İKİ AŞAMALI STRATEJİK TEDARİKÇİ SEÇİMİNİN BULANIK TOPSIS YÖNTEMİ İLE ANALİZİ

Transkript

1 İKİ AŞAMALI STRATEJİK TEDARİKÇİ SEÇİMİNİN BULANIK TOPSIS YÖNTEMİ İLE ANALİZİ Yrd. Doç. Dr. Al İhsan ÖZDEMİR * Arş. Gör. Neşe Yalçın SEÇME ** ÖZET İşletmeler açısından tedarkç seçmnn uzun sürel şbrlğ çnde olması son derece öneml br karardır. Günümüz rekabet ortamında bu kararın erlmes şletmede karar sahb olan kşlern grupça değerlendrmes bakımından önem arz etmektedr. Bu nedenle bu çalışmada çok krterl karar erme yöntemlernden br olan bulanık TOPSIS (Technque for Order Preference by Smlarty to Ideal Solutons) yöntem uygulanmıştır. Bu amaçla Türkye de faalyet gösteren br moblya fabrkasının mecut tedarkçlernn değerlendrmes yapılarak, hang tedarkçler le şbrlğ çnde olacağı bulanık TOPSIS yöntem kullanılarak belrlenmştr. Elde edlen sonuçlar doğrultusunda şletmenn belrledğ üç tedarkçsnn yakınlık ndeks bakımından sırası tedarkç 1, tedarkç 3 e tedarkç 2 şeklnde olduğu analzler sonucunda tespt edlmştr. Anahtar kelmeler: Tedarkç seçm, Çok Krterl Karar Verme, Bulanık kümeler, Bulanık TOPSIS. Abstract It s ery mportant decson for busnesses to select suppler by a long-term cooperaton way. Today s competton enronment, makng ths descon n groups show mportance n terms of decson makers eoluaton. For ths reason fuzzy TOPSIS (Technque for Order Preference by Smlarty to Ideal Solutons) method whch s * Ercyes Ünerstes, İ.İ.B.F., İşletme Bölümü, ozdemra@ercyes.edu.tr ** Neşehr Ünerstes, İ.İ.B.F., İşletme Bölümü, nyalcn@neşehr.edu.tr Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 79

2 one of the mult-crtera decson makng methods, s used n ths study. Fort hs purpose, one of the bggest Turksh furnture companes supplers are ealuated by fuzzy Topss method to determne whch suppler should be selected for cooperaton. As a result of the study, Three supplers are selected and rankng of them are determned as Suppler 1, Suppler 3 and Suppler 2. Keywords: Suppler selecton, Mult-crtera descon, Fuzzy logc, Fuzzy TOPSIS GİRİŞ Çok krterl karar erme yöntem, çok krter bakımından br dz mecut alternatften br ya da daha fazla alternatfn sıralanmasında çok genş kullanım alanına sahptr. Karar erme problem tüm uygun alternatflerden en y seçeneğ bulmaya yönelk olan br süreçtr. Hemen hemen tüm problemlerde alternatflern karşılaştırması çn krterlern çok olması yaygınlaşmış durumdadır. Yan brçok problem çn karar ercler çok krterl karar erme problemn çözmek sterler. Çok krterl karar erme yöntemlernn br araştırması Hwang e Yoon tarafından 1981 yılında sunulmuştur. Bu yöntemler arasında yer alan TOPSIS (İdeal Çözüme Benzerlk bakımından Sıralama Performansı Teknğ) yöntem se lk kez Hwang e Yoon (1981) tarafından gelştrlmştr. Bu teknğn altında yatan temel düşünce, poztf deal çözüme en yakın alternatflern seçlmes e böylece çözümün fayda krterlern maksmze ederken malyet krterlern de mnmze etmesdr. Aynı şeklde negatf deal çözüme en uzak krterlern seçlerek malyet krterlern maksmze ederken fayda krterlern de mnmze eden çözümlern elde edlmesn sağlamaktır. TOPSIS yöntemn de çeren klask çok krterl karar erme yöntemlernde krterlern dereceler de ağırlıkları da kesn olarak blnr. Oysak nsan yargılarını çeren terchler genellkle belrsz olduğundan e kesn sayısal br değerle tahmn edlemedğnden dolayı brçok durumda gerçek yaşamı modellemede kesn er yeterszdr. Daha gerçekç br yaklaşım se, dlsel değşkenler asıtası 80 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

3 le problemde yer alan krterlern derecelernn e ağırlıklarının değerlendrlmes yan sayısal fadelern yerne dlsel değerlendrmelern kullanılablmesdr. Bu dlsel fadeler (örneğn düşük, orta, yüksek.b.) yargıların doğal gösterm olarak görüleblr. Bu karakterstkler karar erclern terch yapısını dkkate almada bulanık küme teorsnn yeterllğn belrtr. Bulanık küme teors nsanın subektf yargıları le lşkl olan karamların belrszlğn ölçmeye yarar. Ayrıca grupça karar ermeden dolayı, değerlendrme dlsel değşkenlern değerlendrmec kşnn görüşünden farklı olur e kşnn değerlendrmes belrsz, bulanık br çerede oluşur (Saghafan e Heaz, 2005). Bu çalışmada Türkye de faalyet gösteren br moblya fabrkasının satın alma bölümünden br grup le stratek tedarkç seçm çn çok krterl karar erme yöntemlernden br olan bulanık TOPSIS yöntem kullanılmıştır. Gerçek yaşamı fade etmede daha yeterl olablme bakımından karar erclern kararları belrszlk altında dlsel fadelerle yapılmıştır. Bu fadeler hem ağırlıkların belrlenmesnde hem de krterlern kendn oluşturan alt krterler bakımından performans değerlendrmesnde kullanılmıştır. Aralıkların nasıl belrlendğ e her br aralığa karşılık gelen sözel fadelern ne anlama geldğ e nasıl kullanıldığı çalışmanın yöntem kısmında bahsedlmştr. 1. TEDARİKÇİ SEÇİMİ PROBLEMİ Son zamanlarda tedark zncr yönetm e tedarkç seçm şletme yönetm lteratüründe çok öneml yere sahp olmuştur larda brçok üretmc yönetm performanslarını e rekabetlern arttırmak çn tedarkçler le şbrlğne çne grmşlerdr (Ittner d., 1999; Shn d., 2000). Br tedark zncrnde malzeme akışı Şekl 1 dek gb gösterleblr. Satınalma fonksyonu şletmelerde/organzasyonlarda stratek br konu olarak görüleblr. Özellkle de malat şletmelernde alıcı e tedarkç lşks çok önemldr. Alıcı e tedarkçler arasındak lşk uzun döneml olduğunda, br şletmenn tedark zncr o şletmenn rekabetçler çn çok güçlü rakplerden brn oluşturur (Brggs, 1994; Cho e Hartley, 1996). Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 81

4 Malzeme Akışı Ana Kanal Tedarkç Üretc Toptancı Perakendec Müşter Blg Akışı Şekl 1. Klask Tedark Zncr Yönetm Elemanları (Chuang; Shaw 2000, 150) Dğer taraftan, br tedarkç y yönetlen e kurulan tedark zncrnn br parçası olduğunda, bu uzun sürel lşk tedark zncrnn bütününün rekabetçlğ üzernde sürekl br etkye sahp olur. Bu nedenle, tedarkç seçm problem etkl br tedark zncr sstemnn kurulması çn en öneml konulardan br olur (Chen d., 2006). Tedarkç seçm sürecnn tüm amacı, alınan rskn azaltılması, alıcıların tüm değernn maksmze edlmes e alıcılar le tedarkçler arasında yakınlığın e uzun sürel lşknn kurulmasıdır (Monczka d., 1998). Tedarkç seçm problem tpk olarak blnen çok krterl seçm problemlernden brdr. Tedarkç seçmnde e değerlendrmesnde çok sayıda farklı yöntem kullanılmıştır. Bu yöntemlerden bazıları; kategork metot, ağırlıklı nokta metodu (Tmmerman, 1986), matrs yaklaşımı (Gregory, 1986), tedarkç performansı matrs yaklaşımı (Soukup, 1986), tedarkç profl analz (Thompson, 1990), analtk hyerarş proses (AHP) (Narasmhan, 82 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

5 1983; Nydck e Hll, 1999) e çok amaçlı programlamadır (Bufa e Jackson, 1983; Sharma e Benton, 1989; Weber e Ellram, 1993; Ghodsypour e OBren, 2001; Feng d., 2001). Tedarkç seçmnde bahsedlen bu yöntemlerden AHP yöntem, çok krterl karar erme yöntemlernden brsdr. Bu çalışmada kullanılan e çok krterl karar erme problemnde kullanılan br dğer yöntem se TOPSIS yöntemdr. TOPSIS yöntemnn dğer doğrusal ağırlıklandırma e AHP yöntemlernden farkının altında yatan esas, poztf deal çözüme en yakın e negatf deal çözüme se en uzak olan en uygun çözümün belrlenmesdr. Bu mesafelern k yönlü olması le ele alınan konu bakımından sadece maksmze edlecek şeyler değl aynı zamanda da mnmze edlmes gereken durumlar da göz önünde bulundurularak en uygun seçm yapılır. Bu yöntem ayrıca sezgsel, anlaması e uygulaması kolay olan br yöntemdr. Bu açıdan bakıldığında bu yöntemn tedarkç seçmnde kullanılablecek alternatf br yöntem olduğu açıkça görülmektedr. Doğrusal ağırlıklandırma teknğ olan TOPSIS yöntemnn klask ersyonu lk kez Chen e Hwang (1992) tarafından Hwang e Yoon un (1981) yaptığı çalışmaya atıfta bulunularak öne sürülmüştür. Bundan sonra, bu yöntem farklı alanlardak brçok konuda çok krterl karar erme problemlern çözmek çn adapte edlerek yaygın kullanım alanına sahp olmuştur. Bu çalışmalara örnek olarak; Tsaur e Chang (2002) tarafından haa endüstrsnde sers kaltesnn değerlendrmesnde, Deng d. (2000) tarafından ç şrket karşılaştırmasında, Wang e Lang (2004) tarafından bütünleşk üretm planlamasında br uygulamada, Chu (2002) tarafından tess yer seçm problemnde e Abo-Sna e Amer (2005) tarafından büyük ölçekl doğrusal olmayan programlamada, Parkan e Wu (1999) tarafında robot tasarımından dercelemede, Jee e Kang (2000) tarafından malzemelern seçmnde kullanılmıştır. Wang d. tarafından (2007) sübektf e obektf ağırlıklarda bulanık TOPSIS yöntem kullanılmıştır. TOPSIS yöntemnn bulanık çerede grup karar erme problem çn genel uzantısı Chen (2000) tarafından yayınlanmıştır. Bulanık TOPSIS yöntem Kahraman d. (2007) Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 83

6 tarafından yen ürün grşm yaklaşımı çn k aşamalı çok krterl karar erme yaklaşımı olarak kullanılmıştır. Zanaks d. (1998) le Trantaphyllou e Ln (1996) TOPSIS yöntemn dğer çok krterl grup karar erme yöntemler le kıyaslayarak bu yöntemn aşağıda yer alan poztf özellklerne değnmşlerdr: Performans çok sayıdak alternatfe az da olsa bağlı olup, sıralama (derece) farklılıkları çok sayıdak alternatf e krtern artan değerler çn daha az br genşlkte büyütüleblr. TOPSIS yöntemnn sıra dönüşüm konusunu belrtmede en y yöntemlerden brs olduğu kanıtlanmıştır. Bu, optmal olmayan br alternatf öne sürüldüğünde alternatflern sıralanmasındak değşmdr. Bu tutarlı özellk pratk uygulamalarda oldukça önemldr. Ayrıca TOPSIS üst sıra dönüşümü, çok sayıdak alternatfn duyarsızlığı olarak kanıtlanmıştır e en kötü performansı sadece çok sınırlı krter olması durumunda söz konusudur. 2. BULANIK TOPSIS YÖNTEMİ 2.1. Bulanık Kümeler Teors Bulanık küme kuramının amacı belrszlk fade eden, tanımlanması güç eya anlaması zor olan karamlara üyelk dereces atayarak onlara belrllk getrmektr. Belrllk getrme yaklaşımı k değerl kümeler kuramının, çok değerl kümeler kuramına dönüşümü le sağlanır (Türkşen, 1985). Bulanık br küme üyelk dereces sürekl olan nesnelern br sınıfıdır. 84 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

7 Bulanık kümelern ncel anlamlı üyelk fonksyonları bulanık sayılar ya da bulanık aralık olarak görüleblr. Bulanık sayıları bu şeklde görmemz çn, bulanık sayıların erlen gerçel sayıya yakın sayılar eya gerçel sayıların erlmş br aralığı carındak sayılar örneğnde olduğu gb yaklaşık sayılar ya da aralıkların sezgsel karamalarını yakalamaları gerekr. Üçgensel e yamuksal bulanık sayılar uygulamada en çok kullanılan e bulanık sayılar çnde en öneml olan sayılardır. Bu çalışmada kullanılan sayılar üçgensel bulanık sayılardır (ÜBS). Br ÜBS nn üyelk fonksyonu M ~ olarak fade edlmekte e Şekl 1 de gösterlmektedr. Br ÜBS bastçe (l/m, m/u) ya da (l, m, u) olarak fade edlr. l, m e u parametreler sırası le; en küçük olası değer, en çok beklenen değer e en büyük olası değer fade eden bulanık br olayı tanımlar. M ~ 1 l y M r y M 0 l m u M Şekl 2. Üçgensel br üyelk fonksyonu, M ~ Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 85

8 Her br ÜBS nn sol e sağ tarafının doğrusal gösterm ardır e üyelk fonksyonu aşağıdak gb fade edlr: 0, 0, ~ x l/ m l, x M u x/ u m, x l l x m, m x u, x u 2.2. Bulanık TOPSIS TOPSIS yöntem, n boyutlu alanda m noktalı geometrk br sstem olarak m alternatfl çok krterl br karar erme problemdr. Alternatf seçm karamına dayalı olan bu yöntem poztf deal çözüme en yakın mesafeye e negatf deal çözüme de en uzak mesafeye sahptr. TOPSIS yöntemnde, poztf deal çözüme benzerlk e negatf deal çözüme uzaklık olarak adlandırılan br ndeks tanımlanır. Bu tanımlama le yöntem deal çözüme maksmum benzerlkte br alternatf seçer (Yoon e Hwang, 1995). Lteratürde gelştrlen bazı bulanık TOPSIS yöntemler mecuttur. Bu yöntemler arasındak farklılıklar hesaplama teknklernden kaynaklanmaktadır. Bazı yazarlar üçgensel bulanık sayıları kullanırken bazıları se yamuksal bulanık sayıları kullanmışlardır. Örneğn Chen e Hwang ntelklern ağırlıklandırılmasında yamuksal bulanık sayıları kullanmışlar e sıralama yöntemnde se Lee e L nn (1988) genelleştrlmş ortalama yöntemn kullanarak doğrusal normalzasyon yapmışlardır. Lang (1999) krterlern ağırlıklandırılmasında yamuksal bulanık sayıları kullanmış e sıralama yöntemnde se Chen nn (1985) küme maksmzasyonu e küme mnmzasyonu yöntemn kullanarak Manhattan mesafes le normalzasyon yapmıştır. Chen (2000) tarafından se ağırlıklandırmalar üçgensel bulanık sayılarla yapılmış e sıralama yöntem olarak poztf deal çözümlern e negatf 86 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

9 deal çözümlern sırası le (1,1,1) e (0,0,0) olduğu kabul edlerek doğrusal normalzasyon şlem kullanmıştır. Chu (2002) tarafından gelştrlen bulanık TOPSIS yöntemnde se krterlern ağırlıklandırılmasında üçgensel bulanık sayılar kullanılmış e sıralama yöntem olarak Lou e Wang ın (1992) α=1/2 le toplam ntegral değernn sıralanmasını kullanmışlar e de modfye Manhatton mesafes le normalzasyon yapmışlardır. Chu e Ln (2003) tarafından se krterlern ağırlıklandırılmasında üçgensel bulanık sayılar kullanılmış e sıralama yöntem olarak se Kaufmann e Gupta nın (1988) kaldırma yöntemnn ortalamasını kullanarak ektör normalzasyonu yapmışlardır. Tedarkç seçmnde etkl olan e ayrıca belrszlk e kesnszlk açısından kullanılan çok güçlü araçlardan brsde bulanık küme teors e bulanık mantığın altında yatan dlsel düşüncenn fade edlmesdr. Bulanık küme teors lk kez 1965 yılında L. A. Zadeh tarafından Fuzzy Sets and Systems adlı makale le ortaya atılmıştır. Bulanık TOPSIS yöntemnde bulanıklığın kullanılması le krterlern karşılıklı olarak kıyaslanması olmaksızın krterlern sıralanmasında (derecelendrlmesnde) e ağırlıklandırılmasında kullanılan dlsel fadelern düz olması yöntemn uygulamasını kolaylaştırmaktadır. Bu çalışmada Chen (2000) tarafından gelştrlen bulanık TOPSIS yöntem kullanılmıştır. Bu yöntemn şleyş adım adım aşağıda açıklanmıştır. Bulanık TOPSIS yöntemnn adımları: Adım1: Başlangıçta m adet alternatf (tedarkç) A =(1,2,3..,m) n adet seçm krterne C =(1,2,3, ) karşılık değerlendrlr. Sübektf değerlendrmeler karar ercler tarafından dlsel termlern kullanılmasıyla; ağırlık ektörü W=(w 1,w 2,..) le karar matrs X={x, =1,2,,m; =1,2,.,n} belrlenr. Ağırlık ektörü W, problem çn n adet seçm krternn C =(1,2,3, ) görecel önemn belrtr. Karar matrs X={x, =1,2,,m; =1,2,.,n} seçm krter C Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 87

10 bakımından A alternatfnn fayda oranlarını gösterr. Verlen br ağırlık ektörü e karar matrs kullanılarak problemn amacı doğrultusunda tüm alternatfler bakımından sıralama elde edlr. Br alternatf değerlendrme problemnde karar matrsnn e ağırlık ektörünün gösterm aşağıdak gb fade edleblr: X A A A m C x x x m1 C x x x... W w w m2 w n C x x x n 1n 2n... mn Her br krter çn kend krterne at alt krterler bakımından ağırlık değerler hesaplanır. Hesaplanan bu değerler seçm krterlernn ağırlıkları olarak elde edlr. Kullanılan sayılar üçgensel bulanık sayı olduğundan elde edlen ağırlıklarda üçgensel bulanık sayı olarak fade edlr. Bu çalışmada bulanık ağırlıklara karşılık gelen üyelk fonksyonları 7 ölçekte olup sırasıyla çok düşük (0, 0, 0.1), düşük (0, 0.1, 0.3), orta derecede düşük (0.1, 0.3, 0.5), orta (0.3, 0.5, 0.7), orta derecede yüksek (0.5, 0.7, 0.9), yüksek (0.7, 0.9, 1), çok yüksek (0.9, 1, 1) şeklnde aşağıda Şekl 3 de gösterldğ gb fade edlmştr. 88 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

11 Bulanık Ağırlıklar Üyelk Fonksyonları Ağırlıklar Şekl 3: Bulanık Ağırlıklar Ağırlık ektöründen sonra karar matrs elde edlr. Karar matrs her br krtern alternatfler bakımından değerlendrlmes sonucu elde edlen matrstr. Bu matrste yapılan değerlendrmeler performans açısından yapılır e her br krtern her br alternatf bakımından kendne at olan alt krterler açısından değerlendrlr. Bu çalışmada yapılan bulanık performans değerlendrmes şu ölçeğe göre belrlenmştr: çok zayıf (0, 0, 1), zayıf (0, 1, 3), orta derecede zayıf (1, 3, 5), orta (3, 5, 7), orta derecede y (5, 7, 9), y (7, 9, 10), çok y (9, 10, 10). Her br bulanık performansa karşılık gelen üyelk fonksyonları se aşağıda Şekl 4 de gösterlmştr. Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 89

12 Bulanık Performans Üyelk Fonksyonları Şekl 4: Bulanık Performans Değerlendrmes Adım 2: Bulanık performans değerlendrmes bakımından yapılan alternatf değerlendrmeler sonucunda toplam ağırlıklar elde edlr. Elde edlen bu değerler normalzasyon şlemne tab tutulur. Normalzasyon, her br krter [0,1] aralığına ndrgemek çn yapılan e sonuçların karşılaştırmasına mkan sağlayan matematksel br şlemdr. Bulanık br normalze karar matrsnn matematksel gösterm aşağıdak gb fade edlr: C 1 C C n A 1 r 1,1 r 1, r 1,n R= A r,1 r, r,n A m r m,1 r m, r m,n 90 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

13 91 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) B u u u m u l u x r x x x ; ;,, C l l m l u l x l r ; ;,, B m u u 1,..., max, C m l l 1,..., mn, Yukarıda görülen normalzasyon şlemne at olan eştlkler fayda e malyet olmak üzere k durum çn ele alınmıştır. Ele alınan krtern özellğne göre (fayda ya da malyet olması bakımından) yukarıdak şlemler yapılır. Adım 3: Normalzasyon şlemnden sonra her br krter adım 3 de elde edlen ağırlığı le normalzasyon sonucu ortaya çıkan değerleryle çarpılarak ağırlıklı normalzasyon değerler elde edlr. Böylece ağırlıklı normalze matrs olan R matrs oluşur. Bu matrsn matematksel fades se aşağıdak gbdr: m n m m m n n n A A A C C C V,,,1,,,1 1, 1, 1,1 1 1

14 92 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) n m w r,..., 1 ; 1,...,,, Bu matrste yer alan her br eleman [0,1] aralığında yer alır. Adım 4: Bu adımda bulanık poztf deal çözüm A + le bulanık negatf deal çözüm A - belrlenr. İdeal çözümlern elde edlmesne yönelk matematksel eştlkler se aşağıda erlmştr: C B C B A A n n 1,1,1 0,0,0 0,0,0 1,1,1,..., ;,..., ; 1 1 Poztf deal çözüm çn e negatf deal çözüm çn fayda e malyet krterler açısından belrlenen yapıların bulanık olarak fadesnn brbrnden farklı olduğu yukarıda görülmektedr. Adım 5: Bulanık poztf e negatf deal çözümlern elde edlmesnden sonra n boyutlu ayırma mesafeler elde edlr. Bu ayırma mesafeler her br krtern (=1,2,.,m) bulanık poztf deal çözümüne A + (d + ) e bulanık negatf deal çözümüne A - (d - ) uygulanarak aşağıdak hesaplamalarla elde edlr. 2, 2, 2, 1 1 * 3 1 ) ; ( n n u u m m l l d d

15 93 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 2, 2, 2, 1 1 * 3 1 ) ; ( n n u u m m l l d d R d R d Ayırma mesafeler sonucu elde edlen değerler bulanık sayılar olmayıp gerçek sayıları fade etmektedr. Adım 6: Son adımda her br krter çn yakınlık ndeks C hesaplanır. Bu ndeksn hesaplaması se aşağıdak gbdr: 0,1 C d d d C Elde edlen C değer, eğer 0 se kesnlkle d - nn 0 olması sonucunda elde edlr k bu da A =A - anlamındadır e aynı şeklde C eğer 1 se d + =0 olduğu çndr k bu da A =A + olduğu anlamındadır. Sonuç olarak elde edlen en y alternatf (A opt ) se C değer 1 e en yakın olan alternatf en y alternatf olarak belrlenmş olur. Bu durum aşağıdak matematksel fade le gösterlr: m C m C A A opt,..., 1,..., 1 * * *

16 3. UYGULAMA ÖRNEĞİ Ele alınan uygulama örneğ Türkye de önde gelen br moblya fabrkasında yapılmıştır. Lteratür taraması sonucunda Sarks e Tallur (2002) tarafından br araya getrlen 7 temel krter grubu kullanılarak şletmenn 3 tedarkçsnn değerlendrmes yapılmıştır. Çalışma şletmenn satın alma bölümünden sorumlu yetkl kşlernn erdğ karar netcesnde şletme bünyesnde öneml br malyet unsuru olan, ürün estetğ üzernde etkl e tüm ürünlerde kullanılablen grd olan moblya aksesuarları tedarkçlernn değerlendrlmes üzerne yapılmıştır. Karar ercler şletmede yönetm şlernde yetk sahb olan kşlerden oluşan br uzman gruptur. Bu grup tarafından değerlendrlen krterler e bu krterlere at alt krterler gösteren hyerarşk yapı Şekl 5 te görülmektedr. 94 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

17 En İy Stratek Tedarkçnn Seçm Malyet(M) Kalte(K) Zaman(Z) Esneklk(E) Kültür(K) Teknolo(T) İlşk (İ) GD TY GYT GİKD DBF UK SU GTH UDİ MASU DT DH KHZ ÜYY TSK İY MAF KF ÜGZ AÇ SFAU TK İA SFDU HT OOZ HY TOYP BİOK DT T1 T2 T3 Şekl 5: Tedarkç Seçm Problemnn Hyerarşs Toplam olarak 7 temel krter 1. seyede bulunmaktadır. Bu krterlern her brne at alt krterlerde temel krtern altında yan 2. seyede sıralanmıştır. Bu temel krterlerden lk dört krter (malyet, kalte, zaman, esneklk) şletme çn stratek ölçümler fade ederken, gerye kalan üç krter se (kültür, teknolo e lşkler) operasyonel (şlemsel) faktörler çermektedr. Hyerarşk ağacın 2. seyesnde yer alan alt krterlern fadeler aşağıda erlmştr (Sarks and Tallur 2002, 22): Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 95

18 Malyet alt krterler: DBF: Düşük Başlangıç Fyatı MASU: Malyet Analz Sstemne Uyum MAF: Malyet Azaltma Faalyetler SFDU:Sektörel Fyat Daranışlara Uyum Kalte alt krterler: UK:Uygunluk Kaltes DT:Dağıtımda Tutarlılık KF: Kalte Felsefes HT:Hızlı Tepk/Ceap Zaman alt krterler: DH: Dağıtım Hızı ÜGZ: Ürün Gelştrme Zamanı OOZ: Ortak Oluşturma Zamanı Esneklk alt krterler: KHZ: Kısa Hazırlık Zamanı AÇ: Anlaşmazlık Çözme HY: Hzmet Yeterllğ Kültür alt krterler: GD: Güen Duygusu GYT: Gelecek çn Yönetmn Görünümü /Tutumu SU: Stratek Uyum ÜYY: Üst Yönetm Yeterllğ SFAU:Seyeler e Fonksyonlar Arasındak Uyumluluk TOYP:Tedarkçnn Organzasyon Yapısı e Personel Teknolo alt krterler: TY:Teknolok Uyumluluk GİKD:Gelecektek İmalat Kablyetlern Değerlendrme GTH:Gelşmede Tedarkçnn Hızı TSK:Tedarkçnn Tasarım Kablyet TK:Teknk Kablyet BİO:Bugünkü İmalat Olanakları/ Kablyetler) İlşk alt krterler: UDİ: Uzun Döneml İlşk İY: İlşk Yakınlığı İA: İletşmde Açıklık DT: Dürüstlükte Tanınma Bulanık TOPSIS yöntemne lşkn gerekl açıklamalar yukarıda adım adım erlmştr. Ele alınan uygulama problem açısından yapılan hesaplamalar aşağıda tablolar halnde hesaplama sonuçları le erlmştr. Yukarıda erlen tüm krterler alternatflern değerlendrlmes açısından fayda krter olarak ele alınmıştır. Malyet krternn fayda krter olarak ele alınması malyet krtern oluşturan alt krterlerden kaynaklanmaktadır. Malyet krternde yer alan alt 96 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

19 krterler tammyle şletme açısından fayda yaratacak krterler olduğundan malyet krter de dğer krterler gb br fayda krter gb düşünülerek analzler yapılmıştır. Aşağıda Tablo 1 7 de temel krterlern alt krterler bakımından ağırlıklarının hesaplanmasında hang dlsel fadelern kullanıldığı e hesaplamalar sonucu ortaya çıkan ağırlıkları gösteren matrsler erlmştr: Tablo 1: Malyet krterne at bulanık ağırlık matrs Alt krterler l m u DBF 0,1 0,3 0,5 OD MASU 0 0,1 0,2 D MAF 0,3 0,5 0,7 OD SFDU 0 0,1 0,3 D AĞIRLIK 0,1 0,25 0,425 Tablo 2: Kalte krterne at bulanık ağırlık matrs Alt krterler l m u UK 0,9 0,9 1 ÇY DT 0 0,1 0,3 D KF 0 0 0,1 ÇD HT 0 0 0,1 ÇD AĞIRLIK 0,225 0,25 0,375 Tablo 3: Zaman krterne at bulanık ağırlık matrs Alt krterler l m u DH 0,9 1 1 ÇY ÜGZ 0 0,1 0,3 D OOZ 0 0 0,1 ÇD AĞIRLIK 0,3 0,3667 0,4667 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 97

20 Tablo 4: Esneklk krterne at bulanık ağırlık matrs Alt krterler l m u KHZ 0,9 1 1 ÇY AÇ 0 0,1 0,3 D HY 0 0,1 0,3 D AĞIRLIK 0,3 0,4 0,5333 Tablo 5: Kültür krterne at bulanık ağırlık matrs Alt krterler l m u GD 0 0,1 0,3 D GYT 0 0,1 0,3 D SU 0 0,1 0,3 D ÜYY 0 0 0,1 ÇD SFAU 0 0 0,1 ÇD TOYP 0,3 0,5 0,7 O AĞIRLIK 0,05 0,1333 0,3 Tablo 6: Teknolo krterne at bulanık ağırlık matrs Alt krterler l m u TY 0 0 0,1 ÇD GİKD 0 0,1 0,3 D GTH 0,1 0,3 0,5 OD TSK 0,3 0,5 0,7 O TK 0 0,1 0,3 D BİOK 0 0,1 0,3 D AĞIRLIK 0,0667 0,1833 0,3667 Tablo 7: lşk krterne at bulanık ağırlık matrs Alt krterler l m u UDİ 0 0,1 0,3 D İY 0 0,1 0,3 D İA 0,9 1 1 ÇY DT 0 0,1 0,3 D AĞIRLIK 0,225 0,325 0, Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

21 Bu tablolar sonucu elde edlen ağırlık matrs üçgensel bulanık sayılarla şu şeklde elde edlr: W={(0.1, 0.25, 0.425), (0.225, 0.25, 0.375), (0.3, , ), (0.3, 0.4, ), (0.05, , 0.3), (0.0667, , ), (0.225, 0.325, 0.475)} Her br krter açısından ağırlıkların elde edlmesnden sonra her br krter çn ağırlıklı normalzasyon değerlern gösteren matrsler aşağıda her br krter çn tablolar halnde aşağıda erlmştr: Tablo 8: Malyet krterne at ağırlıklı normalzasyon hesabı MALİYET T1 TOPLU 1,75 2,75 4,25 T1 NORMALİZE 0,2121 0,3333 0,5152 T1 AĞIRLIKLI 0,0212 0,0833 0,2189 DBF Z MASU Z MAF ÇZ SFDU İ T2 TOPLU T2 NORMALİZE 0 0 0,1212 T2 AĞIRLIKLI 0 0 0,0515 DBF ÇZ MASU ÇZ MAF ÇZ SFDU ÇZ T3 TOPLU 5,25 7 8,25 T3 NORMALİZE 0,6364 0, T3 AĞIRLIKLI 0,0636 0,2121 0,425 DBF İ MASU İ MAF İ SFDU ÇZ Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 99

22 Tablo 9: Kalte krterne at ağırlıklı normalzasyon hesabı KALİTE T1 TOPLU 1,25 2,75 4,5 T1 NORMALİZE 0,2381 0,5238 0,8571 T1 AĞIRLIKLI 0,0536 0,131 0,3214 UK OZ DT O KF OZ HT ÇZ T2 TOPLU 2,75 4 5,25 T2 NORMALİZE 0,5238 0, T2 AĞIRLIKLI 0,1179 0,1905 0,375 UK OZ DT ÇZ KF OZ HT Çİ T3 TOPLU 1,25 2,75 4,5 T3 NORMALİZE 0,2381 0,5238 0,8571 T3 AĞIRLIKLI 0,0536 0,131 0,3214 UK OZ DT O KF OZ HT ÇZ 100 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

23 Tablo 10: Zaman krterne at ağırlıklı normalzasyon hesabı ZAMAN l m u T1 TOPLU T1 NORMALİZE 0,4286 0, T1 AĞIRLIKLI 0,1286 0,2619 0,4667 DH OZ ÜGZ Oİ OOZ O T2 TOPLU 1,6667 3,6667 5,6667 T2 NORMALİZE 0,2381 0,5238 0,8095 T2 AĞIRLIKLI 0,0714 0,1921 0,3778 DH OZ ÜGZ OZ OOZ O T3 TOPLU 0, ,3333 T3 NORMALİZE 0,0476 0,1429 0,3333 T3 AĞIRLIKLI 0,0143 0,0524 0,1556 DH OZ ÜGZ ÇZ OOZ ÇZ Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 101

24 Tablo 11: Esneklk krterne at ağırlıklı normalzasyon hesabı ESNEKLİK l m u T1 TOPLU 4, ,3333 T1 NORMALİZE 0,5909 0, T1 AĞIRLIKLI 0,1773 0,3273 0,5333 KHZ OZ AÇ O HY ÇY T2 TOPLU 1,3333 2,6667 4,3333 T2 NORMALİZE 0,1818 0,3636 0,5909 T2 AĞIRLIKLI 0,0545 0,1455 0,3152 KHZ OZ AÇ ÇZ HY O T3 TOPLU 1,3333 2,6667 4,3333 T3 NORMALİZE 0,1818 0,3636 0,5909 T3 AĞIRLIKLI 0,0545 0,1455 0,3152 KHZ OZ AÇ O HY ÇZ 102 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

25 Tablo 12: Kültür krterne at ağırlıklı normalzasyon hesabı KÜLTÜR l m u T1 TOPLU 2 3,5 5,3333 T1 NORMALİZE 0,3636 0,6364 0,9697 T1 AĞIRLIKLI 0,0182 0,0848 0,2909 GD Z GYT O SU O ÜYY O SFAU O TOYP ÇZ T2 TOPLU 3 4,1667 5,5 T2 NORMALİZE 0,5455 0, T2 AĞIRLIKLI 0,0273 0,101 0,3 GD ÇZ GYT O SU O ÜYY O SFAU ÇZ TOYP Çİ T3 TOPLU 1,6667 2,3333 3,5 T3 NORMALİZE 0,303 0,4242 0,6364 T3 AĞIRLIKLI 0,0152 0,0566 0,1909 GD İ GYT ÇZ SU ÇZ ÜYY ÇZ SFAU O TOYP ÇZ Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 103

26 Tablo 13: Teknolo krterne at ağırlıklı normalzasyon hesabı TEKNOLOJİ l m u T1 TOPLU 2,1667 3,8333 5,6667 T1 NORMALİZE 0,3714 0,6571 0,9714 T1 AĞIRLIKLI 0,0248 0,1205 0,3562 TY ÇZ GİKD O GTH O TSK O TK OZ BİOK O T2 TOPLU 3,3333 4,5 5,8333 T2 NORMALİZE 0,5714 0, T2 AĞIRLIKLI 0,0381 0,1414 0,3667 TY Çİ GİKD ÇZ GTH O TSK O TK Oİ BİOK ÇZ T3 TOPLU 1 1, T3 NORMALİZE 0,1714 0,2857 0,5143 T3 AĞIRLIKLI 0,0114 0,0524 0,1886 TY ÇZ GİKD O GTH ÇZ TSK ÇZ TK ÇZ BİOK O 104 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

27 Tablo 14: İlşk krterne at ağırlıklı normalzasyon hesabı İLİŞKİ l m u T1 TOPLAM 1,5 2,5 4 T1 NORMALİZE 0,1765 0,2941 0,4706 T1 AĞIRLIKLI 0,0397 0,0956 0,2235 UDİ O İY ÇZ İA ÇZ DT O T2 TOPLU T2 NORMALİZE 0 0 0,1176 T2 AĞIRLIKLI 0 0 0,0559 UDİ ÇZ İY ÇZ İA ÇZ DT ÇZ T3 TOPLU 6 7 8,5 T3 NORMALİZE 0,7059 0, T3 AĞIRLIKLI 0,1588 0,2676 0,475 UDİ O İY Çİ İA Çİ DT O Yukarıda her br krter çn alternatfler bakımından ağırlıklı normalzasyon değerler elde edlmştr. Elde edlen karar matrs le brlkte ayrım noktalarının poztf e negatf deal sonuca göre elde edlmes sonucu oluşan değerler aşağıda Tablo 15 de gösterlmştr. Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 105

28 Tablo 15. Alternatflern bulanık olmayan poztf e negatf deal sonuçları MALİYET KALİTE ZAMAN ESNEKLİK KÜLTÜR TEKNOLOJİ İLİŞKİ T1 0,0212 0,0833 0, ,0536 0,131 0,3214 0,1286 0,2619 0,4667 0,1773 0,3273 0,5333 0,0182 0,0848 0,2909 0,0248 0,1205 0,3562 0,0397 0,0956 0,2235 T , ,1179 0,1905 0,375 0,0714 0,1921 0,3778 0,0545 0,1455 0,3152 0,0273 0,101 0,3 0,0381 0,1414 0, ,0559 T3 0,0636 0,2121 0,425 0,0536 0,131 0,3214 0,0143 0,0524 0,1556 0,0545 0,1455 0,3152 0,0152 0,0566 0,1909 0,0114 0,0524 0,1886 0,1588 0,2676 0,475 A A TOPLAM A1+ 0,896 0,8389 0,7277 0,6701 0,8764 0,8444 0,8837 5,7373 A2+ 0,9831 0,7798 0,7963 0,8353 0,8649 0,8294 0,9817 6,0705 A3+ 0,7806 0,8389 0,9278 0,8353 0,9155 0,919 0,7117 5,9289 A1-0,1358 0,2028 0,3178 0,3755 0,1753 0,2176 0,1422 1,5669 A2-0,0297 0,2522 0,2481 0,2029 0,1834 0,228 0,0323 1,1766 A3-0,2767 0,2028 0,0951 0,2029 0,1153 0,1132 0,3279 1, Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

29 Elde edlen sonuçlara göre her br alternatf çn yakınlık ndeksler hesaplanmıştır. Buna göre her br alternatf bakımından hesaplanan C değerler aşağıda erlmştr. Alternatfler d + Tablo 16. Yakınlık ndeks tablosu - d C Sıralama T1 5,7373 1,5669 0, T2 6,0705 1,1766 0, T3 5,9289 1,3338 0, Elde edlen sonuçlara göre tedarkç 1 (T1) lk sırada, tedarkç 3 (T3) knc sırada e tedarkç 2 (T2) se son sıra yer almaktadır. 4. SONUÇ Çok krterl karar problemlernn grupça değerlendrlerek yapılması günümüz rekabet ortamında şletmeler açısından çok önemldr. Bu bakımdan şletmelern herhang br konuda yaptığı terchlern belrl br uzman grup tarafından dkkate alınması e karar erlen konuların çok ntelkl olarak ele alınması, probleme yaklaşımın daha gerçekç olmasını sağlamaktadır. Bu gb problemlern üstesnden gelmek çn se çok krterl grupça karar ermede gelştrlen yöntemlern kullanılması önemldr. Bu yöntemlerden brs de bu çalışmada kullanılan TOPSIS teknğdr. Genellkle bu problemlern yapısı gereğ nsan yargılarını çermesnden dolayı bulanık küme teors le lşklendrmek gerçek yaşamı yansıtma bakımından önemldr. Bu nedenle de bu çalışmada bulanık TOPSIS yöntem br moblya fabrkasının stratek tedarkçlernn seçmnde kullanılmıştır. Satın alma bölümünde yer alan kşlern subektf değerlendrmeler sonucunda her br krter Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 107

30 kend alt krter bakımından hem ağırlıklandırılmış hem de performans bakımından değerlendrmes üçgensel bulanık sayılar kullanılarak yapılmıştır. TOPSIS yöntem krterlern brbrleryle kıyaslanmasını dkkate almaz. Fakat bu yöntemde dkkat edlecek nokta, ele alınan krtern elde edlecek sonuç üzernde fayda ya da malyet yaratma özellğnn olmasına dkkat edlmesdr. TOPSIS yöntem bu doğrultuda elde edlen sonuçları poztf deal e negatf deal çözümlere yakınlık bakımından analz eder. Bu k yakınlık ölçütü dkkate alınarak alternatfler bakımından elde edlen yakınlık ndeksler sonucu en büyük olandan en küçük olana doğru br sıralama elde edlr. Bu sıralama le tüm alternatfler ele alınan konu bakımından derecelenerek en y alternatf belrlenmş olur. Bu çalışmaya göre tedarkç 3 şletme açısından en deal şletme olarak tespt edlmştr. 108 Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

31 Kaynaklar Abo-Sna, M.A., Amer, A.H. (2005) Extensons of TOPSIS for multobecte large-scale nonlnear programmng problems, Appled Mathematcs and Computaton, Vol.162, Issue 1, pp Brggs, P., 1994, Vendor assessment for partners n supply, European Journal of Purchasng & Supply Management 1, Bufa, F. P. e W. M. Jackson., 1983, A goal programmng model for purchase plannng, Journal of Purchasng and Materals Management, 19(3), pp Chen, C.T., 2000, Extensons of the TOPSIS for group decsonmakng under fuzzy enronment, Fuzzy Sets and Systems, Vol. 114, pp Chen, C.T., C.T. Ln e S.F. Huang, 2006, A fuzzy approach for suppler ealuaton and selecton n supply chan management, Internatonal Journal of Producton Economcs, Vol.102, pp Chen, S.H., 1985, Rankng fuzzy numbers wth maxmzng set and mnmzng set, Fuzzy Sets and Systems 17, pp Chen, S.J. e Hwang, C.L., 1992, Fuzzy Multple Attrbute Decson Makng Methods and Applcatons, Sprnger-Verlag, Berln. Cho, T.Y., Hartley, J.L., 1996, An exploraton of suppler selecton practces across the supply chan, Journal of Operatons Management 14, Chu, T.-C. e Ln, Y.-C., 2003, A fuzzy TOPSIS method for robot selecton, Internatonal Journal of Adanced Manufacturng Technology 21, pp Chu, T.-C., 2002, Faclty locaton selecton usng fuzzy TOPSIS under group decsons, Internatonal Journal of Uncertanty, Fuzzness and Knowledge-Based Systems 10, pp Chuang, M.; Shaw W., 2000 Dstngushng the Crtcal Success Factors Between E-Commerce, Enterprse Resource Plannng and Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 109

32 Supply Chan Management Proceedng of Internatonal Engneerng Management Conference, August 2000, New Mexco, pp Deng, H., Yeh, C.H., Wlls, R.J., 2000, Inter-company comparson usng modfed TOPSIS wth obecte weghts, Computers & Operatons Research, 27, pp Feng, C. X., J., Wang e J. S. Wang, 2001, An optmzaton model for concurrent selecton of tolerances and supplers, Computers & Industral Engneerng, 40, pp Ghodsypour S. H. e C. OBren, 2001, The total cost of logstcs n suppler, under condtons of multple sourcng, multple crtera and capacty constrant, Internatonal Journal of Producton Economcs 2001;73: Gregory, R. E., 1986, Source selecton: a matrx approach, Journal of Purchasng and Materals Management, 22(2):24 9. Hwang, C.L., Yoon, K., 1981, Multple Attrbutes Decson Makng Methods and Applcatons, Sprnger, Berln Hedelberg. Ittner, C.D., Larcker, D.F., Nagar, V., Raan, M.V., 1999, Suppler selecton, montorng practces, and frm performance, Journal of Accountng and Publc Polcy 18, Jee, D. e Kang, K., 2000, A method for optmal materal selecton aded wth decson makng theory, Materals and Desgn, Vol. 21, pp Kahraman, C., G. Büyüközkan e N.Y. Ateş, 2007, A two phase mult-attrbute decson-makng approach for new product ntroducton, Informaton Scences, Vol.177, pp Kaufmann A., M.M. Gupta, 1988, Fuzzy Mathematcal Models n Engneerng and Management Scence, North Holland. Lee, E.S, e L, R.L., 1988, Comparson of fuzzy numbers based on the probablty measure of fuzzy eents, Computer and Mathematcs wth Applcatons 15, pp Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)

33 Lang, G.-S., 1999, Fuzzy MCDM based on deal and ant-deal concepts, European Journal of Operatonal Research 112, pp Lou, T.S. e Wang, M.J.J., 1992, Rankng fuzzy numbers wth ntegral alue, Fuzzy Sets and Systems 50, pp.247. Monczka, R., Trent, R., Handfeld, R., Purchasng and Supply Chan Management. South-Western College Publshng, New York. Narasmhan R., 1983, An analytcal approach to suppler selecton, Journal of Purchasng and Materals Management, 19(4), pp Nydck, R.L. e R. P. Hll, 1992, Usng the analytcal herarchy process to structure the suppler selecton procedure, Journal of Purchasng and Materals Management, pp.28(2):31 6. Parkan, C. e Wu, M., 1999, Decson-makng and performance measurement models wth applcatons to robot selecton, Computers & Industral Engneerng, Vol. 36, pp Saghafan, S. e Heaz, S. R., 2005, Mult crtera Group Decson Makng Usng A Modfed Fuzzy TOPSIS Procedure, Internatonal Conference on Computatonal Intellgence for Modellng, Control and Automaton, and Internatonal Conference on Intellgent Agents, Web Technologes and Internet Commerce, IEEE. Sarks, J., and Tallur, S A Model for strategc suppler selecton The Journal of Supply Chan Management, Wnter 2002, pp Sharma D. e W. C. Benton, 1989, Srastaa R. compette strategy and purchasng decsons. Proceedngs of the annual natonal conference of the decson scences nsttute, p Shn, H., Coller, D.A., Wlson, D.D., 2000, Supply management orentaton and suppler/buyer performance, Journal of Operatons Management 18, Soukup, W. R., 1986, Suppler selecton strateges, Journal of Purchasng and Materals Management, 23(2), pp Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009) 111

34 Thompson, K. N., 1990, Suppler profle analyss, Journal of Purchasng and Materals Management, 26(1), pp Tmmerman E., 1986, An approach to endor performance ealuaton, Journal of Purchasng and Materals Management, 26(4): 2 8. Trantaphyllou, E. e Ln, C.T., 1996, Deelopment and ealuaton of fe fuzzy multattrbute decson makng methods, Internatonal Journal of Approxmate Reasonng, Vol. 14, pp Tsuar, S.H., Chang, T.Y., Yen, 2002, C.H., The ealuaton of arlne serce qualty by fuzzy MCDM, Toursm Management, 23, pp Türkşen, İsmal Burhan; Bulanık Kümeler Kuramı e Uygulamaları, Yöneylem Araştırması Dergs, Clt 4, Sayı 1, 1985, s Wang, R.C., Lang, T.F., Applcaton of fuzzy mult-obecte lnear programmng to aggregate producton plannng, Computers & Industral Engneerng, 2004, 46, pp Wang, T., Lee, H. e Wu, C., 2007, A Fuzzy TOPSIS Approach wth Subecte Weghts and Obecte Weghts Proceedngs of the 6th WSEAS Internatonal Conference on Appled Computer Scence, Hangzhou, Chna. Aprl Weber C. A. e L. M. Ellram, 1993, Suppler selecton usng multobecte programmng: a decson support system approach, Internatonal Journal of Physcal Dstrbuton & Logstcs Management, 23(2), pp Yoon, K.P., e Hwang, C.L., 1995, Multple Attrbute Decson Makng: An Introducton, Sage Publcatons, Thousand Oaks. Zanaks, S.H., Solomon, A., Wshart, N. and Dublsh, S., 1998, Mult-attrbute decson makng: a smulaton comparson of select methods, European Journal of Operatonal Research, Vol. 107, pp Afyon Kocatepe Ünerstes, İ.İ.B.F. Dergs (C.X I,S II, 2009)