Journal of Engneerng and Natural Scences Mühendslk ve Fen Blmler Dergs Sgma 28, 224-234, 2010 PhD Research Artcle / Doktora Çalışması Araştırma Makales APPLICATION OF ADAPTIVE NEURO FUZZY INFERENCE SYSTEM TO SUPPLIER SELECTION PROBLEM Atakan YÜCEL* 1, Al Fuat GÜNERİ 2 1 Yıldız Teknk Ünverstes, Fen Blmler Ensttüsü, Endüstr Mühendslğ Anablm Dalı, Yıldız-İSTANBUL 2 Yıldız Teknk Ünverstes, Makne Fakültes, Endüstr Mühendslğ Bölümü, Yıldız-İSTANBUL Receved/Gelş: 18.05.2010 Accepted/Kabul: 16.08.2010 ABSTRACT Suppler selecton s a key factor for frms n achevng ts goals n supply chan management. To buld effectve relatonshps and gan compettve advantage, frms should select best suppler(s) accordng to ts needs by applyng proper methods and approprate crtera. Suppler selecton problem ncludes tangble and ntangble factors such as qualty, cost, relatonshp closeness and delvery n practce. Ths ssue makes the problem as a Mult-Crtera Decson Makng (MCDM) problem. In ths paper, an approach that based on neural network and fuzzy logc named as Adaptve Neuro Fuzzy Inference System (ANFIS) s presented for suppler selecton problem. The proposed model takes the learnng advantage of neural networks and ntegrates ths wth fuzzy logc that represents human reasonng mechansm effectvely. The bascs of ANFIS are llustrated and an algorthm based on the method s proposed for suppler selecton problems n the paper. Keywords: Suppler Selecton, Adaptve Neuro Fuzzy Inference System. TEDARİKÇİ SEÇİMİ PROBLEMİNE ADAPTİF AĞ YAPISINA DAYALI BULANIK ÇIKARIM SİSTEMİNİN UYGULANMASI ÖZET Frmaların tedark zncr yönetmndek amaçlarını gerçekleştrmesnde tedarkç seçm problem temel br faktör teşkl etmektedr. Frmalar etkl lşkler kurmak ve rekabet avantajı sağlama atına uygun yöntem ve krterler uygulayarak htyaçlarını en uygun tedarkç veya tedarkçlerseçmemdr. Pratkte, tedarkç seçm(prorlem kalte, malyet, lşk yakınlığı ve teslmat gb maddolarak fade edleblen veya edlemeyen faktörler çerr. Bu husus problem Çok Krterl Br Karar Verme Problem ne (ÇKKV) çevrr. Bu çalışmada tedarkç seçm problem çn snrsel ağ ve bulanık mantığa dayanan br yaklaşım olan Adaptf Ağ Yapısına Dayalı Bulanık Çıkarım Sstem (ANFIS) sunulmaktadır. Ortaya konulan model snrsel ağların öğrenme avantajını alır ve bunu nsanın nedenselleştrme mekanzmasını etkl br şeklde sunablen bulanık mantık le brleştrr. Çalışmada ANFIS n temeller ortaya konulmakta ve tedarkç seçm problemne yönelk yapısı sunulmaktadır. Anahtar Sözcükler: Tedarkç Seçm, Adaptf Ağ Tabanlı Bulanık Çıkarım Sstem. * Correspondng Author/Sorumlu Yazar: e-mal/e-let: atayucel@gmal.com, tel: (212) 340 85 52 224
Applcaton of Adaptve Neuro Fuzzy Inference System Sgma 28, 224-234, 2010 1. GİRİŞ Günümüz rekabete dayalı ve küreselleşen dünyasında rakplernn br adım önüne geçeblme adına frmaların etkl stratejler ortaya koyup bunları uygulaması gerekmektedr. Son yıllarda satınalma fonksyonunun önem artmakta, bu da konuya ayrı br önem verlmesne neden olmaktadır. Brçok endüstrde hammadde malzemeler ve bleşen parçaları ürün malyetnn ana kalemn oluşturmakta, bazı durumlarda se bu oran %70 e kadar çıkablmektedr. İler teknoloj frmalarında se satın alınan malzemeler ve hzmet toplamı toplam ürün malyetnn %80 ne kadar ulaşablmektedr [1]. Tedarkç seçm sürec, temel anlamda önceden belrlenmş krterlere bağlı kalarak çeştl alternatf tedarkçlerden en y veya en ylernn seçmne dayanan br süreçtr. Temel aşamalarını problemn tanımı, krterlern düzenlenmes, potansyel tedarkçlern belrlenmes ve seçm şeklnde fade etmek mümkündür. Bu sürec yönetme adına lteratürde brçok krter ve yöntem ortaya konmuştur. Tedarkç seçm krterlernn belrlenmesne yönelk gerçekleştrlen br çalışmada Dckson [2], Kanada ve Amerka da yer alan satınalma frması ve yönetclerne anket göndermştr. Gerçekleştrlen çalışma netcesnde 50 krter arasından kalte, teslmat ve performans geçmş en öneml üç krter olmak üzere toplam 23 ortak kullanılan tedarkç seçm krter tespt edlmştr. Ayrıca Dckson [2] belrledğ bu 23 krter önem derecelerne göre dört farklı grupta toplamıştır. Bu çalışmadan sonrak süreçtek değşm anlama adına Weber ve dğ. [3], lgl 23 krter esas alarak 1966 yılından ber çıkan 74 makaley ncelemştr. Çalışma sonucunda fyat, teslmat ve kalte krterler en çok kullanılan lk üç krter olarak ortaya çıkmıştır. İlgl krterler sırasıyla makalelern %80, %58 ve %53 ünde ele alınmıştır. Ayrıca çalışmanın öneml netcelernden br de ncelenen 74 makalenn 47 snde dğer br fadeyle %64 ünde brden fazla seçm krter kullanılmasıdır. Bu da tedarkç seçm problemnn Çok Krterl Karar Verme Problem (ÇKKV) özellğn yansıtmaktadır. Tedarkç seçm problemne yönelk olarak lteratürde brçok yöntem uygulanmıştır. En çok başvurulanlardan br de Analtk Hyerarş Proses (AHP) yöntemdr. Tam ve Tummala [4], br telekomünkasyon sstemnn tedarkç seçm çn 6 aşama çeren br AHP yöntem uygulamıştır. Dğer br çalışmada Bhutta ve Huq [5], tedarkç seçm problemne AHP ve Toplam Sahp Olma Malyet yöntemlern ayrı ayrı uygulamış ve her k yöntem brbr le karşılaştırmıştır. Karşılaştırma sonucunda AHP nn ntel faktörlern yanı sıra ncel faktörler de değerlendrme becersnn en öneml üstünlük faktörü olduğu belrtlmştr. Levary [6], AHP yöntemn yabancı tedarkçlern değerlendrmesnde kullanmış, üç farklı ülkede yer alan tedarkçler ülke rsk, lgl ülkelerden teslmatı gerçekleştren naklyat şrketlernn rsk, tedarkç güvenlrlğ ve tedarkçnn kend tedarkçlernn güvenlrlğ olmak üzere toplam 4 krter çerçevesnde değerlendrmştr. AHP yöntem tek başına uygulanmanın yanı sıra dğer yöntemlerle entegre şeklde de kullanılmıştır. Ghodsypour ve O Bren [7] yaptıkları çalışmada, lk kez AHP ve LP yöntemlern br arada kullanarak, tedarkç seçmnde ntel ve ncel faktörler dkkate alan br model ortaya koymuştur.gelştrlen model, en y tedarkçnn seçmn gerçekleştrerek Toplam Satınalma Değern maksmze edecek şeklde sparşlern dağıtımını sağlayan br yapı ortaya koymaktadır. Dğer br makalede Ha ve Krshnan [8], Brleşk Tedarkç Skoru nu (Combned Suppler Score) hesaplamaya dayalı br model sunmuştur. Gelştrlen yöntemde AHP alternatf tedarkçlern ncel krterler, Ver Zarflama Analz (VZA) ve Snrsel Ağlar (SA) yöntemler se ntel krterler çerçevesnde değerlendrlmesnde kullanılmıştır. Kurulan model br otomobl fabrkasındak tedarkç seçm problemne uygulanmıştır.gencer ve Gürpınar [9] se tedarkç seçm krterlernn brbrler arasındak lşknn br ger bldrm sstematğ çersnde değerlendrlmesne yönelk olarak Analtk Şebeke Proses (AŞP) çeren br model ortaya koymuştur. Demrtaş ve Üstün [10], AŞP le Çok Amaçlı Karışık Tamsayılı Doğrusal Programlama Yöntem n br arada kullanmıştır. Krterler fayda, fırsat, malyet ve rsk (BOCR) olmak üzere 4 farklı kümede ele alınmıştır. Çeleb ve Bayraktar [11] se tedarkç seçm 225
A. Yücel, A.F. Güner Sgma 28, 224-234, 2010 problemne VZA ve SA yöntemlern brlkte uygulamıştır. Choy ve dğ. [12], tedarkçlern performansını sürekl takp etme ve karşılaştırma adına, Durum Tabanlı Çıkarsama (DTÇ) ve SA yöntemlern br araya getrerek akıllı br tedarkç yönetm aracı ortaya koymuştur. Pratkte tedarkç seçm problemler çerdğ krterler tbaryle bulanıklık ve belrszlk çereblmektedr. Problemdek bu müphemlğ gderme bulanık mantık odaklı yöntemler ortaya konmuştur. Aynı zamanda çalışmanın konusu olan ANFIS yöntemnde de ele alındığı üzere sözel değşkenlerle problemn ortaya konması etkl br yapı oluşturulmasına yardımcı olmaktadır. Bulanık mantığın uygulandığı makalelerde öne çıkan yöntemlerden br Bulanık Çok Amaçlı Lneer Model metodudur. Kumar ve dğ. [13], malyetn mnmze edlmes le kalte ve zamanında teslmatın maksmze edlmesne yönelk smetrk br Bulanık Çok Amaçlı Tamsayı Programlama yöntemn uygulamıştır. Gerçekleştrlen uygulamada toplam dört tedarkç değerlendrlmş ve kapaste le bütçe kısıtları %10 luk br bulanıklık sevyes le ele alınmıştır. Smetrk yaklaşımda her br seçm krter aynı ağırlığa sahptr. Asmetrk yaklaşımda se krterlere farklı değerler atanablmektedr. Amd ve dğ. [14], Bulanık Çok Amaçlı Lneer Model Yöntem n kullanarak, lk kez br tedarkç seçm problemnde asmetrk yaklaşımı uygulamışlardır. Benzer br şeklde Amd ve dğ. [15] asmetrk Bulanık Çok Amaçlı Lneer Model Yöntem n farklı sparş hacmlernde fyat ndrm seçeneğn çerecek şeklde ortaya koymuşlardır. Her k çalışmadak asmetrk olarak ortaya konulan bulanık çok amaçlı lneer modellerde krterlern hesaplanması le lgl br yapı sunulmamıştır. Lteratürdek bu açığı gderme adına Yücel ve Güner [16], yamuk bulanık sayılar kullanarak krterlern ağırlıklandırılmasını probleme dahl etmştr. Gerçekleştrlen uygulamada malyet, kalte ve hzmet seçm krterler, talep de modeln oluşturulmasında bulanık br faktör olarak ele alınmıştır. Dğer en çok ele alınan yöntemlerden br de Bulanık TOPSIS yöntemdr. Chen ve dğ. [17], Bulanık TOPSIS yöntemn tedarkç seçm problemne uygulamıştır. Çalışmada karar verclern görüşler doğrultusunda, yamuk bulanık sayılar kullanılarak seçlen krterlernn önem ağırlıkları ve her br alternatf tedarkçnn krterlerden aldığı puanlar atanmıştır. Sonrasında kademel br ÇKKV model uygulanarak krter ağırlıkları ve sonrasında her br tedarkçnn puanları hesaplanmış, en yüksek puana sahp tedarkç seçlerek problem sonlandırılmıştır. Dğer br çalışmada, Wang ve dğ. [18] üçgen bulanık sayılar kullanarak hyerarşk br bulanık TOPSIS yöntemn tedarkç seçm problemne uygulamıştır. Chen ve dğ. [17] yöntemnden farklı olarak bu makalede her br krtern ağırlığının hesaplanmasında bulanık AHP yöntem kullanılmıştır. Bulanık AHP ve Bulanık AŞP de tedarkç seçm problemne yönelk gelştrlen bulanık odaklı yaklaşımlardan dğer ksdr. Chan ve Kumar [19] global tedarkç seçm problemne Bulanık Genşletlmş AHP (FEAHP) yöntemn uygulamışlardır. Çalışmada üçgen bulanık sayılar kullanılmış olup, global tedarkç seçmndek krter yapısına ayrıca değnlmştr. Kahraman ve dğ. [20], Türkye de faalyet gösteren br beyaz eşya üretcsnn tedarkç seçm problemnde benzer şeklde Bulanık AHP yöntemn tatbk etmştr. Ln [21], Bulanık AŞP le Çok Amaçlı Lneer Programlama Yöntem n tedarkç seçm problemne br arada uygulamıştır. İlk aşamada Super Decson programı kullanılarak Bulanık AŞP le her br tedarkçnn katsayıları hesaplanmış, knc aşamada se LINGO 9.0 yazılımı kullanılarak, lk aşamada elde edlen katsayılar amaç fonksyonlarına dahl edlerek talep, kapaste ve maksmum kabul edleblr kusur oranı kısıtları altında sparş mktarı optmum olarak tedarkçler arasında dağıtılmıştır. ANFIS lteratürde, kred başvurularının değerlendrlmes, dyabet hastalığının tayn, köprü rsknn değerlendrlmes ve enjeksyon profl tahmn gb brçok alanda uygulanmıştır. Malhotra ve Malhotra [22] ANFIS ve Çoklu Dskrmnant Analz n ayrı ayrı k yöntem olarak uygulayarak tüketc kredlernde potansyel borca düşecek olanların tesptn gerçekleştrmştr. Her k yöntem le elde edlen sonuçlar karşılaştırılmış ve ANFIS le daha y sonuçlara ulaşıldığı vurgulanmıştır. Polat ve Güneş [23] dyabet hastalığının tayn çn Temel Bleşenler Analz (TBA) ve ANFIS yöntemlern br arada uygulamıştır. İlk aşamada TBA uygulanarak ver setndek 8 krter 4 e ndrlmş, knc aşamada se lgl 4 krter kullanılarak ANFIS yöntem probleme uygulanmıştır. Elde edlen doğruluk düzey dğer yöntemlerle karşılaştırıldığında TBA 226
Applcaton of Adaptve Neuro Fuzzy Inference System Sgma 28, 224-234, 2010 ve ANFIS brleşm le oluşturulan modeln en etkn yöntem olduğu sonucuna varılmıştır. Dğer br çalışmada Wang ve Elhag [24] köprü rsklern değerlendrlmesnde ANFIS yöntemn uygulamıştır. İnglz Karayolu Ajansı ndan elde edlmş olan 506 adet köprü bakım projes le ANFIS model oluşturulmuştur. Ayrıca çalışmada ANFIS yöntem le elde edlen sonuçlar Yapay Snr Ağları (YSA) yöntem le elde edlen sonuçlarla karşılaştırılmış, ANFIS n daha etkl olduğu sonucuna ulaşılmıştır. We ve dğ. [25] petrol alanı gelştrlmesnde enjeksyon profllerne at karar verme konusunda ANFIS yöntemn uygulamıştır. Fırat ve Güngör [26], Büyük Menderes Havzası nda 1985-2000 yılları arasında toplanan 5.844 günlük data setn kullanarak nehr akımlarının tahmnne yönelk ANFIS model gelştrmştr. Huang ve dğ. [27], Tayvan ve Çn nüfusu baz alınarak hazırlanan verlerde ANFIS yöntemn kullanarak glokom hastalığına sahp gözlerle normal gözler arasında ayrımı sağlayacak br sınıflandırma sstem gelştrmştr. Büyüközkan ve Feyzoğlu [28], belrsz koşullar altında yen ürün gelştrlmes le lgl olarak verlen kararın kaltesn artırmaya yönelk olarak br oyuncak frmasında ANFIS yöntemn uygulamıştır. Quah [29] DJIA (Dow Jones Industral Average) hsse seçm temel analznde snrsel ağ odaklı yöntemlern uygulanmasına yönelk br çalışma gerçekleştrmş ve lgl yöntemler arasında ANFIS de ele almıştır. ANFIS tedark zncr yönetm le lgl çeştl konularda da yöntem olarak ele alınmıştır. Efendgl ve dğ. [30], tedark zncrnde öneml konulardan br olan talep tahmnnde ANFIS kullanmış, dayanıklı tüketm endüstrsnde yer alan br frmada uygulamayı gerçekleştrmşlerdr. Balan ve dğ. [31], talebn tedark zncrnde aşağıdan yukarıya doğru hareketndek değşkenlğ fade etme adına kullanılan kırbaç etks (bullwhp effect) kavramında ANFIS yöntemn uygulamıştır. Nassmben ve Battan [32] ANFIS metodunu yen ürün gelştrlmesndek tedarkç katkısını ele almada kullanmıştır. Öncelkl olarak uzman görüşler çerçevesnde 15 krter belrlenmştr. Sonrasında Temel Bleşenler Analz yöntem uygulanarak 3 temel krter tespt edlmştr. ANFIS modelnn ortaya konulmasında seçlen 3 krter grd olarak kullanılmış çıktı olarak da her br tedarkçnn krter ağırlıkları dkkate alınarak hesaplanan toplam skoru kullanılmıştır. Sonuç olarak eldek eğtm setne uygun olarak kurulan model eğtlmştr. Tedarkç seçm problemne uygulanan yöntemler genel hatlarıyla ele alınmış, ANFIS yöntemnn uygulandığı farkı alanlar le lgl örnek çalışmalara yer verlmştr. Tedarkç seçm le lgl yöntem çerkler ncelendğ zaman snrsel bulanık mantık odaklı uygulamaların eksklğ lteratürde hssedlmektedr. Bu çerçevede çalışmada Adaptf Ağ Yapısına Dayalı Bulanık Çıkarım Sstem nn (ANFIS) tedarkç seçm problemne nasıl uygulanacağı ortaya konmaktadır. Üyelk fonksyonu seçmnn nasıl yapılacağı, kaç adet üyelk fonksyonu seçlmes gerektğ, modeln nasıl kurulması gerektğne ayrı ayrı değnlecek, aynı zamanda ANFIS n temel yapısı ortaya koyacaktır. İknc bölümde ANFIS yöntemnn ortaya çıkışı ve çerğ sunulmaktadır. Üçüncü bölümde ANFIS n tedarkç seçm problemne nasıl uygulanableceğ ortaya konulmakta, son bölümde se bundan sonrak çalışmalarda nasıl hareket edlebleceğ yönünde görüşler fade edlmektedr. 2. ADAPTİF AĞ YAPISINA DAYALI BULANIK ÇIKARIM SİSTEMİ (ANFIS) ANFIS temel olarak Bulanık Çıkarım Sstem nn (Fuzzy Inference System) adaptf ağlara uyarlanmış haldr. Melez öğrenme algortması le brlkte ANFIS, bulanık eğer-se kuralları le nsan blgsn yansıtan grd çıktı yapısını ortaya koymaktadır. Jang [33] ANFIS yöntemn gelştrmş ve doğrusal olmayan fonksyonların modellenmesnde, kaotk zaman serlernn tahmnnde kullanmıştır. MATLAB yazılımındak Bulanık Mantık Modülü nde br Kullanıcı Arayüzü (ANFIS Edtor) aracılığı le yöntem araştırmacıların kullanımına sunulmuştur. Yöntemn çıkış noktası, nsan düşünce ve blgsn yansıtan bulanık eğer-se kurallarının avantajı le snrsel ağların öğrenme yeteneklern br araya getrerek entegre etkl br çözüm sunma gereksnmdr. 227
A. Yücel, A.F. Güner Sgma 28, 224-234, 2010 Bulanık eğer-se kuralları, Eğer A koşul se B sonuçtur. şeklnde fade edleblecek kurallar olup bulanık çıkarım sstemlernn de temeln oluşturmaktadır. Yapıları tbaryle, bulanık ve belrsz ortamlarda nsan düşünce ve muhakeme yeteneğn yansıtma kablyet bulunmaktadır. Bulanık çıkarım sstem (FIS) de bulanık eğer-se kurallarını kullanarak ve kat sayısal analzler kullanmadan nsan blgsnn muhakeme sürecn ve ncel yönünü modelleyeblmektedr. Adaptf ağ, çeştl sayıda brbrne bağlanmış düğümler çeren, elde bulunan grd ve çıktı ver setn ortaya koymaya yarayan br ağ yapısıdır. Her br düğüm br şlem brm çerr ve düğümler arası bağlantılar, brleştrlen düğümler arasındak nedensel lşky belrler. Düğümlern heps veya br kısmı adaptftr, bunun anlamı düğümlern çıktısının bu düğümlerle lşkl düzenleneblr parametrelere dayandığıdır. Öğrenme kuralı, öngörülmüş br hata ölçüsünü mnmze etme adına bu parametrelern nasıl güncellenmes gerektğn belrler. Hata ölçüsü ağın mevcut çıktısı le beklenen çıktı arasındak farkı belrten matematksel br göstermdr. ANFIS n en öneml özellğ gradyent azaltım ve en küçük kareler yöntemn br arada uygulayarak sunduğu melez öğrenme algortmasıdır ve bu da ANFIS n dğer yöntemlere yönelk üstünlüğünde temel teşkl etmektedr. Şekl 1 de k kurallı ve k grdl brnc derece Sugeno bulanık model le buna karşılık gelen ANFIS yapısı yer almaktadır [34]. Düğümlern 4. katmana kadar ler gdşlernde soncul parametreler en küçük kareler yöntem le belrlenmekte, gerye doğru gdşte se bu sefer öncül parametreler gradyent azaltım yöntem le belrlenmektedr. Şekl 1. (a) Sugeno bulanık model (b) Karşılık ANFIS Yapısı Şekl 1 de de belrtldğ üzere ANFIS beş katmandan oluşmaktadır. Her br katmanın fonksyonları aşağıda anlatılmaktadır: Katman 1 : Bu katmanda her düğüm kare olup br düğüm fonksyonu le lşkldr. O = μ ( x) (1) 1 A 228
Applcaton of Adaptve Neuro Fuzzy Inference System Sgma 28, 224-234, 2010 x düğümü le lşkl grd, (y, çok y vs.). Dğer br fadeyle, A se lgl düğüm fonksyonu le lşkl sözel değşkendr 1 O, karşıladığının derecesn vermektedr. Genel olarak, ( ) olmak üzere çan eğrs şeklnde seçlr: 1 μ A ( x) = 2 x c 1+ a veya b 2 x c μ A ( x) = exp a {,, } A nn üyelk fonksyonu olup x n A yı ne kadar μ x maksmum 1 ve mnmum 0 a eşt a b c parametre set olup öncül parametreler olarak ntelendrlr. Bu aşamada çeştl üyelk fonksyonları kullanılablmektedr. Katman 2 : Bu katmanda yer alan bütün düğümler ( ) dare şeklnde olup gelen snyaller çarpıp değer dışarı çıkarır. ω = μ ( x) μ ( y), = 1, 2. (4) A B Her düğüm çıktısı, her br kuralın ateşleme sevyesn (frng strength) gösterr. Katman 3 : Bu katmanda yer alan bütün düğümler ( N ) dare şeklnde olup,. düğüm,. kuralın ateşleme sevyesnn tüm kuralların toplam ateşleme sevyesne oranını hesaplar. ω ω =, ω + ω 1 2 A = 1, 2. (5) Bu katmanın çıktısı normalleştrlmş ateşleme sevyes olarak da ntelendrlmektedr. Katman 4 : Bu katmanda her düğüm kare olup br düğüm fonksyonu le lşkldr. O = ω f = ω ( p x+ q y+ r) (6) 4 ω katman 3 ün çıktısı olup, {,, } (2) (3) p q r parametre set soncul parametreler olarak ntelendrlr. Katman 5 : Bu katmanda yer alan tek düğüm ( ) dare şeklnde olup tüm çıktıyı bütün gelen snyallern toplamı şeklnde hesaplar. ω 5 f O = overall output = ω f =. ω ANFIS n genel yapısı ortaya konmuştur [33]. Bundan sonrak bölümde tedarkç seçm problemne ANFIS n nasıl uygulanableceğ konusuna değnlecektr. (7) 229
A. Yücel, A.F. Güner Sgma 28, 224-234, 2010 3. TEDARİKÇİ SEÇİM PROBLEMİNE ANFIS YÖNTEMİNİN UYGULANMASI ANFIS yöntemnn uygulanablmes çn elde grd ve çıktıya dayanan br ver setne htyaç bulunmaktadır. Seçlen üyelk fonksyon aded ve tpne bağlı olarak kurulan model melez öğrenme algortması kullanılarak eğtlmektedr. MATLAB ın modüllernden br olan Fuzzy Logc Toolbox modülündek Şekl 2 de yer alan ANFIS Edtor kullanılarak elde bulunan grd çıktı set ssteme yükleneblmekte, kurulan model eğtlmekte ve sonuç olarak etknlğ test edleblmektedr. Tedarkç seçm problem yapı tbaryle br ÇKKV problemdr. ANFIS yöntem de az sayıda ve çıktıyı en çok etkleyen grdler çeren sstemlerde etkl çözümler vermektedr. Öncelkl olarak karar verclern tedarkç seçmn etkleyen krterler belrlemes ve bu krterlere karşılık tedarkçlern performansını ölçeblecek br çıktıyı ortaya koyması gerekmektedr. Lteratürde ANFIS n uygulandığı çalışmalarda grd sayısı en fazla 4 e kadar çıktığı gözlemlenmektedr. Eğer elde genş br grd set dğer br fadeyle seçm krter var se çıktıyı en çok etkleyen değşkenlern tesptne yönelk yöntemler (Temel Bleşenler Analz, Kümeleme Analz, Doğrusal Dskrmnant Analz) öncelkl olarak uygulanmalıdır. Etkn grdler ortaya konulduktan sonra elde bulunan ver setnn eğtm ve test datası olmak üzere kye bölünmes gerekmektedr. ANFIS elde bulunan grd setne göre üyelk fonksyonun seçmnde çeştl seçenekler (Üçgen üyelk fonksyonu, yamuk üyelk fonksyonu, Gauss kombnasyon üyelk fonksyonu, Genelleştrlmş çan eğrs üyelk fonksyonu vb.) sunmaktadır. İlgl üyelk fonksyonlarından kullanılmak stenenler seçlerek veya her br fonksyon tp ayrı ayrı eğtm data setnde kullanılarak en küçük hata değerne sahp fonksyon tp kurulan modeln eğtlmes çn seçlr. Buradak dğer öneml husus her br grd çn seçlecek üye fonksyonu adedne bağlı olarak oluşan eğtlecek parametre adednn elde bulunan eğtm ver setnn büyüklüğünü aşmamasıdır. Aks takdrde sstemde hata alınmakta, kurulan modeln eğtm etkn br şeklde gerçekleştrlememektedr. Ayrıca lgl hususun elde bulunan ver setnn eğtm ve test datası olmak üzere kye bölünmesnde de göz önünde bulundurulması faydalı olacaktır. Şekl 2. ANFIS Edtör Yapısı 230
Applcaton of Adaptve Neuro Fuzzy Inference System Sgma 28, 224-234, 2010 Üyelk fonksyonu tp ve adednn seçlmesn takben yapılması gereken elde bulunan ver setnn melez öğrenme algortması kullanılarak eğtlmesdr. Belrlenen çevrm sayısına bağlı model eğtldkten sonra eldek test datasına bağlı olarak kurulan modeln etknlğ test edleblmektedr. Şekl 3 te, 3 grd ve bu grdlere bağlı 2 şer adet üyelk fonksyonu çeren örnek br ANFIS model yer almaktadır. Sonuç olarak tedarkç seçm problemne ANFIS n uygulanması le lgl olarak aşağıdak algortma ortaya çıkmaktadır: Adım 1: Karar verc ve uzmanların görüşler çerçevesnde tedarkç seçm krterler ve buna bağlı tedarkç seçm performansını yansıtablecek çıktı belrlenerek ver set oluşturulur. Adım 2: Eğer eldek grd sayısı genş se ANFIS modeln etkn br şeklde uygulama adına çıktıyı en çok etkleyen grdler belrlenen değşken seçm yöntem çerçevesnde tespt edlr. Adım 3: Elde bulunan ver set eğtm ve test datası olmak üzere kye bölünür. Adım 4: MATLAB Bulanık Mantık Modülü nde yer alan üyelk fonksyon tpler arasından en düşük hata le eğtm datasının eğtlmesn sağlayan fonksyon tp eldek grd set çn seçlr. Üyelk fonksyonu adednn seçmnde se ver setnn eğtlecek parametre sayısından fazla olması kuralına dkkat edlr. Adım 5: Üyelk fonksyon tp ve adednn seçmnden sonra oluşturulan model eğtlr. Adım 6: Eğtlen modeln etknlğ eldek test datası kullanılarak ölçülür. Şekl 3. Örnek ANFIS Model Yapısı İlgl algortma uygulandıktan sonrak süreçte yen satınalma kararlarında kurulan model kullanılarak belrlenen çıktıya bağlı olarak kararlar sstem tarafından otomatk olarak oluşturulup karar verclern değerlendrlmesne sunulablecektedr. 231
A. Yücel, A.F. Güner Sgma 28, 224-234, 2010 4. SONUÇLAR VE TARTIŞMA Tedarkç seçm frmaların başarısında krtk br faktör olarak ele alınan br konudur. Stratejlerne ve amaçlarına uygun tedarkç seçmn gerçekleştren frmalar pazardak dğer rakplerne üstünlük sağlayablmektedr. Bunu gerçekleştrme adına frmalar uygun krtern yanı sıra uygun br metot seçerek stratejk ortaklıklar kurup uzun vadel çalışableceğ tedarkçler tespt etmeldr. Bu husus göz önünde bulundurularak çalışmada tedarkç seçm problemne yönelk etkn br çözüm sunulmaya çalışılmıştır. Ortaya konulan yapı snrsel ağlar ve bulanık mantık kavramlarının br arada kullanılmasını sağlamaktadır. Böylelkle snrsel ağların öğrenme kablyetnn yanı sıra bulanık mantığın sözel değşkenler vasıtasıyla kşsel bakış açısını yansıtmadak başarısı br arada ortaya konarak etkn br sstem sunulmaktadır. Yöntemn uygulanmasında öneml noktalardan br de çıktıyı en çok etkleyen grdnn seçmdr. Bu bakış tedarkç seçm problemne ANFIS yaklaşımının uygulanması çalışmalarında değşken seçm yöntemlernn ANFIS le entegre br şeklde uygulanması konusu dkkate alınmalıdır. Tedarkç seçm problemler temelde tek kaynaklı (sngle sourcng) ve çok kaynaklı (multple sourcng) olmak üzere kye ayrılmaktadır. Tek kaynaklı problemlerde tek br tedarkç satınalmada bulunacak frmanın tüm htyaçlarını karşılayablmekte, çok kaynaklı versyonda se tek br frma, satınalmada bulunan frmanın tüm htyaçlarını karşılayamamakta brden fazla frmanın seçlmes gerekmektedr. Çeştl kısıtların olduğu br ortamda ANFIS n uygulanması halnde yönteme lneer programlama gb farklı yöntemlern entegre edlmes de düşünülmeldr. Sonuç olarak tedarkç seçm problemne farklı br yaklaşım makalede ele alınmıştır. Dğer br çok alanda da uygulanan ANFIS yöntemnn karar verc ve uzmanlar tarafında tedarkç seçm problemnde de br alternatf olarak düşünülmes mümkündür. REFERENCES / KAYNAKLAR [1] Ghodsypour S. H., O'Bren C., "The Total Cost of Logstcs n Suppler Selecton, Under Condtons of Multple Sourcng, Multple Crtera and Capacty Constrant", Internatonal Journal of Producton Economcs, 73, 1, 15-27, 2001. [2] Dckson G. W., An Analyss of Vendor Selecton Systems and Decsons, Journal of Purchasng, 2, 1, 5-17, 1966. [3] Weber C. A., Current J. R., Benton W. C., Vendor Selecton Crtera and Methods, European Journal of Operatonal Research, 50, 1, 2-18, 1991. [4] Tam M. C. Y., Tummala V. M. R., An Applcaton of the AHP n Vendor Selecton of a Telecommuncatons System, Omega-Internatonal Journal of Management Scence, 29, 2, 171-182, 2001. [5] Bhutta K. S., Huq F., Suppler Selecton Problem: A Comparson of the Total Cost of Ownershp and Analytc Herarchy Process Approaches, Supply Chan Management: An Internatonal Journal, 7, 3, 126-135, 2002. [6] Levary R. R., Usng the Analytc Herarchy Process to Rank Foregn Supplers Based on Supply Rsks, Computers & Industral Engneerng, 55, 535 542, 2008. [7] Ghodsypour S. H., O'Bren C., A Decson Support System for Suppler Selecton Usng an Integrated Analytc Herarchy Process and Lnear Programmng, Internatonal Journal of Producton Economcs, 56-57, 199-212, 1998. [8] Ha S. H., Krshnan R., Hybrd Approach to Suppler Selecton for the Mantenance of a Compettve Supply Chan, Expert Systems wth Applcatons, 34, 2, 1303-1311, 2008. [9] Gencer C., Gürpınar D., Analytc Network Process n Suppler Selecton: A Case Study n an Electronc Frm, Appled Mathematcal Modellng, 31, 2475-2486, 2007. 232
Applcaton of Adaptve Neuro Fuzzy Inference System Sgma 28, 224-234, 2010 [10] Demrtaş E., Üstün Ö., An Integrated Mult-Objectve Decson-Makng Process for Mult-Perod Lot-Szng wth Suppler Selecton, 36, 4, 509-521, 2008. [11] Çeleb D., Bayraktar D., An Integrated Neural Network and Data Envelopment Analyss for Suppler Evaluaton Under Incomplete Informaton, Expert Systems wth Applcatons, 35, 4, 1698-1710, 2008. [12] Choy K. L., Lee W. B., Lo V., An Intellgent Suppler Management Tool for Benchmarkng Supplers n Outsource Manufacturng, Expert Systems wth Applcatons, 22, 3, 213-224, 2002. [13] Kumar M., Vrat P., Shankar R., A Fuzzy Programmng Approach for Vendor Selecton Problem n a Supply Chan, Internatonal Journal of Producton Economcs, 101, 273-285, 2006. [14] Amd A., Ghodsypour S.H., O Bren C., Fuzzy Mult-Objectve Lnear Model for Suppler Selecton n a Supply Chan, Internatonal Journal of Producton Economcs, 104, 394-407, 2006. [15] Amd A., Ghodsypour S.H., O Bren C., A Weghted Addtve Fuzzy Mult-Objectve Model for the Suppler Selecton Problem Under Prce Breaks n a Supply Chan, Internatonal Journal of Producton Economcs, In Press, Corrected Proof. [16] Yücel A., Güner A. F., A Fuzzy Programmng Approach for Suppler Selecton n Supply Chan, VI. Internatonal Logstcs and Supply Chan Congress, İstanbul, Kasım, 2008. [17] Chen T.C., Ln C.T., Huang S.F., A Fuzzy Approach for Suppler Evaluaton and Selecton n Supply Chan Management, Internatonal Journal of Producton Economcs, 102, 289-301, 2006. [18] Wang J. W., Cheng C. H., Cheng H. K., Fuzzy Herarchcal TOPSIS for Suppler Selecton, Appled Soft Computng, 9, 1, 377-386, 2009. [19] Chan F., Kumar N., Global Suppler Development Consderng Rsk Factors Usng Fuzzy Extended AHP-Based Approach, Omega, 35, 417-431, 2007. [20] Kahraman C., Cebec U., Ulukan Z., Mult-Crtera Suppler Selecton Usng Fuzzy AHP, Logstcs Informaton Management, 16, 6, 382 394, 2003. [21] Ln R. H., An Integrated FANP MOLP for Suppler Evaluaton and Order Allocaton, Appled Mathematcal Modellng, 33, 6, 2730-2736, 2009. [22] Malhotra R., Malhotra D. K., Dfferentatng Between Good Credts and Bad Credts Usng Neuro-Fuzzy Systems, European Journal of Operatonal Research, 136, 190-211, 2002. [23] Polat K., Güneş S., An Expert System Approach Based on Prncpal Component Analyss and Adaptve Neuro-Fuzzy Inference System to Dagnoss of Dabetes Dsease, Dgtal Sgnal Processng, 17, 702-710, 2007. [24] Wang Y. M., Elhag T. M. S., An Adaptve Neuro-Fuzzy Inference System for Brdge Rsk Assessment, Expert Systems wth Applcatons, 34, 3099-3106, 2008. [25] We M., Ba B., Sung A.H., et.al., Predctng Injecton Profles Usng ANFIS, Informaton Scences, 177, 4445-4461, 2007. [26] Fırat M., Güngör M., Rver Flow Estmaton Usng Adaptve Neuro Fuzzy Inference System, Mathematcs and Computers n Smulaton, 75, 87-96, 2007. [27] Huang M. L., Chen H. Y., Huang J. J., Glaucoma Detecton Usng Adaptve Neuro- Fuzzy İnference System, Expert Systems wth Applcatons 32, 458 468, 2007. [28] Büyüközkan G., Feyzoğlu O., A New Approach Based on Soft Computng to Accelerate the Selecton of New Product Ideas, Computers n Industry, 54, 2, 151-167, 2004. [29] Quah T.S., DJIA Stock Selecton Asssted by Neural Network, Expert Systems wth Applcatons, 35, 50-58, 2008. 233
A. Yücel, A.F. Güner Sgma 28, 224-234, 2010 [30] Efendgl T., Önüt S., Kahraman C., A Decson Support System for Demand Forecastng wth Artfcal Neural Networks and Neuro-Fuzzy Models: A Comparatve Analyss, Expert Systems wth Applcatons, 36, 3, 6697-6707, 2009. [31] Balan S., Vrat P., Kumar P., Informaton Dstorton n a Supply Chan and ts Mtgaton Usng Soft Computng Approach, Omega, 37 (2), 282-299, 2009. [32] Nassmben G., Battan F., Evaluaton of Suppler Contrbuton to Product Development: Fuzzy and Neuro-Fuzzy Based Approaches, Internatonal Journal of Producton Research, 41, 13, 2933-2956, 2003. [33] Jang J.-S.R., ANFIS: Adaptve-Network-Based Fuzzy Inference System, IEEE Transactons on Systems, Man and Cybernetcs, 23, 3, 665-685, 1993. [34] Jang J.-S.R., Sun C.-T, Mzutan E., Neuro- Fuzzy and Soft Computng A Computatonal Approach to Learnng and Machne Intellgence, MATLAB Currculum Seres, Prentce Hall, New Jersey, 1997, 335-340. 234