk kategorilerine ayrılması Asansör planlaması Elektrik perakendecisi için stratejik karar seçimi Nano malzemelerin sınıflandırılması Hava kargo ana üssü yer seçimi Özkaya (2010) Üniversitelerin sıralanması X X Aertsen ve diğ. (2011) Tervonen ve diğ. (2011) Orman kaynakları verimlik tahmini için modelleme teknikleri seçimi Ġlaç fayda ve risk analizi Okul (2012) Makineli tüfek seçimi X Kadzinski ve Tervonen (2013) Karabay (2013) AğdaĢ ve diğ. (2014) Ballı ve diğ. (2014) Üniversite kalitesine göre Avrupa ülkelerinin sıralanması Kamu kurumu için hizmet tesisi yer seçimi Afet dağıtım merkezi yer seçimi Alternatif yolların risk kategorilerine ayrılması SMAA-3 X SMAA X X SMAA-O X X X X SMAA-2 X X X X X X X X X X X X SMAA-TRI X X X X X Ref-SMAA X SMAA- TOPSIS 81

104 DÖRDÜNCÜ BÖLÜM UYGULAMA 1. PROBLEMĠN TANIMI Kamu kurumu, yurt genelinde konuģlu olduğu birim ile lojistik tesislerinin dağınıklığının giderilmesi ve yeniden yapılandırılması maksadıyla bir çalıģma baģlatmıģtır. Hali hazırda, söz konusu kurumun birim ve lojistik tesisleri ülke genelinde dağınık bir yapıda görevlerini icra etmektedir. Teknolojinin geliģmesine paralel olarak Ģehirlerin ve yaģam alanlarının büyümesiyle bu birim ve lojistik tesisler Ģehir içerisinde kalmıģtır. Kurum, sahip olduğu birim ile lojistik tesislerinin yeniden düzenlenmesi ve uygun bölgelere yerleģimi ile daha az sayıda ve etkin olacak Ģekilde faaliyetlerini yürütmeyi amaçlamaktadır. Kurum, öncelikle ana birimlerinin konuģlu olduğu bina ve tesis standartlarını arttırmak amacıyla bir tesis tasarım çalıģması baģlatmıģtır. Tasarım çalıģması ile birlikte yeni kuracağı tesislerin ideal yerlerini belirlemeyi planlamaktadır. Birimlerini konuģlandıracağı arazinin, hem kurumun verdiği görevi yapacak Ģekilde hizmet etmesini hem de bu tesislerde çalıģan personel ve ailelerinin tüm ihtiyaçlarını karģılayabileceği yaģam alanları Ģeklinde oluģturulmasını arzulamaktadır. Kurumun sahip olduğu mevcut tesislerinden çok azı belirlenen standartları karģılamaktadır. Kurum, tasarımı tamamlanan birim ve lojistik tesislerinin seçilecek yeni bir arazi üzerinde kurulmasını tercih etmektedir. Dağınık birim ve lojistik tesislerinin yeniden yapılandırılması projesinin alt bölümlerinden bir tanesi yeni kurulacak birim ve lojistik tesisler için yer seçimi çalıģmasıdır. Kamu kurumunun yeni kuracağı birim tipleri arasında ana birimlerinin lojistik desteğini sağlayan ikmal ve bakım merkezi gibi lojistik tesisleri de bulunmaktadır. Bu çalıģmada, kamu kurumunun yeni açacağı bir ikmal merkezi için yerleģim problemi ele alınmıģtır. 82

105 Amaç, kamu kurumunun ana ikmal faaliyetlerini yürüttüğü lojistik ikmal tesislerini (ikmal merkezi) yeni bir yerde açması durumunda, bu tesisin en uygun yerde kurulmasına imkân sağlayacak Ģekilde bir çözüm önerisi sunmaktır. Tesis yer seçimi, nitel ve nicel birçok kriteri içinde barındıran ve en uygun çözümün çeģitli matematiksel modellerin yardımıyla elde edildiği bir karar problemidir. Bu problemde, yeni bir ikmal merkezi yerleģim problemi ele alınmıģ ve bu tesisin yerleģimine yönelik üç adet çok kriterli karar verme yöntemi kullanılmaktadır. Bu maksatla, öncelikle ikmal merkezinin ideal yerinin belirlenmesinde etkili olan kriterlerin ve faktörlerin tespit edilmesi maksadıyla kurum çalıģanlarına geniģ katılımlı bir anket uygulaması yapılmıģtır. Anketten elde edilen sonuçlar incelenmiģ ve çeģitli istatistiksel analizler neticesinde kriterlerin önem dereceleri elde edilmiģtir. Ankete iliģkin yapılan detaylı analiz, anket uygulaması ve kriterlerin belirlenmesi alt bölümünde açıklanmaktadır. Problem için Trakya bölgesi jenerik bir senaryonun oluģturulacağı alan olarak seçilmektedir. OluĢturulan jenerik senaryoya göre, bu bölge içinde bir adet ikmal merkezi kurulması planlanmaktadır. Planlanan ikmal merkezi için dört adet alternatif yer mevcuttur. Ayrıca kurum, yeni kurulacak bu ikmal merkezinden on iki adet ana biriminin ikmal desteğini sağlamasını istemektedir. Ġkmal merkezi, bu birimlerin ihtiyaç duyduğu giyim, kuģam, teçhizat ve mutfak malzemeleri gibi ana malzeme, tüketim malzemeleri ile yedek parçalarının ana lojistik birimlerinden alınması, alınan malzemelerin tasnifi, depolanması, depoda iken bakımını ve ihtiyaç duyulduğunda birimlerine dağıtımı ve ikmal desteğini sağlamakla sorumludur. Bu ana birimler, Trakya bölgesinde konuģlu bulunmaktadır. Ana birimler ile diğer tesislerin konuģlu olduğu yerler ġekil-6 da gösterilmektedir. Ġkmal merkezi yer seçimi için, bu kurumda görevli, karar verme konusunda yeterli tecrübe ve deneyime sahip üç üst düzey yönetici belirlenmiģtir. Bu yöneticilerden alternatiflerin belirlenen kriterlere göre sözel ifadeler ile değerlendirilmesi istenmiģtir. Üst düzey yönetici personel alternatif 83

106 yerleri değerlendirirken alternatif yerlerin kriterlerin aldığı istatistiki değerleri incelemiģtir. ġekil-6: Ana Birimler ile Diğer Tesislerin KonuĢlu Olduğu Yerler A i : i alternatifinin yeri : Hava alanı : Kurum birim yeri : Bakım tesisi : Nükleer tesis yeri : Ġkmal tesisi : Atık toplama yeri : Giyim evi GÖREV : AlıĢ veriģ merkezi : Görev yeri KN i : i kritik noktası 84

107 2. ANKET UYGULAMASI VE KRĠTERLERĠN BELĠRLENMESĠ Birim ve lojistik tesislerin yer seçiminde kriterlerin önem derecesini belirlemek amacıyla yapılandırılan anket literatürde bu konuya iliģkin yapılan çalıģmalar incelenerek hazırlanmıģtır. Bu çalıģmalarda tesis yer seçimine iliģkin hususlar incelenmiģ ve yer seçiminde kullanılabilecek kriterler tespit edilmiģtir. Bu kriterler uzman görüģü alınarak anket sorusu haline dönüģtürülmüģtür. Anket nihai gruba uygulanmadan önce pilot bir örnekleme uygulanmıģ, geçerliliği ve güvenilirliğine iliģkin geri bildirim alınarak gerekli düzenlemeler yapılmıģtır. Son olarak, belirlenen kriterlerin önem ağırlıkları ile önem derecelerinin tespit edilebilmesi için bu kurumda görev yapan personele anket çalıģması uygulanmıģtır. Anket iki bölümden oluģturulmuģtur. Birinci bölüm, kurumun tüm kuracağı birim tipleri için genel özellikleri içeren kriterlerin oluģturduğu bölümdür. Ġkinci bölüm ise, kurulacak birimin lojistik tesis olması durumunda birinci bölüme ilave olarak kullanılacak lojistik tesisin yerleģimine yönelik kriterlerin oluģturduğu bölümdür. Yeni tesis yer seçimi konusu ile ilgili anket, kurumun sahip olduğu elektronik bilgi sistemi üzerinden iki hafta süre ile uygulanmıģ ve toplam altı yüz doksan üç kiģi tarafından cevaplanmıģtır. Ankete katılan personelin statüsüne göre dağılımı ġekil-7 de sunulmuģtur. Ankette veri analizi için SPSS 17.0 paket programı kullanılmıģtır. Anketin güvenilirliğini ölçmek maksadıyla güvenilirlik analizi yapılmıģtır. Güvenilirlik analizi, daha önceden belirlenmiģ bir ölçek türüne göre hazırlanmıģ ankete verilen yanıtların tutarlılığını ölçmek için yapılan bir analizdir. Güvenilirlik analizi için kullanılan temel analiz Cronbach Alpha (α) değerinin bulunmasıdır. Tüm sorular için elde edilen α değeri o anketin toplam güvenilirliğini gösterir ve 0.7 den büyük olması beklenir, bu değerden düģük α değerleri anketin zayıf güvenilirliği olduğunu gösterir, α > 0.8 olması ise anketin yüksek güvenilirliğe sahip olduğunu göstermektedir. Anket, toplam doksan sorudan oluģmaktadır. Tüm sorulara göre yapılan güvenilirlik 85

108 analizi sonucu güvenilirlik oranı % 96,4 çıkmıģtır. Elde edilen değere göre anketin yüksek derecede güvenilir olduğu tespit edilmiģtir Statü A Statü B Statü C Statü D ġekil-7: Ankete Katılan Personelin Statü Dağılımı Ankette kullanılan kriterlerin açıkladığı boyutları belirlemek ve soruların kriter sayısını azaltmak için faktör analizi yapılmıģtır. Ayrıca, tesis yer seçiminde kullanılacak kriterlerin önem derecelerinin belirlenmesi için elde edilen kriter değerlerinin ortalaması, medyan ve mod değerleri hesaplanmıģ ve kriterler incelenmiģtir. Faktör analizi sonucunda beģ adet kriter, ankete yapmıģ olduğu katkının diğer kriterlere göre daha az olması nedeniyle çıkarılmıģtır. Bunlar; - Alt ve üst birimler ile haberleģme imkânı sağlaması, - SavaĢta sivillerin zarar görmesini engelleyecek bir yerde kurulması, - Kurulduktan sonra çevreye olumsuz etkisi, - Bölgedeki teknik ve vasıflı personel sayısı, - Çevre emniyetini kolaylaģtıracak yapıda olmasıdır. 86

109 Ayrıca anket içinde her iki bölümde de yer alan on bir kriter mükerrer değerlendirme yapılmaması maksadıyla modelden çıkarılmıģtır. Bu kriterler; - Destekleyeceği birimlere yakın olması, - Sanayi sitesi/bölgesine yakın olması, - Karayoluna yakın olması, - Demiryolu istasyonuna yakın olması, - Hava alanına yakın olması, - Limana yakın olması, - Akaryakıt dağıtım noktasına yakın olması, - Tedarik kaynaklarına yakın olması, - Alt ve üst birimlerine ulaģım maliyeti, - ĠĢ gücü merkezlerine yakın olması, - DıĢ kaynak kullanımı için firma sayısıdır. Ġkmal merkezi tesis yeri seçimi için yetmiģ dört kritere indirgenen kriterler; çok önemli, nispeten önemli ve az önemli olmak üzere üç bölüme ayrılmıģtır. Kriterleri bölümlere ayırmada, anket analizi sonucu belirlenen kriter ortalama değerleri dikkate alınmıģtır. Önem değerlendirmelerinde ortalama değer dikkate alındığında yüz puan üzerinden 70 puan ve üzerinin çok önemli, puan arası nispeten önemli, puan arası az önemli olarak değerlendirilmiģtir. Bu puanlandırma değeri 1 ile 7 değerlendirme ölçeğine göre yeniden düzenlenmiģ ve aģağıda gösterilmiģtir. Ortalama değer : Bölüm : arası Çok önemli arası Nispeten Önemli arası Az önemli gösterilmiģtir. Çok önemli olduğu değerlendirilen bu kırk iki kriter Tablo-8 de 87

110 Tablo-8: Ġkmal Merkezi Yer Seçiminde Çok Önemli (ÇÖ) Görülen Kriterler Kriter Nu. Kriterin Adı Kriter Nu. Kriterin Adı ÇÖ-1 Ġkmal merkezinin büyüklüğü ÇÖ-22 Malzeme teslim süresi ÇÖ-2 ġehir ve ilçe merkezine uzaklık ÇÖ-23 ÇÖ-3 YaĢam kalitesi ÇÖ-24 ÇÖ-4 ÇÖ-5 Sosyal imkânları içinde barındırması Tehlikeli ve istenmeyen tesislerden uzak olması ÇÖ-25 ÇÖ-26 ÇÖ-6 Sosyal imkânlara yakın olması ÇÖ-27 ÇÖ-7 ÇÖ-8 UlaĢtırma sistemlerinin (otobüs, metro, raylı sistem) mevcudiyeti Personel eģleri için çalıģma imkânı sağlaması ÇÖ-28 ÇÖ-29 Demiryoluna istasyonuna yakın olması Çevreye ve doğal yaģama olumsuz etkisi KomĢu ülkelerin etkili silah menzilinden uzak olması Destekleyeceği birimlere yakın olması Malzeme depolama ve dağıtım alanına sahip olması Köprü, tünel, geçit gibi kritik noktalara yakın olması Birimin Ģimdiki ve gelecekte icra edeceği göreve katkı sağlaması ÇÖ-9 Hava kalitesi ÇÖ-30 Trafik yoğunluğu ÇÖ-10 Eğitim, atıģ ve spor alanlarını içinde barındırması ÇÖ-31 Hava savunmasına uygun arazi olması ÇÖ-11 Mevcut ulaģım imkânları kalitesi ÇÖ-32 Hava limanına yakın olması ÇÖ-12 ÇÖ-13 Patlayıcı maddeleri depolamaya uygun arazi olması Muhtemel afet bölgesinden uzak olması ÇÖ-33 ÇÖ-34 ÇÖ-14 Karayoluna yakın olması ÇÖ-35 Görerek atıģ yapmaya uygun arazi olması Ġleri ve tersine lojistik ağ yapısına uyumlu olması Birim tipine uygun arazi yapısına sahip olması ÇÖ-15 Ġklim koģullarının elveriģliliği ÇÖ-36 Sınır hattından uzak olması ÇÖ-16 ÇÖ-17 Ġhtiyaçlara cevap verebilme süresi ve hızı Toprağın (zeminin) dayanıklı olması ÇÖ-37 ÇÖ-38 ÇÖ-18 Dağılma imkânı vermesi ÇÖ-39 ÇÖ-19 Lojistik tesislere yakın olması ÇÖ-40 ÇÖ-20 Cep telefonu operatörleri ile haberleģme imkânı sağlaması ÇÖ-41 Tedarikçilere yakın olması Destekleyeceği birimlere ulaģım maliyeti Arazinin büyümeye/geniģlemeye uygun arazi olması DıĢ kaynak kullanımı için firma sayısı Mal ve hizmetlerin tedarik maliyeti ÇÖ-21 Suç oranı ÇÖ-42 Görev alanına yakın olması Ġkmal merkezi yer seçimi probleminde, istatistiksel analiz (mod, medyan ve ortalama değerleri) ve yapılan değerlendirme neticesinde, diğer 88

111 kriterlere göre nispeten daha az önemli olduğu belirlenen yirmi iki kriter ise Tablo-9 da sunulmuģtur. Tablo-9: Ġkmal Merkezi Yer Seçiminde Nispeten Önemli (NÖ) Görülen Kriterler Kriter Nu. NÖ-1 Kriterin Adı Enerji hizmet noktalarına yakın olması Kriter Nu. NÖ-12 NÖ-2 ġehir geliģim planı ve istikameti NÖ-13 NÖ-3 NÖ-4 MüĢterek harekât yapmaya uygun arazi olması Arazinin, birimin kamufle olmasına uygun yapıda olması NÖ-14 NÖ-15 NÖ-5 Yetenekli iģgücü sayısı NÖ-16 Kriterin Adı Tatbikat/atıĢ alanlarına ulaģım maliyeti Sanayi sitesi/bölgesine yakın olması Akaryakıt dağıtım noktasına yakın olması Hareket kabiliyetinin artması için Ģehir merkezine uzak olması Görmeyerek atıģ yapmaya uygun arazi olması NÖ-6 ĠĢgücü kaynağına yakın olması NÖ-17 Çevresel gürültü NÖ-7 NÖ-8 MüĢterek üretim yapacağı firmalara yakın olması ġimdiki nüfus sayısı ve geliģim eğilimi NÖ-18 NÖ-19 NÖ-9 Ġkmal merkezinin alt yapı maliyeti NÖ-20 NÖ-10 NÖ-11 Hava ve denizden personel ile malzeme nakline uygun olması Eğitim ve araģtırma kurumlarına yakın olması NÖ-21 NÖ-22 Kamu hizmet binalarına yakın olması Bölgesel iģgücü maliyeti Ġkmal merkezinin üst yapı maliyeti Uzun sürede inģa edilme maliyet Limana yakın olması Ġkmal merkezi yer seçiminde, kriter değerlerinin ortalaması, medyanı ve mod değerleri gibi istatistiksel veri analizleri sonucu en az öneme sahip olduğu belirlenen on kriter Tablo-10 da gösterilmiģtir. Tablo-10: Ġkmal Merkezi Yer Seçiminde Az Önemli (AÖ) Görülen Kriterler Kriter Nu. Kriterin Adı Kriter Nu. Kriterin Adı AÖ-1 Bölgeye iģgücü katkısı AÖ-6 AÖ-2 Bölgeye ekonomik katkı sağlaması AÖ-7 Hazine arazisi olmaması durumunda maliyeti uygun arazi olması ġehrin nispeten geliģmemiģ bölgesine kurulması AÖ-3 Sosyal geliģime katkısı AÖ-8 Teknoloji bölgelerine yakın olması AÖ-4 Kültürel geliģime katkısı AÖ-9 Hammadde kaynaklarına yakın olması AÖ-5 Hazine arazisine kurulması maliyeti AÖ-10 Su kaynaklarına yakın olması 89

112 Ayrıca uzman görüģü doğrultusunda yapılan kriter değerlendirmelerine göre, çok önemli görülen kırk iki kriter içinde, bütün alternatifler tarafından arazi değerlendirme ve seçim aģamasından önce ya da tesisin tasarımı aģamasında sahip olması gereken kriterler mevcuttur. Bu kriterler alternatiflerin belirlenmesinden (seçim ve değerlendirilme aģaması) önce bu Ģartları sağlaması gerekmektedir. Ġkmal merkezi yer seçimi problemi için, bazı çok önemli kriterlerin arazi seçilmeden önce ya da tesis tasarımı aģamasında değerlendirilmesi gerektiğinden jenerik probleme kriter olarak dâhil edilmemiģtir. Bunlar; - Ġkmal merkezinin büyüklüğü, - Arazinin büyümeye/geniģlemeye uygun arazi olması, - Dağılma imkânı vermesi, - ġimdiki ve gelecekte icra edeceği göreve katkı sağlaması, - Malzeme depolama ve dağıtım alanına sahip olması, - Sosyal imkânları içinde barındırması, - Birimin ya da lojistik tesisin yapacağı göreve uygun eğitim, atıģ ve spor alanlarını içinde barındırması, - Birimin ya da lojistik tesisin tipine uygun arazi yapısına sahip olması, - Ġhtiyaçlara cevap verebilme süresi ve hızı, - Toprağın (zeminin) dayanıklı olması, - Patlayıcı maddelerin depolanmasına uygun olmasıdır. Ayrıca, ikmal merkezi yer seçimi probleminde aģağıda belirtilen kriterler, alternatiflerin değerlendirilmesinde farklı değerler göstermediği için jenerik probleme dâhil edilememiģtir. Bunlar; - UlaĢım sistemlerinin mevcudiyeti, - UlaĢım imkânları kalitesi, - Cep telefonu operatörleri ile haberleģme imkânı sağlaması, - KomĢu ülkelerin etkili silah menzilinden uzak olması, - Ġleri ve tersine lojistik ağ yapısına uyumlu olması, - Görerek atıģ yapmaya uygun arazi olması, - Hava savunmasına uygun arazi olmasıdır. 90

113 Sonuç olarak, ikmal merkezi yer seçimi jenerik probleminde alternatif yerlerin değerlendirilmesi için belirlenen yirmi beģ kriter Tablo-11 de gösterilmiģtir. Ġkmal merkezi yerleģimi için Trakya bölgesinde standart büyüklükte ve dört farklı bölgede alternatif arazi belirlenmiģtir. Belirlenen alternatif arazilerinin tamamının bu desteği sağlayabilecek arazi büyüklüğünde olduğu kabul edilmiģtir. Ayrıca, kullanılan kriterlerin değerlendirilmesine iliģkin açıklamalar aģağıda yer almaktadır. Tablo-11: Jenerik Problemde Kullanılan Kriterler Kriter Nu. Kriterin Adı Kriter Nu. L 1 ġehir/ilçe merkezine uzaklık L 14 L 2 L 3 L 4 Muhtemel afet bölgesine uzak olması Tehlikeli ve istenmeyen tesislerden uzak olması Çevreye ve doğal yaģama olumsuz etkisi L 15 L 16 L 17 L 5 Ġklim koģullarının elveriģliliği L 18 Kriterin Adı Demiryoluna istasyonuna yakın olması Hava limanına yakın olması Lojistik tesislere yakın olması (diğer) Trafik yoğunluğu Hazine arazisi olmaması durumunda arazi maliyeti L 6 YaĢam kalitesi L 19 Malzeme teslim süresi L 7 Suç oranı L 20 Sınır hattından uzak olması L 8 Hava kalitesi L 21 Destekleyeceği birimlere yakın olması L 9 Sosyal imkânlara yakın olması L 22 Tedarikçilere yakın olması L 10 Personel eģleri için çalıģma imkânı L 23 L 11 Görev yerine yakın olması L 24 L 12 Köprü, tünel, geçit gibi kritik noktalara yakın olması L 25 DıĢ kaynak kullanımı için firma sayısı Mal ve hizmetlerin tedarik maliyeti Destekleyeceği birimlere ulaģım maliyeti L 13 Karayoluna yakın olması 3. KRĠTERLERĠN AÇIKLANMASI a. ġehir/ilçe merkezlerine uzaklık (L 1 ): Alternatiflere yakın il ya da ilçe merkezlerine olan uzaklıklara göre değerlendirilme yapılmıģtır. Bu 91

114 değerler Tablo-12 de gösterilmiģtir. Ġkmal merkezinin Ģehir/ilçe merkezinden km arası uzaklıkta olması istenmektedir. Tablo-12: Alternatiflerin ġehir/ġlçe Merkezlerine Uzaklıkları ġehir/ġlçe Merkezi A 1 A 2 A 3 A 4 K 33 km 32 km 68 km 53 km Ç 68 km 104 km 53 km 72 km L 19 km 54 km 55 km 28 km B 24 km 32 km 77 km 22 km E 71 km 31 km 108 km 63 km T 112 km 92 km 98 km 51 km Toplam 327 km 345 km 459 km 289 km b. Muhtemel afet bölgesine uzaklık (L 2 ): Türkiye nin afet haritasına göre Trakya bölgesi, deprem, sel, heyelan gibi doğal felaketlerin en az sayıda yaģandığı ve en düģük risk grubunda yer alan bölgelerinden birisidir (Meteoroloji Genel Müdürlüğü [web], 2014a) yılları arası meydana gelen doğal afetlerin toplam sayısı ġekil-8 de gösterilmiģtir. ġekil-8: Yılları Arasında Gözlenen Afetlerin Toplam Sayısı Mevcut problemde, alternatif noktaların aralarındaki mesafenin fazla olmaması ve arazilerin afet riski açısından aynı değerlere sahip olması nedeniyle muhtemel afet bölgesine uzaklığı kriteri açısından alternatif yerlerin 92

115 seçiminde fark yaratmayacak ve modelin çözümüne katkıda bulunmayacaktır. Ancak gerçek yaģam problemlerinde bu merkezlerin farklı bölgelere kurulması ihtimali de yüksektir. Bu kapsamda düģünüldüğünde kullanılması zorunlu bir kriter olduğundan jenerik modelde yer almıģtır. Her bir alternatif bölge için yılları arasında meydana gelen doğal afetlerin toplam sayısına göre değerlendirilme yapılmıģ ve Tablo-13 de gösterilmiģtir. Afet sayısı az olan alternatif yüksek değeri alacaktır. Tablo-13: Alternatiflerin Bağlı Olduğu Ġllerde YaĢanan Toplam Afet Sayısı A 1 A 2 A 3 A 4 Doğal afet sayısı c. Tehlikeli ve istenmeyen tesislerden uzak olması (L 3 ): Trakya bölgesinde nükleer santral, petrol rafinerisi, büyük yakıt ve kimyasal depolama alanları gibi tehlikeli tesisler hâlihazırda bulunmamaktadır. Ancak bu tip tesisler ülke genelinde bulunmakta ya da yenilerinin yapılması planlanmaktadır. Ayrıca; bölgede atık depolama, su arıtma ve çöp yakım gibi istemeyen tesisler bulunmaktadır. Ġkmal merkezinin bu tesislerden mümkün olduğunca uzak olması istenmektedir. Ġkmal merkezinin gelecek dönemlerde ülkenin farklı bölgelerine de kurulabileceği düģünülerek, jenerik problemde bir adet tehlikeli tesis ile yedi adet istenmeyen tesis yeri belirlenmiģ ve bu tesislerden olan toplam uzaklıklar Tablo-14 de gösterilmiģtir. Tablo-14: Tehlikeli ve Ġstenmeyen Tesislere Olan Uzaklık Yerler A 1 A 2 A 3 A 4 Atık Depo Yeri 1 28 km X 62 km 29 km Atık Depo Yeri 2 30 km 29 km X 24 km Atık Depo Yeri 3 X 31 km X X Atık Depo Yeri 4 X 19 km X X Atık Depo Yeri 5 32 km X 18 km X Atık Depo Yeri 6 X X X 43km Atık Depo Yeri 7 X X 41 X Nükleer Tesis 80 km 118 km 26 km 99 km Toplam 170 km 197 km 147 km 195 km 93

116 d. Çevreye ve doğal yaģama olumsuz etkisi (L 4 ): Alternatif yerlerin çevreye ve doğal yaģama yaptığı olumsuz etkisi değerlendirilmiģtir. Alternatifler; Trakya bölge haritası incelenerek ağaçlık alan, tarım arazisi, nehir ya da dere yatağı, hayvanların doğal yaģam alanın olmaması gibi değerler açısından incelenmiģ ve bölgeye en az zarar verecek yer en yüksek değeri alacak Ģekilde değerlendirilmiģtir. e. Ġklim koģullarının elveriģliliği (L 5 ): Her bir alternatif yer; ortalama sıcaklık değerleri, ortalama güneģlenme saati, yağıģlı gün sayısı ve nem oranı gibi bölgenin coğrafi özellikleri dikkate alınarak değerlendirilmiģtir. Bu veriler için Meteoroloji Genel Müdürlüğü nün illere ait yılları arasındaki istatistiki verilerinden yararlanılmıģ ve Tablo-15 de gösterilmiģtir (Meteoroloji Genel Müdürlüğü [web], 2014b). En iyi iklim koģuluna sahip olan yer en yüksek değeri alacak Ģekilde değerlendirilme yapılmıģtır. Tablo-15: Ġklim KoĢullarının ElveriĢliliği KoĢullar A 1 A 2 A 3 A 4 Ġlk Altı Ay Ortalama Sıcaklık Değeri ( C) Son Altı Ay Ortalama Sıcaklık Değeri ( C) Yıllık Ortalama GüneĢlenme Saati Yıllık Ortalama YağıĢlı Gün Sayısı (Saat) Nispi Ortalama Nem Oranı Tahmini (%) f. YaĢam kalitesi (L 6 ): Alternatifler yerlere en yakın il/ilçe merkezlerinin sosyo-ekonomik geliģmiģlik düzeyleri için 2004 yılında Kalkınma Bakanlığının yapmıģ olduğu bir çalıģmaya ait veriler dikkate alınmıģ ve birbirleriyle karģılaģtırmalı olarak değerlendirilmiģtir (Kalkınma Bakanlığı [web], 2014). Bu endeks değerleri Tablo-16 da gösterilmiģtir. Tablo-16: Alternatiflere Yakın ġehir Merkezlerinin Sosyo-Ekonomik GeliĢmiĢlik Endeks Değeri Sosyo-ekonomik geliģmiģlik endeksi A 1 A 2 A 3 A

117 g. Suç oranı (L 7 ): Suç oranı kriteri açısından alternatifler en yakın il veya ilçe merkezlerinde meydana gelen suç olay sayısı dikkate alınarak değerlendirilmiģtir. Alternatif yerlere yakın illerin suç olayı sayıları Tablo- 17 de gösterilmiģtir. Tablo-17: Alternatif Yerlere Yakın Ġllerin Suç Olayı Sayıları A 1 A 2 A 3 A 4 Suç Olayı Sayısı h. Hava kalitesi (L 8 ): Alternatiflerin hava kalitesi açısından değerlendirilmesinde illerin hava kirliliği oranları dikkate alınmıģtır. Bu problemde hava kalitesini değerlendirmek için Türkiye Ġstatistik Kurumunun 2010 yılı illerin kükürt dioksit (SO 2 ) değerleri (TÜĠK [web], 2014) ile Çevre ve ġehircilik Bakanlığı nın Hava Kalitesi Ġzleme Ġstasyonu Partikül Maddeler (PM10) değerleri dikkate alınmıģ (Çevre ve ġehircilik Bakanlığı [web], 2014) ve Tablo-18 de gösterilmiģtir. Tablo-18: Alternatif Yerlere Yakın Ġllerin Hava Kalitesi Değerleri A 1 A 2 A 3 A 4 Kükürt dioksit Partikül Madde i. Sosyal imkânlara yakın olması (L 9 ): Kurum, yeni kurulacak birimlerinin tesis tasarımında, sosyal imkânları tesis içinde barındırılmasını istemektedir. Ancak planlanamadığı durumlar için bu imkânlara yakın yerde olmasını arzu etmektedir. Jenerik problemde, alternatif yerlerin, birçok sosyal imkânı içerisinde barındıran alıģveriģ merkezlerine toplam uzaklık değerleri dikkate alınmıģtır. Alternatif yerlerin sosyal imkânlara olan mesafeleri Tablo- 19 da gösterilmiģtir. 95

118 Tablo-19: Alternatiflerin Sosyal Ġmkânlara Mesafesi A 1 A 2 A 3 A 4 Sosyal Ġmkânlara Mesafe km km km km j. Personel eģleri için çalıģma imkânı (L 10 ): Alternatiflerin bu kriter açısından değerlendirilmesinde illerin 2013 yılı sonunda düzenlenen kamu personel kadro ve pozisyonlarına iliģkin il istihdam rakamları kullanılmıģtır (T.C. Devlet Personel BaĢkanlığı [web], 2014). Bu kriter açısından alternatif yerlerin sahip olduğu kadro miktarının fazla olması istenmektedir. Alternatiflere yakın illere ait il istihdam rakamları Tablo-20 de gösterilmiģtir. Tablo-20: Alternatiflere Yakın Ġllere Ait Ġl Ġstihdam Rakamları A 1 A 2 A 3 A 4 Ġl Ġstihdam Rakamları k. Görev alanına yakın olması (L 11 ): Alternatif yerlerin jenerik olarak icra edeceği görev alanlarına olan uzaklığı dikkate alınmıģtır. Mesafenin kısa olması istenmektedir. Alternatiflerin görev alanına olan mesafeleri Tablo-21 de gösterilmiģtir Tablo-21: Alternatiflerin Görev Alanına Mesafesi A 1 A 2 A 3 A 4 Görev Alanına Mesafe 136 km 87 km 197 km 129 km l. Kritik noktalara yakın olması (L 12 ): Alternatif bölgelerin civarında bulunan, icra edeceği görev esnası ve sonrasında bu görevi etkileyecek derece önemli köprü, tünel ve geçit gibi çeģitli kritik arazi arızalarına olan uzaklık değerleri dikkate alınarak değerlendirilmiģtir. Kritik noktalara olan toplam mesafenin yakın olması istenmektedir. Alternatiflerin kritik arazi arızalarına olan mesafeleri Tablo-22 de gösterilmiģtir. 96

119 Tablo-22: Alternatiflerin Kritik Arazi Arızalarına Mesafesi A 1 A 2 A 3 A 4 Kritik Arazi_1 31 km 37 km 30 km 54 km Kritik Arazi_2 53 km 11 km 101 km 43 km Kritik Arazi_3 72 km 80 km 130 km 70 km Toplam 156 km 128 km 261 km 167 km m. Kara yoluna yakın olması (L 13 ): Ġkmal merkezi alternatif yerlerinin öncelikle otoyola yoksa D100 kara yoluna olan mesafesine göre değerlendirme yapılmıģtır. Alternatiflerin iki önemli kara yolu ulaģım hattına olan en yakın mesafeleri Tablo-23 de gösterilmiģtir. Tablo-23: Alternatiflerin Ġki Önemli Kara Yolu UlaĢım Hattına Mesafesi A 1 A 2 A 3 A 4 Otoyol 9.42 km 4 km km 26 km D km km 37 km km Toplam km km km km n. Demir yolu istasyonuna yakın olması (L 14 ): Ġkmal merkezi alternatif yerlerinin demir yolu istasyonuna olan mesafesine göre değerlendirme yapılmıģtır. Alternatiflerin demir yolu istasyonlarına olan mesafeleri Tablo-24 de gösterilmiģtir. Tablo-24: Alternatiflerin Demir Yolu Ġstasyonlarına Mesafesi A 1 A 2 A 3 A 4 Tren Ġstasyonu Uzaklıkları 19.5 km 30 km 26.9 km 8 km o. Hava limanına yakın olması (L 15 ): Ġkmal merkezinin hava limanına olan mesafesine göre değerlendirme yapılmıģtır. Alternatiflerin bölgeye yakın olan üç hava limanına olan mesafeleri Tablo-25 de gösterilmiģtir. 97

120 Tablo-25: Alternatiflerin Hava Limanlarına Mesafesi A 1 A 2 A 3 A 4 A Hava limanı 165 km km 108 km 185 km Ç Hava limanı 81 km 114 km km 85.1 km Ü Hava limanı 177 km 213 km km 192 km Toplam 423 km km km km p. Lojistik tesislere yakın olması (L 16 ): Ġkmal merkezini destekleyen diğer lojistik tesislere olan mesafesi ile toplam mesafe değerlerine göre değerlendirme yapılmıģtır. Alternatiflerin bu lojistik tesislere olan mesafeleri Tablo-26 da gösterilmiģtir. Tablo-26: Alternatiflerin Lojistik Tesislere Mesafesi A 1 A 2 A 3 A 4 Ġkmal Merkezi 129 km 169 km 61 km 135 km Bakım Merkezi 69 km 111 km 45 km 78 km Giyim Merkezi 179 km 211 km 143 km 185 km Ana Depo 679 km 719 km 611 km 685 km Toplam km km 860 km km q. Trafik yoğunluğu (L 17 ): Jenerik problemde alternatif yerlere en yakın il/ilçe merkezinde kara taģıt sayısı verilerine göre değerlendirme yapılmıģtır. Alternatif il/ilçelerde bulunan motorlu kara taģıt sayısı değerleri için Türkiye Ġstatistik Kurumu 2013 yılı verilerinden faydalanılmıģ ve bu veriler Tablo-27 de gösterilmiģtir (Türkiye Ġstatistik Kurumu [web], 2014) Tablo-27: 2013 Yılı Motorlu Kara TaĢıt Sayısı A 1 A 2 A 3 A 4 Toplam Kara TaĢıt Sayısı

121 r. Hazine arazisi olmaması durumundaki arazi maliyeti (L 18 ): Alternatif yerler için arazi birim maliyetleri, arazilerin Ģehir merkezine uzaklıkları dikkate alınarak hesaplanmıģtır. ġehir merkezine en yakın arazinin en pahalı olacağı varsayımı ile birbirleriyle kıyaslama yapılarak değerlendirilmiģtir. Bu değerler Tablo-28 de gösterilmiģtir. Tablo-28: Arazi Maliyeti A 1 A 2 A 3 A 4 Arazi Maliyeti 1.3 br. 1.6 br. 1.1 br. 1.5 br. s. Malzeme teslim süresi (L 19 ): Alternatif yerlerden destekleyeceği birimlere aynı tip bir malzeme grubunun teslimi için karayolu ile ulaģım süresi dikkate alınarak değerlendirilmiģtir. UlaĢım süresinin hesaplanmasında kamyon için karayolu ve oto yol hız sınırları dikkate alınarak hesaplanmıģtır. Alternatiflere karayolu ile olan malzeme teslim süreleri Tablo-29 da gösterilmiģtir. Tablo-29: Alternatiflere Karayolu Ġle Malzeme Teslim Süreleri A 1 A 2 A 3 A 4 Birim_L 22 dk. 34 dk. 65 dk. 52 dk. Birim_B 29 dk. 26 dk. 76 dk. 23 dk. Birim_T 107 dk. 136 dk. 118 dk. 85 dk. Birim_1 24 dk. 66 dk. 37 dk. 61 dk. Birim_K 181 dk. 115 dk. 197 dk. 158 dk. Birim_G 202 dk. 149 dk. 226 dk. 173 dk. Birim_M 109 dk. 121 dk. 166 dk. 57 dk. Birim_MA 118 dk. 149 dk. 116 dk. 149 dk. Birim_Ç 54 dk. 78 dk. 29 dk. 112 dk. Birim_TO 105 dk. 124 dk. 143 dk. 133 dk. Birim_KIY 86 dk. 19 dk. 99 dk. 67 dk. Birim_KIR 37 dk. 40 dk. 64 dk. 68 dk. Toplam Süre dk dk dk dk. 99

122 t. Sınır hattından uzak olması (L 20 ): Ġkmal merkezinin sınır hattına olan mesafesine göre değerlendirme yapılmıģtır. Alternatiflerin sınır hattına uzaklıkları Tablo-30 da gösterilmiģtir. Tablo-30: Alternatiflerin Sınır Hattına Mesafesi A 1 A 2 A 3 A 4 Sınır Hattına Mesafesi km km km km u. Destekleyeceği birimlere yakın olması (L 21 ): Ġkmal merkezinin ikmal desteğinden sorumlu olduğu birimlere olan mesafesine göre değerlendirme yapılmıģtır. Alternatif yerlerin destekleyeceği birimlere olan uzaklık değerleri Tablo-31 de gösterilmiģtir. Tablo-31: Alternatif Yerlerin Destekleyeceği Birimlere Mesafesi A 1 A 2 A 3 A 4 Birim_L 18 km 51 km 54 km 43 km Birim_B 24 km 28 km 81 km 19 km Birim_T 89 km 125 km 98 km 71 km Birim_1 20 km 55 km 31 km 51 km Birim_K 151 km 96 km 164 km 132 km Birim_G 168 km 124 km 188 km 144 km Birim_M 91 km 101 km 138 km 47 km Birim_MA 177 km 224 km 145 km 196 km Birim_Ç 80 km 108 km 25 km 93 km Birim_TO 157 km 186 km 109 km 172 km Birim_KIY 72 km 28 km 129 km 80 km Birim_KIR 31 km 33 km 54 km 57 km Toplam Mesafe km km km km 100

123 v. Tedarikçilere yakın olması (L 22 ): Ġkmal merkezinin tedarik faaliyetlerini icra etmesi için bölgesinde bulunan tedarik kaynaklarına olan mesafesine göre değerlendirme yapılmıģtır. Tedarik kaynaklarının tamamının Ģehir ya da ilçe merkezinde bulunmasından dolayı Ģehir merkezine uzaklık tablo değerlerine göre değerlendirme yapılmıģtır. w. DıĢ kaynak kullanımı için firma sayısı (L 23 ): Ġkmal merkezinin görevini yürütmesinde hizmet desteği alacağı firma sayısını göre değerlendirme yapılmıģtır. Değerlendirmede alternatif yerlere yakın olan illerin ithalat ve ihracat yapan firma sayılarından faydalanılmıģ ve Tablo-32 de gösterilmiģtir ( T.C. Ekonomi Bakanlığı [web], 2014). Tablo-32: Alternatif Yerlere Yakın Ġllerin Ġthalat ve Ġhracat Yapan Firma Sayıları A 1 A 2 A 3 A 4 Ġhracatçı Firma Ġthalatçı Firma Toplam Sayı x. Mal ve hizmetlerin tedarik maliyeti (L 24 ): Ġkmal merkezinin ihtiyaç duyduğu mal ve hizmetlerin satın alımında il ya da ilçelerdeki tedarikçi firma sayısı ile ihtiyaç duyulan ürünlerin satın alma maliyeti açısından uygunluğuna göre değerlendirme yapılmıģtır. y. Destekleyeceği birimlere ulaģım maliyeti (L 25 ): Karayolu ile desteklediği tüm birimlerine olan aynı tip yük malzemesinin toplam ulaģım maliyetine göre değerlendirme yapılmıģtır. Karayolu ile yük taģıma maliyetinin hesaplanmasında, 2008 yılı karayoluyla yurtiçi eģya taģımacılığında uygulanacak taban ücret tarifesi hakkında tebliğinden faydalanılmıģtır. Alternatiflerin destekleyeceği birimlere ulaģım maliyeti Tablo- 33 de gösterilmiģtir. 101

124 Tablo-33: Alternatiflerin Destekleyeceği Birimlere UlaĢım Maliyeti Maliyet (TL) A 1 A 2 A 3 A 4 Birim_L TL TL TL TL. Birim_B TL TL TL TL. Birim_T TL TL TL TL. Birim_ TL TL TL TL. Birim_K TL TL TL TL. Birim_G TL TL TL TL. Birim_M TL TL TL TL. Birim_MA TL TL TL TL. Birim_Ç TL TL TL TL. Birim_TO TL TL TL TL. Birim_KIY TL TL TL TL. Birim_KIR TL TL TL TL. Toplam Maliyet TL TL TL TL. 4. ÇOK KRĠTERLĠ KARAR VERME YÖNTEMLERĠNĠN UYGULANMASI Jenerik problemin çözümü için üç adet ÇKKV metodu belirlenmiģtir. Bu metotlar; bulanık VIKOR, bulanık TOPSIS ve SMAA-2 yöntemleridir. Her üç metottan elde edilecek sonuçlar bu bölümün sonunda karģılaģtırılmıģtır. a. Bulanık TOPSĠS Yöntemi Adım 1: Ġkmal merkezi tesis yer seçimi için dört alternatif yer, alternatiflerin değerlendirilmesi için yirmi beģ kriter ve karar vermeye yetkin üç üst düzey yönetici karar verici olarak belirlenmiģ ve aģağıda gösterilmiģtir; A= { A 1, A 2, A 3, A 4 }, K = { K 1, K 2, K 25 }, KV = { KV 1, KV 2, KV 3 } Adım 2: Ġkmal merkezinin yer seçimi için belirlenen dört alternatif arazi üç üst düzey yönetici tarafından yirmi beģ adet kriter dikkate alınarak Tablo-3 de gösterilen dilsel değiģkenler yardımıyla değerlendirilmiģtir. Karar vericilerin alternatifleri kriterlere göre dilsel değiģkenlerle değerlendirmesi Tablo-34 de gösterilmektedir. 102

125 Tablo-34: Karar Vericilerin Alternatifleri Kriterlere Göre Dilsel DeğiĢkenlerle Değerlendirilmesi KARAR VERĠCĠLER KV 1 KV 2 KV 3 KRĠTER A 1 A 2 A 3 A 4 A 1 A 2 A 3 A 4 A 1 A 2 A 3 A 4 L 1 Ġ OĠ E Ġ ÇĠ Ġ Z ÇĠ Ġ Ġ Z ÇĠ L 2 ÇĠ E E OĠ ÇĠ OĠ OĠ Ġ Ġ Z ÇZ Z L 3 OĠ ÇĠ E ÇĠ OĠ ÇĠ Z Ġ OĠ Ġ OZ Ġ L 4 OĠ E E OĠ Ġ Z OĠ Ġ OĠ OĠ OZ E L 5 ÇĠ Ġ OĠ OĠ Ġ OĠ E E Ġ OĠ OZ OZ L 6 Ġ Ġ ÇĠ OZ Ġ Ġ ÇĠ OZ Ġ Ġ Ġ E L 7 ÇĠ Z Ġ OĠ Ġ OZ OĠ OĠ Ġ Z OĠ E L 8 Ġ Ġ OZ OZ ÇĠ ÇĠ OĠ OĠ Ġ OĠ E E L 9 Ġ E OĠ OZ ÇĠ OĠ ÇĠ E Ġ OĠ OĠ E L 10 Ġ ÇĠ OZ Ġ OĠ Ġ OZ OĠ OĠ Ġ E OĠ L 11 Ġ ÇĠ OĠ ÇĠ Ġ Ġ OĠ Ġ OĠ ÇĠ OZ Ġ L 12 OĠ Ġ Z OĠ Ġ OĠ E Ġ Ġ Ġ OĠ E L 13 Ġ ÇĠ E OĠ Ġ ÇĠ E OĠ ÇĠ ÇĠ OĠ Ġ L 14 ÇĠ OZ E ÇĠ Ġ OZ OZ ÇĠ Ġ OĠ OĠ ÇĠ L 15 Ġ OĠ ÇĠ OĠ OĠ E Ġ OĠ Ġ OZ ÇĠ OĠ L 16 Ġ OĠ ÇĠ Ġ Ġ E ÇĠ Ġ OĠ OZ Ġ E L 17 Ġ E ÇĠ Ġ Ġ OĠ Ġ Ġ Ġ OĠ Ġ Ġ L 18 Ġ OĠ ÇĠ OĠ Ġ OĠ ÇĠ OĠ Ġ OĠ ÇĠ OĠ L 19 ÇĠ ÇĠ OĠ Ġ Ġ Ġ E OĠ Ġ ÇĠ OĠ OĠ L 20 Ġ Z ÇĠ Ġ OĠ E ÇĠ OĠ Ġ OZ ÇĠ Ġ L 21 Ġ OĠ E Ġ Ġ OĠ E Ġ Ġ OĠ OĠ Ġ L 22 Ġ Ġ OĠ Ġ Ġ OĠ E ÇĠ ÇĠ Ġ OĠ Ġ L 23 OĠ OĠ ÇĠ ÇĠ E E OĠ Ġ Ġ Ġ ÇĠ ÇĠ L 24 Ġ Ġ ÇĠ ÇĠ OĠ E OĠ E E OĠ OĠ OĠ L 25 Ġ E OZ Ġ OĠ Ġ Ġ OĠ Ġ OĠ E OĠ ÇĠ: Çok iyi, Ġ: Ġyi, OĠ: Orta Ġyi, E: EĢit, OZ: Orta Zayıf, Z: Zayıf, ÇZ: Çok Zayıf. Kriter önem ağırlıklarının belirlenmesinde anket uygulamasından faydalanılmıģtır. Ankete katılan altı yüz doksan üç personelin dilsel değiģkenler ile yapmıģ olduğu değerlendirmelerin tamamı EK-B de sunulmuģtur. Ankete katılan ilk üç ve son üç karar vericinin kriter önem ağırlıkları ile ilgili dilsel ifadeler ile değerlendirmeleri Tablo-35 de gösterilmiģtir. 103

126 Tablo 35: Ġlk Üç ve Son Üç Personelin Karar Kriterleri Önem Dereceleri ile Ġlgili Dilsel Ġfadeleri ANKETĠ CEVAPLAYAN PERSONEL KRĠTERLER P 1 P 2 P 3 P 691 P 692 P 693 L 1 O OD OY OD ÇY OY L 2 ÇY Y O Y Y Y L 3 ÇY ÇY O ÇY ÇY Y L 4 O Y Y Y Y ÇY L 5 ÇY O OY Y Y D L 6 ÇY OY OY OY ÇY Y L 7 ÇY OY OY Y ÇY OY L 8 ÇY Y OD OY ÇY O L 9 ÇY O O Y ÇY Y L 10 O O OY Y ÇY ÇY L 11 Y OD OD O O ÇY L 12 Y OD OY ÇY OY ÇY L 13 O OY Y Y Y Y L 14 O OY Y ÇY ÇY Y L 15 O O O Y ÇY OY L 16 Y ÇY OY ÇY OY Y L 17 ÇY O O ÇY ÇY OY L 18 O OD OY ÇY OY Y L 19 O OY Y Y OY Y L 20 O O ÇY O OD O L 21 O OY O Y Y OY L 22 O OY Y OY O Y L 23 O O O Y OY OY L 24 ÇY OY OY Y ÇY Y L 25 O OY OD Y OY Y ÇY: Çok Yüksek, Y:Yüksek, OY: Orta Yüksek, O: Orta, OD: Orta DüĢük, D: DüĢük, ÇD: Çok DüĢük. Personel kriterlerin önem ağırlıklarını belirlemek için çok düģükten (ÇD) çok yükseğe (ÇY) kadar olan yedili dilsel değiģkenler ile kriterleri değerlendirmiģtir. Örneğin, birinci personel (P 1 ) L 1 kriterini orta önemli olarak ifade ederken, altı yüz doksan üçüncü personel (K 693 ) bu kriteri oldukça yüksek önemli olarak değerlendirmiģtir. 104

127 Adım 3: Ġkmal merkezinin yerleģimi için belirlenen kriter önem ağırlıkları ile alternatiflerin kriterlerden aldığı değerlendirmeler Tablo-3 den faydalanılarak üçgen bulanık sayılara dönüģtürülmüģtür. Anketi cevaplayan ilk üç ve son üç karar vericinin üçgen bulanık sayılara dönüģtürülen kriter önem ağırlıkları Tablo-36 da sunulmuģtur. Tablo-36: Kriterlerin Bulanık Önem Ağırlıkları ANKETĠ CEVAPLAYAN KARAR VERĠCĠLER KRĠTERLER P 1 P 2 P 3 P 691 P 692 P 693 L 1 (0.3,0.5,0.7) (0.1,0.3,0.5) (0.5,0.7,0.9) (0.1,0.3,0.5) (0.9, 1.0,1.0) (0.5,0.7,0.9) L 2 (0.9, 1.0,1.0) (0.7,0.9,1.0) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0) L 3 (0.9, 1.0,1.0) (0.9, 1.0,1.0) (0.3,0.5,0.7) (0.9, 1.0,1.0) (0.9, 1.0,1.0) (0.7,0.9,1.0) L 4 (0.3,0.5,0.7) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.9, 1.0,1.0) L 5 (0.9, 1.0,1.0) (0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.0,0.1,0.3) L 6 (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.5,0.7,0.9) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.7,0.9,1.0) L 7 (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.5,0.7,0.9) L 8 (0.9, 1.0,1.0) (0.7,0.9,1.0) (0.1,0.3,0.5) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.3,0.5,0.7) L 9 (0.9, 1.0,1.0) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.7,0.9,1.0) L 10 (0.3,0.5,0.7) (0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.9, 1.0,1.0) L 11 (0.7,0.9,1.0) (0.1,0.3,0.5) (0.1,0.3,0.5) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.9, 1.0,1.0) L 12 (0.7,0.9,1.0) (0.1,0.3,0.5) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.9, 1.0,1.0) L 13 (0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.7,0.9,1.0) L 14 (0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.9, 1.0,1.0) (0.7,0.9,1.0) L 15 (0.3,0.5,0.7) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.5,0.7,0.9) L 16 (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.7,0.9,1.0) L 17 (0.9, 1.0,1.0) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.9, 1.0,1.0) (0.9, 1.0,1.0) (0.5,0.7,0.9) L 18 (0.3,0.5,0.7) (0.1,0.3,0.5) (0.5,0.7,0.9) (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.7,0.9,1.0) L 19 (0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.5,0.7,0.9) (0.7,0.9,1.0) L 20 (0.3,0.5,0.7) (0.3,0.5,0.7) (0.9, 1.0,1.0) (0.3,0.5,0.7) (0.1,0.3,0.5) (0.3,0.5,0.7) L 21 (0.3,0.5,0.7) (0.5,0.7,0.9) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.7,0.9,1.0) (0.5,0.7,0.9) L 22 (0.3,0.5,0.7) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.5,0.7,0.9) (0.3,0.5,0.7) (0.7,0.9,1.0) L 23 (0.3,0.5,0.7) (0.3,0.5,0.7) (0.3,0.5,0.7) (0.7,0.9,1.0) (0.5,0.7,0.9) (0.5,0.7,0.9) L 24 (0.9, 1.0,1.0) (0.5,0.7,0.9) (0.5,0.7,0.9) (0.7,0.9,1.0) (0.9, 1.0,1.0) (0.7,0.9,1.0) L 25 (0.3,0.5,0.7) (0.5,0.7,0.9) (0.1,0.3,0.5) (0.7,0.9,1.0) (0.5,0.7,0.9) (0.7,0.9,1.0) 105

128 Üç üst düzey yönetici tarafından değerlendirilen alternatiflerin kriterlerden aldığı değerlerin Tablo-3 den faydalanılarak üçgen bulanık sayılarla ifade edilmesi ise Tablo-37 de gösterilmiģtir. Tablo-37: Alternatiflerin Kriterlerden Aldığı Değerlerin Üçgen Bulanık Sayılar ile Gösterilmesi A 1 A 2 KV 1 KV 2 KV 3 KV 1 KV 2 KV 3 L 1 (7, 9, 10) (9, 10, 10) (7, 9, 10) (5, 7, 9) (7, 9, 10) (7, 9, 10) L 2 (9, 10, 10) (9, 10, 10) (7, 9, 10) (3, 5, 7) (5, 7, 9) (1, 1, 3) L 3 (7, 9, 10) (5, 7, 9) (5, 7, 9) (9, 10, 10) (9, 10, 10) (7, 9, 10) L 4 (9, 10, 10) (7, 9, 10) (5, 7, 9) (3, 5, 7) (1, 3, 5) (5, 7, 9) L 5 (9, 10, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) (5, 7, 9) (5, 7, 9) L 6 (7, 9, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) L 7 (9, 10, 10) (7, 9, 10) (7, 9, 10) (1, 1, 3) (1, 3, 5) (1, 1, 3) L 8 (7, 9, 10) 9, 10, 10) (7, 9, 10) (7, 9, 10) (9, 10, 10) (5, 7, 9) L 9 (7, 9, 10) (9, 10, 10) (7, 9, 10) (3, 5, 7) (5, 7, 9) (5, 7, 9) L 10 (7, 9, 10) (5, 7, 9) (5, 7, 9) (9, 10, 10) (7, 9, 10) (7, 9, 10) L 11 (7, 9, 10) (7, 9, 10) (5, 7, 9) (9, 10, 10) (7, 9, 10) (9, 10, 10) L 12 (5, 7, 9) (7, 9, 10) (7, 9, 10) (7, 9, 10) (5, 7, 9) (7, 9, 10) L 13 (7, 9, 10) (7, 9, 10) (9, 10, 10) (9, 10, 10) (9, 10, 10) (9, 10, 10) L 14 (9, 10, 10) (7, 9, 10) (7, 9, 10) (1, 3, 5) (1, 3, 5) (5, 7, 9) L 15 (7, 9, 10) (5, 7, 9) (7, 9, 10) (5, 7, 9) (3, 5, 7) (1, 3, 5) L 16 (7, 9, 10) (7, 9, 10) (5, 7, 9) (5, 7, 9) (3, 5, 7) (1, 3, 5) L 17 (7, 9, 10) (7, 9, 10) (7, 9, 10) (3, 5, 7) (5, 7, 9) (5, 7, 9) L 18 (7, 9, 10) (7, 9, 10) (7, 9, 10) (5, 7, 9) (5, 7, 9) (5, 7, 9) L 19 (9, 10, 10) (7, 9, 10) (7, 9, 10) (9, 10, 10) (7, 9, 10) (9, 10, 10) L 20 (7, 9, 10) (5, 7, 9) (7, 9, 10) (1, 1, 3) (3, 5, 7) (1, 3, 5) L 21 (7, 9, 10) (7, 9, 10) (7, 9, 10) (5, 7, 9) (5, 7, 9) (5, 7, 9) L 22 (7, 9, 10) (7, 9, 10) (9, 10, 10) (7, 9, 10) (5, 7, 9) (7, 9, 10) L 23 (5, 7, 9) (3, 5, 7) (7, 9, 10) (5, 7, 9) (3, 5, 7) (7, 9, 10) L 24 (7, 9, 10) (5, 7, 9) (3, 5, 7) (7, 9, 10) (3, 5, 7) (5, 7, 9) L 25 (7, 9, 10) (5, 7, 9) (7, 9, 10) (3, 5, 7) (7, 9, 10) (5, 7, 9) 106

129 Tablo-37 nin devamı: Alternatiflerin Kriterlerden Aldığı Değerlerin Üçgen Bulanık Sayılar ile Gösterilmesi A3 A4 KV 1 KV 2 KV 3 KV 1 KV 2 KV 3 L 1 (3, 5, 7) (1, 3, 5) (1, 3, 5) (5, 7, 9) (9, 10, 10) (9, 10, 10) L 2 (3, 5, 7) (5, 7, 9) (0, 0, 1) (5, 7, 9) (7, 9, 10) (1, 3, 5) L 3 (3, 5, 7) (1, 1, 3) (1, 3, 5) (9, 10, 10) (7, 9, 10) (7, 9, 10) L 4 (3, 5, 7) (5, 7, 9) (1, 3, 5) (5, 7, 9) (7, 9, 10) (3, 5, 7) L 5 (5, 7, 9) (3, 5, 7) (1, 1, 3) (5, 7, 9) (3, 5, 7) (1, 3, 5) L 6 (9, 10, 10) (9, 10, 10) (7, 9, 10) (1, 3, 5) (1, 3, 5) (3, 5, 7) L 7 (7, 9, 10) (5, 7, 9) (5, 7, 9) (5, 7, 9) (5, 7, 9) (3, 5, 7) L 8 (1, 3, 5) (5, 7, 9) (3, 5, 7) (1, 3, 5) (5, 7, 9) (3, 5, 7) L 9 (5, 7, 9) (9, 10, 10) (5, 7, 9) (1, 3, 5) (3, 5, 7) (3, 5, 7) L 10 (1, 3, 5) (1, 3, 5) (3, 5, 7) (7, 9, 10) (5, 7, 9) (5, 7, 9) L 11 (5, 7, 9) (5, 7, 9) (1, 3, 5) (9, 10, 10) (7, 9, 10) (7, 9, 10) L 12 (1, 1, 3) (3, 5, 7) (5, 7, 9) (5, 7, 9) (7, 9, 10) (3, 5, 7) L 13 (3, 5, 7) (3, 5, 7) (5, 7, 9) (5, 7, 9) (5, 7, 9) (7, 9, 10) L 14 (3, 5, 7) (1, 3, 5) (5, 7, 9) (9, 10, 10) (9, 10, 10) (9, 10, 10) L 15 (9, 10, 10) (7, 9, 10) (9, 10, 10) (5, 7, 9) (5, 7, 9) (5, 7, 9) L 16 (9, 10, 10) (9, 10, 10) (7, 9, 10) (7, 9, 10) (7, 9, 10) (3, 5, 7) L 17 (9, 10, 10) (7, 9, 10) 7, 9, 10) (7, 9 10) (7, 9, 10) (7, 9, 10) L 18 (9, 10, 10) (9, 10, 10) (9, 10, 10) (5, 7, 9) (5, 7, 9) (5, 7, 9) L 19 (5, 7, 9) (3, 5, 7) (5, 7, 9) (7, 9, 10) (5, 7, 9) (5, 7, 9) L 20 (9, 10, 10) (9, 10, 10) (9, 10, 10) (7, 9, 10) (5, 7, 9) (7, 9, 10) L 21 (3, 5, 7) (3, 5, 7) (5, 7, 9) (7, 9, 10) (7, 9, 10) (7, 9, 10) L 22 (5, 7, 9) (3, 5, 7) (5, 7, 9) (7, 9, 10) (9, 10, 10) (7, 9, 10) L 23 (9, 10, 10) (5, 7, 9) (9, 10, 10) (9, 10, 10) (7, 9, 10) (9, 10, 10) L 24 (9, 10, 10) (5, 7, 9) (5, 7, 9) (9, 10, 10) (3, 5, 7) (5, 7, 9) L 25 (1, 3, 5) (7, 9, 10) (3, 5, 7) (5, 7, 9) (5, 7, 9) (5, 7, 9) Adım 4: Alternatiflerin kriterlere göre performans değerlerini gösteren bulanık karar matrisi ( ) ve bulanık kriter ağırlıkları matrisi ( ) oluģturulmuģtur. Bulanık karar matrisi Tablo-38 de sunulmuģtur. 107

130 Tablo-38: Bulanık Karar Matrisi ( ) A 1 A 2 A 3 A 4 L 1 (7.67, 9.33, 10.00) (6.33, 8.33, 9.67) (1.67, 3.67, 5.67) (7.67, 9.00, 9.67) L 2 (8.33, 9.67, 10.00) (3.00, 4.33, 6.33) (2.67, 4.00, 5.67) (4.33, 6.33, 8.00) L 3 (5.67, 7.67, 9.33) (8.33, 9.67, 10.00) (1.67, 3.00, 5.00) (7.67, 9.33, 10.00) L 4 (7.00, 8.67, 9.67) (3.00, 5.00, 7.00) (3.00, 5.00, 7.00) (5.00, 7.00, 8.67) L 5 (7.67, 9.33, 10.00) (5.67, 7.67, 9.33) (3.00, 4.33, 6.33) (3.00, 5.00, 7.00) L 6 (7.00, 9.00, 9.67) (7.00, 9.00, 10.00) (8.33, 9.67, 10.00) (1.67, 3.67, 5.67) L 7 (7.67, 9.33, 10.00) (1.00, 1.67, 3.67) (5.67, 7.67, 9.33) (4.33, 6.33, 8.33) L 8 (7.67, 9.33, 10.00) (7.00, 8.67, 9.67) (3.00, 5.00, 7.00) (3.00, 5.00, 7.00) L 9 (7.67, 9.33, 10.00) (4.33, 6.33, 8.33) (6.33, 8.00, 9.33) (2.33, 4.33, 6.33 L 10 (5.67, 7.67, 9.33) (7.67, 9.33, 10.00) (1.67, 3.67, 5.67) (5.67, 7.67, 9.33) L 11 (6.33, 8.33, 9.67) (8.33, 9.67, 10.00) (3.67, 5.67, 7.67) (7.67, 9.33, 10.00) L 12 (6.33, 8.33, 9.67) (6.33, 8.33, 9.67) (3.00, 4.33, 6.33) (5.00, 7.00, 8.67) L 13 (7.67, 9.33, 10.00) (9.00, 10.00, 10.00) (3.67, 5.67, 7.67) (5.67, 7.67, 9.33) L 14 (7.67, 9.33, 10.00) (2.33, 4.33, 6.33) (3.00, 5.00, 7.00) (9.00, 10.00, 10.00) L 15 (6.33, 8.33, 9.67) (3.00, 5.00, 7.00) (8.33, 9.67, 10.00) (5.00, 7.00, 9.00) L 16 (6.33, 8.33, 9.67) (3.00, 5.00, 7.00) (8.33, 9.67, 10.00) (5.67, 7.67, 9.00) L 17 (7.00, 9.00, 10.00) (4.33, 6.33, 8.33) (7.67, 9.33, 10.00) (7.00, 9.00, 10.00) L 18 (7.00, 9.00, 10.00) (5.00, 7.00, 9.00) (9.00, 10.00, 10.00) (5.00, 7.00, 9.00) L 19 (7.67, 9.33, 10.00) (8.33, 9.67, 10.00) (4.33, 6.33, 8.33) (5.67, 7.67, 9.33) L 20 (6.33, 8.33, 9.67) (1.67, 3.00, 5.00) (9.00, 10.00, 10.00) (6.33, 8.33, 9.67) L 21 (7.00, 9.00, 10.00) (5.00, 7.00, 9.00) (3.67, 5.67, 7.67) (7.00, 9.00, 10.00) L 22 (7.67, 9.33, 10.00) (6.33, 8.33, 9.67) (4.33, 6.33, 8.33) (7.67, 9.33, 10.00) L 23 (5.00, 7.00, 8.67) (5.00, 7.00, 8.67) (7.67, 9.00, 9.67) (8.33, 9.67, 10.00) L 24 (5.00, 7.00, 8.67) (5.00, 7.00, 8.67) (6.33, 8.00, 9.33) (5.67, 7.33, 8.67) L 25 (6.33, 8.33, 9.67) (5.00, 7.00, 8.67) (3.67, 5.67, 7.33) (5.00, 7.00, 9.00) Bulanık karar matrisindeki değerler her alternatifin tüm kriterlere göre karar vericilerin yapmıģ olduğu değerlendirmelerin ortalaması alınarak elde edilmiģtir. 108

131 Karar vericilerin bütün alternatifleri kriterlere göre üçgen bulanık sayılar ile değerlendirmeleri tek bir üçgen bulanık sayıya (12) numaralı formül yardımıyla dönüģtürülmüģtür. Örneğin birinci alternatifin tek bir üçgen bulanık sayıya dönüģtürülmesi Ģu Ģekilde hesaplanmıģtır; [ ] [ ] [ ] üçgen bulanık sayısı elde edilmiģtir. Her bir kriterin bulanık önem ağırlığını tek bir üçgen bulanık sayıya dönüģtürmek için (13) numaralı formülden yararlanılmıģtır. Örneğin birinci kriterin bulanık önem ağırlığı değeri Ģu Ģekilde hesaplanmıģtır. [ ] [ ] üçgen bulanık sayısı elde edilmiģtir. Bu formüle göre hesaplanan tüm kriterlerin bütünleģtirilmiģ bulanık önem ağırlıkları matrisi Tablo-39 da gösterilmiģtir. Tablo-39 incelendiğinde en büyük öneme sahip kriterin yaģam kalitesi (w 6 ), en düģük öneme sahip kriterin hazine arazisi olmaması durumundaki arazi maliyeti (w 18 ) olduğu görülmektedir. DönüĢtürülen bulanık sayılar (12) ve (13) numaralı formüllerden yararlanılarak tek bir bulanık sayı olacak Ģekle getirilmiģtir. 109

132 Tablo-39: Kriterlerin BütünleĢtirilmiĢ Bulanık Önem Ağırlıkları Matrisi Ağırlık(w) Üçgen Bulanık Değerler W 1 (0.3840, , ) W 2 (0.6437, , ) W 3 (0.7104, , ) W 4 (0.5766, , ) W 5 (0.6110, , ) W 6 (0.7177, , ) W 7 (0.5921, , ) W 8 (0.6494, , ) W 9 (0.6967, , ) W 10 (0.6978, , ) W 11 (0.4495, , ) W 12 (0.5398, , ) W 13 (0.6237, , ) W 14 (0.5765, , ) W 15 (0.5260, , ) W 16 (0.5869, , ) W 17 (0.5330, , ) W 18 (0.3821, , ) W 19 (0.5835, , ) W 20 (0.5065, , ) W 21 (0.5583, , ) W 22 (0.4949, , ) W 23 (0.4859, , ) W 24 (0.4994, , ) W 25 (0.4973, , ) Adım 5: Bulanık karar matrisinin oluģturulmasından sonra bulanık karar matrisi normalize edilmiģ ve normalize edilmiģ bulanık karar matrisi ( ) oluģturulmuģtur. Normalize edilmiģ bulanık karar matrisi ( ) nin elde edilmesinde (15) numaralı formül kullanılmıģtır. Normalize edilmiģ bulanık karar matrisinin kurulmasında her bir fayda kriteri için o kriterin tüm alternatiflerden aldığı en büyük üçgen bulanık sayısının üçüncü değerine ( ) bölüm iģlemi yapılmıģtır. Modelde tüm kriterler fayda tabanlı olduğu için bu 110

133 değerin hesaplanmasında (18) numaralı formülden yararlanılmıģtır. Normalize edilmiģ bulanık karar matrisi Tablo-40 da gösterilmiģtir. Tablo-40: Normalize EdilmiĢ Bulanık Karar Matrisi ( ) A 1 A 2 A 3 A 4 L 1 (0.77, 0.93, 1.00) (0.63, 0.83, 0.97) (0.17, 0.37, 0.57) (0.77, 0.90, 0.97) L 2 (0.83, 0.97, 1.00) (0.30, 0.43, 0.63) (0.27, 0.40, 0.57) (0.43, 0.63, 0.80) L 3 (0.57, 0.77, 0.93) (0.83, 0.97, 1.00) (0.17, 0.30, 0.50) (0.77, 0.93, 1.00) L 4 (0.70, 0.87, 0.97) (0.30, 0.50, 0.70) (0.30, 0.50, 0.70) (0.50, 0.70, 0.87) L 5 (0.77, 0.93, 1.00) (0.57, 0.77, 0.93) (0.30, 0.43, 0.63) (0.30, 0.50, 0.70) L 6 (0.70, 0.90, 0.97) (0.70, 0.90, 1.00) (0.83, 0.97, 1.00) (0.17, 0.37, 0.57) L 7 (0.77, 0.93, 1.00) (0.10, 0.17, 0.37) (0.57, 0.77, 0.93) (0.43, 0.63, 0.83) L 8 (0.77, 0.93, 1.00) (0.70, 0.87, 0.97) (0.30, 0.50, 0.70) (0.30, 0.50, 0.70) L 9 (0.77, 0.93, 1.00) (0.43, 0.63, 0.83) (0.63, 0.80, 0.93) (0.23, 0.43, 0.63) L 10 (0.57, 0.77, 0.93) (0.77, 0.93, 1.00) (0.17, 0.37, 0.57) (0.57, 0.77, 0.93) L 11 (0.63, 0.83, 0.97) (0.83, 0.97, 1.00) (0.37, 0.57, 0.77) (0.77, 0.93, 1.00) L 12 (0.63, 0.83, 0.97) (0.63, 0.83, 0.97) (0.30, 0.43, 0.63) (0.50, 0.70, 0.87) L 13 (0.77, 0.93, 1.00) (0.90, 1.00, 1.00) (0.37, 0.57, 0.77) (0.57, 0.77, 0.93) L 14 (0.77, 0.93, 1.00) (0.23, 0.43, 0.63) (0.30, 0.50, 0.70) (0.90, 1.00, 1.00) L 15 (0.63, 0.83, 0.97) (0.30, 0.50, 0.70) (0.83, 0.97, 1.00) (0.50, 0.70, 0.90) L 16 (0.63, 0.83, 0.97) (0.30, 0.50, 0.70) (0.83, 0.97, 1.00) (0.57, 0.77, 0.90) L 17 (0.70, 0.90, 1.00) (0.43, 0.63, 0.83) (0.77, 0.93, 1.00) (0.70, 0.90, 1.00) L 18 (0.70, 0.90, 1.00) (0.50, 0.70, 0.90) (0.90, 1.00, 1.00) (0.50, 0.70, 0.90) L 19 (0.77, 0.93, 1.00) (0.83, 0.97, 1.00) (0.43, 0.63, 0.83) (0.57, 0.77, 0.93) L 20 (0.63, 0.83, 0.97) (0.17, 0.30, 0.50) (0.90, 1.00, 1.00) (0.63, 0.83, 0.97) L 21 (0.70, 0.90, 1.00) (0.50, 0.70, 0.90) (0.37, 0.57, 0.77) (0.70, 0.90, 1.00) L 22 (0.77, 0.93, 1.00) (0.63, 0.83, 0.97) 0.43, 0.63, 0.83) (0.77, 0.93, 1.00) L 23 (0.50, 0.70, 0.87) (0.50, 0.70, 0.87) (0.77, 0.90, 0.97) (0.83, 0.97, 1.00) L 24 (0.50, 0.70, 0.87) (0.50, 0.70, 0.87) (0.63, 0.80, 0.93) (0.57, 0.73, 0.87) L 25 (0.63, 0.83, 0.97) (0.50, 0.70, 0.87) (0.37, 0.57, 0.73) (0.50, 0.70, 0.90) Birinci kriterin alternatiflerden aldığı en büyük üçgen bulanık sayısı (7.67,9.33,10) değeridir. Bu sayının üçüncü değeri ise 10 dur. Dolayısıyla bu değer birinci kriterin normalizasyon iģlemi için payda kısmında 111

134 yer alacak değerdir. Birinci alternatifin birinci kriteri göre normalize edilmiģ üçgen bulanık sayısının hesaplanması aģağıda gösterilmiģtir. ), üçgen bulanık sayısı elde edilir. Adım 6: Ağırlıklı normalize edilmiģ bulanık karar matrisi ( ) (21) numaralı eģitlikle hesaplanarak oluģturulmuģtur. Bulanık karar matrisindeki her alternatifin L i kriterine göre aldığı üçgen bulanık sayı ile bu kriterin bulanık önem ağırlığı değeri (w i ) çarpılmıģ ve ağırlıklı normalize edilmiģ bulanık karar matrisi oluģturulmuģtur. Örneğin birinci alternatifin birinci kritere göre ağırlıklı normalize edilmiģ değeri Ģu Ģekilde hesaplanmıģtır;. [ ] Ağırlıklı normalize edilmiģ bulanık karar matrisindeki her bulanık sayısı, normalize edilmiģ pozitif üçgen bulanık sayıdır ve bu değer 0 ile 1 ölçek değeri arasındadır. Ağırlıklı normalize edilmiģ bulanık karar matrisi Tablo-41 de gösterilmiģtir. 112

135 Tablo-41: Ağırlıklı Normalize EdilmiĢ Bulanık Karar Matrisi A 1 A 2 A 3 A 4 L 1 (0.29, 0.50, 0.68) (0.24, 0.45, 0.66) (0.06, 0.20, 0.38) (0.29, 0.48, 0.66) L 2 (0.54, 0.77, 0.89) (0.19, 0.35, 0.57) (0.17, 0.32, 0.51) (0.28, 0.51, 0.72) L 3 (0.40, 0.66, 0.87) (0.59, 0.83, 0.93) (0.12, 0.26, 0.46) (0.54, 0.80, 0.93) L 4 (0.40, 0.64, 0.83) (0.17, 0.37, 0.60) (0.17, 0.37, 0.60) (0.29, 0.52, 0.74) L 5 (0.47, 0.72, 0.88) (0.35, 0.59, 0.82) (0.18, ) (0.18, 0.39, 0.62) L 6 (0.50, 0.78, 0.91) (0.50, 0.78, 0.94) (0.60, 0.84, 0.94) (0.12, 0.32, 0.53) L 7 (0.45, 0.69, 0.85) (0.06, 0.12, 0.31) (0.34, 0.57, 0.79) ( , 0.71) L 8 (0.50, 0.75, 0.90) (0.45, 0.70, 0.87) (0.19, 0.40, 0.63) (0.19, 0.40, 0.63) L 9 (0.53, 0.79, 0.93) (0.30, 0.54, 0.77) (0.44, 0.68, 0.86) (0.16, 0.37, 0.59) L 10 (0.40, 0.64, 0.85) (0.54, 0.78, 0.91) (0.12, 0.31, 0.52) (0.40, 0.64, 0.85) L 11 (0.28, 0.51, 0.73) (0.37, 0.60, 0.76) (0.16, 0.35, 0.58) (0.34, 0.57, 0.76) L 12 (0.34, 0.59, 0.81) (0.34, 0.59, 0.81) (0.16, 0.31, 0.53) (0.27, 0.50, 0.72) L 13 (0.48, 0.73, 0.89) (0.56, 0.79, 0.89) (0.23, 0.45, 0.68) (0.35, 0.60, 0.83) L 14 (0.44, 0.69, 0.85) (0.13, 0.32, 0.54) (0.17, 0.37, 0.60) (0.52, 0.74, 0.85) L 15 (0.33, 0.58, 0.79) (0.16, 0.35, 0.57) (0.44, 0.67, 0.82) (0.26, 0.48, 0.74) L 16 (0.37, 0.63, 0.85) (0.18, 0.38, 0.61) (0.49, 0.73, 0.88) (0.33, 0.58, 0.79) L 17 (0.37, 0.63, 0.82) (0.23, 0.44, 0.69) (0.41, 0.65, 0.82) (0.37, 0.63, 0.82) L 18 (0.27, 0.48, 0.68) (0.19, 0.38, 0.61) (0.34, 0.54, 0.68) (0.19, 0.38, 0.61) L 19 (0.45, 0.70, 0.86) (0.49, 0.72, 0.86) (0.25, 0.47, 0.72) (0.33, 0.57, 0.81 L 20 (0.32, 0.56, 0.78) (0.08, 0.20, 0.40) (0.46, 0.67, 0.81) (0.32, ) L 21 (0.39, 0.66, 0.85) (0.28, 0.51, 0.77) (0.20, 0.41, 0.65) (0.39, 0.66, 0.85) L 22 (0.38, 0.62, 0.80) (0.31, 0.55, 0.78) (0.21, 0.42, 0.67) (0.38, 0.62, 0.80) L 23 (0.24, 0.46, 0.69) (0.24, 0.46, 0.69) (0.37, 0.59, 0.77) (0.40, 0.64, 0.80) L 24 (0.25, 0.47, 0.69) (0.25, 0.47, 0.69) (0.32, 0.53, 0.74) (0.28, 0.49, 0.69) L 25 (0.31, 0.56, 0.78) (0.25, 0.47, 0.70) (0.18, 0.38, 0.59) ( , 0.72) Adım 7: Tüm alternatiflerin en iyi (A*) ve en kötü ( ) bulanık değerlerden uzaklığını gösteren bulanık pozitif ideal çözüm (BPĠÇ, ) ve bulanık negatif ideal çözüm (BNĠÇ, ) değerleri hesaplanmıģtır. Bu problemde yirmi beģ kriter alternatiflerin değerlendirilmesinde kullanılmaktadır. Dolayısıyla n=25 olacağından ve kümesi aģağıdaki Ģekilde oluģturulmuģtur; 113

136 , [ ], [ ] ve üçgen bulanık değerleri için alternatiflerin her bir kriterden aldığı en iyi ve en kötü değerler belirlenek yapılan hesaplama sonucuna göre de alternatiflerin sıralamasında bir değiģiklik olmamıģtır. Adım 8: Alternatiflerin normalize edilmiģ bulanık karar matrisindeki kriter değerlerinin, en iyi bulanık pozitif ideal çözüm değeri ( ) ile en kötü bulanık negatif ideal çözüm ( ) değerlerinden olan uzaklıkları (24) numaralı formül kullanılarak hesaplanmıģtır. Örneğin A alternatif yeri için birinci kriterden aldığı normalize edilmiģ bulanık değerin BPĠÇ ve BNĠÇ değerlerinden uzaklıkları aģağıdaki Ģekilde hesaplanmıģtır. [ ] [ ] [ ] [ ] 114

137 [ ] [ ] Alternatiflerin BPĠÇ ten ve BNĠÇ ten olan uzaklık değerleri sırasıyla Tablo-42 ve Tablo-43 de gösterilmiģtir. Tablo-42: Alternatiflerin Bulanık Pozitif Ġdeal Çözümden Uzaklıkları KRĠTERLER d(a 1, A*) d(a 2, A*) d(a 3, A*) d(a 4, A*) L L L L L L L L L L L L L L L L L L L L L L L L L

138 Tablo-43: Alternatiflerin Bulanık Negatif Ġdeal Çözümden Uzaklıkları KRITERLER d(a 1, A*) d(a 2, A*) d(a 3, A*) d(a 4, A*) L L L L L L L L L L L L L L L L L L L L L L L L L Tablo-43 de dört alternatif yerin her alternatiflerin her bir kritere göre BNĠÇ ten olan uzaklıkları görülmektedir. Daha sonra (25) numaralı formülü kullanarak bir alternatif yerin tüm kriterler için BPĠÇ ten olan uzaklıkları toplanmıģtır. Bu değer o alternatifin BPĠÇ ten olan toplam uzaklığını ( ) göstermektedir. Aynı Ģekilde, her bir alternatif yerin BNĠÇ ten olan uzaklık değerleri (26) numaralı formül yardımıyla toplanmıģtır. Bu değer alternatifi o alternatifin BNĠÇ den olan toplam uzaklığını ( ) göstermektedir. Alternatiflerin ( ) ve ( ) değerleri sırasıyla Tablo-44 de gösterilmiģtir 116

139 Tablo-44: Alternatiflerin ( ) değeri ( ) değerleri A 1 A 2 A 3 A 4 d i + d i Adım 9: Her bir alternatifin yakınlık katsayısı değerleri ( ) (27) numaralı formül yardımıyla hesaplanmıģtır. Alternatiflerin yakınlık katsayı değerleri aģağıda hesaplanmıģtır; Adım 10: Yakınlık katsayısı değerlerine göre alternatiflerin büyükten küçüğe doğru sıralaması yapılmıģtır. Alternatif yerler, yer seçimi probleminde yer alan kriterler ile üç üst düzey yönetici tarafından yapılan değerlendirmeye göre, yakınlık katsayısı büyükten küçüğe doğru Ģeklinde sıralanmıģtır. Bu sonuca göre en iyi alternatif yer alternatifidir. Ġkinci sırada alternatifi gelmektedir. Üçüncü sırada alternatifi, son sırada ise alternatifi yer almıģtır. Tablo-4 göre A 1 alternatifi kabul edilir kabul koģulu ile tercih edilebilir. 117

140 b. Bulanık VIKOR Yöntemi veriler ele alınmıģtır. Bulanık VIKOR yöntemi uygulaması için aynı jenerik problem ve Adım 1: Ġkmal merkezi yer seçimi problemi için jenerik problemde yer alan dört adet alternatif yer, yirmi beģ adet karar kriteri ve üç üst düzey yöneticiden oluģan bir karar verici grubu belirlenmiģtir. Adım 2: Karar vericilerin alternatifleri kriterler göre değerlendirmesinde kullanılmak üzere Tablo-3 de yer alan dilsel değiģkenler ile bununla eģdeğere sahip üçgen bulanık sayılar seçilmiģtir. Adım 3: Karar vericilerin dilsel değiģkenler ile ifade ettiği alternatiflerin kriterlere göre değerlendirmeleri ve kriter önem ağırlıkları daha önce sırasıyla Tablo-34 de ve Ek-B de sunulmuģtur. Aynı Ģekilde dilsel değiģkenler ile ifade edilen bu değerlendirmeler bulanık TOPSIS uygulaması bölümü içinde üçgen bulanık sayı değerlerine dönüģtürülmüģtür. Ġlk üç ve son üç karar vericiye ait kriter önem ağırlığı değerlendirmelerinin üçgen bulanık sayıya dönüģtürülmüģ hali Tablo-36 da karar vericilerin alternatifleri kriterlere göre değerlendirmelerinin üçgen bulanık sayıya dönüģtürülmüģ hali Tablo-37 de gösterilmiģtir. Bulanık kriter önem ağırlıklarının bütünleģtirilmesi ve alternatiflerin kriterler göre aldığı bulanık değerlerinin birleģtirilmesi TOPSIS uygulamasında yapıldığı için bu bölümde tekrar hesaplanmamıģ ve aynı değerlerden faydalanılmıģtır. Adım 4: Bulanık karar matrisi oluģturulmuģtur. Bulanık karar matrisi bulanık Tablo-45 de yer almaktadır. Bulanık karar matrisi karar vericilerin alternatifleri kriterler göre değerlendirmelerinin tek bir üçgen bulanık sayıya dönüģtürülmesi ile oluģturulmuģtur. 118

141 Tablo-45: Bulanık Karar Matrisi A 1 A 2 A 3 A 4 L 1 (7.67, 9.33, 10.00) (6.33, 8.33, 9.67) (1.67, 3.67, 5.67) (7.67, 9.00, 9.67) L 2 (8.33, 9.67, 10.00) (3.00, 4.33, 6.33) (2.67, 4.00, 5.67) (4.33, 6.33, 8.00) L 3 (5.67, 7.67, 9.33) (8.33, 9.67, 10.00) (1.67, 3.00, 5.00) (7.67, 9.33, 10.00) L 4 (7.00, 8.67, 9.67) (3.00, 5.00, 7.00) (3.00, 5.00, 7.00) (5.00, 7.00, 8.67) L 5 (7.67, 9.33, 10.00) (5.67, 7.67, 9.33) (3.00, 4.33, 6.33) (3.00, 5.00, 7.00) L 6 (7.00, 9.00, 9.67) (7.00, 9.00, 10.00) (8.33, 9.67, 10.00) (1.67, 3.67, 5.67) L 7 (7.67, 9.33, 10.00) (1.00, 1.67, 3.67) (5.67, 7.67, 9.33) (4.33, 6.33, 8.33) L 8 (7.67, 9.33, 10.00) (7.00, 8.67, 9.67) (3.00, 5.00, 7.00) (3.00, 5.00, 7.00) L 9 (7.67, 9.33, 10.00) (4.33, 6.33, 8.33) (6.33, 8.00, 9.33) (2.33, 4.33, 6.33 L 10 (5.67, 7.67, 9.33) (7.67, 9.33, 10.00) (1.67, 3.67, 5.67) (5.67, 7.67, 9.33) L 11 (6.33, 8.33, 9.67) (8.33, 9.67, 10.00) (3.67, 5.67, 7.67) (7.67, 9.33, 10.00) L 12 (6.33, 8.33, 9.67) (6.33, 8.33, 9.67) (3.00, 4.33, 6.33) (5.00, 7.00, 8.67) L 13 (7.67, 9.33, 10.00) (9.00, 10.00, 10.00) (3.67, 5.67, 7.67) (5.67, 7.67, 9.33) L 14 (7.67, 9.33, 10.00) (2.33, 4.33, 6.33) (3.00, 5.00, 7.00) (9.00, 10.00, 10.00) L 15 (6.33, 8.33, 9.67) (3.00, 5.00, 7.00) (8.33, 9.67, 10.00) (5.00, 7.00, 9.00) L 16 (6.33, 8.33, 9.67) (3.00, 5.00, 7.00) (8.33, 9.67, 10.00) (5.67, 7.67, 9.00) L 17 (7.00, 9.00, 10.00) (4.33, 6.33, 8.33) (7.67, 9.33, 10.00) (7.00, 9.00, 10.00) L 18 (7.00, 9.00, 10.00) (5.00, 7.00, 9.00) (9.00, 10.00, 10.00) (5.00, 7.00, 9.00) L 19 (7.67, 9.33, 10.00) (8.33, 9.67, 10.00) (4.33, 6.33, 8.33) (5.67, 7.67, 9.33) L 20 (6.33, 8.33, 9.67) (1.67, 3.00, 5.00) (9.00, 10.00, 10.00) (6.33, 8.33, 9.67) L 21 (7.00, 9.00, 10.00) (5.00, 7.00, 9.00) (3.67, 5.67, 7.67) (7.00, 9.00, 10.00) L 22 (7.67, 9.33, 10.00) (6.33, 8.33, 9.67) (4.33, 6.33, 8.33) (7.67, 9.33, 10.00) L 23 (5.00, 7.00, 8.67) (5.00, 7.00, 8.67) (7.67, 9.00, 9.67) (8.33, 9.67, 10.00) L 24 (5.00, 7.00, 8.67) (5.00, 7.00, 8.67) (6.33, 8.00, 9.33) (5.67, 7.33, 8.67) L 25 (6.33, 8.33, 9.67) (5.00, 7.00, 8.67) (3.67, 5.67, 7.33) (5.00, 7.00, 9.00) Adım 5: Bulanık karar matrisinde yer alan ve fayda açılı değerlendirilen her bir kritere ait en iyi ( ) ve en kötü ( ) bulanık değerler (33) numaralı eģitlik yardımıyla bulanık karar matrisinden faydalanılarak belirlenmiģ ve Tablo-46 da gösterilmiģtir. 119

142 Tablo-46: Kriterlerin En Ġyi ve En Kötü Değerleri L 1 (7.67, 9.33, 10.00) (1.67, 3.67, 5.67) L 2 (8.33, 9.67, 10.00) (2.67, 4.00, 5.67) L 3 (8.33, 9.67, 10.00) (1.67, 3.00, 5.00) L 4 (7.00, 8.67, 9.67) (3.00, 5.00, 7.00) L 5 (7.67, 9.33, 10.00) (3.00, 4.33, 6.33) L 6 (8.33, 9.67, 10.00) (1.67, 3.67, 5.67) L 7 (7.67, 9.33, 10.00) (1.00, 1.67, 3.67) L 8 (7.67, 9.33, 10.00) (3.00, 5.00, 7.00) L 9 (7.67, 9.33, 10.00) (2.33, 4.33, 6.33) L 10 (7.67, 9.33, 10.00) (1.67, 3.67, 5.67) L 11 (8.33, 9.67, 10.00) (3.67, 5.67, 7.67) L 12 (6.33, 8.33, 9.67) (3.00, 4.33, 6.33) L 13 (9.00, 10.00, 10.00) (3.67, 5.67, 7.67)) L 14 (9.00, 10.00, 10.00) (2.33, 4.33, 6.33) L 15 (8.33, 9.67, 10.00) (3.00, 5.00, 7.00) L 16 (8.33, 9.67, 10.00) (3.00, 5.00, 7.00) L 17 (7.67, 9.33, 10.00) (4.33, 6.33, 8.33) L 18 (9.00, 10.00, 10.00) (5.00, 7.00, 9.00) L 19 (8.33, 9.67, 10.00) (4.33, 6.33, 8.33) L 20 (9.00, 10.00, 10.00) (1.67, 3.00, 5.00) L 21 (7.00, 9.00, 10.00) (3.67, 5.67, 7.67) L 22 (7.67, 9.33, 10.00) (4.33, 6.33, 8.33) L 23 (8.33, 9.67, 10.00) (5.00, 7.00, 8.67) L 24 (6.33, 8.00, 9.33) (5.00, 7.00, 8.67) L 25 (6.33, 8.33, 9.67) (3.67, 5.67, 7.33) Bir alternatifin her bir kriterin açısından en iyi kriter değerine olan uzaklıkları hesaplanarak Tablo-47 de gösterilmiģtir. 120

143 Tablo-47: Alternatiflerin Her Bir Kriter Açısından En Ġyi Kriter Değerine Olan Uzaklık Değerleri SA 1 SA 2 SA 3 SA 4 L 1 (0.00, 0.00, 0.00) (0.09, 0.09, 0.05) (0.38, 0.54, 0.68) (0.00, 0.03, 0.05) L 2 (0.00, 0.00, 0.00) (0.61, 0.75, 0.76) (0.64, 0.80, 0.89) (0.45, 0.47, 0.41) L 3 (0.28, 0.26, 0.12) (0.00, 0.00, 0.00) (0.71, 0.85, 0.93) (0.07, 0.04, 0.00) L 4 (0.00, 0.00, 0.00) (0.58, 0.74, 0.86) (0.58, 0.74, 0.86) (0.29, 0.34, 0.32) L 5 (0.00, 0.00, 0.00) (0.26, 0.26, 0.16) (0.61, 0.77, 0.88) (0.61, 0.67, 0.72) L 6 (0.14, 0.10, 0.07) (0.14, 0.10, 0.00) (0.00, 0.00, 0.00) (0.72, 0.86, 0.94) L 7 (0.00, 0.00, 0.00) (0.59, 0.74, 0.85) (0.18, 0.16, 0.09) (0.30, 0.29, 0.22) L 8 (0.00, 0.00, 0.00) (0.09, 0.12, 0.10) (0.65, 0.81, 0.90) (0.65, 0.81, 0.90) L 9 (0.00, 0.00, 0.00) (0.44, 0.51, 0.42) (0.17, 0.23, 0.17) (0.70, 0.85, 0.93) L 10 (0.23, 0.25, 0.14) (0.00, 0.00, 0.00) (0.70, 0.84, 0.91) (0.23, 0.25, 0.14) L 11 (0.19, 0.21, 0.11) (0.00, 0.00, 0.00) (0.45, 0.62, 0.76) (0.06, 0.05, 0.00) L 12 (0.00, 0.00, 0.00) (0.00, 0.00, 0.00) (0.54, 0.71, 0.84) (0.22, 0.24, 0.25) L 13 (0.16, 0.12, 0.00) (0.00, 0.00, 0.00) (0.62, 0.79, 0.89) (0.39, 0.42, 0.25) L 14 (0.12, 0.09, 0.00) (0.58, 0.74, 0.85) (0.52, 0.65, 0.70) (0.00, 0.00, 0.00) L 15 (0.20, 0.20, 0.09) (0.53, 0.69, 0.82) (0.00, 0.00, 0.00) (0.33, 0.40, 0.27) L 16 (0.22, 0.22, 0.10) (0.59, 0.76, 0.88) (0.00, 0.00, 0.00) (0.29, 0.32, 0.29) L 17 (0.11, 0.08, 0.00) (0.53, 0.70, 0.82) (0.00, 0.00, 0.00) (0.11, 0.08, 0.00) L 18 (0.19, 0.18, 0.00) (0.38, 0.54, 0.68) (0.00, 0.00, 0.00) (0.38, 0.54, 0.68) L 19 (0.10, 0.07, 0.00) (0.00, 0.00, 0.00) (0.58, 0.75, 0.86) (0.39, 0.45, 0.35) L 20 (0.18, 0.16, 0.05) (0.51, 0.67, 0.81) (0.00, 0.00, 0.00) (0.18, 0.16, 0.05) L 21 (0.00, 0.00, 0.00) (0.33, 0.44, 0.37) (0.56, 0.73, 0.85) (0.00, 0.00, 0.00) L 22 (0.00, 0.00, 0.00) (0.20, 0.22, 0.16) (0.49, 0.67, 0.80) (0.00, 0.00, 0.00) L 23 (0.49, 0.66, 0.80) (0.49, 0.66, 0.80) (0.10, 0.16, 0.20) (0.00, 0.00, 0.00) L 24 (0.50, 0.66, 0.80) (0.50, 0.66, 0.80) (0.00, 0.00, 0.00) (0.25, 0.44, 0.80) L 25 (0.00, 0.00, 0.00) (0.25, 0.33, 0.34) (0.50, 0.67, 0.80) (0.25, 0.33, 0.23) Bir alternatifin her bir kriterin açısından en kötü kriter değerine olan uzaklıkları hesaplanarak Tablo-48 de gösterilmiģtir. 121

144 Tablo-48: Alternatiflerin Her Bir Kriter Açısından En kötü Kritere Değerine Olan Uzaklık Değerleri RA 1 RA 2 RA 3 RA 4 L 1 (0.00, 0.00, 0.00) (0.09, 0.09, 0.05) (0.38, 0.54, 0.68) (0.00, 0.03, 0.05) L 2 (0.00, 0.00, 0.00) (0.61, 0.75, 0.76) (0.64, 0.80, 0.89) (0.45, 0.47, 0.41) L 3 (0.28, 0.26, 0.12) (0.00, 0.00, 0.00) (0.71, 0.85, 0.93) (0.07, 0.04, 0.00) L 4 (0.00, 0.00, 0.00) (0.58, 0.74, 0.86) (0.58, 0.74, 0.86) (0.29, 0.34, 0.32) L 5 (0.00, 0.00, 0.00) (0.26, 0.26, 0.16) (0.61, 0.77, 0.88) (0.61, 0.67, 0.72) L 6 (0.14, 0.10, 0.07) (0.14, 0.10, 0.00) (0.00, 0.00, 0.00) (0.72, 0.86, 0.94) L 7 (0.00, 0.00, 0.00) (0.59, 0.74, 0.85) (0.18, 0.16, 0.09) (0.30, 0.29, 0.22) L 8 (0.00, 0.00, 0.00) (0.09, 0.12, 0.10) (0.65, 0.81, 0.90) (0.65, 0.81, 0.90) L 9 (0.00, 0.00, 0.00) (0.44, 0.51, 0.42) (0.17, 0.23, 0.17) (0.70, 0.85, 0.93) L 10 (0.23, 0.25, 0.14) (0.00, 0.00, 0.00) (0.70, 0.84, 0.91) (0.23, 0.25, 0.14) L 11 (0.19, 0.21, 0.11) (0.00, 0.00, 0.00) (0.45, 0.62, 0.76) (0.06, 0.05, 0.00) L 12 (0.00, 0.00, 0.00) (0.00, 0.00, 0.00) (0.54, 0.71, 0.84) (0.22, 0.24, 0.25) L 13 (0.16, 0.12, 0.00) (0.00, 0.00, 0.00) (0.62, 0.79, 0.89) (0.39, 0.42, 0.25) L 14 (0.12, 0.09, 0.00) (0.58, 0.74, 0.85) (0.52, 0.65, 0.70) (0.00, 0.00, 0.00) L 15 (0.20, 0.20, 0.09) (0.53, 0.69, 0.82) (0.00, 0.00, 0.00) (0.33, 0.40, 0.27) L 16 (0.22, 0.22, 0.10) (0.59, 0.76, 0.88) (0.00, 0.00, 0.00) (0.29, 0.32, 0.29) L 17 (0.11, 0.08, 0.00) (0.53, 0.70, 0.82) (0.00, 0.00, 0.00) (0.11, 0.08, 0.00) L 18 (0.19, 0.18, 0.00) (0.38, 0.54, 0.68) (0.00, 0.00, 0.00) (0.38, 0.54, 0.68) L 19 (0.10, 0.07, 0.00) (0.00, 0.00, 0.00) (0.58, 0.75, 0.86) (0.39, 0.45, 0.35) L 20 (0.18, 0.16, 0.05) (0.51, 0.67, 0.81) (0.00, 0.00, 0.00) (0.18, 0.16, 0.05) L 21 (0.00, 0.00, 0.00) (0.33, 0.44, 0.37) (0.56, 0.73, 0.85) (0.00, 0.00, 0.00) L 22 (0.00, 0.00, 0.00) (0.20, 0.22, 0.16) (0.49, 0.67, 0.80) (0.00, 0.00, 0.00) L 23 (0.49, 0.66, 0.80) (0.49, 0.66, 0.80) (0.10, 0.16, 0.20) (0.00, 0.00, 0.00) L 24 (0.50, 0.66, 0.80) (0.50, 0.66, 0.80) (0.00, 0.00, 0.00) (0.25, 0.44, 0.80) L 25 (0.00, 0.00, 0.00) (0.25, 0.33, 0.34) (0.50, 0.67, 0.80) (0.25, 0.33, 0.23) 122

145 Adım 6: Tüm kriterlere göre alternatifin en iyi bulanık değere olan uzaklıklarının toplamını gösteren değerleri (34) numaralı eģitlik ile hesaplanmıģtır. alternatifinin j nci kritere göre en iyi bulanık değerlerinden olan maksimum uzaklık değerini ifade eden değeri (35) numaralı eģitlik ile hesaplanmıģtır. Her alternatifin ve Değerleri Tablo-49 da gösterilmiģtir. Tablo-49: ve Değerleri A 1 (3.11, 3.24, 2.28) (0.50, 0.66, 0.80) A 2 (7.67, 9.73, 10.52) (0.61, 0.76, 0.88) A 3 (8.99, 11.48, 13.02) (0.71, 0.85, 0.93) A 4 (6.87, 8.04, 7.82) (0.72, 0.86, 0.94) Adım 7: Bir sonraki adımda ve değerleri (36) numaralı eģitlik ile, ve değerleri (37) numaralı eģitlik ile hesaplanmıģtır. Burada, değeri, maksimum çoğunluk kuralını ya da maksimum grup faydası olan nin minimum değerini, değeri ise farklı görüģteki kiģilerin minimum piģmanlığı olan nin minimum değerini gösterir. ve değerleri ile ve değerleri Tablo-50 de gösterilmiģtir. Tablo-50:,, ve Değerleri S* (3.11, 3.24, 2.28) R* (0.50, 0.66, 0.80) S- (8.99, 11.48, 13.02) R- (0.72, 0.86, 0.94) Bir sonraki iģlem ise, hem grup faydasına hem de karģıt görüģtekilerin minimum bireysel piģmanlığına dayalı olan değerini elde etmektir. değeri ise (38) numaralı eģitlik yardımıyla hesaplanmıģtır. Buradaki değeri, maksimum grup faydası sağlayan stratejinin önemini 123

146 göstermektedir. UzlaĢık çözüm için alternatifi için Ģu Ģekilde hesaplanmıģtır; 0.5 değeri kullanılmıģtır. Örneğin ( ) ( ) ( ) ( ) değeri elde edilir. Adım 8: üçgen bulanık değerleri durulaģtırılır ve alternatifler değerine göre sıralanır. Bir bulanık sayının net değerleri dönüģtürülmesinde birçok durulaģtırma stratejisi bulunmaktadır. Bu çalıģmada üçgen bulanık sayının ortalaması alınarak kesin sayıya dönüģtürülmüģtür. Bulunan ortalamalara göre, ve indeks değerleri Tablo-51 de gösterilmiģtir. Tablo-51:, ve Ġndeks Değerleri Alternatifler Sırası Değeri Sırası Değeri Sırası Değeri A A A A değerine göre en iyi alternatif A 1 alternatif yeridir. Daha sonra sırasıyla A 2, A 4 ve A 3 alternatifleri gelmektedir. Adım 9: Tek bir alternatif için uzlaģık çözüm ( ) karar verilip verilemeyeceği durumu için aģağıda gösterilen iki kabul edilebilir koģulun karģılanıp karģılanmadığı kontrol edilmiģtir 124

147 1 inci koģul (C 1 ) Kabul edilebilir avantaj: En iyi ikinci alternatif değeri ile birinci alternatif değeri arasındaki fark, değerine eģit ya da bu değerden büyük olmalıdır. değeri için dört alternatif yer olduğundan (39) numaralı eģitlik gereği 0.25 değeri alınmıģtı. Birinci koģulun karģılanıp karģılanmadığı (39) numaralı eģitlik yardımıyla aģağıdaki Ģekilde hesaplanmıģtır; alternatif sayısı dört olduğundan değeri için 0.25 değeri alınmıģtır. eģitliği sağlanmıģtır. Birinci koģul karģılanmıģtır. 2 inci koģul (C 2 ) Karar vermede kabul edilebilir istikrar: En iyi alternatif aynı zamanda S ve/veya R sıralama değerlerinde de en iyi alternatif olmalıdır. Alternatiflerin S ve R değerleri Tablo-52 de gösterilmiģtir. A 1 alternatifinin S ve R indeks değerlerinde de birinci olduğu görülmektedir. Ġkinci koģulda sağlanmıģtır. Tablo-52: Alternatiflerin S ve R Değerleri S S değeri sırası R R değeri sırası A A A A Adım 10: En iyi uzlaģık çözüm olarak A 1 alternatifi seçilir. Diğer alternatiflerin sıralaması ise aģağıda gösterilmiģtir. A 1 > A 2 > A 4 > A 3 Bulanık VIKOR metodunda maksimum grup faydasını sağlayan strateji için uzlaģık değeri ifade eden değeri alternatiflerin sıralamasında 125

148 önemli rol oynamaktadır. Bu sıralamadaki farkı incelemek ve değerlendirmek için ye 0.2, 0.4, 0.6, 0.8 ve 1.0 değerleri atanmıģtır. Farklı değerleri ile elde edilen değerler ile alternatiflerin sıralanması Tablo 53 de gösterilmiģtir Tablo-53:Alternatiflerin Farklı Değerleri ile Sıralanması Altf. Sıra Sıra Sıra Sıra Sıra A A A A Tablo-54 de alternatiflerin değerleri incelendiğinde, A 1 alternatifinin tüm değerleri için birinci sırayı aldığı görülmektedir. Aynı Ģekilde A 4 alternatifinin de sıralaması değiģmemiģ ve son sırada yer almıģtır. A 2 ve A 3 alternatiflerin sıralamasının değiģtiren değerleri 0.8 ve 1.0 olmuģtur. Bu değerlerde A 2 alternatifi üçüncü sıraya gerilemiģ, A 4 alternatifi ikinci sıraya yükselmiģtir. c. SMAA-2 Metodu Literatürde, karar destek süreci genellikle karar vericilerden alınan tercih bilgilerine dayalı olarak alternatiflerin bir sıralamasını yapar ve en iyi alternatifi bulmaya çalıģmaktadır. SMAA metodu alternatiflerin kriter değerlerinin ve kriter ağırlıklarının kesin olarak bilinmediği durumlar için geliģtirilmiģtir. Bu metot ağırlık uzayını keģfetmeye dayalı birden fazla karar verici için bir, çok ölçütlü/kriterli karar destek tekniğidir. Kesin olmayan ya da belirsiz veri girdileri olasılık dağılımları olarak gösterilmektedir (Lahdelma vd., 1998). 126

149 SMAA metodu, alternatiflerin kriter değerlerinin ve kriter ağırlıklarının kamusal, politik ve benzeri nedenlerle karar vericilerin tercihlerini açıkça ifade edemediği ya da karar vericilerden bu bilgilerin temin edilemediği, eksik veya kesin olmayan kesikli ÇKKV problemlerinin çözümü için geliģtirilmiģtir (Tervonen ve Lahdelma, 2007; Karabay,2013). SMAA metotları Monte Carlo simülasyonu kullanarak problemlere çözüm üretmektedir. Bu yöntemlerde, problemlerin el ile çözümü mümkün değildir. Ancak, SMAA-2 ve SMAA-TRI uygulamalarını kullanan problemlerin çözümü için JSMAA programı geliģtirilmiģtir. Java tabanlı bu program, ÇKKV problemlerine SMAA-2 ve SMAA-TRI uygulamalarına grafiksel ve sayısal değerlendirme tabloları sunarak çözüm üretmektedir. JSMAA programı açık kaynak olarak internette bulunmaktadır (SMAA.fi [web], 2014]. Bu bölümde aynı problem, aynı kriter önem ağırlığı ve kriter değerleri ile JSMAA yazılım programı kullanılarak çözülmüģtür. Jenerik problem JSMAA programı yardımıyla çözüldüğünde elde edilen sonuçlar ġekil-9 da gösterilmiģtir. ġekil-9: SMAA-2 Metodu ile Elde Edilen Sonuçlar 127

150 SMAA-2 metodunda alternatiflerin değerlendirilmesinde sıra kabul edilebilirlik indisine bakılarak karar verilir. Kriter ve ağırlıklarının kesin değerler ile değerlendirildiğinde tüm alternatiflerin yüzde yüzlük olasılıkla sıralandıkları görülmektedir. Burada birinci alternatifin kesinlikle A 1 alternatifi, ikinci alternatifin A 4, diğer alternatifler A 2 ve A 3 ün sırasıyla 3 ve 4 üncü alternatifler olduğu görülmektedir. Ancak gerçek hayat problemlerinde, tüm değerlere kesin olarak ulaģabilmek her zaman mümkün değildir. Ayrıca çok sayıda karar vericinin olduğu bir ÇKKV probleminde söz konusu değerlerin kesin değerlerle ya da uzlaģık bir değerle doğru Ģekilde belirlenmesi da oldukça zordur. Bu kesin olmayan ya da eksik bilgiye dayalı tercih değerleri, kriter önem ağırlıkları ya da alternatiflerin kriterlere göre aldığı değerler olabilir. Örneğin alternatif yerlerden biri ile desteklediği birim arasındaki ulaģım zamanını kesin değerler ile ifade etmek güçtür. Birçok etken bu sürenin beklenen zamandan uzun veya kısa olmasına neden olabilir. Aynı Ģekilde afet sayısına göre bir yerde meydana gelen afetlerin büyüklüğünü tek bir kesin değerle ifade edebilmek mümkün değildir. Ancak bu değerleri bir aralık değer ya da bir dağılım olarak göstermek daha uygun olabilir. Bu tür kriterlere trafik yoğunluğu, hava kalitesi, nüfus sayısı, suç oranı, tedarik maliyetleri, çalıģma imkânı vb. gibi bir çok kriter örnek gösterilebilir. SMAA-2 metodu ile alternatiflerin kriterlere göre değerlendirilmesinde kesin değerler ile değerlendirilen bazı kriterler, üç üst düzey yönetici tarafından aralık değerleri ile yeniden değerlendirilmiģ ve bu değerler Tablo-54 de gösterilmiģtir. Yapılan değerlendirme ile kriterlerin bir kısmı kesin değerler olarak değil, olması muhtemel karar tercihleriyle ya da elde edilen veriler ile gösterilmiģtir. 128

151 Tablo-54: SMAA-2 Metodu için Alternatiflerin Kriterlere Göre Aldığı Değer ALTERNATĠFLERĠN KRĠTERLERE GÖRE DEĞERĠ Birimi A 1 A 2 A 3 A 4 L 1 Km L 2 Afet olayı L 3 Km L 4 Puan 5,67 5,00 5,00 6,89 L 5 Puan 7,56 4,33 5,22 5,00 L 6 Ġndeks 2, , , ,74868 L 7 Suç dosyası 306 ± ± ± ± 60 L 8 Ort. Değer 64 ± 21,2 58 ± 21,1 67 ± 21,9 67 ± 21,9 L 9 Km. 20,69 26,68 21,87 27,16 L 10 Kadro sayısı ± ± ± ± L 11 Km L 12 Km L 13 Km. 28,48 16,73 65,85 37,44 L 14 Km L 15 Km ,6 263,89 462,1 L 16 Km L 17 Araç sayısı ± ± ± ± L 18 Br. Maliyet 1,3 ± 0.2 1,6 ± 0.1 1,4 ± 0.4 1,5 ± 0.3 L 19 Dk ± ± ± ± 45 L 20 Km. 88,82 44,15 143,73 93,25 L 21 Km L 22 Km ± ± ± ± 5 L 23 Adet L 24 Br. Maliyet 1,3 1,8 1,2 1,4 1,3 1,8 1,2 1,4 L 25 TL

152 JSMAA programı ile çözümü yapılan jenerik problemin sonucu ġekil-10 da gösterilmiģtir. Sıra kabul edilebilirlik indisi alternatiflerin sıralamasını gösteren bir ölçektir. Bu ölçeğe göre alternatifin hangi olasılık değeri ile o sırayı alacağını göstermektedir. ġekil-10: Sıra Kabul Edilebilirlik Ġndisi SMAA-2 metodu, alternatiflerin sıralamasını olasılık değerleri ile ifade etmektedir. Model alternatiflerin tamamını olasılık değerleri ile bir sıraya sokmuģtur. Tüm sayılar yuvarlanılarak ve yüzde olarak ifade edilmektedir. Her sıra için alternatiflerin o sırayı alma olasılık değerleri gösterilmektedir. Örneğin, A 1 alternatifinin birinci sıra kabul edilebilirlik indis değeri 0.97 dir. Yani bu değer A 1 alternatifinin % 97 oranla birinci sıra olma olasılığını göstermektedir. Burada A 1 alternatifi ile A 4 alternatifi sıfırdan farklı değer almıģlardır. Diğer alternatifler ise sıfır değerini almıģlardır. Dolayısıyla A 2 ve A 3 alternatiflerinin birinci sırayı alma olasılığı bulunmamaktadır. Birinci sırayı 130

153 alabilecek diğer bir alternatif ise A 4 tür. Ancak bu alternatifin olasılık değeri % 3 olduğu için birinci sırayı alma olasılığı oldukça düģüktür. Burada ikinci alternatifi belirlemek istersek bunu için ikinci sıra değerine bakmamız gerekir. Sıra kabul edilebilirlik indis değerine göre A 4 alternatifinin % 97 oranında ikinci sırada olma olasılığını görmekteyiz. Aynı Ģekilde ikinci sıra için sıfırdan farklı bir değere sahip tek alternatif A 1 dir. Birinci ve ikinci sıra için A 3 ve A 4 alternatifleri sıfırdan farklı bir değer almadıkları için uygun alternatifler değillerdir. Alternatifler arasında üçüncü sıra olma olasılığı en yüksek alternatif % 75 oranı ile A 2 alternatifidir. A 3 alternatifinin ise üçüncü sırayı alma olasılığı % 25 tir. Burada A 1 ve A 4 alternatiflerinin üçüncü sırayı alma olasılığı bulunmamaktadır. Son olarak dördüncü sıra için en yüksek değeri % 75 oranı ile A 3 alternatifi almıģtır. A 2 alternatifinin oranı ise % 25 tir. Diğer alternatifler sıfır oranı aldığı için son sıra olma olasılığı bulunmamaktadır. Probleme ait hesaplanan güvenilirlik faktörü ile merkezi ağırlık vektör değerleri ġekil-11 de gösterilmiģtir. Etkin alternatiflerin ayırt edilmesinde kullanılan güvenilirlik faktörü, kriter ölçümlerinin yeterince sağlıklı ya da doğru olup olmadığı göstermektedir. Güvenilirlik faktöründe en yüksek değeri alan A 1 alternatifinin birinci sırada olmasının güvenilirlik oranı % 97 dir. A 2 ve A 3 alternatiflerinin birinci sıra olma olasılığı olmadığından program merkezi ağırlık vektörlerini hesaplamamıģtır. A4 alternatifi için ise güvenilirlik faktörü olasılık değeri % 3 olarak hesaplanmıģtır. SMAA-2 metodu da kriter önem ağırlıklarını gerçek sayı, aralık değer, sıralama ya da önem ağırlıksız olarak girilmesine müsaade etmektedir. Bununla birlikte alternatiflerin kriterlere göre aldığı değerlerinde kesin değer, aralık değer, normal dağılım, logit ve lognormal dağılım, beta dağılımı veya ayrık değer olarak girilmesine izin vermektedir. 131

154 ġekil-11: Güvenilirlik Faktörleri ile Merkezi Ağırlık Vektörleri SMAA metodunun diğer ÇKKV metotları ile karģılaģtırıldığında en önemli üstünlüklerinden bir tanesi hiçbir kriter ağırlık değeri olmadan çözüm üretebilmesidir. Jenerik problem için kriter ağırlık değerlerinin kullanılmadığı durumda, kriter ağrılıkları eģit değerler alarak çözüm üretilmektedir. Yani yirmi beģ kriter için her birinin kriter önem ağırlığı 0.04 değerini almaktadır. Kriter önem ağırlıklarının eģit değer kabul edilmesi ile elde edilen alternatiflerin sıralaması ġekil-12 de görülmektedir. Burada her alternatifin, belirli bir olasılık değeri ile o sıraya alma olasılığı görülmektedir. Örneğin; ikinci sırayı her alternatifin alabileceğini, ancak % 65 olasılıkla ikinci sıra için A 4 alternatifinin en yüksek olasılık değerine sahip olduğu, % 6 ile A 1 alternatifinin ise en düģük olasılık değerine sahip olduğu görülmektedir. 132

155 ġekil-12: EĢit Kriter Önem Ağırlığı ile Alternatiflerin Sıralanması Ayrıca burada alternatiflerin sıralamada aldığı olasılık değerleri toplamı 1 e eģittir. Örneğin, A 4 alternatifi, % 4 olasılık değeri ile 1 inci sırada, % 65 olasılık değeri ile 2 nci sırada, % 28 olasılık değeri ile 3 üncü sırada, % 3 olasılık değeri ile 4 üncü sırada olmalıdır. 5. SONUÇLARIN KARġILAġTIRILMASI VE YORUMLANMASI Ġkmal Merkezi yer seçimi jenerik probleminin çözümü için üç farklı ÇKKV yöntemi uygulanmıģtır. Uygulanan üç yöntemden biri olan SMAA-2 metodunda alternatifler; kesin değerlerle, aralık değerleriyle ve eģit ağırlık değerleriyle olmak üzere üç farklı Ģekilde değerlendirilmiģ ve üç ayrı uygulama yapılmıģtır. Elde edilen uygulama sonuçlarına göre alternatiflerin sıralaması Tablo-55 de gösterilmiģtir. 133