SELECTING THE SERVICE PROVIDER THROUGH MULTIPLE- CRITERIA DECISION MAKING TECHNIQUES

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "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, b Yrd. Doç. Dr., Kırıkkale Ünverstes, Mühendslk Fakültes, Endüstr Mühendslğ Bölümü, 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

Çok Kriterli Karar Vermede TOPSIS ve VIKOR Yöntemleriyle Klima Seçimi

Çok Kriterli Karar Vermede TOPSIS ve VIKOR Yöntemleriyle Klima Seçimi Çankırı Karatekn Ünverstes İktsad ve İdar Blmler Fakültes Dergs Y.2014, Clt 4, Sayı 1, ss.267-282 Çankırı Karatekn Unversty Journal of The Faculty of Economcs and Admnstratve Scences Y.2014, Volume 4,

Detaylı

ÇOK KRİTERLİ KARAR VERME İLE AVRUPA BİRLİĞİ VE ADAY ÜLKELERİN YAŞAM KALİTESİNİN ANALİZİ

ÇOK KRİTERLİ KARAR VERME İLE AVRUPA BİRLİĞİ VE ADAY ÜLKELERİN YAŞAM KALİTESİNİN ANALİZİ Ekonometr ve İstatstk Sayı:13 (12. Uluslararası Ekonometr, Yöneylem Araştırması, İstatstk Sempozyumu Özel Sayısı) 2011 80 94 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ ÇOK

Detaylı

OTOMATİK PARMAKİZİ TANIMA SİSTEMLERİNDE ÖZELLİK NOKTALARININ TESPİTİNDE YAPAY SİNİR AĞLARININ KULLANILMASI

OTOMATİK PARMAKİZİ TANIMA SİSTEMLERİNDE ÖZELLİK NOKTALARININ TESPİTİNDE YAPAY SİNİR AĞLARININ KULLANILMASI PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 007 : 13 : 1 : 911

Detaylı

KENDİ KENDİNİ DÜZENLEYEN HARİTALAR YÖNTEMİYLE TÜRKÇE SESLİ HARFLERİN SINIFLANDIRILMASI VE TANINMASI

KENDİ KENDİNİ DÜZENLEYEN HARİTALAR YÖNTEMİYLE TÜRKÇE SESLİ HARFLERİN SINIFLANDIRILMASI VE TANINMASI Uludağ Ünverstes Mühendslk-Mmarlık Fakültes Dergs, Clt 17, Sayı 1, 2012 ARAŞTIRMA KENDİ KENDİNİ DÜZENLEYEN HARİTALAR YÖNTEMİYLE TÜRKÇE SESLİ HARFLERİN SINIFLANDIRILMASI VE TANINMASI Emrah YÜRÜKLÜ * Osman

Detaylı

Enerji Sistemlerinde Yapay Arı Kolonisi (YAK) Algoritması Kullanarak Yük Akışı Optimizasyonu

Enerji Sistemlerinde Yapay Arı Kolonisi (YAK) Algoritması Kullanarak Yük Akışı Optimizasyonu Enerj Sstemlernde Yapay Arı Kolons (YAK) Algortması Kullanarak Yük Akışı Optmzasyonu Nhat Pamuk Türkye Elektrk İletm Anonm Şrket (TEİAŞ), 5. İletm Tess ve İşletme Grup Müdürlüğü, Sakarya nhatpamuk@gmal.com.tr

Detaylı

YÖRÜNGE DÜZELTMELİ IRS-1C/1D PANKROMATİK MONO GÖRÜNTÜSÜNÜN GEOMETRİK DOĞRULUK VE BİLGİ İÇERİĞİ AÇISINDAN İNCELENMESİ

YÖRÜNGE DÜZELTMELİ IRS-1C/1D PANKROMATİK MONO GÖRÜNTÜSÜNÜN GEOMETRİK DOĞRULUK VE BİLGİ İÇERİĞİ AÇISINDAN İNCELENMESİ YÖRÜNGE DÜZELTMELİ IRS-1C/1D PANKROMATİK MONO GÖRÜNTÜSÜNÜN GEOMETRİK DOĞRULUK VE BİLGİ İÇERİĞİ AÇISINDAN İNCELENMESİ 2004 YÜKSEK MÜHENDİSLİK TEZİ HÜSEYİN TOPAN YÖRÜNGE DÜZELTMELİ IRS-1C/1D PANKROMATİK

Detaylı

KAFES SİSTEMLERİN GERİLME, YER DEĞİŞTİRME, BURKULMA VE DOĞAL FREKANS KISITLARI ALTINDA OPTİMUM TASARIMI

KAFES SİSTEMLERİN GERİLME, YER DEĞİŞTİRME, BURKULMA VE DOĞAL FREKANS KISITLARI ALTINDA OPTİMUM TASARIMI KAFES SİSTEMLERİN GERİLME, YER DEĞİŞTİRME, BURKULMA VE DOĞAL FREKANS KISITLARI ALTINDA OPTİMUM TASARIMI Cem Celal TUTUM İ.T.Ü. ROTAM, Makne Yük. Müh. ÖZET: Bu çalışmada düzlemsel kafes sstemlern belrl

Detaylı

İmalat Alt Sektörlerinin Finansal Performanslarının TOPSIS ve ELECTRE Yöntemleri İle Değerlendirilmesi

İmalat Alt Sektörlerinin Finansal Performanslarının TOPSIS ve ELECTRE Yöntemleri İle Değerlendirilmesi Çankırı Karatekin Üniversitesi Y.2014, Cilt 4, Sayı 1, ss.237266 Y.2014, Volume 4, Issue 1, pp.237266 İmalat Alt Sektörlerinin Finansal Performanslarının TOPSIS ve ELECTRE Yöntemleri İle Değerlendirilmesi

Detaylı

Bilgi Yönetimi Projelerinde izlenmesi Gereken Yol Haritası için Öneriler. Fahrettin ÖZDEMiRCi* ve Sabri ALYAKUT** Abstract

Bilgi Yönetimi Projelerinde izlenmesi Gereken Yol Haritası için Öneriler. Fahrettin ÖZDEMiRCi* ve Sabri ALYAKUT** Abstract BILGI DÜNYASI, 2012, 13 (2) 557-564 Blg Yönetm Projelernde zlenmes Gereken Yol Hartası çn Önerler Recommendatons for Roadmap of Informaton Management Projects Fahrettn ÖZDEMRC* ve Sabr ALYAKUT** Öz Son

Detaylı

KALKINMA GÖSTERGESĠ OLARAK ORTALAMA YAġAM BEKLENTĠSĠNE GÖRE TÜRKĠYE NĠN AB ĠÇĠNDEKĠ KONUMU: KRĠTĠKLER VE ÇOK DEĞĠġKENLĠ ĠSTATĠSTĠK UYGULAMALARI

KALKINMA GÖSTERGESĠ OLARAK ORTALAMA YAġAM BEKLENTĠSĠNE GÖRE TÜRKĠYE NĠN AB ĠÇĠNDEKĠ KONUMU: KRĠTĠKLER VE ÇOK DEĞĠġKENLĠ ĠSTATĠSTĠK UYGULAMALARI Ekonometr ve İstatstk Sayı:7 2008 51-87 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ KALKINMA GÖSTERGESĠ OLARAK ORTALAMA YAġAM BEKLENTĠSĠNE GÖRE TÜRKĠYE NĠN AB ĠÇĠNDEKĠ KONUMU:

Detaylı

DAYANIKLI REGRESYON YÖNTEMİ VE ÇEŞİTLİ SOSYAL VERİLER ÜZERİNDE AYKIRI GÖZLEMLERİN

DAYANIKLI REGRESYON YÖNTEMİ VE ÇEŞİTLİ SOSYAL VERİLER ÜZERİNDE AYKIRI GÖZLEMLERİN DAYANIKLI REGRESYON YÖNTEMİ VE ÇEŞİTLİ SOSYAL VERİLER ÜZERİNDE AYKIRI GÖZLEMLERİN TEŞHİSİ Robust Regresson Method and Dagnose Of Outlers on Several Socal Data Dayanıklı Yöntem 76 ÖZ Özlem YORULMAZ * Araştırmanın

Detaylı

Farklı Normalizasyon Yöntemlerinin TOPSIS te Karar Verme Sürecine Etkisi

Farklı Normalizasyon Yöntemlerinin TOPSIS te Karar Verme Sürecine Etkisi EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Cilt: 13 Sayı: 2 Nisan 2013 ss. 245-257 Farklı Yöntemlerinin TOPSIS te Karar Verme Sürecine Etkisi The Effects of Different Normalization Methods to Decision Making

Detaylı

ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ ÜYE ÜLKELERİ İLE KARŞILAŞTIRILMASI

ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ ÜYE ÜLKELERİ İLE KARŞILAŞTIRILMASI Marmara Üniversitesi İ.İ.B. Dergisi YIL 2013, CİLT XXXV, SAYI II, S. 329-360 Doi No: 10.14780/iibdergi.201324469 ÇOK KRİTERLİ KARAR VERME TEKNİKLERİ İLE TÜRKİYE NİN EKONOMİK PERFORMANSININ AVRUPA BİRLİĞİ

Detaylı

ERSÖZ-KABAK SAVUNMA SANAYİ UYGULAMALARINDA ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNİN LİTERATÜR ARAŞTIRMASI. Filiz ERSÖZ 1 Mehmet KABAK 2 ÖZET

ERSÖZ-KABAK SAVUNMA SANAYİ UYGULAMALARINDA ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNİN LİTERATÜR ARAŞTIRMASI. Filiz ERSÖZ 1 Mehmet KABAK 2 ÖZET SAVUNMA SANAYİ UYGULAMALARINDA ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNİN LİTERATÜR ARAŞTIRMASI Filiz ERSÖZ 1 Mehmet KABAK 2 ÖZET Bu çalışmada çok kriterli karar verme yöntemleri adı altında geçen yöntemlerin

Detaylı

ANALİTİK HİYERARŞİ SÜRECİ KULLANARAK KATILIMCI DOĞAL KAYNAK PLANLAMASI

ANALİTİK HİYERARŞİ SÜRECİ KULLANARAK KATILIMCI DOĞAL KAYNAK PLANLAMASI Çevre ve Orman Bakanlığı Yayın No: 238 DOA Yayın No: 31 ISSN:1300-7912 ANALİTİK HİYERARŞİ SÜRECİ KULLANARAK KATILIMCI DOĞAL KAYNAK PLANLAMASI ODC: 91: 94 : 907 : 911 : 062 Participatory Natural Resource

Detaylı

Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.133-144.

Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.133-144. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.133-144. ANALİTİK HİYERARŞİ SÜRECİNİN TEDARİKÇİ SEÇİMİNDE UYGULANMASI: OTOMOTİV SEKTÖRÜNDEN BİR ÖRNEK APPLICATION

Detaylı

COĞRAFİ BİLGİ SİSTEMLERİ VE ANALİTİK HİYERARŞİ YÖNTEMİ YARDIMIYLA İTFAİYE İSTASYON YER SEÇİMİ

COĞRAFİ BİLGİ SİSTEMLERİ VE ANALİTİK HİYERARŞİ YÖNTEMİ YARDIMIYLA İTFAİYE İSTASYON YER SEÇİMİ TMMOB Harita ve Kadastro Mühendisleri Odası 13. Türkiye Harita Bilimsel ve Teknik Kurultayı 18 22 Nisan 2011, Ankara COĞRAFİ BİLGİ SİSTEMLERİ VE ANALİTİK HİYERARŞİ YÖNTEMİ YARDIMIYLA İTFAİYE İSTASYON YER

Detaylı

Çok Kriterli Karar Verme Problemlerinde Karar Ağacı Kullanımı. Şenay Lezki. Anadolu Üniversitesi ÖZET

Çok Kriterli Karar Verme Problemlerinde Karar Ağacı Kullanımı. Şenay Lezki. Anadolu Üniversitesi ÖZET Lezki Şenay Lezki Anadolu Üniversitesi ÖZET Bu çalışmada, karar ağacı tekniğinin çok kriterli karar verme problemlerinde uygulanabilirliği araştırılmıştır Karar ağacı tekniğinin geleneksel olarak kullanıldığı

Detaylı

FİNANSAL BİLGİ KALİTESİNİN ANALİTİK HİYERARŞİ SÜRECİ TEKNİĞİYLE DEĞERLENDİRİLMESİ: BANKACILIK SEKTÖRÜ UYGULAMASI

FİNANSAL BİLGİ KALİTESİNİN ANALİTİK HİYERARŞİ SÜRECİ TEKNİĞİYLE DEĞERLENDİRİLMESİ: BANKACILIK SEKTÖRÜ UYGULAMASI ANADOLU ÜNİVERS İTES İ S OS YAL BİLİMLER DERGİS İ ANADOLU UNIVERSITY JOURNAL OF SOCIAL SCIENCES Cilt/Vol. : 10 - S ayı/no: 3 : 43 58 (2010) FİNANSAL BİLGİ KALİTESİNİN ANALİTİK HİYERARŞİ SÜRECİ TEKNİĞİYLE

Detaylı

KOCAELĐ ÜNĐVERSĐTESĐ YRD.DOÇ. DR. ORHAN KURT DERS NOTLARI KOCAELĐ 2012 HARĐTA MÜHENDĐSLĐĞĐ BÖLÜMÜ MÜHENDĐSLĐK FAKÜLTESĐ ÖNSÖZ

KOCAELĐ ÜNĐVERSĐTESĐ YRD.DOÇ. DR. ORHAN KURT DERS NOTLARI KOCAELĐ 2012 HARĐTA MÜHENDĐSLĐĞĐ BÖLÜMÜ MÜHENDĐSLĐK FAKÜLTESĐ ÖNSÖZ ÖNSÖZ KOCELĐ ÜNĐVESĐTESĐ YYIN NO: 47 ULŞIM DES NOTLI 006 yılından ber gerek Kocael Đhsanye Meslek Yüksek Okulu (MYO) ve gerekse sım Kocabıyık MYO nda vermş olduğum Ulaşım derslernn brkmyle ortaya çıkan

Detaylı

Mülakat Sürecine Yeni Bir Yaklaşım;

Mülakat Sürecine Yeni Bir Yaklaşım; Örnek Bir Kamu Kurumunda İşe Alım ve Mülakat Sürecine Yeni Bir Yaklaşım; Bulanık AHP Yöntemi İle Aday Değerlendirme Kriterlerinin Önceliklendirilmesi BAHA KARAÇOLAK M.FURKAN ÜNAL İÇİNDEKİLER 1 Amaç ve

Detaylı

Kural Tabanlı Karar Verme Mekanizmasına Sahip Sistematik Araç Seçim Modeli Geliştirilmesi

Kural Tabanlı Karar Verme Mekanizmasına Sahip Sistematik Araç Seçim Modeli Geliştirilmesi Makine Teknolojileri Elektronik Dergisi Cilt: 6, No: 2, 2009 (19-27) Electronic Journal of Machine Technologies Vol: 6, No: 2, 2009 (19-27) TEKNOLOJİK ARAŞTIRMALAR www.teknolojikarastirmalar.com e-issn:1304-4141

Detaylı

TÜRKİYE DE İL OLMASI UYGUN OLAN İLÇELERİN AHP YÖNTEMİYLE BELİRLENMESİ

TÜRKİYE DE İL OLMASI UYGUN OLAN İLÇELERİN AHP YÖNTEMİYLE BELİRLENMESİ ISSD ' 10 SECOND INTERNATIONAL SYMPOSIUM ON SUSTAINABLE DEVELOPMENT isimli sempozyumda sunulmuştur., TÜRKİYE DE İL OLMASI UYGUN OLAN İLÇELERİN AHP YÖNTEMİYLE BELİRLENMESİ Prof. Dr. İbrahim GÜNGÖR Akdeniz

Detaylı

OTEL İŞLETMELERİNDE İLİŞKİSEL PAZARLAMA ÜZERİNE KARŞILAŞTIRMALI BİR ARAŞTIRMA

OTEL İŞLETMELERİNDE İLİŞKİSEL PAZARLAMA ÜZERİNE KARŞILAŞTIRMALI BİR ARAŞTIRMA OTEL İŞLETMELERİNDE İLİŞKİSEL PAZARLAMA ÜZERİNE KARŞILAŞTIRMALI BİR ARAŞTIRMA Mehmet Oğuzhan İLBAN Balıkesir Üniversitesi Gönen Meslek Yüksekokulu Murat DOĞDUBAY Balıkesir Üniversitesi Turizm İşletmeciliği

Detaylı

BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA

BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA Endüstri Mühendisliði Dergisi Cilt: 22 Sayý: 4 Sayfa: (35-47) ÜAS 2009 Özel BELEDİYE HİZMETLERİNİN MALİYET ETKİNLİKLERİNİN DEĞERLENDİRİLMESİ: ESKİŞEHİR ODUNPAZARI BELEDİYESİNDE BİR UYGULAMA Zeliha KAYGISIZ*,

Detaylı

Farklı Tüy Rengine Sahip Japon Bıldırcınlarda Bazı Vücut Ağırlığı Verilerinin Friedman ve Quade Testleriyle Belirlenmesi

Farklı Tüy Rengine Sahip Japon Bıldırcınlarda Bazı Vücut Ağırlığı Verilerinin Friedman ve Quade Testleriyle Belirlenmesi Türk Tarım ve Doğa Blmler Dergs (): 7 77, 05 TÜRK TARIM ve DOĞA BİLİMLERİ DERGİSİ TURKISH JOURNAL of AGRICULTURAL and NATURAL SCIENCES www.turkans.com Farklı Tüy Rengne Sahp Japon Bıldırcınlarda Bazı Vücut

Detaylı

ĐNSAN KAYNAĞI SEÇĐMĐNDE ÇOK ÖLÇÜTLÜ KARAR VERME YÖNTEMLERĐ: ETKĐLEŞĐMLĐ BEKLENTĐ DÜZEYĐ YAKLAŞIMI

ĐNSAN KAYNAĞI SEÇĐMĐNDE ÇOK ÖLÇÜTLÜ KARAR VERME YÖNTEMLERĐ: ETKĐLEŞĐMLĐ BEKLENTĐ DÜZEYĐ YAKLAŞIMI ĐNSAN KAYNAĞI SEÇĐMĐNDE ÇOK ÖLÇÜTLÜ KARAR VERME YÖNTEMLERĐ: ETKĐLEŞĐMLĐ BEKLENTĐ DÜZEYĐ YAKLAŞIMI Yrd. Doc. Dr. Gökhan OFLUOĞLU Zonguldak Karaelmas Üniversitesi, Đ.Đ.B.F. Đşletme Bölümü, Arş. Gör. Ozan

Detaylı

Endüstri Mühendisliği Bölümü

Endüstri Mühendisliği Bölümü ETKİN, ETKİLİ VE UYGULANABİLİR KARAR VERME: ETKİLEŞİMLİ BULANIK / OLABİLİRLİKLİ ÇOK AMAÇLI MATEMATİKSEL PROGRAMLAMA Yrd. Doç. Dr. Kerem CİDDİ Dumlupınar Üniversitesi Endüstri Mühendisliği Bölümü kciddi@yahoo.com

Detaylı

LOJİSTİK DIŞ KAYNAK KULLANIMINI ETKİLEYEN FAKTÖRLER

LOJİSTİK DIŞ KAYNAK KULLANIMINI ETKİLEYEN FAKTÖRLER LOJİSTİK DIŞ KAYNAK KULLANIMINI ETKİLEYEN FAKTÖRLER Murat AKYILDIZ ABSTRACT In this study, it was examined what factors were effective on logistics outsourcing decisions. It was investigated various researches

Detaylı

TÜRKİYE DE DIŞ KAYNAK KULLANIMINDA TEDARİKÇİ SEÇİM KRİTERLERİ VE SÖZLEŞME ŞARTLARINDA DİKKAT EDİLEN HUSUSLAR

TÜRKİYE DE DIŞ KAYNAK KULLANIMINDA TEDARİKÇİ SEÇİM KRİTERLERİ VE SÖZLEŞME ŞARTLARINDA DİKKAT EDİLEN HUSUSLAR TÜRKİYE DE DIŞ KAYNAK KULLANIMINDA TEDARİKÇİ SEÇİM KRİTERLERİ VE SÖZLEŞME ŞARTLARINDA DİKKAT EDİLEN HUSUSLAR İsmail BAKAN H.Seçil FETTAHLIOĞLU A.Melih EYİTMİŞ ÖZET Günümüzde dış kaynaklardan yararlanma,

Detaylı