SELECTING THE SERVICE PROVIDER THROUGH MULTIPLE- CRITERIA DECISION MAKING TECHNIQUES

Transkript

1 ÇOK ÖLÇÜTLÜ KARAR VERME TEKNİKLERİ İLE HİZMET SAĞLAYICI SEÇİMİ Öz Aşır ÖZBEK a Tamer EREN b Hzmet sağlayıcılar ya da üçüncü part lojstk (3PL) frmalar, şletmenn ana faalyetler dışında kalan, geleneksel olarak organzasyon çnde yapılan lojstk faalyetlern tamamını ya da br kısmını yerne getren şletme dışı şrketler olarak tanımlanablr. Küreselleşen Dünya da şletmeler, rekabet avantajını kaybetmemek çn sürekl yleştrmeler yapmak durumundadırlar. İyleştrmelern yapılableceğ faalyet alanlarının en başında se lojstk gelmektedr. Bu alanda faalyet yapan 3PL frmalarıyla şbrlğne gtmek stratejk br karar almayı gerektrmektedr. Ancak bu tür frmaları seçmek karar sürecne brçok ölçütün dâhl edldğ br sürec gerektrmektedr ve kolay olmamaktadır. Bu çalışmada, çok ölçütlü karar verme (ÇÖKV) teknklernden analtk hyerarş sürec (AHS) ve TOPSIS (Technque for Order Preference by Smlarty to Ideal Soluton) yöntem brlkte uygulanarak 3PL frma seçm çn br model gelştrlmştr. Modeln ölçütler ve hyerarşk yapısı uluslararası ndeksl derglerde yayımlanan çalışmalar ncelenerek ve konusunda uzman kşlern görüşler dkkate alınarak belrlenmştr. Hyerarş, dört ana ölçüt ve her ana ölçüt altında dört alt ölçüt olmak üzere toplam yrm ölçüt ve dört adet seçenekten oluşmaktadır. İkl karşılaştırma matrslernn verler, dört kşden oluşan uzman br ekp tarafından belrlenmştr. Ölçütlern ağırlıkları AHS le, en uygun 3PL frma seçm se TOPSIS le gerçekleştrlmştr. Anahtar Kelmeler: Lojstk, Üçüncü Part Lojstk (3PL), Analtk Hyerarş Sürec (AHS), TOPSIS, Çok Ölçütlü Karar Verme (ÇÖKV), Hzmet Sağlayıcı. Abstract SELECTING THE SERVICE PROVIDER THROUGH MULTIPLE- CRITERIA DECISION MAKING TECHNIQUES Servce provders or thrd-party logstcs provders can be defned as outsde frms whch carry out some certan parts or the whole of the logstcs actvtes of a busness. Busnesses choose to work wth the 3PL frms for varous reasons such as ganng compettve advantage n the global world, focusng on the major actvtes, reducng the costs and so on. a Öğretm Görevls Dr., Kırıkkale Ünverstes, Kırıkkale Meslek Yüksekokulu, Blgsayar Teknolojler Bölümü, [email protected] b Yrd. Doç. Dr., Kırıkkale Ünverstes, Mühendslk Fakültes, Endüstr Mühendslğ Bölümü, [email protected] 1

2 However, the selecton of the servce provder s a complcated decson-makng process whch nvolves many factors. Ths study focuses on a model used for the selecton of 3PL company, developed by combnng the analytcal herarchy process (AHP), whch s a multple crtera decson makng (MCDM) technque, and the TOPSIS (Technque for Order Preference by Smlarty to Ideal Soluton) model. The ctera and the herarchcal structure of the model have been determned n the lght of the vews of the experts and scentfc communtes by examnng numerous artcles on evaluaton and rankng of 3PL selecton publshed n the nternatonal journals. The herarchcal structure conssts of 20 crtera, 4 major ones, each of whch s made up of four sub-crtera, and four optons. Parwse comparson matrx data has been determned by an expert team consstng of four people. Crtera weghts have been assessed by AHP and the TOPSIS has been used n the selecton of the most approprate 3PL company. Keywords: Logstcs, Thrd-Party Logstcs (3PL), Analytc Herarchy Process (AHP), TOPSIS, Multple-Crtera Decson Makng (MCDM), Servce Provder. 1. Grş İTO tarafından yapılan tanıma göre lojstk: Üretmde kullanılacak hammaddenn, malzemelern, mamullern ve blgnn çıkış noktasından son kullanım noktasına kadar gerekl mktarda, stenen yerde, uygun şartlarda ve stenen zamanda en az malyetle teslm edleblmes çn sürecn planlanması, uygulanması ve kontrol edlmes faalyetlern kapsar (2006:14). Üçüncü part lojstk (3PL) se şletmenn ana faalyetler dışında kalan, geleneksel olarak organzasyon çnde yapılan lojstk faalyetlernn tamamını ya da br kısmını dış kaynak kullanım (DKK) yoluyla şletme dışında k sahasında uzmanlaşmış şrketler tarafından yerne getrlmes olarak tanımlanmaktadır (Ashenbaum, vd., 2005:44). Artan rekabet karşısında avantaj elde etmek steyen şletmeler; 3PL frmaları le uzun sürel stratejk ortaklıklar kurmak ya da şbrlğne gtmek stemektedrler. Çünkü şletmeler, küreselleşen Dünyada lojstk süreçlerde malyetler düşürmek, yleştrmeler yapmak, küçülerek esnek br yapıya kavuşmak, yen yatırım malyetnden kurtulmak, yen teknolojlere sahp olmak ve esas faalyet alanına yoğunlaşarak kesntsz müşter memnunyetn elde etmey hedeflemektedr. Bu ve başka nedenlerden dolayı brçok şletme, lojstk faalyetlernn br kısmını ya da tamamını gerçekleştrmek çn kend örgüt kültürüne uygun 3PL frmaları le uzun sürel stratejk ortaklıklar kurmak stemektedr. Bu hedef gerçekleştreblmek çn en doğru 3PL frmanın seçlmes cdd br çabayı gerektrmektedr. İşletmeler çn kend yapılarına uyan 3PL frmayı seçmek, brçok ölçütün sürece dâhl olmasından dolayı çok ölçütlü karar verme (ÇÖKV) problem olarak görülmektedr. Bu problem en y şeklde çözmek çn lteratürde yapay zekâ, doğrusal ağırlıklı modeller, statstksel yaklaşımlar ve matematksel programlama gb brçok yöntem ya tek başına veya hbrd olarak kullanılmaktadır. Yapılan çalışmanın amacı; en uygun 3PL frmayı seçmede, şletme yönetclernn kolayca uygulayablecekler br model ortaya koymaktır. Çalışma, lteratür ncelemes le başlamaktadır. Lteratür araştırmasından sonra AHS tanıtılmış ve bu yöntem kullanılarak gelştrlen ulusal ve uluslararası bazı uygulamalara yer verlmştr. Daha sonra TOPSIS yöntem kısaca tanıtılarak uygulama alanlarına yer verlmştr. Son olarak modeln 2

3 oluşturulması gerçekleştrlmştr. Modeln hyerarşk yapısı dört sevyede oluşturulmuştur. Yapının brnc sevyesnde en uygun 3PL seçm, knc sevyede dört adet ana ölçüt, üçüncü sevyede alt ölçütler ve son sevyede se seçenekler bulunmaktadır. Toplam olarak dört ana ve on altı alt ölçüt olmak üzere 20 ölçütten oluşan br yapı oluşturulmuştur. Modeln ölçüt ağırlıkları AHS le belrlenmştr. TOPSIS yöntem uygulanarak, AHS le öncelkler belrlenen ölçütler kullanılarak en uygun 3PL frma seçm yapılmıştır. Son bölümde se yapılan çalışma değerlendrlmş ve bu konuda gelecekte çalışacak olanlara önerler sunulmuştur. 2. Lteratür İncelemes 3PL frma seçm problemnn çözümünde bast teknklerden, ÇÖKV yöntemlerne kadar brçok teknk lteratürde mevcuttur. Ancak lteratürde aynı yöntem temel alan farklı çalışmalara rastlamak mümkün olmasına rağmen her br çalışma özelde br şletmenn yapısına ve amacına göre oluşturulduğu çn kullanılan yöntem aynı olsa da seçlen ölçütler ve bu ölçütlern ağırlıklarını oluşturacak temel verler farklı olablmektedr. Bunun sonucu olarak model, uygulandığı yere, alana ve kullanılan ölçütlere göre farklı sonuçlar vereblmektedr. Bu bölümde 3PL frma seçm konusunda ndeksl derglerde yayımlanan ve ÇÖKV yöntemlern temel alan ulusal ve uluslararası çalışmalar ncelenmştr. Çakır vd. (2009:38-45), Bhatt vd. (2010: ), Chang ve Tzeng (2009:12-9) en uygun 3PL frma, Kulak ve Kahraman (2005: ) se en y naklye frması seçmnde bulanık analtk hyerarş sürec (BAHS) yöntemn kullanmışlardır. Jharkhara ve Shankar (2007: ), Meade ve Sarks (2002: ), 3PL frma seçm, Sun vd. ( 2010: ) se 3PL frmaları değerlendrmek çn analtk ağ sürec (AAS) yöntemn uygulamışlardır. Aguezzoul vd. (2006: ) ELECTRE (Elmnaton Et Choce Translatng Realty) yöntemn kullanarak 3PL, Govndan vd. (2010:1-5) Electre II yöntemn kullanarak üçüncü part tersne lojstk (3PTL) frmayı seçmey önermşlerdr. Ver zarflama analz (VZA) yöntemn; Hamdan ve Rogers (2008: ), 3PL frmalarının lojstk faalyetlernn etknlğn değerlendrmede, Saen (2010: ) se 3PTL frma seçmnde kullanmışlardır. Azad ve Saen (2011: ), çft rol faktörler ve stokastk verlern mevcudyet durumunda en uygun 3PTL frmayı seçmede şans-kısıtlı VZA ne dayanan br yaklaşım önermşlerdr. Chen vd. (2003: ), en uygun rota, taşıma türü ve 3PL frma seçm gb dördüncü part lojstk (4PL) operasyonlarını yleştrmek çn yönlendrlmş çzge modeln, çözümlemede se genetk algortmalar kullanan br model gelştrmşlerdr. Ko vd. (2006: ), 3PL dağıtım ağı sorununu çözmek çn genetk algortmalar kullanan karma tamsayılı programlama (mxed nteger programmng) yöntem gelştrmşlerdr. Chen vd. (2001: ), 3PL depolama faalyetlern deal br şeklde yerne getrmeye yönelk olarak doğrusal programlama modeln önermşlerdr. Araz vd. (2007: ), bulanık hedef programlama (BHP) ve PROMETHEE (Preference Rankng Organzaton Method for Enrchment Evaluaton) yöntemlern, Ye ve Lu (2011:1-4), dengel puan kartı sstemn ve hedef programlama (HP) teknğn kullanarak en uygun 3PL frma seçmn sağlamayı öneren br model sunmuşlardır. Yng ve Dayong (2005: ), uzman sstem (expert system) kullanarak e-tcarete dayanan br 3PL değerlendrme sstem önermşlerdr. 3PL frma seçmnde; Efendğl vd. (2008: ) yapay snr ağları ve bulanık mantığa dayalı k aşamadan oluşan karma, 3

4 Işıklar vd. (2007: ), durum tabanlı çıkarsama (DTÇ), kurala dayalı akıl yürütme (KDAY) ve uzlaşık programlama (UP) yöntemlernden oluşan hbrd br model gelştrmşlerdr. Zhou vd. (2011: ), en uygun 3PTL şletmey seçmek çn bulanık kümeleme analz (fuzzy clusterng analyss) yöntemn uygulamışlardır. Andersson ve Norrman (2002:3-14), lojstkte DKK hzmetlernn seçm ve uygulanması çn sekz maddelk, Aghazadeh (2003: 50 58), 3PL frma seçmnde beş, Vadyanathan (2005: ) se k aşamalı br model önermşlerdr. Xu vd. (2011:56-59), müşter memnunyet temelne dayalı olarak 3PL frma seçm ve değerlendrmesnde etkl olan faktörler 37 frmadan gelen geçerl 210 adet ankete göre analz etmşlerdr. Yazarlar analzlernde faktör analz ve doğrulayıcı faktör analz yöntemler yanı sıra SPSS 15.0 ve AMOS 7.0 programlarını kullanmışlardır. En uygun 3PL frma seçmnde; Cao vd. (2007: ), borda fonksyon teors (BFT) ve gr lşksel analz (GİA), Kasture vd. (2008: 41-60), bulanık küme teors (BKT) ve AHS, Wang vd. (2008:1-4), BAHS ve HP yöntemlernn brlkte kullanıldığı hbrd br model gelştrmşlerdr. 3PL seçmnde Xao vd. (2012: ) AHS ve HP, Lou ve Chuang (2010: ), AAS ve VIKOR (Vse Krterjumska Optmzacja I Kompromsno Resenje - Çok Ölçütlü Optmzasyon ve Uzlaşık Çözüm), Huo ve We (2008: ), modfye edlmş gr çok hyerarşl (grey mult-herarchcal), AHS ve entrop yöntemn brlkte kullanmışlardır. 3. Analtk Hyerarş Sürec AHS, Thomas L. Saaty (1980) tarafından 1977 yılında, karmaşık problemlern çözümü çn gelştrlen, ekonomk, sosyal ve teknk alanlarda k brçok problemn çözümü çn en yaygın olarak kullanılan ÇÖKV yöntemdr. AHS, brçok seçenek çersnden belrlenen ölçütler çerçevesnde karar seçeneklernn öncelklern belrleyen, kullanımı oldukça kolay olan br yöntemdr. AHS, ntel ve ncel faktörler değerlendreblmenn yanında brçok karar vercnn terchlern, deneymlern, blglern, sezglern ve düşüncelern de karar sürecne dâhl edeblen doğrusal ağırlıklı br yöntemdr. AHS, problem her br en az br ölçütten oluşan hyerarşk br yapı çnde tanımlamaktadır. Alt sevyedek br ölçütün, üst sevyedek br ölçütü etkledğ varsayımına dayanmaktadır. Bu nedenle kl karşılaştırmalar yoluyla ölçütlern, br üst sevyedek ölçütü ne oranda etkledkler belrlenmeye çalışılmaktadır (Saaty, 2000). Yan br düzeydek ölçütler, br üst düzeydek ölçüt çerçevesnde brbryle karşılaştırılmaktadır. AHS de hyerarş en az üç sevyede teşkl edlmektedr. Hyerarşnn en üst sevyesnde amaç bulunmaktadır. Br alt sevyede se ana ölçütler ve varsa ana ölçütlern br düzey altında se alt ölçütler yer almaktadır. En alt basamakta se seçenekler bulunmaktadır (Saaty, 1994:69-84). 4 düzeyl hyerarşk yapı Şekl 1 de gösterlmektedr 4

5 Amaç Ölçüt 1 Ölçüt 2 Alt Ölçüt1 Alt Ölçüt2 Alt Ölçüt3 Alt Ölçüt4 Seçenek 1 Seçenek 2 Seçenek 3 Şekl 1. Analtk Hyerarş Sürec AHS, br dz çok karmaşık ve çok ölçütlü problemlern çözümünde başarılı br şeklde uygulanmıştır. Guoy ve Xaohua (2011: ), 3PL tedarkç seçm ve değerlendrmesnde AHS ve entrop yöntemn brlkte kullanmışlardır. La vd. (2002: ) yazılım seçmnde AHS n uygulamışlardır. Zhang vd. (2004: ), dördüncü part lojstk (4PL) perspektfnden 3PL frma seçm model oluşturmada, Göl ve Çatay (2007: ), Tofaş-Fat fabrkasının otomotv tedark zncrnde hraç parçalarının lojstk operasyonlarını yenden yapılandırılması ve küresel boyutta 3PL frma seçmnde, Karagül ve Albayrakoğlu (2007), Türk Traktör Fabrkası nın lojstk faalyetlernn yürütülmesnde, Vjayvargya ve Dey (2010: ), en uygun 3PL frma seçmnde, Soh (2010: ), Fu vd. (2010:1-6), en uygun 3PL frmasını değerlendrme ve seçmede, Öztürk vd. (2011:93-112), tekstl şletmesnde tedarkç frma değerlendrmesnde, Bayraktaroğlu ve Özgen (2008: ), sosyal sorumluluk konusunda tüketclern beklent öncelklern belrlemede ve Eleren (2006: ), der sektöründe kuruluş yer seçmn tespt etmekte AHS yöntemn kullanmışlardır. 4. Technque for Order Preference by Smlarty to Ideal Soluton Technque for Order Preference by Smlarty to Ideal Soluton (TOPSIS), Hwang ve Yoon tarafından 1980 yılında gelştrlmş ve brçok alanda uygulama olanağı bulmuştur (Hwang ve Yoon, 1981:128). Yöntem, robot seçm, kuruluş yer seçm, taşıma sstemlernn seçm, tedarkç seçm gb ÇÖKV problemlernn çözümünde ve endüstrde brçok alanda başarıyla uygulanmıştır (Peters ve Zelewsk, 2007:1-9). TOPSIS yöntem poztf deal çözüm ve negatf deal çözüm olmak üzere k temel noktaya dayanmaktadır. Yöntem, poztf-deal çözüme en kısa mesafe ve negatf-deal çözüme en uzak mesafedek seçeneğ belrlemey amaçlamaktadır. TOPSIS n uygulanablmes çn en az k karar seçeneğnn olması gerekmektedr. TOPSIS uygulamasında lk yapılması gereken; karar ölçütlernn araştırılıp tespt edlmesdr. Genel olarak TOPSIS uygulamasında ölçütler arasında fayda ( beneft crtera ) ya da malyet ( cost crtera ) ayırımı yapılmaktadır (Janc, 2003: ). Bu bakışa göre en y ölçüt vurgusu; malyet cns ölçütlerde en küçük (en az malyet), fayda cns ölçütlerde se en büyük (en büyük fayda) olarak belrlenmektedr. Buna karşılık en kötü ölçüt vurgusu; malyet ölçütlernde en büyük (en fazla malyetl), fayda ölçütlernde se en küçük (en az fayda) olarak belrlenmektedr (Cheng ve Wang, 2001: ). TOPSIS yöntem le tüm seçeneklern poztf ve negatf deal çözüme olan uzaklıkları hesaplanmaktadır. Poztf 5

6 deal çözüme en yakın ve negatf deal çözüme se en uzak mesafede olan seçenek en y alternatf olarak kabul edlmektedr (Cheng vd. 2002:983). Ölçütlern ağırlıklarını belrlemeye yönelk olarak TOPSIS yöntemnde br uygulama bulunmamaktadır (Janc, 2003: ). Bu şlem çn daha çok 1 den 5 e kadar veya 1 den 9 a kadar ya da daha farklı puan cetvel kullanılmaktadır. Örneğn 1 den 5 e kadar değer olan puan cetvel kullanıldığında; 1 düşük, 5 se yüksek öneme sahp olmaktadır. Ayrıca ölçüt öncelklernn belrlenmesnde, AHS ve analtk ağ sürec (AAS) gb yöntemler kullanmak mümkün olmaktadır. Karar seçenekler ve değerlendrme ölçütler belrlendkten sonra m adet ölçüt (C j, j=1,,m) ve n adet seçenekten (A, = 1,,n) oluşan karar matrs oluşturulmalıdır (Hwang ve Yoon, 1981:128). Quresh vd. (2007: ), TOPSIS (Technque for Order Preference by Smlarty to Ideal Soluton) aralıklı verlerle (nterval data), Quresh vd. (2008:38-53) se üçgen bulanık sayılarla (trangular fuzzy numbers) 3PL frma seçmnde kullanmışlardır. Bottan ve Rzz (2006: ), 3PL frma seçmnde bulanık TOPSIS kullanan br model önermşlerdr. Cao vd. (2007: ) 3PL seçmnde sosyal refah fonksyonu (SRF) teors ve TOPSIS, Rav (2012: 24-37) se 3PTL seçmnde AHS ve TOPSIS yöntemlern temel alan br model önermşlerdr. Kannan vd. (2009: 28 36), en y 3PTL frmayı seçmek ve yönetmek çn yorumlayıcı yapısal modelleme (YYM) ve bulanık TOPSIS yöntemlern brlkte kullanan br model gelştrmşlerdr. X ve Zhang (2011: ) personel seçmnde, Zeydan vd. (2011: ) tedarkç değerlendrmes ve seçmnde bulanık TOPSIS yaklaşımını uygulamışlardır. 5. AHP-TOPSIS Tabanlı Modeln Gelştrlmes Bu problem ÇÖKV teknklerden olan AHS ve TOPSIS le çözmek çn Şekl 2 dek akış şemasında belrtlen şlem adımları uygulanmıştır. Ölçütlern ağırlıklarını belrlemede AHS, belrlenen ağırlıkları kullanarak seçeneklern nha sıralamasını gerçekleştrmede se TOPSIS yöntem uygulanmıştır. 6

7 Problemn tanımlanması Ölçütlern belrlenerek hyerarşnn oluşturulması İkl karşılaştırma matrsnn oluşturulması Seçenekler ve puan tablosunun hazırlanması Seçeneklern uzmanlarca puanlandırılması Karar matrsnn oluşturulması Öncelk vektörünün hesaplanması Standart karar matrsnn oluşturulması Tutarlılık testnn yapılması Ağırlıklı karar matrsnn oluşturulması E TO>0,1 İdeal ve negatf deal çözüm kümesnn belrlenmes E H Tüm matrslern test yapıldı mı? Ölçütlern genel ağırlıklarının oluşturulması H Seçeneklern, deal ve negatf dealden uzaklıklarının hesaplanması İdeal çözüme olan yakınlığın hesaplanması Seçenekler sıraya konması Şekl 2. AHS-TOPSIS Tabanlı Karar Modelnn Akış Şeması 5.1. Problemn Tanımlanması Problemn AHS-TOSIS le çözülüp çözülmeyeceğnn öncelkle belrlenmes gerekmektedr. Yapılan lteratür araştırmaları, geçmş deneymler ve uzman görüşler doğrultusunda bu problemn AHS-TOSIS le çözülebleceğ belrlendkten sonra problem, lk önce çözüleblr alt problemlere ayrılmalı ve daha sonra alt problemlern çözüm adımları brleştrlerek genel br çözüm algortması oluşturulmalıdır (Saaty, 1994:69-84). Ayrıca bu aşamada karar çn gerekl olan ölçütlern ve seçeneklern, ölçütlere göre değerlendrleceğ puan tablosunun da belrlenmes gerekmektedr Hyerarşnn Oluşturulması Hyerarş, problem en y şeklde temsl edecek şeklde çok dkkatl ve ttz br çalışma sonucunda oluşturulmalıdır. Hyerarş, sonucu belrleyc önemde etkledğ çn 7

8 doğru olarak oluşturulması önem taşımaktadır (Saaty, 1994:69-84). Oluşturulan hyerarşk yapının en tepe noktasında amaç yer almalıdır. Yapı oluşturulurken amacın doğru olarak belrlenmes gerekmektedr. Hyerarş oluşturulurken ve ölçütler belrlenrken değşk kurum, kuruluş ve uzmanların görüşlernden, yayınlarından ve web stelernden faydalanılması doğru tasarım ve seçm çn öneml br adım olmaktadır (Saaty, 1994:69-84). Hyerarşk yapıda ölçütlern her kümes br hyerarş düzeyn oluşturmaktadır. Amaç belrlendkten sonra br alt sevyede amacı etkleyen ölçütler ve varsa daha alt sevyede de alt ölçütler yer almalıdır. Özellkle sonucu etkleyecek ölçütlern sayısının ve hyerarşnn hang sevyesnde konumlanacağının doğru belrlenmes ve her br ölçütün tanımlarının en nce ayrıntılarına kadar yapılması, kl karşılaştırmaların tutarlı yapılablmes açısından öneml olmaktadır. Seçenekler se hyerarşnn en alt sevyesnde bulunmalıdır. Ölçütler belrlenrken anket çalışması yapılablmektedr. Modelmz, Şekl 3 de gösterldğ gb dört ana olmak üzere on altı alt ölçüt ve dört adet seçenekten oluşmaktadır. En Uygun 3PL Seçm Kalte (K) Uzun Sürel İlşk (USİ) Frma İmajı (Fİ) Operasyonel Performans (OP) Yönetm Kaltes (YK) Malyet (M) Pazar Payı (PP) Blg Teknolojs Yeteneğ (BTY) Sürekl İyleşme (Sİ) Performans Ölçümü(PÖ) Uyumluluk(U) Blg Paylaşımı ve Karşılıklı Güven (BPveKG) Benzer Ürünlerdek Deneym (BÜD) Coğraf Dağılım ve Perakendecye Erşm (CDvePE) Sabt Varlıkların Büyüklüğü ve Kaltes (SVBveK) Çalışan Memnun. Düzey (ÇMD) Teslmat Performansı(TP) Rsk Yönetm (RY) Verlen Hzmetn Boyutu (VHB) Esneklk (E) Seçenek 1 Seçenek 2 Seçenek 3 Seçenek 4 Şekl 3. 3PL Frma Seçm Hyerarş Yapısı Hyerarşk yapı, farklı açılardan hyerarşk yapının duyarlılığının sınanablmes çn yen ölçütler n hyerarşye katılmasına ya da mevcut ölçütlerden daha az öneml görülenlern sürecn dışına çıkarılmasına veya problemn farklı bakış açılarıyla tekrar tanımlanmasına olanak tanımalıdır Ana Ölçütlern İkl Karşılaştırma Matrsnn Oluşturulması Hyerarşk yapının oluşturulmasından sonra kl karşılaştırma matrslernn oluşturulması AHS nn en çok dkkat edlmes gereken aşamasıdır. İkl karşılaştırma matrsler oluşturulurken hyerarşk yapıda br düzeyde yer alan ölçütler, br üst ölçüt bağlamında kl olarak brbryle karşılaştırılmaktadır. AHS de ölçütlern değerlendrlmes brçok ölçüt göz önüne alınarak kl karşılaştırma yargısı a j le belrlenr. İkl karşılaştırma yargısı a j le br üst düzeydek ölçüte göre ve j ölçütlernn görecel önem belrlenmektedr. Yan a j değer, göz önüne alınan ölçüt bağlamında, ölçüt, dğer br ölçüt j ye göre ne oranda 8

9 terch edlmeldr sorusunun cevabı olmaktadır. Seçeneklern karşılaştırılması, her br ölçüte göre ayrı ayrı yapılmalı ve bunun netces olarak kl karşılaştırma matrsler oluşturulmalıdır. Bu matrslern oluşturulmasında Saaty tarafından önerlen Tablo 1 de gösterlen 1-9 karşılaştırma ölçeğ kullanılmaktadır (Saaty, 1980). Karşılaştırmalar, kl karşılaştırma matrsnn tüm değerler 1 olan köşegennn üstünde kalan değerler çn yapılmalıdır. a j,. özellk le j. özellğn kl karşılaştırma değer olarak gösterlecek olursa, a j değer, 1/a j eştlğnden elde edlr (Tablo 2). Bu özellğe, karşılık olma özellğ denmektedr (Saaty, 1999). Tablo 1. Karşılaştırma Ölçek Değerler ve Açıklama Önem Tanım Açıklama 1 Eşt öneme sahp Her k seçenekte eşt değerde öneme sahp 3 Braz öneml Br ölçütü dğerne göre braz daha öneml sayılmıştır 5 Fazla öneml Br ölçütü dğerne göre çok daha öneml sayılmıştır 7 Çok fazla öneml Ölçüt dğer ölçütü göre kesnlkle çok fazla öneml sayılmıştır 9 Son derece öneml Br ölçütün dğerne göre son derece öneml olduğu çeştl blglere dayandırılmıştır. 2, 4, 6, 8 Ara dereceler Gerektğnde kullanılablecek ara değerler. Kaynak: Saaty Fundamentals of Decson Makng and Prorty Theory Wth The Analytcal Herarchy Process, s. 26. Örneğn a 23 elemanının değer 5 se a 32 değer, 1/a 23 eştlğnden dolayı 1/5, yan 0,2 değern almaktadır. Tablo 2. AHS de İkl Karşılaştırma Matrs A Eleman 1 Eleman 2 Eleman 3 Eleman n Eleman 1 1 a 12 a 13 a 1n Eleman 2 a 21 =1/ a 12 1 a 23 a 2n Eleman 3 a 31 =1/ a 13 a 32 =1/ a a 3n 1 Eleman n a n1 =1/ a 1n a n2 =1/ a 2n a n3 =1/ a 3n 1 Karar modelnde kl karşılaştırma matrsler oluşturulurken şlem akışı şu şeklde olmuştur: Ana ölçütlern sonuca yönelk olarak etklern belrlemek çn ana ölçütler arasında kl karşılaştırma matrs oluşturulmuştur. Her br ana ölçüt altındak alt ölçütlern, ana ölçüte göre önemlern belrlemek çn toplam olarak dört adet kl karşılaştırma matrs oluşturulmuştur. Tablo 3 de ana ölçütlern sonucu hang oranda etkledklern gösteren matrs verlmştr. Matrs oluşturan verler, şletmenn dört uzmanın verdğ cevapların geometrk ortalaması alınarak belrlenmştr (Dyer, 1992:99-124). Oluşturulan kl karşılaştırma matrsn normalleştrmek çn matrstek her eleman (1) nolu formüle göre kend sütun toplamına bölünmektedr. 9

10 Normalleştrlmş matrsn her br sütun toplamı 1 olmaktadır. Daha sonra normalleştrlmş matrsn (2) nolu formüle göre her br satır toplamı, boyutuna bölünerek ortalaması alınmaktadır. Hesaplanan bu değerler her br ölçüt çn bulunan önem ağırlıklarını oluşturmaktadır. Bu ağırlıklar öncelk vektörü olarak adlandırılmaktadır. Tablo 3. Ana Ölçütlern İkl Karşılaştırma Matrs En Uygun 3PL K USİ Fİ OP ÖV K 1,000 2,500 3,000 1,565 0,423 USİ 0,400 1,000 0,778 0,707 0,158 Fİ 0,333 1,286 1,000 0,562 0,162 OP 0,639 1,414 1,779 1,000 0,257 TO=0,010 Karar verc, ölçütler arasındak karşılaştırma yargısı sonucu belrledğ değerler le oluşturulan kl karşılaştırma matrsnn tutarlı olup olmadığını ölçmeldr. İkl karşılaştırma yargısı sonucunda oluşan br A matrsnn, tutarlı olup olamadığını belrleyeblmek çn brçok yöntemden br tanes olan tutarlılık ndeks (Tİ - CI: Consstency Index) adı verlen katsayının hesaplanması gerekmektedr. Tİ (3) nolu formüle göre hesaplanmaktadır (Saaty, 1994:69-84). Tİ değern hesaplayablmek çn lk önce özdeğer olarak ntelendrlen λ max hesaplanmaktadır. Özdeğer, (4) nolu formüle göre hesaplanmalıdır. İkl karşılaştırma matrsnn tam tutarlı olması durumunda özdeğer adı geçen matrsn boyutuna eşt olmalıdır (Saaty, 1994:69-84). Ayrıca tutarlılığı değerlendreblmek çn rassal ndeks (Rİ) değernn blnmes gerekmektedr. Her br matrs boyutu n çn karşılık gelen Rİ değer Tablo 4 de verlmştr. Örneğn boyutu 7 olan kl karşılaştırma matrs çn Rİ değer Tablo 4 de 1,32 olarak gösterlmektedr. Tablo Boyutundak Matrsler İçn Rİ n RI 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 1,51 1,53 1,56 1,57 1,59 10

11 Tİ ve Rİ belrlendkten sonra tutarlılık oranı (TO) aşağıdak (5) nolu formüle göre hesaplanmaktadır. TO= Tİ (5) Rİ TO, 0,10 un altında çıkınca oluşturulan karşılaştırma matrsnn tutarlı olduğuna karar verlmektedr. Bu oranın aşılması durumunda matrsn tutarsız olduğu kanaatne varılarak kl karşılaştırma matrsnn farklı değerlerle yenden düzenlenmes gerekmektedr (Saaty, 1980). Ana ölçütlern sonuca olan etklern gösteren kl karşılaştırma matrsnn (Tablo 3) TO, 0,010 olarak hesaplanmıştır. Bu oran, 0,1 den küçük olduğu çn matrsn tutarlı olduğu sonucuna varılmıştır. Matrslern TO ları, lgl tablonun altında verlmektedr. Ana ölçütlern, kl karşılaştırılması sonucunda en uygun 3PL frma seçmnde % 42 le kaltenn en öneml ölçüt olduğu görülülmüştür (Tablo 3) Alt Ölçütlern İkl Karşılaştırma Matrslernn Oluşturulması Bu kısımda alt ölçütlern ana ölçüte göre etklern belrleyeblmek çn kl karşılaştırma matrsler oluşturulmuşturr. Toplamda dört adet matrs oluşturulmuştur. Tablo 5 de kalte ölçütü altındak alt ölçütlern kalte ölçütüne olan etklern gösteren matrs verlmştr. Tablo 5. Alt Ölçütlern Kalteye Göre Karşılaştırılması Kalte YK Sİ PÖ TP ÖV YK 1,000 0,833 0,200 1,000 0,129 Sİ 1,200 1,000 0,319 2,449 0,204 PÖ 5,000 3,135 1,000 3,464 0,546 TP 1,000 0,408 0,289 1,000 0,121 TO=0,032 Kalte altındak alt ölçütler çersnde performans ölçümü (PÖ) ölçütünün, kalteye % 55 le etk eden en öneml ölçüt olduğu tespt edlmştr. Uzun sürel lşk (USİ), frma majı (Fİ) ve operasyonel performans (OP) kümesndek alt ölçütlern de br üst ölçüte göre ağırlıkları belrlenmeldr. Tablo 6 da alt ölçütlern ağırlıkları verlmektedr Genel Ağırlıkların Bulunması Ana ölçütlern ağırlıklarıyla alt ölçütlern ağırlıkları çarpılarak genel ölçüt ağırlıkları elde edlmştr. Örneğn yönetm kaltes (YK) ölçütü çn genel ağırlık şu şeklde hesaplanmıştır: Genel Ağırlık YK = 0,403 0, = 4,957 11

12 Ana Ölçütler Tablo 6. Ölçütlern Ağırlıkları Ana Ölçüt Ağırlıkları Kalte 0,423 Uzun Sürel İlşk 0,158 Frma İmajı 0,162 Operasyonel Performans 0,257 Alt Ölçütler Alt Ölçüt Ağırlıkları Faktör Ağırlıkları YK 0,129 5,457 Sİ 0,204 8,629 PÖ 0,546 23,096 TP 0,121 5,118 M 0,450 7,110 U 0,154 2,433 BPveKG 0,179 2,828 RY 0,217 3,429 PP 0,418 6,772 BÜD 0,093 1,507 CDvePE 0,305 4,941 VHB 0,184 2,981 BTY 0,391 10,049 SVBveK 0,166 4,266 ÇMD 0,350 8,995 E 0,093 2,390 Toplam 100,000 Tablo 6 da görüleceğ gb genel ağırlığı en yüksek olan ölçüt, % 23 le PÖ olmuştur. Önem en az olan ölçüt se % 1,5 le benzer ürünlerdek deneym (BÜD) ölçütü olmaktadır. 6. TOPSIS İle 3PL Frmalarının Sıralanması 3PL frma seçmnde kullanılan ölçütlern ağırlıkları AHS yöntemyle belrlendkten sonra dört adet 3PL frması, lojstk hzmet almak steyen frmanın dört farklı lojstk uzmanı tarafından Tablo 7 de belrtlen puan cetvelne göre değerlendrlmştr. Dört farklı uzman tarafından verlen puanların geometrk ortalaması alınarak her br 3PL frmasının öncelğ belrlenmştr. Tablo 7. Puan Cetvel Değer Tanımı Rakamsal Değer Çok Çok Zayıf 1 Çok Zayıf 2 Zayıf 3 Ortanın Altı 4 Orta 5 Ortanın Üstü 6 İy 7 Çok İy 8 Çok Çok İy 9 12

13 6.1. Karar Matrsnn Oluşturulması Şekl 4 de D le gösterlen karar matrs, karar vercler tarafından sürecn başlangıcında oluşturulan matrsdr. D karar matrsndek d j, alternatfn j ölçütüne göre gerçek değern göstermektedr (Rao, 2008: ). Karar matrsnde 3PL frmaları A, B, C ve D harfleryle tanımlanmıştır. Tablo 8 de görüldüğü gb matrsn satırları seçenekler yan 3PL frmalarını, sütunları se değerlendrme ölçütlern göstermektedr. C 1 C 2 C m D j = A 1 A 2. A A n d11 d12... d2m d21 d22... d2m.. d1 d2.... dm... dn 1 dn2... dnm Şekl 4. Karar Matrs Karar matrs, hzmet alacak frmanın uzmanlarının verdklere puanlar ve puanların geometrk ortalaması alınarak teke ndrlen değerlern yerne konmasıyla oluşturulmuştur (Tablo 8). Örneğn; Frma majı kümes altında coğraf dağılım ve perakendecye erşm (CDvePE) ölçütüne, A lojstk frması çn uzmanlar 5, 5, 6 ve 7 puanlarını vermşlerdr. Bu değerlern geometrk ortalaması se şu şeklde hesaplanmıştır: Tablo 8. Karar Matrs (D) YK Sİ PÖ TP M U BPveKG RY PP BÜD CDvePE VHB BTY SVBveK ÇMD E A 6,000 5,733 5,692 5,856 5,21 6,481 6,236 5,692 6,701 5,233 5,692 5,692 5,733 5,595 5,180 6,481 B 5,692 5,477 5,733 6,192 6,74 6,192 6,481 5,477 6,192 6,000 5,826 6,160 6,236 6,192 5,916 5,958 C 6,964 7,200 6,192 6,964 4,16 6,402 6,964 5,958 6,701 7,200 6,964 6,735 6,701 6,481 6,620 6,481 D 4,229 4,162 4,162 4,120 6,93 4,229 4,949 3,936 4,949 4,606 5,477 3,936 5,233 4,356 4,229 5, Standart Karar Matrsnn Oluşturulması (Normalze Karar Matrs) Karar matrs oluşturulduktan sonra (6) nolu formül kullanılarak D matrsnn elemanlarından normalleştrlmş karar matrs (R) elde edlmektedr (Hwang ve Yoon, 1981:131). D matrsndek her br sütuna at değerlern kareler toplamının karekökü alınarak lgl elemana bölünmesyle, matrs normalleştrlmş olmaktadır. D matrsnn her hang br elemanının değer 0 se R matrsnn de lgl elemanının değer 0 olmaktadır. 13

14 dj dj 0 : rj = = 1,..., n j = 1,..., m n 2 d k = 1 kj dj = 0 : rj = 0 = 1,..., n j = 1,..., m Örneğn R matrsnn r 1,1 elemanının değer şu şeklde hesaplanmıştır: (6), =,,, =0,517 Bu şlemlern sonucunda r,j elemanlarından oluşan standartlaştırılmış (normalze edlmş) R matrs (Tablo 9) oluşturulmaktadır: Tablo 9. Standartlaştırılmış (normalze) Karar Matrs (R) YK Sİ PÖ TP M U BPveKG RY PP BÜD CDvePE VHB BTY SVBveK ÇMD E A 0,517 0,499 0,518 0,498 0,444 0,549 0,503 0,535 0,542 0,448 0,473 0,497 0,478 0,490 0,466 0,539 B 0,490 0,477 0,521 0,527 0,574 0,525 0,522 0,514 0,501 0,514 0,484 0,538 0,520 0,542 0,532 0,496 C 0,600 0,627 0,563 0,593 0,354 0,543 0,561 0,560 0,542 0,616 0,579 0,588 0,558 0,567 0,596 0,539 D 0,364 0,362 0,378 0,351 0,590 0,358 0,399 0,370 0,401 0,394 0,455 0,344 0,436 0,381 0,380 0, Ağırlıklı Standart Karar Matrsnn Oluşturulması Bu aşamada AHS yöntem le belrlenen ölçütlern ağırlıkları w, standart karar matrsnn (R) her br sütunu le çarpılarak ağırlıklı standart karar matrs (V) elde edlmektedr. Değerlendrme ölçütlernn ağırlık değerler toplamı (7) nolu formüle göre 1 olmalıdır (Rao, 2008: ). n w = 1 = 1 Ağırlıklı standart karar matrs (V) nn oluşum şekl aşağıda Şekl 5 de gösterlmştr. w1r 11 w2r12... wmr1 m w1r 21 w2r22... wmr2 m.. Vj =.... w1r n1 w2rn 2... wmrnm Şekl 5. Standart Karar Matrs İle Ölçüt Ağırlıklarının Çarpılması (7) 14

15 Örneğn v 1,1 elemanının değer YK (w 1 ) ölçütünün ağırlığı olan 5,457 (Tablo 6) le standartlaştırılmış (normalze) karar matrs (R) nn lgl elemanı olan r 1,1 n değer olan 0,517 le çarpılması sonucu belrlenmektedr. Çarpma şlem aşağıda gösterlmştr., =, =5,457 0,517=2,821 Ölçütlern ağırlık değerler w le standart karar matrsnn (R) her br sütununun çarpılması sonucu oluşan ağırlıklı standart karar matrs (V) Tablo 10 da gösterlmektedr. Tablo 10. Ağırlıklı Standart Karar Matrs (V) YK Sİ PÖ TP M U BPveKG RY PP BÜD CDvePE VHB BTY SVBveK ÇMD E A 2,821 4,306 11,964 2,549 3,157 1,336 1,423 1,834 3,670 0,675 2,337 1,481 4,803 2,090 4,192 1,288 B 2,674 4,116 12,033 2,697 4,081 1,277 1,476 1,762 3,393 0,774 2,391 1,604 5,225 2,312 4,785 1,185 C 3,274 5,411 13,003 3,035 2,517 1,321 1,587 1,920 3,670 0,928 2,861 1,753 5,607 2,419 5,361 1,288 D 1,986 3,124 8,730 1,797 4,195 0,871 1,128 1,269 2,715 0,594 2,248 1,025 4,381 1,625 3,418 0, İdeal ( A ) ve Negatf İdeal ( A ) Çözümlern Oluşturulması Ağırlıklı standart karar matrs (V) den poztf deal ve negatf deal adında k farklı sanal çözüm kümes üretlmektedr. Değerlendrme ölçütler fayda cnsnden (maksmzasyon yönlü) se deal çözüm A, ağırlıklı karar matrsnn en y performans değerlernden yan her br sütun değerlernn en büyüklernden oluşurken; negatf deal çözüm A, en düşük değerlerden oluşmaktadır. Şayet değerlendrme ölçütler malyet cnsnden (mnmzasyon yönlü) se bu durumda deal çözüm A, ağırlıklı normalleştrlmş karar matrsnn sütun değerlernn en küçüklernden oluşurken, negatf deal çözüm A, en büyük değerlernden oluşmaktadır. İdeal çözümler, (8) ve (9) nolu eştlğ kullanarak hesaplanablmektedr. Her k formülde de J, ' fayda (maksmzasyon), J se malyet (mnmzasyon) değern göstermektedr (Yurdakul ve İç, 2005: ). İdeal çözüm setnn bulunması aşağıdak formüllerde gösterlmştr. A A = A ' { ( max{ vj j J} ), ( mn{ vj j J }) = 1,..., n} = (8) { v v,..., v j,..., v } 1, 2 m ' { ( mn{ vj j J} ), ( max{ vj j J }) = 1,..., n} { v } v 1, v2,..., j vm { j =1,..., m ölçütler fayda türünden} { j = 1,..., m ölçütler malyet türünden} = A =,..., J = J ' = { 1 m} ' ' J J = J J =,..., (9) 15

16 Değerlendrme ölçütünün türü ne olursa olsun, A en y seçeneğ yan deal çözümü, A se en kötü seçeneğ ya da negatf deal çözümü göstermektedr. İdeal ve negatf deal çözüm kümes toplam olarak m adet değerlendrme ölçütünden oluşmaktadır. Puan cetvelne (Tablo 7) göre puan değer arttıkça deal olana yaklaşıldığı çn, uzmanlar değerlendrme yaparken bu noktayı dkkate almaktadırlar. Dolayısıyla deal çözüm kümes A çn Tablo 10 dan yüksek değerlern seçlmes gerekmektedr. Negatf deal çözüm kümes A çnse Tablo 10 dan düşük değerlern seçlmes gerekmektedr. İdeal ve negatf deal çözüm kümes Tablo 11 de gösterlmştr. Tablo 11. İdeal ve Negatf İdeal Çözüm Kümes YK Sİ PÖ TP M U BPveKG RY PP BÜD CDvePE VHB BTY SVBveK ÇMD E A 3,274 5,411 13,003 3,035 4,195 1,336 1,587 1,920 3,670 0,928 2,861 1,753 5,607 2,419 5,361 1,288 A - 1,986 3,124 8,730 1,797 2,517 0,871 1,128 1,269 2,715 0,594 2,248 1,025 4,381 1,625 3,418 0, Ayırım Ölçülernn Hesaplanması TOPSIS yöntemnde her br seçenek A çn deal ayırım S ve negatf deal ayırım S olarak adlandırılan k ayırım ölçüsü hesaplanmaktadır. Bu ayırım ölçüsü ökld ayırımı olarak adlandırılmaktadır. J seçeneğnn deal çözümden uzaklığı deal ayırım negatf deal çözümden uzaklığı negatf deal ayırım hesaplanmaktadır (Peters ve Zelewsk, 2007:1-9). S S (10) nolu ve se (11) nolu formül kullanılarak S S = = m j = 1 m j= 1 2 ( v v ) =1,, (10) j j 2 ( v v ) =1,, (11) j j Burada hesaplanacak S ve seçeneğn (A ) ökld anlayışına göre deal çözümden uzaklığını, S sayısı seçenek sayısı kadar olmaktadır. S her br S se her br seçeneğn (A ) negatf deal çözümden uzaklığını göstermektedr (Trantaphyllou, 2000: ). İdeal ve negatf deal çözüm kümes, toplam olarak m adet değerlendrme ölçütünden oluşmaktadır. 16

17 S 2 çn hesaplama aşağıdak gb yapılmıştır: (2,6743,274) +(4,1165,411) +(12,03313,003) +(2,6973,035) +(4,0814,195) = +(1,2771,336) +(1,4761,587) +(1,7621,920) +(3,3933,670) +(0,7740,928) +(2,3912,861) +(1,6041,753) =1,997 +(5,2255,607) +(2,3122,419) +(4,7855,361) +(1,1851,288) S 2 çn hesaplama aşağıdak gb yapılmıştır: (2,6741,986) +(4,1163,124) +(12,0338,730) +(2,6971,797) +(4,0812,517) = +(1,2770,871) +(1,4761,128) +(1,7621,269) +(3,3932,715) +(0,7740,594) +(2,3912,248) +(1,6041,025) =4,482 +(5,2254,381) +(2,3121,625) +(4,7853,418) +(1,1850,994) 6.6. İdeal Çözüme Görel Yakınlığın Hesaplanması İdeal ve negatf deal ayırım ölçüler kullanılarak her br seçenek çn deal çözüme olan görel yakınlığı C hesaplanmaktadır. Burada kullanılan ölçüt, negatf deal ayırım ölçüsünün toplam ayırım ölçüsü çndek payı olmaktadır. Aşağıdak (12) nolu formüle göre deal çözüme görel yakınlık değer hesaplanmaktadır. S C = S 0 =1,, (12) + S C değer 0 C 1 aralığında değer alır ve C = 1 lgl karar noktasının deal çözüme, C = 0 lgl karar noktasının negatf deal çözüme mutlak yakınlığını göstermektedr. İdeal çözüme en yakın mesafede bulunan seçenek en uygun seçenek olarak belrlenmektedr (Trantaphyllou, 2000: ). C 2 değer çn hesaplama şu şeklde yapılmıştır: = + = 4,482 4,482+1,997 =0,692 (12) nolu formül, tüm seçenekler çn uygulandıktan sonra ortaya Tablo 12 de görülen sonuç çıkmaktadır. Tablo 12. Ayrım Ölçüler ve Görel Yakınlık Konut S S C 1 Sıralama A 2,527 4,045 0,615 3 B 1,997 4,482 0,692 2 C 1,678 5,953 0,780 1 D 5,954 1,678 0,220 4 Çıkan sonuçlar büyüklük sırasına göre dzldğ zaman, sıralamanın C, B, A ve D şeklnde olduğu görülmektedr. Yan en uygun seçeneğn C olduğu, 2. uygun seçeneğn se B olduğu anlaşılmaktadır. 17

18 7. Sonuç ve Önerler Rekabetn şddetlendğ günümüz dünyasında şletmeler, varlıklarını sürdüreblmek çn sürekl kendlern yenlemeler gerekmektedr. Yenlemenn br yolu da geleneksel olarak şletme çnde yürütülen lojstk faalyetlern, 3PL dye adlandırılan sahasında uzman şletmelere devredlmesdr. Böylece; hzmet alan şletme, yen teknoloj kullanım mkânına kavuşmaktadır. Ancak uzun sürel şbrlğne gdlecek bu tür frmaları belrlemek şletme yönetcler çn kolay olmamaktadır. Çoğu şletmeler, bu tür kararları alırken geleneksel yollara başvurmaktadır. Bunun sonucu olarak da başarısız sonuçlar almak olası olmaktadır. Bu nedenle şletmeler, bu tür stratejk kararlar alırken blmsel yöntemler uygulamak durumunda kalmaktadır. Bu çalışmada; br şletme çn en uygun 3PL frmayı seçmede blmsel temellere dayanan ve kullanımı kolay olan karar verme model gelştrlmştr. Karar model, AHP- TOPSIS yöntemn temel alan ve uygulaması kolay olan hbrd br model olmaktadır. Modeln hyerarşk yapısı ve kullanılan ölçütler, lteratür taraması ve şletmedek uzmanların görüşler dkkate alınarak oluşturulmuştur. Hyerarş, dört ana ölçüt ve her ana ölçüt altında dört alt ölçüt olmak üzere toplam yrm ölçüt ve dört adet seçenekten oluşmaktadır. Ölçütlern ağırlıklarını belrlemede AHP ve seçenekler arasındak nha sıralamanın yapılmasında se TOPSIS yöntemler uygulanmıştır. En uygun 3PL frma seçm modelnde; performans ölçümü (PÖ) ölçütünün % 23 le en etkl ölçüt olduğu belrlenmştr. Karar sürecnde benzer ürünlerdek deneym (BÜD) ölçütünün se % 1,5 le etksnn oldukça sınırlı olduğu görülmüştür. Uygulamanın yapıldığı şletme çn en uygun 3PL frmasının C seçeneğ olduğu belrlenmştr. İşletmenn stratejk şbrlğne kesnlkle gtmemes gereken frmanın D seçeneğ olduğu anlaşılmıştır. Karar model, şletme yönetcler tarafından büyük oranda benmsenmştr. Model, özel yazılımlara htyaç olmadan uygulanablen ve gerektğ zaman uzmanların yargılarının değştrmesne fırsat veren br yapıda oluşturulmuştur. Bu konuda lerde yapılacak çalışmalarda AHS yöntemnn sürece katılan ölçütler arasındak etkleşmler dkkate almamasından dolayı ölçütler arasındak etkleşmler dkkate alan AAS yöntem ya da karar verme sürecndek belrszlkler ayıklamak çn bulanık küme teors le model gelştrleblr. Kaynakça Aghazadeh, S. M. (2003). How to Choose an Effectve Thrd Party Logstcs Provder, Management Research News, 26(7), Aguezzoul, A., B. Rabenasolo and A. M. Jolly-Desodt. (2006). Multcrtera decson ad tool for thrd-party logstcs provders selecton, Internatonal Conference on Servce Systems and Servce Management, Troyes, France, Andersson, D. and A. Norrman. (2002). Procurement of logstcs servces a mnutes work or a mult-year project?, European Journal of Purchasng and Supply Management, 8(1), Araz, C., P. M. Özfırat and İ. Özkarahan. (2007). An ntegrated multcrtera decsonmakng methodology for outsourcng management, Computer and Operatons Research, 34(12), Ashenbaum, B., A. Maltz and E. Rabnovch. (2005). Studes of Trends n Thrd-Party Logstcs Usage: What Can We Conclude?, Transportaton Journal, 44(3),

19 Azad, M. and R. F. Saen. (2011). A new chance-constraned data envelopment analyss for selectng thrd-party reverse logstcs provders n the exstence of dual-role factors, Expert Systems wth Applcatons, 38, Bard, Edward J., C. John Langley and John Joseph. Coyle. (2002). The management of Busness Logstcs, A Supply Chan Perspectve, 24. Bayraktaroğlu, G. ve Ö. Özgen. (2008). Sosyal sorumluluk konusunda tüketclern beklentler: analtk hyerarş sürec yöntem le öncelklern belrlenmes, Atatürk Ünverstes İktsad ve İdar Blmler Dergs, 22(1), Bhatt, R. S., P. Kumar and D. Kumar. (2010). A Fuzzy AHP model for 3PL selecton n Lead Logstcs Provder scenaros, Enterprse Informaton Systems and Implementng IT Infrastructures: Challenges and Issues, Bottan, E. and A. Rzz. (2006). A Fuzzy TOPSIS Methodology to Support Outsourcng of Logstc Servces, Supply Chan Management: An Internatonal Journal, 11(4), Cao, J., W. w. Wang and G. Cao. (2007). Integraton of the Socal Welfare Functon and TOPSIS Algorthm for 3PL Selecton, Fuzzy Systems and Knowledge Dscovery, Fourth Internatonal Conference on, Cao. J., G. Cao and W. Wang. (2007). A hybrd MCMD ntegrated borda functon and gray ratonal analyss for 3PL selecton, Grey Systems and Intellgent Servces, IEEE Internatonal Conference on, Chen, F. Y., S. H. Hum and J. Sun. (2001). Analyss of thrd-party warehousng contracts wth commtments, European Journal of Operatonal Research, 131(3), Chen, J., S. Wang, X. L and W. Lu. (2003). Drected graph optmzaton model and ts solvng method based on genetc algorthm n fourth party Logstcs, IEEE Internatonal Conference on Systems Man and Cybernetcs, 2, Cheng, M. F. ve R.T. Wang. (2001). Consderng the fnancal ratos on the performance evaluaton of hghway bus ndustry, Transport Revews, 21(4), Cheng, S., C. W. Chan ve G. H. Huang. (2002). Usng Multple Crtera Decson Analyss for Supportng Decsons of Sold Waste Management, Journal of Envronment Scence Health, 37(6), 983. Chang, Z. and G. H. Tzeng. (2009). A Thrd Party Logstcs Provder for the Best Selecton n Fuzzy Dynamc Decson Envronments, Internatonal Journal of Fuzzy Systems, 11(1), 1-9. Çakır, E., H. Tozan and Ö. Vayvay. (2009). A method for selectng thrd party logstc servce provder usng fuzzy AHP, Journal of Naval Scence and Engneerng, 5(3), Dyer, R. F. and E. H. Forman. (1992). Group decson support wth the analytc herarchy process, Decson Support Systems, 8(2), Efendğl, T., S. Önüt and K. Kongar. (2008). A holstc approach for selectng a thrd-party reverse logstcs provder n the presence of vagueness, Computers & Industral Engneerng, 54, Eleren, A.. (2006). Kuruluş yer seçmnn analtk hyerarş sürec yöntem le belrlenmes; der sektörü örneğ, Atatürk Ünverstes, İktsad ve İdar Blmler Dergs, 20(2), Fu, K., Xu, J., Zhang, Q., ve Mao, Z. (2010). An AHP-based Decson Support Model for 3PL Evaluaton, IEEE, Servce Systems and Servce Management (ICSSSM), 7th Internatonal Conference on, 1-6. Govndan, K., M. C. Grgore and D. Kannan. (2010). Rankng of thrd party logstcs provder usng fuzzy Electre II, Computers and Industral Engneerng (CIE) 40th Internatonal Conference on,

20 Göl, H. and B. Çatay. (2007). Thrd-party logstcs provder selecton: nsghts from a Turksh automotve company. Supply Chan Management: An Internatonal Journal, 12(6), Guoy, X. and C. Xaohua. (2011). Research on the thrd party logstcs suppler selecton evaluaton based on AHP and entropy, Mechatronc Scence, Electrc Engneerng and Computer (MEC), Internatonal Conference on, Hamdan, A. and K. J. Rogers. (2008). Evaluatng the Effcency of 3PL Logstcs Operatons, Internatonal Journal of Producton Economcs, 113, Huo, H. and We, Z. (2008). Selecton of thrd party logstcs provders based on modfed grey mult-herarchcal evaluaton method, Control and Decson Conference, Chnese, Hwang, C. L. ve K. Yoon. (1981). Multple Attrbute Decson Makng Methods and Applcaton, A State-of-the-Art Survey, Berln, Hedelberg, New York. Işıklar, G., E. Alptekn and G. Büyükozan. (2007). Applcaton of a hybrd ntellgent decson support model n logstcs outsourcng, Computers & Operatons Research, 34, İTO. (2006). Türkye Lojstk Sektörü Altyapı Analz, İstanbul: İTO Yayın No: Janc, M. (2003). Multcrtera Evaluaton of Hgh-Speed Ral, Transrapd Maglev and Ar Passenger Transport n Europa, Transporton Plannng & Technology, 26(6), Jharkhara, S. and R. Shankar. (2007). Selecton of logstcs servce provder: An analytc network process approach, The Internatonal Journal of Management Scence, 35(3), Kannan, G., S. Pokhare ve P. S. Kumar. (2009). A hybrd approach usng ISM and fuzzy TOPSIS for the selecton of reverse logstcs provder, Resources, Conservaton and Recyclng, 54, Karagül, Hasan ve M. Murat Albayrakoglu. (2007). Selectng a Thrd-Party Logstcs Provder for an automotve company: An analytc herarchy process model, Proceedngs of the Nnth Internatonal Symposum on the Analytc Herarchy Process (ISAHP 2007). Kasture, S., M. N. Quresh, P. Kumar and I. Gupta. (2008). FAHP Senstvty Analyss for Selecton of Thrd Party Logstcs (3PL) Servce Provders, The Icfa Unversty Journal of Supply Chan Management, 5(4), Ko, H. J., C. S. Ko and T. Km. (2006). A hybrd optmzaton/smulaton approach for a dstrbuton network desgn of 3PLs, Computers and Industral Engneerng, 50(4), Kulak, O. and C. Kahraman. (2005). Fuzzy Mult-Crteron Selecton Among Transportaton Companes Usng Axomatc Desgn and Analytc Herarchy Process, Informaton Scences, 170, La, V., B.K. Wong and W. Cheung. (2002). Group decson makng n a multple crtera envronment: A case usng the AHP n the software selecton, European Journal of Operatonal Research, 137(1), Lou, James H. and Yu-Ta Chuang. (2010). Developng a hybrd mult-crtera model for selecton of outsourcng provders, Expert Systems wth Applcatons, 37(5), Meade, L. and J. Sarks. (2002). A conceptual model for selectng and evaluatng thrd-party reverse logstcs provders, Supply Chan Management: An Internatonal Journal, 7(5), Öztürk, A., Ş. Erdoğmuş ve V. S. Arıkan. (2011). Analtk Hyerars Sürec (AHS) Kullanılarak Tedarkçlern Degerlendrlmes: Br Tekstl Frmasında Uygulama, Dokuz Eylül Ünverstes İktsad ve İdar Blmler Fakültes Dergs, 26(1),

21 Quresh, M. N., D. Kumar and P. Kumar. (2007). Selecton of Potental 3PL Servces Provders usng TOPSIS wth Interval Data, Industral Engneerng and Engneerng Management, IEEE Internatonal Conference on, Quresh, M. N., Dnesh Kumar, and Pradeep Kumar. (2008). 3PL Evaluaton and Selecton Under a Fuzzy Envronment: A Case Study, The Icfa Journal of Supply Chan Management, 5(1), Peters, Malte L. ve S. Zelewsk. (2007). TOPSIS als Technk zur Effeenzanalyse, Zetschrft für Ausbldung und Hochschulkontakt, 1-9. Rav, V. (2012). Selecton of thrd-party reverse logstcs provders for End-of-Lfe computers usng TOPSIS-AHP based approach, Internatonal Journal of Logstcs Systems and Management, 11(1), Rao R. V. (2008). Evaluaton of envronmentally conscous manufacturng programs usng multple attrbute decson-makng methods, Proceedngs of the Insttuton of Mechancal Engneers - Part B - Engneerng Manufacture, 222(3), Saen, R. F.(2010). A new model for selectng thrd-party reverse logstcs provders n the presence of multple dual-role factors, The Internatonal Journal of Advanced Manufacturng Technology, 46(1-4), Saaty, T. L. (1980). The Analytc Herarchy Process, New York: McGraw-Hll. Saaty, T. L. (1994). Fundamentals of Decson Makng and Prorty Theory Wth The Analytcal Herarchy Process, RWS Publ. Pttsburg,,s 69-84, Saaty, T. L. (1999). The Analytc Herarchy Process for Decson Makng, Kobe, Japan. Saaty, T. L.(2000). Fundamentals of Decson Makng and Prorty Theory, Pttsburgh: RWS Publcatons, USA. Soh, S.H. (2010). A decson model for evaluatng thrd-party Logstcs provders usng fuzzy analytc herarchy Process, Afrcan Journal of Busness Management, 4(3), Sun, C., Y. Pan and R. B. (2010). Study on thrd-party logstcs servce provder selecton evaluaton ndces system based on analytc network process wth BOCR, Logstcs Systems and Intellgent Management, Internatonal Conference on, Trantaphyllou, Evangelos. (2000). Mult-Crtera Decson Makng Methods: A Comparatve Study, Kluwer Academc Publshers, Netherlands, Vadyanathan, G. (2005). A Framework For Evaluatng Thrd-Party Logstcs, Communcatons of the ACM, 48(1), Vjayvargya, A. and A. K. Dey. (2010). "An analytcal approach for selecton of a logstcs provder", Management Decson, 48(3), Wang, D., W. Guo ve K. Chen. (2008). A Method of Thrd-Party Logstcs Provders Selecton and Transportaton Assgnments wth FAHP and GP, IEEE, Wreless Communcatons, Networkng and Moble Computng, 4th Internatonal Conference on, 1-4, X, F.and L. Zhang. (2011). A Personnel Selecton Model Based on TOPSIS, Management scence and Engneerng, 5(3), Xao, H. S.,W. P. Yang, L. H. Chen and H. Y. Yang. (2012). Research on the Choce of the Thrd-Party Reverse Logstcs Enterprse Based on the Method of AHP and Goal Programmng, Advanced Materals Research, , Xu, W., S. Zhao and L. Lu. (2011). Emprcal study on selecton and evaluaton of TPL based on CS, IEEE, Internatonal Conference on Uncertanty Reasonng and Knowledge Engneerng, 1,

22 Ye, B. and Y. Lu. (2011). Research on selecton of thrd party logstcs enterprse based on goal programmng, Busness and E -Government (ICEE), Internatonal Conference on, 1-4. Yng, W. and S. Dayong. (2005). Mult-agent framework for thrd party logstcs n E- commerce, Expert Systems wth Applcatons, 29(2), Yurdakul, Mustafa ve Y. Tansel İç. (2005). Development of a performance measurement model for manufacturng companes usng the AHP and Topss approaches, Internatonal Journal of Producton Research, 43(21), Zeydan, M., C. Çolpan and C. Çobanoğlu. (2011). A combned methodology for suppler selecton and performance evaluaton, Expert Systems wth Applcatons 38, Zhang, H., X. L, W. Lu, B. L and Z. Zhang. (2004). An applcaton of the AHP n 3PL vendor selecton of a 4PL system, Systems, Man and Cybernetcs, IEEE Internatonal Conference on, 2, Zhou, J., B. L and Y. Wang. (2011). Research on the Thrd Party Suppler of Reverse Logstcs Selecton under Low-carbon Economc Socety, Mechatronc Scence, Electrc Engneerng and Computer (MEC), Internatonal Conference,